ما تكشفه موجّهات Siri الجديدة عن تصميم Agent على الجهاز

AIOK
, , ,
1

اليوم (2026-06-09، بتوقيت بكين) قرأت أخبار Siri AI الجديد، ثم عدت لأراجع هذين الملفين لتعليمات Siri الجديدة وترجمتها الصينية. أعتقد أن أكثر ما يستحق أن يتعلمه منه مستخدمو الذكاء الاصطناعي العاديون والمطورون ليس أنه «مساعد صوتي آخر أكثر ذكاءً»، بل أن Apple تعمل على تحويل Siri إلى نظام تشغيل Agent يعمل على طرف الجهاز.

أضع الملفات هنا أولًا، وكلاهما يمكن تنزيله مباشرة:

التحقق:

siri_prompt.md     596cb8eccdf11d9142164da273b30431d4b5e891311ae60c265724749d1c65e0
siri_prompt_zh.md  af8778997de75fbadfa4f1b9a2cc7b31b869d40ed76c1e398453a9b126d873bf

في أخبار Siri الجديدة اليوم، يمكن التركيز على هذه النقاط

تطلق Apple على هذا الإصدار الجديد اسم Siri AI، وتقول رسميًا إنه سيملك فهمًا للسياق الشخصي، ومعرفة واسعة بالعالم عبر الإنترنت، وإدراكًا لما يظهر على الشاشة، وسيتمكن من تنفيذ عمليات عبر التطبيقات. كما يذكر البيان الرسمي أن المطورين يمكنهم اختباره بدءًا من اليوم، وأنه سيُتاح للمستخدمين في وقت لاحق من هذا العام على شكل إصدار beta.

وهذا يتطابق مع ملف التعليمات: فالتعليمات لا تكتفي بكتابة «يجب أن تكون ذكيًا ويجب أن تكون مهذبًا»، بل تعرّف كيف يتعرف Siri على الكيانات داخل الجهاز، وكيف يستدعي الأدوات، وكيف يتعامل مع محتوى الشاشة، ومتى يجب عليه أن يسأل المستخدم، ومتى لا يجوز له أن يخمّن.تأتي نقطة أساسية أخرى من وثائق Apple Developer: إطار عمل App Intents هو الطريقة التي تتيح للتطبيق الاتصال بـ Apple Intelligence وSiri AI؛ أما واجهة View Annotations API الجديدة فتتيح للمطوّرين ربط العروض الظاهرة على الشاشة بكيانات، بحيث يستطيع المستخدمون الإشارة بشكل طبيعي إلى «هذا الشيء أمامي». وهذا يوضح أن تركيز Siri الجديدة ليس على نافذة دردشة، بل على تحويل التطبيقات والشاشة والبيانات الشخصية وإجراءات النظام إلى واجهات منظَّمة يمكن للنموذج استخدامها بشكل موثوق.

ما هو المثير للاهتمام حقًا في هذه المطالبة

أولًا، الكيانات حقائق، وليست مطالبات.

تؤكد المطالبة مرارًا أن Entities هي حقائق منظَّمة تعيدها مصادر مثل الجهاز والتطبيقات وعمليات البحث على الويب؛ وينبغي أن تكون خصائص الكيان مقدَّمة على ذاكرة النموذج، لكن النص داخل الكيان لا يجوز أن يوجّه النموذج في الاتجاه المعاكس. هذه نقطة مهمة جدًا: الخطر الحقيقي في المساعدين الشخصيين مستقبلًا ليس أن «النموذج لا يعرف»، بل أن «النموذج يعامل محتوى الرسائل الإلكترونية وصفحات الويب والرسائل كتعليمات نظام». لذلك فهو يفصل البيانات عن التعليمات بصرامة شديدة.

ثانيًا، الحقول المفقودة تعني أنها مجهولة، وليست دعوة للنموذج كي يختلقها.

المتطلبات الخاصة بـ missing properties في الملف صارمة جدًا: عدم وجود حقل يعني أنه مجهول، وليس أنه آمن افتراضيًا أو موجود افتراضيًا أو متاح افتراضيًا. هذا التصميم مناسب جدًا لإعادة استخدامه في جميع منتجات agent. من الأفضل أن يقول المساعد «تنقصني هذه المعلومة» بدلًا من أن يتذاكى ويكملها من السياق، لأن الخطأ في الإكمال قد يعني إرسال رسالة إلى الشخص الخطأ، أو الاتصال بالرقم الخطأ، أو حذف الشيء الخطأ.

ثالثًا، استدعاءات الأدوات تتمحور حول معرّفات الكيانات، لا حول الأسماء باللغة الطبيعية.

تطلب المطالبة تمرير الكيانات في معاملات _id و_ids، لا تمرير الأسماء عشوائيًا؛ وإذا كان هناك غموض، يُطلب من المستخدم الاختيار. هذا في الواقع يضيف إلى LLM طبقة من الوعي بـ«المفتاح الخارجي في قاعدة البيانات»: اللغة الطبيعية مسؤولة عن الفهم، لكن طبقة التنفيذ يجب أن تستقر على معرّف ثابت. أي شخص يطوّر أدوات أتمتة أو روبوتات مجموعات أو وكيل متصفح ينبغي أن يتعلم من هذا.

