منغ ياو من قاو في سي
الكمبيوتر الشيقي | الحساب الرسمي QbitAI
أنشأت جامعة تسينغهوا مؤخرًانظام تشغيل مفتوح المصدر للوكلاء الذكيين، متخصص في علاج المشكلات «الصعبة القديمة» المختلفة عند عمل وكلاء الذكاء الاصطناعي (AI Agent)؟!
تُدعى هذه المجموعةPilotDeck 2.0من نظام طوّرته بالتعاون بين مختبر THUNLP بجامعة تسينغهوا وفرق مثل ModelBest وOpenBMB.
والمشكلة التي يحلّها، ومن قبيل المصادفة، ترتبط «بقوة» بالأمر الأكثر إيلامًا عند استخدامنا لـ AI Agent في العمل —
على سبيل المثال… كلما كثرت المشاريع، اختلطت الملفات والذكريات والمهام كلها معًا، فتحيّرت تمامًا… (يضحك)
ما إن يصبح النشاط معقّدًا، حتى تبدأ الـ Token في الاحتراق بسرعة، وبمجرد أن يغادر الشخص حاسوبه، يبقى الذكاء الاصطناعي عالقًا في منتصف الطريق بانتظار التعليمات *1000...
بينما يستهدف PilotDeck 2.0 تحديدًا تلك الأخطاء القديمة المزعجة التي تسبب الصداع —إدارة الذاكرة، وتنفيذ المهام، بالإضافة إلى تكلفة استدعاء النموذج。
ولأني لطيف معكم، قمت أيضاً بتلخيص موجز لما يمكن أن يفعله هذا الشيء لنا حقاً وما المشاكل اليومية التي يمكنه حلها —
- إدارة المشاريع: معالجة عدة مشاريع في الوقت نفسه، مع عزل الملفات والذاكرة والمهام، لتقليل اختلاط المواد وتداخل المهام.
- الذاكرة طويلة المدى: تذكّر خلفية المشروع وتفضيلات المستخدم وتقدم العمل، مع إمكانية العرض والتعديل، لتجنّب إعادة الشرح مرارًا.
- التنفيذ في الخلفية: يدعم تشغيل المهام طويلة المدى في الخلفية وفحص العناصر القابلة للتنفيذ، بحيث يواصل الذكاء الاصطناعي العمل أثناء غياب المستخدم.
- التوجيه الذكي: اختيار النموذج المناسب حسب صعوبة المهمة؛ المهام المعقدة تستخدم نموذجًا قويًا والمهام البسيطة نموذجًا منخفض التكلفة، مما يقلل النفقات غير الضرورية.
في نتائج تقييم Workbuddy Bench، حصل PilotDeck باستخدام Qwen3.6-35B-A3B على درجة 79.1، متفوقًا أيضًا على Claude Code (77.3).
بالإضافة إلى ذلك، فإن أسلوب الجدولة الذي يُكلّف فيه النموذج القوي باتخاذ القرارات والنموذج الصغير بالمهام البسيطة يمكنه أيضًا خفض تكلفة المهام الطويلة المعقدة بنحو خُمسي التكلفة؟؟
يبدو الأمر، على ما يبدو، عمليًا جدًا، أليس كذلك؟؟؟
أصبح للذكاء الاصطناعي مقر عمل خاص به، فالذاكرة والملفات والمهام أصبح بإمكانه إدارتها جميعًا
ربما يشعر الجميع بهذا الإحساس…
فعند استخدامنا اليومي لمختلف أدوات الذكاء الاصطناعي، من أكثر الأمور التي نخشاها «تلوّث السياق».
مثلًا، لو طلبت للتوّ من الذكاء الاصطناعي كتابة معمارية تقنية بأسلوب أكاديمي جاد، ثم طلبته بعدها كتابة نص إعلاني لمنصة Xiaohongshu، فسيظل يتحدث عن فك الارتباط المعماري。。。 (ضحك)
أما خلف هذه المسرحية المثيرة، فالسبب الرئيسي يرتبط بمشكلة الصندوق الأسود في ذاكرة معظم وكلاء الذكاء الاصطناعي (Agent) الحاليين.
بعبارة أخرى، ما يتذكره الذكاء الاصطناعي بالضبط، ومتى تم التذكر، وأين خُزّنت المعلومات، كل ذلك مغيب في غيوم تامة بالنسبة لنا ونحن أمام الشاشة.
