قواعد الفريق غيّرت خطة وكيل البرمجة بدرجة 5 من 5، والتدقيقات المتكررة بدرجة 1
السياق الزائد يشتّت انتباه وكيل البرمجة. بنى المؤلف معه خدمة بلغة Rust، وقدّم البيانات على دفعات، وقيّم بعد كل دفعة كيف تتغير الخطة: 1 — لا شيء، 5 — أقسام جديدة ومفترقات تحتاج إلى قرار بشري. حصلت قواعد الفريق ومستودعاته على 5 من 5: عرف الوكيل بوجود الإطار الداخلي redup-servicekit وغيّر حزمة التقنيات، أما التدقيقات المتكررة فنالت 1.
معالج بواسطة الذكاء الاصطناعي من Habr AI؛ بتحرير Hamidun News
عندما تكلّف وكيل برمجة بمهمة، تميل إلى إرفاق كل شيء: المواصفات الفنية، وتوثيق API، وقواعد الفريق، وأمثلة الشيفرة، «تحسبًا». لكن نافذة السياق محدودة، والنص الزائد يشتّت انتباه النموذج. اختبر كاتب مقال على Habr أي سياق يفيد فعلًا، وقاس ذلك على النحو التالي: بعد كل دفعة من البيانات كان الوكيل يراجع خطة التنفيذ ويقيّم على مقياس من 1 إلى 5 مدى تغيّرها.
الدرجة 1 تعني «لا حاجة إلى تغيير الخطة»، والدرجة 5 تعني «ظهرت في الخطة أقسام جديدة ومفترقات لا يستطيع الوكيل الاختيار بينها، ولا بد من تدخل إنسان». فقد نالت قواعد الفريق مثلًا 5 من 5، بينما نالت عمليات تدقيق الشيفرة المتكررة 1. والخلاصة العملية: ضع في السياق ما لا يستطيع الوكيل استنتاجه بنفسه، أما التكرار والتأكيدات فلا تفعل سوى استهلاك الرموز (tokens).
كيف قيست فائدة السياق
كانت المهمة حقيقية: كتابة خدمة بحث نصي بلغة Rust فوق Yandex Search API. قُدّم السياق للوكيل على دفعات لا في كتلة واحدة. ولم يقيَّم الكود النهائي، بل الخطة، لأنها تتفاعل مع البيانات الجديدة أسرع من الكود، وتُظهر بوضوح ما أخذه الوكيل في الحسبان فعلًا.
ضم مجلد المشروع أربعة ملفات: readme.md ويحتوي وصف المشروع، وplan.md ويحتوي الخطة نفسها، وlogqa.md ويحتوي السجل الخام للأسئلة والأجوبة، وinfluence.md ويحتوي تقييمات كل دفعة. يجيب السجل الأول عن سؤال «ماذا حدث»، والثاني عن سؤال «ما مدى أهمية ذلك».
جاء المقياس على النحو التالي:
- 1 — لا حاجة إلى تغيير الخطة؛
- 2 — تعديلات شكلية وإعادة تسمية؛
- 3 — تغييرات صغيرة دون أقسام جديدة؛
- 4 — تغييرات جوهرية وأقسام جديدة؛
- 5 — أقسام جديدة إضافة إلى مسارات بديلة لا يستطيع الوكيل الاختيار بينها.
تعني الدرجة 5 هنا أنه لا غنى عن الإنسان: فالأمر يتطلب اتفاقات داخل الفريق أو سياسات أمنية أو قيودًا خارجية.
ما الذي قلب الخطة وما الذي لم يغيّر شيئًا
من بين 24 خطوة، نالت خطوتان فقط الحد الأقصى. الأولى هي قواعد التطوير المؤسسية. بعدها ظهرت في الخطة أقسام عن قابلية المراقبة (observability) والنشر ونموذج المستودعات والاختبارات. وطفت على السطح كذلك أسئلة لم يستطع الوكيل الإجابة عنها: REST/JSON أم gRPC/proto، وكيف تُسمّى المستودعات، وهل يلزم helm وk8s منذ البداية، وكيف تُسلَّم السجلات إلى OpenSearch. هذه اتفاقات فريق وليست مسائل تقنية.
