يمكن لـ GPT-6 Astra استخدام الحاسوب. لا متصفح تجريبي معزول، بل حاسوب فعلي له سطح مكتب وطرفية وبرامج مثبّتة وكل بيانات الاعتماد الموجودة عليه. يمنحه منشور الإطلاق من OpenAI نتيجة 72.6% في اختبار OSWorld 2.0 بمعدل 40 دقيقة تقريبًا لكل مهمة، ويُدرج ضمن ما يتقنه تثبيت البرامج واختبارها، وتشغيل فحوصات جودة الواجهة الأمامية، واستكشاف المشكلات التي يراها على الشاشة. وهو يُنجز هذه المهام في وقت أقل بنحو 47% من GPT-5.6 Sol.
السؤال الأول الذي يطرحه أي فريق ليس ما الذي يستطيع هذا النموذج فعله، بل على أي جهاز سيعمل، وداخل أي حدود، وبأي سجل، وبإمضاء مَن على النتيجة. تُجيب Sharkly عن هذه الأسئلة الأربعة بأربعة عناصر: حاسوب (Computer)، ومجلد مهمة معزول، وسجل تنفيذ، وشخص يمنح القبول. يستعرض هذا الدليل كل عنصر من هذه العناصر في سياق المهام التي تستخدم الحاسوب، ويختتم بكيفية التصميم مع التوقفات التي أخبرتك OpenAI مسبقًا بأنها ستحدث.
باختصار
شغّل وكلاء استخدام الحاسوب على حاسوب مخصص، لا على حاسوب أحد المطورين. امنح كل مهمة مجلدًا معزولًا ومهلة زمنية وحدًا أقصى للتنفيذ المتزامن يساوي واحدًا. اقرأ سجل التنفيذ في صفحة المهمة، لا في الطرفية. واترك شخصًا ينقل المهمة إلى حالة القبول. سيتوقف نظام المراقبة في OpenAI أحيانًا أثناء التشغيل الطويل؛ فاحرص على أن تكون المهام صغيرة حتى تكلفك أي مقاطعة دقائق معدودة فقط. الوكلاء يبحثون وينفّذون ويختبرون ويقدّمون التقارير. أما البشر فيحددون الاتجاه، ويمنحون الصلاحية، ويقبلون النتيجة.
أربعة عناصر يحتاجها أي وكيل يستخدم الحاسوب
مضيف، وحدود، وسجل، وجهة تمنح القبول. كل إعداد جدي يتضمن هذه الأربعة جميعًا؛ والسؤال هو هل توجد في سجل أوامر الطرفية لأحدهم، أم في مكان يستطيع الفريق كله رؤيته.
الحاسوب (Computer) جهاز موصول أو خادم أو حاوية يستطيع الوكيل تنفيذ العمل عليها. يوفّر نظام التشغيل والملفات وبيانات الاعتماد والوصول إلى الشبكة والأدوات التي يحتاجها الوكيل، وله مالكه وظهوره وحالته وحدّه الأقصى لتنفيذ المهام المتزامنة. هذا هو المضيف.
تحصل كل مهمة على مجلد معزول، ويمكن للعمل المرتبط بمستودع أن يستخدم شجرة عمل (worktree) منفصلة لكل تشغيل. ويحمل الوكيل مهلة زمنية لكل مهمة وحدًا أقصى لعدد المهام التي تعمل بالتوازي. هذه هي الحدود.
ينتج كل تشغيل أثرًا للتنفيذ. يحتفظ تبويب Executions والسجل بما فعله الوكيل، ويحتفظ الخط الزمني للمهمة بما قاله وسأل عنه وقدّمه من تقارير. هذا هو السجل.
القبول تغيير في الحالة يقوم به شخص على المهمة، ويقيّده سير العمل (Workflow) الخاص بنوع المهمة. ولا يستطيع الوكيل وسم عمله كمقبول إن لم يمنحه سير العمل تلك الحالة. هذه هي جهة القبول.
