اگر امروز یک عامل هوش مصنوعی را برای مدیریت فرآیندهای پیچیده شرکتتان به کار گرفته‌اید، احتمالاً با حلقه‌های تکرار بی‌پایان و تصمیمات غلط مواجه شده‌اید. مشکل این نیست که مدل‌ها باهوش نیستند، بلکه حافظه آن‌ها در محیط‌های واقعی تکه‌تکه است. یک سیستم حافظه تکه‌تکه دلیل اصلی شکست اکثر عامل‌های هوش مصنوعی سازمانی هنگام مواجهه با پیچیدگی‌های دنیای واقعی است.
بسیاری از عامل‌های هوش مصنوعی (AI Agents) — شبیه کارمندی که هر ۱۰ دقیقه حافظه‌اش پاک می‌شود و باید از روی یادداشت‌های ناقص همکارانش بفهمد چه کرده است — دچار پدیده‌ای به نام «آلودگی وضعیت وظیفه» (Task-state contamination) می‌شوند. در این حالت، فرض‌های تأییدنشده، برنامه‌های قدیمی و قضاوت‌های غلط درباره پیشرفت کار در تاریخچه تعاملات باقی می‌مانند و اقدامات بعدی مدل را منحرف می‌کنند. مدل ممکن است هوش خام لازم برای حل مسئله را داشته باشد، اما به دلیل این آلودگی، در مسیر اشتباه پیش می‌رود.
این شکاف سیستماتیک میان آنچه یک شرکت می‌داند («مغز شرکت») و نحوه عمل یک عامل («لایه اجرا») وجود دارد. بدون یک روش ساختاریافته برای ثبت و تأیید اصلاحات در لحظه، یک عامل ممکن است بارها یک پورت بسته را بررسی کند یا یک ادعای فروش رد شده را دنبال کند، صرفاً چون آن خطا در تاریخچه تعاملات فوری او وجود دارد. این چالش‌ها یادآور مواردی است که در آن مدیریت نادرست حافظه در سیستم Legion منجر به بن‌بست‌های زمانی طولانی برای عامل‌ها شد و نشان داد که کنترل دقیق وضعیت حافظه تا چه حد حیاتی است.
همان‌طور که در تحلیل قبلی ما درباره‌ی لایه‌های ریز-اجرای KestrelQuant برای مسدود کردن خطاهای خاص اشاره کردیم، چالش فعلی به سطح سازمانی منتقل شده است. در یک شرکت معمولی، اصلاحات حیاتی — مانند زمانی که تیم فروش توضیح می‌دهد کدام اعتراض مشتری باعث شکست یک معامله می‌شود، یا بازاریابی یک ادعای قدیمی را اصلاح می‌کند، یا بخش عملیات مشخص می‌کند کدام اعداد قابل اعتماد هستند — در چت‌های خصوصی یا تنظیمات شخصی افراد محبوس می‌مانند. این اطلاعات هرگز وارد یک فضای مشترک نمی‌شوند تا عامل یا انسان بعدی بتواند از آن‌ها استفاده کند.
دانشکده هوش مصنوعی گائولینگ در دانشگاه رن‌مین برای حل این مشکل، مدل AEWM (مدل جهانی ویرایش عامل یا Agent-Editing World Model) را معرفی کرده است. طبق گزارشی که در ۱۵ اکتبر ۲۰۲۶ منتشر شد، این مدل به‌جای پیش‌بینی خروجی ابزارها، قضاوت می‌کند که آیا یک گام خاص واقعاً وظیفه را پیش می‌برد یا خیر.
مدل AEWM رویکرد را از پیش‌بینی اینکه یک ابزار چه پاسخی برمی‌گرداند، به این سمت می‌برد که ببیند آن گام چه تأثیری بر پیشرفت کلی وظیفه دارد. این مدل از دو مکانیزم اصلی برای توقف حلقه‌های تکرار عامل استفاده می‌کند:
- داور اقدام (Action Judge): هر گام را به سه دسته تقسیم می‌کند: «پیشرفت حیاتی» (Critical)، «کاوش مفید» (Exploratory) یا «تکرار بی‌فایده» (Noisy).
