An agentic system is one that pursues a goal over multiple steps rather than answering a single question. You state an objective, the system plans, takes actions using tools, observes the results, and revises until it decides it is done.
The difference from a chat exchange is the loop, and specifically the ability to act: to run a search, execute a script, read a file, or call a service, and then to read what came back and change direction. A system that only produces text is not agentic however long its answer; a system that runs a query, reads the result, and runs a different query is.
Multi-agent systems extend this by assigning different roles to different instances: one plans, one searches, one writes, one critiques. The claimed advantage is specialisation and internal checking, since an agent whose job is to criticise output may catch what the producing agent missed.
For doctoral research the honest assessment has two parts. These systems genuinely help with multi-step mechanical work: processing many files, running an analysis pipeline, converting formats, and other tasks that are tedious rather than difficult. And they raise a specific risk that ordinary prompting does not, because errors compound across unseen steps and the final output does not show where it went wrong.
This framework covers what makes a system agentic, the multi-agent patterns and what they do and do not deliver, the tasks where they help, the risks autonomy introduces, and how to use them without producing work you cannot verify. It is my own synthesis, written in my own words and grounded in recognized scholarship.
النظام الوكيلي نظام يسعى إلى هدف عبر خطوات متعددة لا يجيب سؤالًا مفردًا. فتذكر غايةً، ويخطط النظام، ويتخذ أفعالًا باستخدام أدوات، ويلاحظ النتائج، وينقّح حتى يقرر أنه انتهى.
والفرق عن تبادل محادثة هو الحلقة، وتحديدًا القدرة على الفعل: تشغيلُ بحث، أو تنفيذُ نص برمجي، أو قراءةُ ملف، أو استدعاءُ خدمة، ثم قراءةُ ما عاد وتغييرُ المسار. فنظام لا يُنتج إلا نصًا ليس وكيليًا مهما طالت إجابته؛ ونظام يشغّل استعلامًا ويقرأ النتيجة ويشغّل استعلامًا مختلفًا هو كذلك.
وأنظمة تعدد الوكلاء تمدّ هذا بإسناد أدوار مختلفة إلى نسخ مختلفة: واحد يخطط، وواحد يبحث، وواحد يكتب، وواحد ينقد. والميزة المُدّعاة التخصص والفحص الداخلي، لأن وكيلًا وظيفته نقد المخرج قد يلتقط ما فات الوكيل المنتج.
ولبحوث الدكتوراه التقييم الصادق شقّان. فهذه الأنظمة تساعد فعلًا في العمل الآلي متعدد الخطوات: معالجة ملفات كثيرة، وتشغيل خط تحليل، وتحويل الصيغ، ومهام أخرى مرهقة لا صعبة. وهي ترفع خطرًا محددًا لا ترفعه المطالبة العادية، لأن الأخطاء تتراكب عبر خطوات غير مرئية والمخرجُ النهائي لا يُظهر أين ساء.
ويغطي هذا الإطار ما يجعل نظامًا وكيليًا، وأنماط تعدد الوكلاء وما تقدّمه وما لا تقدّمه، والمهام التي تساعد فيها، والمخاطر التي يُدخلها الاستقلال، وكيف تُستخدم دون إنتاج عمل لا تستطيع التحقق منه. وقد أعددتُ هذا الإطار بنفسي وكتبتُه بأسلوبي، معتمدًا على المراجع العلمية المعتمدة.
Five components define the pattern. The third and fourth are what distinguish an agent from a long answer.
Goal. You state an objective once rather than issuing a sequence of instructions. Find every paper in this folder that reports a sample size below fifty and produce a table of them is a goal; summarise this paper is an instruction.
Plan. The system decomposes the goal into steps. The quality of this decomposition determines almost everything downstream, and a plan that misunderstands the goal produces confident work on the wrong task.
Act. The system uses a tool: running a search, executing code, reading or writing a file, calling an interface. This is the defining capability, because it is what lets the system obtain information it did not have and change the world outside its own text.
Observe. It reads what the action returned. A script errored, a search returned nothing, a file was not in the expected format. This is where an agent can correct itself and where a system without it simply proceeds on a false assumption.
Revise. It adjusts and repeats. The loop continues until the goal is judged met, a step limit is reached, or you stop it.
