AI Context Kit: مستودع Git واحد بملفات Markdown بدلا من نسخ السياق إلى ChatGPT وClaude

موقف مألوف: ينجز فريق المنتج التصميم باستخدام أداة ذكاء اصطناعي، ويجري التدقيق في أداة أخرى، وأحيانا يمرر المهمة نفسها عبر عدة خدمات لمقارنة النتائج. وفي كل مرة، يتعين عليه أن يشرح من جديد ماهية المنتج وقيوده وما تم اتخاذه من قرارات. وإذا تغير شيء في إحدى المحادثات، تواصل بقية الأدوات العمل استنادا إلى نسخة قديمة من الواقع.

يقترح كاتب المقال المنشور على Habr حلا بسيطا: عدم نسخ السياق بين المنصات، بل الاحتفاظ به في مكان واحد. ومن هنا ظهر AI Context Kit، وهو حزمة مفتوحة المصدر من القوالب المخصصة لمستودع Git.

كيف يعمل

AI Context Kit ليس خادما ولا MCP ولا منصة مستقلة للذكاء الاصطناعي. إنه بنية مجلدات وقواعد للعمل معها. يوجد في المجلد الجذري ملف PROJECTS.md، وهو سجل للمشروعات. ولكل مشروع، ينشأ مجلد يحتوي على ثلاثة ملفات:

• PROJECT.md: معلومات مستقرة نسبيا، تشمل الأهداف والجمهور والنطاق والقيود.
• CONTEXT.md: الجزء الأكثر تغيرا، حيث تسجل القرارات المتخذة والنتائج والأسئلة المفتوحة والخطوات التالية.
• INSTRUCTIONS.md: قواعد موجهة إلى الذكاء الاصطناعي نفسه، توضح كيفية استخدام المستندات، ومتى يقترح تعديلات، وكيف ينسقها مع المستخدم.

هذا الفصل مقصود. فقد تظل الأهداف من دون تغيير لأشهر، بينما تتحدث القرارات كل أسبوع. وهكذا يمكن تعديل الحالة الراهنة من دون إعادة كتابة وصف المشروع بالكامل.

مثال عملي

في العرض التوضيحي، أنشئ مشروع باسم product-launch لخدمة تخطيط المهام الشخصية. ويجري تطوير تصور الواجهة في ChatGPT بعد ربط مستودع GitHub وتحديد المجلد المطلوب في Project Instructions. ثم يتخذ قرار بأن تعرض الشاشة الرئيسية مهام اليوم، بينما يظل التقويم طريقة عرض إضافية. ويسجل القرار في CONTEXT.md.

بعد ذلك، يجرى التدقيق في Claude. ويربط به المستودع نفسه، ويطلب منه قراءة النسخة الحالية من CONTEXT.md. يرى Claude القرار المتعلق بالشاشة الرئيسية ويبدأ العمل عليه مباشرة، من دون إعادة سرد النقاش الذي جرى في ChatGPT. وتوجد هنا نقطة مهمة: لا تنتقل المحادثة بأكملها إلى السياق المشترك، بل القرارات والمعلومات اللازمة للمراحل التالية فقط.

أين تتعطل هذه المقاربة

يسرد الكاتب القيود بصراحة. أولا، لا توجد مزامنة تلقائية. فبعض المنصات توفر تكاملا مدمجا مع GitHub أو MCP، بينما سيتعين في منصات أخرى نقل الملفات يدويا. ثانيا، لا تضمن التعليمات المكتوبة بصيغة Markdown أن النموذج سيقرأ جميع الملفات وينفذ كل القواعد، لذلك ينبغي التحقق من السياق الذي استخدمه فعليا.

هناك أيضا خطر حدوث تعارضات: إذا عدل نظاما ذكاء اصطناعي ملف CONTEXT.md في الوقت نفسه، فقد تضيع بعض التغييرات. ولتفادي ذلك، يقترح التحقق من نسخة الملف قبل الكتابة، باستخدام SHA مثلا، إذا كان التكامل يدعم الكتابة المشروطة. ولا تحفظ التعديلات إلا بعد موافقة شخص عليها.

أما الأمان فيحتاج إلى معالجة مستقلة. فالمشروعات غير العامة تتطلب مستودعات خاصة، ويجب عدم تخزين الأسرار فيها. ولا توفر المجلدات عزلا لصلاحيات الوصول، ولذلك من الأفضل توزيع المشروعات ذات مستويات الوصول المختلفة على مستودعات منفصلة.

ماذا تفعل بهذه الفكرة

الفكرة ليست ثورية، لكنها عملية: يعيش السياق في Git، لا في ذاكرة خدمة بعينها. وهذا يمنحك سجل تغييرات، ومراجعة للتعديلات، واستقلالية عن مزود الخدمة. وبالنسبة إلى الفرق التي تستخدم بالفعل عدة نماذج، فهذه طريقة منخفضة التكلفة للتخلص من النسخ اليدوي.

يمكن البدء بخطوات بسيطة: أنشئ مستودعا، وانقل إليه أهداف المشروع وقائمة القرارات المتخذة، ثم اربطه بأداتيك الرئيسيتين للذكاء الاصطناعي. الشرط الأساسي للنجاح ليس تقنيا، بل يتعلق بالانضباط. فإذا لم يسجل القرار في CONTEXT.md، فلن يعرفه نظام الذكاء الاصطناعي التالي. ويظل السياق محدثا بقدر دقة تحديثك له.