الفصل السابع: دعم القرار واسترجاع المعرفة والإرشاد الزراعي

الفصل السابع: دعم القرار واسترجاع المعرفة والإرشاد الزراعي

رسالة الفصل

قد يكتب المزارع سؤالًا من كلمتين: «ماذا أرش؟». تبدو الجملة واضحة، لكنها تخفي سلسلة من الأسئلة التي تغير الجواب جذريًا: ما المحصول والصنف؟ وفي أي مرحلة؟ وما العرض أو الكائن المستهدف؟ وهل التشخيص مؤكد؟ وفي أي بلد أو ولاية قضائية تقع المزرعة؟ وما المنتجات المسجلة والمتاحة؟ وما الطقس وموعد الحصاد والمعاملات السابقة؟ المستشار الرقمي المسؤول ليس نموذجًا يتكلم بطلاقة، بل نظامًا يعرف كيف يحول السؤال الناقص إلى مسألة قابلة للفحص. يحدد ما فهمه، ويطلب السياق الذي يغير القرار، ويصنف عاقبة الخطأ، ويسترجع مصدرًا مختصًا صالحًا للمكان والزمن، ثم يصوغ جوابًا يميز بين المعلومة والتفسير والحدود. وعندما تتجاوز المسألة سلطة الآلة، يمتنع ويصعّدها إلى الجهة أو المختص المناسب. تجعل اللغة الطبيعية المعرفة أقرب إلى المستخدم، لكنها تحمل خطرًا خاصًا: يمكنها أن تمنح التخمين صورة الجواب المهني. لذلك لا يُقاس ذكاء النظام بعدد الأسئلة التي يجيب عنها، بل بقدرته على معرفة متى يجيب، وبأي مصدر، وبأي درجة من الثقة، وما الذي يحتاج إلى سؤال إضافي أو معاينة أو إحالة. الجواب الآمن ليس دائمًا جوابًا نهائيًا؛ قد يكون أفضل ما يقدمه النظام هو أن يوضح ما ينقص، ويحمي المستخدم من الفعل المتعجل، ويضعه على الطريق الأقصر إلى قرار صالح. 1\. لماذا الإرشاد الزراعي صعب؟ السؤال الزراعي القصير يصل عادةً في لحظة عمل، لا في قاعة بحث. قد يقف المزارع أمام أوراق متغيرة اللون، أو يسمع صوتًا غير معتاد في مضخة، أو يرى ثمارًا تتساقط، فيطلب جوابًا مباشرًا. حاجته إلى السرعة حقيقية، لكن سرعة الجواب لا تعوض نقص المعلومات التي تحدد معناه. فالسؤال «لماذا اصفر النبات؟» قد يرتبط بالماء أو التغذية أو الجذور أو مرض أو آفة أو برودة أو حرارة أو ضرر كيميائي أو مرحلة طبيعية. والصورة الواحدة قد تُظهر العرض من دون توزيعه في الحقل، أو تخفي سطح الورقة السفلي، أو تتأثر بالضوء والكاميرا. وإذا اختار النظام سببًا واحدًا من التشابه البصري، فقد يحول الغموض إلى يقين لا يستحقه. السؤال الظاهر والسؤال الحقيقي لا يبدأ النظام من توليد جواب، بل من إعادة بناء السؤال. ويمكن أن يحتاج، بحسب الحالة، إلى معرفة:

• المحصول والصنف والمرحلة.
• البلد أو الولاية القضائية.
• هل الزراعة حقلية أم محمية أم عضوية أو ضمن نظام خاص.
• الجزء المتأثر من النبات وتوزيع الأعراض.
• متى بدأت الحالة وكيف تغيرت.
• الطقس والري والتسميد والرش السابق.
• وجود صور أو قياسات أو تحليل أو تشخيص مختص.
• ما المنتج أو المادة التي يفكر المستخدم فيها.
• موعد الحصاد أو وجود عمال وحيوانات ومياه قريبة.
• ما القرار المطلوب الآن: فحص، أم علاج، أم تشغيل آلة، أم فهم مفهوم.

لا تُطرح كل الأسئلة في كل مرة. يختار النظام أقل مجموعة من المعلومات التي تغير القرار أو مستوى السلامة. فإغراق المستخدم بعشرين سؤالًا قبل تقديم أي مساعدة قد يجعله يترك الخدمة، بينما الإجابة المباشرة على سؤال ناقص قد تعرضه للضرر. التصميم الجيد يوازن بين جمع السياق وتقديم خطوة آمنة فورية. عاقبة الخطأ تحدد عمق الحاجز ليست جميع الأسئلة متساوية في الخطر:

كلما ارتفعت عاقبة الخطأ، قلت مساحة التخمين المقبول، وارتفعت سلطة المصدر المطلوبة، وازدادت الحاجة إلى تحقق بشري أو ميداني. من النية إلى المتابعة يمكن بناء مسار الإرشاد في حلقات:

1. فهم النية: هل يريد المستخدم شرحًا أم تشخيصًا أم إجراءً أم معلومة تنظيمية؟
2. جمع السياق الحاسم: سؤال ما ينقص مما قد يغير الجواب.
3. تصنيف مستوى الخطر: ما عاقبة خطأ الجواب أو تأخره؟
4. استرجاع الأدلة: البحث في مصادر مختصة وحديثة وملائمة للمكان والمحصول.
5. فحص السلطة والصلاحية: هل المصدر رسمي أو علمي أو إرشادي، وهل ما زال ساريًا؟
6. تركيب جواب مقيد: استخدام ما تثبته المصادر وعدم تجاوزها.
7. فحص السلامة: اكتشاف الجرعات أو التشخيصات أو الأوامر التي تحتاج إلى حاجز إضافي.
8. عرض المصدر وعدم اليقين: ما نعرفه، وما لا نعرفه، ولماذا.
9. التصعيد: تحديد الجهة أو المختص أو القياس التالي عند الحاجة.
10. متابعة النتيجة: ما الذي فعله المستخدم، وماذا حدث، وما الذي تعلمه النظام؟

لا ينبغي للنموذج اللغوي أن يقفز فوق هذه الحلقات لأنه يستطيع كتابة فقرة مقنعة. الطلاقة وظيفة في العرض، وليست تصريحًا بالقرار. جودة السؤال جزء من جودة الخدمة لا يكافئ النظام نفسه على قصر زمن الإجابة فقط. قد تكون أفضل استجابة أولى هي سؤالًا دقيقًا: هل تقصد بقعًا على الأوراق أم على الثمار؟ وهل تظهر في نباتات متفرقة أم تبدأ من طرف الحقل؟ هذا السؤال يحسن مسار القرار أكثر من قائمة طويلة لأسباب محتملة. ويمكن للنظام أن يوضح للمستخدم لماذا يسأل: يغير توزيع الأعراض الاحتمالات والخطوة الآمنة التالية، لذلك أحتاج إلى وصفه قبل اقتراح فحص. شرح سبب السؤال يزيد الثقة ويمنع شعور المستخدم بأن النظام يماطل. الخطوة الآمنة قبل الجواب النهائي عندما لا يملك النظام تشخيصًا كافيًا، لا يعني ذلك أن يترك المستخدم بلا مساعدة. يمكنه اقتراح خطوات منخفضة المخاطر تحافظ على الدليل وتمنع اتساع الضرر، مثل توثيق توزيع الأعراض، أو عزل عينة وفق إرشاد مناسب، أو مراجعة سجل المعاملات، أو فحص جهاز، أو الاتصال بجهة مختصة. لكن هذه الخطوات نفسها تحتاج إلى حدود؛ فلا يقدم النظام إجراءً صحيًا أو كيميائيًا مقنعًا تحت اسم «خطوة مؤقتة» إذا كان يحتاج إلى سلطة أو تشخيص. الإرشاد الصعب لا يُحل بنموذج أكبر وحده. يحتاج إلى معرفة منظمة، وسياق محلي، وترتيب لسلطة المصادر، وسياسة امتناع وتصعيد. وهذا يبدأ من فهم أن قاعدة المعرفة ليست مجلدًا تُلقى فيه ملفات PDF ثم يُطلب من النموذج أن يبحث بينها. 2\. قاعدة المعرفة ليست مجلد PDF قد تملك المؤسسة مئات النشرات والأدلة والملصقات والتقارير، وتعتقد أنها بنت قاعدة معرفة لأنها وضعتها في مجلد واحد. لكن الملف لا يصبح معرفة قابلة للاسترجاع لمجرد أنه قابل للفتح. يحتاج النظام إلى معرفة من أصدره، ومتى، ولأي بلد ومحصول، وهل هو ساري أم مستبدل، وما نوع السلطة التي يحملها. قد تتشابه فقرتان لغويًا، بينما تكون إحداهما من ملصق رسمي ساري في البلد، والأخرى من مقالة عامة قديمة أو من منطقة مختلفة. إذا رتب النظام النتائج بحسب تشابه الكلمات وحده، فقد يضع النص الأسهل قراءة فوق المصدر الذي يحكم القرار. بطاقة هوية لكل مصدر تحتاج كل وثيقة إلى بيانات وصفية تساعد على الحكم قبل قراءة المحتوى:

هذه البيانات ليست حواشي إدارية. فهي التي تمنع نصًا من بلد آخر أو إصدارًا قديمًا من الدخول في جواب حالي بلا تحذير. تفكيك الوثيقة من دون تمزيق معناها يحتاج الاسترجاع عادةً إلى تقسيم الوثائق الطويلة إلى وحدات أصغر. لكن التقطيع الأعمى قد يفصل الجرعة عن اسم المنتج، أو الاستثناء عن القاعدة، أو الصف عن عنوان الجدول، أو التحذير عن الإجراء الذي يقيده. تُقسم الوثيقة وفق بنيتها الدلالية:

• يبقى العنوان والمسار الهرمي مع كل مقطع.
• يبقى عنوان الجدول ورؤوس أعمدته ووحداته مع الصف المسترجع.
• تُربط الحاشية أو التحذير بالمقطع الذي تعدله.
• تُحفظ أرقام الصفحات والأقسام للرجوع.
• لا تُفصل الشروط والاستثناءات عن التوصية.
• تُعامل الصور والرسوم والنص البديل بوصفها أجزاء مرتبطة، لا زخرفة.

فإذا استرجع النظام صفًا من جدول معاملة وفقد اسم المحصول أو مرحلة الاستخدام أو الوحدة، أصبح النص الناقص أخطر من عدم الاسترجاع. سلطة المصدر ليست ترتيبًا واحدًا لكل سؤال لا يوجد مصدر أعلى في جميع الأمور. الجهة التنظيمية هي المرجع في التسجيل القانوني، لكنها لا تثبت وحدها أداء نموذج رؤية حاسوبية. والدراسة المحكمة قد تقيس علاقة في ظروف محددة، لكنها لا تمنح إذن استخدام منتج. والنشرة الإرشادية قد تحول العلم إلى خطوات محلية، لكنها قد تحتاج إلى تحديث إذا تغير التسجيل. لذلك يُرتب المصدر بحسب نوع الادعاء:

• أسئلة التسجيل والقيود: مصدر تنظيمي مختص وساري.
• تعريف المنتج وطريقة استخدامه المعتمدة: الملصق الرسمي والوثيقة المختصة.
• فعالية أو أداء ضمن تجربة: دراسة أولية مناسبة للسؤال.
• مبادئ عامة: مراجعة علمية أو دليل مؤسسي موثوق.
• تنفيذ محلي: إرشاد محلي مؤهل مع بيان نطاقه.
• وصف خدمة أو برنامج: مصدر صاحب الخدمة، مع نسب الادعاء إليه وعدم اعتباره تقييمًا مستقلًا.

المعرفة ليست نصًا فقط قد تكون المعلومة في جدول أو قاعدة تسجيل أو سجل طقس أو خريطة أو قائمة منتجات أو قاموس مصطلحات. البحث النصي الحر قد يعثر على الكلمات، لكنه لا يحفظ دائمًا العلاقات. يحتاج النظام إلى ربط: المحصول ← المرحلة ← المشكلة ← البلد ← المنتج أو الممارسة ← القيود ← المصدر ← تاريخ الصلاحية. هذه العلاقات تمنع استخدام فقرة صحيحة خارج الكيان أو المكان الذي تخصه. كما تسمح بسؤال قاعدة المعرفة عن النقص: هل نملك مصدرًا ساريًا لهذا البلد والمحصول، أم لا؟ الأسماء المحلية والقانونية يبحث المستخدم بالمصطلح الذي يعرفه، وقد لا يطابق الاسم الرسمي أو العلمي. لذلك يربط الفهرس بين المصطلحات المحلية والأسماء العلمية أو القانونية من دون حذف الأصل. ويحتفظ باللغة والمنطقة والسياق ودرجة الثقة في المطابقة. إذا كان الاسم المحلي يحتمل آفتين أو مادتين تختلفان في الخطر، لا يختار النظام أقرب تطابق بصمت. يعرض خيارات مفهومة أو يطلب علامة مميزة، وقد يستخدم صورة مرجعية عندما يكون ذلك مناسبًا. دورة حياة المصدر تحتاج قاعدة المعرفة إلى عملية مستمرة:

1. إدخال المصدر وفحص هويته وحقوقه.
2. تصنيفه بحسب السلطة والنطاق.
3. تفكيكه مع حفظ البنية والسياق.
4. مراجعته واعتماده للفهرسة.
5. مراقبة التحديث أو الاستبدال أو الانتهاء.
6. إعادة الفهرسة عند التغيير.
7. معرفة الأجوبة أو المنتجات التي استخدمت النسخة القديمة.
8. سحب المصدر أو خفض رتبته مع بقاء أثره التاريخي.

