في عالم الذكاء الاصطناعي (AI)، تعتبر المهارات جزءاً أساسياً من عمل الوكلاء. لكن هل فكرت يومًا في كيف يمكن لهذه المهارات أن تتطور لتصبح أكثر فعالية وديناميكية؟ هنا تأتي تقنية Skill-to-LoRA التي تُسعى إلى تحويل طريقة تمثيل المهارات وإدارتها.

عادةً ما تُوزع مهارات الوكلاء على شكل ملفات SKILL.md، وهي وثائق إجرائية سهلة القراءة. على الرغم من كونها مريحة، إلا أن إعادة استخدام هذه الإجراءات يتطلب إدخالها مرارًا في سياق التشغيل، مما قد يؤدي إلى العديد من التكرارات غير الضرورية.

تقدم Skill-to-LoRA (S2L) نموذجاً سلوكياً مركزاً يُغير طريقة توظيف المهارات من خلال استبدال النصوص التقليدية بمحوّلات LoRA الخاصة بكل مهارة. بدلاً من ضغط وثائق المهارات نفسها، يقوم S2L بتصميم السلوك المستند إلى محتوى النص. أثناء التشغيل، يتم تحميل محول LoRA المناسب بشكل ديناميكي لتنشيط سلوكيات المهارة المُتعلمة، مما يضمن استجابة فورية وفعّالة.

في تقييمهم لشبكة Qwen3.6-27B باستخدام مجموعة 21 مهارة من SWE-Skills-Bench، أظهرت نتائج S2L تحسناً ملموساً في معدل النجاح بزيادة تصل إلى 5.2 نقطة مئوية عند مقارنتها بالأساليب التقليدية. بينما في الوقت نفسه، خفضت من تكلفة الرموز المستخدمة بنسبة 6.6% مقارنة مع استخدام النص الكامل للإجراء.

تُظهر التجارب أيضاً أن التقدم يعتمد على ملاءمة المحولات الخاصة بالمهارات، مما يؤكد على أهمية التصميم السليم في تحقيق الأداء الأمثل. يُتوقع أن تُغير هذه التقنية كيفية تطور الوكلاء الذكيين وفتح آفاق جديدة في مجالات الذكاء الاصطناعي.