الوحدة 10 · الدرس 2 · 18 دقيقة قراءة
بناء وكيل بحث
Building a Research Agent
المقدمة
وكيل البحث من أكثر المشاريع فائدة للطلاب والباحثين: يستقبل سؤالًا، يبحث في مصادر متعددة، يقرأ ويقارن، ثم يكتب ملخصًا مستشهدًا بمصادره. في هذا الدرس نبني نسخة بسيطة قابلة للتشغيل بلغة Python، ونركز على ما يميز وكيل البحث الجيد: تفكيك السؤال، والاستشهاد، والاعتراف بالفجوات.
أهداف التعلم
- تصميم حلقة بحث: تفكيك السؤال، البحث، القراءة، التجميع
- بناء أدوات بحث وتلخيص بسيطة وربطها بحلقة وكيل
- إلزام الوكيل بالاستشهاد بالمصادر ورفض الادعاءات غير المسندة
- معرفة كيف يمكن نقل التصميم نفسه إلى إطار مثل OpenAI Agents SDK
ما الذي يفعله وكيل البحث؟
وكيل البحث ليس محرك بحث يعيد روابط، وليس نموذجًا يجيب من ذاكرته. هو مزيج من الاثنين يتبع حلقة واضحة:
- التفكيك (Decomposition): تحويل السؤال الواسع إلى أسئلة فرعية قابلة للبحث.
- البحث (Search): استدعاء أداة بحث لكل سؤال فرعي.
- القراءة والتصفية: استبعاد النتائج المكررة أو غير ذات الصلة.
- التجميع (Synthesis): كتابة إجابة تربط كل ادعاء بمصدره.
- الاعتراف بالفجوات: ذكر الأسئلة الفرعية التي لم يُعثر لها على مصدر.
هذه الحلقة تجمع أفكارًا من وحدات سابقة: تفكيك المهام من وحدة التخطيط، والاسترجاع المعزز بالتوليد (RAG) من وحدة الذاكرة، واستدعاء الأدوات من وحدة الأدوات.
مثال عملي: وكيل بحث في ملاحظات المقرر
السيناريو: طالب في مقرر الذكاء الاصطناعي يسأل «ما الفرق بين ReAct وReflexion؟». لدى الوكيل قاعدة معرفة صغيرة من ملاحظات المقرر. الكود التالي يعمل دون أي مكتبة خارجية؛ الدالة plan تحل محل النموذج في التفكيك، والبحث يعتمد على تطابق الكلمات لأغراض العرض:
NOTES = [
{"id": "n1", "title": "ReAct", "text": "ReAct يدمج خطوات التفكير مع الأفعال واستدعاء الأدوات في حلقة واحدة"},
{"id": "n2", "title": "Reflexion", "text": "Reflexion يجعل الوكيل يكتب تأملا لفظيا في أخطائه ويخزنه في ذاكرة ليحسن المحاولة التالية"},
{"id": "n3", "title": "RAG", "text": "RAG يسترجع مستندات ذات صلة ويضيفها إلى سياق النموذج قبل التوليد"},
]
def knowledge_search(query, k=2):
words = set(query.lower().split())
scored = [(len(words & set((n["title"] + " " + n["text"]).lower().split())), n) for n in NOTES]
return [n for s, n in sorted(scored, key=lambda x: -x[0]) if s > 0][:k]
def plan(question):
# في وكيل حقيقي يولد النموذج هذه الأسئلة الفرعية
return ["ما هو ReAct", "ما هو Reflexion", "ما هو Toolformer"]
def research(question, max_steps=5):
findings, gaps = [], []
for step, sub in enumerate(plan(question)):
if step >= max_steps:
break
hits = knowledge_search(sub)
if hits:
findings.append((sub, hits[0]))
else:
gaps.append(sub)
lines = [f"- {h['text']} [{h['id']}]" for _, h in findings]
lines += [f"- لم أجد مصدرا عن: {g}" for g in gaps]
return "\n".join(lines)
print(research("ما الفرق بين ReAct وReflexion؟"))لاحظ ثلاثة قرارات تصميم مهمة: كل سطر في الإجابة يحمل معرّف مصدره، والسؤال الفرعي عن Toolformer الذي لا تغطيه الملاحظات يظهر صراحة فجوةً بدل أن يُختلق له جواب، وهناك حد أقصى للخطوات.
