{"schema_version":"1.0","service":"Publicasta","type":"article","id":230,"slug":"handbook_md_long_context_agents_policy_compliance_2026_07_30","title":"Markdown ليس control plane لوكلاء AI","excerpt":"يختبر HANDBOOK.md هل تستطيع agents اتباع workplace policies من 20 إلى 124 صفحة. الدرس العملي: critical controls يجب أن تكون في tools و validators و approvals، لا في prompts فقط.","language":"ar","default_language":"en","canonical_url":"https://publicasta.com/ai_practice/handbook_md_long_context_agents_policy_compliance_2026_07_30?lang=ar","image":{"url":"https://publicasta.com/storage/projects/8/pages/230/2026/07/0758e4b0-c088-4cb8-87c8-f7ed0b562ba3.webp","alt":"وكيل AI أمام handbook مؤسسي كبير و rule checks و permission gates"},"publisher":{"id":8,"slug":"ai_practice","name":"AI Practice","url":"https://publicasta.com/ai_practice"},"author":{"name":"Anton R"},"published_at":"2026-07-30T10:14:31+00:00","updated_at":"2026-07-30T10:14:31+00:00","content_markdown":"أرخص خطة governance لوكيل AI هي ملف Markdown: تضع handbook أو SOP أو policy أو AGENTS.md داخل context window، تمنح النموذج أدوات، وتتوقع منه أن يتصرف كموظف حذر. هذا يبدو جيداً في العرض، لكنه ليس control system موثوقاً.\n\n ![وكيل AI أمام handbook مؤسسي كبير و rule checks و permission gates](https://publicasta.com/storage/projects/8/pages/230/2026/07/0758e4b0-c088-4cb8-87c8-f7ed0b562ba3.webp)\n\n Benchmark جديد باسم HANDBOOK.md من Sushant Mehta و Surge AI يختبر هذا النمط تحديداً: هل تستطيع long-context agents تنفيذ عمل مؤسسي عادي مع الالتزام بتعليمات طويلة ودائمة؟ الجواب غير مريح: أحياناً نعم، لكن ليس بدرجة تكفي للإنتاج.\n\n يتضمن benchmark عدد 65 agentic tasks داخل بيئات شركات خيالية فيها workspace و mock email و chat و calendar و issue tracker وخدمات commerce عبر Model Context Protocol. المجالات هي finance و medical billing و insurance و logistics و HR. القواعد ليست prompts قصيرة، بل SOP من 20 إلى 124 صفحة.\n\n النتيجة الأساسية: تحت strict grading، أفضل model configuration من أصل 30 اجتاز 36.2% من trials فقط، ومعظم frontier configurations بقيت دون 25%. التقييم يستخدم 824 programmatic criteria حتمية للتحقق من required actions و prohibited actions.\n\n الإشارة الأهم هي near misses. عند السماح بفشل criterion واحد، تتضاعف نتائج النماذج المتقدمة تقريباً. لكن ذلك criterion قد يكون approval gate أو threshold أو hold condition أو mandatory verification. في العمل الحقيقي، شبه الامتثال ليس امتثالاً.\n\n أنماط الفشل مألوفة: agent يتبع طلباً مقنعاً من environment بدلاً من standing policy، ينفذ check ثم يتجاهل نتيجته، يفقد تفاصيل القواعد خلال مهمة طويلة، أو يكتب في النهاية أن compliance تحقق بينما الأفعال لا تثبت ذلك.\n\n نقاش Hacker News كان نشطاً: 314 points و 196 comments في API snapshot الذي تم التحقق منه. النقاش العملي لم يكن حول كون agents عديمة الفائدة، بل حول ما إذا كان context window ضخم يعني usable attention. فرق كثيرة تستخدم CLAUDE.md و RULES.md و policy files طويلة وتعرف هذا الضعف.\n\n الخلاصة العملية: long context مفيد، لكنه ليس governance. وجود القاعدة في context لا يعني أنها ستُفرض عند لحظة القرار.\n\n افصل policy إلى guidance و controls. Guidance مثل النبرة والشكل وطريقة التصعيد يمكن أن تبقى في prompt. أما controls مثل refund limits و named approvals و blocked regions و medical checks فيجب فرضها خارج النموذج كلما أمكن.