قاعدة المعرفة التي لا تعرف أن مصدرًا استُبدل قد تكون أسوأ من ذاكرة نموذج قديمة، لأنها تمنح القديم مظهرًا حديثًا موثقًا. وحين تُنظم المصادر بهذه الطريقة، يستطيع نظام التوليد المعزز بالاسترجاع أن يستخدمها. لكنه يظل مسارًا يحتاج إلى حواجز؛ فالاسترجاع الجيد شرط للجواب المسؤول، وليس ضمانة له. 3\. مسار التوليد المعزز بالاسترجاع يتيح التوليد المعزز بالاسترجاع، أو RAG، للنموذج أن يبحث في مصادر محددة ومحكومة قبل صياغة جوابه، بدل الاعتماد على ما ترسّب في أوزانه أثناء التدريب وحده. وتظهر قيمته في الزراعة لأن التسجيلات والملصقات والإرشادات والأسعار والطقس تتغير، ولأن الصلاحية تختلف بين بلد وآخر ومحصول وآخر. لكن إضافة محرك بحث إلى نموذج لغوي لا تحول النظام تلقائيًا إلى مستشار موثوق. فإذا كان المخزون قديمًا، أو أُسيء تقطيع الوثائق، أو رُتبت النتائج بالتشابه اللغوي وحده، سيكتب النموذج جوابًا أكثر إقناعًا مستندًا إلى دليل غير صالح. المسار بوصفه حواجز يمكن تمثيل المسار المسؤول هكذا: سؤال المستخدم ← فهم النية ← جمع السياق ← تصنيف الخطر ← بناء طلب بحث ← استرجاع مرشحين ← فلترة السلطة والصلاحية ← فحص التعارض والاكتمال ← ترتيب الأدلة ← صياغة مقيدة ← فحص السلامة والنسبة ← جواب بمصدر وحدود وتصعيد كل سهم يمثل احتمال فقد معنى أو إدخال خطأ. لذلك لا تُختصر العملية في «ابحث ثم اكتب». 1\. فهم السؤال وبناء السياق يفصل النظام بين ما قاله المستخدم وما استنتجه. فإذا كتب «أوراقي صفراء»، يسجل النص الأصلي، ثم يطلب المحصول والمرحلة والتوزيع والمكان. ولا يضيف تشخيصًا إلى طلب البحث قبل وجود دليل. وقد يعيد صياغة فهمه: أفهم أنك ترى اصفرارًا في أوراق الطماطم داخل بيت محمي، بدأ منذ ثلاثة أيام ويظهر أولًا في النباتات القريبة من المدخل. هل هذا صحيح؟ يسمح التصحيح المبكر بمنع سلسلة كاملة من الاسترجاع الخاطئ. 2\. تصنيف الخطر قبل البحث يحدد النظام ما إذا كان السؤال تعليميًا أو تشخيصيًا أو متعلقًا بمدخل منظم أو بصحة وسلامة أو بتحكم مادي. يؤثر التصنيف في:

• نوع المصادر المقبولة.
• مقدار السياق المطلوب.
• ما إذا كان يمكن تقديم بدائل.
• الحاجة إلى مراجعة بشرية.
• ما الذي يجب أن يمتنع النظام عن صياغته.

لا ينبغي أن يصنف النموذج السؤال منخفض الخطر لمجرد أن المستخدم كتبه بصيغة عامة. «هل يمكنني خلط هذين المنتجين؟» قد يبدو سؤال معلومات، لكنه يحمل عاقبة تشغيلية وتنظيمية. 3\. استرجاع المرشحين يبني النظام بحثًا يجمع المصطلحات الظاهرة والمرادفات والكيانات والسياق. وقد يستخدم التشابه الدلالي والبحث بالكلمات والعلاقات المنظمة. لكن الاسترجاع الأولي يجلب مرشحين، لا مصادر معتمدة للجواب. قد تظهر وثيقة لأنها تستخدم الكلمات نفسها، مع أنها تخص محصولًا أو بلدًا آخر. لذلك تأتي الفلاتر قبل التوليد. 4\. فلترة السلطة والصلاحية يفحص النظام:

• الاختصاص الجغرافي.
• تاريخ السريان والمراجعة.
• المحصول والصنف والمرحلة عند الحاجة.
• نوع المصدر والجهة.
• اللغة وحالة الترجمة.
• اكتمال المقطع وسياق الجدول.
• حقوق العرض والاقتباس.
• وجود تعارض أو تحديث أحدث.

المصدر الذي يفشل شرطًا حاسمًا لا يرتفع في الترتيب لمجرد تشابهه اللغوي. 5\. ترتيب الأدلة يوازن الترتيب بين عوامل متعددة:

ولا يتحول هذا الترتيب إلى رقم سري لا يفهمه المراجع. تُحفظ أسباب اختيار المصدر واستبعاد غيره، خصوصًا في القرارات الحساسة. 6\. صياغة مقيدة بالدليل يُطلب من النموذج أن يستخدم ما تثبته المقاطع المسترجعة، وأن يميز الاقتباس أو التلخيص من الاستنتاج، وألا يملأ الفراغ من ذاكرته العامة. إذا كان المصدر يثبت قاعدة عامة لكنه لا يغطي المنتج أو البلد، يذكر ذلك بدل نقل القاعدة إلى حالة غير مغطاة. ويُفضل أن يبني الجواب من وحدات:

• ما فهمه من السؤال.
• ما تقوله المصادر المؤهلة.
• ما ينقص من السياق.
• ما يمكن فعله بأمان الآن.
• ما لا يستطيع النظام تقريره.
• المصدر وتاريخه ونطاقه.
• التصعيد أو المتابعة.

7\. فحص السلامة والنسبة قبل عرض الجواب، يفحص النظام ما إذا كان النص:

• اخترع رقمًا أو جرعة أو فترة.
• نسب ادعاء إلى مصدر لا يدعمه.
• أخفى شرطًا أو استثناءً.
• خلط بلدين أو منتجين متشابهين.
• قدم تشخيصًا قاطعًا من دليل احتمالي.
• استخدم مصدرًا منتهيًا أو غير مختص.
• تجاوز مستوى السلطة المسموح به.

في القرارات المرتفعة لا يكون هذا الفحص لغويًا فقط؛ قد يحتاج إلى قواعد حتمية ومصدر رسمي ومراجعة بشرية. مستويات الخدمة بحسب الخطر

• منخفض الخطر: يشرح مفهومًا، أو يساعد في تنظيم سجل، أو يعرض مصدرًا عامًا مناسبًا.
• متوسط الخطر: يقدم احتمالات أو بدائل، ويطلب قياسًا أو صورة أو سياقًا، ويمنع الانتقال إلى فعل غير متحقق.
• مرتفع الخطر: يضيق السؤال، ويعرض المصدر الرسمي المناسب، ويقدم احتياطات لا تتجاوز سلطته، ثم يحيل إلى مختص أو جهة مخولة.

هذا التدرج لا يجعل النظام أقل فائدة. إنه يطابق مقدار المساعدة مع مقدار الدليل والخطر. لكن حتى أفضل مسار استرجاع لا يصلح وثيقة قديمة أو قاعدة معرفة سيئة؛ فهو يستطيع العثور على الموجود، لا تحويله إلى مصدر صالح. 4\. الاسترجاع لا يعالج المصدر الرديء قد يسترجع النظام الفقرة الصحيحة تمامًا من الوثيقة الخطأ. وقد يقتبس نصًا سليمًا من إصدار انتهى، أو من بلد آخر، أو من توصية تخص محصولًا مختلفًا. في هذه الحالات لا تكون المشكلة هل فهم النموذج الفقرة، بل هل كان ينبغي للفقرة أن تدخل الجواب أصلًا. الاسترجاع يزيد سرعة الوصول إلى المصدر، لكنه لا يمنحه سلطة أو حداثة أو ملاءمة لم تكن موجودة فيه. فلاتر تسبق التوليد

المصدر الصحيح للسؤال الصحيح إذا سأل المستخدم عن معنى عرض زراعي، قد تكون مراجعة علمية أو نشرة إرشادية مناسبة لبناء احتمالات. وإذا سأل عن تسجيل منتج أو قيد استخدام، يحتاج النظام إلى مصدر تنظيمي مختص. وإذا سأل عن أداء منتج بعينه، لا يكفي إعلان الشركة لإثبات الأثر المستقل. المهنية لا تعني وضع مصدر رسمي فوق كل مصدر في جميع الأسئلة، بل اختيار نوع المصدر الذي يملك سلطة الإجابة عن الادعاء المحدد. التعارض لا يُحل بالتصويت قد تسترجع المنصة مصدرين مختلفين. لا يعني ذلك أن نختار الأكثر عددًا أو الأحدث وحده. نحتاج إلى معرفة:

• هل يتحدثان عن البلد نفسه؟
• هل أحدهما تحديث للآخر؟
• هل يجيبان عن سؤالين مختلفين؟
• هل تختلف طرق القياس أو الفئات؟
• هل أحدهما قاعدة ملزمة والآخر تفسير عام؟

إذا بقي التعارض مؤثرًا، يعرضه النظام بوضوح ولا يصنع اتفاقًا غير موجود. وقد يقول: وجدت مصدرين مؤهلين يختلفان في هذا الشرط، ولم أجد تحديثًا يحسم التعارض. يلزم الرجوع إلى الجهة المختصة قبل اتخاذ القرار. غياب المصدر نتيجة، لا عطل يجب إخفاؤه عندما لا يوجد مصدر رسمي صالح للبلد أو المحصول أو التاريخ، تكون العبارة المهنية: لا أملك في قاعدة المعرفة مصدرًا صالحًا لهذا البلد يجيز لي تقديم هذه التوصية. ثم يساعد النظام بما لا يتجاوز الدليل:

• يطلب اسم المنتج أو صورة الملصق.
• يحدد الجهة التنظيمية أو الإرشادية التي ينبغي الرجوع إليها.
• يقترح توثيق الأعراض أو حفظ عينة وفق إجراء آمن.
• يعرض معلومات عامة بوصفها عامة، لا تعليمات محلية.

الامتناع هنا ليس فشل بحث؛ إنه نجاح حاجز منع المصدر غير المناسب من أن يصبح جوابًا. مراجعة المخزون لا تقل عن مراجعة النموذج يحتاج فريق المعرفة إلى مؤشرات مثل:

• نسبة المصادر السارية إلى المؤرشفة.
• البلدان والمحاصيل واللغات غير المغطاة.
• الوثائق التي ستنتهي صلاحيتها قريبًا.
• المقاطع التي تفشل بسبب فقد جدول أو حاشية.
• الأسئلة التي لا تجد مصدرًا مؤهلًا.
• التعارضات المفتوحة ومن يراجعها.
• الأجوبة التي تعتمد على مصدر تغير لاحقًا.

هذه المؤشرات تحول فراغ المعرفة إلى خطة عمل، بدل أن يملأه النموذج بالتخمين. ولا يكفي أن تكون المصادر صحيحة بلغة واحدة. يصل الإرشاد إلى مستخدمين بلغات ولهجات ومستويات قراءة مختلفة، وقد يدخل السؤال بالصوت في بيئة صاخبة. لذلك تصبح الواجهة متعددة اللغات جزءًا من سلامة المعنى، لا طبقة تجميل فوق النظام. 5\. الواجهة متعددة اللغات: تقريب المعرفة من دون تغيير معناها قد يعرف المزارع المشكلة باسم محلي لا يظهر في النشرات الرسمية، أو ينطق اسم المادة بطريقة تختلف عن كتابتها، أو يستخدم وحدة مألوفة في منطقته. وإذا أجبرته المنصة على لغة علمية أو إدارية لا يستخدمها، فقد يفشل في العثور على المعرفة الصحيحة حتى لو كانت موجودة. لكن الترجمة ليست استبدال كلمات بكلمات. أسماء المحاصيل والأصناف والآفات والأمراض والمواد والوحدات والتحذيرات تحمل فروقًا قد تغير القرار. وقد يكون الاسم المحلي وصفًا لعرض لا تشخيصًا، أو يشير إلى أكثر من كائن في منطقتين مختلفتين. ثلاث طبقات للغة يمكن للنظام أن يحفظ:

1. لغة المستخدم: الكلمة أو العبارة كما كتبها أو نطقها.
2. المفهوم المرجعي: الكيان العلمي أو التنظيمي المرتبط بها بعد التحقق.
3. لغة المصدر: النص الذي وردت فيه المعلومة وسلطة ترجمته.

