Blank white background with no objects or features visible.

تحية إلى منطقة أوروبا والشرق الأوسط وأفريقيا! توسع TrueFoundry نطاق حضورها في هذه المنطقة الحيوية. اقرأ المزيد ←

هندسة السياق على مستوى طبقة البوابة: كيف تمكّن إدارة الجلسات الوكلاء طويلي التشغيل

By بويو وانغ

Updated: November 5, 2026

Published: July 2, 2026

أعادت المقالة التي نشرتها Anthropic في سبتمبر 2025 حول هندسة السياق صياغة هذا التخصص: من مجرد اختيار الكلمات المناسبة لموجه فردي إلى تحديد المعلومات التي ينبغي أن تكون في نافذة السياق في كل خطوة من عمل الوكيل. يدور هذا المنشور حول البنية التحتية التي تنفّذ تلك القرارات عند طبقة البوابة. تتبع الجلسات، ضغط المحادثات، والتخزين المؤقت للمقاطع المسبقة (prefix caching) هي الأشكال الأساسية على مستوى البوابة التي تسمح لهندسة السياق بالعمل فعليًا في بيئة الإنتاج — ليس الاستراتيجية (فهذه تخص الوكيل)، بل الركيزة التي تجعل الاستراتيجية قابلة للتطبيق عبر آلاف عمليات التشغيل طويلة المدى.

النقاط الرئيسية
  • هندسة السياق هي تخصص تنظيم ما يوجد في نافذة سياق النموذج عند كل دور. إنها مسألة تخص مستوى الوكيل؛ بينما توفر البوابة البنية التحتية التي تسمح لها بالتوسع.
  • تجمع إدارة الجلسات عمليات تشغيل الوكيل متعددة الأدوار في محادثة منطقية واحدة عبر رأس طلب (header) — في TrueFoundry AI Gateway، عبر X-TFY-CONVERSATION-ID. تصبح عملية التشغيل المكونة من 30 دورًا خطًا زمنيًا واحدًا قابلاً للاستعلام بدلاً من 30 طلبًا منفصلاً.
  • يجمع الوكلاء طويلو التشغيل السياق بشكل يتوقع حدوثه: كل نتيجة أداة وكل دور نموذج يضيفان رموزًا رقمية (tokens). يمكن لوكيل البرمجة أن ينتقل من 12 ألف إلى 200 ألف رمز رقمي في 30 دورًا دون أن ترتكب التطبيقات أي خطأ.
  • تأتي OpenAI Responses API مجهزة بالضغط كعنصر أساسي من الدرجة الأولى — قائم بذاته (POST /v1/responses/compact، صريح) وعبر خادم النظام (context_management مع compact_threshold، تلقائي). عنصر الضغط المُرَجَّع عبارة عن تمثيل مشفر وغير شفاف يمكن للنموذج الاستئناف منه.
  • غالباً ما يكون التخزين المؤقت للمقاطع المسبقة من جانب المزود — Anthropic cache_control، وOpenAI التلقائي عند مطابقة المقاطع المسبقة ≥ 1024 رمزًا رقميًا — هو العنصر الأساسي الأعلى في عائد الاستثمار لهندسة السياق. مع موجه نظام بسعة 12 ألف رمز رقمي على نطاق واسع، غالبًا ما تغطي الوفورات تكلفة الاستثمار في المنصة في غضون أسابيع.
  • يضيف الضغط القائم بذاته رحلة ذهاب وإياد إضافية؛ بينما يتجنب الضغط من جانب الخادم إجراء مكالمة منفصلة ولكنه يضيف تأخيرًا أثناء البث. تتجنب قراءات ذاكرة التخزين المؤقت إعادة معالجة المقاطع المسبقة الثابتة. الإجراء التقديري الصحيح: تخزين المقاطع المسبقة الثابتة وغير المخصصة للمستخدم مؤقتًا افتراضيًا، والضغط بشكل استباقي عند ~75% من حد سياق النموذج، وعدم ضغط المحادثات القصيرة.
  • يمكن للبوابة كشف اللبنات الأساسية التي تستخدمها منصة الوكيل لتنفيذ استراتيجية السياق الخاصة بها — تجميع الجلسات، ورؤية ميزانية الرموز الرقمية، وإسناد مرات التخزين المؤقت الناجحة، وتوجيه عملية ضغط المزود. في TrueFoundry AI Gateway، تقع هذه الميزات إلى جانب إسناد التكلفة لكل تتبع من المنشورات السابقة.