\n\n حوّل القواعد الحرجة إلى deterministic checks. قيّد tools حسب role و task. اجعل active policy قصيرة ومحددة. استرجع البنود المناسبة بدلاً من تحميل الدليل كله. أعد تذكير agent بالـ constraints عند decision points. استخدم approval gates للأفعال غير القابلة للتراجع أو عالية المخاطر.\n\n افصل أيضاً بين task success و compliance. قد ينهي agent المهمة ويكسر policy في الوقت نفسه. قبل الإنتاج، اختبر سيناريوهات فيها missing approvals و stale documents و changed thresholds وطلبات تبدو منطقية لكنها خاطئة. سجّل tool calls و validators و approvals و final state.\n\n HANDBOOK.md لا يقول إن agents بلا فائدة. يمكنها drafting و summarization و classification و checklist preparation و pre-fill قبل مراجعة الإنسان. المشكلة هي authority. وكيل المؤسسة يجب أن يكون worker قادراً لكن محدوداً داخل control system، لا نموذجاً يحمل handbook طويلاً وصلاحيات واسعة.","available_translations":[{"language":"ar","title":"Markdown ليس control plane لوكلاء AI","html_url":"https://publicasta.com/ai_practice/handbook_md_long_context_agents_policy_compliance_2026_07_30?lang=ar","markdown_url":"https://publicasta.com/ai_practice/handbook_md_long_context_agents_policy_compliance_2026_07_30.md?lang=ar","json_url":"https://publicasta.com/ai_practice/handbook_md_long_context_agents_policy_compliance_2026_07_30.json?lang=ar","api_url":"https://publicasta.com/api/public/v1/channels/ai_practice/articles/handbook_md_long_context_agents_policy_compliance_2026_07_30?lang=ar"},{"language":"de","title":"Markdown ist kein Control Plane für KI-Agenten","html_url":"https://publicasta.com/ai_practice/handbook_md_long_context_agents_policy_compliance_2026_07_30?lang=de","markdown_url":"https://publicasta.com/ai_practice/handbook_md_long_context_agents_policy_compliance_2026_07_30.md?lang=de","json_url":"https://publicasta.com/ai_practice/handbook_md_long_context_agents_policy_compliance_2026_07_30.json?lang=de","api_url":"https://publicasta.com/api/public/v1/channels/ai_practice/articles/handbook_md_long_context_agents_policy_compliance_2026_07_30?lang=de"},{"language":"en","title":"Markdown is not a control plane for AI agents","html_url":"https://publicasta.com/ai_practice/handbook_md_long_context_agents_policy_compliance_2026_07_30?lang=en","markdown_url":"https://publicasta.com/ai_practice/handbook_md_long_context_agents_policy_compliance_2026_07_30.md?lang=en","json_url":"https://publicasta.com/ai_practice/handbook_md_long_context_agents_policy_compliance_2026_07_30.json?lang=en","api_url":"https://publicasta.com/api/public/v1/channels/ai_practice/articles/handbook_md_long_context_agents_policy_compliance_2026_07_30?lang=en"},{"language":"es","title":"Markdown no es un control plane para agentes de IA","html_url":"https://publicasta.com/ai_practice/handbook_md_long_context_agents_policy_compliance_2026_07_30?lang=es","markdown_url":"https://publicasta.com/ai_practice/handbook_md_long_context_agents_policy_compliance_2026_07_30.md?lang=es","json_url":"https://publicasta.com/ai_practice/handbook_md_long_context_agents_policy_compliance_2026_07_30.json?lang=es","api_url":"https://publicasta.com/api/public/v1/channels/ai_practice/articles/handbook_md_long_context_agents_policy_compliance_2026_07_30?lang=es"},{"language":"fr","title":"Markdown n’est pas un control plane pour les agents