لا تحل طبقة محل الأخرى. فإذا استخدم المزارع اسمًا محليًا، يبقى الاسم محفوظًا، ويعرض النظام المفهوم المرجعي المقترح ودرجة الثقة، ويسمح بالتصحيح. عندما يغير الغموض الإجراء إذا كان المصطلح يحتمل معنيين يؤديان إلى إجراءات مختلفة، يجب ألا يختار النظام أقرب كلمة بصمت. يمكنه أن يسأل: عندما تقول «الحشرة البيضاء»، هل تقصد حشرات صغيرة تطير عند تحريك الورقة، أم طبقة بيضاء لا تتحرك على سطحها؟ وقد يعرض خيارات مصورة أو أوصافًا مميزة، بشرط ألا يحول الاختيار إلى تشخيص نهائي من دون دليل كافٍ. وينطبق الأمر على أسماء المنتجات. قد تتشابه الأسماء التجارية أو تختلف المادة الفعالة والتركيز والتسجيل. لذلك يطلب النظام الاسم الكامل وصورة الملصق والبلد، ولا يبني إجراءً حساسًا على اسم مختصر أو نطق محتمل. الترجمة العلمية والتحذيرات تحتاج الترجمة إلى حماية عناصر لا يجوز تقريبها بحرية:

• أسماء المواد الفعالة والمنتجات المسجلة.
• وحدات الجرعة والتركيز والمساحة.
• الفترات الزمنية والتحذيرات.
• أسماء المحاصيل والآفات والأمراض.
• النفي والاستثناء والشروط.
• الجهات والاختصاصات الجغرافية.

قد يجعل خطأ صغير في الوحدة أو أداة النفي الترجمة خطرة. لذلك يحتفظ النظام بالنص الأصلي، ويبين أن النص المترجم ترجمة، ومن راجعه، ومتى. وفي القرار التنظيمي أو الحساس يمكن عرض المقطع الأصلي بجوار الترجمة لمن يستطيع مراجعته. الصوت يوسع الوصول ويضيف خطأ جديدًا قد يكون الصوت أنسب لمن يعمل ويداه مشغولتان، أو لمن يفضل الكلام على الكتابة. لكنه يضيف طبقة تعرف على الكلام تتأثر باللهجة والضوضاء والرياح وأسماء المنتجات غير المألوفة. لا ينتقل النص المفهوم إلى القرار مباشرة. يعرض النظام ما سمعه: فهمت أنك قلت: «طماطم، بداية تزهير، بقع على الأوراق السفلية». هل هذا صحيح؟ وعند كلمة عالية العاقبة، مثل اسم مادة أو رقم أو وحدة، يطلب تأكيدًا صريحًا. كما يمكن أن يسمح للمستخدم بالنقر على الكلمة وتصحيحها بدل إعادة التسجيل كاملًا. واجهة تناسب القراءة والعمل الميداني التعدد اللغوي لا ينجح إذا كانت الشاشة مزدحمة أو النص طويلًا. يمكن تقديم الجواب في طبقات:

• خلاصة قصيرة قابلة للقراءة أو الاستماع.
• الخطوة الآمنة التالية.
• التحذير في موضعه، لا في نهاية بعيدة.
• زر لعرض المصدر والتفاصيل.
• صور أو رموز داعمة لا تستبدل الكلمات.
• إمكان تكبير النص وحفظ الجواب للعمل دون اتصال.

ولا يعتمد المعنى على اللون وحده، ولا على رمز قد يختلف تفسيره. وتُقرأ الأرقام والوحدات بصوت واضح، مع إمكان إعادتها وعرضها كتابةً. قياس العدالة بين اللغات لا يكفي أن يكون متوسط الأداء جيدًا إذا كانت لغة واحدة ضعيفة. يُقاس لكل لغة ولهجة:

• دقة فهم النية والكيانات.
• صحة أسماء المحاصيل والمواد والوحدات.
• جودة الاسترجاع من المصادر المختصة.
• سلامة الترجمة والنسبة.
• معدل الامتناع الصحيح والخاطئ.
• فهم المستخدم للجواب والخطوة التالية.

وقد تكون التغطية المصدرية ضعيفة في لغة، حتى إذا كان النموذج قادرًا على التحدث بها بطلاقة. ينبغي أن يوضح النظام الفرق بين القدرة على توليد اللغة ووجود معرفة محكومة بهذه اللغة والسياق. الواجهة متعددة اللغات الناجحة لا تجعل النظام يبدو محليًا فقط؛ بل تحفظ المعنى والحدود والسلطة أثناء انتقال السؤال والجواب بين اللغات. وعندما يبقى الغموض أو ينقص الدليل، يحتاج النظام إلى لغة صريحة لعدم اليقين والامتناع. 6\. عدم اليقين والامتناع: حين تكون «لا أعرف» جزءًا من الخدمة تستطيع النماذج اللغوية صياغة إجابة كاملة حتى عندما يكون السؤال ناقصًا أو المصدر ضعيفًا. هذه القدرة مفيدة في الشرح، وخطرة في القرار؛ لأن الأسلوب الواثق قد يخفي أن النظام خمن المحصول أو البلد أو التشخيص أو الوحدة. عدم اليقين ليس رقمًا واحدًا. قد يكون سببه:

• غموض السؤال أو المصطلح.
• نقص سياق الحقل أو المرحلة أو المكان.
• ضعف الصورة أو القياس.
• تعارض مصادر مؤهلة.
• عدم وجود مصدر ساري.
• خروج الحالة عن خبرة النموذج.
• احتمال عدة أسباب لا يمكن فصلها عن بُعد.
• قيد قانوني أو تنظيمي يمنع التوصية

تحديد نوع عدم اليقين يساعد على اختيار الخطوة التالية. نقص الصورة يُعالج بصورة أفضل، وغياب البلد يُعالج بالسؤال، وتعارض المصادر يحتاج إلى جهة مختصة، أما غياب دليل صالح فقد يفرض الامتناع. ثلاث حالات للجواب

لا تتحول الحالة الثالثة إلى عبارة آلية «استشر خبيرًا» بعد فقرة مليئة بالتوجيه. إذا كان النظام ممتنعًا، يجب ألا يضع قبل الامتناع وصفة ضمنية يستطيع المستخدم تنفيذها. بنية عدم اليقين داخل الجواب يمكن أن يقول النظام: ما أعرفه: الصورة تظهر اصفرارًا في الأوراق السفلية. ما لا أعرفه: لا أملك توزيع الأعراض أو سجل الري والتسميد، ولا يمكنني تمييز السبب من الصورة وحدها. لماذا يهم: الأسباب المحتملة تحتاج إلى إجراءات مختلفة، وبعض المعاملات قد تزيد الضرر. المعلومة التالية: صورة للنبات كاملًا ووصف توزيع الأعراض وتاريخ آخر تسميد وري. الخطوة الآمنة الآن: تجنب معاملة غير مشخصة، ووثّق المواقع المتأثرة. التصعيد: إذا كان التدهور سريعًا أو واسعًا، تواصل مع مرشد أو مختص محلي. هذه البنية تجعل عدم اليقين قابلًا للعمل، بدل أن يكون تحذيرًا عامًا. الثقة لا تعني الصواب قد يمنح النظام احتمالًا مرتفعًا لأنه وجد تشابهًا قويًا مع بياناته، لكنه لا يعرف أن الصنف أو المناخ أو المنتج مختلف. وقد يكون واثقًا من فهم الكلمة، بينما المصدر الذي استرجعه قديم. لذلك تُفصل ثقات متعددة:

• الثقة في فهم السؤال.
• الثقة في ربط المصطلح بكيان.
• الثقة في جودة المدخل.
• الثقة في ملاءمة المصدر.
• الثقة في التفسير أو التوصية.

ويمكن أن تكون واحدة مرتفعة وأخرى منخفضة. لا يجوز اختزالها في شريط أخضر يوحي بسلامة شاملة. الامتناع له عتبات وسياسة لا يُترك الامتناع لمزاج النموذج. توجد قواعد واضحة، مثل:

• لا جرعة من دون منتج وتركيز ومحصول وبلد ومصدر ساري.
• لا تشخيص قاطع من صورة واحدة غير كافية.
• لا توصية آلية عند تعارض مصدرين مختصين.
• لا استخدام لمصدر خارج اختصاصه الجغرافي من دون بيان.
• لا أمر تشغيل عند فقد القياس الأساسي أو تجاوز حد الأمان.
• لا كشف لمعلومة حساسة خارج صلاحية المستخدم.

كما تُختبر العتبات حتى لا يمتنع النظام عن كل شيء فيصبح عديم الفائدة، أو يجيب عن كل شيء فيصبح غير آمن. التصعيد مسار، لا نهاية مغلقة التصعيد الجيد يحدد:

• نوع المختص أو الجهة المطلوبة.
• ما المعلومات التي ينبغي تحضيرها.
• درجة الاستعجال ولماذا.
• ما الخطوات الآمنة حتى الحصول على المساعدة.
• كيف يعود جواب المختص إلى سجل الحالة.

فإذا أحال النظام المستخدم إلى مختص من دون نقل السياق والصور والمصادر التي جمعها، يضطر المستخدم إلى بدء القصة من الصفر. يمكن، بموافقته، إنشاء ملخص قابل للمشاركة يوضح السؤال وما جُمع وما بقي مجهولًا. النظام الذي يمتنع في الوقت الصحيح لا يتخلى عن المستخدم؛ إنه يمنع اللغة من تجاوز الدليل، ويحوله إلى الخطوة التالية الأكثر أمانًا. وتظهر قيمة هذه المبادئ عند قراءة حالات البرامج والمشروعات: يجب التفريق بين وجود فكرة أو تكامل في الشفرة، وبين تشغيل مثبت أو أثر ميداني. 7\. نماذج واقعية للإرشاد الزراعي الذكي: ماذا تقدم، وما الذي تثبته الأدلة؟ لا تنتمي التطبيقات الثلاثة الآتية إلى الفئة نفسها، ولا ينبغي عرضها في قائمة واحدة توحي بأنها حققت الدرجة ذاتها من النضج أو الأثر. فـFarmer.Chat خدمة يستخدمها مزارعون بالفعل، ولها بيانات استخدام ودراسة ميدانية محدودة النطاق. أما GAIA فليس تطبيقًا واحدًا بقدر ما هو برنامج بحث وتطوير يختبر كيفية بناء الإرشاد الزراعي التوليدي على أسس علمية وأخلاقية. بينما يمثل Aladdin AgroGenie بنية بحث واسترجاع محكومة داخل منظومة Aladdin، تملك دليلًا برمجيًا واختبارات محلية قوية، لكنها لم تستكمل بعد إثبات التشغيل الحي والأثر الميداني. لهذا لا تسأل المقارنة: «أيها أفضل؟»، بل تسأل أسئلة أدق: ما المشكلة التي يحاول كل نظام حلها؟ كيف يصل إلى المعلومة؟ ما نوع الدليل المتاح عليه؟ وأين تنتهي قدرته وتبدأ الحاجة إلى الإنسان؟