بعد ظهر يوم الجمعة في Northwind. تفتح مايا، وهي مهندسة رئيسية في فريق المنصة، سلسلة المحادثات على Slack بعنوان "#agent-help: code-review is failing on big PRs." وتتتبع سبب الفشل لتصل إلى طلب السحب PR #4127 — وهو تعديل على 600 سطر برمي. نفذ الوكيل 23 استدعاءً للأدوات: قرأ أربعة ملفات، وشغّل مجموعة الاختبارات مرتين، واستعلم عن أداة الفحص البرمجي (linter)، وجلب نسبة التغطية. في الدور 24، أعاد النموذج إجابة كررت نفس الفقرة ثلاث مرات وانتهت في منتصف الجملة.

عرض الجلسة في البوابة يوضح السبب المباشر. بحلول وقت الفشل، تنامى حجم حمولة الطلب ليتجاوز 185 ألف رمز رقمي مقابل نموذج بسياق 200 ألف — تشغيل مجموعة الاختبارات مرتين وحده أضاف عشرات الآلاف من الرموز الرقمية. لم يلاحظ الوكيل مطلقًا أنه يستنفد مساحته؛ وظل يلحق نتائج الأدوات بمصفوفة المحادثة حتى انهارت ميزانية انتباه النموذج.

عادةً ما لا يكون الحل نموذجًا أساسيًا أكثر ذكاءً. بل بنية تحتية تمنع الوكيل من إيصال ميزانية سياقه إلى الحضيض — محولةً موقف "لقد ملأنا نافذة السياق بالخطأ" إلى "قامت البوابة بالضغط حول حد 150 ألف رمز رقمي، وواصل الوكيل عمله." يوضح هذا المنشور كيفية عمل تلك البنية التحتية.

1. هندسة السياق مقابل هندسة الموجهات: منظور البنية التحتية

في العديد من تطبيقات حقبة 2023، كانت هندسة الموجهات تعني اختيار الصياغة والأمثلة والترتيب المناسب للحصول على استجابة واحدة صحيحة. هندسة السياق، كما أوضحت Anthropic في مقالتها المنشورة في سبتمبر 2025، هي البديل المطور — فهي تسأل عن تهيئة السياق الأكثر احتمالاً لإنتاج السلوك المطلوب من النموذج عبر كامل فترة تشغيل الوكيل، وليس مجرد استدعاء واحد.

هذا التحول مهم لأن الوكلاء طويلي التشغيل يراكمون الحالة. كل نتيجة أداة، واستجابة سابقة للنموذج، ومتابعة من المستخدم إما أن تعيش في نافذة السياق أو لا. يتدهور سلوك النموذج — أو ما تسميه Anthropic "تعفن السياق" — قبل الوصول إلى الحد الاسمي للسياق بوقت طويل، مع اختلاف منحنى التدهور الدقيق حسب النموذج والمهمة ومكان وجود المعلومات ذات الصلة في النافذة. لذا، يتعين على الوكيل اتخاذ قرارات: ما الذي يحتفظ به، وما الذي يلخصه، وما الذي يتخلص منه، وما الذي يدفع ثمنه بالكامل، وما الذي يخزنه مؤقتًا. هذه القرارات تخص الوكيل. أما الآليات التي تنفذها فتخص البوابة — وهي الطبقة التي توجد بالفعل في TrueFoundry AI Gateway عند كل استدعاء: وسم الطلب بمعرف محادثة، وحساب النسبة المئوية للسياق التي تذهب لموجه النظام مقابل السجل المتنامي، واستدعاء نقطة نهاية الضغط عند الوصول إلى الحد، والاستفادة من ذاكرة التخزين المؤقت للمقاطع المسبقة بدلاً من دفع ثمن نفس موجه النظام المكون من 12 ألف رمز رقمي في كل استدعاء. يحدد الوكيل تهيئة السياق التي يريدها؛ وتنفذ البوابة تلك التهيئة بكفاءة. وتفاصيل المقال المتبقية تتناول هذه الآليات.

2. إدارة الجلسات: تجميع الطلبات متعددة الأدوار في محادثات منطقية

تشغيل الوكيل الفردي يتكون من استدعاءات متعددة للمزود. قد يجري وكيل مراجعة الأكواد الذي يعالج طلب سحب واحد ما بين 10 إلى 30 استدعاءً — واحد للتخطيط، وعارضة لقراءة الملفات، وعارضة لتشغيل الاختبارات، وواحد لكتابة المسودة، وواحد للمراجعة بعد خطأ في الأداة. بدون البيانات الوصفية للجلسة، يرى مخزن التتبع 30 طلبًا منفصلاً؛ ومعها، يرى محادثة من 30 دورًا يمكن إعادة تشغيلها من البداية إلى النهاية.