وإذا سجّل خطأً في منتصف العمل منطق عمل تجاري رئيسياً، فيصعب حتى العثور على مكان المشكلة، وفي النهاية لا يبقى أمامك سوى التخلص من المقطع الحواري بأكمله على مضض والبدء من جديد!!!
أما البنية التحتية الأساسية والأهم في PilotDeck فهي اعتماد الـWorkSpace (مقصورة العمل) كوحدة أساسية.
يمكننا فهم ذلك على أنه تقسيم مساحات عمل فيزيائية مستقلة للذكاء الاصطناعي، حيث يمتلك كل مشروع نظام ملفات وقاعدة ذاكرة ومجموعة مهارات خاصة به.
ومثال محدد قدمته الجهة الرسمية:
في مقصورة العمل A تعمل على تحرير الصوت والفيديو، وفي مقصورة العمل B على لعبة صغيرة لنظام iOS، وذاكرة ومساحة الاسترجاع في الجانبين منفصلتان فيزيائياً تماماً، فلن يتصادما بعد اليوم.
وبهذه الطريقة، حتى عند معالجة عدة مهام في آنٍ واحد، يمكن لكل منها الاحتفاظ بسياقها الخاص، مما يقلل من مشاكل تداول الذكريات وانحراف المهام:
والأكثر تصحيباً لنقطة الألم هو أن PilotDeck جعل الذاكرة «صندوقاً أبيض» بالكامل.
فعلى سبيل المثال، إذا قال الذكاء الاصطناعي فجأة إنه يتذكر أنك تفضل هذا الأسلوب في الكتابة، فقد لا تعرف على الإطلاق من أين استنتج ذلك، ولا حتى إن كان قد سجّل شيئاً بخطأ!!
تحلّ ذاكرة «الصندوق الأبيض» هذه المشكلة بالضبط، إذ تمنح المستخدم فرصة «تقليب الدفاتر» في أي وقت —
فمن توليد الذاكرة واستخلاصها وتخزينها وحتى استدعائها في النهاية، تكون السلسلة بأكملها مرئية بالكامل أمام المستخدم.
فعلى سبيل المثال، التفضيلات والحقائق التي سجّلها الذكاء الاصطناعي أثناء عمله يمكن الاطلاع عليها واحداً تلو الآخر بمجرد فتح اللوحة.
وإذا تبيّن أنه سجّل معلمةً حرجةً بشكل خاطئ، فلن تحتاج إلى الجهد في كتابة Prompt طويل محاولاً جعله ينسى المعلومات الخاطئة.
يكفي تعديلها أو حذفها يدوياً، بل يمكن تثبيت المعلومات المهمة بضغطة زر واحدة～
إضافةً إلى ذلك، يحتوي النظام على آلية مدمجة تُسمى «وضع Dream».
عندما يكون الذكاء الاصطناعي في حالة خمول، يقوم النظام تلقائياً في الخلفية بجمع الذكريات التفاعلية المتناثرة وتلخيصها واستخلاصها وإزالة التكرار منها.
وإذا فُقدت تفاصيل مهمة أثناء التنظيم، يمكن الرجوع إلى الحالة السابقة بضغطة واحدة والاستعادة خلال ثوانٍ، دون قلق من أن يصبح الأمر أكثر فوضى مع كل تنظيم.
والأكثر من ذلك، أن PilotDeck قدّرت أيضاً وضع Always-on (التنفيذ الدائم) —
فحتى بعد إغلاق نافذة الدردشة أو مغادرة الحاسوب، يستمر الـAgent في الخلفية بمتابعة مهام المراقبة والتنفيذ طويلة المدى.
فيُكمل المهام المحددة، كما يكتشف بشكل استباقي المهام المرشحة المحتملة أثناء التنفيذ، وبعد إنجاز كل شيء يُسقط النتائج في ملفات محلية، مرفقةً بتقرير كامل عن التقدم والملخص.
ويجدر بالذكر أن النظام بأكمله يدعم MCP بشكل أصلي.
وسواء كنت معتاداً على العمل في واجهة الويب أو سطر الأوامر CLI أو في بيئات التراسل الفوري مثل WeChat للشركات وFeishu، فإن المنطق والسلوك في الواجهة الخلفية متطابقان تماماً.
