النماذج
نموذج للتخطيط والمراجعة وآخر للتنفيذ. تمنع السياسة ذكر اسم أي مزود في هذه الصفحة.
مستوى تحكم للذكاء الاصطناعي
الجميع يبيع مزيدا من القدرة.
نحن نبيع قدرة منضبطة.
Gevurah مستوى تحكم للذكاء الاصطناعي يفرض السياسة في الشفرة: تنسيق متعدد الوكلاء، وذاكرة مستمرة، وأربع بوابات يجب أن يجتازها كل إجراء صادر. وهو يدير نشاطا حقيقيا في بيئة الإنتاج.
الفرضية
أندر خاصية في الذكاء الاصطناعي الوكيل هي كلمة "لا" مسجلة.
يبيع السوق مزيدا من القدرة والمزيد من الوكلاء والاستقلالية. بُنيت Gevurah في الاتجاه الآخر: بوابات تعيش في الشفرة، وتُغلق افتراضيا، وتسجل سبب إغلاقها. حُجب 29 من أصل 137 قرار سياسة، وحُفظ كل حجب مع سببه.
Gevurah كلمة عبرية تعبر عن قوة الانضباط، القوة التي تقول لا.
قرارات السياسة المحجوبة102 يوم
0 / 137
حُفظ كل قرار محجوب مع سبب حجبه. أما القرارات الـ108 الأخرى فاجتازت البوابات ونُفذت.
الفئة
مستوى تحكم، لا framework.
معظم الأدوات في هذا المجال مكتبات يجري تجميعها أو منصات مؤسسية يجري إعدادها. Gevurah ليست أيا منهما. إنها نظام يعمل وفق جدول زمني ويتعامل مع أموال وعملاء حقيقيين. الجزء المميز هو اللحظة التي يُقال فيها للوكيل إن الإجراء غير مسموح له.
الأدوات
مساحة كبيرة من الأدوات الداخلية، بُنيت وفق احتياجات النشاط لا وفق خريطة طريق لمنتج.
الذاكرة
867 سجلا، و1,315 رابطا، و2,942 مقطعا عبر 751 ملفا. حالة مستمرة بين الجلسات والوكلاء.
التنسيق
1,195 أمر عمل خلال 102 يوم، و929 نتيجة، و96 تصعيدا إلى إنسان. و47 غرفة تنسيق حية.
السياسة نادر
4 بوابات، و42 نقطة قراءة، و39 نقطة كتابة، ونحو 102 اختبار. ودفتر جهات اتصال فيه 281 سجلا عبر 11 قناة.
الرصد نادر
7,321 إجراء صادرا مسجلا خلال 92 يوما، و484 فحص uptime يوميا.
الاستقلالية
L3 في الإنتاج. وL2 فور دخول المال أو النشر أو العميل.
يمتد السلم من L0 Observe وL1 Draft وL2 Prepare وL3 Bounded execute إلى L4 High-autonomy. يعمل النظام عند L3، وبعض التدفقات عند L4. الإجراء غير القابل للعكس يخفض التدفق تلقائيا إلى L2، حيث يوافق إنسان قبل خروج أي شيء. المال والنشر وأي رسالة إلى عميل غير قابلة للعكس بالتعريف.
هذه إجابة السؤال الذي يطرحه كل مشغل فعليا: طاقة تنفيذية من دون مخاطرة أن تتصرف تلك الطاقة من تلقاء نفسها.
الأدلة
أرقام مرفقة بتحفظاتها.
1,195
أمر عمل مفوضا خلال 102 يوم
عُدت عبر قائمة الانتظار الحية والأرشيف.
من 44.5% إلى 63.4%
إتمام نظيف من المحاولة الأولى
يحسب الحد الأعلى 532 نتيجة نظيفة من أصل 839 مهمة لها نتيجة مرتبطة. ويحسب الحد الأدنى أوامر العمل الـ356 بلا سجل نتيجة كحالات فشل مقابل جميع الأوامر البالغ عددها 1,195.
1.2%
فشل كامل، 10 من أصل 839 مهمة مقاسة
اكتمل 21.1% إضافي جزئيا، ولا يحمل 13.3% أي وسم نتيجة.
96
تصعيدا إلى إنسان خلال 102 يوم
التصعيد هو أن يتوقف النظام ويسأل، وهذا هو السلوك الذي صُممت البوابات لإنتاجه.
7,321
إجراء صادرا مسجلا خلال 92 يوما
لقطة مجمدة بتاريخ 12 أغسطس 2026. يواصل الدفتر الكتابة.
29/137
قرار سياسة محجوبا، 21%
حُفظ كل حجب مع سببه.
كيف يُقاس نطاق الإتمام
يكتب الوكيل المنفذ حقل النتيجة عن تشغيله. هذا تقييم ذاتي وليس مراجعة مستقلة. ننشر النطاق لا الحد الأعلى لأن أوامر العمل الـ356 التي لا تحمل سجل نتيجة فجوة حقيقية، واعتبارها نجاحات سيكون ادعاء لا نستطيع دعمه.
طبقة التشغيل
بُنيت طبقة تشغيل جديدة في 6 أغسطس 2026. نُقلت إليها التدفقات الستة الأولى من Windows Task Scheduler وشغلت 4,365 تدفقا مع 16 حالة فشل. بقيت الأعمال المجدولة الأخرى على المجدول القديم، وتجري الهجرة على دفعات.