Farmer.Chat — مستشار زراعي متعدد اللغات في جيب المزارع

يقف المزارع في الحقل أمام أوراق صفراء أو حيوان فقد شهيته أو سماء توحي بالمطر، ولا يكون سؤاله عادة مكتوبًا بلغة علمية مكتملة. قد يرسل صورة، أو يتحدث بلهجته، أو يكتب جملة قصيرة مثل: «ماذا أصاب النبات؟» أو «هل أروي اليوم؟». صُمم Farmer.Chat، الذي تطوره مؤسسة Digital Green، لتقليل المسافة بين هذا السؤال اليومي وبين المعرفة الزراعية التي يمكن استخدامها في الوقت المناسب. تتيح الخدمة للمستخدم طرح السؤال بالنص أو الصوت أو الصورة، وتستفيد من الموقع لتكييف الإجابة مع المحصول والظروف المناخية والسياق المحلي. وتشمل الموضوعات المعلنة إدارة المحاصيل والآفات، والتسميد والري، والطقس، والثروة الحيوانية، وبعض المعلومات السوقية. وتوضح مواد الإصدار الثاني أن النظام أصبح يطرح أحيانًا سؤالًا أو سؤالين توضيحيين قبل الإجابة؛ فقد يسأل عن مساحة الحقل أو الموقع أو يطلب صورة أوضح، بدل أن يبني توصية دقيقة على سؤال ناقص [SRC039][SRC040][SRC041]. هذه القدرة مهمة لأن السؤال الزراعي لا يكتمل بالكلمات وحدها. العبارة نفسها، مثل «متى أزرع الذرة؟»، قد تحتاج إلى معرفة المنطقة، ونوع الموسم، وتوافر الري، والصنف، وتاريخ الأمطار. وكلما استطاع النظام جمع هذا السياق قبل الإجابة، قلّ احتمال تقديم نصيحة عامة تبدو صحيحة لغويًا لكنها لا تصلح للحقل المقصود. تعلن Digital Green أن Farmer.Chat وصل، بحلول يوليو 2026، إلى أكثر من 1.7 مليون مزارع في ستة بلدان وبست عشرة لغة. كما تعرض بيانات داخلية تشير إلى ارتفاع نسبة من فتحوا التطبيق ثم طرحوا سؤالًا فعليًا بعد إطلاق الإصدار الثاني؛ فارتفعت النسبة المعلنة في الهند من 36.6% إلى 58.9%، وفي كينيا من 37.7% إلى 55.8%، وفي إثيوبيا من 45.1% إلى 60.2%، وفي نيجيريا من 44.8% إلى 57.4%. وارتفع كذلك متوسط عدد الأسئلة التي يطرحها المستخدم النشط في الأسواق الأربع [SRC041]. لكن هذه الأرقام تقيس الاستخدام والتفاعل، ولا تقيس وحدها صحة التشخيص أو سلامة الجرعة أو أثر النصيحة في الغلة والدخل. كما أن تعبيرات مثل «وصل إلى»، و«مستخدم»، و«تنزيل»، و«مستخدم نشط» لا تعني الشيء نفسه. ولهذا لا ينبغي جمع الأرقام المنشورة في تواريخ مختلفة أو مقارنتها مباشرة ما لم يتضح تعريف كل مؤشر وفترته وطريقة احتسابه. ويقدم تقييم نفذته مؤسسة 60 Decibels بالشراكة مع Digital Green دليلًا ميدانيًا أكثر فائدة. شمل التقييم 450 مزارعًا كينيًا، وأفاد بأن 83% منهم كانوا يستخدمون خدمة إرشاد زراعي رقمي من هذا النوع للمرة الأولى، وأن 87% لم يروا بديلًا جيدًا متاحًا لهم، بينما قال سبعة من كل عشرة إنهم طبقوا توصية من Farmer.Chat خلال الثلاثين يومًا السابقة للمقابلة. وصُنّف 61% من المشاركين ضمن «المستخدمين ذوي الاستخدام ذي المعنى»، مقارنة بمرجع كيني قدره 27% في دراسة 60 Decibels الأوسع للأدوات الزراعية الرقمية [SRC042]. وحاول التقييم ألا يكتفي بسؤال المستخدم: «هل استفدت؟». فقد ربط الباحثون آخر ثلاثة أسئلة مسجلة لكل مزارع بما تذكره خلال المقابلة من إجراءات اتخذها. تذكر 96% من المشاركين سؤالًا واحدًا على الأقل، وقال 66% إنهم اتخذوا إجراءً بناءً على الإجابة، ومن بين هؤلاء وصف 80% إجراءً يتوافق كليًا أو جزئيًا مع التوصية المسجلة [SRC042]. هذه نتيجة أقوى من عدد التنزيلات، لكنها لا تزال بحاجة إلى قراءة متأنية. فالدراسة أجريت في بلد واحد، واعتمد جانب مهم منها على التذكر والإبلاغ الذاتي، ولم تكن تجربة زراعية عشوائية تقيس الغلة أو الربح أو سلامة المبيد أو صحة التشخيص. كما أن توافق فعل المزارع مع النصيحة يثبت أن النصيحة أثرت في السلوك، لكنه لا يثبت بالضرورة أن النصيحة نفسها كانت صحيحة. ومن المفارقات المهمة أن 99% من المشاركين وصفوا توصيات النظام بأنها جديرة بالثقة؛ فالثقة المرتفعة ميزة من ناحية القبول، لكنها تصبح خطرًا إذا سبقت قدرة النظام على اكتشاف الخطأ والامتناع والتصعيد. تكشف المصادر المفتوحة المرتبطة بالمشروع جانبًا آخر من نضجه. فقد نشرت Digital Green مجموعة تضم نحو 1.45 مليون زوج من أسئلة المزارعين وإجابات مولدة بين أغسطس 2024 ويونيو 2026، مع إخفاء الأسماء وأرقام الهواتف وغيرها من المعرفات الشخصية [SRC043]. وتفيد هذه المجموعة في دراسة أنواع الأسئلة والمحاصيل والموضوعات المتكررة، لكنها ليست في ذاتها «مجموعة حقائق صحيحة»؛ لأن الإجابات فيها مولدة آليًا، ولأن بطاقة البيانات تحدد الاختيار برسائل بدأها مستخدمون يفضلون الإنجليزية. ومن ثم لا يجوز استخدامها وحدها لإثبات جودة النظام في جميع اللغات الست عشرة. كما نُشرت مكتبة مفتوحة لإدارة قوالب Farmer.Chat عبر نماذج من OpenAI وGemma وLlama، وتضم أدوات لتجزئة الإجابة إلى حقائق قابلة للفحص، وقياس خصوصيتها وصلتها بالسؤال، ومقارنتها بحقائق مرجعية، واكتشاف التعارض بينها [SRC044]. وهذه خطوة جيدة نحو التقييم المنظم، إلا أن المستودع يمثل مكوّنًا لإدارة القوالب والاختبارات، لا الشفرة الكاملة للخدمة الإنتاجية؛ لذلك لا يمكن استنتاج البنية الداخلية الكاملة أو مستوى السلامة النهائي من هذا المستودع وحده. وتظل الواجهة الصوتية، على أهميتها للمستخدم منخفض القراءة، واحدة من أصعب حلقات النظام. فقد قيّمت ورقة أولية منشورة في 2026 عدد 10,934 تسجيلًا زراعيًا بالهندية والتيلوغوية والأودية عبر نماذج متعددة للتعرف الآلي على الكلام. حققت الهندية أفضل معدل خطأ كلمات بلغ 16.2%، بينما ظل أفضل معدل للأودية 35.1%، ولم يتحقق إلا مع فصل المتحدثين [SRC045]. والمعنى العملي لذلك أن «دعم الصوت» ليس قدرة متساوية بين اللغات: قد يفهم النظام لغة شائعة بدرجة مقبولة، ثم يسيء فهم اسم مبيد أو آفة أو وحدة قياس في لغة أقل تمثيلًا. وفي الزراعة قد يغير حرف واحد اسم المادة أو الجرعة أو المرض، ولذلك يجب أن يعرض النظام النص الذي فهمه ويتيح للمستخدم تصحيحه قبل تحويله إلى توصية. وتكشف دراسة 60 Decibels أيضًا أن نحو 10% من المزارعين المشاركين واجهوا مشكلة، كان من بينها البطء، والتحديثات، والتعرف على الصور، أو طول الإجابة وتعقيدها [SRC042]. هذه النسبة ليست حكمًا شاملًا على الخدمة، لكنها تذكّر بأن «الإجابة الصحيحة» لا تكفي إذا وصلت متأخرة، أو بلغة معقدة، أو بُنيت على صورة لم يفهمها النظام كما ينبغي. أما الخصوصية فليست مسألة هامشية. تنص سياسة Digital Green على إمكان معالجة صور المستخدم ومقاطع الفيديو وبيانات الموقع وتفاعلات روبوت المحادثة ومعلومات الجهاز، والاستعانة بمقدمي تحليلات وروبوتات محادثة وطقس وتشخيص للآفات والأمراض، مع احتمال نقل البيانات عبر الحدود. وتتيح السياسة طلب الوصول أو التصحيح أو الحذف وفق القانون المعمول به، لكنها تربط مدة الاحتفاظ بالغرض والالتزامات القانونية، ولا تقدم مدة موحدة بسيطة لكل نوع من البيانات [SRC046]. وفي سياق زراعي قد تكشف الصورة والموقع والسؤال أكثر مما يبدو: نوع المحصول، وحالة الحقل، وموسم الإنتاج، وربما الحالة الاقتصادية لصاحبه.

أبرز مزايا Farmer.Chat:

• يجعل الوصول إلى المعرفة أسرع من انتظار زيارة مرشد في المناطق ضعيفة التغطية.
• يتيح السؤال بالصوت والنص والصورة، وهو مهم عند تفاوت مهارات القراءة والكتابة.
• يدعم لغات محلية وسياقًا مكانيًا بدل الاقتصار على الإنجليزية أو النصائح العامة.
• يطلب بعض المعلومات التوضيحية قبل الإجابة في الإصدار الأحدث.
• يرتبط بشبكات الإرشاد والشركاء المحليين بدل تقديم نفسه بوصفه نموذجًا لغويًا منعزلًا.
• أتاح بعض بياناته وأدوات تقييمه للبحث والمراجعة العامة.
• توجد عليه دراسة استخدام خارجية نسبيًا، لا مجرد أرقام تنزيلات أو شهادات تسويقية.

أهم القيود والمخاطر:

• الأدلة المتاحة أقوى في قياس الوصول والتفاعل وتطبيق النصيحة منها في قياس صحة النصيحة أو أثرها في الغلة والدخل.
• لا تثبت الدراسة الكينية أن الدقة متساوية بين البلدان أو المحاصيل أو اللغات.
• يظل التعرف على اللهجات والمصطلحات الزراعية الصوتية متفاوتًا، خصوصًا في اللغات محدودة الموارد.
• تشخيص المرض من صورة واحدة قد يتأثر بالإضاءة، وزاوية التصوير، وتشابه الأعراض، وغياب معلومات التربة والطقس.
• قد تكون بعض الإجابات طويلة أو معقدة على المستخدم المستهدف.
• ارتفاع ثقة المستخدم في النظام يجعل الخطأ المحتمل أكثر خطورة، لا أقل.
• التخصيص بالموقع والصورة والصوت يرفع قيمة الخدمة، لكنه يزيد في الوقت نفسه حساسية البيانات التي ينبغي حمايتها.
• لا يجوز أن تحل الإجابة الآلية محل الطبيب البيطري أو المهندس الزراعي في الحالات التي تتضمن تشخيصًا حرجًا أو مبيدًا أو دواءً أو جرعة ذات عاقبة صحية أو قانونية.

الرتبة الحالية للدليل: خدمة تشغيلية ذات انتشار معلن، ومدعومة بدراسة مستخدمين محدودة جغرافيًا وأصول بحثية مفتوحة؛ لكنها لا تملك بعد، في المصادر التي راجعت، دليلًا مستقلًا كافيًا على دقة زراعية عامة أو أثر سببي مستمر في الغلة والدخل عبر جميع البلدان واللغات. ما يحفظه المثال: قيمة الحوار متعدد الوسائط واللغة المحلية وربط التقنية بشبكات الإرشاد، مع أهمية قياس ما إذا كان المستخدم قد فهم النصيحة وعمل بها. ما لا يُستنتج: أن كل إجابة صحيحة، أو أن الصورة تكفي للتشخيص، أو أن دعم اللغة متساوٍ بين اللغات، أو أن زيادة الاستخدام تعني تلقائيًا زيادة الإنتاج أو الربح.

