الخرائط والإضاءة وClaude: كيف قضت الأوامر النصية على التطوير الكلاسيكي في إنترنت الأشياء

لا يزال كثيرون يحاولون حشر الشبكات العصبية في أي مكان، فقط ليظهر في التقرير المقدم للمستثمرين بند «AI-driven». أما العثور على مهمة حقيقية للنموذج في القطاع الصناعي القاسي فمغامرة صعبة. وغالبًا ما ينتهي الأمر بقراءة عشرات المقالات على موقع Habr التي لا تقدم سوى النظرية. لكن اختراقًا يحدث أحيانًا، حين يقرر مطوّر أن يقلب طريقة تفكيره رأسًا على عقب ويكفّ عن انتظار حتمية بنسبة مئة بالمئة من النظام. وهذا بالضبط ما جرى في حالة إنترنت الأشياء الصناعي (IoT) لأنظمة إنارة الشوارع.

تخيّل مهمة نموذجية: لديك آلاف خزائن التحكم ووحدات التحكم المنتشرة في أرجاء المدينة. ولكل منها عشرات المعاملات، ومجموعاتها الخاصة من الحالات، وشبكة mesh معقدة تتواصل عبرها الأجهزة فيما بينها. ويتطلب النهج التقليدي بناء خريطة تفاعلية متعددة الطبقات. وحاول المطورون لسنوات تعبئة هذا الكم من البيانات في مخطط عملي، لكن النتيجة كانت دائمًا إما ثقيلة أكثر من اللازم أو غير مرنة بما يكفي. فتطوير الطبقات الكلاسيكي على الخرائط ببساطة لم يستطع مجاراة ديناميكية العتاد الفعلي.

تغيّر كل شيء حين أُضيف Claude وn8n إلى المعادلة. فبدلًا من كتابة كل تفصيلة صغيرة في سلوك النظام داخل الشيفرة، قرر المهندسون استخدام الأوامر النصية (prompts). يبدو ذلك هرطقة في نظر المدرسة القديمة، لكن الانتقال إلى منطق الاحتمالات أتاح أتمتة ما كان يستغرق أسابيع من البرمجة. وبدأ وكلاء الذكاء الاصطناعي بمعالجة الاستعلامات الموجهة إلى بيانات الخرائط، وتكوين العروض المطلوبة في اللحظة نفسها. أما مشكلة تصوير شبكة mesh، التي بدت مستعصية بسبب طبيعتها غير الخطية، فقد حُلّت عبر وصف الروابط بلغة طبيعية.

لماذا يهم هذا الآن تحديدًا؟ نحن على أعتاب لحظة تصبح فيها «كتابة الشيفرة» وسيلة باهظة وبطيئة أكثر من اللازم لحل مهام الواجهات. وفي إنترنت الأشياء الصناعي، حيث كلفة الخطأ مرتفعة والبيانات هائلة، بدأت مرونة الأمر النصي تتفوق على صلابة الخوارزمية. واستخدام LLM لإدارة طبقات الخرائط ليس سوى أولى الإشارات. وهو يُظهر أن الأنظمة البصرية المعقدة يمكن أن تكون قابلة للتكيف دون إعادة كتابة الواجهة الأمامية كل ستة أشهر.

بالطبع يتطلب هذا النهج قدرًا من الجرأة. فعلينا الإقرار بأن النظام قد يخطئ، وأن نتعلم كيف نتعامل مع هذه الأخطاء. لكن حين ترى كيف ينظّم Claude في ثوانٍ بيانات أمضى الفريق شهورًا في مصارعتها، تسقط الأسئلة من تلقاء نفسها. لم نعد نبني هياكل جامدة، بل ندرّب النظام على فهم ما نريد رؤيته على الخريطة في لحظة معينة. وهذا هو الانتقال الحقيقي من البرمجة إلى إدارة الذكاء.

الخلاصة: هندسة الأوامر النصية (prompt engineering) دخلت رسميًا إلى التطوير الصناعي. فإن كنت لا تزال ترسم كل طبقة من طبقات الخريطة يدويًا، فربما تهدر وقت شركتك سدى. فهل أنت مستعد لأن تأتمن ذكاءً «احتماليًا» على تصوير البنية التحتية الحرجة؟