Google Antigravity و Gemini 3.7 Flash: حلٌّ متعدد الوكلاء لمهام الرياضيات والهندسة

Google Antigravity و Gemini 3.7 Flash: نهج متعدد الوكلاء لحل مسائل الرياضيات والهندسة

تشترك الاشتقاقات الرياضية والحسابات الهندسية في خاصية صعبة: فهي تعاقب الأخطاء الصغيرة في منتصف السلاسل الطويلة. يمكن لإشارة واحدة في غير مكانها، أو تحويل وحدة منسي، أو شرط حدّي غير مُتحقق منه أن يُبطل كل ما يليه. النماذج اللغوية العامة جيدة حقًا في إنتاج خطوات وسيطة معقولة، لكن المعقولية ليست هي الصحة. عندما تكون المهمة تحليل عارضة من 30 خطوة أو تكاملًا رمزيًا يجب أن ينجو من التحقق العددي، فإن الوكيل الواحد الذي يعمل بمفرده يعمل ضد الانضباط الذي تتطلبه المهمة.

الحل المفيد ليس نموذجًا أكبر أو مطالبة أطول. إنه تغيير بنيوي: تقسيم العمل بين وكلاء متخصصين يمكنهم نقد وتحقق وإعادة حساب مخرجات بعضهم البعض. إن الجمع بين Google Antigravity و Gemini 3.7 Flash هو مثال ملموس على هذه الفكرة. وفقًا لمدونة Google AI، يحل هذا الاقتران مسائل رياضية وهندسية متعددة الوكلاء بارزة تتركها سير عمل الوكيل الواحد دون حل. تشرح هذه المقالة لماذا يعمل هذا الاقتران، وكيفية إعداده، وكيفية استخدامه في مهام تقنية واقعية.

الحدود البنيوية للوكيل الواحد

استدعاء نموذج لغوي كبير واحد هو، بطبيعة تصميمه، مرور واحد للانتباه عبر نافذة سياق. يمكنه التخطيط، لكنه لا يستطيع بسهولة التبديل بين التخطيط والتحقق دون آليات خارجية. في الرياضيات والهندسة، هذا قيد خطير.

تأمل مسألة هندسية: حساب أقصى انحراف لعارضة ببساطة مسنودة تحت حمل موزع، بما في ذلك تأثير الوزن الذاتي للعارضة. تتطلب المهمة:

• استرجاع خصائص المواد ووحداتها،
• إعداد معادلة تفاضلية من الرتبة الصحيحة،
• تطبيق الشروط الحدّية،
• التكامل رمزيًا أو عدديًا،
• ثم تحويل النتيجة إلى إجابة صحيحة الوحدات ومتحققًا منها بالتسامح.

قد يتعامل الوكيل الواحد مع الإعداد جيدًا ثم يرتكب خطأً صامتًا في خطوة التكامل الثالثة. إذا لم يتحقق أي شيء من النتيجة الوسيطة، ينتشر الخطأ. والأسوأ من ذلك، أن ثقة الوكيل في خطواته السابقة تميل إلى جعله يقاوم المراجعة عند ظهور تناقض. نمط الفشل ليس نقصًا في الذكاء؛ إنه نقص في الفصل بين دوري إنتاج النتيجة وتحديها.

يعالج الهيكل متعدد الوكلاء هذا البناء. وكيل الحل ينتج. وكيل التحقق يهاجم. وكيل الدمج يوفق. لا يُطلب من أي منها أن يكون محايدًا بشأن مخرجاته الخاصة، لأنهم لا يتحققون من مخرجاتهم الخاصة على الإطلاق.

