الأسبوع الماضي كتبت عن NeMoCo، نظام ذاتي الإشراف يتعلم تصنيف البنى العصبية كما يصنف الدماغ العالم — من تجربة خام غير مصنفة، دون أن يُخبر ما هي الفئات. عدت باستمرار إلى نفس السطر: labels are a shortcut, structure is what matters.

هذا الأسبوع بنيت النصف الآخر من تلك الفكرة، في المجال الذي أعمل فيه بالفعل. أشغل مساعدًا شخصيًا للذكاء الاصطناعي — Aura — يدير الذاكرة، ويوجّه المهام، ويحاول أن يكون مفيدًا حقًا عبر الجلسات. يعمل على أسطول من النماذج: Claude للترميز الإنتاجي، وعدد قليل من النماذج السحابية للبحث والتصميم، ونموذج محلي لا يستهلك شيئًا. المشكلة هي نفس المشكلة التي يحلها NeMoCo، فقط مقلوبة. NeMoCo يتعلم البنية من البيانات الخام. كان لدي البنية — قائمة بالوكلاء، كل واحد لديه وظيفة — واحتجت النظام إلى decide which model should do which task, live, under a budget that runs out.

هذا محرك القرار هو ما بنيته هذا الأسبوع. يتكون من ثلاثة أجزاء: classifier يقرأ المهمة ويقرر نوع العمل الذي هو، router يربط ذلك بأفضل سلسلة نماذج مع الأخذ بالحسبان الحصة الحية، وdashboard يعرض كل الشيء كدماغ حي نابض. هذا هو التوثيق التقني — ما يفعله كل جزء، لماذا هو مصمم بهذه الطريقة، والفشل التي أدت إلى التصميم.

المشكلة: القائمة ليست موجهًا

الإعداد الساذج هو جدول ثابت: هذا الوكيل يشغل هذا النموذج، والوكيل الآخر يشغل ذلك النموذج. إنه بسيط، لكنه خاطئ لثلاثة أسباب.

أولاً، the budget runs out. Claude يعمل على حصة أسبوعية and حصة جلسة متدحرجة، وتتحرك بشكل مستقل. في أحد الأيام كانت الحصة الأسبوعية عند 15% بينما كانت حصة الجلسة عند 71% — ولأن الراوتر القديم كان يراقب فقط الرقم الأسبوعي، فقد أبلغ أن "Claude متاح، الوضع NORMAL" وتوجّه عمل الترميز مباشرة إلى جدار. رفض CLI كل مكالمة لمدة ثلاث ساعات برسالة "أنت وصلت إلى حد الجلسة" بينما استمر اللوحة في القول إن كل شيء على ما يرام. راوتر لا يقرأ الحد الذي هو فعليًا ملزم ليس راوترًا، بل هو تخمين.

ثانيًا، quality is not one number. نموذج يكتب كودًا جيدًا ليس بالضرورة جيدًا في الاسترجاع طويل السياق أو توليد واجهة المستخدم. تقييم كل نموذج بدرجة "جودة" واحدة عديم الفائدة — لا يمكنه إخبارك بأي نموذج يجب أن يقود المبرمج مقابل الباحث. كل وكيل يحتاج إلى تقييم على محوره own.

ثالثًا، the reviewer must not inherit the writer's blind spots. أقرّن كاتبًا ومراجعًا — الكاتب يكتب، المراجع يشخص — ويجب أن يشغلوا عائلات نماذج different، وإلا سيعيد المراجع فقط ارتكاب نفس الأخطاء. النسخة الأولى من الموجه كانت تستقر دائمًا على نفس النموذج لكلا الرأسين لأنها كسرت التعادل حسب التأخير. ذلك هزم التصميم بالكامل.

لذا كان على الجدول الثابت أن يُستبدل. ما حل محله هو محرك قرار يقرأ الحالة الحية ويحسب، لكل مهمة، أفضل سلسلة نماذج.

المصنف: قراءة المهمة

القطعة الأولى هي مصنف يقرأ المهمة ويقرر نوع العمل الذي تمثله. المدخل هو جملة — «نقطة نهاية الدفع تُعيد 500 في الإنتاج منذ النشر» — والمخرج هو حكم: النوع، المستوى، والأولوية.

أول نسخة كانت regex فقط. عملت، وكانت هشة بالطرق التي تكون فيها regex دائمًا هشة. "محلل السجلات" تم توجيهه خطأً إلى عمليات (إنه مكون كودي، ليس مهمة عمليات). "الدفع يفرض على العملاء رسومًا مرتين" لم يحمل أي مفردات خطأ على الإطلاق، لذا تم تصنيفه كـ unknown وسقط إلى الوكيل الرئيسي — أثناء حادث إنتاج. "إطلاق 500s" لم يطابق نمط رمز الحالة لأن الـ 's' المتتالي كسر حد الكلمة. كل هذه كانت توجيهات خاطئة حقيقية قمت بإصلاحها واحدةً تلو الأخرى، وكل إصلاح كان قاعدة regex جديدة. هذا هو الدليل على أنك تقاتل الأداة الخاطئة.

