تسلسل الموجه

تسلسل الموجهات هي تقنية متطورة تُستخدم لتنفيذ عمليات سير العمل المعقدة من خلال تقسيمها إلى تسلسل من المدخلات المترابطة ل نماذج الذكاء الاصطناعي (AI). وبدلاً من الاعتماد على تعليمات واحدة متجانسة لتنفيذ مهمة متعددة الأوجه، تقوم هذه الطريقة بهيكلة بحيث تكون مخرجات إحدى الخطوات بمثابة مدخلات للخطوة التالية. هذا النهج المعياري يعزز بشكل كبير موثوقية وقابلية تفسير نماذج اللغة الكبيرة (LLMs)، مما يسمح للمطوّرين ببناء تطبيقات قوية قادرة على التفكير والتخطيط وتنفيذ عمليات متعددة الخطوات.

كيف يعمل تسلسل المطالبات (Prompt Chaining)

المبدأ الأساسي للتسلسل الفوري هو تحلل المهام، حيث يتم تقسيم يتم تقسيم الهدف المعقد إلى مهام فرعية يمكن إدارتها. يركز كل رابط في السلسلة على وظيفة محددة - مثل مثل تنظيف البيانات، أو استخراج المعلومات، أو اتخاذ القرار قبل تمرير النتائج إلى الأمام. تسمح هذه العملية التكرارية بالتحقق الوسيطة من صحة النتائج، مما يضمن اكتشاف الأخطاء في وقت مبكر بدلاً من الانتشار من خلال استجابة معقدة.

هذه المنهجية أساسية لإنشاء وكلاء الذكاء الاصطناعي الذين يمكنهم التفاعل مع الأدوات الخارجية أو واجهات برمجة التطبيقات. وقد ظهرت أطر عمل متخصصة مثل LangChain ظهرت لتسهيل هذا التنسيق، وإدارة تدفق البيانات بين نموذج الذكاء الاصطناعي وقواعد البيانات المتجهة ومكونات البرامج الأخرى. من خلال الحفاظ على الحالة عبر هذه التفاعلات، يتيح التسلسل الفوري إنشاء أنظمة ديناميكية يمكنها التكيف مع مدخلات المستخدم والبيانات المتغيرة.

تطبيقات واقعية

يكون التسلسل الموجه فعالاً بشكل خاص عند الجمع بين معالجة اللغة الطبيعية (NLP) مع طرائق أخرى أو مصادر بيانات متخصصة.

1. خدمة العملاء الذكية: قد يستخدم نظام الدعم نظام دعم أولي تصنيف نصي أولي لتصنيف استفسار المستخدم. إذا تم تحديد المشكلة على أنها "فنية"، يقوم سير العمل بتشغيل توليد الاسترجاع المعزز (RAG) خطوة. يبحث النظام في قاعدة المعرفة التقنية بحثًا عن المقالات ذات الصلة، ثم يقوم النظام بعد ذلك بتوجيه LLM بتجميع المعلومات المسترجعة في إجابة سهلة الاستخدام.
2. مراقبة الجودة البصرية: في التصنيع، يمكن لسير العمل أن يربط بين النص و ونماذج الرؤية. قد يقدم المستخدم وصفًا نصيًا للعيب (على سبيل المثال، "خدش على السطح"). يتم تحليل هذا يتم تحليل هذا الوصف لتكوين نموذج نموذج رؤية حاسوبية (CV) مثل Ultralytics YOLO11. يقوم نموذج الرؤية بإجراء بالكشف عن الأجسام على تغذية خط التجميع، و يتم تغذية نتائج الكشف مرة أخرى في موجه نهائي لتوليد آليًا لفحص الجودة آليًا.

مثال على الرمز

ما يلي Python التالي يوضِّح رابطًا متسلسلًا بسيطًا. يستخدم المقتطف الناتج من نموذج اكتشاف كائن YOLO11 لإنشاء مطالبة لغة طبيعية لخطوة تالية افتراضية.

from ultralytics import YOLO

# Load the YOLO11 model for object detection
model = YOLO("yolo11n.pt")

# Step 1: Run inference on an image
# The output contains detected objects which will fuel the next link in the chain
results = model("https://ultralytics.com/images/bus.jpg")

# Step 2: Process results to create input for the next link
# We extract class names to form a descriptive sentence
detected_objects = [model.names[int(c)] for c in results[0].boxes.cls]
next_prompt = f"I found these objects: {', '.join(detected_objects)}. Describe the scene."

# The 'next_prompt' variable is now ready to be sent to an LLM
print(next_prompt)

تسلسل المطالبات مقابل المفاهيم ذات الصلة

من المفيد التمييز بين التسلسل الفوري والمصطلحات الأخرى في في مجال التعلم الآلي:

• هندسة موجه: هذا هو النظام الأوسع لتصميم المدخلات المثلى لتوجيه سلوك النموذج. التسلسل الموجه هو نمط نمط معماري محدد ضمن هندسة الموجهات يركز على التنفيذ المتسلسل.
• موجهات تسلسل الأفكار: تشجع هذه التقنية النموذج على التفكير "خطوة بخطوة" ضمن دورة واحدة من الموجه والاستجابة واحدة. على النقيض من ذلك، يتضمن تسلسل الموجهات عدة مكالمات متميزة، وغالباً ما يمرر البيانات بين نماذج أو أدوات برمجية مختلفة.
• الضبط الفوري: A طريقة تحسين النموذج تقوم بتحديث "الموجهات اللينة" (معلمات قابلة للتعلم) أثناء التدريب. تسلسل الموجهات هو استراتيجية وقت الاستدلال التي تستخدم مدخلات مدخلات اللغة الطبيعية القياسية دون تغيير أوزان النموذج النموذج.

من خلال الاستفادة من التسلسل الفوري، يمكن للمطورين التغلب على حدود السياق والاختناقات المنطقية للنماذج المستقلة المستقلة. هذه التقنية لا غنى عنها لبناء الذكاء الاصطناعي العميل التي تدمج بين الرؤية واللغة والمنطق لحل المشاكل الديناميكية المعقدة في مجال الروبوتات والأتمتة.