وكلاء Gemini 3.8 Live: صمّم الجلسة لا الـPrompt فقط

وكيل الصوت ليس Chat Endpoint أُضيف إليه ميكروفون. هو جلسة موزعة طويلة العمر يصلها الصوت باستمرار، وقد يتحدث النموذج بينما لا تزال الأدوات تعمل، ويمكن للمستخدم مقاطععتها، ويجب ألا تؤدي إعادة الاتصال بالشبكة إلى تكرار فعل حقيقي. جودة الـPrompt مهمة، لكن حد الإنتاج الفعلي هو هندسة الجلسة.

يسجل سجل تغييرات Gemini API الإتاحة العامة لـGemini 3.8 Live وGemini 3.8 Live Extended Thinking في 15 سبتمبر 2026. لذلك فهذا مقال معرفي مبني على الوثائق الحالية، وليس ادعاء بأن النموذجين أُطلقا اليوم. يُعد النموذج القياسي Live الخيار الافتراضي للحوار منخفض التأخير، ويدعم الاستدلال المتداخل والصوت الأصلي واستدعاء الدوال غير المتزامن. ويضيف Extended Thinking استدلالًا خلفيًا للمهام الأكثر تعقيدًا مع استمرار الجلسة الصوتية.

تذكر صفحتا النموذجين حد إدخال 131,072 Token وحد إخراج 65,536 Token، مع إدخال نص وصورة وصوت وفيديو وإخراج نص أو صوت. كما تذكران قيودًا مهمة: لا Context Caching ولاStructured Outputs ولاFile Search ولاCode Execution ولاURL Context. يجب أن يستوعب تصميم الإنتاج هذه الحدود بدل إخفائها خلف System Prompt ذكي.

اختر النموذج وفق ميزانية الدور

استخدم Gemini 3.8 Live عندما يكون الحوار نفسه على المسار الحرج: فرز طلب دعم، أو تعبئة نموذج موجّه، أو مساعد متجر، أو مسار توزيع حيث يهم أول رد مسموع والمقاطعة الطبيعية. استخدم Extended Thinking عندما يحتاج الدور إلى استدلال خلفي أعمق فعلًا، مثل مقارنة عدة قيود قبل اقتراح الإجراء التالي. يدعم Extended Thinking استدعاءات دوال غير متزامنة فقط؛ وليس مفتاح جودة عام لكل تحية أو Lookup.

وجّه الطلب حسب المهمة، لا حسب هيبة اسم النموذج. يمكن لوكيل عملي إبقاء الأدوار العادية على النموذج القياسي، وتسليم قرار معقد ومحدود إلى خدمة أخرى أو خطوة استدلال منفصلة. قس زمن أول صوت، ودقة المهمة المكتملة، وكلفة الجلسة المحلولة. قد تكون ثانية إضافية مفيدة عند بناء خطة، لكنها مضرة عندما يسأل المستخدم فقط عن حالة طلب.

وتعني قائمة القدرات المنشورة أن الاسترجاع مسؤولية التطبيق. إذا احتاج الوكيل قاعدة معرفة خاصة، فاعرض دالة Retrieval ضيقة عبر طبقة الأدوات، وأرفق مراجع في نتيجتها، وتحقق من شكل البيانات المعادة. لا تصف File Search أو Structured Output كقدرات مدمجة بينما تنص صفحة النموذج على عدم توفرها.

افصل طرف الوسائط عن أفعال الأعمال

يستخدم دليل Live API اتصال WebSocket دائمًا وواجهة غير متزامنة. أبقِ مسار الوسائط اللحظي صغيرًا: التقاط الميكروفون، وإعادة أخذ العينات، وتقسيم الصوت، والتشغيل، والمقاطعة، وحالة الاتصال. توصي أفضل الممارسات بصوت إدخال 16 kHz ودفعات تقارب 20–100 ميلي ثانية. ترفع المخازن الكبيرة تأخير الحوار، بينما تضيف الكتابات الصغيرة وغير المنتظمة عبئًا على الجدولة والشبكة.