العرف السائد هو رأس طلب يحدده الوكيل عند الاستدعاء الخارجي. في TrueFoundry AI Gateway، يتمثل هذا في رأس الطلب X-TFY-CONVERSATION-ID — وتُعد البادئة X-TFY- هي مساحة الأسماء الخاصة بـ TrueFoundry، والتي تُقرن برأس الطلب X-TFY-METADATA المذكور في منشور إسناد التكلفة. تعامل مع هذا الاسم المحدد كعرف توضيحي للبوابة وليس كمعيار قياسي في الصناعة؛ إذ يمكن تسمية الرأس المكافئ بأي اسم، والمهم هو انتشار القيمة عبر شجرة النطاق (span tree):

HTTP — يضع التطبيق وسمًا على كل دور من أدوار الوكيل متعدد الأدوار بمعرف محادثة

ما تسجله البوابة لكل جلسة: التسلسل المرتب لاستدعاءات المزود في المحادثة مع معرفات التتبع الخاصة بها؛ والرموز الرقمية التراكمية للإدخال والإخراج وقراءة ذاكرة التخزين المؤقت وكتابتها سواء لكل دور أو عبر المحادثة ككل؛ وحقول البيانات الوصفية من كل استدعاء (مع الاستمرار في اعتماد مخطط إسناد التكلفة من المنشور السابق)؛ والمراجع إلى معرفات التتبع بدلاً من النص الكامل — حيث تظل نافذة السياق المعالجة لدى المزود، ويكون سجل الجلسة صغير الحجم.

هذا الأمر مهم لاستكشاف الأخطاء وإصلاحها. فالوكيل المكون من 20 دورًا والذي يفشل عند الدور 15 لا يمكن استكشاف أخطائه كـ 20 طلبًا معزولاً. بل يجب أن يكون قابلاً للتحليل كتسلسل — الدور 14 أنتج نتيجة أداة تسببت في السلوك السيئ للدور 15؛ ومدخلات الدور 13 كانت تستهلك بالفعل 95% من حد السياق. يقلص عرض الجلسة 20 تتبعًا إلى خط زمني واحد قابل للاستعلام يحتوي على أعداد الرموز الرقمية التراكمية، وملف تعريف التأخير، ومعدلات نجاح ذاكرة التخزين المؤقت لكل دور.

3. مشكلة تراكم الرموز الرقمية: دورة حياة نافذة السياق لوكيل البرمجة

تنمو نافذة السياق لوكيل البرمجة بنمط متوقع. بالنسبة للنموذج المبسط أدناه، افترض وجود موجه نظام بسعة 12 ألف رمز رقمي (تعريفات الأدوات، دليل التنسيق، الأمثلة) عند الدور 0، وأن كل دور لاحق يضيف تقريبًا 6 آلاف رمز رقمي معالج — نتيجة أداة بالإضافة إلى استجابة المساعد والنفقات الإضافية لكل دور. ينتج عن ذلك صعود خطي بنحو 6 آلاف لكل دور (عمليات التشغيل الحقيقية أكثر تفاوتًا؛ انظر الملاحظة بعد الجدول):

الدور رموز الإدخال الرقمية % من حد الـ 200 ألف الحالة
0 12,000 6% جديد
10 72,000 36% سليم
17 114,000 57% خطر مرتفع
23 150,000 75% محفز الضغط
30 192,000 96% فشل وشيك
32 204,000 تجاوز الحد رفض الطلب أو فشل النموذج

ما يحدث عندما تمتلى النافذة ليس فشلاً تاما بالضرورة — بل هو تدهور. تميل دقة النموذج في الاسترجاع واتباع التعليمات إلى الانخفاض قبل الوصول إلى الحد الاسمي بوقت طويل، والأسوأ من ذلك، أن النموذج لا يعطي أي إشارة إلى تدهوره — بل يخرج مخرجات بثقة وتنسيق جيد ولكنها خاطئة. بحلول الوقت الذي تمتلى فيه النافذة، يصبح النموذج أكثر عرضة للهلاوس، أو تكرار نفسه، أو تفويت التعليمات، أو إرجاع استدعاءات أدوات مشوهة. التدهور هو تدرج وليس حافة حادة، ويختلف مكان بدايته حسب النموذج والمهمة ومكان وجود الرموز الرقمية ذات الصلة — لكن النتيجة التشغيلية واحدة: يجب أن تتدخل البنية التحتية قبل انهيار السلوك وليس بعده. (الجدول أعلاه هو نموذج خطي توضيحي؛ عمليات تشغيل وكيل البرمجة الحقيقية عادة ما تكون أكثر تفاوتًا — فقد تضيف عملية grep واحدة عبر قاعدة برمجية كبيرة أو تشغيل اختبار تفصيلي 20 ألف رمز رقمي في دور واحد.)

