أنور بآي
المهمة الطويلة لا تفشل دائمًا لأن النموذج لا يعرف الحل. أحيانًا يفقد الوكيل تفاصيل مهمة بعد تلخيص المحادثة، أو ينسى سبب قرار سابق، أو يتوقف عندما تغلق نافذة الطرفية. وفي المهام المتوازية، قد يكرر عدة وكلاء العمل نفسه أو يعدلون الملفات نفسها دون تنسيق.
Prime Agent من Prime Intellect يحاول معالجة هذه المشكلات على مستوى بيئة تشغيل الوكيل. يجمع بين سياق يمكن التعامل معه برمجيًا، وبيئة Python مستمرة، ووكلاء فرعيين، وحالة محفوظة للعمل والتعلم من مساره.
الفكرتان الأساسيتان هما Recursive Language Model، أو RLM، وContinual Harness. الأولى تنظم كيف يتعامل الوكيل مع المعلومات ويقسم العمل؛ والثانية تحفظ تعليمات وذكريات ومهارات إضافية يمكن تحسينها مع التجربة.
هذا المقال مراجعة للمستودع ومراجع المشروع، وليس تقريرًا عن تثبيت Prime Agent أو تنفيذ مهمة فعلية به. الأمثلة المقترحة ليست نتائج اختبار، ولا ندّعي أنه أسرع أو أدق من وكيل آخر في بيئتنا.
ما هو Prime Agent؟
Prime Agent وكيل مفتوح المصدر للبرمجة والبحث والعمل الطويل. يمكنك تشغيله داخل مجلد مشروع، وربطه بمزود نموذج، ثم تكليفه بفحص الملفات وتنفيذ أوامر وتعديل الكود ضمن صلاحيات المستخدم الذي يشغله.
هو ليس نموذجًا جديدًا بحد ذاته. كلمة Harness تعني هنا طبقة التشغيل المحيطة بالنموذج: كيف يستدعي الأدوات، ويحفظ الحالة، ويستأنف العمل، ويتواصل مع الوكلاء الآخرين، ويتحقق من النتائج.
يساعد هذا التفريق على تقييمه بصورة صحيحة. قد تستخدم النموذج نفسه داخل بيئتين مختلفتين وتحصل على سلوك مختلف، لأن طريقة إدارة الأدوات والسياق والتوقف والتعافي مختلفة. لكن وجود Harness أكثر قدرة لا يجعل جميع قرارات النموذج صحيحة.
المشروع منشور بترخيص MIT. هذا لا يعني أن تشغيل النماذج أو خدمات الاستدلال المرتبطة به مجاني؛ التكلفة تعتمد على المزود والموارد التي تستخدمها.
RLM: تعامل مع السياق كبيانات، لا كجدار نص
في الاستخدام المعتاد، نضيف المعلومات إلى نافذة المحادثة ونطلب من النموذج قراءتها. كلما تراكمت الملفات والسجلات والنتائج، أصبحت مهمة اختيار المهم منها أصعب.
فكرة RLM هي إتاحة جزء من هذه المعلومات داخل بيئة برمجية، بحيث يستطيع الوكيل فحصها وفلترتها وتقسيمها بدل إدخال كل شيء دفعة واحدة إلى سياقه المباشر. ويمكنه إرسال مهمة محددة وبيانات مناسبة إلى وكيل فرعي، ثم استخدام النتيجة في العمل الرئيسي.
مثال تصوري: لديك سجل أخطاء كبير. بدل إعادة عرض السجل كاملًا في كل خطوة، يمكن حفظه كبيانات، واستخراج الرسائل المتكررة، وتجميعها حسب المكون، ثم تفويض تحليل مجموعة معينة. هذا مثال يشرح الفكرة، وليس عملية نفذناها باستخدام Prime Agent.
تشرح مقالة Prime Intellect عن RLM هذا الأسلوب في إدارة المعلومات والعمل البرمجي. لكنها تناقش أيضًا تنفيذًا بحثيًا داخل منظومة أخرى؛ لا تنقل كل إعداد أو حد مذكور فيها تلقائيًا إلى النسخة الحالية من Prime Agent.
كذلك لا تعني RLM وجود نافذة سياق غير محدودة. البيانات الموجودة خارج النافذة تحتاج اختيارًا ومعالجة، ونتائج الوكلاء الفرعيين تحتاج تحققًا. ويمكن أن تُفقد معلومة مهمة إذا لم يبحث عنها الوكيل أصلًا.
