Skaro: كيف بنى مطور واحد منسق AI متكاملًا خلال ليالٍ بلا نوم

عندما أصبحت مولدات الكود الذكية مثل Cursor و Copilot و Claude Code أدوات يومية لآلاف المطورين، ظهر تناقض غير متوقع. كلما أصبحت نماذج اللغة أكثر قوة، كلما أصبحت الحاجة أشد حدة—ليس للتوليد الآلي للأكواد نفسه، بل لإدارته بذكاء. وهذه هي المشكلة بالذات التي حاول مطور روسي حلها، حيث قدم على Habr مشروع Skaro—منظم ذكي للعمليات يعد بالسيطرة على كل دورة التطوير، من المواصفات إلى الكود النهائي.

بدأت قصة Skaro، كما يحدث غالباً في مجتمع المصدر المفتوح، بنقاش في التعليقات. قد نشر مؤلف المشروع مسبقاً مقالة عن تجربته في العمل مع البرمجة بالذكاء الاصطناعي، حيث شاركَ أساليب عملية لتوليد الأكواد. أشار القراء إليه نحو منهجية SDD—Specification-Driven Development، التطوير من خلال المواصفات. كانت الفكرة تتردد بقوة مع تجربته الخاصة بحيث بنى حرفياً نموذجاً أولياً عاملاً للأداة يطبق هذه الفلسفة في غضون ليالٍ بدون نوم.

يبدو مفهوم Skaro بسيطاً للوهلة الأولى، لكن خلف هذه البساطة تكمن تحدٍّ معماري جدي. يصيغ المطور المواصفات—وصفات واضحة لما يجب أن يفعله الكود، وما هي البنية التي يجب أن يحتويها، وما المتطلبات التي يجب أن يستوفيها. بعد ذلك، يدخل الذكاء الاصطناعي حيز التنفيذ، ويولّد تطبيقاً بناءً على تلك المواصفات. لكن الفرق الأساسي عن الصياغة العادية هو أن Skaro يفترض دور المنظم: يضمن عدم فقدان السياق بين التكرارات، وأن تبقى بنية المشروع متسقة، وأن لا تتدهور جودة الكود مع نمو قاعدة الأكواس. هذه هي بالضبط المشاكل التي يواجهها أي شخص حاول بناء شيء جاد باستخدام مساعدي الذكاء الاصطناعي.

فقدان السياق هو ربما أهم نقطة ألم في البرمجة الحديثة بمساعدة الذكاء الاصطناعي. تعمل نماذج اللغة ضمن نافذة سياق محدودة، وعندما ينمو المشروع، يبدأ النموذج في "نسيان" القرارات التي تم اتخاذها سابقاً، وتكرار المنطق، وانتهاك الأنماط المعمول بها. يضطر المطورون إلى قضاء جزء كبير من وقتهم ليس في العمل الإنتاجي، بل في إعادة شرح السياق للنموذج مراراً وتكراراً. يحاول Skaro حل هذه المشكلة بشكل منهجي، حيث يعمل كوسيط يخزن ويوصل السياق الملائم للنموذج في كل خطوة.

يندرج هذا المشروع ضمن اتجاه أوسع يكتسب زخماً في صناعة التطوير. يتوصل المزيد والمزيد من المهندسين إلى استنتاج مفاده أن مستقبل البرمجة بالذكاء الاصطناعي لا يكمن في نماذج أكثر ذكاءً في حد ذاتها، بل في البنية التحتية من حولها. تظهر أدوات لإدارة الأوامر، وأنظمة للتحكم في جودة الأكواد المولدة، وأطر عمل لتحليل المهام. في جوهرها، تتشكل طبقة جديدة في مكدس التطوير—طبقة تنسيق بين البشر والذكاء الاصطناعي. Skaro هو أحد الممثلين الأوائل لهذا الاتجاه في المجتمع الناطق بالروسية.

من المهم ملاحظة الأساس المنهجي للمشروع أيضاً. يفترض SDD كنهج للتطوير أن المواصفات أساسية والتطبيق ثانوي. يتماشى هذا مع الممارسات الكلاسيكية مثل TDD (Test-Driven Development) والبرمجة بالعقود، لكن تكييفاً مع واقع العمل مع الذكاء الاصطناعي التوليدي. عندما يتلقى النموذج مواصفات واضحة بدلاً من وصف غامض لمهمة، تكون جودة النتائج أعلى بشكل متوقع. وعندما يشرف منظم آلي على الالتزام بالمواصفات، يتم تقليل العامل البشري في شكل سياق مفقود أو تعليمات غير متسقة إلى الحد الأدنى.

بالتأكيد، لا يزال Skaro في مراحله الأولى، ومن السابق لأوانه الحكم على نضجه. تم إنشاء المشروع من قبل مطور واحد في وضع الاختبار السريع، وأمامه طريق طويل من النموذج الأولي إلى أداة موثوقة يمكن الاعتماد عليها في التطوير الإنتاجي. تبقى مسألة قابلية الأسلوب للتوسع مفتوحة: ما مدى نجاح النظام في التعامل مع المشاريع الكبيرة حقاً، حيث يُقاس عدد المواصفات وتوابعها بمئات الوحدات؟

ومع ذلك، يشير مجرد ظهور مثل هذه المشاريع إلى تحول مهم في تفكير المطورين. إن عصر الحماس الساذج لبرمجة الذكاء الاصطناعي، عندما كان يكفي أن تطلب من النموذج "اكتب لي تطبيقاً"، يُفسح المجال أمام نهج أكثر نضجاً. يدرك المطورون أن الذكاء الاصطناعي هو أداة قوية لكنها تتطلب انضباطاً، ويبدأون في بناء أنظمة توفر هذا الانضباط. Skaro هو عرض مميز لهذا النضج، وبغض النظر عن مصير أي مشروع معين، فإن الاتجاه الذي يمثله سيزداد قوة فقط.