ما الذي يغيّره اقتران Antigravity و Gemini 3.7 Flash

الحقيقة المؤكدة، والمصدرة من مدونة Google AI، دقيقة: اقتران Google Antigravity مع Gemini 3.7 Flash يحل مسائل رياضية وهندسية متعددة الوكلاء بارزة. تم التحقق من المصدر في 2026-08-31 وهو متاح على:

https://blog.google/innovation-and-ai/technology/developers-tools/antigravity-teamwork-multi-agent

ما يوفره هذا الاقتران، على المستوى المعماري، هو مساحة عمل ومفكر مصممان لبعضهما البعض. يوفر Antigravity السقالات التعاونية: سياق المشروع، وهيكل الفريق، والقدرة على توجيه الرسائل بين الأدوار، ومكانًا للقطع الأثرية مثل التعبيرات الرمزية والنتائج الرقمية وتعريفات الوحدات. يوفر Gemini 3.7 Flash التفكير داخل كل دور. إنه سريع بما يكفي بحيث لا تصبح حلقات التحقق عنق زجاجة تفاعليًا، وقوي بما يكفي في التفكير الرمزي والعددي ليعمل ناقدًا موثوقًا لعمل وكيل آخر.

تجدر الإشارة بدقة إلى ما تم التحقق منه وما هو تفسير. الادعاء المؤكد هو أن الاقتران يحل مسائل رياضية وهندسية متعددة الوكلاء بارزة. تفسير لماذا يعمل — فصل الأدوار، وهيكل مساحة العمل، وحلقات التحقق — هو تفسير معقول لتلك الحقيقة، وليس ادعاءً منفصلاً تم التحقق منه. تُبقي هذه المقالة هذين المستويين منفصلين.

لماذا لا نكتفي باستخدام نموذج أذكى؟

هناك إغراء مفهوم لتخطي الآلية متعددة الوكلاء واستدعاء نموذج استدلال حدودي بمطالبة طويلة مصممة بعناية. هذا ينجح في الحساب البسيط. أما في المهام الهندسية الحقيقية، فإنه يفشل لأسباب لا علاقة لها بالقدرة الخام.

أولاً، يتطلب التحقق التصرف كأنك وكيل مختلف. النموذج الذي اشتق للتو معادلة انحراف ليس في وضع جيد لعدم الثقة في خطوة الاستبدال الخاصة به. لقد استثمر في تلك الخطوة. وكيل تحقق منفصل، يبدأ من جديد، لا يحمل هذا الاستثمار.

ثانيًا، تولد المسائل الهندسية قطعًا أثرية غير متجانسة: معادلات، ومصفوفات، وتحويلات وحدات، وجداول بحث لخصائص المواد، وتكاملات عددية. نافذة سياق واحدة تحتوي كل هذا في وقت واحد تصبح فوضى. يمكن للإعداد متعدد الوكلاء إبقاء الطبقة الرمزية منفصلة عن الطبقة العددية ودمجها فقط عند نقاط تفتيش صريحة.

ثالثًا، هناك فائدة تصحيح أخطاء لا علاقة لها بجودة النموذج. عندما ينتج خط أنابيب متعدد الوكلاء إجابة خاطئة، يُظهر لك السجل أي دور فشل. هل أنتج وكيل الحل شرطًا حديًا غير صالح؟ هل استخدم وكيل التحقق التسامح الخاطئ؟ هل خلط وكيل الدمج الوحدات؟ حالات فشل الوكيل الواحد لا تأتي مع هذا الهيكل التشخيصي. إن الجمع بين Antigravity و Gemini 3.7 Flash يعطي كل فشل عنوانًا محددًا.

المتطلبات

قبل تثبيت أي شيء، تأكد من أن البيئة يمكنها دعم سير العمل:

• Python 3.11 أو أحدث لبرامج التنسيق و Google GenAI SDK.
• مشروع Google Cloud مع تمكين Generative AI API.
• بيانات اعتماد التطبيق الافتراضية على الجهاز، أو مفتاح API للتجارب المحلية.
• عميل Antigravity مثبتًا وقادرًا على فتح مساحة عمل مشروع.
• وصول إلى الشبكة لنقاط نهاية Google API.
• محرر أكواد — يوفر Antigravity نفسه سطح محرر، لكن الأمثلة أدناه تفترض أنك تستطيع العمل مع ملفات Python عادية.