Three properties follow from this structure and all three matter for research use. Intermediate steps are usually invisible. You see the goal and the final output, and the twenty steps between are summarised at best. Errors compound, because each step conditions the next, so a wrong assumption at step three shapes everything after it. And the same goal produces different runs, since the path depends on what each step returned, which makes agentic work non-reproducible unless the whole trace is logged.
Those three properties are the entire risk profile, and they explain why the useful applications are the ones where the output can be checked independently of the process that produced it.
خمسة مكونات تعرّف النمط. والثالث والرابع هما ما يميّز وكيلًا عن إجابة طويلة.
الهدف. تذكر غايةً مرة لا تصدر تسلسل تعليمات. فـ«جد كل ورقة في هذا المجلد تُبلغ بحجم عيّنة دون خمسين وأنتج جدولًا بها» هدف؛ و«لخّص هذه الورقة» تعليمة.
الخطة. النظام يفكّك الهدف خطوات. وجودةُ هذا التفكيك تحدد كل شيء تقريبًا في المصبّ، والخطةُ التي تسيء فهم الهدف تُنتج عملًا واثقًا على المهمة الخطأ.
الفعل. النظام يستخدم أداة: تشغيل بحث، أو تنفيذ شفرة، أو قراءة ملف أو كتابته، أو استدعاء واجهة. وهذه القدرة المعرّفة، لأنها ما يتيح للنظام الحصول على معلومة لم يملكها وتغيير العالم خارج نصه.
الملاحظة. يقرأ ما أعاده الفعل. فنصّ برمجي أخطأ، وبحث لم يعد شيئًا، وملف لم يكن بالصيغة المتوقّعة. وهنا يستطيع وكيل تصحيح المسار وهنا يمضي نظام بدونها على افتراض خاطئ ببساطة.
التنقيح. يعدّل ويكرر. وتستمر الحلقة حتى يُحكم ببلوغ الهدف، أو يُبلغ حدُّ خطوات، أو توقفه أنت.
وثلاث خصائص تتبع من هذه البنية وثلاثتها تهم للاستخدام البحثي. الخطوات الوسيطة غير مرئية عادةً. فترى الهدف والمخرج النهائي، والعشرون خطوة بينهما مُلخّصة في أحسن الأحوال. والأخطاء تتراكب، لأن كل خطوة تشرط التالية، فافتراض خاطئ في الخطوة الثالثة يشكّل كل ما بعده. والهدف نفسه يُنتج تشغيلات مختلفة، لأن المسار يعتمد على ما أعادته كل خطوة، وهذا يجعل العمل الوكيلي غير قابل لإعادة الإنتاج ما لم يُسجّل الأثر كله.
وتلك الخصائص الثلاث هي ملف الخطر كله، وهي تفسّر لماذا تكون التطبيقات النافعة هي التي يمكن فحص مخرجها مستقلًا عن العملية التي أنتجته.
Multi-agent systems assign roles to separate instances. Three patterns recur, and each delivers something real and something less than it appears.
| Pattern | How it works | What it delivers |
|---|---|---|
| Pipeline | Each agent handles one stage and passes output on | Specialisation; but errors travel downstream unchecked |
| Critic | One agent produces, another criticises, the first revises | Catches obvious weaknesses; shares the producer's blind spots |
| Supervisor | A coordinator assigns subtasks and assembles results | Handles complex goals; the coordinator becomes the weak point |
The pipeline is the simplest and matches how research tasks often decompose: search, then screen, then extract, then summarise. Its weakness is that a stage receives whatever the previous one produced and treats it as correct, so an error at the search stage is invisible to every stage after it.
The critic pattern is the most interesting for research work, because it imitates review. An agent asked to find weaknesses in another's output does find some, and that is a genuine improvement over a single pass. Its limit is that both agents are the same kind of system with the same tendencies, so the critic misses what the producer missed for the same reason. Internal criticism narrows the error range; it does not replace an external check.
The supervisor pattern handles goals with several distinct parts by delegating and assembling. It is the most capable and the least transparent, since the coordinator's decomposition determines the result and that decomposition is usually the least visible part of the whole process.