يوجد نمطان منطقيان للعميل. في النمط الوسيط بالخادم، يرسل الجهاز إلى Backend يملك اتصال Gemini. يركز ذلك السياسات والمراقبة، لكنه يضيف قفزة شبكة وعبء توسيع للوسائط. وفي نمط Client-to-server يتصل الجهاز مباشرة بـGemini. توصي وثائق الرموز المؤقتة باستخدام Tokens قصيرة العمر ومقيدة لهذا النمط كي لا يُضمّن API Key طويل العمر في متصفح أو تطبيق جوال. والميزة موثقة كـPreview؛ لذلك اقفل الرمز على النموذج وإعداد الجلسة، ووثّق إصدارَه في Backend، واحتفظ بخيار وسيط بالخادم إذا تطلب نموذج المخاطر ذلك.

ومهما كان مسار الوسائط، ضع أدوات الأعمال الحساسة خلف Backend. يمكن للمتصفح حمل الصوت مباشرة، لكنه لا يجب أن يحمل Credentials ترد أموالًا، أو تغير حجزًا، أو تقرأ حساب عميل آخر.

عامل الأدوات غير المتزامنة كأوامر دائمة

في Gemini 3.8 Live، يعد استدعاء الدوال غير الحاجب الوضع الافتراضي. ويوثق دليل القدرات أنماط جدولة للنموذج القياسي، بينما لا يقبل Extended Thinking إلا الاستدعاء غير المتزامن. ومع ذلك يجب على العميل تنفيذ كل دالة وإعادة نتيجتها؛ لا تحول Live API تعريف الدالة إلى Workflow Engine موثوق.

ضع وسيط أدوات بين جلسة النموذج وخدمات الأعمال. تحقق من اسم الدالة ومعاملاتها ضمن Allowlist، واربط المستخدم والعميل الموثقين في الخادم، واطلب تأكيدًا للأفعال المكلفة أو غير القابلة للعكس. امنح كل استدعاء هوية دائمة مثل Session ID معModel Call ID واسم الأداة. خزّن حالته قبل الإرسال.

received -> authorized -> executing -> succeeded -> response_sent
                       \-> unknown -> reconcile -> succeeded or review

استخدم Idempotency Key عندما تدعمه الخدمة التالية. وإن لم تدعمه، فأضف جدول أوامر في التطبيق وقراءة للمطابقة. انتهاء المهلة بعد إرسال حجز يعني نتيجة `unknown`، لا إذنًا بإنشاء حجز ثانٍ. إعادة بحث غير مؤثر تختلف عن إعادة دفع أو مطالبة إلغاء.

اسمح للمحادثة بالإقرار بأن فعلًا طويلًا جارٍ من دون اختلاق النتيجة. يمكن للنموذج القول إنه يتحقق من التوفر أثناء عمل الأداة، لكن التأكيد النهائي يجب أن يستند إلى Tool Response مسجلة. وإذا قاطع المستخدم أو غير نيته، فألغِ فقط ما يمكن إلغاؤه فعلًا؛ وإلا فاحفظ النتيجة واشرح حالتها.

اجعل المقاطعة وإعادة الاتصال حالتين عاديتين

يتحدث مستخدمو الصوت فوق الوكيل. تبلغ Live API عن المقاطعة، ويمكن لمحتوى العميل إنهاء التوليد صراحة. عند المقاطعة أوقف التشغيل محليًا فورًا، وتخلص من الصوت المنتظر الذي لم يعد يجب سماعه، وسجل أي Model Turn انقطع. لا تفترض أن إيقاف الصوت يلغي Tool أُرسلت فعلًا. يجب أن تميز الواجهة وحالة الجلسة بين «قوطع الكلام» و«أُلغي فعل الأعمال».