لذلك يحاول المصنف الآن نموذجًا رخيصًا أولًا — `deepseek-v4-flash:cloud` يقرأ المهمة ويعيد حكمًا بصيغة JSON. إذا كان النموذج غير متاح، يعود إلى المصنف المستند إلى regex. النموذج هو المسار الأساسي؛ regex هو شبكة الأمان. هذا هو نفس الدرس المستفاد من NeMoCo: لا تُسمّي كل حالة يدويًا، تعلم البنية واتركها تنقل.

يتلقى المصنف أيضًا الحصة الحية من مصدر الاستدعاء، لذا لا يمكنه أبدًا الانحراف عن الموجه. يقرأ المصدر حالة الحصة ويمررها؛ المصنف لا يقرأ ملف الحصة مباشرة. القاعدة الأساسية: العمل في الإنتاج لا يُهَدَّد إلى نموذج ضعيف، مهما كان الميزانية ضيقة. يُصنف incident الإنتاج كـ `prod` حتى عندما تستنفد Claude — لا يتم إعادة توجيهه بصمت إلى وكيل خفيف وإبلاغه بأنه انتهى. بل يتوقف، ويتم تشغيل بروتوكول التسليم. خطر الجودة أسوأ من خطر الحصة، والتصميم لا ينسى أبدًا أيهما أي.

الموجه: محرك القرار

الموجه هو المكان الذي يحدث فيه التفكير الحقيقي. يأخذ حكم المصنف والحالة الحية للمزود، ويحسب سلسلة نموذج لكل مستوى مهمة.

النواة هي التقييم القائم على المحور. كل وكيل يُقيَّم على محوره الخاص بالمهارة — المبرمج على توليد الكود، التشخيصي على استدلال التصحيح، الباحث على استرجاع الحقائق، المبدع على توليد واجهة المستخدم، العمليات على استدعاء الأدوات، الرئيسي على التنسيق. جودة النموذج الفعّالة هي نتيجة تقييمه الاصطناعي مرات موثوقيته الملحوظة في الجلسات الفعلية. النموذج الذي يحقق أداءً جيدًا في الاختبارات لكنه يخطئ في الإنتاج يُخفض ترتيبه. هذا هو «طبقة التعلم من الأداء الحقيقي»: التقييم هو القدرة الاصطناعية، وبيانات الموثوقية هي ما صمد فعليًا.

صيغة التقييم هي مصفوفة أوزان بندر: `score = quality·Wq − cost·Wc − latency·Wl + claudeBonus`. التكلفة هي مستوى نسبي من 0 إلى 1، ليست دولارات حقيقية — لأن ollama cloud لا يحتوي على سعر لكل استدعاء وكلود هو اشتراك، لا يمكنك مقياس min-max الصادق بينهما. وهناك حد جودة صارم: المرشح الذي يحصل على تقييم أقل منه على محوره الخاص يُستبعد قبل الترتيب، لذا لا يمكن لنموذج رخيص لكن غبي أن يفوز بالسعر فقط.

يتعامل الموجه أيضًا مع مشكلة عدم الارتباط — حيث يجبر رؤوس المبرمج والتشخيصي على apparten إلى عائلات نماذج مختلفة بحيث لا يرث المراجع نقاط العمياء للكاتب. ويتعامل أيضًا مع اقتصاد الوكلاء الفرعيين: ينفذ الوكيل الفرعي جزءًا من مهمة والده، ويمكن لتفويض واحد أن يتفرع حتى 20×، لذا فإن سلاسل الوكلاء الفرعيين تُعطي وزنًا للتكلفة أعلى بكثير من أي مستوى ثابت. هذا هو ما يبقي كلود خارج سلاسل الوكلاء الفرعيين دون استبعاد صارم — عند وزن تكلفة 0.45 لا يمكنه ببساطة الفوز.

لوحة التحكم: الدماغ الروبوتي

لوحة التحكم هي الجزء الأصعب التقاطه بالنص. وهي تُظهر النظام بأكمله كدماغ حي.

هناك عرض دماغي ثلاثي الأبعاد — بنية عصبية مُ_rendered بواسطة WebGL حيث يكون كل وكيل منطقة، ويمكنك المداورة، والتكبير، والنقر على منطقة للتعمق في سلسلة نموذجها، والإحصاءات، ومحدد التجاوز. وهناك \"قطعة مركزية للدماغ الإلكتروني\" في عرض الشبكة: لوحة دوائر SVG حيث تكون الوكلاء عقد سير عمل متصلة بأثر إشارة متحرك، مع نبض اللوحة بأكملها أسرع أو أبطأ بناءً على النشاط المباشر.

