نهاية «الفايب كودينغ»: كيف تبني عملية تطوير مع LLM لا تقتل مشروعك
وصف مطوّر على موقع Habr عامًا من العمل مع LLM في بيئة الإنتاج، واعترف بصراحة بأن توليد الشيفرة دون تفكير عبر روبوتات الدردشة طريق مباشر إلى الدين التقني. فالنماذج تُخرج شيفرة نظيفة في ظاهرها، لكن مع اتساع المشروع يتراكم التكرار، ويتشتت الأسلوب، وتتكاثر الشيفرات البديلة المؤقتة (stubs). ويقترح المؤلف منهجية محددة: فصل السياق على محادثات مستقلة، وإنتاج مخرجات موثّقة إلزامية في كل مرحلة، وقوائم تحقق لمراجعة النتيجة. وفي جوهرها، هي محاولة لتحويل «الفايب كودينغ» الفوضوي إلى انضباط هندسي.
معالج بواسطة الذكاء الاصطناعي من Habr AI؛ بتحرير Hamidun News
بحسب استطلاعات متعددة، يستخدم أكثر من 70% من المطوّرين أدوات الذكاء الاصطناعي بانتظام في كتابة الشيفرة، لكن منهجيات العمل معها لا تزال تتشكل بصورة عفوية. وقد وصف أحد المطوّرين، الذي استخدم LLM في عمله اليومي لأكثر من عام، مساره المؤلم من «الفايب كودينغ» الساذج إلى نظام هندسي قائم على ثلاثة مبادئ، يتيح الاستفادة من مساعدي الذكاء الاصطناعي دون التضحية بجودة قاعدة الشيفرة.
ما هو الفايب كودينغ ولماذا يفشل
ظهر مصطلح «الفايب كودينغ» بين المطوّرين وصفًا ساخرًا لعملية يكتفي فيها المبرمج بتمرير المهام إلى نموذج لغوي ويقبل كل ما يولّده تقريبًا دون مراجعة تُذكر. في البداية يبدو كل شيء رائعًا: يولّد النموذج الدوال بسرعة، ويكتب الاختبارات، ويقترح حلولًا معمارية، والشيفرة نظيفة في ظاهرها، وأسماء المتغيرات مرتبة، والتعليقات في مكانها. لكن مع نمو المشروع يتراكم دين تقني غير مرئي.
فالنموذج لا يتذكر أنه كتب أداة مشابهة قبل ثلاث محادثات، ولا يعرف نمط معالجة الأخطاء المعتمد في المشروع، ويُدرج شيفرات بديلة مؤقتة (stubs) في مواضع تحتاج إلى منطق حقيقي، ويفعل ذلك بثقة تجعل من السهل اعتبارها شيفرة عاملة. والنتيجة أن تصحيح الأخطاء يصبح أكثر كلفة، وإعادة الهيكلة أكثر إيلامًا، وتتراجع الثقة بالشيفرة المولّدة. وتنحصر معظم مقاربات العمل مع LLM اليوم في طرفين: إما ثقة كاملة بالنموذج، وإما التخلي عنه تمامًا بعد أول خطأ جسيم.
ثلاثة مبادئ للمنهجية
المبدأ الأول هو فصل السياق على محادثات مستقلة. فبدلًا من حوار واحد لا ينتهي يفقد النموذج فيه الخيط تدريجيًا، يخصص المؤلف جلسات منفصلة لمهام محددة: القرارات المعمارية، وكتابة منطق الأعمال، والاختبار، وإعادة الهيكلة. وتحصل كل محادثة على موجّه نظام (system prompt) خاص بها يصف حزمة التقنيات والاصطلاحات الأساسية والحالة الراهنة للوحدة. ولا يلغي ذلك مشكلة محدودية نافذة السياق بالكامل، لكنه يقلل احتمال أن «ينسى» النموذج تفاصيل حاسمة.
المبدأ الثاني هو المخرجات الموثّقة الإلزامية في كل خطوة: ليس الشيفرة وحدها، بل مخرجًا منظّمًا يتضمن وصف القرارات المتخذة، وقائمة التبعيات، وقائمة الافتراضات، وتحديدًا صريحًا للمواضع التي استُخدمت فيها شيفرات بديلة مؤقتة أو تبسيطات. وهذا يحوّل العمل مع LLM من صندوق أسود إلى عملية شفافة، يُوثَّق فيها كل قرار ويمكن الاعتراض عليه أثناء مراجعة الشيفرة.
