Skaro: كيف بنى مطوّر واحد منسّق ذكاء اصطناعي متكاملاً لدورة التطوير الكاملة في ليالٍ بلا نوم

عندما أصبحت أدوات البرمجة بالذكاء الاصطناعي، مثل Cursor وCopilot وClaude Code، جزءاً من الاستخدام اليومي لآلاف المطوّرين، ظهرت مفارقة غير متوقعة: كلما ازدادت النماذج اللغوية قوة، ازدادت الحاجة، لا إلى توليد الشيفرة بحد ذاته، بل إلى إدارته بكفاءة. وهذه المشكلة تحديداً تصدّى لها مطوّر روسي قدّم على Habr مشروع Skaro، وهو منسّق ذكاء اصطناعي يَعِد بالإمساك بدورة التطوير بأكملها، من المواصفات حتى الشيفرة الجاهزة.

بدأت قصة Skaro، كما يحدث كثيراً في مجتمع المصادر المفتوحة، من نقاش في التعليقات. فقد نشر مؤلف المشروع سابقاً مقالاً عن تجربته في البرمجة بالذكاء الاصطناعي، شارك فيه مقاربات عملية لتوليد الشيفرة. واقترح عليه القرّاء منهجية SDD، أي Specification-Driven Development، التطوير عبر المواصفات. وجاءت الفكرة منسجمة مع تجربته الشخصية إلى حد أنه بنى، في بضع ليالٍ بلا نوم، نموذجاً أولياً عاملاً لأداة تطبّق هذه الفلسفة عملياً.

يبدو مفهوم Skaro بسيطاً للوهلة الأولى، لكن وراء هذه البساطة مهمة معمارية جدّية. يصوغ المطوّر المواصفات، أي أوصافاً واضحة لما يجب أن تفعله الشيفرة، وللبنية التي ينبغي أن تكون عليها، وللمتطلبات التي يجب أن تستوفيها. بعد ذلك يتولى الذكاء الاصطناعي توليد التنفيذ بناءً على هذه المواصفات. غير أن الفارق الجوهري عن كتابة الأوامر النصية (prompting) المعتادة هو أن Skaro يؤدي دور المنسّق: فهو يحرص على ألا يضيع السياق بين التكرارات، وعلى أن تبقى بنية المشروع متسقة، وعلى ألا تتدهور جودة الشيفرة مع نمو قاعدتها. وهذه تحديداً المشكلات التي يواجهها كل من حاول بناء شيء جدّي بمساعدة مساعدي الذكاء الاصطناعي.

تُعدّ مشكلة فقدان السياق ربما أكبر معاناة في البرمجة الحديثة بالذكاء الاصطناعي. فالنماذج اللغوية تعمل ضمن نافذة سياق محدودة، وحين يتضخم المشروع تبدأ النموذج «بنسيان» القرارات المتخذة سابقاً، فيكرّر المنطق ويخرق الأنماط المعتمدة. ويضطر المطوّرون إلى إنفاق جزء كبير من وقتهم، لا في العمل المنتج، بل في إعادة شرح السياق للنموذج. ويحاول Skaro حل هذه المشكلة بصورة منهجية، إذ يعمل وسيطاً يحفظ السياق ذا الصلة ويمرّره إلى النموذج في كل خطوة.

يندرج هذا المشروع ضمن اتجاه أوسع يكتسب زخماً في صناعة التطوير. فعدد متزايد من المهندسين يخلص إلى أن مستقبل البرمجة بالذكاء الاصطناعي لا يكمن في نماذج أذكى بحد ذاتها، بل في البنية التحتية المحيطة بها. وتظهر أدوات لإدارة الأوامر النصية، وأنظمة لمراقبة جودة الشيفرة المولّدة، وأطر لتفكيك المهام. وعملياً، تتشكل طبقة جديدة في حزمة التطوير: طبقة التنسيق بين الإنسان والذكاء الاصطناعي. ويُعدّ Skaro من أوائل ممثلي هذا الاتجاه في المجتمع الناطق بالروسية.

ومن المهم الإشارة أيضاً إلى الأساس المنهجي للمشروع. فنهج SDD في التطوير يفترض أن المواصفة هي الأصل وأن التنفيذ تابع لها. ويتقاطع هذا مع ممارسات كلاسيكية مثل TDD (Test-Driven Development، أي التطوير القائم على الاختبارات) والبرمجة التعاقدية، لكنه مكيَّف مع واقع العمل مع الذكاء الاصطناعي التوليدي. فحين يتلقى النموذج مواصفة واضحة بدلاً من وصف فضفاض للمهمة، تكون جودة النتيجة أعلى بصورة متوقعة. وحين يراقب منسّق آلي الالتزام بالمواصفات، يتقلص العامل البشري، المتمثل في سياق منسي أو تعليمات متضاربة، إلى أدنى حد.

ومن الطبيعي أن Skaro لا يزال في مرحلة مبكرة، ومن السابق لأوانه الحكم على نضجه. فقد أنشأه مطوّر واحد بوتيرة الهاكاثون، وأمامه طريق طويل من النموذج الأولي إلى أداة موثوقة يمكن ائتمانها على التطوير في بيئات الإنتاج. ويبقى سؤال قابلية التوسع مفتوحاً: إلى أي مدى سينجح النظام في التعامل مع مشاريع ضخمة فعلاً، يُقاس فيها عدد المواصفات وترابطاتها بالمئات.

ومع ذلك، فإن مجرد ظهور مثل هذه المشاريع يدل على تحول مهم في تفكير المطوّرين. فعصر الحماس الساذج للبرمجة بالذكاء الاصطناعي، حين كان يكفي أن تطلب من النموذج «اكتب لي تطبيقاً»، يفسح المجال أمام مقاربة أكثر نضجاً. إذ يدرك المطوّرون أن الذكاء الاصطناعي أداة قوية لكنها تتطلب انضباطاً، ويبدؤون ببناء أنظمة تفرض هذا الانضباط. ويُعدّ Skaro عَرَضاً نموذجياً لهذا النضج، وبصرف النظر عن مصير هذا المشروع بعينه، فإن الاتجاه الذي يمثّله سيزداد قوة.