0Pricing
AI Agents · درس

التفكيك الهرمي للمهام

الهدف الأعلى ← أهداف فرعية ← أهداف فرعية أدق — هذه هي الطريقة الوحيدة التي يتعامل بها البشر والوكلاء مع المهام الكبيرة.

التفكيك الهرمي للمهام درس مجاني في AI Agents على CoddyKit. هذا هو الدرس 1 من أصل 4. يمكنك قراءة الدرس كاملاً أدناه مجاناً — ثم تمرن عليه مباشرة في المتصفح باستخدام محرر أكواد مدمج ومدرس ذكاء اصطناعي متاح 24/7. هذا الدرس جزء من مسار التعلم في AI Agents، وتقدمك يتزامن عبر الويب وتطبيق CoddyKit. تتضمن دورة AI Agents 4 دروس في المجموع.

بعض أجزاء هذا الدرس لم تُترجم بعد وتظهر باللغة الإنجليزية.

عندما تكبر المهام

إن عبارة "أعد هيكلة وحدة المصادقة" كبيرة جدًا على مطالبة واحدة. يجب على الوكيل تقسيمها إلى أجزاء أصغر يمكن إدارتها.

التحليل الهرمي للمهام (HTD) هو الطريقة التي يتعامل بها البشر والوكلاء مع ذلك.

التدرّج الهرمي

  1. الهدف — الغاية رفيعة المستوى
  2. الأهداف الفرعية — المراحل الرئيسية
  3. المهام — الخطوات الملموسة
  4. الإجراءات — استدعاءات الأدوات الفردية

Example Decomposition

Goal: Refactor authentication module to use OAuth.

  Sub-goal 1: Set up OAuth dependencies
    Task: Add dependency to requirements.txt
    Task: Configure OAuth client

  Sub-goal 2: Replace existing auth flow
    Task: Replace login endpoint
    Task: Replace session middleware
    Task: Update tests

  Sub-goal 3: Migration and rollout
    Task: Write migration script
    Task: Update documentation

LLM-Driven Decomposition

DECOMPOSE_PROMPT = '''
Decompose this goal into 3-6 sub-goals. For each sub-goal, list 2-5 concrete tasks.
Return JSON: {sub_goals: [{name, tasks: [str]}]}

Goal: {goal}
'''

التحليل التكراري

إذا كانت المهمة لا تزال كبيرة جدًا، فحلّلوها أكثر. توقفوا عندما تتسع المهمة لخطوة واحدة من خطوات LLM (نحو 3–5 استدعاءات أدوات).

متى نتوقف عن التحليل؟

إرشادات عامة:

  • يمكن وصف المهمة في جملة واحدة
  • للمهمة معايير قبول واضحة
  • تتعلق المهمة بعدد قليل من الملفات
  • يمكن التحقق من المهمة باختبار محدد

هياكل الأشجار

مثّلوا التحليل على شكل شجرة. كل عقدة هي مهمة تتضمن: الوصف، والحالة (معلّقة/قيد التشغيل/مكتملة/فاشلة)، والأبناء:

@dataclass
class TaskNode:
    description: str
    status: Literal['pending', 'running', 'done', 'failed']
    children: list['TaskNode']
    result: str | None = None

التنفيذ بترتيب العمق أولًا

تنقّلوا في الشجرة بترتيب العمق أولًا. أكملوا كل ورقة قبل الانتقال إلى التالية:

def execute(node):
    if node.children:
        for child in node.children:
            execute(child)
    else:
        node.status = 'running'
        try:
            node.result = run_leaf(node)
            node.status = 'done'
        except Exception as e:
            node.status = 'failed'

تجميع النتائج

بعد اكتمال الأبناء، اجمعوا النتائج عند العقدة الأصلية:

def aggregate(parent):
    summaries = [c.result for c in parent.children if c.status == 'done']
    parent.result = llm.invoke(f'Summarise these sub-task results: {summaries}').content