بيئة Python مستمرة: ما الذي يبقى بين الخطوات؟
يصف المستودع بيئة Python REPL مستمرة بوصفها أداة النموذج الأساسية. REPL هي بيئة تنفذ فيها مقاطع كود بالتتابع، مع الاحتفاظ بمتغيرات ونتائج يمكن استخدامها لاحقًا.
هذا يتيح للوكيل بناء حالة عمل بدل بدء كل معالجة من الصفر: قائمة ملفات مختارة، أو نتائج فحص، أو بيانات يحتاج فرزها. ثم يستدعي أدوات وأوامر ومهارات من داخل هذه البيئة.
وفي بروتوكول runtime الحالي، توجد عمليات لتنفيذ الكود، والمقاطعة، وحفظ Snapshot، واستعادة الحالة. لكن الحفظ ليس وعدًا باستعادة كل شيء: بعض المتغيرات تُستثنى، وقد تُتجاوز قيم كبيرة، وقد تفشل استعادة قيمة أو ملف.
لذلك فرّق بين استمرار عملية حية عند فصل الطرفية، واستعادة جميع مواردها بعد تعطلها أو إعادة تشغيل الجهاز. اتصال مفتوح أو عملية خارجية أو متغير غير قابل للحفظ ليس مجرد نص يمكن إعادة تحميله بلا شروط.
الوكلاء الفرعيون جزء من نموذج البرمجة
يوثق المشروع rlm.spawn(...) لإنشاء وكيل فرعي وإرجاع Handle يمكن التعامل معه برمجيًا. في المصدر الحالي، يحتاج الاستدعاء إلى اسم، ويمكن تحديد نموذج أو مستوى التفكير عند الحاجة.
مثال مقترح داخل بيئة Prime Agent، لا داخل Python عادي مستقل:
reviewer = await rlm.spawn(
"Review the authentication flow. Report findings with file references. Do not modify files.",
name="auth-reviewer",
)
هذا المثال يطلب مراجعة محدودة دون كتابة ملفات. عودة Handle تعني قبول إنشاء المهمة، وليست إثباتًا أن المراجعة انتهت أو أن نتائجها صحيحة.
في مشروع برمجي، يمكن تقسيم العمل بين مراجعة الكود، وفحص الاختبارات، وتحليل سلوك API. لكن التقسيم الجيد يحتاج حدودًا واضحة:
ما سؤال كل وكيل، وما الملفات المسموح له بقراءتها أو تعديلها؟
ما شكل النتيجة المطلوبة: تقرير، أم Patch، أم اختبار قابل للتشغيل؟
من يجمع النتائج ويحل التعارضات؟
ما الموارد والوقت المسموحان؟
التوازي لا يحل هذه الأسئلة تلقائيًا. تشغيل عدة وكلاء يكتبون في الفرع نفسه قد يضيف تعارضات أكثر مما يوفر وقتًا. ابدأ بتفويض قراءات مستقلة، أو افصل مساحات العمل قبل السماح بتعديلات متوازية.
Continual Harness: ماذا يعني «يتحسن ذاتيًا»؟
العبارة قد توحي بأن الوكيل يعيد تدريب النموذج أثناء العمل. هذا ليس المعنى الموثق هنا.
Continual Harness يحفظ حالة إضافية مثل الذكريات، والتعليمات المكملة، ووصف المهارات، ومواصفات أدوار الوكلاء الفرعيين. ويمكن لأمر /refine مراجعة مسار العمل واقتراح تحديثات محدودة مبنية على ما ظهر فيه.
مثلًا، إذا تكرر فشل اختبار بسبب ترتيب خطوة، فقد يُحفظ درس محدد عن هذا الترتيب. وإذا ظهر دور مراجعة مفيد مرارًا، فقد يتحول إلى وصف قابل لإعادة الاستخدام.
وفق README، لا يعيد هذا الأمر كتابة تعليمات النظام الأساسية الثابتة. وتوضح مهارة refine أن التحسين محلي للجلسة افتراضيًا، مع خيار صريح لاستهداف الحالة العامة العابرة للجلسات.
هذه نقطة مهمة: ليس كل درس ينتقل تلقائيًا إلى كل مشروع. والدرس الذي تعلمه الوكيل قد يكون خاطئًا أو ضيق النطاق، لذلك راجع ما يُحفظ ولماذا، واستخدم سجل التغييرات وآلية الرجوع المذكورين في المشروع بدل التعامل مع كل تحسين على أنه مكسب مؤكد.
