أحب نماذج الوكلاء التي تبقى قريبة من سير العمل التشغيلي الحقيقي.
مثال الوكلاء العميقين + Azure Cosmos DB الجديد يفعل ذلك بالضبط.
بدلاً من اختراع عالم تجريبي منفصل، يضع الوكيل فوق قائمة انتظار تذاكر دعم مخزنة في Cosmos DB ويطلب منه القيام بأشياء تهتم بها الفرق حقًا:
- الفرز
- اكتشاف الأنماط
- تحديث السجلات
- التحقق من النتائج
هذا شكل أكثر فائدة لنظام وكيل.
القيمة الحقيقية ليست “AI يتحدث إلى قاعدة البيانات”
لقد رأينا تلك القصة بالفعل.
ما يجعل هذا النموذج أفضل هو الانضباط التشغيلي حوله:
- الوكيل يستخدم أدوات محددة
- الكتابات تمر عبر مسار خاضع للتحكم
- التحقق من القراءة بعد الكتابة جزء من التدفق
- التقسيم وتكلفة الاستعلام يؤخذان في الاعتبار
- النظام يعمل على بيانات تشغيلية حية، وليس مخبأ جانبيًا يتظاهر بأنه واقع
هذا المزيج هو ما يجعل النمط مثيرًا للاهتمام.
لماذا Cosmos DB مناسبة هنا
Cosmos DB مناسبة جيدة لهذا النوع من أعباء العمل لأن البيانات ديناميكية بالفعل، وعلى شكل مستندات، وتشغيلية.
الوكيل يمكنه:
- قراءة التذاكر مباشرة
- تشغيل استعلامات على مستوى قائمة الانتظار عند الحاجة
- تصحيح عناصر محددة
- الاحتفاظ بالحالة والتاريخ قريبًا من البيانات نفسها
لسيناريوهات الوكلاء، هذا غالبًا أكثر فائدة من إجبار كل شيء من خلال طبقة تحليلية منفصلة أولاً.
رأيي
أكبر درس هنا هو أن أنظمة الوكلاء تصبح أكثر إقناعًا عندما تعمل على نفس البيانات ونفس سير العمل الذي يعتمد عليه العمل بالفعل.
هذا ما يفعله هذا النموذج بشكل صحيح.
إنه يعامل الوكيل كمشارك تشغيلي بحدود أدوات واضحة، وليس كواجهة محادثة منفصلة تتظاهر بالمساعدة.
هذا نمط يستحق الدراسة.
المقال الأصلي: How to Use Deep Agents with Azure Cosmos DB – Plan, act, and verify against operational data
