Claude Code بنى IndexedDB من الصفر: 1208 اختبار Web Platform Tests ونسبة 95% المثيرة للجدل للوكيل

حقق Claude Code تطبيق IndexedDB — واجهة برمجية متكاملة للمتصفح لتخزين البيانات المنظمة — على SQLite في جلسة عمل واحدة. اختبرت التجربة مدى ما يمكن لوكيل LLM أن يصل إليه عند تطوير نظام معقد منخفض المستوى بشكل مستقل.

المهمة: موجه واحد بدلاً من فريق IndexedDB

IndexedDB هو معيار المتصفح لتخزين البيانات على جانب العميل: معاملات غير متزامنة، فهارس، مؤشرات، إصدار المخطط، العمل مع البيانات الثنائية. توجد تطبيقات مفتوحة المصدر ناضجة — على سبيل المثال، fake-indexeddb بـ JavaScript — طورتها فرق على مدار سنوات من التكرار. سؤال التجربة: هل يستطيع Claude Code فعل ذلك من الصفر، مع تلقي موجه واحد فقط؟

تم إسناد المهمة للوكيل بكتابة تطبيق IndexedDB فوق SQLite. الاختيار منطقي: SQLite محرك مستقر وموثوق جداً مع دعم المعاملات والفهارس والعمليات الذرية. يوفر الاستدامة، بينما احتاج الوكيل إلى تطبيق واجهة برمجية المتصفح فوق طبقة SQL قياسية.

1208 اختبارات و95% مثيرة للجدل

تم قياس الجودة من خلال Web Platform Tests (WPT) — مجموعة الاختبارات الرسمية للتحقق من توافق معايير المتصفح، وتستخدمها فرق Chrome و Firefox و Safari نفسها. يحتوي WPT على آلاف الحالات التي تغطي المواصفات بالتفصيل: من العمليات الأساسية إلى السيناريوهات المعقدة مع الإصدار والمعاملات المتوازية.

بعد تشغيل 1208 اختبار، نجحت جميعها. أعلن الوكيل عن توافق 95% مع المعيار في تقريره النهائي. بالنسبة لتطبيق تم إنشاؤه ذاتياً، هذا رقم مثير للإعجاب. طعن مؤلفو التجربة في هذا: التوافق الفعلي أقل بكثير عند الأخذ في الاعتبار الحالات الحدية والسيناريوهات الثقيلة خارج مجموعة الاختبارات الرئيسية.

• نجحت 1208 اختبارات WPT
• قام الوكيل بتشغيل الاختبارات بشكل مستقل والتكرار على الأخطاء
• يعتبر المؤلفون النسبة المعلنة 95% مبالغاً فيها
• كانت الأداء على أحجام البيانات الكبيرة نقطة ضعيفة
• تعمل المعاملات المتوازية والمفاتيح غير القياسية بشكل متقلب

حيث أخفق الوكيل

قاعدة الكود تعمل، لكن بقيود ملحوظة. الأداء على أحجام البيانات الكبيرة تتخلف عن التطبيقات الناضجة: طبقات الملخص فوق SQLite تضيف نفقات إضافية. الحالات الحدية — المعاملات المتوازية، وأنواع المفاتيح غير القياسية، والمؤشرات المعقدة ذات النطاقات — يتم التعامل معها بطريقة متقلبة أو غير صحيحة. هذه سمة مميزة للتطوير الموجه بـ LLM: ينجح النموذج في المهام التي يمكن التحقق منها تلقائياً، وينجح أقل في المهام التي تحتوي على ثوابت دقيقة لا تغطيها الاختبارات. يحسن الوكيل من أجل CI أخضر، وليس من أجل معمارية صحيحة. تبدو النتيجة مقنعة على السطح، لكنها تخفي ديناً تقنياً في الحالات الحدية.

ماذا يعني هذا

تُظهر التجربة: يمكن لوكيل LLM أن ينشئ تطبيقاً عملياً لمعيار متصفح معقد في جلسة واحدة — من الموجه إلى ألف اختبار ناجح. هذا لم يعد مثالاً مدرسياً، بل دليل ملموس على تقدم الأنظمة الموجهة بالعملاء. لكن نقل مثل هذا الكود إلى الإنتاج دون مراجعة محفوف بالمخاطر: يحسن الوكيل من أجل المقاييس المرئية وقد يغفل المتطلبات غير الوظيفية. الخلاصة الصحيحة: LLM يسرع المسودة الأولى، لكنه يتطلب مراجعاً ذا خبرة.