نمط تراكم الـ ~6 آلاف رمز لكل دور نفسه تحت نظامين. بدون الضغط يتجاوز التشغيل حد سياق النموذج عند الدور 32 تقريبًا، وتميل الجودة إلى الانخفاض قبل ذلك — التدهور هو تدرج يختلف حسب النموذج والمهمة، وليس حافة ثابتة عند عدد معين من الرموز. مع الضغط من جانب الخادم عند 75%، تنخفض المحادثة إلى حدها الأدنى لما بعد الضغط ويستمر الوكيل. الضغط المتكرر هو عملية يتخللها فقدان للمعلومات وتضيف تأخيرًا، لذا فهي تمدد فترة التشغيل بدلاً من جعلها غير محدودة.

يمكن للوكيل أن يختار عدم النمو إلى هذا الحد أبداً — عبر مسح نتائج الأدوات القديمة، أو كتابة الملخصات على القرص، أو تشغيل وكلاء فرعيين لكل استدعاء أداة بسياق جديد. هذه استراتيجيات حقيقية وتخص الوكيل. أما دور البوابة فهو جعل الخيار البديل — وهو الضغط — سهلاً بما يكفي لتطبيقه باستمرار: توجيهه، ومراقبته، وإسناد تأثيراته على الرموز الرقمية وزمن التأخير، وتطبيق السياسات حول وقت تحفيزه. في TrueFoundry AI Gateway، تأتي أعداد الرموز الرقمية لكل دور التي تجعل هذا الجدول واقعيًا من نفس تجميع الجلسة الذي أظهر الفشل في الافتتاحية — التراكم هو شيء يمكنك مراقبة صعوده، وليس شيئًا تكتشفه بعد انكسار النموذج.

4. التعمق في واجهة برمجية الضغط: النمط القائم بذاته والنمط من جانب الخادم

تدعم OpenAI Responses API الضغط كعنصر أساسي من الدرجة الأولى، عبر نمطين.

قائم بذاته (صريح). يكتشف التطبيق نمو السياق، ويستدعي POST /v1/responses/compact مع المحادثة الكاملة كمدخلات، ويتلقى نافذة سياق ضغُطت حديثًا. يستخدم استدعاء /responses التالي تلك النافذة المُرَجَّعة بدلاً من سجل المحادثة السابق — ويمررها كما هي، لأنها تحمل حالة النموذج التي يحتاجها (وقد تحتفظ ببعض العناصر السابقة إلى جانب عنصر الضغط).

Python — ضغط صريح عندما يقرر التطبيق ذلك

من جانب الخادم (تلقائي). يتضمن التطبيق context_management مع compact_threshold في طلب /responses الأصلي. عندما يتجاوز عدد الرموز الرقمية المعالجة الحد المسموح به في منتصف البث، يقوم الخادم بالضغط ضمن النطاق، ويبث عنصر ضغط مشفر في تدفق الاستجابة، ويستأنف الاستدلال دون رحلة ذهاب وإياب منفصلة.

Python — ضغط تلقائي من جانب الخادم عبر context_management

عنصر الضغط نفسه غير شفاف للعميل (opaque). لا يمكنك قراءته، أو تعديله، أو فحص محتوياته. فهو يحمل الحالة والتحليلات التي يحتاجها النموذج للمتابعة ويكون أصغر بكثير من المحادثة الأصلية. وهو متوافق مع ZDR (الاحتفاظ Zero-Data) عند ضبط store=false في الطلب الأصلي.

نمطان للتسلسل بمجرد حدوث الضغط. ربط مصفوفة المدخلات بدون حالة (Stateless input-array chaining): إلحاق عناصر المخرجات (بما في ذلك عنصر الضغط) بالمصفوفة التالية للمدخلات، وإسقاط العناصر التي تسبق أحدث عنصر ضغط لإبقاء الطلبات صغيرة. الربط عبر previous_response_id: تمرير رسالة المستخدم الجديدة فقط في الطلب التالي وترك الخادم يعالج الحالة السابقة. يوفر الأول للتطبيق تحكمًا صريحًا في الحمولة المرسلة؛ بينما يرفع الثاني العبء عنه. بالنسبة لأحجام العمل الحساسة لـ ZDR، يُعد النمط بدون حالة مع store=false هو النمط القياسي. في كلتا الحالتين، يظل الضغط ميزة خاصة بالمزود؛ حيث تقوم بوابة TrueFoundry بتوجيه الاستدعاء وتسجيله في الخط الزمني للجلسة، بحيث يكون انخفاض الرموز الرقمية خطوة قابلة للملاحظة يمكنك إسنادها إلى استدعاء الضغط بدلاً من انخفاض غير مفسر في مصفوفة المحادثة.

