يقترح علماء OpenAI: لا تبذل جهداً كبيراً على Harness، فقد تصبح النماذج من الجيل التالي مدمجة.

عالم الأبحاث في OpenAI نوام براون، المتخصص في تطوير نماذج التفكير (reasoning models)، نصح علنًا المطورين بعدم استثمار جهودهم في أطر العمل المعقدة للوكلاء (Agent Frameworks/Harness)، بحجة أن النماذج تتطور بسرعة كبيرة، والوظائف التي تُبنى على هذه الأطر قد تصبح قدرات أصلية في النموذج نفسه بعد بضعة أشهر. وقد أيد هذا الموقف ألكسندر إمبيريكوس، مدير منتجات المؤسسات في OpenAI.

(ملخص سريع: أربع فئات رئيسية لقطاع وكلاء الذكاء الاصطناعي: الأطر (Frameworks)، منصات الإطلاق (Launchpad)، التطبيقات (Apps)، والميم (Meme).)

(خلفية: أطلقت OpenAI نموذجي o3 وo4-mini، أقوى نماذج التفكير: قادرة على التفكير في الصور، واختيار الأدوات تلقائيًا، مع اختراقات جديدة في الرياضيات والبرمجة.)

فهرس المقال

Toggle

• استثمر جهدك بشكل أقل، ودع النموذج يتحمل المسؤولية
• التيار المعارض: الإطار هو الخندق الحقيقي
• الجدل يدور حول الرهان على النسخة التالية من النموذج

ملخص النقاط الرئيسية

• نوام براون ينصح بعدم استثمار الجهد في أطر الوكلاء المعقدة
• نوام براون يقود تطوير نماذج التفكير من سلسلة o
• تجربة من الجانب المعارض تظهر أن تعديل الإطار في بعد ظهر واحد رفع أداء 15 نموذجًا في كتابة التعليمات البرمجية

بينما ينشغل مجتمع الذكاء الاصطناعي في بناء أطر الوكلاء بشكل أكثر كثافة، يخرج خبراء OpenAI أنفسهم ليقولوا: توقفوا عن البناء. الباحث الكبير في OpenAI نوام براون ينصح المطورين علنًا بعدم توجيه الكثير من الطاقة إلى أطر الوكلاء المعقدة (Harness، وهي الطبقة التي تغلف النموذج وتتولى ربط استدعاءات الأدوات وتقسيم الخطوات، ولا تقوم بالتفكير الفعلي). تقدم قدرات النماذج بسرعة كبيرة، والوظائف التي يتم استخلاصها بصعوبة بواسطة الأطر اليوم قد تصبح قدرات أصلية في النموذج نفسه خلال أشهر قليلة. ويقترح أن يبقي المطورون الأطر بسيطة وأن يتركوا المزيد من العمل للنموذج نفسه.

نوام براون، الذي ينصح بعدم بناء الأطر، هو أحد المحركات الرئيسية لنماذج التفكير من OpenAI (سلسلة o، مثل o1 وo3)، ويتخصص في جعل النموذج يستهلك المزيد من طاقة الحوسبة للتفكير (test-time compute). قبل انضمامه إلى OpenAI عمل في Meta، وطور أنظمة ذكاء اصطناعي شهيرة للبوكر وألعاب الاستراتيجية، مما يمنح خلفيته ثقلًا خاصًا عند الحديث عن قدرات النماذج.

نوام براون ضرب مثالًا: قبل ظهور نماذج التفكير، كان على المطورين استخدام هندسة معقدة مع نماذج غير قادرة على التفكير مثل GPT-4 لتقسيم المهام وطلب التنفيذ المتكرر وترتيب الخطوات خارجيًا لاستخلاص سلوك التفكير. بعد إطلاق o1، فقدت هذه الهندسة كل معناها تقريبًا، والأطر الخارجية المصممة بعناية جعلت النتائج أسوأ. مجرد طرح المشكلة على نموذج التفكير دون أي سقالات (scaffolding) أعطى نتائج أفضل.

