مساعد ذكاء اصطناعي واحد يدفع عشرة مشاريع في وقت واحد: كيف تعمل جدولة المهام المتعددة والذاكرة طويلة المدى في Dots؟

ملاحظة المؤلف: يحتاج الوكيل متعدد المشاريع إلى سياق مستقل لكل مهمة، وحالة محفوظة بشكل دائم، وجدولة للمهام، وآلية استعادة؛ وبها فقط يصبح العمل المتوازي قابلاً للتتبع ودون تداخل.

قدرة مساعد الذكاء الاصطناعي على دفع عدة مشاريع في الوقت نفسه تتوقف على أربعة أمور: سياق مستقل لكل عمل، وحفظ حالة التنفيذ بشكل دائم، وجدولة موحّدة ترتب الأولويات والتزامن، وإمكانية الاستئناف من نقطة تحقق بعد الانقطاع. ليس صعبًا استدعاء عدة نماذج في آن واحد؛ الصعب هو أن يتذكر كل استدعاء ما يفعله.

أما Dots التي أطلقتها OpenAI في 29 سبتمبر 2026 فتعتمد هذا النمط. توضح الوثائق الرسمية أن Dot الواحد يمكنه إدارة عدة مسؤوليات، وتوزيع العمل على وكلاء خلفيين لمعالجته بالتوازي. كل مهمة جديدة تحصل على سياق محادثة خاص بها، ولا ترث تلقائيًا كامل تاريخ المحادثة بين المستخدم وDot. ويمكن للمطورين بناء نظام مشابه لإدارة المشاريع المتعددة باستخدام Checkpointer وStore وقائمة انتظار المهام وآلة الحالة.

في ما يلي نفكك أولاً آلية المهام المتعددة والذاكرة في Dots استنادًا إلى المصادر الرسمية، ثم نبني عبر مثال لإدارة المشاريع يتكرر في المقال تصميمًا متدرجًا يشمل بنية مهام من أربع طبقات، وجدولة متوازية، واستعادة بعد الانقطاع، وتتبع التنفيذ، وحدود التكلفة. التعبير «عشرة مشاريع» في العنوان مجرد صياغة توضيحية لنمط العمل؛ فليس في Dots ولا في الأنظمة المبنية ذاتيًا تزامن ثابت بعشر مسارات، ولا تزامن غير محدود. أما شيفرة الوكيل المبنية ذاتيًا في المقال فهي تصميم مقترح، ولا تُرفق بنتائج تشغيل مُتخيَّلة.

dots-multi-task-scheduling-long-term-memory-ar-image-0


للمعرفة: مصطلحات جدولة المهام المتعددة في Dots

المصطلح الشرح
Workspace مساحة عمل تُنظّم المشاريع والصلاحيات، وعادةً ما تقابل مستخدمًا واحدًا أو فريقًا واحدًا.
Project وحدة مشروع تضم الأهداف والمواد والمهام ذات الصلة.
Task عمل له هدف واضح، مثل “البحث عن أخبار OpenAI اليوم”.
Run سجل تنفيذ فعلي واحد لمهمة ما، ويمكن تنفيذ المهمة نفسها مرات عديدة.
الوكيل الخلفي منفّذ يرسله Dot لمعالجة المهام الفرعية بالتوازي، ثم يقدّم تقريرًا إلى Dot بعد الانتهاء.
Checkpointer مكوّن يحفظ نقاط التحقق لتنفيذ المهام، ومسؤول عن الاستئناف بعد الانقطاع.
Store مكوّن تخزين يحفظ المعلومات طويلة الأمد عبر المهام، ومسؤول عن استمرارية سياق المشروع.
آلة الحالة آلية تدير انتقال المهمة بين مراحلها وفق قواعد، مثل قيد الانتظار، وقيد التنفيذ، وبانتظار الموافقة.
حد التزامن الحد الأعلى لعدد المهام المنفذة في الوقت نفسه، ويتأثر بحصة API وموارد الخادم والتكلفة.
Tracing قدرة على تسجيل استدعاءات النماذج واستدعاءات الأدوات وعمليات التسليم.
Proactive Research بحث خلفي للقراءة فقط تقوم به Dots على مصادر بيانات مصرّح بها عندما لا تصل رسائل جديدة.

1 تنسيق المهام المتعددة في Dots: لماذا يستطيع Dot واحد تحمل مسؤوليات متعددة؟

1.1 قدرات المشاريع المتعددة التي أعلنتها Dots رسميًا

وفقًا للتعريف الرسمي، Dots وكيل شخصي دائم التشغيل. لديه حاسوب سحابي ومتصفح خاص به، ويستطيع مواصلة العمل الموكل إليه حتى بعد مغادرة المستخدم. وفي ما يتعلق بتعدد المهام، يورد مستند Tasks and memory القدرات التالية:

  • الاحتفاظ بحالة عدة عناصر عمل في الوقت نفسه، والتبديل بين المهام داخل المحادثة نفسها؛
  • إمكانية إضافة المستخدم لمعلومات جديدة وتعديل الأولويات في أي وقت؛
  • تقسيم المهمة المعقدة إلى عدة أجزاء وتسليمها إلى وكلاء خلفيين لمعالجتها بالتوازي؛
  • إنشاء مسارات مهام مستقلة ومرئية، ثم جمع نتائج كل مهمة وتلخيصها؛
  • طلب تدخل المستخدم عند تعطل سير العمل، مع بقاء إمكانية إرسال الرسائل أثناء تشغيل المهام الخلفية.

ومع اجتماع هذه القدرات، يصبح الدور الذي يؤديه Dot أشبه بدور منسق مشروع. فهو يحدد ما الذي يُنفذ أولًا، وما الذي يُفصل إلى مهمة مستقلة، وما الذي يُعاد إلى المستخدم، بينما يمكن أن يتولى وكيل خلفي أو مهمة ChatGPT Work أو مهمة Codex التنفيذ الفعلي لمهمة واحدة.