لا يتطلب أي جهاز محدد غير ما يتطلبه نموذج API من جهاز العميل؛ يحدث الحساب الثقيل على جانب Google. يخضع الوصول إلى Gemini 3.7 Flash لنفس قواعد الحصة والتوفر مثل نماذج GenAI الأخرى، لذا تحقق من التوفر الإقليمي الحالي في وحدة تحكم Google Cloud الخاصة بك بدلاً من افتراض وصول شامل.

التثبيت خطوة بخطوة

يتكون التثبيت من ثلاثة أجزاء: إعداد بيئة Python، والمصادقة على Google Cloud، وإنشاء تعريف فريق الوكلاء الذي سيشغله Antigravity.

1. إنشاء دليل مشروع

اختر مساحة عمل للمشروع وانتقل إليها:

mkdir antigravity-math-team
cd antigravity-math-team

سيحتوي هذا الدليل على تعريفات الوكلاء، وبرنامج التنسيق، والقطع الأثرية المنتجة في كل تشغيل.

2. إنشاء وتفعيل بيئة افتراضية

تُبقي البيئة الافتراضية تبعيات Google SDK معزولة عن Python النظام:

python3 -m venv .venv
source .venv/bin/activate

يجب أن ترى موجه الصدفة يتغير للإشارة إلى أن البيئة الافتراضية نشطة.

3. تثبيت Google GenAI SDK

مطلوب SDK لاستدعاء Gemini 3.7 Flash من Python:

pip install --upgrade google-genai

يثبت هذا حزمة google-genai الحالية وتبعياتها غير المباشرة.

4. المصادقة باستخدام بيانات اعتماد التطبيق الافتراضية

بالنسبة لجهاز تطوير محلي، الطريق القياسي هو ADC:

gcloud auth application-default login

اتبع تدفق المتصفح لإكمال تسجيل الدخول. يتم تخزين بيانات الاعتماد محليًا ويتم التقاطها تلقائيًا بواسطة SDK. بالنسبة لخادم أو بيئة CI، فإن مفتاح حساب الخدمة المعين عبر GOOGLE_APPLICATION_CREDENTIALS هو النمط الأكثر ملاءمة.

5. التحقق من أن SDK يمكنه الوصول إلى Gemini 3.7 Flash

قبل بناء الفريق متعدد الوكلاء، تأكد من أن معرف النموذج يتم حله وأن استدعاءً أساسيًا يعمل. أنشئ ملفًا باسم smoke_test.py:

from google import genai

client = genai.Client(project="your-project-id")
response = client.models.generate_content(
    model="gemini-3.7-flash",
    contents="Reply with the single word: ok",
)
print(response.text)

قم بتشغيله:

python smoke_test.py

إذا طبع البرنامج النصي ok، فإن SDK وبيانات الاعتماد والوصول إلى النموذج تعمل جميعها. إذا فشلت المصادقة، أعد التحقق من خطوة ADC. إذا تم رفض معرف النموذج، استشر قائمة النماذج في وحدة تحكم مشروعك، لأن سلسلة المعرف الدقيقة تخضع لاصطلاحات التسمية في إصدار SDK المثبت.

6. تعريف فريق الوكلاء

يعامل Antigravity الوكلاء كأعضاء فريق قابلين للتكوين بأدوار وتعليمات ورؤية للقطع الأثرية المشتركة. بالنسبة لسير العمل هذا، نعرّف ثلاثة أدوار في ملف Python باسم team.py:

# team.py — تعريفات الأدوار لفريق الوكلاء المتعدد للرياضيات/الهندسة
SOLVER = {
    "name": "solver",
    "model": "gemini-3.7-flash",
    "instruction": (
        "Produce complete symbolic or numerical derivations. "
        "Show every intermediate step. Do not skip unit conversions."
    ),
}

VERIFIER = {
    "name": "verifier",
    "model": "gemini-3.7-flash",
    "instruction": (
        "Attack the solver's result. Recompute critical steps independently, "
        "check units, and test boundary conditions. Return PASS or FAIL "
        "with a precise reason."
    ),
}

INTEGRATOR = {
    "name": "integrator",
    "model": "gemini-3.7-flash",
    "instruction": (
        "Merge verified results into a final engineering answer. "
        "Preserve units, report tolerances, and cite which step verified each part."
    ),
}

الاختيار التصميمي الرئيسي هو أن تعليمات المدقق تحظر المجاملة. لا يُطلب منه تحسين إجابة الحل؛ يُطلب منه كسرها. هذا الموقف العدائي هو ما يجعل الحلقة متعددة الوكلاء أكثر موثوقية من نموذج واحد يقوم بالمراجعة الذاتية.

