تعرف على A-Evolve: إطار عمل جديد للذكاء الاصطناعي التلقائي
A-Evolve هو إطار عمل جديد لأتمتة تطوير الوكلاء الذكيين، يعد بتحسين الأداء بشكل كبير دون تدخل بشري.
أعلنت مجموعة من الباحثين المرتبطين بشركة أمازون عن إطلاق A-Evolve، وهو إطار عمل شامل مصمم لأتمتة تطوير الوكلاء الذكيين المستقلين. يهدف هذا الإطار إلى استبدال "هندسة الحزام اليدوي" التي تميز عملية تطوير الوكلاء حاليًا، بعملية تطور آلية منظمة. يُنظر إلى هذا المشروع كفرصة مشابهة لتلك التي قدمها PyTorch في عالم التعلم العميق.
تمامًا كما ساهم PyTorch في الانتقال بالتعلم العميق بعيدًا عن الحسابات اليدوية للتدرجات، يسعى A-Evolve إلى تغيير تصميم الوكلاء بعيدًا عن الطلبات اليدوية المعقدة نحو إطار عمل قابل للتوسع حيث يمكن للوكلاء تحسين شيفراتهم ومنطقهم من خلال دورات تكرارية.
التحدي: عنق الزجاجة في الضبط اليدوي
في العمليات الحالية، يجد مهندسو البرمجيات والذكاء الاصطناعي الذين يقومون ببناء الوكلاء المستقلين أنفسهم في حلقة من التجربة والخطأ اليدوي. عندما يفشل الوكيل في مهمة معينة، مثل حل مشكلة على GitHub، يجب على المطور فحص السجلات يدويًا، وتحديد نقطة الفشل المنطقي، ثم إعادة كتابة الطلب أو إضافة أداة جديدة. تم تصميم A-Evolve لأتمتة هذه الحلقة.
تقوم فكرة الإطار الأساسية على أنه يمكن اعتبار الوكيل مجموعة من العناصر القابلة للتغيير التي تتطور بناءً على تغذية راجعة منظمة من بيئتها. يمكن أن يحول هذا الوكيل الأساسي إلى وكيل عالي الأداء دون أي تدخل بشري، وهو هدف يتحقق من خلال تفويض عملية الضبط إلى محرك آلي.
الهيكل: مساحة العمل للوكيل والبيانات الوصفية
يقدم A-Evolve هيكل دليل موحد يُعرف باسم مساحة العمل للوكيل. تحدد هذه المساحة "الحمض النووي" للوكيل من خلال خمسة مكونات رئيسية:
- manifest.yaml: الملف المركزي الذي يحدد بيانات الوكيل الوصفية ونقاط الدخول والمعلمات التشغيلية.
- prompts/: الرسائل النظامية والمنطق التعليمي الذي يوجه استدلال LLM.
- skills/: مقاطع الشيفرة القابلة لإعادة الاستخدام أو الوظائف المنفصلة التي يمكن للوكيل تعلم تنفيذها.
- tools/: تكوينات للواجهات الخارجية وواجهات برمجة التطبيقات.
- memory/: البيانات الحلقية والسياق التاريخي الذي يُستخدم لإبلاغ الإجراءات المستقبلية.
يعمل محرك الطفرة مباشرة على هذه الملفات. بدلاً من مجرد تغيير طلب في الذاكرة، يقوم المحرك بتعديل الشيفرة الفعلية وملفات التكوين داخل مساحة العمل لتحسين الأداء.
حلقة التطور ذات الخمس مراحل
تكمن دقة الإطار في منطقها الداخلي، الذي يتبع حلقة منظمة مكونة من خمس مراحل لضمان أن التحسينات فعالة ومستقرة:
- حل: يحاول الوكيل إكمال المهام داخل البيئة المستهدفة.
- ملاحظة: يقوم النظام بإنشاء سجلات منظمة ويجمع التغذية الراجعة.
- تطور: يقوم محرك الطفرة بتحليل الملاحظات لتحديد نقاط الفشل وتعديل الملفات في مساحة العمل.
- بوابة: يتحقق النظام من الطفرة الجديدة ضد مجموعة من دوال الملاءمة لضمان عدم تسببها في تراجع.
- إعادة تحميل: يتم إعادة تهيئة الوكيل مع مساحة العمل المحدثة، وتبدأ الدورة مرة أخرى.