1.2 الفرق بين المحادثات المتعددة والمهام المتعددة والوكلاء المتعددين

كثيرًا ما تُخلط هذه المفاهيم الثلاثة، مع أن كلًّا منها يعالج مشكلة مختلفة. لنستخدم مثالًا موحّدًا: افترض أن مساحة عمل المستخدم تضم ثلاثة مشاريع: AI Radar (نشرة أخبار AI اليومية)، وWebsite (إعادة تصميم الموقع)، وResearch (دراسة المنافسين).

النمط طريقة العمل ما يظهر في المثال المشكلة التي يحلها
المحادثات المتعددة يفتح المستخدم نافذة محادثة مستقلة لكل مشروع على المستخدم نفسه أن يتذكّر إلى أي خطوة وصل Research عزل محتوى المحادثات، مع بقاء إدارة التقدم بيد الإنسان
المهام المتعددة يحتفظ منسّق واحد بحالة مهام متعددة يسجّل Dot تقدم المشاريع الثلاثة وأولوية كل منها جدولة موحّدة وتتبع للحالة
الوكلاء المتعددون يوزّع المنسّق المهام الفرعية على عدة منفّذين يجمع وكيل خلفي المواد، بينما يكتب منفّذ آخر التقرير تنفيذ متوازٍ وتخصص في الأدوار

يجمع Dots هذه الطبقات الثلاث معًا: يتواصل المستخدم مع Dot من مدخل واحد، ويحتفظ Dot بمهام متعددة، ويوزّع الوكلاء الخلفيين حسب الحاجة. ولكي يحاكي نظام تبنيه بنفسك هذا الأثر، عليه تنفيذ الطبقات الثلاث كلها؛ فمجرد فتح عدة نوافذ محادثة لا يكفي إطلاقًا.

1.3 ملاحظة أحد المستخدمين حول التنفيذ المتوازي

وصف مستخدم على Reddit اختبارًا استمر يومًا واحدًا. سلّم إلى Dot مئات ملفات PDF وآلاف الصفحات من المستندات لمراجعتها، بينما كان يشغّل مهام بحث قانوني. ولاحظ وجود ثلاث عمليات تنفيذ في الوقت نفسه: حاسوب Dot السحابي يعالج المهمة A، وحاسوب Linux متصل به يعالج المهمة B، ووكيل بحث خلفي آخر يعالج المهمة C. وذكر أيضًا أنه عند بدء مهمة بحث قانوني مستقلة واجه عدم توفر بيئة التنفيذ، ولم تنجح إحالة المهمة إلا بعد توصيل حاسوب محلي.

تشير هذه الملاحظة الشخصية إلى أن حاسوب Dot السحابي والحاسوب المحلي وبيئة Work/Codex موارد تنفيذ مختلفة. ويشير المؤلف نفسه أيضًا إلى أنه لم يتحقق مما إذا كانت هذه المسارات تمتلك حصصًا مستقلة وغير محدودة. لذا لا يثبت هذا الاختبار سوى أن Dots يستطيع توزيع العمل على بيئات مختلفة، ولا يمكن الاستنتاج منه أن كل مستخدم Pro سيحصل على الحجم نفسه من التنفيذ المتوازي.


2 ذاكرة Dots طويلة المدى: لماذا تحتاج المهمة إلى ذاكرة مستقلة؟

2.1 حدود سياق المهمة الجديدة

تنص الوثائق الرسمية صراحةً على أن: لكل مهمة جديدة سياق محادثة خاص بها، ولا تحصل تلقائيًا على كل المحادثات السابقة بين Dot والمستخدم. ويستطيع Dot استرجاع محادثات ChatGPT السابقة للبحث عن سياق، ولا يُستخدم المحتوى المسترجع إلا كسياق للعمل الحالي.

هذا التصميم عملي. فلو حمّلت كل مهمة كل السجل، فقد يختلط تقرير المنافسين الخاص بمشروع Research بمناقشات إعادة تصميم مشروع Website، كما سيصبح السياق أطول وأكثر تكلفة بمرور الوقت. تحتاج المشاريع طويلة المدى إلى إدارة صريحة لما «يجب أن تعرفه هذه المهمة»، ولا يكفي سجل محادثة واحد يزداد طولًا لتحقيق ذلك.

2.2 الطبقات الأربع لبيانات ذاكرة Dots

وفقًا للمعلومات الرسمية، يأتي سياق Dot من أربعة مصادر مختلفة:

  1. ChatGPT Memory: يستطيع Dot قراءة ذاكرات ChatGPT ذات الصلة والمحادثات الأخيرة؛
  2. ملاحظات Dot الخاصة: تتراكم فيها تفضيلات المستخدم وعاداته في العمل وقرارات المشروع والمسؤوليات طويلة المدى؛
  3. سياق المهمة الحالية: التعليمات والملفات ونتائج الاسترجاع ونتائج تنفيذ الأدوات في هذه المحادثة؛
  4. بيانات التطبيقات المتصلة: يقرأ Dot بيانات التطبيقات المصرح بها، ويمكنه تكوين ذاكرة من خلال البحث الاستباقي.

تختلف دورة حياة كل طبقة من هذه الطبقات. تنتمي ChatGPT Memory وملاحظات Dot إلى طبقات بيانات مختلفة؛ لذا فإن إيقاف مشاركة ChatGPT Memory لا يحذف تلقائيًا المعلومات التي حصل عليها Dot، كما أن فصل الملحق يوقف الوصول الجديد فقط. حتى 16 نوفمبر 2026، لا يستطيع المستخدمون عرض ذاكرة Dot المستقلة أو تعديلها أو حذفها عنصرًا بعنصر، ويؤدي حذف Dot إلى بدء حذف السياق الخاص به. وعند تصميم طبقة ذاكرة لنظام مبني ذاتيًا، يمكن الاستفادة من هذا التصميم متعدد الطبقات، مع إضافة واجهة إدارة تتيح العرض والحذف.


3 Checkpointer وStore: نوعا الذاكرة في وكيل المهام المتعددة

تصنّف وثائق الاستمرارية (persistence) في LangGraph ذاكرة الوكيل إلى فئتين، وهذا التقسيم يقابل تمامًا «سياق المهمة» و«الملاحظات طويلة الأمد» في Dots. وفيما يلي نواصل استخدام تقرير المنافسين الشهري في مشروع Research كمثال للتوضيح.