المضيف: أي حاسوب تختار
تتناسب قوة استخدام Astra للحاسوب طرديًا مع ما يكشفه المضيف. وأرقام السلامة التي نشرتها OpenAI بنفسها هي الأفضل حتى الآن، ومع ذلك تدعم فكرة استخدام مضيف مخصص. في معيار السلامة الداخلي لاستخدام الحاسوب لدى OpenAI، حيث تكون النتيجة الأقل أفضل، سجّل Astra نسبة 2.4% مقابل 22.0% لـ Sol، ولم يحاول قط التحايل على رفض المراجعة التلقائية من Codex. كما يوثّق تقرير النظام أنه في اختبارات معهد أمن الذكاء الاصطناعي في المملكة المتحدة، طلب Astra الإذن في 81% من الحالات قبل إجراء حساس، لكنه استمر رغم الرفض الآلي في 27% من الحالات. أفضل من أي سلف له بالطبع، لكنه ليس صفرًا.
لذلك امنح وكلاء استخدام الحاسوب حاسوبًا خاصًا بهم. يمكن استخدام مضيف Linux بعيد يُسجَّل عبر واجهة Sharkly البرمجية والخدمة المحلية، كما يمكن استخدام جهاز افتراضي يُوصل عبر Sharkly Desktop. أما ما يجب ألا ينفّذ مهام استخدام الحاسوب فهو الحاسوب المحمول الذي يحمل مفاتيح الإنتاج ومتصفحًا مسجّل الدخول. يغطي دليل أجهزة الحاسوب عملية تسجيل مضيف باستخدام رمز تثبيت والتأكد من بيئات التشغيل (Runtimes) الخاصة به.
اربط بيانات الاعتماد بكل وكيل، لا بالمضيف. فالمتغيرات البيئية العادية والسرية هي إعدادات خاصة بالوكيل، لذا يحصل وكيل ضمان الجودة على رمز بيئة الاختبار فقط ولا شيء غيره. واضبط الحد الأقصى للمهام المتوازية لذلك الوكيل على واحد؛ لأن أي تشغيل يستخدم الحاسوب يمتلك الشاشة، وأي تشغيلين على سطح مكتب واحد سيتصارعان عليها.
الحدود: المجلد والمهلة والحالة
استخدم مجلدات عمل مؤقتة للمهام المرتبطة بمستودعات، بحيث يُهيّئ كل تشغيل شجرة عمل جديدة. واضبط المهلة الزمنية لكل مهمة أعلى من متوسط 40 دقيقة لاختبار OSWorld لدى OpenAI مع هامش إضافي، وتعامل مع أي مهمة تصل إلى الحد الأقصى على أنها مشكلة في تحديد النطاق لا مشكلة في النموذج.
لوحة الحالات هي بوابة يتشغّلها الشخص عن قصد. فالمهمة المسنَدة إلى وكيل لا تبدأ ما دامت في حالة Backlog. وما يبدأ التشغيل هو نقلها إلى حالة ينتمي تصنيفها إلى «جاهز للعمل»، أما التصنيفات المكتملة والملغاة والمكررة فلا تبدأ تشغيلًا أوليًا أبدًا. وهذا مهم في مهام استخدام الحاسوب: فلا أحد يشغّل جلسة سطح مكتب مدتها 40 دقيقة عن طريق الخطأ، وتبيّن اللوحة مَن أطلقها.
تنطبق البوابات الخمس من سير عمل مراجعة الوكلاء بمشاركة الإنسان على Astra مباشرة. فسياسة الموافقة والمراجعة التلقائية في Codex هما بوابة وقت التشغيل، وتؤكد OpenAI أن Astra يحترمهما. أما تأكيد الخطة، وحدود التنفيذ، وإشارة الانتباه، والقبول، فهي بوابات Sharkly، وهي التي لا تسجّلها الطرفية أبدًا.
