في خضم الثورة الرقمية التي يشهدها عصرنا الحديث، باتت وكالات الذكاء الاصطناعي (AI Agents) تلعب دورًا محوريًا في هندسة الأنظمة المدفوعة بواسطة المحاكاة. ومع تطور هذه التقنيات، ظهرت تحديات جديدة تتعلق بنمذجة الأنظمة الفيزيائية، حيث يتطلب الأمر التركيز على متطلبات مختلفة عن تلك الخاصة بتوليد الأكواد العامة في برمجة البرمجيات. إذ تعتمد صحة النماذج ليس فقط على الصياغة وقابلية التنفيذ، بل أيضًا على التوافق الفيزيائي وسلوك النماذج المعتمد على السيناريوهات المختلفة.

في هذا السياق، ندرس التحديات التي تواجه برمجة لغة Modelica، وهي لغة نمذجة تعتمد على المعادلات، قد تنجح في التجميع والمحاكاة بينما تظل مخرجاتها بعيدة عن متطلبات الفيزياء والهندسة الأصلية. مع كل تحديث لنموذج ما، قد يفقد الوكيل التعقب الصحيح للمتطلبات، أو يعتمد على أدلة محاكاة قديمة.

لتجاوز هذه التحديات، نقدم ووكلاء Pufibara، وهو نظام منظم يقوم بالاحتفاظ بحالة الهندسة بصورة مستدامة عبر التحديثات، ويربط بين الأدلة التنفيذية والمحاكاة مع النموذج الذي أنتجها، مما يسمح بتقديم النتائج كفعل صريح من الوكيل.

لذلك، نقوم بتقديم طريقة مبتكرة لتقييم مسارات وكيل Modelica، والتي تعتمد على بناء مهام واقعية وقابلة للتقييم المستقل، مما يؤدي إلى تقييم 232 مهمة ضمن ما يعرف بمؤشر وكيل Modelica، الذي يتضمن إصلاح النماذج، توليدها، وضبطها.

أظهرت النتائج أن Pufibara مع نموذج DeepSeek v4 Flash قد اجتاز 202 مهمة مقارنة بـ 185 مهمة لوكيل Claude Code. بينما في حالة Claude Sonnet 5، سجل Pufibara 202 مهمة أيضًا متفوقًا على Claude Code الذي اجتاز 187 مهمة.

تعتبر النتائج مدهشة، حيث أظهرت أن وكيل Pufibara سجل انخفاضًا بنسبة 76.4%-82.5% في إجمالي الرموز المنطقية، ووقت تشغيل أقل يتراوح بين 6.1%-58.4%، مما يدل على أن الوكلاء المتكاملين يمكن أن يختلفوا بشكل كبير حتى مع استخدام نماذج لغوية ضخمة متطابقة.

إن تطور وكيل Pufibara لصنع شراكات قوية بين النماذج وتطبيقاتها يفتح آفاقًا جديدة في عالم نمذجة الأنظمة الفيزيائية وقد يدعم الابتكارات المستقبلية في هذا المجال، فهل أنتم مستعدون لاستكشاف المزيد من هذه التحولات؟ شاركونا آراءكم في التعليقات.