GAIA — برنامج لبناء الإرشاد التوليدي، لا تطبيقًا واحدًا

قد يوحي اسم GAIA بأنه روبوت محادثة آخر ينافس Farmer.Chat، لكن هذا الفهم يختزل المشروع. المقصود هنا هو Generative AI for Agriculture Advisory، وهو برنامج بحث وتطوير تقوده IFPRI ضمن شراكة تضم CABI وDigital Green وSCiO وجامعة فلوريدا، وبدعم من مؤسسة Gates ووزارة الخارجية والتنمية البريطانية. وتحدد صفحة CABI مدة المشروع من أبريل 2024 إلى مايو 2027 [SRC047][SRC048]. لا يبدأ GAIA من سؤال: «أي نموذج لغوي سنستخدم؟»، بل من سؤال أعمق: «ما الشروط التي تجعل النصيحة الزراعية المولدة صحيحة، ومفهومة، وعادلة، ومشروعة الاستخدام؟». ولذلك لا يقتصر عمله على بناء واجهة محادثة، بل يشمل إعداد المحتوى الزراعي، وترخيصه، وحوكمته، واختبار طرق تقديمه، ووضع معايير لتقييم النماذج، ودراسة الانحياز الجندري واللغوي، وربط الإجابات ببيانات الطقس والاستشعار عن بعد والسجلات التاريخية. في مرحلته الأولى، أنشأت CABI بنية أتاحت للشركاء استخدام 463 وثيقة زراعية مراجعة من خبراء ضمن شروط ترخيص محددة. واختبرت نموذجًا أوليًا يعتمد على محتوى CABI في موضوعات الموز والطماطم في كينيا، والموز والأرز في الهند. ولم يكن الاختبار موجهًا إلى جمهور مجهول على الإنترنت؛ بل شمل مرشدين زراعيين و«أطباء نبات» وممثلين لمنظمات المنتجين وجهات زراعية [SRC048][SRC049]. أفادت مواد المشروع بأن ورشتي كينيا ضمتا أربعين مشاركًا في مقاطعتي ناكورو وتايتا تافيتا، بينما ضمت ورشة الهند واحدًا وأربعين مشاركًا، بينهم ثلاث عشرة امرأة. استُخدمت مهام موجهة وأخرى حرة لتقييم سهولة الواجهة، وجودة الحوار، وملاءمة الإجابات ودقتها كما يراها المستخدمون. كما انتقل جزء من الاختبار إلى عيادات نباتية في كينيا لرؤية كيفية تصرف النموذج في بيئة أقل ضبطًا من ورشة التدريب [SRC049]. وتذكر صفحة المشروع أن أكثر من 90% من المختبرين قالوا إنهم سيستخدمون الأداة بانتظام [SRC048]. وهذه إشارة واعدة إلى القبول، لكنها لا تعادل قياس الدقة الزراعية أو أثر الأداة في الحقل. فالرغبة في الاستخدام نتيجة إدراكية، وقد تتأثر بحداثة التقنية أو سهولة الواجهة. كما أن ملخص الصفحة لا يقدم تفاصيل كافية عن مقام النسبة، أو توزيع المشاركين، أو الاختلاف بين البلدان والمحاصيل، أو طريقة التحقق المستقل من كل إجابة. تتجه المرحلة الثانية، الممتدة من أبريل 2025 إلى مايو 2027، إلى توسيع المحتوى الموثوق، وبناء مجموعة معرفة مشتركة، ووضع أدوات معيارية لاختبار أداء النماذج، وإدخال بيانات حية ومتعددة الوسائط مثل الطقس والاستشعار عن بعد والصور والسجلات التاريخية. كما تتضمن المرحلة تحليلًا قانونيًا في كينيا والهند وإثيوبيا، وبحثًا يراعي الفروق الجندرية، واختبارات ميدانية أوسع [SRC048]. وتكمن إحدى إضافات GAIA المهمة في أنه يعامل حقوق المحتوى جزءًا من سلامة الإرشاد. فالمعرفة الزراعية الدقيقة لا تظهر من فراغ؛ إنها ثمرة علماء ومرشدين ومؤسسات ومجتمعات محلية. وقد طورت CABI في إطار هذا العمل نموذج ترخيص لمحتوى الذكاء الاصطناعي يحدد حق الاستخدام، ونسبة المحتوى إلى مصدره، وحدود الاستخدام التجاري، وحماية الملكية الفكرية الأصلية [SRC050][SRC051]. وهذا يعالج مشكلة شائعة في الأنظمة التوليدية: قد تبدو الإجابة مجانية، بينما بُنيت على محتوى لم يُمنح صاحبه حق الموافقة أو النسبة أو المقابل. لكن الحوكمة لا تزيل المخاطر تلقائيًا. يحدد تقرير المخاطر والأخلاقيات المرتبط بالمشروع مشكلات تتعلق بضعف تمثيل البيانات، وعدم شفافية النماذج، والخصوصية، واختلال القوة بين مطوري النظام وأصحاب المعرفة، واحتمال تهميش المعرفة التقليدية. والتقرير نفسه مصنف مادة بحثية رمادية خضعت لمراجعة داخلية، ويعرض الأساس لأداة أخلاقية يجري تطويرها؛ لذلك ينبغي التعامل معه كإطار عمل مهم، لا كشهادة خارجية بأن جميع المخاطر قد حُلّت [SRC052]. أبرز مزايا GAIA:

• يعامل الإرشاد التوليدي كنظام مؤسسي يجمع المعرفة والتقنية والترخيص والتقييم، لا كواجهة محادثة فقط.
• يستخدم محتوى زراعيًا منتقى ومراجعًا بدل الاعتماد الكامل على المعرفة العامة للنموذج.
• يشرك المرشدين وأطباء النبات والمستخدمين في التصميم والاختبار.
• يضع الدقة والملاءمة المحلية والإسناد والعدالة الجندرية ضمن أهداف التقييم.
• يعمل على بناء أدوات معيارية يمكن أن تفيد أكثر من تطبيق أو جهة.
• يعترف بأن للمحتوى العلمي حقوقًا وتكاليف، ويبحث عن نموذج ترخيص يوازن بين الوصول وحماية المصدر.
• يخطط لدمج الطقس والصور والاستشعار عن بعد، وهو ما قد يجعل الإجابة أكثر ارتباطًا بزمان الحقل ومكانه.

أهم القيود والمخاطر:

• GAIA برنامج بحث وتطوير، وليس منتجًا واحدًا مكتملًا يمكن تقييمه بصفته تطبيقًا موحدًا.
• معظم النتائج المنشورة حتى الآن تتعلق بالنموذج الأولي والقبول والحوكمة، لا بأثر طويل المدى في الغلة أو الدخل.
• ركزت الاختبارات الأولى على عدد محدود من البلدان والمحاصيل والمشاركين، وكان كثير من المشاركين مرشدين أو مختصين، لا عينة ممثلة لجميع المزارعين.
• تمثل نسبة الرغبة في الاستخدام قبولًا مبدئيًا، ولا تثبت دقة التشخيص أو سلامة التوصية.
• بعض القدرات المتقدمة، مثل الدمج الواسع للبيانات الحية والمتعددة الوسائط وأدوات المقارنة المعيارية، أهداف للمرحلة الثانية وليست كلها نتائج مكتملة.
• توسيع المحتوى الموثوق يواجه تكلفة مستمرة في التحرير والمراجعة والترخيص والتحديث.
• قد يؤدي الاعتماد الزائد على المحتوى المؤسسي إلى تهميش معرفة محلية صحيحة إذا لم توجد آلية عادلة لإدخالها ونسبتها ومراجعتها.
• الحوكمة الجيدة تزيد السلامة، لكنها تضيف زمنًا وكلفة وتعقيدًا؛ ومن دون تمويل مستدام قد تبقى الأدوات في طور التجربة.

الرتبة الحالية للدليل: برنامج بحثي متعدد الشركاء، له نماذج أولية واختبارات مستخدمين ووثائق حوكمة وترخيص موثقة، بينما لا تزال النتائج الواسعة للمرحلة الثانية والأثر الزراعي المقارن قيد البناء والتقييم. ما يحفظه المثال: أن المستشار الزراعي المسؤول لا يُبنى بالنموذج وحده، بل بالمحتوى المؤهل، والترخيص، والإسناد، والاختبار، ومشاركة المرشدين والمزارعين. ما لا يُستنتج: أن GAIA منتج تجاري مكتمل، أو أن النموذج الأولي صالح لكل محصول وبلد، أو أن نسبة القبول تثبت صحة الإجابات أو تحسن الغلة والدخل.

Aladdin AgroGenie — البحث الزراعي بوساطة الدليل داخل منظومة Aladdin

سؤال المزارع نادرًا ما يكون استعلامًا منظمًا. حين يسأل: «كم أروي هذا الأسبوع؟» لا يريد قائمة روابط، بل معلومة يمكنه التصرف على أساسها، ومعها مصدر وتاريخ وسياق يتيح مراجعتها إذا تغير الطقس أو اختلفت التربة. إلا أن المعرفة الزراعية موزعة بين جدول إحصائي، ومدخل قاموس، ونشرة إرشادية، ووثيقة فنية، وسجل محلي، ولا تستخدم هذه المصادر دائمًا الأسماء والوحدات والعلاقات نفسها. يحاول Aladdin AgroGenie معالجة هذه الفجوة بوصفه طبقة بحث واسترجاع محكومة داخل منظومة Aladdin، لا بوصفه نموذجًا لغويًا عامًا يعرف كل شيء. وتعرّف الحزمة الحالية نفسها باسم v4.2-developed، وتصف مسارًا يبدأ بكشف اللغة وتطبيع الأرقام والوحدات والمصطلحات، ثم فهم النية الزراعية وربط أسماء المحاصيل والمقاييس والمواقع بمعرفات ثابتة، ثم بناء استعلام موحد والبحث في مصادر محكومة، تشمل بيانات AgriStat والقاموس الزراعي ومسار RAG المرتبط بـChat V2 [IMP13]. إذا كتب المستخدم مثلًا «إنتاج البطاطا في تركيا عام ٢٠٢٤»، يفترض ألا يعتمد النظام على التشابه اللفظي وحده. بل يحول الأرقام إلى صورة موحدة، ويربط «البطاطا» و«البطاطس» بالكيان المقصود، ويميز الإنتاج من المساحة أو الغلة، ويحفظ البلد والسنة والوحدة. وبعد الاسترجاع تمر النتائج عبر فحص الاعتماد والنشر والمصدر، ثم تُنشأ لها بصمة دليل، وتُرتب قبل صياغة الجواب بلغة المستخدم. وتدعم الحزمة عشر لغات: العربية والتركية والإنجليزية والإندونيسية والملايوية والصينية والفرنسية والإسبانية والأردية والفارسية. يبدأ استخراج النية بقواعد حتمية حيث يمكن ذلك، ولا ينتقل إلى الذكاء الاصطناعي إلا عند الحاجة. وعندما يحتاج إلى الذكاء الاصطناعي، تمر العملية عبر AiBridge، مع رفض النتيجة إذا كان المكوّن غير متاح أو أعاد استجابة فارغة أو غير قابلة للتحقق. كما تمنع طبقة الفهرسة دخول السجلات غير المعتمدة أو غير المنشورة إلى نتائج البحث العامة أو سياق Chat V2 [IMP13]. وتعمل البنية بثلاثة أوضاع ترحيل:

• الوضع الظِلّي: يشغّل AgroGenie في الخلفية للمقارنة والمراقبة، بينما تبقى الإجابة القديمة هي التي يراها المستخدم.
• الوضع التفويضي: يصبح AgroGenie المسار الأول، مع الرجوع إلى المسار السابق عند فشله وفق قواعد محددة.
• الوضع الإنفاذي: يصبح المسار المحكوم هو الوحيد؛ فإذا غاب المصدر أو فشل التحقق يعيد النظام حالة «المصدر غير متاح» بدل إكمال الجواب بالتخمين.

هذا التدرج ليس تفصيلًا تشغيليًا صغيرًا. إنه طريقة لإدخال نظام مؤثر في القرار على مراحل يمكن قياسها والتراجع عنها. فالوضع الظِلّي يكشف الاختلافات من دون تعريض المستخدم لها، والتفويضي يختبر الاستقرار مع شبكة أمان، والإنفاذي يمنع العودة الصامتة إلى مسار أقل حوكمة.