أما العنصر الثالث فهو قوائم التحقق. فبعد كل عملية توليد يفحص المؤلف النتيجة: هل هناك تكرار مع شيفرة موجودة، وهل يتوافق الأسلوب مع الاصطلاحات المعتمدة، وهل وُسمت كل الشيفرات البديلة المؤقتة بـ TODO، وهل عولجت الحالات الحدّية على النحو الصحيح. وتُؤتمت بعض الفحوص عبر أدوات linter والتحليل الساكن، ويتطلب بعضها فحصًا يدويًا، لكن التحقق ليس اختياريًا، بل جزء إلزامي من خط المعالجة (pipeline)، ولا تدخل الشيفرة الفرع الرئيسي بدونه.
كلفة الانضباط ودور المطوّر
يزيد النهج الموصوف الأعباء الإضافية: ففصل السياق وكتابة الموجّهات والتحقق كلها تستهلك وقتًا كان يمكن أن يُصرف على كتابة الشيفرة مباشرة. ويرى المؤلف أن هذا الاستثمار يعوّض نفسه أضعافًا على المدى البعيد، فالمشروع الذي لا يتراكم عليه دين تقني خفي ينمو في النهاية أسرع من مشروع يبدأ كل سبرينت فيه بتنظيف عواقب التوليد دون تفكير.
ويلفت هذا النهج الانتباه في الصناعة لأنه يصوغ دور المطوّر رسميًا عند العمل مع مساعدي الذكاء الاصطناعي: فالمبرمج لا يعود مجرد مشغّل يضغط زرًا ويقبل النتيجة، بل يصبح مهندسًا للعملية، هو من يضع الأطر ويراقب الجودة ويتخذ القرارات النهائية. ويتسق ذلك مع موقف تعلنه الشركات الكبرى بتكرار متزايد: الذكاء الاصطناعي لا يحلّ محل المهندس بل يعزّز قدراته، لكن بشرط وجود الانضباط. ويبدو أن عصر «الفايب كودينغ» الساذج يقترب من نهايته، إذ ينتقل المطوّرون إلى بناء عمليات ناضجة حول النماذج اللغوية، وأولئك الذين سيحوّلون التوليد الفوضوي إلى خط إنتاج هندسي منضبط سيحصلون على ميزة تنافسية حقيقية: ليس السرعة وحدها، بل السرعة دون خسارة الجودة.
ما هو الفايب كودينغ؟
الفايب كودينغ مصطلح ساخر لممارسة يكتفي فيها المبرمج بتمرير المهام إلى نموذج لغوي ويقبل تقريبًا كل ما يولّده دون مراجعة جدية. في البداية تبدو الشيفرة نظيفة ومرتبة، لكن مع نمو المشروع يتراكم دين تقني خفي: تكرار في المنطق، وسياقات منسية من النموذج، وشيفرات بديلة مؤقتة يسهل اعتبارها شيفرة عاملة.
ما المبادئ الثلاثة التي يقترحها مؤلف المنهجية؟
تقوم المنهجية على ثلاثة مبادئ: فصل السياق على محادثات مستقلة لمهام محددة (المعمارية، ومنطق الأعمال، والاختبار، وإعادة الهيكلة)، مع موجّه نظام خاص بكل محادثة؛ ومخرجات منظّمة إلزامية في كل خطوة تتضمن وصف القرارات والتبعيات والافتراضات والشيفرات البديلة المؤقتة الصريحة؛ وقوائم تحقق بعد كل عملية توليد تفحص التكرار والأسلوب ووسوم TODO والحالات الحدّية، وبعضها مؤتمت عبر أدوات linter.
كم عدد المطوّرين الذين يستخدمون أدوات الذكاء الاصطناعي في عملهم؟
بحسب استطلاعات متعددة، يستخدم أكثر من 70% من المطوّرين أدوات الذكاء الاصطناعي بانتظام في كتابة الشيفرة. ومع ذلك، كما يشير المؤلف، لا يزال النهج الهندسي الوسط بين الثقة الكاملة بالنموذج والتخلي عنه تمامًا بعد أول خطأ جسيم نادرًا.
Access Frontier LLMs & Multimodal AI in One Workspace
Discover NomadNet AI (nomadnet.ai) — unified access to frontier language models, research synthesis, and multimodal workflows.
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.