المهارات يمكن أن تكون تعليمات وكودًا
في Prime Agent، توجد مهارات Markdown، كما يمكن للمهارة أن تحتوي حزمة Python يستدعيها الوكيل داخل الـkernel.
يوثق دليل المهارات المدعومة بـPython بنية تشمل SKILL.md وpyproject.toml ومجلدًا للكود. عند تحقق شروط البنية، يمكن تثبيت الحزمة في بيئة kernel وإتاحتها للاستدعاء.
هذا مفيد لتحويل إجراء متكرر إلى وظيفة واضحة بدل إعادة توليد أوامره كل مرة. لكنه يرفع أهمية الثقة بالمصدر: المهارة التي تشغّل كودًا ليست ملف إرشادات فقط. راجع الكود والتبعيات والصلاحيات قبل تثبيتها، ولا تفترض توافق مهارات كل الوكلاء لمجرد اشتراكها في اسم SKILL.md.
استمرار العمل خارج نافذة الطرفية
من أبرز خصائص المشروع الجلسات المدعومة بـdaemon، مع إمكانية عرض الوكلاء والعودة إلى جلسة تعمل في الخلفية. كما يذكر المستودع أهدافًا مستمرة، وHeartbeats، وجدولة، ووضعًا ذاتيًا محدودًا بالموارد.
لكل جزء وظيفة مختلفة:
الجلسة الخلفية تساعد على استمرار العمل عند فصل واجهة الطرفية.
الهدف المستمر يحفظ ما يسعى الوكيل إلى إنجازه عبر الأدوار.
Heartbeat أو الجدولة يعيدان تنشيط جلسة في وقت أو فترة محددة.
الوضع الذاتي يواصل العمل ضمن حدود وأبواب تحقق يحددها الإعداد.
لا تعتبر بلوغ الحد نجاحًا. وإذا نجح أمر اختبار، فهو يثبت ما اختبره فقط، لا سلامة كل المنتج. كذلك لا تتوقع استمرار العمل إذا توقف الجهاز أو تعطلت الخدمات اللازمة؛ الجلسة الخلفية ليست تشغيلًا بلا بنية تحتية.
التثبيت وأول جلسة
يوثق README الحالي هذا المثبّت للإصدار المستقر:
curl -fsSL https://app.primeintellect.ai/prime-agent/install.sh | sh
هذا أمر تنزيل سكربت وتشغيله، لا مجرد قراءة ملف. راجع المصدر ومتطلبات الإصدار قبل التنفيذ، واستخدم بيئة تجريبية أو حسابًا محدود الصلاحيات. لم ننفذ المثبّت لإعداد هذا المقال.
بعد التثبيت، ابدأ في نسخة تجريبية من مشروعك أو Worktree يمكن مراجعة تغييراتها والرجوع عنها:
cd /path/to/project
prime-agent
وعند التشغيل الأول، يذكر المشروع /login لاختيار مزود اشتراك أو API key:
/login
أدخل بيانات الوصول عبر آلية المزود المناسبة، لا داخل ملفات المشروع أو مطالبات منشورة. الاشتراك أو المفتاح الذي تملكه لا يضمن توافقًا مع كل تكامل؛ تحقق من دعم المزود الفعلي.
ومن الأوامر الموثقة لإدارة الجلسات وفحص الحالة:
prime-agent agents
prime-agent status
prime-agent doctor
للعودة إلى وكيل قائم، استبدل AGENT_ID بالمعرف الفعلي الذي ظهر لك:
prime-agent attach AGENT_ID
استخدمنا doctor دون --fix في المثال لأن الفحص وإجراء إصلاحات عمليتان مختلفتان. وتوقف قبل إعطاء الوكيل بيانات إنتاج أو صلاحيات واسعة لمجرد أن فحص الخدمات نجح.
مهمة أولى أفضل من «أصلح المشروع كله»
بدل تشغيل وضع طويل على هدف مفتوح، ابدأ بطلب محدود يمكن الحكم عليه:
راجع معالجة الأخطاء في هذا المشروع.
ابدأ بقراءة الملفات ذات الصلة دون تعديلها.
حدد موضعين يحتاجان تحسينًا، مع السبب ومرجع الملف.
اعرض خطة واختبارات مقترحة وانتظر موافقتي.
بعد الموافقة، نفذ التغيير في مساحة العمل التجريبية فقط.
لا تعدل إعدادات الإنتاج ولا تستخدم أسرارًا خارج المهمة.
