Cognition تطلق Devin Oncall: نسبة نجاح 100% في SREGym وإصلاح بيئة الإنتاج خلال دقيقتين و21 ثانية

أتاحت شركة Cognition الوصول العام إلى Devin Oncall، وهو وكيل سحابي مخصص للمناوبات التشغيلية (on-call)، يتولى تلقائياً فرز التنبيهات وبلاغات الأخطاء، وتشخيص الأعطال في بيئات الإنتاج والعمل على إصلاحها. ووفقاً لبيانات الشركة، حقق الوكيل نسبة نجاح شاملة (end-to-end) بلغت 100% على معيار SREGym، مسجلاً زمناً قياسياً حتى حل المشكلة قدره دقيقتان و21 ثانية. وعلى أرض الواقع في بيئات التشغيل الحية، يعالج النظام بالفعل آلاف التنبيهات يومياً لصالح عملاء بارزين.

المعيار التقييمي: ماذا قيس بالضبط؟

يختبر SREGym الوكلاء التقنيين عبر أعطال نموذجية في أنظمة حية وتفاعلية؛ إذ يستند كل اختبار إلى حادث تشغيلي حقيقي، ويتطلب المسار الواحد تحديد السبب الجذري وتطبيق إجراءات تخفيف فعالة وناجحة في الوقت ذاته. وتظهر الرسوم البيانية لشركة Cognition أن Devin Oncall، بالاعتماد على GPT-6 Astra وClaude Opus 5.5، وصل إلى نسبة نجاح 100%، بينما حقق مع GPT-6.1 Sol نسبة 94.1%، وسجل 85.3% مع Claude Fable 5.1. وعلى سبيل المقارنة، حقق Claude Code مع Sonnet 5 نسبة 45.1%، وبلغ Codex مع GPT-5.6 Sol نسبة 76.5%، وسجل CloudThinker مع Opus 5 نسبة 76.5% أيضاً.

وهنا تبرز نقطة مهمة لا بد من التوقف عندها؛ إذ تقر Cognition نفسها بأن النماذج متوسطة المستوى استنفدت بالفعل أقصى أداء ممكن على هذه المجموعة المعيارية الأكثر "نقاءً"، في حين كانت نماذج الجيل السابق تحقق بين 50% و60%. لقد وصل المعيار إلى مرحلة التشبع، وتحقيق 100% عليه لا يضمن النتيجة ذاتها في البيئات البرمجية القديمة والمعقدة (legacy systems). وتصرح الشركة بوضوح بأن الوكلاء ما زالوا يكتفون بالوقوف عند أول سبب يبدو منطقياً أو قابلاً للتصديق.

بنية الوكيل وكيفية عمله

تعتمد فلسفة البناء على مبدأ «الدرس المر» (The Bitter Lesson): فبدلاً من صياغة مطالبات توجيهية مطولة ومخصصة، أو اعتماد بنيات تعتمد على الرسوم البيانية، أو اللجوء إلى نماذج SRE مدربة خصيصاً، راهنت الشركة على وكيل برمجي قوي مزود بالسياق المناسب والأدوات اللازمة. ويشير المطورون، ومن بينهم مهندسون سابقون في TierZero، إلى أن الأساليب السابقة تفقد فاعليتها تدريجياً مع تطور النماذج وكبر حجمها، مما يتطلب إزالتها والتخلص منها. كما أن معمارية Devin غير مقيدة بنموذج ذكاء اصطناعي واحد، مما يتيح اختيار النموذج الأنسب لكل مهمة من مهام المناوبة.

ولتفادي القفز إلى استنتاجات متسرعة، يعمل وكيل مراجعة ثانٍ بالتوازي؛ حيث يفحص بصورة غير متزامنة استدلالات الوكيل الأساسي واستدعاءاته للأدوات، ليلتقط الأخطاء الشائعة: مثل الخلط بين الارتباط والسببية، أو تجاهل بيانات القياس عن بُعد (telemetry) المتناقضة، أو الخلط بين محفز الحادث والسبب الجذري الفعلي له. فعمليات النشر البرمجي الحديثة (deployment) تُعد، وفق منطق النظام، مجرد خيط للاستدلال وليست تفسيراً نهائياً للعطل.