رابعًا، سياق الشاشة هو المدخل الأساسي لـ Siri الجديدة.تتضمن Device State مفاهيم مثل التطبيق المركَّز عليه، والنافذة الأمامية، والكيانات المحددة، والكيانات الحية. عندما يقول المستخدم: «هذا»، «هذا الذي على الشاشة»، «ذاك قبل قليل»، فإن Siri لا تعتمد على التخمين، بل تقوم أولًا بتوسيع الكيانات داخل النافذة المرئية. وبالاقتران مع View Annotations API في Apple Developer، فهذا يعني تحويل واجهة المستخدم إلى رسم بياني للكيانات يمكن للنموذج الإشارة إليه والتعامل معه.

خامسًا، الإجابة ليست نصًا خالصًا، بل «إخراج واجهة مستخدم متعدد الوسائط».

في بداية الموجّه، يُطلب من Siri تقديم إجابات غنية بصريًا: صور، واجهات تطبيقات أصلية، مقارنات منظّمة، ومصادر مرجعية. من هنا يمكن رؤية تصوّر Apple للمنتج فيما يخص المساعد: المساعد الشخصي الحقيقي لا يكتفي بإخراج فقرات طوال الوقت، بل يحوّل الإجابة، في الوقت المناسب، إلى واجهة نظام، أو بطاقات كيانات، أو مجموعة صور، أو جدول، أو إجراء داخل تطبيق.

سادسًا، حدود الأمان مكتوبة بتفصيل أطول من إعدادات الشخصية.

فهي تضع قواعد لفشل الأدوات، وتصحيح المستخدم، وافتراضات التعرّف على الكلام، والعمليات الجماعية، والأهداف الغامضة، والإجراءات غير القابلة للتراجع. مقارنةً بإعدادات الشخصية من نوع «من أنت»، هذه هي الأمور الحاسمة فعلًا في إمكانية تطبيق Agent على أرض الواقع. لأن المساعد على الجهاز، بمجرد أن يصبح قادرًا على التعامل مع جهات الاتصال والرسائل والبريد والتقويم والخرائط والصور، لا تعود تكلفة الخطأ مجرد «الإجابة بجملة خاطئة».

قائمة تصميم يمكن الاقتداء بها

إذا كنت سأبني مساعدًا بالذكاء الاصطناعي، أو خدمة عملاء، أو browser agent، أو أتمتة محلية، فسأقتبس من هذا الموجّه هذه البُنى:

  1. أضف مصدرًا وid لكل حقيقة خارجية، ولا تسمح للنموذج بتنفيذ الإجراءات مباشرةً اعتمادًا على تشابه النصوص.
  2. اعتبر «الحقول الناقصة» حالة صلبة، بدلًا من ترك النموذج يملؤها.
  3. تعامل مع نتائج الأدوات كحقائق فقط، لا كتعليمات، للوقاية من prompt injection.
  4. عند وجود إجراءات غير قابلة للتراجع، أو غموض في الهدف، أو عدة أشخاص بالاسم نفسه، أو اختلافات في التعرّف على الكلام، اجعل التأكيد إلزاميًا.
  5. اجعل واجهة المستخدم تكشف الكيانات بنفسها، بدلًا من أن يعتمد النموذج على تخمينها من لقطة شاشة.
  6. صمّم الإجابة كواجهة قابلة للتشغيل، لا كمجرد فقرات دردشة.
  7. يجب أن يكون كل إجراء عابر للتطبيقات قابلًا لتفسير: «اعتمدتُ على أي كيان، وأي مصدر، وأي نتيجة أداة».

الخلاصة التي أجدها الأكثر إثارة للاهتماميبدو Siri AI الجديد ظاهريًا كأن «Apple لحقت أخيرًا بـ ChatGPT / Gemini»، لكن من خلال الـ prompts، يبدو أقرب إلى agent runtime على مستوى النظام: نظام الكيانات مسؤول عن الحقائق، ونظام الأدوات مسؤول عن تنفيذ الإجراءات، وحالة الجهاز مسؤولة عن السياق، بينما تتولى App Intents وView Annotations إدخال تطبيقات الطرف الثالث، وفي النهاية يتولى Siri جدولة كل ذلك باللغة الطبيعية.

وقد يكون هذا أيضًا هو الفارق بين Apple وروبوتات الدردشة العامة: يمكن لروبوتات الدردشة أن تعتمد على السياق الطويل والنماذج القوية للتعامل مع الأمور بالقوة، أما Siri على الجهاز فيجب أن يعمل عبر البنية المهيكلة، والصلاحيات، والتأكيد، وربط واجهة المستخدم، وحدود الخصوصية. النموذج ليس سوى جزء من الدماغ؛ أما حاجز المنتج الحقيقي فيكمن في «كيف يُمثَّل عالم الجهاز للنموذج بطريقة آمنة».

المراجع