الذكاء الاصطناعي الوكيلي / الذكاء الاصطناعي التوليدي

الذكاء الاصطناعي الوكيلي / الذكاء الاصطناعي التوليدي

يشهد المشهد الذكاء الاصطناعي تحولاً جوهرياً من التوليد السلبي للمحتوى إلى التنفيذ الذاتي النشط. أسس الذكاء الاصطناعي التوليدي الأساس من خلال تمكين الآلات من إنتاج نصوص متماسكة، وصور واقعية، ورموز برمجية وظيفية. يبني الذكاء الاصطناعي الوكيلي على ذلك الأساس، محولاً النماذج من مولدات ثابتة إلى أنظمة ديناميكية تخطط، وتستدل، وتستخدم الأدوات، وتتكرر نحو تحقيق الأهداف. النتيجة هي فئة جديدة من البرمجيات التي لا تقتصر على الإجابة عن الأسئلة بل تُكمل سير العمل.

تتقدم المؤسسات في مختلف أنحاء الصناعة في كلا النموذجين. تساهم كل من OpenAI، وAnthropic، وMicrosoft، وNVIDIA في الخطاب التقني المتطور من خلال قنوات البحث والهندسة الخاصة بها. يمتد عملها عبر تدريب النماذج الأساسية، ومحاذاة السلامة، والبنية التحتية السحابية، وتسريع الأجهزة. مع نضوج هذه الطبقات، يحصل المطورون على وصول عملي إلى القدرات الوكيلية التي كانت محصورة سابقاً في مختبرات البحث. يقدم هذا المقال دليلاً عملياً للبناء باستخدام الذكاء الاصطناعي التوليدي والوكيلي، منتقلاً من إعداد البيئة إلى وكيل ReAct يعمل.

فهم المشهد

يشير الذكاء الاصطناعي التوليدي إلى النماذج—عادة المحولات الكبيرة أو شبكات الانتشار—التي تتعلم الأنماط من بيانات التدريب وتُركّب مخرجات جديدة. سواء كان إنتاج نصوص تسويقية، أو تصحيح أخطاء برمجية، أو تقديم بيانات تركيبية، فإن التفاعل الأساسي هو الطلب والاستجابة. تتلقى النموذج توجيهاً وتُرجع إكمالاً.

يمتد الذكاء الاصطناعي الوكيلي هذا الحلقة التفاعلية من خلال إدخال الاستقلالية. يرى النظام الوكيلي هدفاً، ويقسمه إلى مهام فرعية، ويختار الأدوات المناسبة، ويراقب النتائج الوسطية، ويُعدّل خطته. تعتمد هذه البنية غالباً على نموذج لغوي كمحرك للاستدلال، لكن الذكاء موزع عبر الحلقة بدلاً من التركيز في مرور أمامي واحد. يصبح استخدام الأدوات، والذاكرة، ومنطق التحكم مكونات من الدرجة الأولى.

التقاء هذين النهجين هو المسار الذي تتجه إليه تطوير التطبيقات الحديثة. يوفر النموذج التوليدي الاستدلال الدلالي؛ يوفر الإطار الوكيلي آلة الحالة وروابط الأدوات. معاً، يُمكّنان تطبيقات تتفاعل مع واجهات برمجة التطبيقات، وتستعلم قواعد البيانات، وتنفذ الرموز، وتتحقق من مخرجاتها. الأقسام التالية ترشدك عملياً عبر بناء مثل هذا النظام.

المتطلبات

قبل تثبيت البرمجيات، تأكد من أن بيئتك تلبي المعايير الأساسية. ستحتاج إلى نظام تشغيل حديث—Linux، أو macOS، أو Windows Subsystem for Linux (WSL)—مع تثبيت Python 3.9 أو أحدث. يستخدم هذا البرنامج التعليمي pip لإدارة الحزم، لذا تحقق من توفر pip بجانب مترجم Python لديك.

ستحتاج أيضاً إلى مفتاح API من OpenAI. يتيح هذا المفتاح الوصول إلى نقطة نهاية إكمالات الدردشة، التي تعمود العمود الفقري للاستدلال في الأمثلة التوليدية والوكيلية على حد سواء. إذا كانت مؤسستك تستخدم Azure OpenAI Service، يمكن تكييف الكود بتبديل تهيئة العميل، على الرغم من أن هذا الدليل يفترض منصة OpenAI القياسية.

متطلبات الأجهزة متواضعة. يكفي التنفيذ على المعالج لوحدة التنسيق لأن الاستدلال الثقيل يعمل عن بُعد على بنية OpenAI التحتية. ومع ذلك، تأكد من توفر 2 غيغابايت على الأقل من ذاكرة الوصول العشوائي المتاحة واتصال إنترنت مستقر. متطلبات مساحة القرص ضئيلة؛ ستستهلك بيئة Python والمكتبات أقل من 500 ميغابايت.

الأدوات الاختيارية الموصى بها تشمل Git، للتحكم في الإصدارات، ومدير بيئة افتراضية مثل venv. هذه ليست ضرورية بالضرورة، لكنها تمنع تعارضات التبعيات وتجعل الإعداد قابلاً للتكرار.

التثبيت خطوة بخطوة

ابدأ بإنشاء دليل مخصص للمشروع. يمنع عزل عملك تشويش المجلدات الموجودة بالتبعيات الجديدة.

```bash mkdir agentic-ai-lab && cd agentic-ai-lab ```

أنشئ بيئة Python افتراضية داخل هذا الدليل. تضمن البيئة الافتراضية أن الحزم التي تثبتها لا تتداخل مع تثبيت Python النظامي لديك.

