استحوذت Meta على Manus بـ 2.5 مليار دولار - تقنيتها الأساسية أصبحت مفتوحة المصدر
نظام الذاكرة القائم على الملفات الذي رفع قيمة Manus إلى 2.5 مليار دولار متاح الآن كمهارة مجانية لـ Claude Code. إليك لماذا يهم كل مطور وكلاء ذكاء اصطناعي.
إذا استخدمت وكلاء الذكاء الاصطناعي في مهام معقدة، فأنت تعرف هذا المشهد: في منتصف سير عمل طويل، تكتشف أن الوكيل يقوم بشيء لا علاقة له بطلبك الأصلي.
هذا ليس خطأ المستخدم. إنه قيد هيكلي في نماذج اللغة الكبيرة. الشركة التي حلّت هذه المشكلة - Manus - استحوذت عليها Meta بـ 2.5 مليار دولار. والآن، نشر أحد المطورين المبدأ الأساسي كمهارة مفتوحة المصدر لـ Claude Code، وحصد ما يقارب 1,000 نجمة على GitHub خلال ثلاثة أيام فقط.
جذر المشكلة - لماذا ينسى وكلاء الذكاء الاصطناعي أهدافهم
تعمل نماذج اللغة الكبيرة ضمن نافذة سياق (Context Window) - ذاكرة عمل محدودة الحجم.
- كلما طالت المحادثة، ابتعد الهدف الأصلي عن نطاق الانتباه الفعّال للنموذج
- تختفي المعلومات الحاسمة خارج المدى الفعّال لآلية الانتباه
- ينحرف الوكيل تدريجياً عن الطلب الأولي
تُسمى هذه الظاهرة انحراف الهدف (Goal Drift). عندما تتجاوز استدعاءات الأدوات حوالي 50 مرة، تصبح شبه حتمية.
حل Manus - نظام الملفات كذاكرة خارجية
كانت إجابة Manus بسيطة بشكل مفاجئ: اجعل الذكاء الاصطناعي يدوّن ملاحظات.
- استخدام نظام الملفات كمخزن ذاكرة دائم للوكيل
- تجاوز القيود المادية لنافذة السياق بالكامل
- استرجاع المعلومات المخزنة عند الطلب حين يحتاجها الوكيل
هذا النهج هو شكل من أشكال هندسة السياق (Context Engineering) - تصميم كيفية تدفق المعلومات من وإلى ذاكرة العمل لنموذج اللغة الكبير.
التطبيق مفتوح المصدر - نظام ذاكرة من 3 ملفات
مهارة Claude Code المسماة planning-with-files تطبّق مبدأ Manus باستخدام ثلاثة ملفات markdown.
- task_plan.md - الخطة الرئيسية التي تتضمن الأهداف وخطوات التقدم وسجلات الأخطاء. الوكيل مُوجَّه لقراءة هذا الملف قبل كل قرار مهم
- notes.md - مساحة لتخزين نتائج البحث والبيانات الوسيطة. تمنع الحمل الزائد على نافذة السياق
- [deliverable].md - ملف المخرجات النهائي حيث يتراكم العمل المكتمل
الجمال يكمن في البساطة. لا بنية تحتية مخصصة، لا قاعدة بيانات - مجرد ملفات markdown على القرص.
الآلية الأساسية - أعد قراءة الخطة قبل كل قرار
أهم قاعدة في هذا النظام تُختصر في جملة واحدة:
“قبل أي قرار مهم، اقرأ ملف الخطة.”
- آلية الانتباه في نموذج اللغة الكبير تستجيب بقوة أكبر للرموز (tokens) التي أُدخلت مؤخراً
- قراءة
task_plan.mdقبل القرار مباشرة تُعيد الهدف الأصلي إلى أعلى السياق - هذا يحل المشكلة ليس بتوسيع نافذة السياق، بل بتحسين موضع المعلومات داخلها
توسيع نافذة السياق هو قوة غاشمة. التموضع الاستراتيجي للمعلومات هو الهندسة الحقيقية.
معالجة الأخطاء - كسر حلقة إعادة المحاولة اللانهائية
القرار التصميمي الحاسم الثاني هو التسجيل الإجباري للأخطاء.
- عند حدوث خطأ، يجب على الوكيل تسجيله في قسم الأخطاء في
task_plan.md - هذا يُجبر الذكاء الاصطناعي على الاعتراف صراحةً بالفشل بدلاً من إعادة المحاولة بصمت
- يُوجَّه الوكيل نحو مراجعة الخطة بدلاً من تكرار نفس الخطأ
- تتراكم سجلات التصحيح تلقائياً كأثر جانبي
بدون هذا، يميل الوكلاء إلى الاصطدام بنفس الجدار مراراً - يستهلكون الرموز والسياق دون أي تقدم.
الدلالات - معيار جديد لأداء وكلاء الذكاء الاصطناعي
سبب حصوله على ما يقارب 1,000 نجمة في ثلاثة أيام واضح: رؤية معمارية بقيمة مليارات الدولارات أصبحت متاحة لأي شخص يملك طرفية (terminal).
الدرس الأعمق هو أن أداء وكيل الذكاء الاصطناعي لا يتحدد بحجم النموذج أو عدد المعاملات. بل يتحدد بـتصميم بنية الذاكرة - كيف تُهيكل تدفق المعلومات حول قيود النموذج.
أفضل الوكلاء ليسوا أصحاب أكبر العقول. بل هم الذين يعرفون كيف يدوّنون الملاحظات.
الرابط: planning-with-files على GitHub
انضم إلى النشرة الإخبارية
احصل على تحديثات حول أحدث مشاريعي ومقالاتي وتجاربي في الذكاء الاصطناعي وتطوير الويب.