يعتمد الكثير من المطورين على "الإحساس" في إدارة فرق الوكلاء وتنسيق عملهم، لكن هل هذا الأسلوب فعّال حقًا؟
في هذا المقال، سأستعرض خمسة أنماط مدعومة بالأبحاث لإدارة فرق الوكلاء في Antigravity أو Claude Code أو أي وكيل برمجة آخر. وسواء كنت تبني تطبيقات جديدة، أو تصيّن قواعد تعليمات برمجية قديمة، أو تُجري أبحاثًا، ستتعرف على الحالات التي يتفوق فيها كل نمط على استخدام وكيل واحد، وستحصل على مطالبات جاهزة لتجربتها بنفسك.
بقلم: YK Sugi، مهندس أول لعلاقات المطورين، Google Cloud
1. افصل بين الباني والمُدقّق. بدلًا من تكليف وكيل واحد بكل شيء، يمكننا فصل البناء والتحقق في مسارين (threads) مستقلين. يقوم وكيل بالبناء، بينما يتولى وكيل ثانٍ في مسار جديد التحقق مما إذا كانت النتيجة تنفذ ما طلبته. فالنموذج الذي يراجع عمله في نفس المسار قد يتأثر بما أنتجه سابقًا.
وفي الواقع، تُظهر الدراسات أن النماذج ليست جيدة في تقييم عملها الخاص. فهي تواجه صعوبة في تصحيح استنتاجاتها دون تغذية راجعة خارجية، وتميل إلى تفضيل مخرجاتها على مخرجات غيرها.
استخدم هذا النمط للتغييرات المهمة. أما المراجعة الذاتية فلا تزال مقبولة للتغييرات الصغيرة، أو عندما توفر الاختبارات تغذية راجعة.
المطالبة: ابدأ بوكيل فرعي جديد يعمل كمُدقق للقراءة فقط. اجعله يتحقق مما إذا كان هذا الفرق (diff) ينفذ ما طلبته.

2. قسّم العمل إلى مسارات. عندما يمكن تقسيم المهمة بوضوح، خصص لكل جزء مسؤولًا عنه، مثل وكيل فرعي للواجهة الأمامية، وآخر للخلفية، وثالث للتوثيق. واجعلهم يعملون بالتوازي دون تعديل الملفات نفسها.
في دراسة عام 2026 شملت 652 مهمة برمجية، انخفض معدل نجاح وكيلين يعملان على كود متداخل بنحو 30% مقارنة بوكيل واحد يؤدي المهمتين.
وفي دراسة مشتركة بين جوجل ومعهد ماساتشوستس للتكنولوجيا (MIT)، تفوقت فرق الوكلاء على الوكيل الواحد بنسبة تصل إلى 80.8% في معيار تقييم مالي ذي أجزاء مستقلة، بينما تراجع أداؤها بنسبة تتراوح بين 39% و70% في معيار تقييم للتخطيط تعتمد فيه كل خطوة على سابقتها.

أما بالنسبة للأعمال التي يصعب تقسيمها إلى أجزاء واضحة كالواجهة الأمامية والخلفية، فغالبًا ما يكون المسار الواحد أفضل. وينطبق الأمر نفسه على إصلاحات الأخطاء البرمجية الصغيرة، حيث لم تُجدِ الوكلاء الفرعية المتوازية نفعًا في دراسة أخرى.
المطالبة: ابدأ بثلاثة وكلاء فرعيين بالتوازي: أحدهم للواجهة الأمامية في web/، والثاني للخلفية في api/، والثالث للتوثيق في docs/. يعدّل كل منهم الملفات الموجودة في مجلده فقط. وعندما ينتهي الثلاثة، تحقق من أن الأجزاء تعمل معًا بشكل متكامل.

