في عالم يتطور بسرعة، يشهد مجال الذكاء الاصطناعي (AI) آفاقًا جديدة تمثلها نماذج وكيل البرمجة الذاتي التحسين. قدم الباحثون مؤخرًا إطار عمل مغلق يتيح لهؤلاء الوكلاء التعلم من الأخطاء وتصحيحها بناءً على مراجعات أداء بشرية.

بدلاً من تكرار نفس الأخطاء في كل جولة من الجولات، يتيح هذا النظام لوكلاء البرمجة الاحتفاظ بالقواعد السلوكية التي تم تطويرها من التعليقات المقبولة، مما يعزز قدرتهم على اكتشاف الأخطاء ذاتيًا. يتكون هذا الإطار من مجموعة متراكمة من القواعد السلوكية في ملف تعليمات مُدار بنسخة، وقائمة مراجعة ذاتية يتم تنفيذها قبل تقديم الأكواد، بالإضافة إلى تحقق تلقائي يضمن سلامة مجموعة القواعد كلما نمت.

تم تطبيق هذا النظام في منصة خدمات صغيرة تضم أكثر من 35 خدمة، حيث نمت مجموعة القواعد السلوكية من 5 إلى 18 قاعدة مستندة إلى التعليقات الحقيقية من المراجعات. عززت هذه الممارسات من قدرات الوكيل وجعلته ينتقل من التركيز على تصحيح الأخطاء البسيطة نحو التحقق من تصميم الكود على مستوى أعلى.

خلال 11 جلسة عمل تم توثيقها، لوحظ أن النظام يحقق نسبة تكرار 0% للأخطاء التي تم معالجتها وفقًا للقواعد. كما تمت مقارنة أسلوبنا بأساليب أخرى في التعلم من التجارب مثل Reflexion وExpeL، مما أظهر تميزه في التعلّم المستمر بين الجلسات دون الحاجة إلى تحديثات الوزن، مع التركيز على الأساسيات السلوكية التي تغيب عن المعايير الحالية.

إن الهدف من هذا الابتكار ليس مجرد تحسين الوكلاء، بل هو خلق نموذج برمجي يتطور مع كل مراجعة، ويجمع بين الذكاء البشري والخبرة التقنية بشكل لم يسبق له مثيل. ما رأيكم في هذه التطورات الثورية؟ شاركونا في التعليقات!