مع تقدم تقنيات الذكاء الاصطناعي، أصبح الاعتماد على نموذج واحد لتنفيذ المهام أمراً غير كافٍ. يبرز مفهوم توجيه الوكلاء (Agentic Routing) كحل مبتكر يعيد صياغة الطريقة التي نتفاعل بها مع النماذج اللغوية الكبيرة (Large Language Models).

عادةً ما يتم تنفيذ وكلاء نماذج اللغة من خلال دعوة واحدة، لكن ما أثاره الباحثون هو الحاجة إلى تنفيذ هارنس (Harness) يُدير الملاحظة، والسياق، والتحكم، والإجراء، وحالة التنفيذ، والتحقق. وهذا يفتح المجال أمام نماذج متخصصة بشكل هيكلي. على سبيل المثال: قد تكون هناك نماذج قوية في تحرير الشفرات أو استرجاع السياق الطويل، لكن لا يمكنها التفوق على محاور أخرى.

تشير الدراسة إلى أن اختيار النموذج داخل الوكيل أصبح تحدياً أساسياً. الحل المقترح هو توجيه الوكلاء المعتمد على البيانات الأصلية، والذي يدير بيانات التنفيذ لتحسين دقة النتائج بشكل كبير. لا يقتصر هذا النظامعلى تحسين تكلفة الأداء، بل يعزز اتخاذ القرارات من خلال سجلات بيانات من بيئة العمل.

قد يؤدي هذا إلى تحسين تكاليف الجودة وتوليد مزيد من النتائج الموثوقة في نفس الميزانية. في إطار هذا الابتكار، تم تنفيذ فكرة جديدة ضمن OpenSquilla باستخدام طبقات توجيه متعددة، مما يعد بتجربة مستخدم أكثر تطوراً وفاعلية.

في الختام، يبدو أن توجيه الوكلاء المعتمد على البيانات الأصلية ليس مجرد وسيلة للتحكم في التكاليف، بل يمثل محرك بيانات قوي لتعزيز تدريب الوكلاء. هذا الابتكار يمثل خطوة جديدة في عالم الذكاء الاصطناعي، ويعد بإحداث ثورة في كيفية تعاملنا مع البيانات والنماذج اللغوية.