تم تقديمه بواسطة MongoDB
تُعرف الفجوة بين ما يمكن أن تنتجه نماذج الذكاء الاصطناعي والوكلاء وما يمكن أن تدعمه البنية التحتية القديمة بشكل موثوق باسم السحب المعماري، وهي عنق الزجاجة المحدد لعصر الوكلاء.
يجب أن تتعامل طبقة البيانات الموجودة أسفل النظام الوكيل مع المخططات المتغيرة، ودمج المتجهات، والاسترجاع في الوقت الفعلي، ومقياس المستأجرين المتعددين، غالبًا في وقت واحد ودون تدخل بشري لإدارة عمليات الترحيل – ولكن قواعد البيانات العلائقية التقليدية لم تكن مصممة أصلاً لمرونة المستندات أو قدرات الذكاء الاصطناعي. تتطلب المخططات الثابتة تحديثات يدوية في كل مرة يقدم فيها وكيل الذكاء الاصطناعي شكل بيانات جديدًا، بينما تضيف قواعد البيانات المتجهة المنفصلة زمن الوصول وحمل المزامنة.
قامت ثلاث شركات ناشئة رقمية أصلية – Huntr، وModelence، وTavily – بحل هذه المشكلة بنفس الطريقة: من خلال الاعتماد على MongoDB Atlas، وهي منصة قاعدة بيانات موحدة مع بحث متجه أصلي، وبحث مختلط، وقياس تلقائي مُدار. تحدد تجاربهم كيف تبدو مكدسة البيانات الأصلية للوكيل في الإنتاج، ولماذا يتيح استخدام Atlas للمطورين إنشاء شركات أصلية معقدة تعمل بالذكاء الاصطناعي بسهولة.
النمذجة: بناء السحابة الأصلية للوكيل
Modelence هو منشئ تطبيقات الذكاء الاصطناعي مع إطار عمل مفتوح المصدر مصمم خصيصًا للتطوير الأصلي للوكلاء، مما يمكّن أي شخص من إنشاء ونشر تطبيقات الويب الجاهزة للإنتاج، بما في ذلك واجهات برمجة التطبيقات وقواعد البيانات، في دقائق. أدركت الشركة في وقت مبكر أن معظم البنية التحتية الخلفية تم تصميمها للبشر، وليس الذكاء الاصطناعي، وأن إدارة المخطط الصارمة وعمليات الترحيل المعقدة للأنظمة التقليدية تخلق سحبًا تشغيليًا يتسبب في فشل الوكلاء عند محاولة إنشاء تطبيقات جاهزة للإنتاج.
“لقد ساعدنا اختيار MongoDB في الاحتفاظ بكل شيء في مكان واحد، وهي خاصية مهمة لما نسعى جاهدين للقيام به لمستخدمينا،" يقول آرام شاتاختسيان، المؤسس المشارك والرئيس التنفيذي لشركة Modelence. "تدفقات البيانات الحية، والبحث عن المتجهات، كل ذلك كجزء من قاعدة البيانات الرئيسية. بالنسبة لوكلاء الذكاء الاصطناعي، من المهم بشكل خاص أن يكون لديك منصة واحدة حيث يمكن القيام بكل شيء، لأن ربط منصات متعددة معًا يجعلها أكثر عرضة للأخطاء.
تم توحيد النمذجة في MongoDB Atlas لأن نموذج المستند الخاص بها يتوافق مع كيفية معالجة عملاء الذكاء الاصطناعي للبيانات وإنشاءها، مما يسمح للمخططات بالتطور بسرعة دون عمليات ترحيل يدوية. تجمع المنصة هذه المرونة مع طبقة مخطط مكتوبة في الأعلى، وهو قرار معماري متعمد.
“يمكّننا نموذج مستند MongoDB من إبقاء الأمور بسيطة وفي نفس الوقت تحديد مدى التنظيم الذي نريد أن يكون عليه كل شيء،" يقول شاتاختسيان. ما زلنا نضيف مخططًا مكتوبًا في الأعلى، مما يعمل على تحسين الدقة بشكل كبير حيث يمكن للذكاء الاصطناعي إنشاء تطبيقات ويب موثوقة وعاملة بشكل كامل."