أمثلة الاستخدام

مثال 1: انحراف عارضة ببساطة مسنودة

دعنا نستخدم الفريق لمهمة هندسية ملموسة: أقصى انحراف لعارضة فولاذية ببساطة مسنودة، بطول منتظم، مع حمل موزع بشكل موحد بالإضافة إلى الوزن الذاتي للعارضة.

يقوم برنامج التنسيق بتشغيل الوكلاء الثلاثة بالتسلسل ويحمل مخرجات الحل إلى مدخلات المدقق:

# run_beam_check.py
from google import genai
from team import SOLVER, VERIFIER, INTEGRATOR

client = genai.Client(project="your-project-id")

problem = """
Steel beam, simply supported, span L = 6.0 m.
Uniform distributed load w = 12 kN/m (applied load).
Beam self weight: use steel density 7850 kg/m^3,
cross-section 0.2 m x 0.4 m rectangular.
Calculate maximum deflection, then compare it to
the commonly used limit of L/360.
"""

solver_output = client.models.generate_content(
    model=SOLVER["model"],
    contents=(
        f"{SOLVER['instruction']}\n\n"
        f"Task:\n{problem}\n\n"
        "Provide the derivation and the final deflection value with units."
    ),
).text

print("--- SOLVER OUTPUT ---")
print(solver_output)

verifier_prompt = (
    f"{VERIFIER['instruction']}\n\n"
    f"Solver produced this result:\n{solver_output}\n\n"
    "Independently recompute the bending stiffness EI, total load per meter, "
    "maximum moment, and deflection. Verify the L/360 comparison."
)
verifier_output = client.models.generate_content(
    model=VERIFIER["model"],
    contents=verifier_prompt,
).text

print("--- VERIFIER OUTPUT ---")
print(verifier_output)

if "PASS" in verifier_output.upper():
    final = client.models.generate_content(
        model=INTEGRATOR["model"],
        contents=(
            f"{INTEGRATOR['instruction']}\n\n"
            f"Solver output:\n{solver_output}\n\n"
            f"Verifier output:\n{verifier_output}\n\n"
            "Write the final report with the deflection value, the L/360 limit, "
            "and the PASS/FAIL conclusion."
        ),
    ).text
    print("--- FINAL REPORT ---")
    print(final)
else:
    print("Verification failed. Re-run the solver with the verifier's critique.")

قم بتشغيل البرنامج النصي باستخدام:

python run_beam_check.py

سير العمل بسيط عمدًا: حل، هاجم، ادمج. عمليًا، غالبًا ما يجد المدقق أن الحل حذف مصطلح الوزن الذاتي في صلابة الانحناء أو استخدم كثافة فولاذية اسمية دون تحويلها باستمرار. نظرًا لأن المدقق وكيل منفصل، تظهر حالات الفشل هذه صراحةً في المخرجات بدلاً من امتصاصها بصمت.

مثال 2: تكامل رمزي مع فحص عددي متقاطع

المثال الثاني يستهدف مسألة رياضية خالصة: حساب تكامل محدد رمزيًا، ثم التحقق من النتيجة عدديًا.