وتتكون بنية السياق من ثلاث طبقات متكاملة:

• Per-Responder Memory: ذاكرة خاصة بكل مستجيب، تحدد على سبيل المثال من ينبغي إخطاره وكيفية التصرف في التحقيقات المقبلة.
• Per-Org Skills: مهارات يولدها Devin باستمرار عبر فهرسة دورية لبيئة العمل الخاصة بالمؤسسة، مثل حساب نطاق التأثير على العملاء (blast radius).
• Per-Org Memory: معالجة لاحقة لكل تحقيق، تشكل "ذاكرة تخزين مؤقت منخفضة الدقة" للمعرفة المؤسسية المتراكمة.

وينقسم المنتج إلى مسارين: مسار Responders الذي يراقب تدفق التنبيهات وبلاغات الأخطاء، حيث يقرر وكيل رئيسي خفي ما إذا كانت المشكلة جديدة، ليطلق على إثرها تحقيقاً فرعياً بسياق جديد ومستقل. وبهذه الطريقة، يتم تجاوز نحو 60% من التحقيقات (65 تنبيهاً من أصل 100 في المثال التوضيحي)، فتنخفض التكاليف إلى 46% مقارنة بوضع "التحقيق في كل شيء"، أي بتوفير قدره 54%. أما مسار Incidents فينضم مباشرة إلى قناة إدارة الحادث، حيث يدير وثيقة حية تتضمن جدولاً زمنياً والأدلة المجمعة، ويحيل الأسئلة المباشرة التي يطرحها المهندسون إلى وكلاء فرعيين بينما يواصل الوكيل الرئيسي تحقيقه في الخلفية، مع تطبيق فلترة مسبقة لكافة الرسائل.

العملاء والأرقام التشغيلية

• Reducto: رصد Devin نمطاً مشتركاً عبر عدة تنبيهات وفتح حادثاً بنفسه تلقائياً قبل انطلاق تنبيهات الإنتاج الرسمية. واليوم يتولى الوكيل فرز معظم التنبيهات في المقام الأول، ويغلق أحياناً المشكلات متوسطة الخطورة، أو يجهز طلبات الدمج (PR) ويختبرها بالكامل قبل استدعاء المهندس البشري.
• RV Tech (مشروع مشترك بين Rivian وVolkswagen): يستخرج الوكيل معرفات المركبات والتوقيتات من الشكاوى، ويسحب السجلات، ويشغل أدوات التحليل، ويجري الفرز الأولي للأعطال؛ مما أتاح لأحد الفرق إعادة توجيه عدد من المهندسين للتفرغ لتطوير المنتجات.
• AngelList: يكتشف Devin السبب الجذري بمعدل يفوق نظام Sky الداخلي بمقدار 3.5 أضعاف، وتمت معالجة وإغلاق 50% من الحوادث ذاتياً وبشكل كامل، مما دفع المنصة إلى إيقاف نظام Sky وإخراجه من الخدمة.

وتجدر الإشارة إلى أن جميع هذه الأرقام مستمدة من منشورات المدونة الرسمية للشركة المطورة، ولا توجد حتى الآن مراجعة مستقلة محايدة تؤكدها.

أما الخلاصة العملية لفرق الهندسة: فالخيار الأكثر عقلانية هو البدء بنظام Responders على قناة تنبيهات واحدة تتسم بكثرة الضوضاء، وقياس نسبة التكرارات المستبعدة ومدى دقة استخراج الأسباب الجذرية. ومن الواضح أن ربط أدوات المراقبة وإمكانية الملاحظة (تشير المراجعات إلى Datadog MCP) وأنظمة تتبع الشيفرة سيحدد جودة التشخيص بدرجة تفوق تأثير اختيار نموذج الذكاء الاصطناعي نفسه. ويُفضل حصر صلاحيات التنفيذ في بيئة الإنتاج على إجراءات التخفيف السريعة مثل التراجع عن النشر (rollback) وضبط التوسع (scaling)، تماماً كما توصي Cognition نفسها، مع إخضاع أي تعديلات في الشيفرة المصدرية لمراجعة بشرية صارمة.