في عصر الذكاء الاصطناعي، تشهد مجالات تحليل البيانات والرسم العلمي (Scientific Data Analysis and Visualization) تقدماً ملحوظاً. ومن بين الابتكارات الجديدة التي تم الكشف عنها، تأتي SciVisAgentSkills، التي تمثل خطوة نوعية في تمكين الوكلاء البرمجيين من أداء مهام معقدة بشكل أكثر فعالية.

تمكن التطورات الحديثة في التصور الوكالي (Agentic Visualization) من تحويل اللغة الطبيعية إلى سير عمل قابل للتنفيذ في مجالات التصور العلمي (SciVis). على الرغم من أن الوكلاء البرمجيين العامين يثبتون مهارات قوية، إلا أنهم غالباً ما يفتقرون إلى الخبرة المتخصصة في الأدوات المطلوبة لمهام SciVis.

لذا، تقدم SciVisAgentSkills مجموعة من المهارات القابلة لإعادة الاستخدام التي تعزز أداء الوكلاء البرمجيين في تحليل البيانات العلمية ورسمها عن طريق تشفير افتراضات البيئة، أنماط استخدام الأدوات، والأنماط المعرفية ضمن أدوات علمية متعددة مثل ParaView وnapari وVMD وTTK.

للتحقق من فعالية هذه المهارات، تم إجراء تقييم باستخدام SciVisAgentBench، وهو معيار يتضمن 108 مهمة متعددة الخطوات مصممة من قبل خبراء. أظهرت النتائج تحسناً في متوسط درجات المهام عبر الأجنحة المعتمدة، إلى جانب فوائد في كفاءة الرموز تعتمد على نوع الوكيل والإعدادات المستخدمة.

تسلط هذه النتائج الضوء على أهمية المعرفة الإجرائية المهيكلة في تمكين سير العمل SciVis بشكل موثوق وعبر فترات زمنية طويلة، كما تبين أنه يجب دراسة المهارات جنبًا إلى جنب مع التعزيز الذي يحمّلها ويطبقها. يمكن الاطلاع على هذه المهارات التي تم تطويرها من قبل الباحثين على GitHub.