وقد جرى في 18 سبتمبر 2026 تشغيل الاختبارات المتاحة في الحزمة الحالية مباشرة باستخدام PHP 8.5.6. اجتاز اختبار النموذج الأولي 104 استعلامات، تشمل عشر لغات وصيغًا متعددة وأخطاء إملائية وبوابات للحقن والمصدرية والمراجعة اللغوية وفشل AiBridge. كما اجتاز اختبار التشغيل المعزول 149 فحصًا، واختبار بوابات المرحلة التاسعة 196 فحصًا، واختبار حارس الحدود 33 فحصًا من دون فشل أو تخطٍّ. وتتداخل بعض هذه الاختبارات لأن اختبار المرحلة التاسعة يشغّل اختبارات فرعية؛ لذلك لا يصح جمع الأرقام وتقديمها بوصفها عددًا واحدًا من الاختبارات المستقلة [IMP13]. وتغيّر هذه النتيجة توصيف القيد الوارد في النص القديم. فالحزمة السابقة Koot-EL-Kuloob-2.1.39 توقفت اختبارات AgroGenie فيها بسبب ملفي ذاكرة مؤقتة مفقودين. أما الحزمة الحالية v4.2-developed فلم يتكرر فيها هذا التوقف، واكتملت الاختبارات الأربعة المذكورة بنجاح. لا يعني ذلك أن المشكلة أُصلحت داخل الحزمة التاريخية نفسها، بل يعني أن الحكم القديم لا يجوز نقله كما هو إلى النسخة الحالية. مع ذلك، لا تساوي هذه الاختبارات تشغيلًا إنتاجيًا. توضح وثائق المشروع نفسها أن اختبار تنفيذ استعلامات قاعدة بيانات WordPress الحقيقية، والاتصال الفعلي بمزود الذكاء الاصطناعي عبر AiBridge، وتشغيل Action Scheduler، واختبارات المتصفح والواجهة، واختبارات الحمل على مئة ألف أو مليون سجل، ما تزال مؤجلة إلى بيئة WordPress حية. كما أن تقرير التدقيق يصف الحالة بدقة: اكتمل التحقق المحلي من الشفرة، لكن أثر قاعدة البيانات الحية والمتصفح لم يُتحقق منه بعد، والتوصية هي النشر في بيئة مرحلية لاستكمال إثبات التشغيل [IMP13]. وتظل بوابة aladdin\_agrogenie\_enabled مغلقة افتراضيًا، بينما يعود وضع التشغيل إلى shadow إذا لم يُحدد وضع آخر. وهذا يعني أن وجود الشفرة والاختبارات لا يثبت أن AgroGenie مفعل في كل نسخة من المنتج أو أنه يغير الإجابة التي يراها المستخدم. أبرز مزايا AgroGenie:

• يفصل فهم السؤال عن استرجاع الدليل وعن صياغة الإجابة.
• يربط المصطلحات المحلية بمعرفات ثابتة من دون الاعتماد على التطابق الحرفي وحده.
• يسترجع من مصادر معتمدة ومنشورة ويمنع البيانات المرحلية أو المحجورة من الوصول إلى المستخدم.
• يحفظ المصدر وبصمة الدليل مع النتيجة، بما يساعد على المراجعة وإعادة البناء.
• يستخدم الذكاء الاصطناعي عبر AiBridge بدل الاتصال غير المحكوم بمزود خارجي.
• يتدرج من المراقبة إلى التفويض ثم الإنفاذ بدل الانتقال المباشر إلى مسار حرج.
• يغلق عند غياب المصدر في الوضع الإنفاذي، فلا يحول نقص المعرفة إلى جواب واثق.
• يحد كمية الأدلة المرسلة إلى Chat V2، وهو ما يقلل تضخم السياق وخلط المصادر.
• اجتاز في الحزمة الحالية اختبارات محلية للغات والحوكمة والتكامل وحدود المكونات.

أهم القيود والمخاطر:

• المشروع الحالي ما يزال موسومًا بأنه إصدار تطويري، وليس دليلًا على خدمة عامة مكتملة.
• الاختبارات الحالية محلية ومعزولة، وبعضها يستخدم بدائل اختبارية وانعكاسًا على بنية الأصناف بدل قاعدة بيانات WordPress وخدماتها الحية.
• لم يُثبت بعد الأداء الفعلي مع قاعدة البيانات الكبيرة، أو زمن الاستجابة تحت الحمل، أو سلوك واجهة المستخدم في المتصفح.
• لم يُختبر في هذه المراجعة اتصال حقيقي بمزود ذكاء اصطناعي من خلال AiBridge.
• دعم عشر لغات في مصفوفة اختبار لا يثبت وحده فهم اللهجات والمصطلحات الريفية والأخطاء الصوتية في الميدان.
• النظام لا يصبح أفضل من محتواه المعتمد؛ فإذا كان القاموس أو السجل الإحصائي ناقصًا أو قديمًا، فإن الحوكمة تمنع التخمين لكنها لا تخلق معرفة غير موجودة.
• الإغلاق الآمن يحمي المستخدم من جواب غير موثق، لكنه قد يقلل توافر الخدمة. وفي المقابل، يحسن المسار الاحتياطي في الوضع التفويضي التوافر لكنه يعيد إدخال خصائص وحدود النظام القديم.
• يوجد اختلاف توثيقي يحتاج إلى تصحيح: ملف README لا يزال يصف اختبار المرحلة التاسعة بأنه 150 فحصًا، بينما أعاد تشغيل النسخة الحالية 196 فحصًا. لا يؤثر ذلك في نجاح الاختبار، لكنه يبين ضرورة مزامنة الوثائق مع الحزمة قبل إصدارها.
• لا توجد حتى الآن دراسة ميدانية تثبت أن استخدام AgroGenie يحسن قرار المزارع أو الغلة أو الربح.

الرتبة الحالية للدليل: تنفيذ مستودعي متقدم اجتاز اختبارات محلية مباشرة للبحث واللغة والحوكمة والتكامل، لكنه ما يزال يحتاج إلى إثبات في بيئة WordPress حية، واختبارات حمل ومتصفح، وتقييم ميداني مع مستخدمين حقيقيين. ما يحفظه المثال: نموذج بحث زراعي لا يكتفي بالعثور على نص قريب، بل يربط السؤال بكيان ومعيار ومصدر، ويميز بين غياب الإجابة وبين الإذن بتوليدها، ويدخل الخدمة تدريجيًا عبر أوضاع قابلة للمراقبة والتراجع. ما لا يُستنتج: أن AgroGenie مفعل في كل تثبيت، أو أنه اجتاز اختبار إنتاج حي، أو أن أداءه متساوٍ في اللغات العشر، أو أن نجاح الاختبارات البرمجية يثبت أثرًا زراعيًا أو اقتصاديًا في الحقل.

ماذا نتعلم من الحالات الثلاث؟

تكشف هذه الحالات ثلاث طبقات متكاملة من النضج. يوضح Farmer.Chat كيف يمكن الوصول إلى المزارع في لغته وبالوسيط الذي يناسبه. ويبين GAIA أن جودة الإرشاد تبدأ قبل المحادثة، من اختيار المحتوى وترخيصه وتقييم انحيازه. أما AgroGenie فيوضح كيف يمكن بناء طبقة بحث تمنع الإجابة من الانفصال عن مصدرها. لكن الحالات الثلاث تشترك في قاعدة واحدة: قيمة المستشار الزراعي لا تقاس بطلاقة كلامه، بل بقدرته على فهم السياق، وإظهار مصدره، وبيان حدود ثقته، والامتناع حين لا يملك دليلًا كافيًا، وإحالة القرار إلى الإنسان عندما تصبح عاقبة الخطأ أكبر من قدرة النظام على تحمّلها. 8\. الذاكرة والتخصيص: سياق يساعد ولا يتحول إلى قيد إذا اضطر المزارع في كل محادثة إلى إعادة اسم المحصول والحقل والمرحلة ونظام الري، أصبحت الخدمة مرهقة. ويمكن للذاكرة أن تجعل السؤال أقصر والجواب أكثر ملاءمة: تعرف الحقل المقصود، وتستحضر العمليات السابقة، وتقارن الحالة بما سجله المستخدم قبل أسبوع. لكن الذاكرة ليست خيرًا مطلقًا. قد تحفظ معلومة خاطئة، أو تخلط موسمين، أو تنقل سياق حقل إلى حقل آخر، أو تكشف محادثة حساسة، أو تستخدم البيانات في تدريب لم يوافق عليه المستخدم. أنواع مختلفة من الذاكرة ينبغي الفصل بين:

خلط هذه الأنواع يجعل عبارة «النظام يتذكر» غامضة. يحتاج المستخدم إلى معرفة ماذا يُحفظ، وأين، وكم من الوقت، ومن يراه، وكيف يحذفه أو يصححه. ذاكرة المستخدم ليست مصدر الحقيقة إذا قال المستخدم في جلسة سابقة إن محصوله طماطم، لا ينبغي أن يفترض النظام أن كل سؤال مستقبلي عن الحقل نفسه أو الموسم نفسه. قد يكون بدأ موسمًا جديدًا أو يسأل عن حقل آخر أو ينقل سؤال جار. تظهر الحقول المهمة في بداية الجواب أو السؤال: أفترض أنك تسأل عن حقل الطماطم رقم 7 في مرحلة التزهير، بناءً على سجل هذا الموسم. هل أستخدم هذا السياق؟ يسمح هذا التأكيد بتصحيح الذاكرة قبل أن تقود الاسترجاع إلى مصادر غير مناسبة. كما تُعطى الأولوية للسجلات الموثقة على ملخص لغوي قديم. إذا تغير المحصول في سجل الموسم، لا تتمسك المحادثة بعبارة سابقة. التصحيح مع حفظ الأثر يستطيع المستخدم رؤية المعلومات المهمة وتعديلها. وإذا صحح تاريخ الزراعة أو اسم الصنف، يُحفظ ما تغير وسببه وتاريخ سريانه، لأن التعديل قد يؤثر في توصيات سابقة أو حساب المرحلة. ولا تتحول الذاكرة إلى نص طويل غامض لا يعرف المستخدم ما بداخله. تُعرض في حقول مفهومة: الحقل، والمحصول، والموسم، واللغة، والوحدة، والموافقة، مع زر للتصحيح أو الحذف. تقليل ما يُحفظ لا يحتاج التخصيص إلى حفظ كل كلمة. يمكن الاحتفاظ بالحد الأدنى الذي يخدم الغرض، وإزالة التفاصيل الحساسة أو تحديد مدة قصيرة لها. وقد تكفي الإشارة إلى أن سؤالًا صُعّد إلى مختص، من دون حفظ وصف شخصي لا يلزم للمتابعة. تُحدد السياسة:

• ما الذي يُحفظ تلقائيًا وما يحتاج إلى موافقة.
• مدة الاحتفاظ بكل نوع.
• من يستطيع الوصول.
• هل يدخل في التحليل أو التدريب.
• كيف يُصدّر أو يُحذف.
• ماذا يحدث للمشتقات والنسخ الاحتياطية.

التخصيص لا يبرر التمييز الخفي قد يستخدم النظام نوع الحيازة أو الموقع أو القدرة على الدفع لتخصيص الخدمة. ينبغي أن يكون ذلك واضحًا ومرتبطًا بالمنفعة، وألا يؤدي إلى خفض جودة الإرشاد لفئة أو توجيه منتجات بطريقة لا يفهمها المستخدم. كما يجب فحص ما إذا كانت الذاكرة تعيد أخطاء قديمة أو تحصر المستخدم في نمط افترضه النظام. الذاكرة الجيدة تجعل السياق مرئيًا وقابلًا للتصحيح، وتفصل ملف المزرعة عن ملخص المحادثة، وتحفظ أقل قدر لازم. لكنها لا تثبت أن الجواب الناتج جيد. لذلك يحتاج المستشار إلى تقييم يمتد من الاسترجاع والنص إلى السلامة والفعل في العالم الحقيقي. 9\. التقييم: من جودة النص إلى جودة القرار قد يكتب النظام جوابًا واضحًا وخاليًا من الأخطاء اللغوية، ثم يستند إلى مصدر غير صالح للبلد. وقد يسترجع مصدرًا صحيحًا، ثم يحذف من جوابه استثناءً حاسمًا. وقد يمتنع بطريقة آمنة، لكن بلغة لا يفهم منها المستخدم ما الذي يفعله بعد ذلك. لذلك لا يكفي تقييم الأسلوب أو تشابه الجواب مع إجابة نموذجية. تدعم المراجعات [SRC003][SRC010] خريطة عامة لتطبيقات دعم القرار وعوائق الوصول، لكن تقييم مستشار بعينه يحتاج إلى اختبارات تربط جودة الاسترجاع وصحة النص والسلامة بفهم المستخدم والفعل الناتج. أربع طبقات للتقييم

لا تعوض طبقةٌ فشلَ الأخرى. استرجاع ممتاز مع صياغة مخطئة لا ينتج جوابًا صالحًا، وجواب حذر بلا مصدر لا يحقق قابلية التحقق، ونص صحيح لم يفهمه المستخدم لا ينجح بوصفه إرشادًا. تقييم الاسترجاع تُبنى أسئلة لها مصادر متوقعة ورتب سلطة واضحة، ثم يُفحص:

• هل ظهر المصدر المختص ضمن النتائج الأولى؟
• هل استُبعد المصدر القديم أو الخارج عن البلد؟
• هل استُرجع عنوان الجدول ووحداته وتحذيراته مع الصف؟
• هل وجد النظام الاستثناء، أم استرجع القاعدة العامة فقط؟
• هل كشف عدم وجود مصدر بدل ملء الفراغ؟
• هل حافظ على اللغة والنسخة الصحيحة؟

وقد يكون الاسترجاع فاشلًا حتى إذا احتوى أحد المقاطع على الكلمات نفسها، لأن المقطع لا يملك سلطة الإجابة. تقييم الجواب والنسبة يقرأ مختصون الجواب والمصادر التي استند إليها، ويسألون:

• هل كل ادعاء مهم تدعمه الوثيقة المشار إليها؟
• هل أضاف النموذج رقمًا أو شرطًا غير موجود؟
• هل نُقل نطاق المصدر وبلده وتاريخه؟
• هل حُفظ الفرق بين الاحتمال والتشخيص؟
• هل ظهر التحذير بجوار الإجراء الذي يقيده؟
• هل اللغة مفهومة للمستخدم المستهدف من دون تسطيح مخل؟
• هل الجواب أطول مما يحتاجه الموقف الميداني؟

ولا تُقاس الجودة بطول الجواب. قد تكون ثلاثة أسطر مع سؤال توضيحي ومصدر أفضل من صفحة كاملة تبني على افتراض خاطئ. تقييم السلامة والامتناع تحتاج مجموعة الاختبار إلى حالات تحاول دفع النظام إلى تجاوز حدوده:

• سؤال جرعة بلا بلد أو منتج كامل.
• منتج غير مسجل في الاختصاص المطلوب.
• صورتان متشابهتان لسببين مختلفين.
• مصدر قديم أكثر وضوحًا من المصدر الحالي.
• تعليمات داخل وثيقة تحاول التأثير في النموذج بدل تقديم معرفة.
• مستخدم يطلب تجاوز الملصق أو إخفاء استخدام.
• حالة صحة حيوان أو سلامة غذاء تتطلب إحالة.
• قياس أساسي مفقود في سؤال تحكم تشغيلي.

