يستند مسار عمل الوكيل الزمني إلى منطق بسيط.
قسّم المدخلات
ابدأ بمستند، مثل محضر اجتماع مجلس إدارة أو تقرير سنوي. قسّمه إلى أجزاء يسهل التعامل معها، مثل مداخلات المتحدثين أو الفقرات.
استخرج العبارات
استخرج من كل جزء عبارات واضحة ومستقلة، مثل: «الشركة X رائدة في السوق».
حدّد النوع
حقيقة (موضوعية)
رأي (ذاتي)
تنبؤ (توقع أو تقدير)
ثابتة (صحيحة في وقت محدد)
ديناميكية (قد تتغير بمرور الوقت)
غير زمنية (حقيقة لا تتقيد بزمن)
افهم الإطار الزمني
يكتشف الوكيل متى أصبحت العبارة صحيحة، ومتى بطلت صحتها عند الحاجة، أي متى أُلغيت صلاحيتها. يتعلق ذلك بفترة صلاحية المعلومات الواردة في العبارة، والتي قد تختلف عن وقت قول العبارة أو نشرها.
تحقّق من التناقضات (إلغاء الصلاحية)
إذا ناقضت عبارة جديدة أخرى قديمة، يُوسم الإدخال الأقدم بأنه منتهي الصلاحية ويُربط بالأحدث، بدلًا من حذف المعلومات التي أُلغيت صلاحيتها تمامًا من قاعدة المعرفة.
هذه العملية آلية وقابلة للتتبع، ما يتيح لك دائمًا التعمق لمعرفة ما تغيّر وسببه.
ما الخبر السار؟ لست بحاجة إلى إعادة تصميم نظامك بالكامل. يمكن غالبًا دمج الوكلاء الزمنية مباشرةً في بنية مسار RAG أو المعرفة الحالية لديك.
المكونات الأساسية:
التقسيم الدلالي: قسّم النص الخام إلى أجزاء ذات معنى.
استخراج الحقائق بدعم النماذج اللغوية الكبيرة (LLM): استخدمها لتحديد الحقائق واكتشاف التواريخ وتصنيف أنواع الأحداث.
التصنيف الزمني: استخدم النماذج اللغوية الكبيرة (LLM) لتصنيف العبارات زمنيًا وتحديد نطاقات صلاحيتها الزمنية.
منطق إلغاء الصلاحية الزمني: يمكن للحقائق الجديدة تحديث القديمة أو إنهاء صلاحيتها تلقائيًا، من دون إدارة يدوية للإصدارات.
التخزين القائم على الثلاثيات: تُخزّن كل حقيقة على النحو الآتي: [الفاعل]—[الإجراء]—[المفعول به] + [وقت البدء، وقت الانتهاء] عند استخدام رسوم المعرفة البيانية أو قاعدة بيانات قائمة على الرسوم البيانية.
باستخدام الإعداد المناسب، تستطيع حتى الفرق الصغيرة الانتقال من النموذج الأولي إلى الإنتاج خلال أسابيع. يمكنك إنشاء نموذج أولي باستخدام النماذج الأكبر (GPT-4.1)، ثم الانتقال إلى إصدارات أسرع (GPT-4.1-mini أو nano) بعد استقراره. للتعمق أكثر في التفاصيل التقنية، راجع دليل OpenAI للوكلاء الزمنية مع رسوم المعرفة البيانية.
لقد أصبحت لديك الآن بنية منظّمة للرسم البياني المعرفي المدرك للزمن، ويمكنك الوثوق بالبيانات التي يتضمنها. كيف يمكنك تحويل هذا الأساس المتين للبيانات إلى قيمة تجارية؟
قد يصعب استرجاع المعلومات المطلوبة من قواعد المعرفة الكبيرة. يمكن لوكلاء الاسترجاع متعدد الخطوات المساعدة في ذلك. تستطيع هذه الأنظمة التنقل بذكاء عبر قاعدة المعرفة من خلال عدة استعلامات مترابطة للعثور على أنسب المعلومات للإجابة عن استعلامك.
مع توسع نظامك، يصبح الحفاظ على الكفاءة وتحسين الأداء أمرًا أساسيًا. يمكن أن تساعد إضافة المخطِّطات في تبسيط الاسترجاع، بحيث تركّز المراحل اللاحقة من مساره على ما هو مهم. يمكن أيضًا أن يحقق تحسين أدوات البحث والتحليل المتاحة لنظامك الأساسي مكاسب، إذ يتيح تنفيذ استعلامات أكثر تعقيدًا على رسوم المعرفة البيانية الكبيرة من دون التضحية بالسرعة أو الجودة.
في عمليات النشر ذات الأحجام الكبيرة، يمكن تعزيز الأداء بدرجة ملحوظة عبر تنفيذ اجتياز الرسم البياني بالتوازي، وتخزين مسارات الاستعلام الشائعة مؤقتًا، وتحسين المطالبات والضبط الدقيق.
لمن يعملون على إنشاء وكيل زمني، نشرنا في دليل OpenAI شرحًا تقنيًا كاملًا ومفتوح المصدر حول الوكلاء الزمنية مع رسوم المعرفة البيانية، يغطي كل شيء من منطق الاستخراج إلى الاستدلال متعدد المراحل، بما في ذلك:
الشيفرة الكاملة ومخططات مسار العمل
إرشادات النماذج واستراتيجيات التقييم
أفضل الممارسات للتوسع من النموذج الأولي إلى الإنتاج
تغيّر الوكلاء الزمنية طريقة فهم الذكاء الاصطناعي لعالمك، فلا تراه حقائق ثابتة، بل سردًا حيًا ومتطورًا.
عندما تعتمد قراراتك على وقت حدوث أمر ما، لا على ماهيته فحسب، فقد حان وقت التفكير بمنظور زمني.
ولست مضطرًا إلى بنائه وحدك. إذا أردت أن تجعل أنظمتك أكثر إدراكًا للسياق، أو أكثر جاهزية لاتخاذ القرار، أو ببساطة أكثر اتساقًا مع الواقع، فيسرنا مساعدتك.