- بازبینی وضعیت (State Revision): اگر گامی به عنوان تکرار بی‌فایده علامت‌گذاری شود، سیستم استدلال و اقدام بعدی را بر اساس تاریخچه‌ای که پیش‌تر اتفاق افتاده است، بازنویسی می‌کند.
این فرآیند از طریق مکانیزمی به نام EditAct اجرا می‌شود. در این چرخه، عامل گامی را پیشنهاد می‌دهد، AEWM آن را فراخوانی می‌کند تا یا آن را حفظ کند یا بازنویسی نماید، و سپس اقدام اجرا شده و نتیجه در تاریخچه ثبت می‌شود. نکته حیاتی این است که بازنویسی باید مستقیماً وارد گام بعدی شود؛ یک یادداشت ساده مثل «دوباره فکر کن» به عنوان بازنویسی پذیرفته نمی‌شود.
یک مثال عینی در این پژوهش، بررسی یک پورت IPv4 بود. وقتی عامل متوجه شد سرویس پاسخ نمی‌دهد و آن را «غیرفعال» تلقی کرد، AEWM تشخیص داد که کد در واقع به IPv6 متصل است. سیستم عامل را مجبور کرد IPv6 را بررسی کند و بدین ترتیب وظیفه با موفقیت از تست‌ها عبور کرد.
نتایج این رویکرد در محک‌های فنی قابل اندازه‌گیری است. در محک Action Judge، مدل AEWM به امتیاز macro-F1 معادل ۷۰.۵٪ رسید که ۱۰.۶ واحد بیشتر از قوی‌ترین مدل رقیب است. این عدد نشان می‌دهد که پیش‌بینی‌های انجام شده قبل از اجرا، هر چند وقت یک‌بار با برچسب‌هایی که پس از مشاهده کل مسیر (Trajectory) زده شده‌اند، مطابقت دارد. البته این معیاری برای موفقیت کلی وظایف سازمانی نیست، بلکه معیاری برای دقت داوری است.
وقتی این مدل در Terminal-Bench 2.0 به کار گرفته شد، نتایج حتی تکان‌دهنده‌تر بود. یک مدل Qwen3.5-35B-A3B با استفاده از روش‌های استاندارد امتیاز ۳۷.۱٪ گرفت. اما با پیاده‌سازی EditAct در مدل AEWM، این امتیاز به ۴۸.۳٪ جهش کرد.
علاوه بر این، روش AEWM-RFT نشان داد که می‌توان مسیرهای اصلاح‌شده را در توانایی ذاتی عامل تثبیت کرد (Bake-in). این کار باعث شد مدل حتی بدون حضور داور AEWM در لحظه استنتاج (Inference) — یعنی همان لحظه‌ای که مدل واقعاً جواب تولید می‌کند، شبیه آشپزی بعد از یادگیری دستور پخت — ۲.۲، ۲.۶ و ۲.۵ واحد بهتر از مدل‌هایی عمل کند که فقط روی مسیرهای موفق آموزش دیده‌اند.
با این حال، یک مدل به‌تنهایی نمی‌تواند گردش‌کارهای سازمانی را نجات دهد. حلقه مفقوده، یک دفتر کل وظایف (Task Ledger) است؛ سندی زنده برای هر وظیفه که مانع نشت قوانین قدیمی و منسوخ از «مغز شرکت» به لایه اجرا می‌شود. بدون این دفتر، داور AEWM گام‌ها را بر اساس یک تاریخچه ناقص قضاوت می‌کند. اگر کسی دفتر کل را به‌روز نگه دارد، بسیاری از سوالات مربوط به اینکه «آیا این گام کمک می‌کند یا خیر» را می‌توان ابتدا از روی برگه خواند، بدون اینکه نیازی به فراخوانی مدل باشد. این رویکرد شباهت زیادی به سیستم OnCall Memory دارد که با بهره‌گیری از حافظه بلندمدت و تحلیل پس‌رو، از تکرار خطاهای تولیدی جلوگیری می‌کند.
