Harness و Scaffold: المصطلحات التقنية اللي خاص تفهمهم صح

إيلا كنتي كتشتغل على مشاريع AI agents ولا كتتبع آخر الأخبار فالمجال، أكيد سمعتي بمصطلحات بحال Harness و Scaffold و Policy وماكتفهمتيش بالضبط شنو كتعني. هاد المصطلحات كتستعملها الشركات والمختبرات، ولكن كل واحد كيفهمها بطريقة مختلفة.

بعد مؤتمر ICLR 2026، مجموعة من الباحثين لاحظو هاد الالتباس وقررو يكتبو glossary (قاموس متخصص) باش يوضحوا هاد المصطلحات. هاد المقال هو شرح لهاد القاموس، بحال صديق كيشرح ليك الأساسيات.

شنو هي الأجزاء الأساسية ديال AI Agent؟

أي AI agent كيتكون من 3 ديال الأجزاء:

1. النموذج (Model)

هاد هي الـ LLM (النموذج اللغوي الكبير — نموذج AI كيفهم وكيكتب نص بحال إنسان): Claude ولا GPT ولا Qwen ولا DeepSeek. النموذج وحدو كيجاوب على سؤال واحد ويقف. ماعندو ذاكرة بين الجوابات، وماعندو loop (حلقة تكرار). يعني إيلا سولتيه سؤال، كيجاوب. إيلا سولتيه سؤال ثاني، ماكيتخذكر من الأول.

2. الـ Scaffolding (البنية التحتية)

هاد هي كل ما كيحيط بالنموذج من التعليمات والأدوات: system prompt (الرسالة اللي كتحدد شنو يكون دور النموذج)، وصف الأدوات اللي يقدر يستعملها، كيفاش كيقرا الجوابات، شنو كيتخذكر فكل خطوة (Context Engineering — تصميم ما كيشوف النموذج فكل خطوة).

الـ Scaffolding هي الأساس. هي اللي كتحدد كيفاش كيشوف النموذج العالم.

3. الـ Harness (الإطار التنفيذي)

هاد هي الحلقة اللي كتشتغل: كتنادي على النموذج، كتقرا الجواب ديالو، كتنفذ الأدوات اللي طلبها، وكتحدد متى كيقف. الـ Harness هي اللي كتخلي الـ Agent يشتغل بشكل فعلي.

الفرق البسيط: الـ Scaffolding هي اللي كتقول للنموذج "شنو كتقول". الـ Harness هي اللي كتقول "شنو كتدير".

Agent = Model + Harness + Scaffolding

ملي كتجمع الثلاث أجزاء دابا، كيولد عندك Agent — نظام ذكي كيقدر يدير مهام معقدة بشكل مستقل.

مثال عملي: Coding Agent

• النموذج: Claude ولا GPT
• الـ Scaffolding: نص كيقول للنموذج "أنتا مهندس برمجيات. هاد الأدوات ديالك: كتابة كود، تشغيل tests، قراية الملفات"
• الـ Harness: الحلقة اللي كتنادي على النموذج، كتشغل الكود اللي كتب، كتقول ليه النتيجة، كتحدد متى يقف

منين كتجمع كلش، كيولد عندك Claude Code ولا Cursor — أدوات كاينة فالسوق دابا.

شنو هي Policy؟

الـ Policy (السلوك) هي كل الخيارات اللي كيتخذها الـ Agent. يعني: إيلا كانت المشكل بحال X، شنو الاحتمال ديال اختيار الحل A وشنو الاحتمال ديال اختيار الحل B؟

جزء من السلوك مدمج فالنموذج (بيانات التدريب ديالو). ولكن الجزء الآخر مدمج فالـ Scaffolding والـ Harness (الـ prompts، الأدوات، الذاكرة). نفس النموذج يقدر يتصرف بطرق مختلفة تماما حسب الـ Scaffolding والـ Harness.

مثال: نفس Claude، ولكن:

• إيلا زدتي system prompt كيقول "أنتا محامي"، كيتصرف بحال محامي
• إيلا زدتي "أنتا مهندس برمجيات"، كيتصرف بحال مهندس

هاد الفرق كلو هو الـ Policy.

