0Pricing
AI Agents · درس

الذاكرة الإجرائية (مكتبة المهارات)

مكتبة من تسلسلات المطالبات والأدوات الناجحة التي يمكن للوكيل إعادة تشغيلها للمهام المتكررة.

الذاكرة الإجرائية (مكتبة المهارات) درس مجاني في AI Agents على CoddyKit. هذا هو الدرس 3 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.

ما الذاكرة الإجرائية؟

تخزّن الذاكرة الإجرائية «كيفية تنفيذ الأشياء» — أي تسلسلات إجراءات قابلة لإعادة الاستخدام نجحت. فكّر فيها على أنها مكتبة من وصفات صغيرة يمكن للوكيل إعادة تشغيلها.

أمثلة:

  • «لتقديم تقرير مصروفات، نفّذ A، ثم B، ثم C.»
  • «لنشر إصدار staging، شغّل X، وانتظر Y، ثم نفّذ Z.»

لماذا الذاكرة الإجرائية؟

من دونها، يعيد الوكيل اشتقاق الخطة نفسها من الصفر في كل مرة — ببطء وتكلفة وبشكل غير متسق. ومع مكتبة مهارات، تُحل المهام المتكررة فورًا.

Storage Format

CREATE TABLE skills (
    id UUID PRIMARY KEY,
    name TEXT NOT NULL,
    description TEXT NOT NULL,
    embedding vector(1536),
    steps JSONB NOT NULL,           -- list of tool calls
    success_rate REAL DEFAULT 1.0,
    use_count INT DEFAULT 0,
    created_at TIMESTAMPTZ
);

التقاط مهارة جديدة

بعد تشغيل ناجح، اطلب من LLM استخراج الوصفة:

extract_prompt = '''
The agent successfully completed: {user_request}

The trace was:
{trace}

Write this as a reusable skill with name, description, and step list.
Return JSON: {name, description, steps: [{tool, args_template}]}
'''
print(extract_prompt.strip())

Storing the Skill

skill = json.loads(llm.invoke(extract_prompt).content)
vec = embed(skill['description'])
conn.execute('''
    INSERT INTO skills (id, name, description, embedding, steps)
    VALUES (%s, %s, %s, %s, %s::jsonb)
''', (str(uuid.uuid4()), skill['name'], skill['description'], vec, json.dumps(skill['steps'])))

استرجاع مهارة ذات صلة

عند وصول طلب جديد من المستخدم، ابحث في مكتبة المهارات:

def find_skill(query):
    qvec = embed(query)
    rows = conn.execute('''
        SELECT name, steps FROM skills
        ORDER BY embedding <=> %s LIMIT 3
    ''', (qvec,))
    return rows

قوالب المهارات

المهارات قوالب تحتوي على خانات للمعلمات. يملأ الوكيل القيم الفعلية في كل تشغيل:

skill = {
    'name': 'file_expense_report',
    'steps': [
        {'tool': 'open_form', 'args': {'form_id': 'expense'}},
        {'tool': 'fill_field', 'args': {'field': 'amount', 'value': '{amount}'}},
        {'tool': 'fill_field', 'args': {'field': 'category', 'value': '{category}'}},
        {'tool': 'submit'}
    ]
}
import json
print(json.dumps(skill, indent=2))

اقتراح المهارات على LLM

أدرج المهارات المرشحة في مطالبة النظام، ودَع LLM يقرر أيًّا منها يستخدم:

candidates = find_skill(user_request)
prompt = f'''
You can use these existing skills if applicable:
{json.dumps(candidates, indent=2)}

Or you can plan a new sequence.
'''

تتبّع نجاح المهارات

بعد كل استخدام، حدّث إحصاءات المهارة:

UPDATE skills
SET use_count = use_count + 1,
    success_rate = (success_rate * use_count + (CASE WHEN %s THEN 1 ELSE 0 END)) / (use_count + 1)
WHERE id = %s;

تنقية المهارات السيئة

يجب إزالة المهارات ذات success_rate المنخفض أو use_count المنخفض:

DELETE FROM skills
WHERE (success_rate < 0.5 AND use_count >= 5)
   OR (use_count = 0 AND created_at < NOW() - INTERVAL '30 days');

Voyager: مثال شهير

Voyager (Wang et al. 2023) وكيل يلعب Minecraft ويبني «مكتبة مهارات» من مقاطع برمجية — وهو بحث بارز في الذاكرة الإجرائية.

تركيب المهارات

يمكن للمهارات استدعاء مهارات أخرى. ويتعلم الوكيل إجراءات تزداد تجريدًا:

low_level_skill = {'name': 'open_email', 'steps': [...]}
high_level_skill = {'name': 'process_inbox', 'steps': [
    {'skill': 'open_email'},
    {'skill': 'reply_or_archive'}
]}
print(low_level_skill)
print(high_level_skill)

خصوصية المهارات

تكون المهارات عامة بما يكفي عادةً لمشاركتها بين المستخدمين. لكن تحقّق جيدًا — فقد تكشف بعض «المهارات» تفاصيل خاصة بمستخدم معين، مثل رقم حساب محدد. أزِل الهوية قبل تخزينها في مكتبة مشتركة.

التعريف الإجرائي

ما الذي تخزّنه الذاكرة الإجرائية؟

مراجعة

الذاكرة الإجرائية = مكتبة مهارات. استخرج الوصفات من عمليات التشغيل الناجحة، واسترجع الوصفات ذات الصلة بالطلبات الجديدة، وتتبّع معدلات النجاح، ونقِّ المهارات غير الفعالة.

الأسئلة الشائعة

هل درس «الذاكرة الإجرائية (مكتبة المهارات)» مجاني؟

نعم — نص درس «الذاكرة الإجرائية (مكتبة المهارات)» 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 «الذاكرة الإجرائية (مكتبة المهارات)»؟

مكتبة من تسلسلات المطالبات والأدوات الناجحة التي يمكن للوكيل إعادة تشغيلها للمهام المتكررة. 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 3 من أصل 4.

كم من الوقت يستغرق درس «الذاكرة الإجرائية (مكتبة المهارات)»؟

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. الذاكرة العرضية (سجل كل جلسة)
  2. الذاكرة الدلالية (حقائق متجهة)
  3. الذاكرة الإجرائية (مكتبة المهارات)
  4. اضمحلال الذاكرة وجمع القمامة
← العودة إلى AI Agents