3.1 Checkpointer: تذكّر إلى أي خطوة وصل العمل

يحفظ Checkpointer لقطة تنفيذ لخيط مهمة واحد، وتشمل محتواها الخطوة الحالية، والأدوات التي تم استدعاؤها، ونتائج إرجاع الأدوات، وأي خطوة تنتظر موافقة بشرية. في المثال، كانت مهمة التقرير الشهري قد انتهت من جمع صفحات أسعار 6 منافسين، وبينما كانت تستعد للتحليل أُعيد تشغيل الخدمة. وبوجود نقطة التحقق، يمكن للمهمة أن تكمل من خطوة «التحليل»، دون إعادة جمع المواد التي جُمعت بالفعل.

وسيط التخزين هو ما يحدد قدرة نقاط التحقق على النجاة من إعادة التشغيل. فالتنفيذ في الذاكرة مناسب للتطوير والاختبار، لكن الحالة تضيع بعد إعادة تشغيل العملية؛ والتخزين المحلي الدائم يمكن أن يستخدم SQLite، أما الخدمات المنشورة طويلة الأمد فـPostgreSQL أنسب لها. نقاط التحقق تنمو باستمرار، لذا تحتاج أنظمة الإنتاج إلى وضع سياسة لتنظيف الحالات القديمة.

3.2 Store: تذكّر خلفية المشروع

يحفظ Store مواد طويلة الأمد تعبر المهام والجلسات، مثل تفضيلات المستخدم وخلفية المشروع والقرارات التاريخية والمعرفة المشتركة بين عدة مهام. في المثال، فإن «قرّاء التقرير هم فريق المنتج» و«نتابع فقط أسعار API وتحديثات الميزات» و«قرّرنا الشهر الماضي التوقف عن متابعة منافس معيّن توقف عن التحديث» كلها من محتويات Store. وعند إنشاء مهمة تقرير جديدة الشهر القادم، ستقرأ هذه القرارات، ولن يحتاج المستخدم إلى إعادة شرحها.

3.3 مقارنة مسؤوليات Checkpointer وStore

البُعد Checkpointer Store
نطاق التأثير خيط مهمة واحد مهام متعددة، عبر الخيوط
ما يُحفظ لقطة حالة التنفيذ مواد وحقائق طويلة الأمد
القيمة الأساسية استئناف العمل بعد الانقطاع استمرار خلفية المشروع في المهمة الجديدة
مثال المحتوى «تم جمع صفحات أسعار 6 شركات، الخطوة التالية التحليل» «قرّاء التقرير هم فريق المنتج»
دورة الحياة تتبع حالة المهمة، ويمكن تنظيفها بعد الإكمال تُحفظ وتُحدَّث وفق سياسة الذاكرة طويلة الأمد

تقسيم الأدوار بينهما واضح، ولا يمكن الاستغناء عن أي منهما. فبوجود Checkpointer وحده، تصبح كل مهمة جديدة كموظف جديد يلتحق بالعمل؛ وبوجود Store وحده، فبمجرد انقطاع المهمة يجب البدء من الصفر.

dots-multi-task-scheduling-long-term-memory-ar-image-1

دورة «قراءة الخلفية — كتابة اللقطة — إعادة كتابة القرارات» في الشكل أعلاه يمكن ربطها مباشرة بكود القسم 6. ويستدعي الكود النموذجي النموذج عبر واجهة متوافقة مع OpenAI من APIYI apiyi.com، وعند تغيير النموذج لا يلزم سوى تعديل اسم النموذج.


4 تصميم نظام إدارة المهام متعدد المشاريع: Workspace وProject وTask وRun

4.1 البنية الرباعية والمعرّفات المستقلة

عند بناء Agent خاص بك لإدارة عدة مشاريع، يُنصح بتبنّي بنية من أربع طبقات، ولكل طبقة معرّف مستقل:

الطبقة الوظيفة مثال
Workspace إدارة مساحة عمل مستخدم واحد وأذوناته regulus
Project إدارة أهداف مشروع مستقل ومواده AI Radar، Website، Research
Task إدارة مهمة محددة Daily News، Monthly Report
Run تسجيل تنفيذ فعلي واحد تنفيذ Daily News في 2026-11-16 09:00

البنية الشجرية المقابلة كما يلي:

Workspace: regulus
├── Project: AI Radar
│   ├── Task: Daily News
│   │   ├── Run: 2026-11-16
│   │   └── Run: 2026-11-17
│   └── Task: Topic Discovery
├── Project: Website
│   ├── Task: UI Improvement
│   └── Task: Bug Fix
└── Project: Research
    ├── Task: Competitor Analysis
    └── Task: Monthly Report

إن فصل تسجيل Task عن Run هو النقطة الجوهرية. يعمل Daily News مرة واحدة كل يوم، ولكل Run مدخلاته ومخرجاته وزمن تنفيذه وحالته؛ وإذا حدث خطأ يمكن تحديد موقعه بدقة وصولًا إلى يوم معيّن وتنفيذ معيّن في ذلك اليوم.

4.2 نطاق الوصول إلى الذاكرة وعزل المشاريع

عندما يدير Agent واحد عدة مشاريع، فإن ملفات المشاريع لا تستطيع افتراضيًا قراءة بعضها من بعض. ويُقترح تقسيم نطاق الوصول إلى الذاكرة حسب الطبقات:

  • تفضيلات المستخدم العامة (مثل كتابة التقارير بالصينية وتقديم الاستنتاج أولًا): يمكن لجميع المشاريع المصرّح لها قراءتها؛
  • خلفية المشروع (مثل قرّاء Research ونطاق التتبع): لا يمكن إلا لمهام ذلك المشروع قراءتها؛
  • سجل المهمة الواحدة: لا يمكن إلا للمهمة الحالية والمهام المرتبطة المصرّح بها صراحةً قراءته؛
  • بيانات عملاء المؤسسات: لا يمكن إلا لمشروع العميل المحدد قراءتها؛
  • بيانات الاعتماد الحساسة: تُحفظ في مخزن آمن مستقل، ولا تدخل أبدًا في سياق النموذج.

