في عالم الذكاء الاصطناعي، تتنوع منصات الوكلاء الذكيين المستقلين في جوانبها المعمارية والأمنية ونماذج التكامل والأداء، مما يجعل الحاجة إلى إطار تصنيف موحد أمراً ملحاً. هنا يأتي دور إطار ASTELD، الذي يقدم تصنيفاً قوياً يعتمد على ستة محاور رئيسية: نمط العمارة (Architecture Pattern)، الموقف الأمني (Security Posture)، نموذج تكامل الأدوات (Tool Integration Model)، نموذج التنفيذ (Execution Paradigm)، مستوى الاستقلالية والرقابة البشرية (Level of Autonomy and Human Control)، وتوبولوجيا النشر (Deployment Topology).

يستند ASTELD إلى تصنيفات سابقة للوكالات ويجمع بين الخصائص الملحوظة للمنصات وقواعد تعيين الفئات بشكل صريح. من خلال تقييم فعالية هذا الإطار، تم رسم ثمانية منصات تمثل عوالم متنوعة، واستخدام OpenClaw كحالة دراسية متعمقة.

تكشف النتائج أن ASTELD يحدد التكوينات السائدة لكل منصة، ويظهر أن هناك ثلاثة أنماط مشتركة عبر المنصات: قطر الأمان مقابل سهولة الوصول، الارتباط القوي بين التنفيذ والعمارة، وتلاقي القدرات مع استمرارية التمايز المعماري. علاوة على ذلك، تم تصنيف أكثر من 50 نسخة من OpenClaw، مما يشير إلى أن الابتكار يتركز بشكل أكبر في محاور الأمان والتنفيذ والتوزيع، مما يدل على قدرة ASTELD على توضيح قيود النظام البيئي.

توفر دراسة حالة OpenClaw أيضًا تصنيفًا للثغرات في ست فئات، وأدلة من خمس تقييمات مؤسسية، وتحليلات للقبول والحكم تربط إحداثيات المنصة بالمخاطر المرصودة. تضع هذه النتائج إطار ASTELD كطريقة قابلة للتكرار لمقارنة منصات الوكلاء، وتحديد مناطق التصميم الشاغرة، وتوجيه اختيار الإطار، وتنظيم الأبحاث التجريبية المستقبلية. كما تكشف التحليلات عن منطقة فراغ مهمة حيث لا يوجد أي من الأنظمة المت evaluated يجمع بين النشر المحلي مع الأمان على مستوى المؤسسات.