ويضيف أن تكامل TypeScript كان ذا أهمية خاصة.
“نظرًا لأن أنواع وقيم MongoDB يمكن ترجمتها مباشرة إلى TypeScript، فإنها تصبح امتدادًا لإطار عمل Modelence ولدى أداة إنشاء التطبيقات لدينا مصدر واحد للحقيقة لكل من منطق التطبيق وقاعدة البيانات،” يوضح شاتاختسيان.
والنتيجة هي منصة يمكنها الانتقال من التخطيط إلى ميزة التشغيل المباشر في دقائق مع تراجعات أقل بكثير. ساعدت هذه السرعة والموثوقية شركة Modelence في جمع 3 ملايين دولار أمريكي من التمويل الأولي وإطلاق أداة إنشاء تطبيقات تعتمد على الذكاء الاصطناعي بنجاح والتي تتعامل مع دورة حياة التطبيق بالكامل من البداية إلى النهاية.
Tavily: طبقة الوصول إلى الويب للوكلاء
Tavily هي واجهة برمجة تطبيقات بحث مصممة خصيصًا لعملاء الذكاء الاصطناعي، حيث تربطهم بمعرفة الويب الدقيقة في الوقت الفعلي وتبقيهم على دراية بما يحدث بالفعل، وليس في بيانات التدريب الثابتة. وعلى مقياس Tavily، يقوم كل طلب وكيل بالمصادقة والاسترداد والقياس دون احتكاك. وقد تطلب ذلك إنشاء بنية تحتية خلفية لاستيعاب التغيير دون انقطاع.
“من ناحية المستخدم، يقوم كل طلب وكيل بالمصادقة والقياس ضده،" يقول تومر فايس، قائد فريق البيانات في Tavily. "ومن ناحية البيانات، نستخدمها لتتبع دورة حياة كل مستند لمسناه: متى تم جلبه، ومدى قديمه، وما هي إشارات الحداثة، ومدى شعبيته. يتيح لنا مخطط MongoDB المرن مواصلة تطوير تلك السجلات دون عمليات ترحيل مع ظهور مقاييس وميزات جديدة.
هذا السجل الحي هو ما يبقي العملاء على أرض الواقع. يعني الإيجار المتعدد على نطاق Tavily إدارة الملايين من مفاتيح واجهة برمجة التطبيقات (API)، وملفات تعريف الاستخدام المتميزة، ومستويات الخطة، ومتطلبات الإقامة الإقليمية. لقد بنوا لهذا التعقيد منذ اليوم الأول.
“لقد قمنا بفصل المخاوف عبر المجموعات في وقت مبكر: مجموعة المستخدم/الحساب المُحسّنة للمصادقة ذات زمن الوصول المنخفض وكتابة الاستخدام، ومجموعة مقسمة لحالة المستند حيث يكون محور القياس هو عناوين URL، وليس المستخدمين،" يشرح فايس. "وقد أتى هذا الانفصال بثماره.”
ويقول إن الدرس الأكثر أهمية هو اختيار البنية التحتية التي لا تعاقب التغيير، والتي تؤدي إلى تفاقم المرونة.
"يتحرك فضاء الذكاء الاصطناعي بسرعة كبيرة بحيث أصبح التغيير هو القاعدة لدينا،" يشرح. "بالنسبة لشركة تخدم وكلاء الذكاء الاصطناعي، حيث تستمر أعباء العمل في تغيير شكلها، فقد تبين أن اختيار منصة بيانات لا تعاقب التغيير أكثر قيمة من أي ميزة واحدة.
Huntr: من تعقب الوظائف إلى منصة التوظيف بالذكاء الاصطناعي
تساعد Huntr.co، وهي منصة لبناء السيرة الذاتية وتخصيصها بالذكاء الاصطناعي، أكثر من 500000 باحث عن عمل في 190 دولة على صياغة تطبيقات أقوى وإدارة بحثهم. بالنسبة لفريق هندسي بسيط مكون من ثلاثة أشخاص، كان التحدي يتمثل في إيجاد قاعدة بيانات مرنة بما يكفي لتخزين التعقيد الكامل للتاريخ الوظيفي للشخص في هيكل يمكن للذكاء الاصطناعي قراءته والتفكير فيه والتوليد منه محليًا.