وعند مشاركة المواد بين المشاريع، يجب تسجيل المصدر ونطاق التصريح. وهذا يتوافق مع ما تفعله Dots: فالوثائق الرسمية توضح أن سياق Dot لا يحتفظ ببيانات الاعتماد ولا بالصور ولقطات الشاشة، وأن حدود الأذونات تُتحكم بها أذونات الإضافات وCustom Rules معًا.


5 جدولة المهام المتعددة: كيف نجعل المهام متوازية دون أن يتداخل بعضها في بعض

5.1 فصل المجدول عن استدلال الوكيل

نقترح أن نوزّع سؤالَي «متى تُنفَّذ المهمة؟» و«كيف تُنفَّذ؟» على مكوّنَين منفصلَين. يتولى المجدول توقيت البدء، واختيار المشروع، وعدد المهام قيد التشغيل حاليًا، والأولوية، والمهلة الزمنية، وإعادة المحاولة؛ بينما يتولى الوكيل فهم المهمة، ووضع الخطوات، واختيار الأدوات، وتحليل النتائج، وتسليم المخرجات. بهذه الطريقة يمكن تنفيذ قواعد الجدولة بشكل حتمي، بينما يتعامل النموذج فقط مع الأجزاء التي تحتاج إلى استدلال.

عند اختيار التقنيات، يمكن الاستعانة بهذا المزيج: يتولى APScheduler إدارة المهام الدورية، ويعمل Celery كقائمة انتظار للمهام الخلفية، ويتولى Redis تمرير الرسائل والتنسيق قصير المدى، ويحفظ PostgreSQL المشاريع وحالة التنفيذ، وتدير أطر مثل LangGraph سير عمل الوكيل وحالته الدائمة. أما النماذج الأولية صغيرة الحجم، فيمكن تشغيلها باستخدام asyncio في Python مع SQLite أيضًا؛ وهكذا صُممت الشفرة الواردة في القسم 6.

5.2 ثلاثة أنماط للتوازي

لدى الوكيل متعدد المهام ثلاثة أنماط للتوازي على الأقل:

  1. توازٍ بين مهام مستقلة: الأخبار اليومية في AI Radar والتقرير الشهري في Research لا يعتمد أحدهما على الآخر، ويمكن تشغيلهما في الوقت نفسه؛
  2. توازٍ بين المهام الفرعية: يُقسّم المشروع إلى مهام فرعية مثل جمع المواد والتحقق من الحقائق، وتُجري كل منها على حدة؛
  3. توازٍ بين أدوار النماذج: تتولى نماذج مختلفة أعمالاً تخصصية مختلفة، ثم تُجمع النتائج في النهاية.

تشمل القيود التي تحدد إمكانية التوازي: حصة التزامن في API، وموارد الخادم، واعتماد المهام على بعضها، والتنافس على الكتابة في قاعدة البيانات، وتكلفة النموذج، وتعارض النتائج، والتكرار في التنفيذ.

5.3 مثال: جمع المواد، وتحليل البيانات، وتوليد التقرير

يُقسّم التقرير الشهري لمشروع Research إلى ثلاث مهام فرعية. يمكن أن يجري جمع المواد بالتوازي مع الأخبار اليومية في AI Radar؛ أما تحليل البيانات فيعتمد على نتائج جمع المواد، ولا بد أن ينتظر اكتمالها؛ وتوليد التقرير يعتمد على استنتاجات التحليل، وبعد اكتماله ينتقل إلى حالة انتظار الموافقة، ولا يُعد تسليمًا إلا بعد تأكيد المستخدم.

dots-multi-task-scheduling-long-term-memory-ar-image-2

قد يبدو تشغيل المهام الثلاث معًا أسرع، لكن تحليل البيانات سيخرج باستنتاجات فارغة لأنه لم يحصل على المواد، وقد يختلق البيانات من تلقاء نفسه. علاقات الاعتماد تحدد أي المهام يجب أن تُنفَّذ على التوالي، وسقف التزامن يحدد عدد المهام التي يمكن تشغيلها في الوقت نفسه، وينبغي كتابة الأمرين معًا في المجدوِل، فترك القرار للنموذج ليقدّره في اللحظة كثيرًا ما يؤدي إلى الخطأ.

5.4 توزيع أدوار النماذج

المهمة الفرعية نوع النموذج الموصى به سبب الاختيار المنصات المتاحة
جمع المواد وتلخيصها نموذج خفيف وسريع حجم الاستدعاءات كبير، والحساسية للتكلفة عالية APIYI apiyi.com، وAPI الرسمي
تحليل البيانات نموذج بقدرة استدلال قوية يتطلب مقارنات وحسابات متعددة الخطوات APIYI apiyi.com، وAPI الرسمي
توليد التقرير نموذج بقدرة قوية على كتابة النصوص الطويلة متطلبات عالية للبنية وجودة التعبير APIYI apiyi.com، وAPI الرسمي
التحقق من الحقائق نموذج مختلف عن نموذج الكتابة تحقق متقاطع لتقليل الأخطاء الناتجة عن المصدر نفسه APIYI apiyi.com، وAPI الرسمي

يُحدد النموذج الفعلي وفق قائمة النماذج الحالية على المنصة. وعند ربط مفتاح واحد بعدة نماذج، يمكن ضبط توزيع الأدوار عبر الإعدادات دون الحاجة إلى تغيير بنية الشيفرة.