3. الأفضل من بين N (Best of N). نفّذ المهمة ذاتها عدة مرات بالتوازي، ودع مجموعة اختبارات أو عملية تقييم تختار الفائز. هكذا عمل نظام AlphaCode البرمجي من DeepMind؛ فقد ولّد العديد من البرامج المرشحة ثم صفّاها بتشغيلها. وقد أثبتت هذه الطريقة فعاليتها في مسابقات البرمجة.
وفي دراسة أجريت عام 2024 حول نهج "الأفضل من بين N"، استمرت معدلات النجاح في الارتفاع عبر آلاف المحاولات في المهام ذات الفحوصات التلقائية. وفي مشكلات GitHub الحقيقية، ارتفعت نسبة حل أحد النماذج للمشكلات من 15.9% في محاولة واحدة إلى 56% بعد 250 محاولة. وبدون فحص تلقائي، استقر اختيار الفائز بالتصويت بالأغلبية أو عبر نموذج تسجيل عند نحو 100 محاولة.

المطالبة: شغّل خمسة وكلاء فرعيين بالتوازي على Gemini 4 Hydrogen، ليحاول كل منهم تحسين هذا الكود في شجرة العمل (worktree) الخاصة به. قيّم كل محاولة باستخدام معايير التقييم، واختر الأفضل، وأخبرني بالنتيجة.
4. مجلس النماذج. اطلب من عدة نماذج تقديم مقترحات مستقلة، واجعل حُكامًا يصوتون عليها مع إخفاء أسماء النماذج، ثم ادمج أقوى الأفكار. استخدم هذا الأسلوب عندما لا يوجد اختبار واضح أو فحص تلقائي، كما في التصميم المعماري أو المرئي.
في إحدى الدراسات، حقق دمج إجابات عدة نماذج نتائج أعلى من نموذج رائد واحد. وفي دراسة أخرى، تطابقت أحكام لجنة من نماذج مختلفة مع الحكم البشري بشكل أفضل من حكم واحد صادر عن نموذج كبير.

على سبيل المثال، صممت شعار السفينة هذا باستخدام مجلس من النماذج. فقد نقلته جولتان من المحاولة الأولى البسيطة إلى الأيقونة النهائية.

المطالبة: اطلب من Gemini 4 Carbon وGemini 4 Neon وClaude Opus 5.5 تقديم تصميم مستقل واحد لكل منها. ثم اجعل ثلاثة وكلاء جدد على Gemini 4 Carbon وGemini 4 Neon وClaude Opus 5.5 يقيّمون التصاميم مع إخفاء أسماء النماذج. ادمج أفضل الأفكار في التصميم الفائز.
5. فريق المُراجعين. شغّل عدة مراجعين للقراءة فقط بالتوازي، لكل منهم مهمة واحدة، كتجربة المستخدم (UX) أو الأمان.
في دراسة كلاسيكية أُجريت عام 1995 على مراجعين بشريين، اكتشفت الفرق التي بحث كل عضو فيها عن نوع مختلف من الأخطاء أخطاءً أكثر بنحو 35% مقارنة بالفرق التي استخدم فيها الجميع قائمة تحقق عامة واحدة للأخطاء الشائعة.
ويبدو أن النمط ذاته ينطبق على المراجعين من الذكاء الاصطناعي. ففي دراسة حول حُكام النماذج اللغوية الكبيرة، تطابق فريق بأدوار مختلفة مع الحكم البشري بشكل أفضل من حاكم واحد، بينما تراجع أداؤه عندما اشترك الجميع في دور واحد.

المطالبة: ابدأ بأربعة مراجعين للقراءة فقط بالتوازي لتقييم تجربة المستخدم، وبساطة الكود، والحالات الحدية، والأمان. أصلح ما يبلغون عنه، ثم كرر العملية مع مراجعين جدد حتى يوافق الأربعة جميعًا.
هذه الأنماط هي لبنات بناء وليست قواعد صارمة. يمكنك المزج بينها واختيار ما يناسبك، لكن إليك مخططًا انسيابيًا بسيطًا يرشدك إلى النمط المناسب لكل حالة:






