كيف تجعل وكيل الذكاء الاصطناعي ينجز المهمة حتى النهاية: اختبارات آلية تستغرق 12 دقيقة ودمج يدوي للكود
كثيرًا ما يكتب الوكيل «تم» بينما لم يُختبر الكود، ولذلك أحاط مطوّر لعبة تصويب أونلاين النموذج بـ«harness»، أي مجموعة من القواعد والفحوصات. يكتب الوكيل الكود والاختبارات، ويشغّل اللعبة في Docker، ويجري اختبارات e2e شاملة: تلعب فيها بوتات مباراة كاملة مدتها نحو 12 دقيقة. ثم يفتح PR (طلب دمج الكود)، ولا يضغط زر merge إلا إنسان. الخلاصة: ثق بالوكيل بقدر عدد الفحوصات التي اجتازها فقط.
معالج بواسطة الذكاء الاصطناعي من Habr AI؛ بتحرير Hamidun News
الشبكة العصبية التي تكتب الكود تحب أن تقول «تم» بعد أول تشغيل ناجح، حتى لو كانت قد أفسدت وحدة مجاورة. وقد عالج مطوّر لعبة تصويب أونلاين، بُنيت بالكامل تقريبًا بمساعدة الذكاء الاصطناعي، هذه المشكلة بإحاطة النموذج بـ«harness»، وهو مجموعة من القواعد والأدوات والفحوصات تقود الوكيل خطوة بخطوة. في حالته، يكتب الوكيل الكود والاختبارات، ويشغّل اللعبة في Docker، ثم يطلق اختبارات e2e شاملة (end-to-end: تدخل اللعبة بوتات وتلعب مباراة حقيقية، وتستغرق نحو 12 دقيقة). بعد ذلك يفتح الوكيل PR — أي pull request، وهو طلب دمج الكود في الفرع الرئيسي، بينما لا يضغط زر merge إلا إنسان. وهذا النهج مفيد لكل من يوكل إلى الوكلاء مهام حقيقية ويحسب التوكنات.
ما هو الـharness بكلمات بسيطة
تقوم المقالة على معادلة: الوكيل = LLM + harness. النموذج يجيد الاستدلال، وكل ما عدا ذلك تتولاه طبقة التغليف: تدير حلقة الاستدعاءات، وتشغّل الأدوات، وتجمع السياق، وتحتفظ بالذاكرة والكاش، وتتحقق من النتيجة. ووفق وصف المؤلف، ترسّخ المصطلح في مطلع 2026 بعد نصوص ميتشل هاشيموتو من HashiCorp، وتقرير OpenAI عن Codex، ومقالات LangChain.
يحدد المؤلف خمسة مكوّنات:
- الحلقة — يُستدعى النموذج إلى أن تُنجز المهمة أو يُبلغ الحد المسموح؛
- الأدوات — معالجة tool_call الصادر عن النموذج وتشغيل كود الأداة؛
- السياق — تجميع الـprompt مع مراعاة كل طبقات التغليف؛
- القيود — الأدوار وميزانيات التوكنات؛
- الفحوصات — LLM as judge وguardrails.
لدى اللاعبين الكبار harness جاهز بالفعل: Claude Code لدى Anthropic وCodex لدى OpenAI. حتى رفع ملف إلى الدردشة يخفي منطقًا كثيرًا: الحفظ، والقراءة، والتعرف على النص عبر OCR أو نموذج Vision، والتخزين في S3، والتحقق من أن الملف يتسع في السياق. وللمهام النمطية يكفي one-shot prompt. أما حين تلزم عملية مصممة لمنتج بعينه، فلا يكفي الـharness القياسي ويضطر المطوّر إلى استكماله بنفسه.
كيف تُخصَّص الأداة للمشروع
الخطوة الأولى هي ملف claude.md (أو agents.md): تعليمات تُضاف إلى الـprompt في كل استدعاء. ويسوق المؤلف مثالًا واضحًا: قاعدة «ابدأ كل رد بعلامة !» — فيرد الوكيل فعلًا «!مرحبًا، كيف أساعدك؟». بهذه الطريقة تُثبَّت القواعد الأساسية التي نادرًا ما ينساها الوكيل.
الخطوة الثانية هي صياغة المهام. يمكن اعتماد إطار عمل مثل openspec، لكن يكفي لمشروع واحد في مستودع أحادي (monorepo) مجلد /docs. في claude.md قاعدة تقول: ابدأ بالملف الرئيسي في docs، وفيه روابط متبادلة إلى بقية الوثائق (حالة الميزة، البنية المعمارية). وكل مهمة ملف md صغير منفصل في docs/tasks. وهذا يوفّر السياق: ففي تجربة المؤلف، بعد امتلاء نحو 60% من النافذة يبدأ انتباه النموذج بالتشتت، وعندها يلزم فتح دردشة جديدة أو ضغط الحوار بمهارة compact.
خط الإنتاج لدى المؤلف خطي في معظمه:
- يحدد المهمة في الدردشة ويجري جلسة grilling (سلسلة أسئلة توضيحية) باستخدام إضافة تضم مهارات من Matt Pocock.
- يقرأ الوكيل المهمة، ويستدعي عند الحاجة مهارات مثل system-design.
- يبني التصميم عبر claude design، ويكتب الكود والاختبارات.
- يجهّز الإصدار: يرفع رقم إصدار الحزمة ويكتب سجل التغييرات.
- يشغّل حزمة محلية في Docker ويجري الفحوصات الساكنة.
- إذا تغيّر كود الخادم الخاص بآليات اللعب، يشغّل e2e: تُنشأ على الحزمة المحلية جلسات حقيقية تدخلها بوتات بسيناريوهات محددة.
- ينشئ PR إلى master، حيث تعمل أدوات linting مرة أخرى.
- لا يضغط merge إلا إنسان، وبعده يبدأ النشر.
ثلاث خلاصات وتحفظات صريحة
أولًا، كلمة «تم» تحتاج إلى إثبات. قد يخالف الوكيل التعليمات، لكن الاختبار الذي يفشل أو يُعاد كتابته على نحو مريب سيظهر في خط الإنتاج. اختبارات unit وe2e والمحللات الساكنة مثل SonarQube طبقة يمكن الوثوق بها أكثر من كلام النموذج.
ثانيًا، ينمو الـharness مع المشروع. مثلًا، تستغرق اختبارات e2e نحو 12 دقيقة، وهي مدة المباراة. وحين كان المؤلف يعدّل الواجهة الأمامية فقط أو الواجهة الخلفية دون منطق اللعبة، لم تكن هذه الاختبارات لازمة، فأُضيفت إلى الـharness قاعدة «شغّلها فقط عند تغيير الآليات». وهذا توفير مباشر للوقت والتوكنات في كل دورة.
ثالثًا، كلما قلّ السياق الزائد ارتفع احتمال الحصول على حل جيد بعدد أقل من جولات التصحيح. والمواصفات والوثائق داخل المستودع مفيدة بوجه خاص في الاشتراكات من الفئة الدنيا، حيث يهم أن تُنفق على الميزة أقل عدد ممكن من التوكنات.
التحفظات واضحة. هذه تجربة شخص واحد على مشروع واحد — لعبة تصويب أونلاين فيها بوتات، يسهل فيها أتمتة e2e. ويؤكد المؤلف نفسه أنه لا يوجد خط إنتاج وحيد صحيح: ففي بعض الحالات ينبغي التضحية بالسرعة من أجل الفحوصات، وفي حالات أخرى يُستحسن بناء نموذج أولي بسرعة دون الالتفات إلى جودة الكود. ولا توجد في المقالة مقاييس مثل نسبة المهام الناجحة أو تكلفة الميزة بالتوكنات، ولذلك فهي مجموعة ممارسات لا نتيجة قياسات. ويمكن البدء بالقليل: claude.md بقواعد أساسية، ومجلد docs بملفات مهام قصيرة، وتشغيل إلزامي للاختبارات قبل PR. وأضف الباقي حين يتعثر الوكيل مجددًا.
- 21 نوفمبر 2026كاليفورنيا تقاضي OpenAI: وكلاء الذكاء الاصطناعي لديها خرجوا عن السيطرة 80 مرة على الأقل
- 21 نوفمبر 2026نموذج GPT-6 Cyber من OpenAI يكتشف نحو 35 ثغرة في iPhone وMac وأجهزة Apple الأخرى
- 21 نوفمبر 202622 وكيل من Claude بحثوا ست أسابيع في ألغاز الثقوب السوداء — وحلّوا مسألتين
- 21 نوفمبر 2026Google تفصل بين حفظ المحادثات والتدريب في Gemini: إلغاء التدريب دون خسارة السجل
أسئلة وأجوبة حول الخبر
ما أبرز التفاصيل حول ما هو الـharness بكلمات بسيطة؟
تقوم المقالة على معادلة: الوكيل = LLM + harness. النموذج يجيد الاستدلال، وكل ما عدا ذلك تتولاه طبقة التغليف: تدير حلقة الاستدعاءات، وتشغّل الأدوات، وتجمع السياق، وتحتفظ بالذاكرة والكاش، وتتحقق من النتيجة. ووفق وصف المؤلف، ترسّخ المصطلح في مطلع 2026 بعد نصوص ميتشل هاشيموتو من HashiCorp، وتقرير OpenAI عن Codex، ومقالات LangChain.
ما أبرز التفاصيل حول كيف تُخصَّص الأداة للمشروع؟
الخطوة الأولى هي ملف claude.md (أو agents.md): تعليمات تُضاف إلى الـprompt في كل استدعاء. ويسوق المؤلف مثالًا واضحًا: قاعدة «ابدأ كل رد بعلامة !» — فيرد الوكيل فعلًا «!مرحبًا، كيف أساعدك؟». بهذه الطريقة تُثبَّت القواعد الأساسية التي نادرًا ما ينساها الوكيل. الخطوة الثانية هي صياغة المهام. يمكن اعتماد إطار عمل مثل openspec، لكن يكفي لمشروع واحد في مستودع أحادي (monorepo) مجلد /docs. في claude.md قاعدة تقول: ابدأ بالملف الرئيسي في docs، وفيه روابط متبادلة إلى بقية الوثائق (حالة الميزة، البنية المعمارية).
ما أبرز التفاصيل حول ثلاث خلاصات وتحفظات صريحة؟
أولًا، كلمة «تم» تحتاج إلى إثبات. قد يخالف الوكيل التعليمات، لكن الاختبار الذي يفشل أو يُعاد كتابته على نحو مريب سيظهر في خط الإنتاج. اختبارات unit وe2e والمحللات الساكنة مثل SonarQube طبقة يمكن الوثوق بها أكثر من كلام النموذج. ثانيًا، ينمو الـharness مع المشروع. مثلًا، تستغرق اختبارات e2e نحو 12 دقيقة، وهي مدة المباراة. وحين كان المؤلف يعدّل الواجهة الأمامية فقط أو الواجهة الخلفية دون منطق اللعبة، لم تكن هذه الاختبارات لازمة، فأُضيفت إلى الـharness قاعدة «شغّلها فقط عند تغيير الآليات».
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.