5. التخزين المؤقت لموجه النظام: غالباً ما يكون العنصر الأعلى في عائد الاستثمار لهندسة السياق

بالنسبة لغالبية الوكلاء في بيئة الإنتاج، فإن التكلفة المهيمنة ليست المحادثة المتنامية — بل موجه النظام الذي يرسل دون تغيير مع كل استدعاء. موجه نظام بسعة 12 ألف رمز رقمي بتسعير Claude Sonnet 4.6 ($3 لكل مليون رمز إدخال) يكلف $0.036 لكل استدعاء بدون تخزين مؤقت. عند 1,000 استدعاء في الساعة، يمثل ذلك $36/الساعة لمجرد التعليمات الثابتة. عبر وكيل إنتاج واحد على مدار عام، يصل جزء موجه النظام وحده إلى حوالي 315,000 دولار.

التخزين المؤقت للمقاطع المسبقة من جانب المزود هو الحل. تكشف Anthropic عن ذلك عبر نقاط توقف cache_control في الموجه؛ بينما تطبقه OpenAI تلقائيًا عند مطابقة المقاطع المسبقة البالغة 1,024 رمزًا رقميًا أو أكثر. نظرًا لأن المطابقة تتم على المقطع المسبق بالضبط، فإن القاعدة العملية هي نفسها لدى كلا المزودين: ضع المحتوى الثابت (موجه النظام، تعريفات الأدوات) أولاً والمحتوى المتغير (دور المستخدم) أخيرًا، حتى يظل الجزء القابل للتخزين المؤقت مطبقًا تمامًا بالحرف (byte-identical) عبر الاستدعاءات. الاقتصاديات لدى Anthropic صريحة: تُحسب قراءات ذاكرة التخزين المؤقت بـ 10% من معدل الإدخال ($0.30 لكل مليون لـ Sonnet 4.6)؛ والطلب الأول الذي ينشئ ذاكرة التخزين المؤقت يدفع رسومًا إضافية بنسبة 25% لمدة بقاء (TTL) تبلغ 5 دقائق، أو 100% لمدة بقاء تبلغ ساعة واحدة.

JSON — نقطة توقف cache_control لـ Anthropic على موجه النظام

الحسابات الاقتصادية لموجه نظام بسعة 12 ألف رمز × 1,000 استدعاء/الساعة مع معدل نجاح ذاكرة التخزين المؤقت يبلغ 85% (عدم مطابقة عند المسار البارد، وقراءة من الذاكرة عند المسار الدافئ):

المكون الحسابات التكلفة بالساعة
الخط الأساسي غير المخزن مؤقتًا 1,000 × 12,000 × $3/مليون $36.00
قراءات التخزين المؤقت الدافئة (85%) 850 × 12,000 × $0.30/مليون $3.06
كتابات التخزين المؤقت الباردة (15%) 150 × 12,000 × $3.75/مليون $6.75
المجموع المخزن مؤقتًا $9.81
الخصم الفعلي ~73%

الانخفاض من 36 دولارًا/الساعة إلى 9.81 دولارًا/الساعة هو نوع التغيير الذي يجعل التخزين المؤقت للمقاطع المسبقة للموجهات أول تحسين تلجأ إليه معظم الفرق في أحجام عمل الوكلاء طويلي التشغيل. تتبع هذه الآلية المبدأ الاقتصادي الأساسي للتخزين المؤقت للموجهات: يجب إعادة استخدام السياق الثابت بدلاً من إعادة معالجته في كل طلب — والبوابة تجعل فرضه أمراً بسيطاً من الناحية التشغيلية. تندرج رموز قراءة وكتابة ذاكرة التخزين المؤقت ضمن الاستخدام اليومي لكل استدعاء والذي تقوم بوابة TrueFoundry بالفعل بإسناد تكلفته، لذا فإن الخصم أعلاه هو شيء يمكنك تأكيده مقابل حركة المرور الخاصة بك في عرض إسناد التكلفة من المنشور السابق، وليس مجرد تقدير تقريبي.

6. الآثار المترتبة على وقت الحصول على أول رمز (TTFT): متى تقوم بالضغط ومتى تجتنبه

يضيف الضغط تأخيرًا؛ بينما لا تضيف قراءات التخزين المؤقت ذلك. هذا التفاوت يشكل القواعد التقديرية لبيئة الإنتاج.

الاستدعاء القائم بذاته لـ /v1/responses/compact هو رحلة ذهاب وإياب متزامنة — يجب عليه قراءة الإدخال بالكامل، وتشغيل عملية ضغط من جانب المزود بخصائص التأخير والتكلفة الخاصة بها، وإرجاع النافذة المضغوطة. بالنسبة لمدخلات بسعة 150 ألف رمز رقمي، يمكن أن يضيف ذلك تأخيرًا ملحوظًا؛ قس ذلك على التتبعات الخاصة بك قبل اختيار الحدود. يتوقف الوكيل خلال ذلك الوقت.