ويُقاس نوعان من الخطأ:

• فشل الامتناع: أجاب النظام حين كان يجب أن يتوقف أو يصعّد.
• الامتناع الزائد: رفض سؤالًا يمكن الإجابة عنه بأمان وفائدة.

الهدف ليس نظامًا صامتًا، بل نظامًا يضع حدوده في الموضع الصحيح. من الاختبار المخبري إلى المستخدم لا تثبت مراجعة الخبراء وحدها أن المستخدم فهم الجواب. يمكن اختبار:

• هل عرف المستخدم ما فهمه النظام من سؤاله؟
• هل استطاع تحديد المصدر وتاريخه؟
• هل ميز الخطوة الآمنة من التشخيص أو الوصفة؟
• هل عرف ما المعلومات التي ينقصها النظام؟
• هل استطاع تصحيح سياق خاطئ؟
• هل عرف إلى من يصعّد الحالة؟
• هل نفذ الإجراء المقصود أم فهم شيئًا آخر؟

وقد يحتاج التقييم إلى ملاحظة سير العمل، لا استبيان رضا فقط. قد يعجب المستخدم بسرعة الجواب، بينما ينفذ إجراءً غير الذي قصده النص. مجموعة اختبار تشبه الواقع لا تكفي الأسئلة النظيفة المكتوبة بلغة فصيحة. تشمل المجموعة:

• أسئلة قصيرة وغامضة.
• أخطاء إملائية وأسماء محلية.
• رسائل صوتية مع ضوضاء ولهجات.
• صورًا ناقصة أو رديئة.
• أسئلة تخلط أكثر من حقل أو موسم.
• مصادر متعارضة أو منتهية.
• بيانات مفقودة ووحدات ملتبسة.
• سؤالًا يتغير جوابه بين بلدين.
• محاولات للحصول على جواب محظور بصياغة ملتوية.
• حالات لا يوجد لها مصدر كافٍ.

ويُحفظ سبب إدراج كل حالة والخطر الذي تختبره، حتى لا تتحول المجموعة إلى قائمة أسئلة بلا تغطية معروفة. التفاوت بين اللغات والفئات قد ينجح النظام باللغة التي تملك أكبر مصادر وتدريب، ويتراجع في لغة محلية أو لهجة أو صوت مستخدم منخفض القراءة. لا يجوز إخفاء ذلك في متوسط عام. يُعرض لكل لغة:

• فهم النية والكيانات.
• استرجاع المصدر المناسب.
• صحة المصطلحات والوحدات.
• معدل الاختراع والامتناع.
• نجاح التصعيد.
• فهم المستخدم.

كما تُفحص الفروق بين مستخدمين ذوي خبرة رقمية مختلفة، وبين الاتصال الجيد والمتقطع، وبين أنواع الحيازات. إذا كانت الخدمة تعمل جيدًا فقط لمن يكتب سؤالًا طويلًا منظمًا، فهي لا تعالج واقع الإرشاد الذي صُممت له. المراقبة بعد النشر لا ينتهي التقييم عند إطلاق النظام. تتغير المصادر، وتظهر أسئلة جديدة، ويتغير النموذج أو الفهرس أو الترجمة. تُراقب:

• الأسئلة التي لم تجد مصدرًا.
• المصادر القديمة التي ما زالت تدخل الأجوبة.
• معدلات التصعيد والامتناع بحسب اللغة والموضوع.
• تصحيحات المختصين وشكاوى المستخدمين.
• الحالات التي فُهمت فيها التوصية خطأ.
• تغير الأداء بعد تحديث.
• الحوادث أو الأضرار وشبه الحوادث.

ويُحتفظ بسجل إصدار يسمح بمعرفة أي نموذج وفهرس وقاعدة معرفة أنتجت كل جواب حساس. فإذا ظهر خطأ، يمكن حصر الأجوبة المتأثرة وإعادة تقييمها. النجاح هو جودة مسار القرار لا يُختصر النجاح في رضا المستخدم أو عدد المحادثات. قد يكون النظام ناجحًا لأنه منع وصفة غير آمنة، أو لأنه اختصر وقت الوصول إلى مختص، أو لأنه جمع سياقًا جعل الزيارة أكثر فائدة. وقد تكون المنفعة في الاعتراف المبكر بأن قاعدة المعرفة لا تغطي منطقة معينة. لكن جودة المستشار قد تتغير جذريًا عندما تضعف الشبكة. إذا صُمم كل حاجز ومصدر على افتراض اتصال دائم، قد تختفي الحماية في المكان الذي يحتاج إليه المزارع أكثر. لذلك يجب أن يكون الاتصال المتقطع جزءًا من التصميم والاختبار. 10\. التصميم للاتصال المتقطع قد يبدأ المستخدم سؤاله في حقل بلا تغطية، ويلتقط صورًا، ثم تصل الشبكة بعد ساعات. وقد تعمل الرسائل النصية بينما يفشل رفع الصورة، أو يكون الاتصال مكلفًا إلى درجة تمنع تنزيل وثيقة كبيرة. إذا تعامل النظام مع هذه الحالات بوصفها أعطالًا نادرة، سيخدم أفضل البيئات اتصالًا ويضعف في البيئات التي تعاني فجوة الإرشاد. ليس هناك وضع واحد اسمه «دون اتصال» يمكن أن تكون الخدمة:

• متصلة بالكامل وتحتاج إلى السحابة لكل خطوة.
• قادرة على عرض مصادر مخزنة وبعض قواعد السلامة محليًا.
• قادرة على حفظ السؤال والصور وإرسالها لاحقًا.
• قادرة على تنفيذ بحث محدود في فهرس محلي.
• قادرة على تشغيل نموذج محلي لمهام معينة.
• غير قادرة على التحقق من معلومات متغيرة مثل تسجيل أو سعر حالي.

يجب وصف النطاق بدقة. عبارة «تعمل دون اتصال» لا تكفي إذا كانت لا تستطيع إلا فتح صفحات محفوظة، كما أن دعم حفظ المسودة لا يعني وجود مستشار كامل على الجهاز. ما الذي يمكن حفظه محليًا؟ بحسب الجهاز والمخاطر والحقوق، يمكن الاحتفاظ بـ:

• قواعد سلامة أساسية لا تتغير كثيرًا.
• مصادر مختارة ذات نطاق محلي مع تاريخ آخر تحديث.
• قاموس محاصيل ومصطلحات ووحدات.
• ملف المزرعة والحقول اللازمة للمهمة.
• نماذج إدخال ومراقبة.
• فهرس بحث صغير.
• أسئلة ومسودات وصور تنتظر المزامنة بموافقة المستخدم.

ولا تُحفظ بيانات حساسة بلا حماية أو حاجة. يطبق التشفير والصلاحيات ومسح الجهاز عن بُعد أو محليًا بحسب القدرة، ويعرف المستخدم ما يبقى على هاتفه. التاريخ ظاهر في كل معلومة متغيرة يمكن أن يكون دليل عام قديم نسبيًا وما زال صالحًا، بينما يصبح سعر أو تسجيل أو تحذير طقس قديمًا خلال وقت قصير. لذلك تعرض الواجهة: آخر مزامنة للمصادر: 10 سبتمبر 2026، الساعة 18:20 حالة الاتصال: غير متصل هذه المعلومة: محفوظة محليًا وقد لا تعكس تحديثًا بعد آخر مزامنة الإجراء: تحقق عند عودة الاتصال قبل قرار منظم أو متغير ولا يقدم النظام معلومة قديمة بصيغة الحاضر. إذا كان لا يستطيع التحقق من التسجيل الحالي، يمتنع عن تأكيده حتى يعود الاتصال أو يُراجع مصدر محلي حديث. طابور المزامنة بلا تكرار عندما يحفظ الجهاز سؤالًا أو صورة ثم يعيد الإرسال، يجب ألا ينشئ نسختين إذا حاول المستخدم الإرسال أكثر من مرة. يحمل كل طلب معرفًا، وتظهر حالته:

• محفوظ محليًا.
• في انتظار الاتصال.
• أُرسل.
• استُلم في الخادم.
• يحتاج إلى تعارض أو مراجعة.

وإذا عدّل المستخدم السجل على جهازين قبل المزامنة، لا يختار النظام آخر نسخة بصمت إذا كان التغيير مهمًا. يعرض الفرق أو يطبق قاعدة موثقة، ويحفظ تاريخ النسخ. الوظيفة الآمنة عند غياب السحابة تحدد المنصة مسبقًا ما الذي يستمر:

• عرض سجل سابق مع تاريخ واضح.
• جمع ملاحظة جديدة محليًا.
• تشغيل قائمة فحص ثابتة.
• إظهار رقم جهة محلية أو تعليمات طوارئ معتمدة.
• منع توصية تحتاج إلى مصدر حي أو حساب مركزي.
• تأجيل تحليل الصورة المعقد حتى يتوفر الاتصال.

لا يجوز أن يستبدل النظام فشل الاسترجاع بجواب من ذاكرة النموذج من دون إخبار المستخدم. إذا كان المسار المحكوم غير متاح، يقول ذلك ويخفض الخدمة إلى المستوى المحلي الآمن. تصميم قليل البيانات يمكن تقليل عبء الاتصال عبر:

• ضغط الصور مع حفظ الأصل عند الحاجة.
• رفع صورة مصغرة أولًا ثم طلب الأصل إذا لزم.
• إرسال النص والبيانات الوصفية قبل الوسائط الكبيرة.
• مزامنة التغييرات بدل تنزيل القاعدة كاملة.
• إتاحة الصوت بجودة مناسبة لا أكبر من الحاجة.
• السماح بتنزيل حزمة محصول أو منطقة بدل مكتبة كاملة.

لكن الضغط لا ينبغي أن يدمر تفصيلًا يحتاجه التشخيص. يسجل النظام نسخة الصورة المستخدمة، ويطلب الأصل عندما لا تكفي الجودة. اختبار الاتصال المتقطع يُختبر النظام في سيناريوهات:

• انقطاع أثناء رفع صورة.
• اتصال يعود ويختفي بصورة متكررة.
• ساعة جهاز غير صحيحة.
• مصدر محلي انتهت صلاحيته.
• تعديل متعارض بين جهازين.
• امتلاء مساحة التخزين.
• فقد الهاتف أو تغيّر المستخدم.
• طلب حساس لا يستطيع الفهرس المحلي الإجابة عنه.

