مع التطور السريع لتطبيقات الوكيل الذكي (AI Agent)، يتجه المطورون من “هندسة التعليمات (Prompt Engineering)” نحو تصميم أنظمة أكثر هيكلة. أصدرت Google Cloud Tech أحدث دليل لها، الذي يقترح خمسة أنماط تصميمية لبناء إطار عمل أكثر موثوقية وقابلية لإعادة الاستخدام لمهارات الوكيل الذكي (Agent Skills).
تشير هذه المشاركة التي كتبها Shubham Saboo وLavi Nigam إلى أنه مع اعتماد SKILL.md كمعيار لأكثر من 30 أداة، تحول التركيز في التطوير من “كيفية التعبئة” إلى “كيفية تصميم المنطق الداخلي”، مما يدل على أن تطوير الذكاء الاصطناعي قد دخل رسميًا مرحلة جديدة من الهندسة.
اعتماد SKILL.md كمعيار، وتوجه مهارات الوكيل الذكي نحو الت modularية
تم تقديم مفهوم مهارات الوكيل (Agent Skills) لأول مرة من قبل شركة Anthropic، وهو الآن أصبح معيارًا مفتوح المصدر. يتمحور جوهره حول استخدام هيكل مجلدات modular وملف SKILL.md، لتمكين الوكيل الذكي من تحميل القدرات حسب الحاجة.
لا يقتصر SKILL.md على احتواء الأوامر والبيانات الوصفية فحسب، بل يمكنه أيضًا استدعاء موارد خارجية، مما يسمح للوكيل أثناء أداء المهام باستخدام “الكشف التدريجي”، لتجنب تضخم السياق، وتحسين الكفاءة والدقة.
حتى الآن، تم اعتماد هذا المعيار من قبل أكثر من 30 أداة، بما في ذلك Claude Code وGemini CLI وCursor، مما يدل على أنه يتجه بسرعة ليصبح البنية الأساسية لتطوير الوكيل الذكي.
من اختراق التعليمات إلى الأنماط التصميمية: تحليل خمسة أنماط أساسية
توضح Google Cloud Tech أن العديد من المطورين لا يزالون يركزون بشكل مفرط على بنية YAML وتصميم الدلائل، لكن المفتاح الحقيقي يكمن في “المنطق الداخلي للمهارة”. لذلك، اقترحت الفريق خمسة أنماط تصميمية قابلة لإعادة الاستخدام لمساعدة المطورين على بناء أنظمة ذكاء اصطناعي مستقرة ومتوقعة.
مُغلف الأدوات (Tool Wrapper): جعل الذكاء الاصطناعي يصبح خبيرًا على الفور
يُعد مُغلف الأدوات أبسط نمط، حيث يقوم بتغليف أداة أو إطار معين كمهارة، مما يمكّن الذكاء الاصطناعي من استدعاء المعرفة المتخصصة بسرعة عند الحاجة.
على سبيل المثال، عند تطوير باستخدام FastAPI، يمكن وضع مواصفات API وأفضل الممارسات في دليل references/، ويتم تحميلها فقط عند تفعيل مهمة ذات صلة، لتجنب تضخم التعليمات الرئيسية.
المولد (Generator): المحرك الرئيسي لإخراج موحد
يُناسب نمط المولد السيناريوهات التي تتطلب إخراجًا متسقًا، مثل وثائق API، رسائل الالتزام التلقائية، أو توليد قوالب المشاريع.
الجوهر هو وضع القالب في assets/، ودمجه مع دليل الأسلوب في references/، بحيث يتولى المهارة ملء المحتوى. تتيح هذه الطريقة إخراجًا موحدًا ومرنًا في الوقت ذاته.
المراجع (Reviewer): إنشاء آلية فحص قابلة للقياس
يعمل نمط المراجع على فصل “معايير الفحص” عن “منطق التنفيذ”. يمكن للمطورين إنشاء قوائم فحص في references/، مثل جودة الكود أو معايير الأمان.
يقوم الذكاء الاصطناعي بتقييم وفقًا لهذه المعايير وإخراج نتائج منظمة. إذا تم استبدال المعايير بمعايير أمان OWASP، يمكن بسرعة تحويله إلى أداة فحص الثغرات، مما يجعله مثاليًا للمراجعة التلقائية لطلبات السحب (PR).