والثانية هي مجموعة المستودعات الحقيقية للشركة. رأى الوكيل أن لدى الفريق إطارًا داخليًا هو redup-servicekit مزوّدًا بقابلية مراقبة جاهزة، فاستغنى عن الحزمة التي جمعها يدويًا من metrics وprometheus وtower-http. وتغيّرت أمور عدة: ملف الإعدادات (YAML بدل toml)، وطريقة ربط proto (عبر git-submodule)، ومخطط النشر. ولم يكن من الممكن تخمين أي من ذلك انطلاقًا من مواصفات فنية مجرّدة: فالمعرفة كانت في أذهان أعضاء الفريق وفي مستودعاته.
نال توثيق الـ API الخارجي 4 درجات: تبيّن أن المطلوب هو Yandex Search API v2 وليس «Яндекс.XML» القديم. أما الطلب الحي إليه فنال لاحقًا 3 فقط: فقد أوضح بعض التفاصيل، لكنه لم يغيّر الاتجاه.
نالت خمس خطوات درجة 1: سؤال عن صياغة التبعية، وطلب سرد القرارات المتبقية، وثلاثة تدقيقات متتالية للشيفرة. فبعد أن صُحّحت كل الملاحظات المتوسطة، طُلب من الوكيل عدة مرات أن «يحلّل ويصحّح». وكان يجيب: لا جديد، ولا تراجعات (regressions)، والشيفرة لم تتغير.
ومع ذلك، أثمرت تدقيقات الدورات الأولى. فقد عثر أحدها على خلل حرج: وضع sync كان يضيف /search إلى عنوان كامل أصلًا فيتلقى الخطأ 404. وتراجعت قيمة التدقيق كلما صُحّح ما اكتُشف.
خلاصات للتطبيق العملي
يستخلص المؤلف من المقياس عدة قواعد.
- ضعوا المواصفات الفنية في ملف داخل المشروع. يستطيع الوكيل إعادة قراءته في أي لحظة، أما تلخيصه في المحادثة فيشوّه المعنى ويستهلك نافذة السياق.
- قدّموا قواعد الفريق والمستودعات الحقيقية في البداية. فهي مصدر درجات الخمس. وإذا قُدّمت لاحقًا، فسيتعين إعادة كتابة الخطة من جديد، وهذا يعني رموزًا ووقتًا إضافيين.
- قدّموا توثيق الأنظمة الخارجية بوصفه مصدرًا للحقائق. وأبقوا بالتوازي قائمة بالأسئلة المفتوحة، وضعوا علامة على الأسئلة المعطِّلة.
- سلّموا المفترقات ذات الدرجة 5 للإنسان. وإذا اصطدم الوكيل بسياسة أمنية أو باتفاق داخل الفريق، فعليه أن يسأل لا أن يخمّن.
- دوّنوا القرارات المحسومة في الخطة فورًا. عندها لن يعود الوكيل إلى السؤال نفسه من جديد.
- لا تُجروا فحوصات متكررة دون بيانات جديدة. فكل تشغيل من هذا النوع يكلّف رموزًا ودقائق، بينما العائد منه قريب من الصفر.
ويفسّر المؤلف ذلك بأن الدرجة العالية تعني أن أمام الإنسان مساحة خيارات لم تكن موجودة من قبل، والدرجة المنخفضة تعني أن كل شيء محدَّد بالفعل. وتتراجع فائدة المعلومات نفسها كلما اتخذت الخطة شكلها: الدفعات الثقيلة الأولى تعطي أكبر فائدة، ثم يتناقص العائد.
