Wide Research

​

ما هو البحث الموسع؟

البحث الموسع هو نهج Manus للتعامل مع المهام التي تتضمن معالجة العديد من العناصر المتشابهة — مثل تحليل 100 منتج، أو البحث عن 50 شركة، أو إنشاء 20 قطعة محتوى. بدلاً من استخدام وكيل AI واحد يعالج العناصر بالتسلسل، ينشر البحث الموسع مئات الوكلاء المستقلين الذين يعملون بالتوازي. يتلقى كل وكيل سياقه المخصص ويعالج عنصراً واحداً بشكل مستقل. يحل هذا الهيكل مشكلة قيود نافذة السياق التي تتسبب في تدهور جودة أنظمة AI التقليدية مع زيادة عدد العناصر.

​

مشكلة نافذة السياق

تعمل أنظمة AI التقليدية، بما في ذلك معظم روبوتات الدردشة، ضمن نافذة سياق ثابتة — وهو حد لكمية المعلومات التي يمكنها معالجتها بنشاط في وقت واحد. عند مطالبتها بتحليل العديد من العناصر بالتسلسل:

• العناصر 1-5: تحليل مفصل وشامل مع توفر السياق الكامل
• العناصر 10-20: تصبح الأوصاف أقصر مع امتلاء السياق
• العناصر 30+: ملخصات عامة وزيادة في الأخطاء مع ضغط أو فقدان السياق السابق

يحدث هذا التدهور لأن AI يجب أن يحافظ على جميع العناصر السابقة في الذاكرة أثناء معالجة العناصر الجديدة. تُظهر الأبحاث أن “عتبة التلفيق” هذه تحدث عادةً عند حوالي 8-10 عناصر لمعظم أنظمة AI.

​

كيف يعمل البحث الموسع

يستخدم البحث الموسع بنية مختلفة جوهريًا: 1. تقسيم المهام: يقوم الوكيل الرئيسي بتحليل طلبك وتقسيمه إلى مهام فرعية مستقلة (مثل، “البحث عن الشركة رقم 1”، “البحث عن الشركة رقم 2”، إلخ.) 2. نشر الوكلاء المتوازيين: يتم تعيين كل مهمة فرعية لوكيل مخصص له نافذة سياق جديدة خاصة به 3. المعالجة المستقلة: يعمل الوكلاء في وقت واحد، ويجري كل منهم بحثًا شاملاً دون التنافس على مساحة السياق 4. تجميع النتائج: يقوم الوكيل الرئيسي بجمع جميع المهام الفرعية المكتملة وتجميعها في التنسيق الذي طلبته (جدول، تقرير، مجموعة بيانات، إلخ.) النتيجة: يتلقى العنصر رقم 250 نفس عمق التحليل الذي يتلقاه العنصر رقم 1، لأن لكل منهما وكيله المخصص ونافذة السياق الكاملة.

​

بدء سريع

​

طلب بسيط

​

طلب مفصل

​

طلب إبداعي

​

أمثلة واقعية

​

المثال 1: البحث عن 250 باحثًا في AI

المخرج: قاعدة بيانات كاملة تحتوي على 250 ملفًا شخصيًا مفصلاً إعادة التشغيل: https://manus.im/share/IXdMjxObbFKbIjUUkBk4EH?replay=1 لماذا ينجح هذا:

• لا يمكن لأي أداة AI أخرى التعامل مع هذا النطاق
• يحصل كل باحث على بحث مستقل وشامل
• إنشاء جدول تلقائي مع ملء جميع الحقول
• جودة متسقة من الباحث رقم 1 إلى رقم 250

​

المثال 2: مقارنة 100 نموذج حذاء رياضي

الإخراج: جدول بحث سوق شامل يحتوي على 100 منتج إعادة التشغيل: https://manus.im/share/3zvs5smekSmn4lS14n9QNg?replay=1 لماذا ينجح هذا:

• تعمق في كل منتج بشكل مستقل
• استخراج البيانات المهيكلة على نطاق واسع
• التنظيم والفرز التلقائي
• لا يوجد تدهور في الجودة عبر 100 عنصر

