Как собрать AI-харнесс для SaaS-разработки: связка Orca, Pi Agent и GitHub

نشر مطور على Habr في يوليو 2026 تحليلاً مفصلاً لنظام الذكاء الاصطناعي الخاص به لتطوير SaaS — ما يسمى بـ agent harness أو الهيكل. الأطروحة الرئيسية: في العمل الإنتاجي الحقيقي، لا تنتصر أقوى نموذج لغة، بل البنية الأساسية المبنية بشكل صحيح حولها، والتي تشمل منسق Orca والوكيل الخفيف Pi Agent وGitHub وخط أنابيب VPS مخصص.

لماذا الهيكل أكثر أهمية من اختيار النموذج؟

الجدل حول اختيار LLM لا ينتهي أبداً: GPT-5 أم Claude Opus 4.6، Gemini أم Codex. لكن المؤلف يطرح أطروحة جذرية: في التطوير الحقيقي، مسألة "أي نموذج نختار" ثانوية. الأساسي هو السؤال "كيف يتم دمج النموذج في سير العمل".

Agent harness هو طبقة بين المطور ونموذج اللغة تدير السياق وتوجيه المهام والتنفيذ المعزول للكود والتسجيل ودورات التعليقات. بدونه، حتى أقوى نموذج يبقى روبوت دردشة ذكي، غير قادر على العمل بشكل موثوق في بيئة الإنتاج.

من أي المكونات يتكون الإعداد؟

يصف المؤلف معمارية محددة من خمسة عناصر:

• Orca — منسق مركزي: يستقبل مهمة، يقسمها إلى مهام فرعية ويوجهها إلى الوكيل أو الأداة المناسبة
• Pi Agent — وكيل تنفيذ خفيف للمهام الموجهة: إصلاحات الكود وإعادة البناء والتحقق من المنطق
• GitHub — المستودع كـ "مصدر الحقيقة الوحيد" للنظام ونقطة المزامنة للوكلاء
• VPS — بيئة تنفيذ معزولة: الوكلاء ينفذون الكود على خادم بعيد بدون خطر على الآلة المحلية
• خط أنابيب مخصص — يصف تدفق المهمة من الإسناد إلى الدمج

يعمل Orca وPi Agent كزوج: منسق العمل يرى الصورة الكاملة ويوزع العمل، وPi Agent ينفذ تعليمات محددة وواضحة بدون الحاجة إلى الاحتفاظ بسياق المشروع بأكمله.

يلعب GitHub دوراً مزدوجاً في هذا النظام. أولاً — مستودع الكود المألوف. ثانياً — نقطة مزامنة: الوكلاء يكتبون إلى الفروع، ينشئون طلبات سحب، والمطور يراجع التغييرات في حلقة مراجعة الكود الكلاسيكية، فقط الآن الذكاء الاصطناعي على جانب التنفيذ.

كيف يختلف هذا النهج عن ChatGPT العادي؟

معظم المطورين يستخدمون LLM في وضع "اسأل-أجب": يلصقون الكود في الدردشة، يحصلون على إصلاح، يسخونه مرة أخرى. هذا يعمل للمهام المعزولة، لكنه ينهار في تطوير النظام.

الهيكل يغير النموذج الأساسي: النموذج يصبح جزءاً من سير عمل آلي حيث تُتحقق من كل خطوة وتُوثق وتُسجل. خطأ الوكيل لا يُفقد — يُلتقط في النظام ويمكن تصحيحه. عزل VPS: وكلاء متعددون يمكنهم العمل بالتوازي بدون تضارب على الآلة المحلية.

"في العمل الحقيقي، لا ينتصر النموذج الأقوى فقط، بل نظام مجمع بشكل صحيح

حوله" — أطروحة المؤلف الأساسية.

ماذا يعني هذا؟

تلتقط المقالة تحولاً مهماً في ممارسة تطوير الذكاء الاصطناعي: نقطة النمو تصبح ليست جودة النموذج، بل نضج البنية الأساسية حوله. المطورون الذين يستثمرون في الهيكل — التنسيق والتنفيذ المعزول والإصدارات — يحصلون على نتائج إنتاجية مستقرة. أولئك الذين يتنقلون ببساطة بين ChatGPT وClaude يعملون بشكل أبطأ وأقل قابلية للتنبؤ.