الضغط من جانب الخادم أفضل ولكنه ليس مجانياً. تحدث مرحلة الضغط أثناء البث خلال استدعاء /responses التالي، لذا فإن TTFT لذلك الاستدعاء يتضمن كلاً من النفقات الإضافية للضغط ووقت الاستدلال العادي. إذا حفز الضغط عند كل تجاوز للحدود لدى وكيل مشغول، يصبح TTFT المرئي للمستخدم ثنائي المنوال (bimodal): معظم الأدوار سريعة، وبضع أدوار بطيئة بشكل ملحوظ. نظرًا لأن بوابة TrueFoundry تسجل تأخير كل استدعاء في تتبع الجلسة، فإن هذا النمط ثنائي المنوال يكون مرئيًا مباشرة في عرض تتبعات الطلبات — والأدوار البطيئة هي تلك التي تحمل النفقات الإضافية للضغط، مما يسمح لك بضبط الحد بناءً على أرقام حقيقية بدلاً من التخمين.

قاعدتان تقديريتان مهمتان في بيئة الإنتاج:

قم بالضغط بشكل استباقي، وليس كنعكس فعل. إذا تحفز الضغط فقط عند حد السياق الفعلي، يكون الوكيل قد قَضَى بالقعل أدوراه الأخيرة في منطقة الخطر المرتفع حيث تدهورت الجودة. اضبط الحد بشكل أقل بكثير من الحد الأقصى — عادةً عند 75% — حتى يقضي الوكيل وقتًا أقل هناك. بالنسبة لنموذج بسياق 200 ألف، يُعد هذا حدًا عند 150 ألف.

لا تقم بضغط المحادثات القصيرة. بالنسبة لمهمة من 5 أدوار تتصل بحد أقصى عند 30 ألف رمز رقمي، تتجاوز النفقات الإضافية للضغط الفائدة المرجوة — تكلفة رحلة الذهاب والإياب حقيقية حتى لو كان الاستدلال صغيرًا. حد أدنى معقول: لا تقم بالضغط مطلقًا تحت ~75 ألف رمز رقمي أو قبل الدور 10، أيهما يأتي أولاً. دون ذلك، حتى مرحلة السياق الكامل في أسوأ الحالات تكون أرخص من رحلة ذهاب وإياب للضغط.

إعداد افتراضي عملي لمنصة وكلاء الإنتاج: compact_threshold عند 75% من حد سياق النموذج، مع حماية للحد الأدنى للحجم عند ~75 ألف رمز رقمي، تطبق عبر الضغط من جانب الخادم مع الربط بدون حالة.

الضغط هو أيضًا أداة واحدة فقط من بين عدة أدوات، وليس دائمًا الخيار الصحيح. يعتمد الاختيار على طبيعة المهمة:

الاستراتيجية تكون الأفضل عندما ما تقدمه البوابة
التخزين المؤقت للموجهات يتكرر مقطع مسبق ثابت عبر الاستدعاءات إسناد مخرجات/كتابات التخزين المؤقت لكل جلسة
الضغط تحتاج مهمة مستمرة واحدة إلى الاستمرارية عبر عدة أدوار تحفيز الضغط أو توجيهه، وتتبع ميزانية الرموز الرقمية
ملاحظات مهيكلة / ذاكرة خارجية يمكن للحالة المهمة أن تعيش خارج نافذة السياق تتبع استدعاءات الأدوات والذاكرة في تسلسل الجلسة
الاسترجاع (Retrieval) المجموعة أكبر بكثير من نافذة السياق مراقبة حجم الرموز المسترجعة وإسناد المصدر
الوكلاء الفرعيون تتفكك المهمة بوضوح إلى مشكلات فرعية مستقلة تجميع التتبعات التابعة تحت الجلسة الرئيسية

هذه الاستراتيجيات تتكامل ولا تتنافس — فغالباً ما يقوم وكيل الإنتاج بتخزين موجه النظام مؤقتاً، والاسترجاع من قاعدة بيانات، وكتابة الملاحظات على القرص، وضغط المحادثة المتبقية. ودور البوابة هو نفسه عبر جميع هذه العمليات: جعل كل منها قابلاً للملاحظة والإسناد، وليس اختيار إحداها بدلاً من الوكيل.

