به جای تکیه بر یک پرامپت هوشمندانه، یک معماری ماژولار با پنج بخش مجزا را به‌عنوان زیربنای یک عامل هوش مصنوعی قابل‌اعتماد تصور کنید. طبق مستندات فنی منتشر شده در ۷ اکتبر ۲۰۲۶، AWFlow استدلال می‌کند که اثربخشی یک عامل به جداسازی سخت‌گیرانه‌ی مغز، دستورالعمل‌ها، حافظه، مهارت‌ها و قوانین بستگی دارد.
بسیاری از کاربران با هوش مصنوعی مانند یک جعبه‌ی چت ساده برخورد می‌کنند، اما اتوماسیون حرفه‌ای با آن مانند یک سامانه تعامل می‌کند. این تغییر رویکرد، بازتابی از حرکت کلی صنعت به سمت سرویس‌های ساختاریافته است؛ مشابه نقشه‌های راه مرحله‌بندی شده‌ای که پیش‌تر درباره‌ی سرویس‌های IT هوش مصنوعی با کربن منفی پوشش دادیم. در واقع، یک مدل زبانی بزرگ (LLM) — مثل کتابخانه‌داری که میلیاردها صفحه را خوانده و حالا با همان لحن کتاب‌ها جواب می‌دهد — فقط می‌تواند حرف بزند، اما یک عامل (Agent) می‌تواند عمل کند. این تحول در واقع بخشی از گذار کلی صنعت از دستورالعمل‌های صلب به سامانه‌های هدف‌گراست که تعریف ما از نرم‌افزار را تغییر می‌دهد.
کالبدشناسی ۵گانهٔ عامل
AWFlow یک عامل منفرد را از طریق این سازوکارهای مشخص تعریف می‌کند:
- مدل: موتور استدلال است. کاربران می‌توانند بین مدل‌های مبتنی بر مرورگر، نسخه‌های محلی Ollama یا APIهای ابری انتخاب کنند. مدل‌های بزرگ معمولاً برنامه‌ریزی و استدلال‌های پیچیده را بر عهده دارند، در حالی که مدل‌های کوچک‌تر برای مدیریت وظایف محدود و تخصصی به کار می‌روند.
- دستورالعمل‌ها: شرح شغلی عامل است. این‌ها متونی به زبان ساده هستند که هویت و رفتار را تعریف می‌کنند. این ابزار می‌تواند تنها با یک جمله‌ی ساده — مثلاً «عاملی که هر صبح اینباکس من را دسته‌بندی کند» — پیش‌نویس دستورالعمل را بسازد و سپس کاربر آن را ویرایش و اصلاح کند.
- حافظه: حقایق پایداری است که روی دستگاه کاربر ذخیره می‌شود. این بخش شامل ترجیحات یا واقعیت‌های خاصی مثل «دانا فاکتورها را تأیید می‌کند» است. برای جلب اعتماد، AWFlow هر حافظه‌ی جدید را با گزینه‌ی «لغو» (Undo) اعلام می‌کند تا از یادگیری خاموش و ناخواسته جلوگیری شود. همچنین کاربران می‌توانند بدون فعال کردن فراخوانی مدل، مستقیماً با گفتن «به خاطر بسپار که...» حقایق را ذخیره کنند.
- مهارت‌ها: ابزارهای واقعی هستند؛ مانند جست‌وجوی وب، مدیریت گروه‌های تب در مرورگر، اجرای گردش‌های کاری موجود یا استفاده از ابزارهای پروتکل زمینهٔ مدل (MCP). این عامل همچنین می‌تواند وظایف هوش مصنوعی روی دستگاه، مانند دسته‌بندی یک تصویر را انجام دهد. بدون مهارت، یک عامل فقط یک سخنور است، نه یک مجری.
- قوانین: محدودیت‌های سخت‌افزاری (Hard-coded) هستند. برخلاف دستورالعمل‌های متنی، این قوانین در کد اجرا می‌شوند تا از تزریق پرامپت (Prompt Injection) — یعنی تلاش وب‌سایت‌ها برای فریب دادن عامل و دستور به نادیده گرفتن دستورات قبلی — جلوگیری کنند. دسته‌های خاصی از عملیات مانند پرداخت، وارد کردن اعتبارنامه‌ها (Credentials)، ارسال یا حذف داده‌ها، فارغ از تنظیمات پیش‌فرض، همیشه نیاز به درخواست اجازه از کاربر دارند.
مقیاس‌پذیری به تیم‌های عاملی
وقتی یک عامل مهارت‌های زیادی پیدا می‌کند، اغلب دچار سردرگمی می‌شود. برای حل این مشکل، AWFlow ساختار تیمی را با سه لایه‌ی اضافی معرفی می‌کند. این رویکرد تیمی برای پر کردن شکاف معماری میان عامل‌های ساده و سیستم‌های عامل‌محور طراحی شده است تا از پیچیدگی‌های مدیریت سازمانی کاسته شود:
- اعضا با نقش‌های مشخص: عامل‌هایی متمرکز با هویت‌های دقیق؛ مثلاً یک «پژوهشگر» برای جمع‌آوری منابع، یک «نویسنده» برای تدوین پیش‌نویس و یک «رهبر» برای تقسیم کار و بررسی نتایج نهایی.