الانعكاس (Inversion): من المجيب إلى السائل
يُعكس نمط الانعكاس العملية التقليدية التي يجيب فيها الذكاء الاصطناعي على الأسئلة، حيث يُجبر الوكيل على طرح أسئلة منظمة أولاً.
من خلال فرض قيود مثل “لا يمكن المتابعة قبل الانتهاء”، يجب على الذكاء الاصطناعي جمع المتطلبات بشكل تدريجي، وهو مناسب جدًا لمشاريع التخطيط التي تتطلب سياقًا عاليًا، مما يقلل بشكل فعال من الأخطاء الناتجة عن نقص المعلومات.
خط أنابيب (Pipeline): مركز التحكم في المهام المعقدة
يُصمم نمط خط الأنابيب لمهام متعددة الخطوات، حيث يفرض ترتيبًا معينًا ونقاط فحص، ويمكن إضافة آليات تأكيد من المستخدم.
على سبيل المثال، في عملية إنشاء المستندات، يجب أولاً التحقق من docstring، ثم الانتقال إلى التجميع النهائي. يضمن هذا النمط أن كل مرحلة تتوافق مع التوقعات، ويمنع الأخطاء الناتجة عن تخطي خطوات.
التجميع المعياري (Modular Composition): طرق متقدمة لمهارات الوكيل الذكي
هذه الأنماط التصميمية ليست مستقلة، بل يمكن دمجها بمرونة. على سبيل المثال:
يمكن دمج Pipeline مع Reviewer لإجراء التحقق الذاتي.
يمكن استخدام Generator مع Inversion لجمع المعلمات أولاً.
يوفر Google ADK (مجموعة أدوات تطوير الوكيل) دعمًا أصليًا، حيث يتم تحميل الوحدات الضرورية فقط أثناء التنفيذ عبر SkillToolset، مما يعزز كفاءة استخدام الرموز.
بالإضافة إلى ذلك، تقدم الشركة شجرة قرار (decision tree) لمساعدة المطورين على اختيار النمط الأنسب حسب السيناريو، مما يقلل بشكل كبير من عتبة التصميم.
دخول الذكاء الاصطناعي عصر الهندسة: الاعتمادية تصبح المفتاح
تؤكد Google Cloud Tech: “لا تحاول بعد الآن إدخال أوامر معقدة وهشة في نظام واحد.”
تسلط هذه العبارة الضوء على تحول كبير في تطور الذكاء الاصطناعي — من الاعتماد على تجارب وخطأ باستخدام اختراقات التعليمات، إلى اعتماد منهج هندسي منظم يعتمد على الهيكل والمبادئ، مشابهًا لتاريخ تطور هندسة البرمجيات من البداية نحو أنماط التصميم.
ردود فعل المجتمع على منصة X كانت أيضًا حماسية، حيث وصف العديد من المطورين هذا بأنه “نقطة انطلاق لتصميم أنظمة الذكاء الاصطناعي”، ووصفوا هذه الأنماط بأنها فعالة في تجنب أن يتحول الوكيل إلى “سباغيتي” يصعب صيانته.
حاليًا، تم فتح معيار مهارات الوكيل بالكامل كمصدر مفتوح، وتوفر Google ADK وثائق كاملة وأمثلة (google.github.io/adk-docs)، لتمكين المطورين من البدء بسرعة.
إخلاء المسؤولية: قد تكون المعلومات الواردة في هذه الصفحة من مصادر خارجية ولا تمثل آراء أو مواقف Gate. المحتوى المعروض في هذه الصفحة هو لأغراض مرجعية فقط ولا يشكّل أي نصيحة مالية أو استثمارية أو قانونية. لا تضمن Gate دقة أو اكتمال المعلومات، ولا تتحمّل أي مسؤولية عن أي خسائر ناتجة عن استخدام هذه المعلومات. تنطوي الاستثمارات في الأصول الافتراضية على مخاطر عالية وتخضع لتقلبات سعرية كبيرة. قد تخسر كامل رأس المال المستثمر. يرجى فهم المخاطر ذات الصلة فهمًا كاملًا واتخاذ قرارات مدروسة بناءً على وضعك المالي وقدرتك على تحمّل المخاطر. للتفاصيل، يرجى الرجوع إلى
إخلاء المسؤولية.
