أحدث التطورات في النماذج اللغوية الكبيرة (LLMs) أثارت اهتمامًا متزايدًا بالسير الوظيفية العاملة (agentic workflows)، وهي تسلسلات منظمة من استدعاءات النموذج اللغوي الكبيرة المُصممة لحل المهام المعقدة. ومع ذلك، تعتمد الطرق الحالية غالبًا على قوالب ثابتة أو سير عمل مصممة يدويًا، مما يحد من قدرتها على التكيّف مع المهام المتنوعة ويعرقل التوسع. نقترح إطار عمل يُسمى AdaptFlow، وهو إطار تعليم تفاعلي يعتمد على اللغة الطبيعية مستوحى من مفهوم التعلم التفاعلي المستقل عن النموذج (MAML). يتعلم AdaptFlow تهيئة عامة للسير الوظيفية تُمكّن من التكيّف السريع على مستوى المهام الفرعية. ويستخدم هذا الإطار خطة تحسين ثنائية المستوى: حيث يُحدّث الحل الداخلي التهيئة للسير الوظيفي لمهام فرعية محددة باستخدام ملاحظات تولّدها النماذج اللغوية الكبيرة، بينما يُحدّث الحل الخارجي التهيئة المشتركة لضمان الأداء الجيد عبر مختلف المهام. يتيح هذا الإطار لـ AdaptFlow التعميم الفعّال على المهام غير المرئية من خلال تعديل التهيئة المبدئية عبر تعليمات لغوية توجيهية. وقد أُجريت تقييمات على معايير متعددة تشمل الإجابة على الأسئلة، وإنشاء الشيفرة البرمجية، والاستنتاج الرياضي، حيث أظهر AdaptFlow تفوقًا مستمرًا على كل من النماذج المُصممة يدويًا والأساليب المُبحثة تلقائيًا، محقِّقًا نتائجًا رائدة في مجالها مع تعميم قوي عبر المهام والنموذج. يُتاح الشفرة المصدرية والبيانات عبر الرابط التالي: https://url