Two claims made for multi-agent systems deserve scepticism. That specialisation guarantees quality: role labels change the framing of the prompt, and an agent labelled statistician is not a statistician. And that internal criticism substitutes for verification: it does not, for the reason above, and treating a passed internal review as a check is exactly the mistake that lets an error through.
The practical position for a doctoral researcher is that multi-agent systems are useful where the task decomposes cleanly into steps whose outputs you can inspect, and are unsuitable where the value depends on judgement you cannot verify. That is the same boundary as everywhere else in this area, applied to a more capable and less transparent tool.
أنظمة تعدد الوكلاء تُسند أدوارًا إلى نسخ منفصلة. وثلاثة أنماط تتكرر، وكلّ يقدّم شيئًا حقيقيًا وشيئًا أقل مما يبدو.
| النمط | كيف يعمل | ما يقدّمه |
|---|---|---|
| خط الإنتاج | كل وكيل يتولى مرحلة ويمرر المخرج | تخصص؛ لكن الأخطاء تسافر إلى المصبّ بلا فحص |
| الناقد | وكيل يُنتج وآخر ينقد والأول ينقّح | يلتقط الضعف البيّن؛ ويشارك بقع المنتج العمياء |
| المشرف | منسّق يُسند مهامًا فرعية ويجمّع النتائج | يتولى أهدافًا معقدة؛ والمنسّق يصير نقطة الضعف |
وخط الإنتاج أبسطها ويطابق كيف تتفكك المهام البحثية غالبًا: بحث ثم فرز ثم استخلاص ثم تلخيص. وضعفه أن مرحلةً تتلقى ما أنتجته السابقة وتعامله صحيحًا، فخطأ في مرحلة البحث غير مرئي لكل مرحلة بعده.
ونمط الناقد أطرفها للعمل البحثي، لأنه يحاكي التحكيم. فوكيل يُطلب منه إيجاد نقاط ضعف في مخرج آخر يجد بعضها، وهذا تحسّن حقيقي عن مرور واحد. وحدّه أن الوكيلين النوع نفسه من الأنظمة بالميول نفسها، فالناقدُ يفوته ما فات المنتج للسبب نفسه. فالنقد الداخلي يضيّق مدى الخطأ؛ ولا يحل محل فحص خارجي.
ونمط المشرف يتولى أهدافًا بأجزاء متمايزة عدة بالتفويض والتجميع. وهو الأقدر والأقل شفافية، لأن تفكيك المنسّق يحدد النتيجة وذلك التفكيك عادةً أقل أجزاء العملية كلها ظهورًا.
وادّعاءان يُطلقان لأنظمة تعدد الوكلاء يستحقان الريبة. أن التخصص يضمن الجودة: فلصاقات الأدوار تغيّر تأطير المطالبة، والوكيلُ الموسوم «إحصائيًا» ليس إحصائيًا. وأن النقد الداخلي يحل محل التحقق: وهو لا يحل، للسبب أعلاه، ومعاملةُ مراجعة داخلية مجتازة فحصًا هي بالضبط الغلط الذي يمرر خطأً.
والموقف العملي لباحث دكتوراه أن أنظمة تعدد الوكلاء نافعة حيث تتفكك المهمة نظيفًا إلى خطوات تستطيع فحص مخرجاتها، وغير ملائمة حيث تعتمد القيمة على حكم لا تستطيع التحقق منه. وهذا الحد نفسه كما في كل موضع آخر في هذا المجال، مطبّقًا على أداة أقدر وأقل شفافية.
The useful applications share a property: the task has many mechanical steps and the output can be checked without reconstructing the process.
Batch file processing. Converting fifty PDFs to text, extracting a stated field from each, and assembling a table is tedious, error-prone by hand, and entirely checkable, because you can open five files at random and verify their rows. This is the clearest case for these tools in doctoral work.
Analysis pipelines. A sequence of data preparation steps, each of which you specify and each of whose outputs you inspect, is a legitimate use. The discipline is that you read the code produced at each stage and verify the intermediate outputs, which means the agent is saving typing rather than making decisions.
Format conversion and document assembly. Turning output tables into properly formatted markup, renaming and organising files, and assembling a bibliography from a set of records are mechanical tasks with verifiable results.
Structured extraction across a corpus. Given a set of papers you have collected, extracting the same fields from each is a retrieval task per document, and the verification is spot-checking a sample against the sources. This is the systematic review application, and it works because the documents are ones you have.