6 البدء السريع: بناء نموذج أولي لوكيل متعدد المهام باستخدام واجهة موحدة

6.1 مثال مبسّط: حقن سياق المشروع في المهمة

يوضح الكود التالي الفكرة الجوهرية: قبل تنفيذ المهمة، لا نستخرج من الذاكرة طويلة الأمد إلا خلفية المشروع الذي تنتمي إليه المهمة.

from openai import OpenAI

client = OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"  # واجهة APIYI المتوافقة مع OpenAI
)

# Store: خلفية طويلة الأمد معزولة حسب المشروع
project_memory = {
    "research": "读者:产品团队;只跟踪 API 价格与功能更新;报告结论先行",
    "ai-radar": "每日 09:00 汇总 OpenAI、Anthropic、Google 官方动态",
}

def run_task(project_id: str, goal: str) -> str:
    resp = client.chat.completions.create(
        model="gpt-4.1-mini",
        messages=[
            {"role": "system", "content": f"项目背景:{project_memory[project_id]}"},
            {"role": "user", "content": goal},
        ],
    )
    return resp.choices[0].message.content

print(run_task("research", "列出本月需要关注的竞品更新清单"))

6.2 تصميم كامل: آلة الحالة ونقاط التحقق والاعتماديات والتزامن

الكود التالي هو تصميم مقترح يغطي Store وCheckpoint وآلة الحالة وجدولة الاعتماديات وحدود التزامن وإعادة المحاولة والمهلة وسجل التنفيذ، بهدف توضيح كيف تتعاون هذه المكوّنات معًا. لم يتم التحقق منه في بيئة إنتاج، ولا يقدّم المقال أي نتائج تشغيل افتراضية.

عرض كود التصميم الكامل
import asyncio, json, sqlite3, time, uuid
from dataclasses import dataclass, field
from enum import Enum
from openai import AsyncOpenAI

client = AsyncOpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"  # واجهة APIYI الموحدة: مفتاح واحد للتبديل بين عدة نماذج
)

class Status(str, Enum):
    PENDING = "pending"; RUNNING = "running"; WAITING = "waiting"
    APPROVAL = "approval"; COMPLETED = "completed"
    FAILED = "failed"; CANCELLED = "cancelled"; PAUSED = "paused"

db = sqlite3.connect("agent.db")
db.executescript("""
CREATE TABLE IF NOT EXISTS store(
  scope TEXT, key TEXT, value TEXT, source TEXT, PRIMARY KEY(scope, key));
CREATE TABLE IF NOT EXISTS checkpoint(
  run_id TEXT, task_id TEXT, step TEXT, state TEXT, ts REAL);
CREATE TABLE IF NOT EXISTS runs(
  run_id TEXT PRIMARY KEY, workspace_id TEXT, project_id TEXT, task_id TEXT,
  model_id TEXT, input_tokens INT, output_tokens INT,
  duration REAL, retry_count INT, final_status TEXT);
""")

def store_get(scopes: list[str]) -> str:
    """لا يقرأ إلا النطاقات المصرّح بها: user و project:<id>"""
    marks = ",".join("?" * len(scopes))
    rows = db.execute(f"SELECT key, value FROM store WHERE scope IN ({marks})", scopes)
    return "\n".join(f"- {k}: {v}" for k, v in rows)

def save_checkpoint(run_id, task_id, step, state):
    db.execute("INSERT INTO checkpoint VALUES (?,?,?,?,?)",
               (run_id, task_id, step, json.dumps(state, ensure_ascii=False), time.time()))
    db.commit()

def log_run(run_id, task, usage, duration, retries, status):
    db.execute("INSERT OR REPLACE INTO runs VALUES (?,?,?,?,?,?,?,?,?,?)",
               (run_id, "regulus", task.project_id, task.task_id, task.model,
                getattr(usage, "prompt_tokens", 0), getattr(usage, "completion_tokens", 0),
                duration, retries, status.value))
    db.commit()

@dataclass
class Task:
    task_id: str
    project_id: str
    goal: str
    model: str
    depends_on: list[str] = field(default_factory=list)
    needs_approval: bool = False

async def run_task(task: Task, done: dict, sem: asyncio.Semaphore,
                   max_retry: int = 2, timeout: int = 120):
    run_id = f"run-{uuid.uuid4().hex[:8]}"
    background = store_get(["user", f"project:{task.project_id}"])
    upstream = "\n\n".join(done[d] for d in task.depends_on)
    messages = [
        {"role": "system", "content": f"长期背景:\n{background}"},
        {"role": "user", "content": f"{task.goal}\n\n上游结果:\n{upstream or '无'}"},
    ]
    async with sem:  # حد التزامن
        for attempt in range(max_retry + 1):
            start = time.time()
            save_checkpoint(run_id, task.task_id, f"attempt-{attempt}", messages)
            try:
                resp = await asyncio.wait_for(
                    client.chat.completions.create(model=task.model, messages=messages),
                    timeout)
                output = resp.choices[0].message.content
                status = Status.APPROVAL if task.needs_approval else Status.COMPLETED
                log_run(run_id, task, resp.usage, time.time() - start, attempt, status)
                save_checkpoint(run_id, task.task_id, status.value, {"output": output})
                if status == Status.COMPLETED:
                    done[task.task_id] = output
                return
            except Exception as e:  # انتهاء المهلة أو خطأ في الواجهة: إعادة المحاولة بعد تأخير أُسّي
                save_checkpoint(run_id, task.task_id, "error", {"error": str(e)})
                await asyncio.sleep(2 ** attempt)
        log_run(run_id, task, None, 0, max_retry, Status.FAILED)

async def schedule(tasks: list[Task], max_concurrency: int = 2) -> dict:
    sem = asyncio.Semaphore(max_concurrency)
    done: dict[str, str] = {}
    pending = {t.task_id: t for t in tasks}
    while pending:
        ready = [t for t in pending.values() if all(d in done for d in t.depends_on)]
        if not ready:  # فشل مهمة سابقة أو انتظار موافقة أو وجود تبعية دائرية
            print("阻塞任务:", list(pending))
            break
        await asyncio.gather(*(run_task(t, done, sem) for t in ready))
        for t in ready:
            pending.pop(t.task_id)
    return done

tasks = [
    Task("daily-news", "ai-radar", "汇总今日 AI 官方动态", "gpt-4.1-mini"),
    Task("collect", "research", "收集本月竞品 API 价格与功能变更", "gpt-4.1-mini"),
    Task("analyze", "research", "对比变更并归纳趋势", "gpt-4.1", depends_on=["collect"]),
    Task("report", "research", "生成月度竞品报告", "gpt-4.1",
         depends_on=["analyze"], needs_approval=True),
]
asyncio.run(schedule(tasks))

توجد في الشيفرة عدة مواضع تقابل التصميمات الواردة سابقًا. يقرأ store_get المستخدم ونطاق المشروع الحالي فقط، بما يحقق عزل المشاريع؛ ويسجل جدول checkpoint كل خطوة حسب Run، وبالتعاون مع جدول runs يسجل عدد الرموز (Tokens) والحالة النهائية؛ ويستخدم schedule علاقات الاعتماد لتحديد التسلسل، وآلية السيمافور (semaphore) للحد من التزامن. ولا يزال النظام الحقيقي بحاجة إلى استكمال استدعاء الأدوات ورد اتصال الموافقة ومدخل الاستئناف.