القيود
التجربة واحدة: مهمة واحدة، ووكيل واحد، ومؤلف واحد. وقد وضع الوكيل نفسه الدرجات وفق المقياس المحدد، لذا فهذا ليس تقييمًا مستقلًا ولا اختبار أداء (benchmark). ومن غير المرجح أن تنطبق النتائج كما هي على حزم تقنية وفرق أخرى. لكن يمكن تكرار المنهج لديكم بلا كلفة كبيرة: يكفي إنشاء سجل وملف للتقييمات ومعرفة أي أجزاء من سياقكم تعمل فعلًا. وسيتضح كذلك أين تدفعون رموزًا ثمنًا للضوضاء.
- 8 نوفمبر 2026مايكروسوفت وبيركلي تنشران TokenEconomizer: الوكلاء يبرمجون بتكلفة أقل بنسبة 18–31%
- 18 نوفمبر 2026OpenAI تطلق GPT-6.2 Astra: المركز الثاني في التصنيف وسعر أقل بنسبة 20%
- 8 نوفمبر 2026MaxxBench يخفض نتيجة Gemini 3.8 Flash من 73.8% إلى 53.4%
- 9 نوفمبر 2026Qwen محلي يحقق 92,3% من النقاط في البحث بسجل مختبري و40,9% في تشغيل منظومة
أسئلة وأجوبة حول الخبر
ما أبرز التفاصيل حول كيف قيست فائدة السياق؟
كانت المهمة حقيقية: كتابة خدمة بحث نصي بلغة Rust فوق Yandex Search API. قُدّم السياق للوكيل على دفعات لا في كتلة واحدة. ولم يقيَّم الكود النهائي، بل الخطة، لأنها تتفاعل مع البيانات الجديدة أسرع من الكود، وتُظهر بوضوح ما أخذه الوكيل في الحسبان فعلًا. ضم مجلد المشروع أربعة ملفات: readme.md ويحتوي وصف المشروع، وplan.md ويحتوي الخطة نفسها، وlogqa.md ويحتوي السجل الخام للأسئلة والأجوبة، وinfluence.md ويحتوي تقييمات كل دفعة. يجيب السجل الأول عن سؤال «ماذا حدث»، والثاني عن سؤال «ما مدى أهمية ذلك».
ما أبرز التفاصيل حول ما الذي قلب الخطة وما الذي لم يغيّر شيئًا؟
من بين 24 خطوة، نالت خطوتان فقط الحد الأقصى. الأولى هي قواعد التطوير المؤسسية. بعدها ظهرت في الخطة أقسام عن قابلية المراقبة (observability) والنشر ونموذج المستودعات والاختبارات. وطفت على السطح كذلك أسئلة لم يستطع الوكيل الإجابة عنها: REST/JSON أم gRPC/proto، وكيف تُسمّى المستودعات، وهل يلزم helm وk8s منذ البداية، وكيف تُسلَّم السجلات إلى OpenSearch. هذه اتفاقات فريق وليست مسائل تقنية. والثانية هي مجموعة المستودعات الحقيقية للشركة.
ما أبرز التفاصيل حول خلاصات للتطبيق العملي؟
يستخلص المؤلف من المقياس عدة قواعد. ضعوا المواصفات الفنية في ملف داخل المشروع. يستطيع الوكيل إعادة قراءته في أي لحظة، أما تلخيصه في المحادثة فيشوّه المعنى ويستهلك نافذة السياق. قدّموا قواعد الفريق والمستودعات الحقيقية في البداية. فهي مصدر درجات الخمس. وإذا قُدّمت لاحقًا، فسيتعين إعادة كتابة الخطة من جديد، وهذا يعني رموزًا ووقتًا إضافيين. قدّموا توثيق الأنظمة الخارجية بوصفه مصدرًا للحقائق. وأبقوا بالتوازي قائمة بالأسئلة المفتوحة، وضعوا علامة على الأسئلة المعطِّلة. سلّموا المفترقات ذات الدرجة 5 للإنسان.
Test Frontier LLMs & Autonomous Agents in One Workspace
Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.
أهم ما في عالم الذكاء الاصطناعي — مرة كل أسبوع
سبع قصص مهمة فعلاً هذا الأسبوع، مختارة بعناية. بلا ضجيج ولا بيانات صحفية.
تم! تحقق من بريدك للتأكيد.