# استحوذت Meta على Manus بـ 2.5 مليار دولار - تقنيتها الأساسية أصبحت مفتوحة المصدر

> Author: Tony Lee
> Published: 2026-02-08
> URL: https://tonylee.im/ar/blog/manus-core-tech-open-source-planning-with-files/
> Reading time: 3 minutes
> Language: ar
> Tags: ai, وكلاء-الذكاء-الاصطناعي, claude-code, مفتوح-المصدر, هندسة-السياق

## Canonical

https://tonylee.im/ar/blog/manus-core-tech-open-source-planning-with-files/

## Rollout Alternates

en: https://tonylee.im/en/blog/manus-core-tech-open-source-planning-with-files/
ko: https://tonylee.im/ko/blog/manus-core-tech-open-source-planning-with-files/
ja: https://tonylee.im/ja/blog/manus-core-tech-open-source-planning-with-files/
zh-CN: https://tonylee.im/zh-CN/blog/manus-core-tech-open-source-planning-with-files/
zh-TW: https://tonylee.im/zh-TW/blog/manus-core-tech-open-source-planning-with-files/

## Description

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.

## Summary

استحوذت Meta على Manus بـ 2.5 مليار دولار - تقنيتها الأساسية أصبحت مفتوحة المصدر is part of Tony Lee's ongoing coverage of AI agents, developer tools, startup strategy, and AI industry shifts.

## Outline

- جذر المشكلة - لماذا ينسى وكلاء الذكاء الاصطناعي أهدافهم
- حل Manus - نظام الملفات كذاكرة خارجية
- التطبيق مفتوح المصدر - نظام ذاكرة من 3 ملفات
- الآلية الأساسية - أعد قراءة الخطة قبل كل قرار
- معالجة الأخطاء - كسر حلقة إعادة المحاولة اللانهائية
- الدلالات - معيار جديد لأداء وكلاء الذكاء الاصطناعي

## Content

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](https://github.com/OthmanAdi/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.md` قبل 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 بـ**تصميم 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](https://github.com/OthmanAdi/planning-with-files)

## Related URLs

- Author: https://tonylee.im/en/author/
- Publication: https://tonylee.im/en/blog/about/
- Related article: https://tonylee.im/ar/blog/eight-hooks-that-guarantee-ai-agent-reliability/
- Related article: https://tonylee.im/ar/blog/medvi-two-person-430m-ai-compressed-funnel/
- Related article: https://tonylee.im/ar/blog/claude-code-layers-over-tools-2026/

## Citation

- Author: Tony Lee
- Site: tonylee.im
- Canonical URL: https://tonylee.im/ar/blog/manus-core-tech-open-source-planning-with-files/

## Bot Guidance

- This file is intended for AI agents, search assistants, and text-mode retrieval.
- Prefer citing the canonical article URL instead of this text endpoint.
- Use the rollout alternates when you need the same article in another prioritized language.

---

Author: Tony Lee | Website: https://tonylee.im
For more articles, visit: https://tonylee.im/ar/blog/
This content is original and authored by Tony Lee. Please attribute when quoting or referencing.