الدماغ ليس مجرد زخرفة. إنه قياسات مرئية. تستخرج لوحة التحكم نشاط كل وكيل من نمو ملف الجلسة بين الاستطلاعات — أقوى إشارة على أن الوكيل يعمل فعليًا — وتعرضها كنبضات إشارة تسير على طول أثر الدوائر. عندما يكون النظام خاملاً، يبطئ الدماغ إلى الزحف. عندما يكون مشغولاً، تتسارع الآثار. يمكنك رؤية الدماغ يفكر.

هناك أيضًا محدد المستوى — ستة أزرار (المستوى 1–4، ودرع \"محلي\"، وإعادة تعيين \"الخط الأساسي\") التي تسمح لك بإجبار الأسطول بأكمله على مستوى جودة معين. وهناك تجاوزات نموذج لكل وكيل، محفوظة في ملف، بحيث يمكنك تثبيت نموذج معين لوكيل معين عندما لا يكون اختيار الموجه المباشر هو ما تريده. لوحة التحكم هي سطح التحكم للدماغ.

الفشل الذي شكّله

كل قرار تصميم هنا هو ندبة من فشل حقيقي، وهي تستحق الإدراج لأنها المحتوى الفعلي للأسبوع:

• نقطة العمياء لحد الجلسة. كان الموجه يبوّب فقط على الحصة الأسبوعية وتجاهل حصة الجلسة التي كانت ملزمة فعليًا. الحل: اقرأ كليهما، ودع الأشد واحدًا يفوز.
• عطل غلاف الاختبار. كتب اختبار rev1 ملفه في غلاف `{value:[...]}` بدلاً من مصفوفة عادية، لذا فقد كل حقل `.model` في كل صف وحصل الموجه بصمت على خريطة فارغة. لم تصل بيانات الاختبار أبدًا إلى الموجه، ولم يشتكي أحد. الحل: فكّ غلاف الشكل القديم بحيث لا تزال الملفات القديمة تُحمَّل.
• عكس محور-معيار. أعطى معيار المحور opus 0.50 في استدلال التصحيح — أقل من نموذج لا ينبغي أبدًا مراجعة كود الإنتاج. السماح له بإعادة ترتيب مستويات الإنتاج كان سيجعل المراجع هو الكاتب. الحل: مستويات الإنتاج ليست غير مُعاد ترتيبها بواسطة المعيار. معيار الكلمة ليس دليلًا قويًا بما يكفي لإبطال قرار تصميم مُصرّح به.
• حلقة الموت لنافذة السياق. وضع نموذج بسياق 131k في رأس طبقة التنسيق أدى إلى تجاوز النافذة وتشغيل حلقة الموت للضغط. الحل: يجب أن يكون لكل مرشح تنسيق نافذة مريحة تفوق ميزانية السياق بالإضافة إلى الاحتياطي.
• عدم موثوقية لا عملية. تخزن سجلات الجلسات اسم النموذج العاري بينما يحمل المرشحون بادئة المزود، لذا يطابق طبقة الموثوقية بصمت لا شيء. الحل: أزل البادئة قبل المطابقة.

ما أستخلصه

انتهى منشور NeMoCo بـ: العلامات هي اختصار، والبنية هي ما يهم، ويمكنك تعلم البنية من التجربة الخام. هذا الأسبوع كان النسخة الهندسية من ذلك. لم أكتب قاعدة يدويًا لكل مهمة — بل بنيت مصنفًا يقرأ المهمة وموجهًا يقرأ الحالة الحية، وسمحت لبنية العمل بأن تقرر الأداة. كان المصنف المستند إلى التعبيرات العادية هو نهج "العلامات"، وانكسر بالضبط حيث تنكسر العلامات دائمًا: عند الأطراف، وفي الحالات التي لم تتوقعها. المصنف المدعوم بالنموذج هو نهج "البنية": تعلم النمط، انقله، وارجع بأمان.

لوحة التحكم في الدماغ هي الجزء الذي يجعله يبدو حقيقيًا. عندما يمكنك مراقبة نبضات الإشارة وهي تتسابق على مسارات الدائرة بينما يعمل الوكلاء فعليًا، وترى النظام كله يتباطأ إلى زحف عندما يكون خاملاً، فأنت لا تنظر إلى ملف إعداد بعد الآن. أنت تنظر إلى نظام يملك نبضًا.

الموجه مفتوح المصدر من حيث الروح — إنه مجموعة من النصوص في مساحة عملي، `classify-job.mjs`، `model-router-core.ps1`، `quota-dashboard.mjs` — ويشتغل على مزيج من Claude، ونماذج ollama السحابية، ونموذج محلي لا يستهلك شيئًا. ليس نظامًا مؤسسيًا مقفلًا. إنه محرك قرار يمكنك بناؤه بنفسك، والفشل الذي شكّله هو الجزء المفيد.

هذا هو الدرس. القائمة هي قائمة. الموجه هو قرار. والدماغ هو ما تحصل عليه عندما يُتخذ القرار مباشرةً، ضمن ميزانية تنفد، بواسطة نظام يتعلم من أخطائه.