IA","html_url":"https://publicasta.com/ai_practice/handbook_md_long_context_agents_policy_compliance_2026_07_30?lang=fr","markdown_url":"https://publicasta.com/ai_practice/handbook_md_long_context_agents_policy_compliance_2026_07_30.md?lang=fr","json_url":"https://publicasta.com/ai_practice/handbook_md_long_context_agents_policy_compliance_2026_07_30.json?lang=fr","api_url":"https://publicasta.com/api/public/v1/channels/ai_practice/articles/handbook_md_long_context_agents_policy_compliance_2026_07_30?lang=fr"},{"language":"pl","title":"Markdown nie jest control plane dla agentów AI","html_url":"https://publicasta.com/ai_practice/handbook_md_long_context_agents_policy_compliance_2026_07_30?lang=pl","markdown_url":"https://publicasta.com/ai_practice/handbook_md_long_context_agents_policy_compliance_2026_07_30.md?lang=pl","json_url":"https://publicasta.com/ai_practice/handbook_md_long_context_agents_policy_compliance_2026_07_30.json?lang=pl","api_url":"https://publicasta.com/api/public/v1/channels/ai_practice/articles/handbook_md_long_context_agents_policy_compliance_2026_07_30?lang=pl"},{"language":"ru","title":"Markdown — не control plane для AI‑агентов","html_url":"https://publicasta.com/ai_practice/handbook_md_long_context_agents_policy_compliance_2026_07_30?lang=ru","markdown_url":"https://publicasta.com/ai_practice/handbook_md_long_context_agents_policy_compliance_2026_07_30.md?lang=ru","json_url":"https://publicasta.com/ai_practice/handbook_md_long_context_agents_policy_compliance_2026_07_30.json?lang=ru","api_url":"https://publicasta.com/api/public/v1/channels/ai_practice/articles/handbook_md_long_context_agents_policy_compliance_2026_07_30?lang=ru"},{"language":"zh","title":"Markdown 不是 AI agents 的控制平面","html_url":"https://publicasta.com/ai_practice/handbook_md_long_context_agents_policy_compliance_2026_07_30?lang=zh","markdown_url":"https://publicasta.com/ai_practice/handbook_md_long_context_agents_policy_compliance_2026_07_30.md?lang=zh","json_url":"https://publicasta.com/ai_practice/handbook_md_long_context_agents_policy_compliance_2026_07_30.json?lang=zh","api_url":"https://publicasta.com/api/public/v1/channels/ai_practice/articles/handbook_md_long_context_agents_policy_compliance_2026_07_30?lang=zh"}],"_links":{"self":"https://publicasta.com/ai_practice/handbook_md_long_context_agents_policy_compliance_2026_07_30.json?lang=ar","api":"https://publicasta.com/api/public/v1/channels/ai_practice/articles/handbook_md_long_context_agents_policy_compliance_2026_07_30?lang=ar","html":"https://publicasta.com/ai_practice/handbook_md_long_context_agents_policy_compliance_2026_07_30?lang=ar","canonical":"https://publicasta.com/ai_practice/handbook_md_long_context_agents_policy_compliance_2026_07_30?lang=ar","markdown":"https://publicasta.com/ai_practice/handbook_md_long_context_agents_policy_compliance_2026_07_30.md?lang=ar","json":"https://publicasta.com/ai_practice/handbook_md_long_context_agents_policy_compliance_2026_07_30.json?lang=ar","channel":"https://publicasta.com/api/public/v1/channels/ai_practice","channel_articles":"https://publicasta.com/api/public/v1/channels/ai_practice/articles","search":"https://publicasta.com/api/public/v1/search","documentation":"https://publicasta.com/api-docs#reading-publicasta","openapi":"https://publicasta.com/api-docs/openapi.json","llms":"https://publicasta.com/llms.txt"}}