كما تنتهي الاتصالات. يصف دليل إدارة الجلسات رموز استئناف تأتي داخل رسائل `SessionResumptionUpdate`. خزّن آخر Handle وأعد الاتصال بها؛ وتذكر أفضل الممارسات أن الرموز تبقى صالحة ساعتين بعد انتهاء الجلسة. وتعامل مع `GoAway` باستخدام إشارة الوقت المتبقي لإعادة اتصال هادئة بدل انتظار فشل قاسٍ.

يحفظ الاستئناف سياق النموذج، لكن تطبيقك ما زال يحتاج حالة دائمة: هوية المستخدم والعميل، وغرض المحادثة، ودفتر استدعاءات الأدوات، والموافقة المعلقة، وموضع التشغيل، وآخر حدث عميل أُقر محليًا. لا تعِد بناء التفويض من نص المحادثة وحده بعد الاتصال.

اضبط السياق وكلفة الاستماع

يستهلك الصوت السياق بسرعة. تقدّر أفضل الممارسات نحو 25 Token في الثانية، وتذكر أنه من دون ضغط السياق تقتصر الجلسة الصوتية على نحو 15 دقيقة، وجلسة الصوت والفيديو على نحو دقيقتين. اضبط Context Window Compression بحد تشغيل ونافذة منزلقة تناسب المهمة. لخّص حقائق الأعمال في حالتك الخاصة قبل طرد رموز الحوار القديمة.

الفوترة مبنية على الرموز. وProactive Audio مفعّل دائمًا في نموذجي Gemini 3.8 Live، لذلك تتراكم رموز الإدخال أثناء الاستماع. كما تضيف Transcription للإدخال أو الإخراج رسوم رموز نصية فوق رسوم الصوت. لا تترك اتصالًا خاملاً مفتوحًا بلا حد. أنهِ الجلسات المهجورة، وأوقف الالتقاط عندما تسمح حالة المنتج، وضع مدة قصوى، وأظهر أثر النسخ الاختياري على الكلفة.

راقب رموز الصوت الداخل والخارج، ورموز النسخ، والسياق المحتفظ به، ونسبة الصمت، والكلفة لكل مهمة مكتملة. قد يتحول سعر منخفض لكل Token إلى جلسة مكلفة إذا ظل الميكروفون يرسل ساعة كاملة.

اختبر الأعطال التي تنتج أفعالًا مكررة

نفذ مصفوفة مرحلية قبل الإنتاج: تقلب الحزم، وخطأ Sample Rate للميكروفون، ومقاطعة المستخدم أثناء التشغيل، وإعادة WebSocket قبل وبعد استدعاء أداة، وتأخر النتائج، وتكرار Function Call، وانتهاء الرمز المؤقت، واستئناف Handle قديمة، وضغط السياق أثناء مهمة نشطة، واتصال العميل نفسه من جهازين.

راقب زمن أول صوت، وTurn Latency عند p50 وp95، وزمن المقاطعة حتى الصمت، وانتظار الأدوات، والأوامر المكررة التي مُنعت، والأوامر الغامضة التي تنتظر المطابقة، ونجاح إعادة الاتصال، وإعادة ضبط السياق، واستهلاك الرموز، والكلفة لكل جلسة. تتبع Correlation ID واحدًا من دور المستخدم إلى أحداث النموذج وأمر الأداة ونتيجة الأعمال، من دون تسجيل الصوت الحساس الخام افتراضيًا.

ابدأ بإطلاق على مهام القراءة فقط. ثم أضف كتابات قابلة للعكس مع تأكيد صريح، ولا تضف الأفعال الأعلى مخاطرة حتى تثبت Idempotency والتدقيق والتعافي. ينجح وكيل الصوت الإنتاجي عندما تبقى المحادثة طبيعية بينما تبقى تغييرات الحالة حتمية ومملة. صمّم WebSocket ودفتر الأدوات وحد التفويض ومسار إعادة الاتصال معًا؛ فالـPrompt مجرد مكوّن واحد في هذا النظام.

إعداد: Noor Yasser