“إن أنواع البيانات المهنية التي نجمعها في Huntr تتوافق بشكل طبيعي مع نموذج مستند MongoDB،" يقول تريفور ماكان، كبير مهندسي البرمجيات في Huntr. "المشكلة الأساسية التي نحلها باستخدام أدوات البحث عن الوظائف التي تعمل بالذكاء الاصطناعي هي كيفية إبراز صفات المرشح التي تجعله فريدًا. يجب أن نكون مستعدين لتخزين أي نوع من البيانات التي يرغب المرشح في تضمينها في مواده.”
قامت Huntr ببناء AI Resume Builder على MongoDB Atlas، حيث يعكس نموذج المستند الشكل الطبيعي لبيانات الوظيفة: متداخلة بعمق، ومتغيرة عبر المرشحين، وتتطور باستمرار مع توفير النظام الأساسي لميزات جديدة. يتعامل بحث MongoDB على Atlas مع احتياجات البحث الأساسية بينما يعمل MongoDB Vector Search على تشغيل خياطة الوظيفة الميزة، التي تضع الملف الوظيفي المخزن للمرشح جنبًا إلى جنب مع وصف وظيفي محدد وتستخدم المطابقة الدلالية لإنشاء سيرة ذاتية مُحسّنة لهذا الدور.
يقول ماكان إن القدرات المتكاملة كان لها تأثير مباشر على مدى سرعة قيام الفريق بالشحن.
يقول ماكان: “يسمح لنا البحث المختلط في MongoDB بالاستعلام بسلاسة عبر مطابقات النص الحرفية والدلالية، وهو أمر لا بد منه عند العمل مع مثل هذه البيانات المتنوعة”. “هذا شيء يمكننا تجميعه معًا باستخدام حلول أخرى، ولكن مع MongoDB أصبح جاهزًا للانتقال إلى أعلى طبقة البيانات الحالية لدينا.” إن دمج قدرات قاعدة البيانات والبحث والمتجهات في منصة واحدة هو ما يسمح للفريق بالتفوق على ثقله. ويضيف ماكان أن هانتر تعتبر MongoDB العضو الرابع في فريقها الهندسي.
وبالنظر إلى المستقبل، تتجه المنصة نحو الذكاء الاصطناعي الذي يتعلم من التاريخ المهني الكامل للمرشح مع مرور الوقت، ويقدم إرشادات أكثر تخصيصًا مع كل تفاعل.
المخطط الرقمي الأصلي
تصبح قصص النجاح هذه نهائية "المخطط الأصلي الرقمي" لعصر الوكلاء، المبني على ثلاث ركائز أساسية. أولاً، من خلال توحيد قاعدة البيانات والبحث وتخزين المتجهات في منصة واحدة، تمكنت هذه الشركات الناشئة بشكل فعال من التخلص من العبء المعماري لمخططات البيانات المعقدة التي عادةً ما تؤدي إلى إبطاء عملية التطوير. يتيح هذا الدمج مستوى من السيولة أصبح الآن غير قابل للتفاوض؛ يحتاج وكلاء الذكاء الاصطناعي إلى منصة بيانات حديثة يمكنها التكيف بسرعة مع تطور موجه اللغة الطبيعية.
سيكون الفائزون في عصر الذكاء الاصطناعي هم أولئك الذين يبنون الأنظمة الأكثر أداءً واستدامة ومرونة لدعم تلك النماذج في الإنتاج. مع تزايد تطور مسارات عمل الوكلاء، يحدد أساس البيانات مدى سرعة قيام الفريق بالشحن، ومدى موثوقية عمل الوكلاء، ومدى سرعة تكيف النظام الأساسي عندما يتغير المشهد مرة أخرى.
المقالات الدعائية هي محتوى تنتجه شركة تدفع مقابل المنشور أو لديها علاقة عمل مع VentureBeat، ويتم تمييزها دائمًا بشكل واضح. لمزيد من المعلومات، اتصل sales@venturebeat.com.
