Log in to leave a comment
No posts yet
مجرد كتابة مطالبات (Prompts) جيدة لن يصلح الكود القديم بشكل سحري. السبب الحقيقي وراء الفشل الذريع لوكلاء الذكاء الاصطناعي في بيئات البرمجيات الموروثة (Legacy) المعقدة والمتشابكة ليس نقص الذكاء، بل تلوث السياق (Context Pollution). عندما تتراكم الضوضاء غير الضرورية في نافذة السياق - وهي مخزن ذاكرة النموذج - ينهار الاتساق المنطقي مثل قلعة من الرمال.
ينخفض أداء النماذج القائمة على بنية المحولات (Transformer) بشكل حاد عندما يتجاوز استخدام السياق 40% إلى 60%. في عام 2026 الحالي، يطلق عليه المتخصصون في الصناعة اسم AI Slop (هراء الذكاء الاصطناعي)؛ وهي ظاهرة إنتاج كود يعمل بصعوبة ولكنه مستحيل الصيانة. إذا كنت تقضي وقتاً أطول في تصحيح مخرجات الذكاء الاصطناعي، فقد تحولت من مطور برمجيات إلى مجرد "مهندس تسخير" (Harness Engineer) يقوم بتنظيف فوضى الذكاء الاصطناعي.
التلخيص الذي يتم ذكره في الفيديوهات هو مجرد البداية. في الأنظمة واسعة النطاق، يعد الضغط الهيكلي أمراً ضرورياً. لا يتعلق الأمر ببساطة بتقليل طول المحادثة، بل بتعظيم كثافة المعلومات باستخدام هيكل طبقي من الماركداون (Markdown) يمكن لنماذج اللغة الكبيرة (LLM) تحليله بأسرع وأدق طريقة ممكنة.
وفقاً لبيانات بحثية فعلية، تظهر المطالبات التي تستخدم تنسيق الماركداون دقة استدلال أعلى بنسبة 7.3% مقارنة بتنسيق JSON البسيط. يتحكم كبار المعماريين في آلية الانتباه (Attention) للنموذج من خلال العناصر الثلاثة التالية:
<context>: يحدد خلفية المهمة الحالية والحقائق الأساسية (Ground Truth).<constraint>: يضع حواجز حماية صلبة تمنع النموذج من تغيير التصميم بشكل عشوائي.يجب ألا تكون عملية الضغط هذه يدوية. تزرع الفرق الرائدة نصوصاً برمجية لتحديث السياق في Git Hook أو خطوط أنابيب CI/CD. في كل مرة يكمل فيها الوكيل خطوة معينة ويقوم بعملية commit، يتم تلخيص التغييرات وتسجيلها في PROGRESS.md مع إعادة تهيئة الجلسة. إنها تقنية لإبقاء النموذج دائماً في نطاق الاستخدام الأمثل الذي يقل عن 40%.
إطار RPI (البحث، التخطيط، التنفيذ - Research, Plan, Implement) ليس مجرد مخطط تدفقي بسيط. إنها استراتيجية عزل تقوم بتخصيص جلسة سياق مستقلة لكل مرحلة لمنع الضوضاء مادياً.
لا تجعل الوكيل الرئيسي يقرأ ملفات تحتوي على عشرات الآلاف من الأسطر بنفسه. مسح الملفات هو دور الوكلاء الفرعيين. عندما يقوم الوكيل الفرعي بالبحث في آلاف الملفات واستخراج مواقع المنطق الأساسي فقط، يمكن للوكيل الرئيسي التركيز على الاستدلال الدقيق دون إهدار الرموز (Tokens).
في مرحلة التخطيط، الجوهر ليس تحديد ما يجب فعله، بل تحديد ما لن يتم فعله (Non-goals). عند التنفيذ، يجب استخدام Git Worktree لتوفير بيئة معزولة تضمن عدم تلوث الفرع الرئيسي بتجارب الوكيل.
| مؤشر الأداء | قبل تطبيق RPI | بعد تطبيق RPI | مؤشر التحسن |
|---|---|---|---|
| عدد العيوب (Bugs) لكل ميزة | 12.5 | 3.8 | انخفاض بنسبة 69.6% |
| سرعة الموافقة على مراجعة الكود | 48 ساعة في المتوسط | 8 ساعات في المتوسط | تحسن بنسبة 83% |
| معدل نجاح عمل الوكيل المنفرد | 18% | 79% | تحسن بنسبة 338% |
انتهى عصر إرسال شفرة المصدر - وهي الأصول الأساسية للشركة - بشكل عشوائي إلى واجهات برمجة التطبيقات الخارجية. بعد عام 2025، أصبح معيار الصناعة هو بناء نماذج مفتوحة المصدر مثل Llama 3 أو Mistral مباشرة على البنية التحتية الداخلية.
هذا النهج ليس فقط لأسباب أمنية. يمكنه توفير آلاف الدولارات من تكاليف مسح الكود الهائلة التي تحدث في مرحلة البحث. البنية الأكثر كفاءة هي البنية الهجينة (Hybrid Architecture)، حيث يقوم نموذج لغة محلي بالاستكشاف الأولي منخفض الحساسية، ثم يتم تفويض الأجزاء التي تتطلب تصميماً متقدماً لنماذج مغلقة عالية الأداء (مثل Claude 3.5) بعد إخفاء المعلومات الحساسة.
كانت نتائج تطبيق إطار عمل RPI على نظام دفع عمره 10 سنوات ولا يمتلك وثيقة واحدة مذهلة. في بيئة كانت فيها تبعيات Hibernate متشابكة للغاية، تقلصت فترة دمج المهندسين الجدد (Onboarding) من 90 يوماً إلى 35 يوماً، أي بنسبة 61%.
ذلك لأن المعلومات التي حصل عليها الوكيل أثناء استكشاف كل وحدة تم ضغطها في شكل أدلة معمارية بتنسيق ماركداون، وبقيت داخل المستودع كـ "وثائق حية" (Living Document). يوضح هذا أن RPI يتجاوز كونه أداة فردية ليعمل كsystem لنقل المعرفة للفريق بأكمله.
تعتمد التنافسية الهندسية في عام 2026 ليس على كمية الكود الذي تكتبه، بل على مدى موثوقية بيئة الوكلاء التي أنشأتها.
CLAUDE.md في جذر المشروع وكتابة التعليمات الأساسية؟هندسة السياق هي الطريقة الوحيدة للسيطرة على الذكاء الاصطناعي ومضاعفة نتائج تفكيرك بآلاف المرات. ابدأ بإعادة تصميم بيئة الوكيل الخاص بك الآن.