AutoAgent: مكتبة مفتوحة المصدر تتيح لوكلاء الذكاء الاصطناعي هندسة أنفسهم

مكتبة مفتوحة المصدر جديدة تحمل اسم AutoAgent تثير اهتماماً واسعاً في مجتمع الذكاء الاصطناعي، بعد أن أثبت مبتكرها كيفن غو، خريج جامعة هارفارد والباحث السابق في Jump Trading، أن وكلاء الذكاء الاصطناعي قادرون على هندسة نسخ أفضل من أنفسهم، متفوقين على جميع المشاركات المصممة يدوياً في معيارين رئيسيين.

أبرز النقاط

حقق AutoAgent نسبة 96.5% في SpreadsheetBench و55.1% في TerminalBench، وكلاهما في المركز الأول
جميع المشاركات الأخرى في لوحة المتصدرين كانت مهندسة يدوياً من قبل البشر؛ AutoAgent لم يكن كذلك
المكتبة مفتوحة المصدر بالكامل بموجب ترخيص MIT
يصفها غو بأنها "مثل AutoResearch، لكن لهندسة الوكلاء"

كيف يعمل

يقدم AutoAgent وكيلاً فوقياً (meta-agent) يقوم بتحسين وكيل المهام تلقائياً من خلال حلقة تحسين تصاعدية. بدلاً من قيام المطور بضبط الأوامر والأدوات يدوياً، تسير العملية كالتالي:

يكتب المطور توجيهاً في ملف program.md يصف الهدف المطلوب
يعدّل الوكيل الفوقي بنية الوكيل: أوامر النظام، والأدوات، والإعدادات، والتنسيق
يشغّل المعايير المرجعية، ويتحقق من النتيجة، ويحتفظ بالتحسينات، ويتخلص من التراجعات، ثم يكرر العملية

تعمل الدورة بأكملها خلال الليل داخل حاويات Docker معزولة، مما يضمن السلامة بينما يمر الوكيل بآلاف المحاكاة المتوازية.

البنية التقنية

يُبنى المشروع حول ثلاثة مكونات أساسية:

agent.py — ملف واحد يحتوي على الإعدادات وتعريفات الأدوات وسجل الوكلاء ومحول Harbor
program.md — تعليمات يحررها المطور لتوجيه الوكيل الفوقي
tasks/ — معايير تقييم بتنسيق Harbor للتقييم عبر مجموعات بيانات مختلفة

لماذا هذا مهم

الفكرة الجوهرية وراء AutoAgent هي أن الوكلاء غالباً ما يكونون أفضل في "الرؤية كوكيل" وتصميم مساحات عملهم الخاصة مقارنة بالمطورين البشر. هذا ينقل دور المطور من هندسة الأوامر اليدوية إلى تحديد معايير التقييم وترك الذكاء الاصطناعي يكتشف النهج الأمثل.

أشار عدد من الباحثين البارزين في مجال الذكاء الاصطناعي إلى أن هذا النهج قد يغير جذرياً طريقة بناء وكلاء الذكاء الاصطناعي، بالانتقال من الصياغة اليدوية للأوامر إلى التحسين الآلي على نطاق واسع.

ردود فعل المجتمع

أثار الإعلان ضجة كبيرة على منصة X، حيث تساءل بعض المطورين عما إذا كان هذا يمثل خطوة نحو الذكاء الاصطناعي العام (AGI). كما رسم آخرون أوجه تشابه مع مشروع AutoResearch لأندريه كارباثي، مشيرين إلى أن AutoAgent يطبق نفس فلسفة التحسين الذاتي تحديداً على هندسة الوكلاء.

البدء في الاستخدام

يتطلب AutoAgent برنامج Docker وبايثون 3.10 أو أحدث ومدير الحزم uv. يدعم مزودي نماذج متعددين وهو متاح الآن على GitHub بموجب ترخيص MIT.

ما التالي

مع تسارع تطوير وكلاء الذكاء الاصطناعي في جميع أنحاء الصناعة، يمكن أن يصبح AutoAgent أداة أساسية للفرق التي تسعى لتحسين أداء الوكلاء دون تكرار يدوي. المشروع يخضع لصيانة نشطة، والمجتمع يستكشف بالفعل تطبيقات تتجاوز مهام الجداول والطرفية.

المصدر: AutoAgent على GitHub