‏تخطَّ إلى المحتوى
kenjtecJournal
‏البحث في Journal

‏وصول Kimi K3.1 Pro: عمل الذكاء الاصطناعي عبر خطوات كثيرة بدلًا من إجابة واحدة فقط

‏على وكيل البرمجة أن يُبقي التشخيص والتعديل والدليل مترابطة معًا. يُظهر خطأ صغير في الفرز كيف تُسند عملًا أطول إلى الذكاء الاصطناعي بعبارات ملموسة دون أن تسلّمه المشروع بأكمله دفعة واحدة.

‏تفحص لينا بعدسة مكبّرة قطعة مائلة في صف من قطع المحاور. رسم توضيحي بالذكاء الاصطناعي.

‏المواعيد موجودة في القائمة. ويجري الفرز دون أي رسالة خطأ. ومع ذلك يظهر 2 ديسمبر قبل 18 يناير، لأن البرنامج يقارن سلاسل نصية بدلًا من قيم تاريخ. يستطيع وكيل البرمجة أن يشرح هذا الخطأ بإسهاب ومع ذلك يصلحه في الموضع الخطأ. لذا فالسؤال المثير للاهتمام هو: هل يُبقي المسار كله متماسكًا، من الملاحظة إلى تعديل يمكن التحقق منه؟

‏أدرجت Kimi Code النموذج K3.1 Pro ‏متاحًا منذ 23 أكتوبر 2026‏. أما ‏تقديم النموذج ‏فيوجّه العرض نحو البرمجة ومهام الوكلاء الأطول، من بين أمور أخرى. ووفقًا للمصادر حتى 25 أكتوبر، لم يكن قد أُعلن عن ملفات الأوزان الكاملة إلا لموعد لاحق. ويظل الوصول عبر الخدمة وحزمة النموذج المحلية حالتين مختلفتين.

‏خطأ قابل لإعادة الإنتاج أفضل من أمنية كبيرة

‏يكفي ملف عيّنة محلي لمهمة أولى. أنشئ ثلاثة مواعيد، لكلٍّ منها تاريخ ومعرّف. واستخدم عمدًا صيغة اليوم.الشهر.السنة حتى لا تبدو المقارنة الأبجدية ترتيبًا حقيقيًا حسب التاريخ. ويشكّل سطر رابع بلا تاريخ حالة إضافية يجب أن تتعامل معها مهمتك صراحةً.

termine = [
    {"id": "A", "datum": "02.12.2026"},
    {"id": "B", "datum": "18.01.2026"},
    {"id": "C", "datum": "18.01.2026"},
    {"id": "D", "datum": None}
]

‏يمكن وصف الترتيب المطلوب مسبقًا: B وC قبل A، والموعد غير المؤرخ في موضع متفق عليه. وفي الأيام المتطابقة يُحافَظ على ترتيب الإدخال. هذه القاعدة أهم من مثال على مخرجات يصادف أنه مناسب. فهي تحدد كيف ينبغي أن يتصرف البرنامج مع مدخلات أخرى.

‏وأعطِ الوكيل أيضًا قسم الفرز المعيب فعلًا. فالتخمين بشأن السبب لا يغني عن قراءة الشيفرة الموجودة. ويمكن أن تشترط المهمة عليه أولًا أن يحدد نقطة المقارنة بعينها، ثم أن يغيّر الجزء اللازم لذلك فقط.

‏اطلب ثلاث نتائج منفصلة

‏اطلب تسليم التشخيص والتعديل والدليل كلًّا على حدة. يبيّن التشخيص أي شكل من البيانات تجري مقارنته حاليًا. ويُظهر التعديل التدخل المحدود. ويستند الدليل إلى المدخلات نفسها والقواعد المحددة مسبقًا. بهذا تتجزأ إجابة الوكيل الطويلة إلى ثلاثة مخرجات يمكن فحص كلٍّ منها.

‏ومن التعليمات المناسبة: «أعد إنتاج ترتيب التواريخ الخاطئ بهذه البيانات. غيّر منطق الفرز فقط. أبقِ الأيام المتطابقة بترتيبها الأصلي وضع قيم التاريخ المفقودة في النهاية. ثم اعرض الحالة الأصلية وحالة أخرى تتجاوز حدود شهر.»

‏وأضف ما يجب أن يبقى دون مساس: عوامل التصفية والعرض والسجلات المخزنة. وإلا فقد يقدّم الوكيل حلًا يبدو أنيقًا لكنه يعيد بناء الواجهة أو صيغة البيانات في الطريق. فالتدخل الأكبر ليس تلقائيًا تدخلًا أكثر حرصًا.

‏مسار مرجعي صغير دون استدعاء نموذج

‏يمكنك تتبّع القاعدة الأساسية بمعزل عن الوكيل. في Python يمكن تحويل سلسلة تاريخ موجودة إلى قيمة تاريخ باستخدام datetime.strptime. وتحتاج الحالة غير المؤرخة إلى مفتاح فرز خاص بها. هذا إعداد مرجعي ممكن واحد، وليس ادعاءً بشأن شيفرة أي مشروع بعينه:

from datetime import datetime

def schluessel(eintrag):
    wert = eintrag["datum"]
    if wert is None:
        return (1, datetime.max)
    return (0, datetime.strptime(wert, "%d.%m.%Y"))

ergebnis = sorted(termine, key=schluessel)
assert [x["id"] for x in ergebnis] == ["B", "C", "A", "D"]

‏يغطي هذا المثال التعليمي السلاسل الصالحة وNone. أما أيام التقويم غير الصالحة فهي متطلب إضافي ولا تُصلَح هنا بصمت. وإذا أردت دعمها، فعليك أيضًا تحديد رسالة الخطأ أو طريقة المعالجة المطلوبة.

‏ما الذي يُظهره نجاح صغير فعلًا

‏اجتياز حالة الفرز سيكون نجاحًا لهذه المهمة. لكنه لا يثبت أن عمل الوكيل خالٍ من الأخطاء ولا ملاءمته العامة لمستودع كبير. ولهذا تحديدًا تفيد المهمة الصغيرة: إذ يمكنك أن تلاحظ هل يضيع متطلب ما في الطريق، وهل يقيّم الوكيل تعديله في ضوء المشكلة الأصلية.

‏افصل بين الطلب والرقعة الفعلية واستدعاء الاختبار الذي جرى تشغيله. ولا يصبح الادعاء المكتوب بأن «جميع الاختبارات نجحت» دليلًا إلا حين يكون الاستدعاء ونتيجته متاحين فعلًا. وهنا يتمثل المدخل العملي إلى عمل الذكاء الاصطناعي الأطول في خطأ يمكن التحكم فيه، وحدود واضحة، ونتيجة يمكنك أن تفهمها بنفسك.

‏المصادر والحالة

‏المصادر حتى 25 أكتوبر 2026. ‏Kimi Code — ما الجديد، K3.1 Pro ‏· ‏تقديم Kimi K3.1 Pro‏.

‏هامبورغ هي نقطة انطلاقنا.

‏الفائدة ترافقك أينما ذهبت.

‏تطبيقات عملية للذكاء الاصطناعي من هامبورغ، بشرح للجميع.

‏المقالات المحفوظة