🚀 بدء سريع: في مرحلة بناء النموذج الأولي، نوصي بالحصول على رصيد اختبار مجاني عبر APIYI apiyi.com، ثم استخدام المفتاح نفسه لضبط نماذج مختلفة لكل من أدوار الجمع والتحليل والكتابة، ومقارنة النتائج والتكلفة قبل تحديد توزيع الأدوار.


7 كيف يتعامل الوكيل متعدد المهام مع الانقطاعات والفشل والموافقات البشرية

7.1 آلة حالة المهمة

يجب تسجيل تقدم المهمة بحالات صريحة، أما التقدم الذي يصفه النموذج في المحادثة فلا يصلح إلا كمرجع. المسار الرئيسي الموصى به هو Pending (بانتظار التنفيذ) → Running (قيد التنفيذ) → Waiting (بانتظار شرط خارجي) أو Approval (بانتظار الموافقة) → Completed (مكتملة)، مع ثلاث حالات إنهاء أو إيقاف مؤقت هي Failed وCancelled وPaused. تُكتب كل عملية انتقال بين الحالات في قاعدة البيانات، ولا يتخذ المجدول قراراته إلا بناءً على الحالات الموجودة فيها.

7.2 إعادة المحاولة والمهلات والاستئناف بعد الإيقاف المؤقت

  • إعادة المحاولة: عند حدوث خطأ في الواجهة أو انتهاء المهلة، أعد المحاولة بتراجع أسي (exponential backoff)، وسجّل retry_count ليساعدك على اكتشاف الخطوات كثيرة الفشل؛
  • المهلة: حدد مهلة تنفيذ لكل Run، وعند تجاوزها حوّل الحالة إلى Failed وأرسل تنبيهًا، لمنع مهمة عالقة من احتلال أحد مواضع التزامن لفترة طويلة؛
  • الاستئناف بعد الإيقاف المؤقت: احفظ نقطة تفتيش (checkpoint) عند الإيقاف المؤقت، واستأنف من آخر نقطة تفتيش عند الاستعادة؛ ولا حاجة إلى إعادة تنفيذ استدعاءات الأدوات المكتملة؛
  • التماثل (Idempotency): في الخطوات ذات الآثار الجانبية، مثل إرسال البريد الإلكتروني أو الكتابة في قاعدة البيانات، تحقق قبل إعادة المحاولة مما إذا كانت قد نُفذت بالفعل، لتجنب تكرار العملية.

تتضمن المواد الرسمية لـ Dots تفصيلًا ذا صلة: إيقاف مهمة قيد التشغيل وإلغاء خطة دورية أُنشئت مسبقًا أمران مختلفان؛ فعند إيقاف Dot مؤقتًا، قد تستمر Work وCodex والمهام المجدولة المستقلة في العمل. لذا ينبغي للنظام الذي تبنيه أن يصمم “إيقاف Run الحالي” و”إيقاف Task مؤقتًا” و”إلغاء الخطة الدورية” كثلاث عمليات مستقلة.

7.3 الموافقة البشرية: بالرجوع إلى Custom Rules في Dots

يصنف Dots السلوك عبر Custom Rules إلى أربعة مستويات: التنفيذ المباشر دون استفسار، والتنفيذ بعد تفويض مسبق، والاستفسار قبل التنفيذ، وتسليم الأمر إلى المستخدم. عمليات مثل تغيير كلمة المرور أو تحويل الأموال يجب أن يتولاها المستخدم بنفسه، بينما قد يتطلب حذف البيانات نهائيًا أو تثبيت البرامج موافقة في كل مرة. ولا تستطيع موافقة المستخدم تجاوز قيود الأمان الأساسية.

ويمكنك في نظامك الخاص أن تصنف الأدوات بهذه الطريقة: الاستعلامات للقراءة فقط تُنفذ مباشرة؛ وبعد اكتمال مسودة التقرير تنتقل المهمة إلى Approval؛ أما الإرسال إلى جهة خارجية والدفع والحذف فتُسلم دائمًا إلى الإنسان. في المثال، ضُبطت مهمة التقرير على needs_approval=True، فبعد التوليد تبقى في حالة انتظار الموافقة، ولا تُسجّل حالة Completed إلا بعد تأكيد المستخدم.


8 تتبع تنفيذ وكيل المهام المتعددة: Tracing والسجلات

عند تشغيل عدة مشاريع بالتوازي، يكون السؤال الذي يطرحه المستخدمون أكثر من غيره: «ما الذي فعله هذا بالضبط؟». يتيح Tracing في OpenAI Agents SDK تسجيل أي Agent تم استدعاؤه، وأي نموذج استُخدم، وما استدعاءات الأدوات التي حدثت، وأين نُفِّذ handoff، وما فحوصات الأمان التي جرى تفعيلها، وكيف انتهت المهمة في النهاية.