Tool Use و Skills و Sub-agents: شنو الفرق؟

هاد الثلاث مصطلحات كتسبب التباس كبير:

Tool Use

الأداة هي فعل واحد: "شغل الكود", "اقرا الملف", "ابحث على الويب". النموذج كيقول "بغيت نستعمل هاد الأداة" بطريقة منظمة (مثلا JSON)، والـ Harness كتنفذها وكتقول للنموذج النتيجة.

Skill

الـ Skill هي مجموعة منظمة من المعرفة باش تدير مهمة كاملة. مثلا: "شي bug فالكود" — الـ Skill كتحتوي على كل ما خاص: كيفاش كتحلل، كيفاش كتكتب الحل، كيفاش كتختبر. الـ Skill كتقدر تستعملها مع أي agent.

Sub-agent

الـ Sub-agent هي agent مستقل كامل: عندها نموذج ديالها، scaffolding ديالها، وharness ديالها. الـ Agent الأساسي كيقول لها "حل هاد المشكل"، والـ Sub-agent كتشتغل بشكل مستقل وكترجع النتيجة.

الفرق الأساسي: الـ Tool هي function بسيطة. الـ Skill هي معرفة. الـ Sub-agent هي عقل كامل.

Context Engineering: شنو اللي كيشوف النموذج فكل خطوة؟

هاد هي أهم جزء فالـ Scaffolding. السؤال البسيط: "شنو اللي كنقول للنموذج فكل خطوة؟"

الـ Context (السياق) كيتضمن:

• System prompt: الرسالة الأساسية اللي كتحدد الدور
• Tool descriptions: وصف الأدوات اللي يقدر يستعملها
• Conversation history: المحادثة السابقة
• Retrieved knowledge: معرفة مسترجعة من قاعدة بيانات

وفيه نوعين ديال الذاكرة:

• Short-term memory: ما كيبقا غير فالـ run الحالي (المحادثة، النتائج)
• Long-term memory: كتبقا بين الـ runs (ملفات، معرفة محفوظة)

هاد القرارات مهمة بزاف: إيلا اخترتي السياق غلط، النموذج غادي يتصرف غلط.

Training vs Inference: شنو الفرق؟

كاين حالتين:

Inference (الاستخدام العادي)

النموذج كيشتغل، كيقول "بغيت نستعمل هاد الأداة"، الـ Harness كتنفذها، والحلقة كتتكرر. التغيير سهل: غير الـ Prompt وخلاص.

Training (التدريب)

هاد أعقد. الـ Harness كتشغل الـ Agent آلاف المرات على مهام مختلفة، كتسجل النتائج (Rollout — سجل كامل ديال ما كيعمل الـ Agent)، كتحسب reward (النقطة اللي كتقول هل نجح ولا فشل)، وكتحدث أوزان النموذج.

فيه 4 مصطلحات أساسية فالتدريب:

1. Environment: الشي اللي كيتفاعل معاه الـ Agent (نظام الملفات، قاعدة البيانات، إلخ)
2. Rollout: run كامل من البداية للنهاية
3. Reward: النقطة اللي كتقول هل نجح الـ Agent
4. Trainer: الـ class اللي كتشغل كل هاد العملية وكتحدث النموذج

شنو كيعني هاد الشي ليك؟

هاد المصطلحات ما هي غير أدوات للتفكير. إيلا كنتي بناي agent بسيط (مثلا chatbot مع أدوات بسيطة)، ما خاصك تعرف كل هاد التفاصيل. ولكن إيلا كنتي بناي نظام معقد ولا كتدرب نموذج، فهم هاد المصطلحات كيساعدك بزاف.

فالسوق المغربية، الشركات اللي كتشتغل على AI agents — بحال شركات الـ fintech، شركات الخدمات، حتى المكاتب القانونية — غادي تحتاج مطورين كيفهمو هاد الأساسيات. والمطورين المغاربة اللي عندهم هاد المعرفة غادي يكونو مطلوبين بزاف، خاصة فالـ remote للشركات الأوروبية. المهندسين والمهنيين المستقلين كذلك يقدرو يستفدو من فهم هاد المصطلحات — بحال محامين كيبنيو agent باش يساعدهم فتحليل الوثائق، أو مهندسين معماريين كيبنيو agent باش يدير المشاريع. هاد المجال غادي يخلق مئات ديال الفرص فالسنوات الجاية.