إذا احتجت وكيلًا فرعيًا، اجعل مهمته محددة واطلب منه أدلة قابلة للتحقق.
في النهاية، اعرض الفرق ونتائج الاختبارات وما لم يُختبر.
هذا طلب مقترح، وليس نتيجة تجربة. قبل المتابعة الذاتية، اتفق على حد الموارد، ومعيار الإنجاز، وشروط التوقف وطلب المساعدة. لا تجعل «استمر» تعني إعادة محاولة بلا نهاية أو إنفاقًا غير محدد.
ثم تحقق بنفسك من الفرق والاختبارات. تقرير الوكيل الفرعي عن نجاح أمر ليس بديلًا عن نتيجة التنفيذ أو قراءة الأثر الحقيقي للتغيير.
التحذير الأمني الذي يستحق القراءة أولًا
README واضح: Prime Agent ينفذ Python وأوامر المشروع بصلاحيات المستخدم، وعمليات worker وkernel ليست Security Sandbox.
عزل دورة حياة العمليات والتعافي من فشلها يختلف عن منعها من قراءة ملف حساس أو الاتصال بالشبكة. إذا شغلت الوكيل بحساب واسع الصلاحيات، فقد تصبح هذه الصلاحيات متاحة للكود الذي ينفذه.
لذلك استخدم بيئة معزولة خارجيًا عند التعامل مع مصادر غير موثوقة، وقلل الملفات والأسرار المتاحة، وافصل مشروع التجربة عن الإنتاج. تعامل أيضًا مع تعليمات داخل مستودع أو ملف أو نتيجة بحث بوصفها محتوى غير موثوق؛ لا تمنحها سلطة تغيير المهمة أو إرسال البيانات.
راجع المهارات التنفيذية كما تراجع برنامجًا جديدًا، ولا تفترض أن التحسين الذاتي أو إدارة الجلسات يمنعان Prompt Injection أو حذف الملفات أو إساءة استخدام بيانات الوصول.
ما الذي يثبته البحث المنشور؟
ينشر فريق المشروع تقريرًا بعنوان Prime Agent: A Self-Improving RLM Harness. يتناول بيئة التنفيذ والعمل الطويل، ويعرض نتائج الفريق على مهام تقييم وبرمجة مختلفة.
وجود التقرير مفيد لفهم التصميم والمنهجية، لكنه لا يثبت أداء المشروع على مستودعك أو نموذجك أو ميزانيتك. ولم نكرر تجاربه، لذلك لا نحول أرقامه إلى وعد بتحسين عام أو مقارنة مستقلة مع Hermes أو Claude Code أو غيرهما.
كما أن المشروع يتطور. أثناء إعداد المقال، وجدنا أن بعض روابط دليل GitHub المعروضة في صفحة مستخرجة كانت تشير إلى مسارات غير موجودة في المراجعة الحالية. اعتمدنا README والملفات الموجودة فعلًا في المراجعة المثبتة، لا أوامر من دليل قديم مختلط مع الكود الحالي.
لمن يستحق التجربة؟
قد يناسب Prime Agent مطورًا أو باحثًا يريد إدارة مهمة طويلة، والتعامل مع البيانات برمجيًا، وتفويض أجزاء مستقلة إلى وكلاء فرعيين، وحفظ أنماط العمل المفيدة بصورة قابلة للمراجعة.
أما المهمة القصيرة التي ينجزها وكيلك الحالي جيدًا، فلا تحتاج بالضرورة طبقة تشغيل أخرى. وقبل اعتماد المشروع، جرّبه على هدف محدود في بيئة غير إنتاجية، وقارن نجاح الاختبارات والتكلفة وسهولة الاستئناف وجودة الأدلة، لا عدد الميزات فقط.
ما يستحق المتابعة هنا هو جمع إدارة السياق والمهارات والتنسيق والاستمرارية في بيئة واحدة. لكن معيار الاختيار يبقى عمليًا: هل أنجز الوكيل المهمة المطلوبة ضمن حدودك، وهل استطعت فهم عمله والتحقق منه؟
المصادر
الغلاف يستخدم علامة Prime Intellect الظاهرة في README الرسمي مع تصميم تحريري؛ ليس لقطة تشغيل أو دليلًا على نتائج أداء. حقوق العلامة لأصحابها، ويُرفق ترخيص المشروع مع حزمة المراجعة.
لا تعليقات بعد. شارك سؤالك أو تجربتك مع هذا الدليل.