يتفوق Tracing في إعادة بناء مسار تنفيذ واحد، أما الإحصاءات على مستوى المشروع فتحتاج إلى سجلات الأعمال لتكملها. من المستحسن أن يسجّل كل Run على الأقل الحقول project_id وtask_id وrun_id وmodel_id وinput_tokens وoutput_tokens وtool_calls وduration وretry_count وfinal_status. وبوجود هذه الحقول يمكن الإجابة عن أسئلة إدارية مثل «كم Token صرف مشروع Research هذا الشهر؟» و«أي خطوة تُعاد أكثر من غيرها؟» و«أي نموذج تتجاوز مهامه التحليلية المهلة أكثر من غيره؟». وجدول runs في القسم 6 هو أصغر تطبيق عملي لهذه الحقول.


9 تكلفة وكيل المهام المتعددة وحدود الإدارة

9.1 هيكل تكلفة Dots

حتى 16 نوفمبر 2026، يستطيع المستخدمون الأفراد استخدام Dots عبر ثلاثة مستويات من اشتراك ChatGPT Pro هي Pro 100 وPro 200 وPro 500، برسم شهري قدره 100 و200 و500 دولار على الترتيب. ولم تدرج الجهة الرسمية رسمًا شهريًا منفصلًا لـ Dot في توضيح Dots الخاص بـ Pro الشخصي. أما مهام ChatGPT Work أو Codex التي يفوّضها Dot فتُحسب وفق حصة المنتج المعني وقواعده، ويعتمد الاستهلاك على النموذج والسياق والاستدلال واستدعاءات الأدوات والاسترجاع. ويخضع استخدام Pro الشخصي كذلك لقيود العمر (18 عامًا فأكثر) والمنطقة، ولا يشمل المنطقة الاقتصادية الأوروبية والمملكة المتحدة وسويسرا.

أما طريقة الفوترة في مساحات عمل المؤسسات فمختلفة. توضح الوثائق الرسمية السارية أن مساحات عمل المؤسسات المؤهلة يمكنها الاختيار بين سعر ثابت لكل نوع من أنواع العمل أو الفوترة حسب الاستخدام؛ والفترة التجريبية مجانية، وابتداءً من 18 نوفمبر 2026 يبدأ تحصيل الرسوم على Dots المفعّلة؛ وتُحتسب المهام المفوّضة إلى Work أو Codex بشكل منفصل. وتُعتمد المبالغ الدقيقة على العرض السعري الفعلي المطبق على مساحة العمل.

9.2 مصادر تكلفة النظام المبني ذاتيًا

تأتي تكلفة بناء وكيل مهام متعددة بنفسك من أربعة مصادر رئيسية:

  • إعادة قراءة السياق: كل مهمة تُحقن بخلفية المشروع، وكلما طالت الخلفية زاد عدد Token الإدخال في كل استدعاء، ما يستدعي تقليص محتوى Store بشكل دوري؛
  • إعادة المحاولة والفشل: مهمة تحليل تفشل مرة واحدة تعيد إرسال مواد المنبع إلى النموذج من جديد؛
  • اختيار النموذج: استخدام أقوى نموذج في جميع المهام الفرعية يضاعف التكلفة؛
  • حصة التزامن: تحدد حدود معدل API عدد العمليات المتوازية المتاح فعليًا.

9.3 عدد العمليات المتوازية وحجم العمل الفعلي

عدد العمليات المتوازية وحجم العمل الفعلي أمران مختلفان. فالمهام التي تُطلق مبكرًا قبل تحقق اعتمادياتها لا تنتج إلا نتائج عديمة القيمة، والاستنتاجات المتعارضة تتطلب جهدًا بشريًا لدمجها، وانتقال بيانات خاطئة من مشروع إلى آخر عبر الذاكرة المشتركة يرفع كلفة إعادة العمل. والنهج السليم هو ضمان عزل المشاريع وصحة الاعتماديات أولًا، ثم رفع الحد الأعلى للتزامن تدريجيًا بناءً على بيانات المراقبة.


10 الأسئلة الشائعة FAQ

س1: ما المقصود بتنسيق المهام المتعددة في Dots؟

يدير Dot عدة مهام يتولى مسؤوليتها في الوقت نفسه. يمكن للمستخدم تبديل المهام وتعديل الأولويات، بينما يفكك Dot الأعمال المعقدة ويرسلها إلى وكلاء في الخلفية لمعالجتها بالتوازي، ثم يجمع النتائج ويعيدها إلى المستخدم عند الحاجة إلى اتخاذ قرار.

س2: هل تتذكر الذاكرة طويلة المدى في Dots جميع المحادثات السابقة؟

لا، لا يتم تحميلها كلها. لكل مهمة جديدة سياق محادثة خاص بها، ويعتمد Dot على ChatGPT Memory وملاحظاته الخاصة وسياق المهمة الحالية وبيانات التطبيقات المتصلة، ثم يسترجع المحادثات السابقة عند الحاجة.

س3: هل يمكن أن يحل Checkpointer وStore محل بعضهما؟

لا، فمسؤولياتهما مختلفة. يحفظ Checkpointer لقطة تنفيذ لمهمة واحدة لاستعادة العمل بعد الانقطاع؛ بينما يحفظ Store خلفية المشروع والقرارات المشتركة بين المهام، حتى تواصل المهام الجديدة السياق. المشاريع طويلة المدى تحتاج إلى الاثنين.

س4: كم عدد المهام التي يمكن أن يعالجها Dots بالتوازي في الوقت نفسه؟

لم تنشر المصادر الرسمية عددًا ثابتًا للتزامن. يدعم Dots التنفيذ المتوازي، لكن بيئة التنفيذ وحصص الاستخدام لهما حدود. ذكر أحد مستخدمي Reddit أنه لاحظ تشغيل ثلاث عمليات تنفيذ في الوقت نفسه، لكن هذه مجرد نتيجة اختبار شخصي.

س5: كيف يمكن لنظام وكيل متعدد المشاريع مبني ذاتيًا استدعاء نماذج متعددة بسرعة؟

يمكنك استخدام واجهة تجميع متوافقة مع OpenAI. بعد التسجيل في APIYI apiyi.com للحصول على مفتاح API وحصة اختبار مجانية، اضبط base_url في كود هذا المقال على `https://api.apiyi.com/v1`، وستتمكن بالكود نفسه من إعداد نماذج مثل GPT وClaude وGemini لمهام فرعية مختلفة.