السجل وجهة القبول
تشغيلات Astra طويلة، وأهم أجزائها تحدث بينما لا يراقب أحد. وعندما تنتهي مهمة تستخدم الحاسوب، افتح صفحة المهمة: يعرض سجل التنفيذ الخطوات، وتعرض التعليقات أي سؤال طرحه الوكيل، وينبغي أن يوضّح التقرير النهائي الفحوصات التي أجراها وما فشل وما لم يقم به. فالوكيل الذي يقدّم تقريرًا مثل «فُحص 34 صفحة، ووُجدت كتلتا كود معطوبتان، وفهرس البحث قديم في /changelog» قد أعاد شيئًا يستطيع الشخص التصرف بناءً عليه.
ثم يتصرف الشخص. تُظهر المهمة حالة «في انتظار مراجعة الإنسان»، فيقرأ المراجع التقرير ويفتح المخرجات وينقل المهمة إلى حالة القبول أو يعيدها مع تعليق. ويمكن لهذا التعليق أن يبدأ تشغيلًا متابعًا للوكيل نفسه، فيقع التصحيح على المهمة نفسها بدلًا من جلسة طرفية جديدة.
لا يتغير هذا العقد لأن النموذج صار أفضل. الوكلاء يبحثون وينفّذون ويختبرون ويقدّمون التقارير. أما البشر فيحددون الاتجاه، ويمنحون الصلاحية، ويقبلون النتيجة. جعل Astra الجملة الأولى أطول، لكنه لم يقصّر الجملة الثانية.
التصميم مع توقفات OpenAI
تتحدث OpenAI بصراحة غير معتادة عن هذا في نظرة عامة على السلامة: فمراقبة الانحراف في بيئة الإنتاج تعمل على كل طلب من Astra يستخدم الأدوات، وقد «تُبطئ الفحوصات العمل المشروع أو توقفه أو توقفه مؤقتًا في بعض الأحيان»، بما في ذلك «المهام التي يعمل فيها الوكيل لفترة ممتدة». واستخدام الحاسوب هو أطول ما يقوم به Astra، لذا فهو الأكثر عرضة للتوقف المؤقت.
ثلاث عادات تمتصّ هذا الأثر.
اجعل المهام صغيرة. ففحص ضمان الجودة الليلي المقسم إلى مهمة لكل واجهة يخسر واجهة واحدة بسبب التوقف، لا الليلة بأكملها. ويبقى سجل المهمة محفوظًا، لذا يستعيد أي تشغيل جديد الوصف والتعليقات والتقارير السابقة.
جدوِل المهام الروتينية. تستطيع أتمتة مع مشغّل مجدول أن تبدأ تشغيل الوكيل وفق تعبير cron، فيجري فحص جودة الواجهة الأمامية كل ليلة في الساعة 02:00 دون أن يطلقه أحد، وتعود نتائجه إلى سجل التشغيلات. ويغطي دليلنا عن الأتمتة أنواع المشغّلات.
وِجّه الانقطاعات إلى شخص. يظهر أي تشغيل متعثر أو فاشل كعنصر يستدعي الانتباه في صندوق الوارد، حيث يقرر المالك ما إذا كان سيعيد التشغيل أو يضيّق نطاق المهمة أو يطّلع على السجل أولًا. اقرأ عنوان السجل وتفاصيله قبل إعادة المحاولة؛ فالتفاصيل تحمل استجابة خدمة النموذج الأصلية، وتوقف نظام المراقبة يختلف في دلالته عن انتهاء المهلة الزمنية.
إن كان النموذج قادرًا على استخدام أي حاسوب، فهذا سبب إضافي للدقة في تحديد أي حاسوب، وأي مجلد، وأي سجل، وأي شخص. وSharkly هي المكان الذي تعيش فيه هذه الدقة. اربط حاسوبًا مخصصًا واحدًا، وأنشئ وكيلًا واحدًا لاستخدام الحاسوب ببيانات اعتماد بيئة الاختبار، وأسند إليه مهمة روتينية بسيطة.