یک دفتر کل حداقلی باید شامل این ۶ مورد باشد:
- حقایق تأییدشده: باید شامل منبع و فرد تأییدکننده باشد. انتقال یک مورد از «فرض» به «تأییدشده» نیازمند تأیید بازبین حوزه است.
- فرض‌های تأییدنشده: جایی که تمام حدس‌های اولیه و داده‌های تأییدنشده قرار می‌گیرند.
- شاخه‌های حذف‌شده: مسیرهایی که پیش‌تر ثابت شده بن‌بست یا بی‌ربط هستند.
- نیازمندی‌های برآورده‌نشده: آنچه هنوز برای تکمیل وظیفه مفقود است.
- پیشرفت فعلی: وضعیت واقعی و فعلی کار.
- پرسش بعدی برای بررسی: اولویت فوری و گام بعدی.
برای عملیاتی کردن این ساختار، «مغز شرکت» نباید یک دایرکتوری ایستا باشد، بلکه باید یک حلقه باشد. مغز شرکت یک پایگاه دانش یا توده‌ای از پوشه‌ها نیست؛ پوشه‌ها صرفاً جایی هستند که چیزها در آن قرار می‌گیرند. آنچه باید باقی بماند، «حلقه» است: کار انجام می‌شود، کسی آن را اصلاح می‌کند، اصلاحیه مسیریابی شده، بازبینی می‌شود و در یک فضای مشترک ثبت می‌گردد تا قطعه بعدی کار از آن استفاده کند.
اجزای اصلی این مغز باید به این سوالات پاسخ دهند که شرکت اکنون به چه چیزی باور دارد، کدام تصمیمات جایگزین تصمیمات قدیمی شده‌اند، چه کسی حرف آخر را می‌زند و کار چگونه باید انجام شود. این ساختار در چهار عنصر خلاصه می‌شود:
- حافظه: حقایق، تصمیمات و تاریخچه‌ای که اکنون اهمیت دارند.
- قوانین: آنچه کار خوب تعریف می‌کند و آنچه نباید انجام شود.
- قابلیت: مهارت‌ها و نیروی انسانی که می‌توان دوباره از آن‌ها استفاده کرد.
- یادگیری: اصلاحات بازبینی‌شده که برای تغییر سه مورد اول به کار می‌روند.
حفظ این سیستم نیازمند سه نقش انسانی متمایز است تا یکپارچگی سیستم تضمین شود:
۱. مالک فرآیند (Process Owner): نظارت می‌کند که آیا فرآیند همچنان در حال اجراست یا خیر.
۲. بازبین حوزه (Domain Reviewer): بررسی می‌کند که آیا یک اصلاحیه از نظر تجاری دقیق است یا خیر و مالک دفتر کل برای آن وظیفه است.
۳. تصمیم‌گیرنده نهایی (Final Decider): در صورت تضاد بین دو منبع، اختلاف را حل می‌کند. نکته حیاتی این است که تصمیم‌گیرنده نباید نویسنده اصلاحیه باشد.
در تیم‌های کوچک، مالک فرآیند و بازبین می‌توانند یک نفر باشند، اما تصمیم‌گیرنده باید مستقل بماند. اگر هر یک از این نقش‌ها خالی باشد، نگهداری هفتگی انجام نمی‌شود و دایرکتوری‌ها سریعاً قدیمی و بی‌فایده می‌شوند. شخصی که مسئول حذف دانش‌های منسوخ است، باید در همان روزی که نقش به او واگذار شده، نامش ثبت شود.
مسیر استقرار این چارچوب در چهار مرحله پیشنهاد شده است. به جای اتصال فوری یک مدل پیچیده، لایه اجرا باید ابتدا به عنوان مجموعه‌ای از قوانین، چک‌لیست‌ها و پرامپت‌ها شروع شود، نه یک مدل.
مرحله اول: ساخت کوچک‌ترین دایرکتوری «مغز شرکت». این شامل فایل‌هایی مانند company-brief.md (خلاصه شرکت)، priorities.md (اولویت‌ها)، پوشه‌های decisions/ (تصمیمات)، people/ (افراد)، projects/ (پروژه‌ها)، policies/ (سیاست‌ها)، skills/ (مهارت‌ها)، workers/ (کارگران/عامل‌ها) و فایل learnings.md (یادگیری‌ها) است. در این مرحله سه نقش انسانی تعیین شده و مسیر اصلاح و نگهداری هفتگی اجرا می‌شود.