7. ربط عناصر البوابة الأساسية باستراتيجيات هندسة السياق

الربط بين مبادئ هندسة السياق وعناصر البوابة الأساسية الملموسة مباشر:

مبدأ هندسة السياقعنصر البوابة الأساسي الذي ينفذه تدقيق ما دخل في السياق عند كل دور إدارة الجلسات (X-TFY-CONVERSATION-ID، وإسناد الرموز الرقمية لكل دور مجمعة من نطاقات OTel) عدم السماح بفيض السياق في منتصف المهمة واجهة برمجية للضغط — من جانب الخادم عبر context_management، وقائمة بذاتها عبر /v1/responses/compact الدفع مقابل السياق الثابت مرة واحدة، وليس لكل طلب التخزين المؤقت للمقاطع المسبقة من جانب المزود — Anthropic cache_control، والتخزين التلقائي للمقاطع المسبقة من OpenAI تحميل السياق التدريجي حيثما أمكن بث نتائج الأدوات وبث الاستجابات الجزئية، والتي تظهر كنطاقات (spans) على الجلسة تنظيم ما في النافذة عند كل خطوة يتحكم به التطبيق؛ وتوفر البوابة الركيزة — رؤية على مستوى الدور، والتحكم في الضغط، وإسناد نجاح التخزين المؤقت

لا تتخذ البوابة قرارات هندسة السياق. بل تجعلها قابلة للتنفيذ، وتصحيح الأخطاء، وموحدة عبر المزودين الذين يتحدث إليهم الوكيل — وهذا هو الهدف من بوابة الذكاء الاصطناعي مثل TrueFoundry: مكان واحد تنطبق فيه تجميع الجلسات، ورؤية ميزانية الرموز الرقمية، وإسناد التكلفة بشكل متماثل سواء كان الوكيل يتحدث إلى OpenAI أو Anthropic.

8. الأسئلة الشائعة

هل نحتاج إلى استخدام Responses API للحصول على الضغط؟

بالنسبة للنسخة الأصلية من جانب الخادم عبر الواجهة البرمجية، نعم. لا تحتوي Chat Completions على عنصر ضغط أساسي من الدرجة الأولى — ويتعين على التطبيقات بناء حلولها الخاصة (عادةً: تلخيص المحادثة السابقة باستدعاء نموذج منفصل وتمرير الملخص للأمام). تتيح Responses API الضغط كعملية صريحة مع قواعد عناصر الضغط غير الشفافة التي تجعلها آمنة لـ ZDR.

كيف يتفاعل الضغط مع التخزين المؤقت للموجهات؟

إذا ظل المقطع المسبق الثابت للنظام/المطور/الأداة مطبقًا بالحرف (byte-identical) ويسبق السجل المضغوط، فيجب ألا يقطع الضغط نجاح التخزين المؤقت لذلك المقطع المسبق — يتطلب نجاح التخزين مطابقة تامة للمقطع المسبق، لذا فإن رأس الموجه غير المتغير سيظل متطابقًا. ما يتغير هو إمكانية تخزين جزء سجل المحادثة مؤقتًا: يجب على الطلبات اللاحقة تكييف مدخل مؤقت جديد للمقطع المسبق لما بعد الضغط. هذا سبب عملي لوجود الضغط على فترات متباعدة بدلاً من كل بضعة أدوار — حيث يؤدي كل ضغط إلى إبطال ذاكرة التخزين المؤقت لجزء المحادثة، حتى لو ظل الجزء الأكبر الخاص بموجه النظام كما هو دون مساس.

هل يمكن للبوابة الضغط عبر عدة مزودين مختلفين؟

لا. الضغط يتم من جانب المزود وعنصر الضغط غير شفاف وخاص بالمزود — لا يمكنك الضغط باستخدام OpenAI والاستئناف باستخدام Anthropic. يمكن للبوابة توجيه استدعاءات الضغط وإظهار العناصر الناتجة في عرض الجلسة الخاص بها، ولكن يجب أن يستمر الاستئناف مع نفس المزود.

ماذا لو استخدم العميل sub-agents بدلاً من الضغط compaction؟

تُعد الـ sub-agents بديلاً فعالاً — إذ إن سياق الحوار الجديد لكل مهمة فرعية يعني أن كل منها لا يتجاوز حد المشكلة الفرعية الخاصة به، ويقوم الـ orchestrator بتجميع المخرجات في النهاية. تعمل الـ sub-agents عندما تكون المشكلات الفرعية قابلة للتقسيم بشكل واضح؛ بينما يعمل الضغط compaction عندما يحتاج العميل إلى الاستمرارية عبر عدة جولات لمهام متصلة. وكلا الأسلوبين لا ينفي أحدهما الآخر.

كيف تتوافق أعداد session tokens مع OTel spans التي نلتقطها بالفعل؟

تتبع trace واحد لكل استدعاء provider، وجلسة session واحدة لكل محادثة conversation. تُعد الجلسة تجميعاً لـ traces الخاصة بالمحادثة؛ وتظهر أعداد token التراكمية، وملف الأداء latency profile، ومعدلات ضربات ذاكرة التخزين المؤقت cache hit rates عبر جميع الجولات.