```bash python3 -m venv venv ```

فعّل البيئة الافتراضية بحيث تثبت أوامر pip اللاحقة الحزم في هذا السياق المعزول بدلاً من البيئة العامة.

```bash source venv/bin/activate ```

على أنظمة Windows باستخدام PowerShell أو موجه الأوامر، شغّل سكريبت التفعيل الموجود في دليل Scripts بدلاً من ذلك.

```bash venv\Scripts\activate ```

مع تفعيل البيئة، قم بترقية pip إلى أحدث إصدار. يقلل هذا من مشاكل التوافق أثناء التثبيت.

```bash pip install --upgrade pip ```

ثبت المكتبات الأساسية المطلوبة للوصول إلى الذكاء الاصطناعي التوليدي والتنسيق الوكيلي. ستحتاج إلى عميل OpenAI الرسمي، وروابط LangChain لـ OpenAI، وLangGraph لإطار الوكيل.

```bash pip install openai langchain langchain-openai langgraph ```

لإبقاء مفتاح API خارج الكود المصدري، أنشئ ملف بيئة محلي. ينشئ الأمر التالي ملف `.env` مخفي في جذر مشروعك.

```bash touch .env ```

افتح ملف `.env` في محرر النصوص المفضل لدك وأضف مفتاح API الخاص بك من OpenAI. استبدل العنصر النائب بمفتاحك الفعلي.

```bash echo "OPENAI_API_KEY=sk-your-key-here" > .env ```

صدر المفتاح إلى جلسة الصدفة الحالية لديك حتى تتمكن سكريبتات Python من قراءته مباشرة أثناء هذا البرنامج التعليمي.

```bash export OPENAI_API_KEY=$(grep OPENAI_API_KEY .env | cut -d '=' -f2) ```

تحقق من تحميل المفتاح بشكل صحيح بطباعة الأحرف الأولى. لا تطبع المفتاح بأكمله في طرفية مشتركة.

```bash echo $OPENAI_API_KEY | cut -c1-10 ```

تأكد من تثبيت جميع الحزم بشكل صحيح بتشغيل اختبار استيراد سريع. يجب أن يكمل هذا الأمر بصمت دون مخرجات إذا كان كل شيء مرتبطاً بشكل صحيح.

```bash python -c "import openai, langchain, langgraph; print('OK')" ```

بيئتك جاهزة الآن. الخطوات المتبقية تتضمن كتابة وتنفيذ سكريبتات Python تمارس الأنماط التوليدية والوكيلية على حد سواء.

أمثلة الاستخدام

المثال 1: الذكاء الاصطناعي التوليدي الأساسي

أبسط نقطة دخول هو التفاعل المباشر مع نموذج لغوي كبير عبر عميل OpenAI. يؤسس هذا أن مفتاح API لديك، ووصول الشبكة، وإصدارات المكتبات تعمل. أنشئ ملفاً باسم `generate.py` واملأه بالكود التالي.

يستورد هذا السكريبت عميل OpenAI ويبدأ اتصالاً باستخدام مفتاح API الذي صدرته سابقاً.

```python from openai import OpenAI

client = OpenAI() ```

يرسل العميل طلب إكمال دردشة إلى نموذج `gpt-4o-mini`. يقدم هذا النموذج توازناً قوياً بين القدرة ووقت الاستجابة للنماذج الأولية.

```python response = client.chat.completions.create( model="gpt-4o-mini", messages=[ {"role": "system", "content": "You are a concise technical assistant."}, {"role": "user", "content": "Explain the difference between generative AI and agentic AI in one paragraph."} ], temperature=0.2 ) ```

أخيراً، استخرج واطبع النص المُولَّد من كائن الاستجابة.

```python print(response.choices[0].message.content) ```

شغّل السكريبت من الطرفية لديك.

```bash python generate.py ```

يجب أن تتلقى فقرة متماسكة تميّز الذكاء الاصطناعي التوليدي كتقنية لإنشاء المحتوى، والذكاء الاصطناعي الوكيلي كنظام مدفوع بالأهداف يستخدم الأدوات. يؤكد هذا أن خطك التوليدي يعمل.

المثال 2: الذكاء الاصطناعي الوكيلي مع الأدوات والاستدلال

يتطلب التجاوز إلى ما وراء التوليد ذو الدورة الواحدة إطاراً وكيلياً. يستخدم هذا المثال LangGraph لبناء وكيل ReAct—بنية تتداخل فيها الاستدلال والتصرف. يفكر النموذج في المشكلة، ويقرر ما إذا كان سيتم استخدام أداة، ويراقب مخرج الأداة، ويكرر حتى يصل إلى إجابة نهائية.

أنشئ ملفاً جديداً باسم `agent.py`. ابدأ باستيراد الوحدات الضرورية. يوفر `ChatOpenAI` واجهة النموذج، و`tool` تزيّن الوظائف المخصصة، و`create_react_agent` تبني آلة الحالة.

```python from langchain_openai import ChatOpenAI from langchain_core.tools import tool from langgraph.prebuilt import create_react_agent ```

عرف أداة حاسبة بسيطة. يعرّف المزخرف `@tool` الوظيفة للوكيل باسم ووصف مشتقين من سلسلة المستندات.

```python @tool def multiply(a: float, b: float) -> float: """Multiply two numbers and return the product.""" return a * b ```

عرف أداة ثانية تحاكي