مرحله دوم: معرفی دفتر کل ۶ خطی و یک چک‌لیست دستی. گام‌ها به صورت دستی بازبینی می‌شوند تا مشخص شود پیشرفت حیاتی هستند، کاوش مفیدند یا تکرار بی‌فایده. هر حقیقت تأییدشده‌ای که منبع یا تأییدکننده نداشته باشد، به عنوان «فرض تأییدنشده» تلقی می‌شود.
مرحله سوم: فعال کردن بازنویسی‌های دستی برای تکرارهای بی‌فایده. جمع‌آوری مسیرهایی (Trajectories) که توسط بازخوردهای واقعی بررسی شده‌اند تا دیده شود آیا بازکاری و حلقه‌های بی‌فایده کاهش می‌یابند یا خیر، و اطمینان حاصل شود که کاوش‌های مفید به اشتباه حذف نمی‌شوند.
مرحله چهارم: تنها پس از تثبیت بازبینی‌ها، وجود معیارهای صریح و جمع‌آوری مسیرهای باکیفیت، شرکت باید به سراغ آموزش مدل‌های سبک AEWM یا تنظیم دقیق (Fine-tuning) روی مسیرهای اصلاح‌شده برود.
این رویکرد تضمین می‌کند که «دروازه» (Gate) و «بازبینی» (Review) از هم جدا بمانند. دروازه مربوط به اقدامات بازگشت‌ناپذیر است و آن‌ها را قبل از اجرا مسدود می‌کند. بازبینی مربوط به مواردی است که ممکن است به دانش مشترک بازگردانده شوند و می‌تواند منتظر بماند. اگر یک اقدام خطرناک فقط در صف بازبینی باشد، دروازه عملاً تبدیل به یک پوشه دیگر می‌شود.
هنگام مسیریابی نتایج به سمت مغز شرکت:
- حقایق مفقود به «دانش شرکت» می‌روند.
- انتخاب‌های استراتژیک جدید به «سوابق تصمیمات» می‌روند.
- ترجیحات تکرار شونده به «سیاست‌ها» می‌روند.
- ترفندهایی که جواب دادند به «مهارت‌ها» می‌روند.
- توالی‌هایی که می‌توان دوباره اجرا کرد به «عامل‌ها/کارگران» می‌روند.
موفقیت در اینجا با تعداد پوشه‌ها سنجیده نمی‌شود، بلکه معیار واقعی، نرخ بازکاری (Rework Rate)، تعداد دفعاتی که اطلاعات منسوخ به عنوان حقیقت تلقی شده‌اند، زمان صرف شده برای بازبینی، نرخ موفقیت وظایف و کاهش تکرارهای بی‌فایده است.
برای شما به عنوان کاربر یا مدیر، این یعنی مسیر رسیدن به عامل‌های قابل‌اعتماد در پنجره‌های متنی بزرگ‌تر نیست، بلکه در کار خسته‌کننده مدیریت دفتر کل است. مزیت رقابتی از «بهترین پرامپت» به «دقیق‌ترین سوابق منطق تجاری» تغییر می‌کند. اگر تصمیم‌گیرنده همان نویسنده اصلاحیه باشد، درس آموخته شده در یک گفتگو باقی می‌ماند؛ اما اگر فرآیند دنبال شود، مغز شرکت تکامل می‌یابد.
گام بعدی شما
- برای هر پروژه جاری، یک دفتر کل ۶ خطی (حقایق، فرض‌ها، شاخه‌های حذف‌شده و ...) ایجاد کنید.
- نقش «تصمیم‌گیرنده نهایی» را به کسی بسپارید که در جزئیات اجرای روزمره درگیر نیست.
- تکرارهای بی‌فایده عامل‌های خود را ثبت کرده و آن‌ها را به صورت دستی بازنویسی کنید تا الگوی اصلاح را بیابید.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.
گفتگو