عرض الشجرة للمستخدمين

بالنسبة إلى الوكلاء الذين يعملون لفترات طويلة، اعرضوا للمستخدمين الشجرة مع تحديثات مباشرة للحالة. فهذا يعزز الثقة والشفافية:

[x] Add OAuth dependency
[x] Configure OAuth client
[~] Replace login endpoint   <-- in progress
[ ] Replace session middleware
[ ] Update tests

السماح بتعديل الشجرة

قد يرغب المستخدمون المتقدمون في تخطي المهام أو إضافتها أو إعادة ترتيبها. ادعموا التعديلات اليدوية لشجرة الخطة.

إعادة التخطيط عند الفشل

إذا فشلت مهمة فرعية مرارًا، فعيدوا التنفيذ إلى العقدة الأصلية وأعيدوا تحليلها:

if failed_count(node) > 2:
    parent = node.parent
    parent.children = llm_replan(parent, failure_context=node.last_error)

تكلفة التحليل

كل عملية تحليل هي استدعاء لـ LLM. ويساعد التخزين المؤقت — فالهدف نفسه يؤدي إلى التحليل الأولي نفسه.

متى نتوقف عن التقسيم؟

متى ينبغي للوكيل أن يتوقف عن تحليل المهام؟

مراجعة

الأهداف ← الأهداف الفرعية ← المهام ← الإجراءات. ابنوا شجرة، ونفذوا بترتيب العمق أولًا، واجمعوا النتائج، وأعيدوا التخطيط عند الفشل. هذا هو النمط المعياري للعمل الممتد عبر أفق زمني طويل.

الأسئلة الشائعة

هل درس «التفكيك الهرمي للمهام» مجاني؟

نعم — نص درس «التفكيك الهرمي للمهام» كامل متاح مجاناً هنا على الويب. لتمرينه بشكل تفاعلي (محرر أكواد مدمج ومدرس ذكاء اصطناعي متاح 24/7) وفتح باقي دورة AI Agents، انتقل إلى CoddyKit PRO. تتضمن دورة AI Agents 4 دروس في المجموع.

ماذا ستتعلم في «التفكيك الهرمي للمهام»؟

الهدف الأعلى ← أهداف فرعية ← أهداف فرعية أدق — هذه هي الطريقة الوحيدة التي يتعامل بها البشر والوكلاء مع المهام الكبيرة. تتمرن على AI Agents مع أكواد عملية تشغلها مباشرة في المتصفح، ومدرس ذكاء اصطناعي متاح 24/7 يجيب على أسئلتك أثناء عملك.

هل أحتاج إلى خبرة سابقة لأبدأ AI Agents؟

لا تُشترط خبرة سابقة. AI Agents على CoddyKit منظم للمبتدئين حتى المتقدمين، لذا يمكنك البدء من هنا أو من البداية والتقدم بسرعتك الخاصة. هذا هو الدرس 1 من أصل 4.

كم من الوقت يستغرق درس «التفكيك الهرمي للمهام»؟

معظم دروس CoddyKit تستغرق حوالي 5–10 دقائق. كل منها موجز وتفاعلي، لذا تحرز تقدماً مستمراً وتستأنف من حيث توقفت عبر الويب والتطبيق.

هل يمكنني كتابة وتشغيل أكواد في درس AI Agents هذا؟

نعم. كل درس في AI Agents يتضمن محرر أكواد مدمج، لذا تكتب وتشغل أكواداً حقيقية مباشرة في متصفحك وتحصل على تعليقات فورية من الذكاء الاصطناعي — بدون إعداد محلي.

جميع الدروس في هذه الدورة

  1. التفكيك الهرمي للمهام
  2. مكدسات الأهداف والتراجع
  3. نماذج العالم والاستشراف
  4. حلقات التأمل والنقد الذاتي
← العودة إلى AI Agents