أين يأتي دور TrueFoundry؟

النمط الموضح في هذا المنشور محايد للـ gateway: وتُعد الـ gateway المكان الطبيعي لعرض تجميع الجلسات session grouping، وإمكانية رؤية ميزانية token لكل جولة، ونسب أثر cache-hit، وتوجيه استدعاءات provider compaction، لأنها تعتمد بالفعل على كل طلب request. توفر TrueFoundry AI Gateway طبقة الجلسات session وإمكانية الملاحظة observability التي تعتمد عليها تلك الميزات — التتبع المركزي centralized tracing، وتحديد الوسوم metadata tagging، وتخصيص التكلفة لكل trace وفرض الميزانية المغطاة في منشورات سابقة، وتجميعها على مستوى المحادثة. يُعد الضغط compaction والتخزين المؤقت caching نفسهما من ميزات الـ provider؛ وتتمثل مساهمة الـ gateway في توجيهها، وتحديد آثارها على token والتكلفة، وجعل تشغيل العميل الطويل قابلاً للاستعلام كجدول زمني واحد. (يُستخدم اسم الـ header المحدد X-TFY-CONVERSATION-ID هنا كعُرف توضيحي؛ وتُعامل العناصر الأساسية الدقيقة كعناصر يمكن لـ gateway عرضها بدلاً من عقد ثابت.) تختار منصة العميل استراتيجية السياق context strategy؛ بينما تمنحها الـ gateway إمكانية الرؤية وعناصر التحكم.

إذا كنت تشغل عميلاً يعمل لفترات طويلة في بيئة الإنتاج اليوم، فإن الخطوة الأكثر تأثيرًا هي تفعيل prefix caching على الـ system prompt. بالنسبة لـ OpenAI، يحدث هذا تلقائياً ولا يتطلب أي تغييرات في الكود؛ بالنسبة لـ Anthropic، قم بإضافة نقاط إيقاف cache_control حول الـ prefix الثابت وتحقق من اقتصاديات الكتابة/القراءة على عبء العمل لديك، نظرًا لأن كتابات التخزين المؤقت cache writes تخضع لطبقة تسعير خاصة بها. في كلا الحالتين، عادةً ما تُسترد استثمارات المنصة في غضون أسابيع. يُعد الضغط compaction الخطوة الثانية، بمجرد أن يتجاوز العميل بانتظام 60-70% من حد السياق context limit للنموذج. أما تتبع الجلسات session tracking فهو الخطوة التي تجعل كلا الأسلوبين أعلاه قابليْن لاستكشاف الأخطاء وإصلاحها debugging.

المراجع

Northwind وMaya وPR #4127 هي أمثلة توضيحية. تعكس أمثلة الضغط compaction و prompt-caching سلوك OpenAI Responses API و Anthropic API الموثق اعتباراً من مايو 2026. تراكم Token، والعتبات thresholds، و latency، ومعدلات cache-hit هي افتراضات ممثلة لأعباء العمل وليست قياسات — قم بقياسها مقابل traces الخاصة بعميلك قبل تحديد سياسة الإنتاج. أسعار الـ Provider وقدود السياق context limits المذكورة هي وفقاً لبطاقات الأسعار العامة وسطحات النماذج الخاصة بالـ providers في ذلك التاريخ.

‍

Try now.

One gateway for all your models, MCP servers, and agents. No credit card needed.

Start free
Table of Contents

One Gateway for Every LLM, Agent and MCP Server

Book a 30-min with our AI expert

Book a Demo

The fastest way to build, govern and scale your AI

Book Demo
Summarize with
ChatGPT logo by OpenAI
Perplexity AI logo
Blurry red snowflake on white background, symmetrical frosty design with soft edges and abstract shape.

Discover More

No items found.
Guide to Langgraph vs Langchain
November 16, 2026
|
5 min read

مقارنة بين LangChain وLangGraph: أيهما الأفضل لك؟

مقارنة
A detailed guide on Claude Fable 5
November 16, 2026
|
5 min read

كلود فيبل 5: واجهة برمجة التطبيقات، المعايير، التسعير وكيفية استخدامه

الهندسة والمنتج
openrouter vs litellm
November 16, 2026
|
5 min read

LiteLLM مقابل OpenRouter: أيهما الأنسب لك؟

مقارنة
November 16, 2026
|
5 min read

معمارية المحول في نماذج اللغة الكبيرة

مصطلحات LLM
No items found.

Recent Blogs

Black left pointing arrow symbol on white background, directional indicator.
Black left pointing arrow symbol on white background, directional indicator.
Take a quick product tour
Start Product Tour
Product Tour