في عالم استشعار الأرض (Earth Observation)، يتزايد الاعتماد على معالجة البيانات الضخمة بشكل آلي وذكي. ومع ذلك، كانت الأنظمة الآلية الحالية غالبًا محدودة النطاق وتعتمد على مهام معينة، مما أدى إلى نقص في الإطار الموحد الذي يدير سير العمل الشامل من معالجة البيانات حتى التفسير المتقدم. وهنا يأتي الابتكار مع تقديم CangLing-KnowFlow، وهو إطار عمل ذكي موحد يجمع بين قاعدة المعرفة الإجرائية (Procedural Knowledge Base) وتعديل سير العمل الديناميكي (Dynamic Workflow Adjustment) ووحدة الذاكرة التطورية (Evolutionary Memory Module).

تتضمن قاعدة المعرفة الإجرائية 1,008 حالة سير عمل تم التحقق منها من قبل خبراء في 162 مهمة عملية مختلفة في استشعار الأرض، مما يساعد في التخطيط ويقلل من الأخطاء الشائعة التي تظهر في الأنظمة العامة. بالإضافة إلى ذلك، تتعقب وحدة تعديل سير العمل الديناميكي الأخطاء أثناء تشغيل المهام، وتعيد تخطيط استراتيجيات للتعافي بشكل آلي، مما يعزز من قدرة النظام على التعلم والتكيف.

كما أقيمت تجارب على CangLing-KnowFlow باستخدام KnowFlow-Bench، وهو معيار جديد يتضمن 324 سير عمل استنادًا إلى تطبيقات واقعية. تم اختبار الأداء مقابل 13 نموذج لغة كبير (Large Language Model) مختلف، بدءًا من المصادر المفتوحة إلى التجارية. وأظهرت النتائج أن CangLing-KnowFlow تفوقت على الحد الأدنى Reflexion بمعدل نجاح في المهام يزيد عن 4% في جميع المهام المعقدة.

بهذه الطريقة، يُعد CangLing-KnowFlow خطوة كبيرة نحو تحقيق حل آلي قوي وفعال وقابل للتوسع لمواجهة التحديات المعقدة في استشعار الأرض، حيث يمزج بين المعرفة (Knowledge) وإجراءات قابلة للتكيف (Flow).