# run_math_check.py
from google import genai
from team import SOLVER, VERIFIER

client = genai.Client(project="your-project-id")

integral = "Integral from 0 to pi of exp(-x) * sin(2x) dx"

symbolic = client.models.generate_content(
    model=SOLVER["model"],
    contents=(
        f"{SOLVER['instruction']}\n\n"
        f"Compute this exactly: {integral}. Show the antiderivative."
    ),
).text

numerical_check = client.models.generate_content(
    model=VERIFIER["model"],
    contents=(
        f"{VERIFIER['instruction']}\n\n"
        f"The solver claims: {symbolic}\n\n"
        "Evaluate the claimed antiderivative at the endpoints, "
        "then approximate the integral with at least 5-point Simpson's rule. "
        "State whether the two agree to 1e-6."
    ),
).text

print("SYMBOLIC RESULT ->")
print(symbolic)
print("\nNUMERICAL CHECK ->")
print(numerical_check)

لا يثق المدقق هنا في الآلية الرمزية. إنه يعيد اشتقاق قيم النقاط الطرفية ويجري تكامله العددي الخاص. يلتقط هذا فئة فشل شائعة: مشتق عكسي يبدو صحيحًا لكنه يختلف عن المشتق الحقيقي بثابت، مما قد يفسد بصمت قيمة التكامل المحدد.

ما يقوله المصدر وما لا يقوله

مستوى الأدلة للادعاء المركزي هو A: تم التحقق من مصدر أولي يمكن الوصول إليه. ما يثبته هو أن اقتران Antigravity و Gemini 3.7 Flash يحل مسائل متعددة الوكلاء بارزة في مجال الرياضيات والهندسة.

ما لا يثبته، وبالتالي لا تدعيه هذه المقالة، يشمل:

• لا معايير أداء. لا توجد أرقام إنتاجية أو نسب دقة أو جداول زمن انتقال مُبلغ عنها هنا.
• لا تسعير منتج أو حصص. تختلف تكلفة الوصول وحدود المعدل حسب تكوين مشروع Google Cloud.
• لا ضمان لكل فئة مسائل. الادعاء المؤكد يتعلق بمسائل بارزة تم حلها، وليس بالتفوق العالمي على جميع أطر العمل متعددة الوكلاء الأخرى.
• لا مصفوفة توافق إصدارات محددة. معرف النموذج gemini-3.7-flash المستخدم في الأمثلة يتبع اصطلاحات SDK القياسية، لكن التوفر الدقيق يعتمد على المنطقة وإصدار SDK المثبت.

تعامل مع المصدر كدليل على أن الاقتران هو حل عملي، وليس كدليل على أنه الحل الوحيد. الحجة المعمارية لفصل الأدوار قائمة بذاتها؛ يؤكد المصدر أن Google قد مارست هذا المزيج المحدد في مهام تقنية حقيقية.

الخاتمة

لا تتعلق الأنظمة متعددة الوكلاء بجعل النماذج أذكى. إنها تتعلق بجعل الأخطاء مرئية. الحل الذي ينتج، والمدقق الذي يهاجم، والدامج الذي يوفق، يخلقون علاقة عمل لا يُثق بها في أي خطوة واحدة لمجرد أنها بدت واثقة. يمنح Google Antigravity تلك العلاقة مساحة عمل، ويمنح Gemini 3.7 Flash كل دور مفكرًا قادرًا وسريعًا.

بالنسبة لمهام الرياضيات والهندسة، فإن هذا أهم مما هو عليه لتوليد النصوص العامة. العبارة الاسمية المتأخرة في مقال هي مشكلة أسلوب؛ تحويل وحدة محذوف في تحليل عارضة هو انهيار هيكلي. إن اقتران Antigravity مع Gemini 3.7 Flash — الذي تم التحقق منه كحل لمسائل متعددة الوكلاء بارزة في هذا المجال — يحول هشاشة الوكيل الواحد إلى خط أنابيب قابل للإدارة والفحص.

الإعداد متواضع: بيئة افتراضية، و Google GenAI SDK، وبيانات اعتماد مصادقة، وفريق وكلاء من ثلاثة أدوار معرّف في بضعة أسطر من Python. والمكسب هو أنه عندما يفشل خط الأنابيب، فإنه يفشل بصوت عالٍ وبشكل محدد. يخبرك المدقق بالضبط بالخطوة التي لم يستطع إعادة إنتاجها. هذا هو الفرق بين ذكاء اصطناعي يجعل مسائل الرياضيات أسوأ وذكاء اصطناعي يساعد المهندسين حقًا على الثقة في أرقامهم.