كيف تبني «هارنس» ذكاءً اصطناعياً لتطوير تطبيقات SaaS: Orca وPi Agent وGitHub معاً

نشر مطوّر على منصة Habr في يوليو 2026 تحليلاً مفصّلاً لمنظومة الذكاء الاصطناعي التي بناها لتطوير تطبيقات SaaS، وهي ما يُعرف بـ agent harness أو «الهارنس». وفكرته الأساسية أن ما يحسم الأمر في العمل الإنتاجي الفعلي ليس أقوى نموذج لغوي، بل البنية التحتية المُحكَمة حوله، وتضم المنسّق Orca والوكيل الخفيف Pi Agent وGitHub وخط معالجة (pipeline) مخصّصاً على خادم VPS.

لماذا يتفوّق الهارنس على مسألة اختيار النموذج؟

لا تهدأ الجدالات حول اختيار نموذج LLM: GPT-5 أم Claude Opus 4.6، Gemini أم Codex. لكن المؤلف يطرح موقفاً حاداً: في التطوير الفعلي، سؤال «أي نموذج نختار» سؤال ثانوي. أما السؤال الأول فهو «كيف يُدمَج النموذج في مسار العمل».

الـ Agent harness طبقة تقع بين المطوّر والنموذج اللغوي، وتدير السياق وتوجيه المهام وتنفيذ الشيفرة في بيئة معزولة والتسجيل (logging) وحلقات التغذية الراجعة. وبدونها يبقى أقوى نموذج مجرّد روبوت محادثة ذكي، عاجزاً عن العمل بموثوقية في بيئة إنتاجية (production).

مكوّنات الإعداد

يصف المؤلف بنية محددة من خمسة عناصر:

• Orca — المنسّق المركزي: يتلقى المهمة ويقسّمها إلى مهام فرعية ويوجّهها إلى الوكيل أو الأداة المناسبة
• Pi Agent — وكيل تنفيذ خفيف للمهام الدقيقة: تعديل الشيفرة وإعادة الهيكلة (refactoring) والتحقق من المنطق
• GitHub — المستودع بوصفه «المرجع الوحيد للحقيقة» في المنظومة ونقطة مزامنة للوكلاء
• VPS — بيئة تنفيذ معزولة: يشغّل الوكلاء الشيفرة على خادم بعيد دون أي خطر على الجهاز المحلي
• خط معالجة مخصّص (pipeline) — يحدّد مسار المهمة من صياغتها حتى الدمج (merge)

يعمل Orca وPi Agent معاً: المنسّق يرى الصورة كاملة ويوزّع العمل، بينما ينفّذ Pi Agent تعليمات محددة وواضحة دون الحاجة إلى الاحتفاظ بسياق المشروع بأكمله.

يؤدي GitHub في هذا التصميم دوراً مزدوجاً. الأول هو دوره المعتاد مخزناً للشيفرة. والثاني نقطة المزامنة: يكتب الوكلاء في الفروع وينشئون طلبات سحب (pull requests)، ويراجع المطوّر التغييرات ضمن حلقة مراجعة الشيفرة (code review loop) التقليدية، مع فارق واحد هو أن الذكاء الاصطناعي صار الطرف المنفّذ.

ما الفرق بين هذا النهج و ChatGPT التقليدي؟

يستخدم معظم المطوّرين نماذج LLM بأسلوب «اسأل واحصل على إجابة»: يلصقون الشيفرة في المحادثة، ويحصلون على تعديل، ثم ينسخونه إلى مشروعهم. ينجح هذا في المهام المعزولة، لكنه يفشل في التطوير المنظومي.

يغيّر الهارنس هذا النموذج: يصبح النموذج جزءاً من مسار آلي تُراجَع فيه كل خطوة وتُسجَّل إصداراتها وتُدوَّن في السجل. لا يضيع خطأ الوكيل، بل يُثبَّت في المنظومة ويمكن تصحيحه. ويعزل VPS التنفيذ، فيمكن لعدة وكلاء العمل بالتوازي دون تعارضات على الجهاز المحلي.

«في العمل الفعلي، لا يفوز النموذج الأقوى وحده، بل المنظومة المُجمَّعة

بإحكام حوله» — الفكرة المحورية لدى المؤلف.

ماذا يعني ذلك

يرصد المقال تحوّلاً مهماً في ممارسة التطوير بالذكاء الاصطناعي: نقطة النمو لم تعد جودة النموذج، بل نضج البنية التحتية المحيطة به. فالمطوّرون الذين يستثمرون في الهارنس، أي في التنسيق والتنفيذ المعزول وإدارة الإصدارات، يحصلون على نتائج إنتاجية مستقرة. أما من يكتفون بالتنقل بين ChatGPT وClaude فيعملون بوتيرة أبطأ ونتائج أقل قابلية للتنبؤ.