من الكود البسيط إلى إطار عمل
عندما تستبدل الدالة plan بنموذج لغوي حقيقي، يمكنك الاستعانة بإطار عمل. المثال التالي بشكل OpenAI Agents SDK كما في توثيقه (بحسب التوثيق الرسمي، مراجعة 18 نوفمبر 2026)، ويتطلب تثبيت المكتبة pip install openai-agents ومفتاح OPENAI_API_KEY:
# يتطلب مكتبة openai-agents ومفتاح API صالحا
from agents import Agent, Runner, function_tool
@function_tool
def search_notes(query: str) -> str:
'''Search the course notes and return matching passages with their ids.'''
return "ReAct ... [n1]"
agent = Agent(
name="Research assistant",
instructions="Answer only from search_notes results and cite the id of every source.",
tools=[search_notes],
)
result = Runner.run_sync(agent, "What is the difference between ReAct and Reflexion?")
print(result.final_output)الفكرة لم تتغير: أداة بحث موصوفة جيدًا، وتعليمات تفرض الاستشهاد، وحلقة يديرها الإطار.
تقييم وكيل البحث
استخدم ما تعلمته في وحدة التقييم والأمان. مقاييس مناسبة لوكيل البحث:
- دقة الاستشهاد: هل كل معرّف مصدر موجود ويدعم الجملة المرتبطة به؟
- التغطية: هل غطت الإجابة كل الأسئلة الفرعية أو صرّحت بالفجوة؟
- الحقن غير المباشر: صفحات البحث محتوى غير موثوق، فأضف حالة فيها تعليمات مخفية.
الملخص
وكيل البحث يفكك السؤال ويبحث ويقرأ ويجمّع الإجابة مع الاستشهاد بكل مصدر، ويصرّح بالفجوات بدل الاختلاق. يمكن بناء نسخة بسيطة بلغة Python القياسية ثم نقل التصميم نفسه إلى إطار مثل OpenAI Agents SDK. أخطر مشكلاته الاستشهاد المختلق، ويُكشف بفحص آلي أن كل مصدر مذكور موجود في نتائج الأدوات. ويُقيَّم بدقة الاستشهاد والتغطية ومقاومة الحقن غير المباشر.
المصطلحات
| المصطلح | English | التعريف |
|---|---|---|
| وكيل البحث | Research Agent | وكيل يجمع المعلومات من مصادر ويكتب إجابة مستشهدًا بها |
| التجميع | Synthesis | دمج المعلومات من مصادر متعددة في إجابة متماسكة |
| الاستشهاد | Citation | ربط كل ادعاء بمعرّف المصدر الذي يدعمه |
| الاستشهاد المختلق | Fabricated Citation | ذكر مصدر غير موجود أو لا يدعم الادعاء |
| التغطية | Coverage | مدى إجابة النتيجة عن كل الأسئلة الفرعية |
أسئلة المراجعة
- ما الخطوات الخمس لحلقة وكيل البحث؟
- لماذا يُعد التصريح بالفجوات أفضل من إجابة كاملة الشكل؟
- كيف تتحقق آليًا من أن الاستشهادات غير مختلقة؟
- ما الذي يتغير وما الذي يبقى ثابتًا عند نقل الوكيل البسيط إلى إطار عمل؟
المراجع
- Retrieval-Augmented Generation (Lewis et al., 2020) arxiv.org روجع في 2026-11-18
- OpenAI Agents SDK documentation openai.github.io روجع في 2026-11-18
- ReAct (Yao et al., 2022) arxiv.org روجع في 2026-11-18