استثمر جهدك بشكل أقل، ودع النموذج يتحمل المسؤولية

ألكسندر إمبيريكوس، مدير منتجات المؤسسات في OpenAI، أيد نفس الموقف، قائلاً إن الشركة تتجنب عمدًا تطوير القدرات التي يجب أن يتمتع بها النموذج المستقبلي بنفسه. الوظائف التي يقضي المطورون لياليها في إنشائها قد تكون مجرد خدمة لنسخة النموذج التالية، ومحكوم عليها بالاستبدال حتى قبل إطلاقها. فريق Codex في OpenAI صرح بشكل أكثر وضوحًا: "بناء السقالات هو مجرد دعم مؤقت، وليس توسعة حقيقية".

التيار المعارض: الإطار هو الخندق الحقيقي

هذه مناقشة مشتعلة في الوقت الحالي، ولا يقتنع بها الجميع. قال جيري ليو، مؤسس LlamaIndex، العكس تمامًا: "الإطار هو كل شيء". يرى أن هندسة السياق (context engineering، أي فن تغذية النموذج بالسياق المناسب) وتصميم سير العمل (workflow design) هما المفتاح لاستخراج القيمة من الذكاء الاصطناعي.

الدليل التجريبي من الجانب المعارض: في فبراير 2026، قام فريق بتعديل الإطار فقط (دون تغيير النموذج) خلال بعد ظهر واحد، مما أدى إلى رفع أداء 15 نموذجًا كبيرًا للغة في كتابة التعليمات البرمجية بشكل ملحوظ. ولاحظ البعض أن كل وكيل (Agent) قيد التشغيل تقريبًا ينتهي به الأمر إلى حلقة أساسية: استدعاء أداة، الحصول على النتيجة، إدراجها في السياق، ثم سؤال النموذج مرة أخرى. قد يكون هيكل الإطار نفسه هو القيمة الجوهرية للمنتج. كلا المعسكرين لديه نتائج ملموسة، ولم يحسم أحد الفوز بعد.

الجدل يدور حول الرهان على النسخة التالية من النموذج

في جوهره، هذا الجدل يسأل عن شيء واحد: هل نريد السباق مع تقدم النماذج؟ إنه يذكرنا بـ "الدرس المرير" (The Bitter Lesson) المتداول في مجتمع الذكاء الاصطناعي: الطرق العامة التي تعتمد على زيادة القوة الحاسوبية غالبًا ما تتفوق على الحلول المصممة يدويًا على المدى الطويل. المراهنة على خندق في هندسة الأطر هو إلى حد ما مراهنة على أن النسخة التالية من النموذج لن تتعلم الوظائف التي بنيت بصعوبة.

هذه النصيحة ليست بعيدة عن عالم العملات الرقمية أيضًا. وكلاء الذكاء الاصطناعي هم أحد أكثر الروايات سخونة في العامين الماضيين، وقد راهنت فرق عديدة على خنادقها في أطر الوكلاء المعقدة المصممة يدويًا. كلمات نوام براون واضحة مباشرة: الإطار الذي تبنيه اليوم قد تلتهمه قدرات النموذج الأصلية بعد بضعة أشهر. أما أي وظائف ستلتهمها النسخة التالية من النموذج، فلا أحد يضمن ذلك، ولا حتى نوام براون نفسه.

الأسئلة الشائعة

ما هو Harness (الإطار) لوكلاء الذكاء الاصطناعي؟

Harness هو الطبقة التي تغلف النموذج وتتولى استدعاء الأدوات وترتيب الخطوات، ولا تقوم بالتفكير الفعلي، مثل طبقة الربط بين الاستدعاءات وإعادة المحاولة.

لماذا ينصح نوام براون المطورين بعدم الاستثمار المفرط في أطر الوكلاء؟

لأن قدرات النماذج تتقدم بسرعة كبيرة، والوظائف التي تُبنى على الأطر اليوم قد تصبح قدرات أصلية في النموذج نفسه خلال أشهر، مما يجعل الاستثمار المفرط مضيعة للجهد.