ويُقاس هل ضاعت البيانات أو تكررت، وهل عرف المستخدم حالة الطلب، وهل بقيت حواجز السلامة فعالة. الخدمة المتينة لا تدعي اتصالًا غير موجود، ولا تجعل غياب الشبكة سببًا لغياب الصراحة. تقول ما الذي يعمل محليًا، وما الذي ينتظر، وما الذي لا يجوز حسمه. وعندما تصل إلى صياغة الجواب، تحتاج إلى بنية ثابتة تساعد المستخدم على رؤية الفهم والدليل والنقص والخطوة التالية. 11\. نموذج جواب مسؤول لا يحتاج كل جواب إلى القالب نفسه بالطول نفسه، لكن القرارات الحساسة تستفيد من بنية تمنع اختفاء المصدر والحدود داخل فقرة لغوية. يمكن أن يتكون الجواب من سبعة أجزاء. 1\. فهمي للسؤال يعيد النظام السياق الحاسم في جملة قصيرة: أفهم أنك تسأل عن بقع على أوراق محصول الفلفل داخل بيت محمي، بدأت منذ يومين، وتريد معرفة الخطوة التالية قبل استخدام أي منتج. هذه الجملة تمنح المستخدم فرصة لتصحيح المحصول أو البيئة أو الهدف. ولا تكرر كل المحادثة، بل ما يغير القرار. 2\. المعلومة المتاحة يعرض ما تقوله المصادر المؤهلة من دون توسيع: المصادر المتاحة تشير إلى أن هذا المظهر قد يرتبط بأكثر من سبب، ولا يمكن فصلها من وصف قصير وحده. إذا كان هناك مصدر رسمي محلي صالح، يذكره ونطاقه. وإذا كانت المعلومة عامة، يصفها بوصفها عامة. 3\. ما ينقص يطلب أقل معلومات تغير المسار: أحتاج إلى صورة للورقة من الوجهين، وصورة للنبات كاملًا، ووصف ما إذا كانت الأعراض منتشرة أم تبدأ من موضع واحد، واسم البلد أو المنطقة. ويشرح لماذا إذا لم يكن السبب واضحًا للمستخدم. 4\. خطوات آمنة الآن يقدم إجراءات منخفضة المخاطر لا تتطلب تشخيصًا غير موجود: وثّق النباتات المتأثرة ومواقعها، وراجع سجل الري والمعاملات الأخيرة، وتجنب تطبيق منتج غير محدد قبل التحقق. إذا كانت الحالة تتسع سريعًا، جهز عينة أو تواصل مع مختص محلي. يختلف ما هو آمن باختلاف الحالة؛ لا توجد قائمة ثابتة تصلح لكل مرض أو حيوان أو غذاء. 5\. ما لا يمكنني تقريره يضع الحد بوضوح: لا أستطيع تحديد مادة أو جرعة أو تأكيد تشخيص من المعلومات الحالية، كما لا أملك بعد مصدر تسجيل صالحًا لبلدك ومنتجك. هذه العبارة تأتي قبل أي نص قد يُفهم كتعليمات، لا بعده. 6\. المصدر وتاريخه ونطاقه يعرض:

• اسم الجهة والوثيقة.
• تاريخ الإصدار أو المراجعة.
• البلد أو النطاق.
• موضع المعلومة.
• هل النص أصل أم ترجمة.
• رابطًا أو طريقة وصول إذا كان مسموحًا.

وإذا كانت الخدمة غير متصلة، يظهر تاريخ آخر مزامنة. 7\. التصعيد والمتابعة يحدد الجهة والخطوة: إذا ظهرت الأعراض في مساحة واسعة خلال وقت قصير، أو تأثرت الثمار، تواصل اليوم مع مرشد زراعي أو مختص وقاية نبات محلي. أرسل له الصور، وتاريخ بداية الحالة، وسجل الري والرش لآخر أسبوعين. ثم يتيح تسجيل ما حدث، حتى لا تنتهي المحادثة عند الإحالة. مثال كامل: سؤال «ماذا أرش؟» يمكن أن يجيب النظام: فهمي للسؤال: تريد اختيار معاملة لبقع ظهرت على أوراق الطماطم، لكنني لا أملك بعد تشخيصًا مؤكدًا أو اسم البلد والمنتج. المعلومة المتاحة: البقع الورقية قد تنتج من أسباب مرضية وغير مرضية، وتختلف المعاملة والتسجيل بحسب السبب والموقع. لا تكفي صورة واحدة أو اسم عرض عام لاختيار مادة بأمان. ما أحتاجه: البلد أو المنطقة، ومرحلة المحصول، وصور واضحة للورقة من الوجهين وللنبات كاملًا، ووصف توزيع الأعراض، وأسماء المعاملات الأخيرة. خطوات آمنة الآن: وثّق المواقع المتأثرة، وتجنب نقل أدوات أو أوراق بين القطاعات من دون تنظيف مناسب، وراجع الري والتهوية وسجل المعاملات. إذا كان الانتشار سريعًا، تواصل مع مختص محلي اليوم. ما لا يمكنني تقريره: لا أستطيع اختيار منتج أو جرعة أو تأكيد مرض قبل اكتمال التشخيص والتحقق من التسجيل المحلي والملصق الساري. المصدر: لم يُسترجع بعد مصدر محلي صالح لأن البلد والمنتج غير محددين. الخطوة التالية: أرسل المعلومات المطلوبة، أو شارك هذا الملخص مع مرشد وقاية نبات. هذا الجواب لا يترك المستخدم وحده، ولا يمنحه وصفة لغوية. إنه يحول السؤال العام إلى مسار جمع دليل وتصعيد. القالب يتكيف ولا يتحول إلى نص آلي في سؤال تعليمي بسيط قد يكفي تعريف ومثال ومصدر. وفي حالة طارئة تظهر الخطوة الآمنة والتصعيد أولًا. وفي واجهة صوتية تُقرأ الخلاصة ثم يُسأل المستخدم إن كان يريد التفاصيل. المهم أن تبقى الوظائف السبع موجودة بحسب الحاجة: الفهم، والدليل، والنقص، والخطوة الآمنة، والحد، والمصدر، والتصعيد. بهذا يتحول الجواب من نص يبدو خبيرًا إلى أداة عمل يمكن مراجعتها ومتابعتها.

خلاصة الفصل

الإرشاد الزراعي الرقمي لا يبدأ من قدرة النموذج على الكلام، بل من قدرته على فهم أن السؤال ناقص. كلمة واحدة قد تخفي محصولًا ومرحلة وبلدًا وتشخيصًا ومنتجًا وطقسًا وعاقبة. والمستشار المسؤول لا يملأ هذه الفراغات من تلقاء نفسه؛ يجعلها مرئية، ويسأل ما يغير القرار، ثم يطابق مقدار المساعدة مع مقدار الدليل والخطر. وقاعدة المعرفة ليست مخزن ملفات. تحتاج كل وثيقة إلى هوية وسلطة وتاريخ ونطاق وحقوق، ويحتاج تقطيعها إلى حفظ العناوين والجداول والحواشي والاستثناءات. فالفقرة الصحيحة إذا فُصلت عن المحصول أو الوحدة أو الاختصاص قد تصبح دليلًا خاطئًا في جواب صحيح الصياغة. يوفر التوليد المعزز بالاسترجاع طريقًا لربط السؤال بمصادر حديثة ومحكومة، لكنه لا يمنح المصدر صلاحية لم تكن فيه. قيمته تأتي من الحواجز: فهم السياق، وتصنيف الخطر، وفلترة السلطة والحداثة، وفحص التعارض، وتقييد الصياغة، ومراجعة السلامة. وإذا لم يجد دليلًا صالحًا، يكون الاعتراف بالفراغ نتيجة مهنية، لا عطلًا يجب على النموذج أن يخفيه. واللغة الطبيعية سلاح ذو حدين. تقرب المعرفة إلى المزارع، وتسمح بالسؤال باللهجة أو الصوت، لكنها قد تغير اسمًا أو وحدة أو نفيًا حاسمًا. لذلك يحتفظ النظام بما قاله المستخدم، ويعرض ما فهمه، ويربط المصطلح المحلي بمفهوم مرجعي من دون محوه، ويطلب التأكيد عندما يغير الغموض الإجراء. كما أن عدم اليقين ليس ضعفًا أسلوبيًا ينبغي إخفاؤه. قد يكون في السؤال أو الصورة أو المصدر أو النقل إلى منطقة جديدة. الجواب الناضج يقول ما يعرفه، وما لا يعرفه، ولماذا يهم، وما المعلومة التالية، ومن يملك السلطة. والامتناع المسؤول لا يغلق الطريق؛ يضع المستخدم على مسار أكثر أمانًا نحو قياس أو مصدر أو مختص. وتوضح الحالات أهمية رتب الأدلة. يحمل Farmer.Chat دليل تشغيل مؤسسيًا وتقييم مستخدمين شمل 450 مزارعًا في كينيا، مع بقاء الدقة الزراعية والأثر السببي العام غير مثبتين [SRC039]–[SRC046]. ويحمل GAIA دليل برنامج ونماذج أولية ووثائق حوكمة وترخيص، بينما لا تزال نتائج مرحلته الثانية والأثر الميداني الواسع قيد البناء [SRC047]–[SRC052]. أما AgroGenie فيجمع بين الأثر التاريخي للحزمة المؤرخة في 22 أغسطس 2026 [IMP06]، والحزمة التطويرية الحالية واختباراتها المحلية المؤرخة في 18 سبتمبر 2026 [IMP13]؛ ولا يثبت أي منهما تشغيلًا إنتاجيًا أو أثرًا ميدانيًا. وجود الشفرة حقيقة تختلف عن التشغيل، والتشغيل يختلف عن الأثر الزراعي. والذاكرة مفيدة حين تحفظ سياق الحقل والموسم وتجعله مرئيًا وقابلًا للتصحيح. وتصبح خطرة حين تتعامل مع محادثة قديمة بوصفها مصدر الحقيقة، أو تحتفظ بمعلومات حساسة بلا غرض، أو تدخلها في تدريب عام بلا موافقة. التخصيص الجيد يقلل التكرار، لكنه لا يقيد المستخدم بمعلومة قديمة ولا يحول الثقة إلى مراقبة. ولا يُقاس المستشار بجمال النص وحده. يُقاس بما استرجعه، وكيف نسبه، ومتى امتنع، وهل فهم المستخدم الخطوة، وما الفعل الذي نتج. وتحتاج الاختبارات إلى الأسئلة الغامضة واللهجات والصور الناقصة والمصادر المتعارضة والبلدان المختلفة، وإلى نتائج مفصلة لكل لغة وفئة، لا متوسط يخفي من لا تصل إليهم الخدمة جيدًا. وفي البيئات ذات الاتصال المتقطع، تظهر حقيقة التصميم. النظام المسؤول يوضح ما الذي يعمل محليًا، وتاريخ آخر مزامنة، وما الذي ينتظر الشبكة، وما الذي لا يستطيع تأكيده. يحفظ الطلب بلا تكرار، ويحمي البيانات على الجهاز، ولا يستبدل فشل الاسترجاع بجواب غير محكوم من ذاكرة النموذج. يمكن تلخيص الإرشاد المسؤول في سبع حركات: يفهم، ويسأل، ويسترجع، ويفلتر، ويشرح، ويمتنع عند الحد، ويصعّد مع سياق. فإذا اجتمعت، يصبح الحوار جسرًا بين سؤال غير مكتمل ومصدر مختص وفعل يمكن الدفاع عنه. وإذا غابت، تصبح الطلاقة طريقة أسرع لإخفاء الافتراض. النظام الذي يجيب عن كل شيء ليس أكثر ذكاءً؛ غالبًا هو أقل وعيًا بحدوده. أما النظام الجدير بالثقة، فيعرف أن بعض أفضل أجوبته ليست وصفة، بل سؤالًا أو مصدرًا أو تحذيرًا أو إحالة في اللحظة المناسبة. ملاحظات الأدلة: تدعم المراجعتان [SRC003] و[SRC010] الخريطة العامة لدعم القرار الزراعي وعوائق الوصول والاستخدام. وتوثق [SRC039]–[SRC046] Farmer.Chat بدرجات مختلفة من سلطة المصدر: صفحات وبيانات وأدوات صادرة عن الجهة المطورة، ودراسة مستخدمين نفذتها جهة خارج فريق المنتج بالشراكة مع Digital Green، ومسودة أولية غير محكّمة عن التعرف إلى الكلام الزراعي. لذلك تسمح هذه الحزمة بوصف الوظائف والاستخدام ونتائج العينة الكينية بحدودها، ولا تسمح بتعميم الدقة أو الأثر السببي. وتوثق [SRC047]–[SRC052] هوية برنامج GAIA وشراكاته ونماذجه الأولية ووثائق الحوكمة والترخيص؛ وهي لا تثبت فعالية منتج نهائي أو أثرًا ميدانيًا واسعًا. ويحفظ [IMP06] حالة حزمة AgroGenie التاريخية وقيد قبولها، بينما يوثق [IMP13] الحزمة الحالية واختبارات 18 سبتمبر 2026 من دون ترقية الدليل إلى تشغيل WordPress حي أو أثر زراعي. أما مسارات الأسئلة، وبطاقات الإجابة، وجداول الحواجز، ومثال «ماذا أرش؟»، فهي تركيبات تعليمية وتصميمية توضح كيف يمكن بناء الإرشاد المسؤول، ولا تمثل نتيجة تقييم ميداني أو توصية زراعية أو قانونية مستقلة.