س6: كيف يمكن التحكم في تكلفة النماذج في وكيل متعدد المهام؟

وزّع النماذج حسب الدور: استخدم نموذجًا خفيفًا لجمع المعلومات، ثم نموذجًا أقوى للتحليل والكتابة؛ اختصر خلفية المشروع في Store؛ واستخدم جدول runs لحساب Token لكل مشروع. من خلال APIYI apiyi.com يمكنك الدفع حسب الاستخدام، مما يسهل اختبارًا محدودًا أولًا ثم تحديد الحصة.

س7: ما الذي يجب الانتباه إليه أمنيًا في Dots والأنظمة المبنية ذاتيًا؟

قد يسيء الوكيل فهم المهمة أو يخطئ في تقييم المواد أو يتعرض لهجوم حقن الموجه (Prompt Injection)، وقد أوضحت الجهة الرسمية أيضًا أن تدابير الحماية الحالية لا تزيل كل المخاطر. يجب وضع موافقة بشرية على العمليات المتعلقة بالحسابات أو الأموال أو الإرسال الخارجي، وعدم إدخال بيانات الاعتماد الحساسة إلى سياق النموذج.


11 Dots: أهم النقاط حول جدولة المهام المتعددة والذاكرة طويلة المدى

  • التحدي الجوهري: نجاح وكيل المهام المتعددة يعتمد على سياق مستقل، وحالة دائمة، وجدولة، وقدرة على الاستعادة.
  • آلية Dots: Dot واحد ينسّق عدة عناصر، ووكلاء الخلفية ينفّذون بالتوازي، وسياقات المهام الجديدة مستقلة عن بعضها.
  • نوعان من الذاكرة: Checkpointer مسؤول عن استعادة التنفيذ، وStore مسؤول عن استمرارية خلفية المشروع.
  • هيكل من أربع طبقات: لكل من Workspace وProject وTask وRun معرّف مستقل، والمشاريع معزولة عن بعضها.
  • مبادئ الجدولة: الاعتماديات تحدد التسلسل، وحد التزامن يحدد الحجم، والقواعد تُكتب داخل المجدول.
  • قابلية التتبع: كل Run يسجل النموذج وToken والزمن المستغرق وعدد المحاولات والحالة النهائية.
  • طريقة البدء: عبر الواجهة الموحدة لـ APIYI على apiyi.com، يمكن تكوين نماذج مختلفة لمختلف المهام الفرعية.

12 الخلاصة

تُظهر Dots شكل منتج لوكيل شخصي يدير عدة مشاريع طويلة الأمد: يعمل باستمرار، وسياقات المهام مستقلة عن بعضها، والذاكرة تُحفظ على طبقات، ووكلاء الخلفية ينفّذون بالتوازي، والعمليات عالية المخاطر تُعيدها إلى المستخدم. وتستند قدرتها على إدارة مشاريع متعددة إلى إدارة الحالة؛ فمجرد زيادة عدد العمليات المتوازية لا يحقق ذلك.

عند بناء نظام مشابه بنفسك، يمكنك التنفيذ بترتيب هذه المقالة: أولاً حقّق عزل المشاريع باستخدام الهيكل رباعي الطبقات وتقسيم النطاقات، ثم استخدم Store وCheckpointer لحل «تذكّر الخلفية» و«القدرة على الاستعادة» على التوالي، ثم استخدم المجدول لإدارة الاعتماديات والتزامن، وأخيراً استخدم آلة الحالة والموافقات وسجلات التنفيذ لجعل كل خطوة قابلة للتحكم والفحص. في مرحلة النموذج الأولي، يُوصى بالتحقق السريع عبر APIYI على apiyi.com من أداء النماذج المختلفة في كل دور، ثم تعديل تقسيم العمل والتزامن بناءً على بيانات السجلات.


المراجع

  1. OpenAI: Introducing dots: إعلان إطلاق المنتج
  2. الرابط: openai.com/index/introducing-dots
  3. الوصف: تحديد هوية المنتج، والحاسوب السحابي وتنفيذ مشاريع متعددة
  4. ChatGPT Learn: Tasks and memory: وثائق مهام وذاكرة Dots
  5. الرابط: learn.chatgpt.com/docs/dots/tasks-and-memory
  6. الوصف: الوكيل الخلفي، وسياق مستقل لكل مهمة، والبحث الاستباقي
  7. OpenAI Help Center: Dots privacy، security، and safety FAQs: شرح الخصوصية والأمان
  8. الرابط: help.openai.com/en/articles/20001529-dots-privacy-security-and-safety-faqs
  9. الوصف: الأذونات، والموافقات، وحذف الذاكرة، والاحتفاظ بالبيانات
  10. ChatGPT Learn: Dots admin guide: إدارة نسخة المؤسسات والفوترة
  11. الرابط: learn.chatgpt.com/docs/enterprise/dots-admin-guide
  12. الوصف: طريقة فوترة مساحة عمل المؤسسة وتاريخ بدء الفوترة
  13. About ChatGPT Pro tiers: شرح فئات اشتراك Pro
  14. الرابط: help.openai.com/en/articles/9793128-about-chatgpt-pro-tiers
  15. الوصف: أسعار وقواعد حصص Pro 100 و200 و500
  16. LangGraph Persistence 文档: Checkpointer وStore
  17. الرابط: github.com/langchain-ai/docs/blob/main/src/oss/langgraph/persistence.mdx
  18. الوصف: التمييز بين حالة التنفيذ قصيرة المدى والذاكرة طويلة المدى
  19. OpenAI Agents SDK: Tracing وسير العمل
  20. الرابط: developers.openai.com/api/docs/guides/agents/sdk
  21. الوصف: تتبع عملية تنفيذ الوكيل وتصحيح أخطائها

المؤلف: فريق APIYI التقني
التواصل الفني: يسعدنا تواصلك معنا عبر الصفحة الرئيسية لـ APIYI على apiyi.com، ولمزيد من مواد التكامل يمكنك زيارة مركز الوثائق docs.apiyi.com

أضف تعليق