​

المثال 3: تحليل الجداول الزمنية للذكاء الاصطناعي العام (AGI)

الإخراج: تحليل شامل مع تصور للبيانات إعادة التشغيل: https://manus.im/share/GajPnKzrpM4pEbpcrKDmx0?replay=1 لماذا ينجح هذا:

• تجميع المعلومات من عشرات المصادر
• إنشاء تمثيلات مرئية للنتائج
• تحديد الأنماط والقيم الشاذة
• توفير ملخص قائم على الأدلة

​

المثال 4: البحث في 20 سيرة ذاتية

الإخراج: 20 سيرة ذاتية شاملة بهيكل متسق إعادة التشغيل: https://manus.im/share/ayLBetEJkfSIVuWKo2toPn?replay=1 لماذا ينجح هذا:

• تحصل كل سيرة ذاتية على بحث شامل ومستقل
• هيكل متسق عبر جميع الملفات الشخصية
• تعمق في مصادر متعددة لكل شخص
• لا توجد اختصارات أو محتوى عام

​

المثال 5: التحرير الدفعي لصور ملفات LinkedIn الشخصية

الناتج: 50 صورة ملف شخصي تم تحريرها باحترافية إعادة التشغيل: https://manus.im/share/5iT2464ldyvdf1FMxUOCsW?replay=1 لماذا هذا فعال:

• يستبدل أدوات SaaS المصغرة لمعالجة الصور المجمعة
• تطبيق تحرير متسق على جميع الصور
• تنزيل آلي وخط أنابيب للمعالجة
• نتائج احترافية على نطاق واسع

​

المثال 6: استخراج مكتبة الموجهات من GitHub

الناتج: قاعدة بيانات منظمة تضم أكثر من 100 موجه إعادة التشغيل: https://manus.ai/share/wxTg2q4hV6GN4YY4KnQeFx?replay=1 لماذا هذا فعال:

• يستخرج المعلومات وينظمها على نطاق واسع
• تصنيف ووسم آلي
• ينشئ قاعدة بيانات منظمة وقابلة للبحث
• يتعامل مع مهام استخلاص الويب المعقدة

​

حالات الاستخدام حسب الفئة

​

لماذا البحث الواسع (Wide Research) مقابل الأدوات الأخرى

​

متى تستخدم البحث الواسع (Wide Research)

مثالي لـ:

• الذكاء التنافسي (تحليل أكثر من 50 منافسًا)
• أبحاث السوق (مقارنة أكثر من 100 منتج)
• البحث الأكاديمي (مراجعة أكثر من 30 ورقة بحثية)
• توليد العملاء المحتملين (بحث عن أكثر من 200 عميل محتمل)
• إنشاء المحتوى (توليد أكثر من 20 عنصرًا مشابهًا)
• استخراج البيانات (كشط وهيكلة أكثر من 100 صفحة)
• المعالجة الدفعية (تعديل أكثر من 50 صورة/ملف)

غير مثالي لـ:

• تحليل معمق واحد (استخدم وضع Agent العادي)
• المهام التي تتطلب تبعيات متسلسلة
• البحث التفاعلي في الوقت الفعلي
• المهام التي تحتوي على أقل من 10 عناصر

​

نصائح للحصول على نتائج أفضل

كن محددًا بشأن الهيكل:

• ✅ “إنشاء جدول بالأعمدة: الاسم، الشركة، الدور، البريد الإلكتروني، LinkedIn”
• ❌ “ابحث عن هؤلاء الأشخاص”

حدد النطاق مقدمًا:

• ✅ “تحليل جميع الشركات الـ 100 في هذه القائمة”
• ❌ “تحليل بعض الشركات”

صف تنسيق الإخراج المطلوب:

• ✅ “تنظيم في جدول بيانات قابل للفرز مع عوامل تصفية”
• ❌ “أعطني النتائج”

تضمين معايير التقييم:

• ✅ “قيّم كل منتج بناءً على: السعر، الميزات، المراجعات، التوفر”
• ❌ “قارن هذه المنتجات”

​

أسئلة شائعة

​