Three applications to decline, and the reason is the same in each: the output cannot be verified without doing the work yourself. Literature searching, because coverage cannot be checked. Synthesis and interpretation, because the judgement is the contribution. And anything touching participant data, because an agentic system that reads files and calls services is a data protection question before it is a research question, and pasting confidential material into one may breach your ethics approval.
Two practices make the useful cases safe. Constrain the scope: give the system a defined set of files and a defined operation rather than an open goal, since a narrower task has fewer places to go wrong. And verify a sample: check five items at random against the sources, and if any is wrong, check all of them, since an error rate above zero on a sample implies errors throughout.
التطبيقات النافعة تتشارك خاصية: للمهمة خطوات آلية كثيرة والمخرج يمكن فحصه دون إعادة بناء العملية.
معالجة الملفات بالجملة. فتحويل خمسين ملف PDF إلى نص، واستخلاص حقل مذكور من كلّ، وتجميع جدول، مرهق وعرضة للخطأ يدويًا وقابل للفحص تمامًا، لأنك تستطيع فتح خمسة ملفات عشوائيًا والتحقق من صفوفها. وهذه أوضح حالة لهذه الأدوات في عمل الدكتوراه.
خطوط التحليل. فتسلسل من خطوات إعداد البيانات، تحدد كل واحدة منها وتفحص مخرجات كلّ، استخدام مشروع. والانضباط أن تقرأ الشفرة المنتجة في كل مرحلة وتتحقق من المخرجات الوسيطة، ما يعني أن الوكيل يوفّر الكتابة لا يتخذ القرارات.
تحويل الصيغ وتجميع الوثائق. فتحويل جداول المخرج إلى ترميز منسّق صحيحًا، وإعادة تسمية الملفات وتنظيمها، وتجميع ببليوغرافيا من مجموعة سجلات، مهام آلية بنتائج قابلة للتحقق.
الاستخلاص المهيكل عبر مدونة. فبمجموعة أوراق جمعتها، يكون استخلاص الحقول نفسها من كلّ مهمة استرجاع لكل وثيقة، والتحققُ فحص عشوائي لعيّنة مقابل المصادر. وهذا تطبيق المراجعة المنهجية، وهو ينجح لأن الوثائق مما تملكه.
وثلاثة تطبيقات تُرفض، والسبب هو نفسه في كلّ: المخرج لا يمكن التحقق منه دون أداء العمل بنفسك. البحث في الأدبيات، لأن التغطية لا يمكن فحصها. والتركيب والتفسير، لأن الحكم هو الإسهام. وأي شيء يمسّ بيانات المشاركين، لأن نظامًا وكيليًا يقرأ ملفات ويستدعي خدمات سؤالُ حماية بيانات قبل أن يكون سؤالًا بحثيًا، ولصقُ مادة سرية فيه قد يخرق إقرار أخلاقياتك.
وممارستان تجعلان الحالات النافعة آمنة. قيّد النطاق: أعط النظام مجموعة ملفات معرّفة وعمليةً معرّفة لا هدفًا مفتوحًا، فالمهمة الأضيق مواضعُ خطئها أقل. وتحقّق من عيّنة: افحص خمسة عناصر عشوائيًا مقابل المصادر، وإن كان أيّ خاطئًا فافحصها كلها، لأن معدل خطأ فوق الصفر على عيّنة يعني أخطاءً في كل مكان.
Every risk in this area comes from one structural fact: more steps between your instruction and the output means less of the process is visible to you.
Compounding error. A wrong assumption at step three shapes steps four through twenty, and the final output is internally consistent with that assumption. Nothing in the result signals that it rests on a mistake, and reconstructing where it went wrong requires the step log you may not have.
Invisible decisions. An agent that could not find a file may substitute a similar one; an agent whose search returned nothing may proceed with what it already knew. These are decisions with research consequences, and they are usually reported, if at all, in a summary line.
Non-reproducibility. The same goal produces different paths on different runs, because each step depends on what the previous one returned. An analysis whose method cannot be described precisely enough to repeat is not a method, and this is a serious problem for any agentic work that touches your results.
Scope creep. An agent pursuing a goal may take actions you did not intend: writing files, calling services, or making changes with effects outside the task. Grant the minimum access the task requires and no more.
