تدخل وكلاء الذكاء الاصطناعي مرحلة جديدة.
بدلًا من الاكتفاء بتوليد الإجابات، بات يُتوقَّع منهم على نحو متزايد البحث والتفاعل مع الأدوات وإدارة سير العمل واتخاذ إجراءات نيابةً عن المستخدمين. وهذا يجعل سؤالًا واحدًا مهمًا أكثر فأكثر: كيف نمنح الذكاء الاصطناعي مزيدًا من القدرة دون أن نتنازل عن السيطرة؟
#IronClaw 1.0 من @NEAR Protocol يتعامل مع هذا التحدي من خلال البنية المعمارية.
فكرته الأساسية هي فصل التفكير عن التصرف.
يتولى نموذج الذكاء الاصطناعي معالجة الاستدلال واتخاذ القرار، بينما يجلس طبقة تنسيق آمنة تُسمّى الحارس بين النموذج والأدوات التي يمكنه الوصول إليها. وهذا يخلق مسارًا مضبوطًا يمكن من خلاله التحقق من الإجراءات، وعند الضرورة، الموافقة عليها صراحةً قبل تنفيذها.
تُعدّ النتائج أيضًا ملفتة للانتباه.
باستخدام نموذج الأساس deepseek-v4-flash، حقق IronClaw 1.0 ما يلي:
📈 93.5% على PinchBench
📈 88.6% على ClawBench
📈 76.4% على OfficeQA
تغطي هذه المعايير جوانب مختلفة من قدرات العامل، بما في ذلك استخدام الأدوات، والمهام المعقدة، والتفاعل مع الويب، والاستدلال على وثائق مكان العمل.
لكن الأداء ليس سوى جزء من القصة.
تم تصميم IronClaw حول عدة متطلبات عملية لوكلاء الذكاء الاصطناعي ذوي الحالة المستمرة:
🛡️ أكثر أمانًا بطبيعتها — تساعد الموافقات الصريحة في الحفاظ على تحكم المستخدمين بالإجراءات الحساسة.
💾 حالة مستمرة — تسمح نقاط التحقق المتواصلة للوكلاء باستئناف العمل بدلًا من فقد التقدم بعد الانقطاعات.
🌐 ذاكرة متعددة القنوات — يمكن للوكلاء الحفاظ على السياق عبر CLI وWeb وSlack وTelegram.
👥 عزل الفريق — بيئات منفصلة وذاكرة وصلاحيات تساعد الفرق على تشغيل عوامل بحدود أفضل.
تصبح هذه الميزات ذات صلة بشكل خاص مع انتقال وكلاء الذكاء الاصطناعي من عروض تجريبية إلى سير عمل حقيقية.
وهذا يتصل أيضًا برؤية #NEARAI الأوسع.
يركز NEAR AI على بنية تحتية للذكاء الاصطناعي يمتلكها المستخدمون ويمكن التحقق منها، بما في ذلك الاستدلال الخاص وبيئات آمنة للعوامل. الهدف ليس فقط جعل الذكاء الاصطناعي أكثر قدرة، بل إنشاء بنية تحتية يمكن للمستخدمين من خلالها الاحتفاظ بمزيد من السيطرة على بياناتهم وذكائهم وتفاعلاتهم.
ثم تأتي عملية الرهان.
تعمل NEAR كشبكة إثبات حصة (Proof-of-Stake)، حيث يقوم المدققون بمعالجة المعاملات والمشاركة في تأمين الإجماع. يوفر NEAR المرهون الأساس الاقتصادي الذي يساعد في تأمين هذه البنية التحتية اللامركزية.
هذا يعني أن عملية الرهان تتعلق بأكثر من مجرد المكافآت المحتملة.
كما يتعلق الأمر بدعم الشبكة التي يمكن للتطبيقات وعوامل الذكاء الاصطناعي المستقبلية الاعتماد عليها.
مع ظهور أنظمة مثل OpenClaw، قد تكمن الفرصة الحقيقية في الجمع بين عوامل ماهرة + تنفيذ آمن + حالة مستمرة + بنية تحتية لامركزية.
لن تحدد مستقبل الذكاء الاصطناعي فقط مسألة أي نموذج هو الأكثر ذكاءً.
كما سيعتمد ذلك على من يتحكم في البنية التحتية التي تستخدمها هذه النماذج، وما إذا كان بإمكان المستخدمين الوثوق بالعوامل التي تعمل نيابةً عنهم.