- روش‌های همکاری: این لایه شامل «مسیرهای رهبری» (برای برنامه‌ریزی و تفویض اختیار)، «خط لوله‌ها» (ترتیب ثابتی که در آن هر عضو نتیجه‌ی کار عضو قبلی را دریافت می‌کند) یا «میزهای باز» است که در آن کاربران با استفاده از @، عامل‌های خاصی را منشن می‌کنند.
- محدودیت‌ها: جابه‌جایی بین اعضا طبق یک نقشه‌ی سخت‌گیرانه از هم‌تیمی‌های مجاز است. هر گفتگو بودجه‌ای مشخص برای تعداد گام‌ها، دفعات جابه‌جایی و توکن‌های ابری دارد. رسیدن به این محدودیت باعث توقف تیم به همراه ذکر دلیل می‌شود، نه اینکه سیستم به‌طور نامحدود و بی‌هدف اجرا شود.
کاربران می‌توانند این تیم‌ها را با توصیف یک هدف — مثلاً «برنامه‌ریزی برای سفر آخر هفته» یا «تحقیق درباره یک موضوع و تبدیل آن به پست‌های شبکه‌های اجتماعی» — طراحی کنند. آن‌ها می‌توانند از ویژگی «پیشنهاد تیم» برای دریافت نقش‌ها و گردش‌های کاری پیشنهادی استفاده کنند یا از قالب‌های آماده بهره ببرند.
فرآیند اجرا در عمل
در یک تیم با مسیر رهبری، وقتی کاربر می‌خواهد «۳ لپ‌تاپ را مقایسه و بهترین را پیشنهاد کند»، زنجیره به این شکل پیش می‌رود:
۱. رهبر گام‌ها را برنامه‌ریزی می‌کند: «تحقیق درباره مشخصات و قیمت‌ها» و «خلاصه‌سازی مزایا و معایب».
۲. پژوهشگر مأمور می‌شود تا در گروه تب‌های اختصاصی خود در مرورگر، داده‌ها را بیابد.
۳. نویسنده مأمور می‌شود تا آن یافته‌ها را به یک پیش‌نویس توصیه تبدیل کند.
۴. رهبر نتایج را ادغام و بررسی کرده و پاسخ نهایی را ارائه می‌دهد.
این روش از «تورم پنجرهٔ زمینه» (Context Window) — یعنی پر شدن حافظه کوتاه‌مدت مدل با اطلاعات اضافی که در سیستم‌های تک‌عاملی دیده می‌شود — جلوگیری می‌کند، زیرا در هر جابه‌جایی فقط وظیفه و زمینه ضروری منتقل می‌شود، نه کل تاریخچه گفتگو. این یعنی صورت‌حساب‌های ابری کمتر و امکان استفاده از مدل‌های کوچک‌تر برای حفظ سرعت. علاوه بر این، قوانین تیمی فقط می‌توانند یک عضو را سخت‌گیرتر کنند؛ یعنی یک عامل سهل‌گیر وقتی در یک تیم محتاط قرار می‌گیرد، رفتار محتاطانه‌ای پیدا می‌کند. هر اقدام در یک نمای «فعالیت» (Activity view) ثبت می‌شود که استفاده از ابزارها و تأییدات در انتظار را نشان می‌دهد.
تفاوت عامل‌ها و گردش‌های کاری
یک تمایز حیاتی میان اتوماسیون عامل‌محور و گردش‌های کاری (Workflows) استاندارد وجود دارد. عامل‌ها برای کارهای نامنظم و یک‌باره‌ای مناسب‌اند که هر بار مراحلشان متفاوت است و کاربر ترجیح می‌دهد هدف را توصیص کند تا اینکه فرآیند را طراحی کند. در مقابل، گردش‌های کاری برای کارهای تکراری و بدون نظارت هستند که مراحل آن‌ها نام‌گذاری شده و هر بار باید دقیقاً یک نتیجه یکسان تولید کنند. با این حال، همان‌طور که گزارش Atria نشان می‌دهد، در حالی که عامل‌ها بخش بزرگی از وظایف را بر عهده می‌گیرند، تصمیمات نهایی همچنان در دست انسان باقی می‌ماند.
با ترکیب این دو، کاربران می‌توانند «روتین‌ها» بسازند؛ یعنی گردش‌های کاری استانداردی که در یک زمان خاص، یک گام عاملی را فعال می‌کنند (مثلاً بررسی تغییرات یک صفحه وب هر روز ساعت ۸ صبح). اینجاست که دو روش اتوماسیون به هم می‌رسند.
این رویکرد ماژولار این فرض را می‌شکند که «مدل‌های بهتر» تنها راه بهبود عملکرد هستند. در واقع، ارکستراسیون بهتر و قوانین ایمنی سخت‌افزاری، کلید واقعی اتوماسیون در سطح تولید هستند.
شما می‌توانید این معماری را با نصب AWFlow از فروشگاه کروم تست کنید تا عامل‌ها را روی مدل انتخابی خود، بدون نیاز به ساخت حساب کاربری، اجرا کنید.
گام بعدی شما
- نصب AWFlow از فروشگاه کروم برای تست معماری ماژولار بدون نیاز به ساخت حساب کاربری.
- تعریف یک تیم سه نفره (پژوهشگر، نویسنده، رهبر) برای یکی از کارهای تکراری هفته‌ای خود.
- جایگزینی دستورات متنی حساس با «قوانین سخت‌افزاری» برای جلوگیری از خطاهای احتمالی مدل.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.
گفتگو