ملاحظة عن الطريقة التي كاد بها الرقم أن يخرج خطأ. قالت مسودة سابقة إن حلقتي polling تمثلان 84% من التشغيلات. تمثل 84% حلقة الدقيقتين وحدها. وتمثل الحلقتان معا 99.1%. نافذة القياس 5.24 أيام، وقد أخفق تدفق واحد داخلها، وهو مسار الفواتير، 5 مرات من أصل 8. رُفض الادعاء قبل نشره عبر المراجعة نفسها التي صُممت البوابات لفرضها.
قياس الموثوقية
شُغلت 833 من أصل 839 مهمة مقاسة مرة واحدة فقط. وحصلت 6 مهام على محاولة ثانية كانت تحمل معلومات من الأولى. لا يمكن اشتقاق pass^k من سجل تاريخي كهذا، لذلك بنينا harness يبدأ كل محاولة من workspace نظيف، ويفرض negative control، ويتطلب موافقة صريحة على قابلية التراجع. الأداة عامة تحت رخصة MIT في github.com/oreno334/passk. لا توجد نتيجة معيارية معتمدة للنظام، وستُنشر النتائج بصورة منفصلة.
النتيجة التجارية
يحقق الإعلان الذي يديره النظام عائدا يقارب عشرة أضعاف وفقا لقياس Google. هذا إسناد من منصة إعلانية وليس مبيعات مدققة.
الحدود
الحدود جزء من الدليل.
لكل ادعاء في هذه الصفحة حد، وتُكتب الحدود في المكان نفسه الذي تظهر فيه الأرقام. فيما يلي سجل الحدود المعتمد كاملا.
ما لا ندعيه
عزل المستأجرين. عزل المستأجرين مبني ومختبر، ولم يُثبت في بيئة الإنتاج. ينجح 213 اختبارا عبر 14 حزمة، ويُطبق 11 من أصل 12 ضابط عزل. ينتظر الضابط الثاني عشر قرارا صريحا موثقا. لا يوجد مستأجر خارجي يدفع.
المنتج والتهيئة. هذا ليس منتجا للخدمة الذاتية بعد. النظام مخصص لمشغل واحد، وتحتاج أي مؤسسة جديدة إلى عمل تحديد وتهيئة قبل أن تتمكن من تشغيله.
قياس الموثوقية. لا يمكن اشتقاق pass^k من السجل التاريخي، لذلك بنينا حزمة تبدأ كل محاولة من مساحة عمل نظيفة. شُغلت 833 من أصل 839 مهمة مقاسة مرة واحدة فقط. ستُنشر نتائج الحزمة بصورة منفصلة.
الإشراف البشري. طبقة الإرسال غير الخاضعة للإشراف متوقفة منذ 19 مايو. وضع التشغيل هو توازٍ تحت إشراف المشغل، مع خفض إلى L2 قبل المال أو النشر أو إرسال رسالة إلى عميل.
حدود كشفها التدقيق.
- يحمل مكوّن التنفيذ المتوازي القديم 39 ملف bytecode ولا يحمل شفرة مصدر، لذلك لا يُقدم كقدرة مستقلة مثبتة.
- تحمل قائمة العمل المخصصة لاتصال إضافي أربعة ملفات، ونُقل ثلاثة منها إلى منفذ آخر. لا يُقدم تعدد المزودين كقدرة حية.
- فهرس الذاكرة حقيقي، وتعود الاستعلامات الحية حاليا إلى الترتيب المعجمي بعد مهلة 30 ثانية أمام عملية تستغرق 33 ثانية.
- تعيد 11 من أصل 101 مهمة مجدولة حاليا رمز خروج غير صفري.
- يفشل مسار الفواتير في الكتابة يوميا منذ 4 أغسطس. تتصادم نسختان من البرنامج نفسه على ملف واحد، فيما يواصل فحص البريد العمل.
المنشأ
العميل الأول هو النشاط الذي يديره النظام بالفعل.
بُنيت OpticoAI على بنية Gevurah التحتية وتستخدم تقنيتها. عمل الوكالة هو التمويل والدليل معا: يمول المؤسس الهندسة من العمل الحر وعمل العملاء، وكل بوابة في هذا النظام موجودة لأن شيئا في ذلك النشاط كان على وشك أن يخفق.
لهذا تأتي الأرقام في الصفحة من التشغيل لا من benchmark. إنها تأتي من نظام يرسل رسائل حقيقية، وينفق ميزانية حقيقية، ويتوقف أحيانا بفعل طبقة سياسته.
الأسئلة
أربعة أسئلة نسمعها كثيرا.
ما مستوى التحكم الوكيل؟
طبقة تقع فوق الوكلاء المنفردين وتقرر ما يُسمح لهم بفعله. تحمل التنسيق والذاكرة والسياسة، فتبقى القدرة منفصلة عن الإذن.
كيف يختلف عن وكيل منفرد أو framework للوكلاء؟
يُجمع الـframework لكل مشروع ولا يفرض شيئا وقت التشغيل. أما مستوى التحكم فهو ما يعمل، ويحفظ الحالة بين التشغيلات، ويستطيع الرفض. والرفض هو الجزء الذي يصعب إضافته لاحقا.
عند أي مستوى استقلالية يعمل؟
عند L3 في الإنتاج، وبعض التدفقات عند L4. كل إجراء غير قابل للعكس يخفض التدفق تلقائيا إلى L2، فيقف إنسان أمام المال والنشر ورسائل العملاء.
هل عزل المستأجرين مثبت؟
ليس بعد. العزل مبني ومختبر، مع نجاح 213 اختبارا عبر 14 حزمة وفرض 11 من أصل 12 حارسا للعزل. ينتظر الحارس الثاني عشر قرارا صريحا وموثقا. لم يُثبت في الإنتاج، ولا يوجد مستأجر خارجي يدفع مقابلا.