وبالنسبة للمطورين، يعني ذلك إمكانية توسيع الأدوات والمهارات حول مسارات العمل الحالية.
وبالنسبة للمستخدمين الدائمين للذكاء الاصطناعي، فهي أيضاً فرصة لتقليل الوقت المُهدار في تكرار شرح الخلفية وربط الخطوات يدوياً～
التوجيه الذكي «قوي في الرئيسي وضعيف في الفرعي»: بمال 1/6، يُسقط النموذج الأعلى تهيئةً...
عند تشغيل مهام طويلة عبر الـAgent، فإن استحالة تحمّل المحفظة التكلفة غالباً هي أكبر عامل تثبيط.
في كثير من الأحيان ليست المهام صعبة، فقد تكون مجرد تنسيق بضع فقرات نصية أو ترجمة متعددة اللغات وفق قالب جاهز —
لكن، بسبب بساطة بنية النظام، يجري النظام طوال الوقت على أغلى النماذج الرائدة، ويكون استهلاك الـToken مبالغاً فيه إلى حد كبير...
ويجدر بالذكر أن PilotDeck قدّمت أيضاً ميزة Smart Routing (التوجيه الذكي).
إذ تضمّنت في الطبقة السفلية تعرّفاً على صعوبة المهام، فتقسّم مهام المراحل المختلفة وتوزّعها على نماذج بمستويات مختلفة، مع تنسيق هرمي وتعاون بين الطرف والسحابة.
تتولى النماذج الكبيرة الأعلى تهيئةً قرارات التخطيط المعقدة، بينما تُخفَّض مهام التنفيذ والتحسين ومعالجة التنسيق في الطبقة السفلية إلى النماذج الخفيفة.
في الاختبار الفعلي لسيناريو تشغيل وسائل الإعلام الذاتية والتواصل الاجتماعي، بدون توجيه توفير التكاليف، كانت تكلفة تشغيل Claude Opus 4.5 للسير بأكمله تبلغ 12.58 دولاراً في المرة الواحدة.
أما بعد تفعيل التوجيه الذكي، يتولى الـAgent الرئيسي التخطيط العلوي عبر Opus 4.5، بينما ينخفض مستوى الـAgent الفرعي المسؤول عن صقل النصوص إلى Sonnet 4.5.
فانخفضت التكلفة إلى 2.83 دولار، أي توفير نحو 70% من التكلفة، وكأن الأمر كذلك:
علاوةً على ذلك، في اختبارات المهام المعقدة الأصعب، يظهر هذا الفارق بشكل أكثر حدة؟؟
أجرى فريق البحث مقارنة أفقية بـ7 مهام معقدة عالية الصعوبة مثل البث متعدد اللغات للبودكاست، وتقارير البيانات متعددة المصادر، ومراجعات الأوراق البحثية التخصصية، ووثائق بنية قواعد الأكواد البرمجية:
فبتشغيل MiniMax-M2.7 وحده، كانت التكلفة منخفضة بالفعل (1.90 دولار)، لكن النتيجة كانت 37.1 فقط، وهو أمر غير قابل للاستخدام، واستُبعد فوراً...
وبتشغيل Claude Sonnet 4.6 وحده، ارتفعت النتيجة إلى 69.1، لكن الاختبار الواحد كان يحرق 18.36 دولاراً.
أما تحت توجيه PilotDeck وباعتماد بنية «الرئيسي قوي والفرعي ضعيف» بـSonnet 4.6 رئيسياً + MiniMax-M2.7 فرعياً، فقد قفزت النتيجة الإجمالية إلى 70.6، ولم تتجاوز التكلفة 3.15 دولارات.
فالأداء أفضل من النموذج الأحادي الأعلى تهيئةً بمفرده، بينما التكلفة نحو سدس تكلفة النموذج الأعلى تهيئةً فقط.
بالمناسبة، تعتمد PilotDeck ترخيص AGPL-3.0 مفتوح المصدر، وتدعم macOS وLinux وWindows، وتوفّر أيضاً طريقة نشر عبر Docker.
إذا كان الموضوع يثير اهتمامكم، يمكنكم تجربته بأنفسكم، وقد وضعنا رابط GitHub في الأسفل～
روابط مرجعية:
[1]
https://github.com/OpenBMB/PilotDeck
[2]
https://x.com/OpenBMB/status/2110364065822646570