Data exposure. A system that reads your files and calls external services is moving your data. Where those files include participant data or confidential organizational material, this is a data protection matter governed by your ethics approval, and the default answer is that such data does not go near these systems.
Four rules follow and together they define responsible use. Keep the loop short: prefer several supervised steps to one long autonomous run, because a five-step task you check at each stage is verifiable and a fifty-step one is not. Log everything, including the plan, the actions, and the intermediate outputs. Verify the output independently of the process, by checking a sample against sources. And never delegate a research decision, since the design choices, the interpretations, and the judgements are what a doctorate is assessing.
One closing observation. These systems are impressive and improving, and the temptation they create is not that they will do bad work but that they will do plausible work faster than you can check it. The discipline that matters is refusing to accept output you have not verified, and that discipline becomes harder exactly as the tools become more capable, which is why it is worth deciding your rule before you need it.
كل خطر في هذا المجال يأتي من واقعة بنيوية واحدة: خطوات أكثر بين تعليمتك والمخرج تعني أن أقل من العملية مرئي لك.
تراكب الخطأ. فافتراض خاطئ في الخطوة الثالثة يشكّل الخطوات من الرابعة إلى العشرين، والمخرجُ النهائي متسق داخليًا مع ذلك الافتراض. ولا شيء في النتيجة يشير إلى أنها تقوم على غلط، وإعادةُ بناء أين ساءت تتطلب سجل الخطوات الذي قد لا تملكه.
القرارات غير المرئية. فوكيل لم يجد ملفًا قد يستبدل به مشابهًا؛ ووكيل لم يُعد بحثه شيئًا قد يمضي بما كان يعرفه سلفًا. وهذه قرارات ذات نتائج بحثية، ويُبلّغ عنها عادةً، إن أُبلغ، في سطر ملخص.
عدم قابلية إعادة الإنتاج. فالهدف نفسه يُنتج مسارات مختلفة في تشغيلات مختلفة، لأن كل خطوة تعتمد على ما أعادته السابقة. والتحليلُ الذي لا يمكن وصف منهجه بدقة تكفي للتكرار ليس منهجًا، وهذه مشكلة جسيمة لأي عمل وكيلي يمسّ نتائجك.
تمدد النطاق. فوكيل يسعى إلى هدف قد يتخذ أفعالًا لم تقصدها: كتابةُ ملفات، أو استدعاءُ خدمات، أو إجراءُ تغييرات بآثار خارج المهمة. امنح الحد الأدنى من الوصول الذي تتطلبه المهمة ولا أكثر.
كشف البيانات. فنظام يقرأ ملفاتك ويستدعي خدمات خارجية يحرّك بياناتك. وحيث تشمل تلك الملفات بيانات مشاركين أو مادة تنظيمية سرية، تكون هذه مسألة حماية بيانات يحكمها إقرار أخلاقياتك، والإجابة الافتراضية أن تلك البيانات لا تقترب من هذه الأنظمة.
وأربع قواعد تتبع ومعًا تعرّف الاستخدام المسؤول. أبق الحلقة قصيرة: فضّل عدة خطوات مُشرفًا عليها على تشغيلة مستقلة طويلة، لأن مهمةً من خمس خطوات تفحصها في كل مرحلة قابلة للتحقق ومهمةً من خمسين ليست كذلك. وسجّل كل شيء، بما فيه الخطة والأفعال والمخرجات الوسيطة. وتحقّق من المخرج مستقلًا عن العملية، بفحص عيّنة مقابل المصادر. ولا تفوّض قرارًا بحثيًا أبدًا، لأن خيارات التصميم والتفسيرات والأحكام هي ما تقيّمه الدكتوراه.
وملاحظة ختامية. فهذه الأنظمة مثيرة للإعجاب وتتحسّن، والإغراء الذي تخلقه ليس أنها ستؤدي عملًا سيئًا بل أنها ستؤدي عملًا معقولًا أسرع مما تستطيع فحصه. والانضباط الذي يهم رفضُ قبول مخرج لم تتحقق منه، وذلك الانضباط يصير أصعب بالضبط كلما صارت الأدوات أقدر، ولهذا يستحق تقرير قاعدتك قبل أن تحتاجها.