EvoAgent: إطار عمل ثوري للوكيل القابل للتطور مع تعلم المهارات وتفويض الوكلاء المتعددين

في خطوة ثورية نحو تحسين أداء نماذج اللغات الكبيرة (Large Language Models)، تم تقديم إطار عمل EvoAgent، الذي يمثل مستقبل الوكلاء القابلين للتطور. يقوم EvoAgent بدمج تعلم المهارات الهيكلي مع آلية تفويض الوكلاء من خلال هيكل هرمي، مما يوفر نظاماً مرناً لتعزيز القدرات.

تتمثل ميزة EvoAgent في قدرته على نمذجة المهارات كوحدات قدرة منظمة متعددة الملفات، مزودة بآليات تحفيز وبيانات تطورية. هذا يمكن النظام من تحقيق توليد وتحسين مستمر للمهارات من خلال عملية مغلقة مدفوعة بتغذية راجعة من المستخدمين.

علاوة على ذلك، يعتمد إطار العمل على استراتيجية مطابقة المهارات ثلاثية المراحل وهندسة ذاكرة ثلاثية الطبقات، مما يدعم تحلل المهام الديناميكي لمشكلات معقدة وتجميع القدرات على المدى الطويل.

أظهرت التجارب التي أجريت في سيناريوهات التجارة الخارجية الحقيقية أن دمج EvoAgent مع النموذج GPT5.2 أسفر عن تحسينات ملحوظة في الاحترافية والدقة والنفع العملي، حيث ارتفع متوسط النتيجة الإجمالية بنحو 28% بموجب بروتوكول تقييم LLM-as-Judge ذي الأبعاد الخمسة. كما تشير تجارب نقل النماذج إلى أن أداء نظام الوكلاء يعتمد ليس فقط على القدرات الكامنة للنموذج الأساسي، بل أيضاً على درجة التآزر بين النموذج وهندسة الوكيل.