لضمان إمكانية التكرار، يتكامل A-Evolve مع Git. يتم وسم كل طفرة تلقائيًا (مثل evo-1، evo-2). إذا فشلت الطفرة في مرحلة "البوابة" أو أظهرت أداءً ضعيفًا في الدورة التالية، يمكن للنظام التراجع تلقائيًا إلى النسخة المستقرة الأخيرة.
المرونة في "احضر وكيلك الخاص" (BYO)
تم تصميم A-Evolve كإطار عمل مرن بدلاً من نموذج وكيل محدد. يتيح ذلك للمهنيين في مجال الذكاء الاصطناعي تبديل المكونات بناءً على احتياجاتهم الخاصة:
- احضر وكيلك الخاص (BYOA): دعم أي بنية، من حلقات ReAct الأساسية إلى أنظمة متعددة الوكلاء المعقدة.
- احضر بيئتك الخاصة (BYOE): التوافق مع مجالات متنوعة، بما في ذلك صناديق الهندسة البرمجية أو بيئات سطر الأوامر السحابية.
- احضر خوارزميتك الخاصة (BYO-Algo): المرونة لاستخدام استراتيجيات تطور مختلفة، مثل الطفرات المدفوعة بواسطة LLM أو التعلم المعزز.
أداء المعايير
اختبرت مجموعة A-EVO-Lab الإطار باستخدام نموذج Claude عبر عدة معايير صارمة. تُظهر النتائج أن التطور الآلي يمكن أن يدفع الوكلاء نحو أداء من الدرجة الأولى:
- مؤشر MCP-Atlas: حقق 79.4% (#1)، بزيادة قدرها +3.4 نقطة.
- مؤشر SWE-bench Verified: حقق 76.8% (~#5)، بزيادة قدرها +2.6 نقطة في حل الأخطاء البرمجية الحقيقية.
- مؤشر Terminal-Bench 2.0: حقق 76.5% (~#7)، مما يمثل زيادة قدرها +13.0 نقطة في الكفاءة ضمن بيئات Docker.
- مؤشر SkillsBench: حقق 34.9% (#2)، بزيادة قدرها +15.2 نقطة في اكتشاف المهارات بشكل مستقل.
في اختبار MCP-Atlas، تطور النظام من طلب عام مكون من 20 سطرًا بلا مهارات أولية إلى وكيل يمتلك خمس مهارات جديدة مستهدفة سمحت له بالوصول إلى قمة الترتيب.
التنفيذ
تم تصميم A-Evolve ليتم دمجه في سير العمل القائم على Python. توفر وكيل أساسي، ويعيد A-Evolve وكيلًا متطورًا من الطراز الأول. ثلاث أسطر من الشيفرة. صفر ساعات من هندسة الحزام اليدوي. بنية واحدة، أي مجال، أي خوارزمية تطورية.
توضح الشيفرة التالية كيفية بدء عملية التطور:
import agent_evolve as ae
evolver = ae.Evolver(agent="./my_agent", benchmark="swe-verified")
results = evolver.run(cycles=10)
النقاط الرئيسية
- الانتقال من الضبط اليدوي إلى الضبط الآلي: ينتقل A-Evolve بباراديم التطوير من "هندسة الحزام اليدوي" إلى عملية التطور الآلي، مما يسمح للوكلاء بتحسين منطقهم وشيفراتهم بأنفسهم.
- معيار مساحة العمل للوكيل: يعامل الإطار الوكلاء كدليل موحد يحتوي على خمسة مكونات أساسية، مما يوفر واجهة نظيفة وقائمة على الملفات لمحرك الطفرة للتعديل.
- التطور المغلق مع Git: يستخدم A-Evolve حلقة من خمس مراحل لضمان تحسينات مستقرة، حيث يتم وسم كل طفرة تلقائيًا.
- البنية التحتية المرنة: الإطار مرن للغاية، حيث يدعم BYOA (الوكيل)، BYOE (البيئة)، وBYO-Algo (الخوارزمية).
- تحقيق مكاسب من الدرجة الأولى: أثبتت البنية التحتية بالفعل أداءً من الطراز الأول، حيث دفعت الوكلاء إلى المرتبة الأولى في MCP-Atlas (79.4%) ومراتب عالية في SWE-bench Verified (~#5) وTerminal-Bench 2.0 (~#7).
المصدر: MarkTechPost