SkillMarket يبني سوقًا لمهارات وكلاء الذكاء الاصطناعي على FastAPI وClaude Sonnet

عرض SkillMarket نسخة MVP من سوق للمهارات المتخصصة لوكلاء الذكاء الاصطناعي، بُنيت على FastAPI في بضعة أسابيع فقط. يحاول المشروع حل مشكلة قديمة في النماذج التوليدية: فهي مفيدة في المهام العامة، لكنها في السيناريوهات المهنية الضيقة تبدأ سريعًا بارتكاب الأخطاء إذا غابت الخبرة البشرية.

من أين جاءت الفكرة

يصف فريق المشروع سيناريو مألوفًا لدى كثير من الشركات: وكلاء الذكاء الاصطناعي يتعاملون جيدًا نسبيًا مع الشيفرة البرمجية والرسائل النمطية والأعمال الداخلية الروتينية، لكنهم يتعثرون عندما يتطلب العمل مجالًا متخصصًا مليئًا بالتفاصيل الدقيقة. ويورد المقال أمثلة من التحكيم والضرائب وفق نظام УСН (نظام الضريبة المبسّط)، حيث لا يكفي وجود «نموذج ذكي» فحسب. المطلوب هو أسلوب تفكير متسلسل لخبير ممارس، وإلا بدأ LLM بالهلوسة وتقديم إجابات غير دقيقة بصورة خطيرة.

ومن هنا وُلدت الفرضية: بدلًا من إجلاس متخصص senior مكلف بجانب المطوّر في كل مرة، وبناء مطالبات chain-of-thought يدويًا، يمكن تحويل هذه الخبرة إلى منتج رقمي مستقل. يصف المحامي أو متخصص اللوجستيات أو أي خبير قطاعي آخر خوارزمية عمله، ثم تشتريها الشركات كمهارة جاهزة لوكيلها المؤسسي. وبذلك يقترح SkillMarket نقل هندسة المطالبات (prompt engineering) من حرفة داخل فريق التطوير إلى سوق مستقلة للخبرة المتخصصة.

كيف صُمم المنتج MVP

البنية التقنية للمشروع عملية إلى أقصى حد وخالية من الطبقات الزائدة. اختار الفريق Python وFastAPI للخلفية، وPostgreSQL وSQLAlchemy للتخزين، وأوكل المهام غير المتزامنة إلى Celery وRedis، وبنى الواجهة بـ Vanilla JS مع Vite. وتُجمَّع البنية التحتية في Docker Compose، أي أن الفريق تعمّد عدم اللجوء إلى الخدمات المصغّرة (microservices) في مرحلة MVP. وهذا يبدو منطقيًا: فالقيمة الأساسية هنا لا تكمن في منصة موزّعة، بل في سرعة اختبار الفرضية نفسها.

• FastAPI وOpenAPI — لواجهة API والتكاملات المستقبلية
• PostgreSQL وSQLAlchemy وAlembic — للبيانات وعمليات الترحيل
• Celery وRedis — لاستدعاءات LLM في الخلفية
• Vanilla JS وVite وSortable.js وMarked.js — لواجهة أمامية خفيفة
• Docker Compose — للنشر السريع للنظام بأكمله

وجعل الفريق عملية إنشاء المهارة نفسها «إنسانية» لا تقنية. فلا يحتاج الخبير إلى معرفة ما هو few-shot prompting أو JSON schema: يدخل ببساطة إلى المُنشئ ويصف بنص حر كيف يحل المهمة في عمله الفعلي. بعد ذلك يرسل Celery هذه المسودة إلى Claude Sonnet عبر OpenRouter، فيحوّل النموذج تدفق الأفكار إلى مطالبة نظام (system prompt) منظمة تتضمن العنوان والوصف والغرض والوسوم وتقديرًا لحجم الرموز (tokens).

كيف تُفلتَر الجودة

المشكلة التالية هي المراجعة. فإذا فُتحت الواجهة لبيع المطالبات دون ضوابط، فسرعان ما تتحول إلى مستودع لقوالب مشكوك فيها بلا فائدة حقيقية للأعمال. لذلك يشغّل SkillMarket بعد نشر المهارة فحصًا آليًا عبر Claude Sonnet وGPT-4o معًا. يمنح النموذجان درجات وفق عدة معايير، وتُحال البطاقات الضعيفة إلى مراجعة يدوية أو تُستبعد منذ البداية.

• clarity — مدى وضوح التعليمات
• completeness — مدى اكتمال تغطية الخوارزمية
• domain_accuracy — خلوّ المنطق المتخصص من أخطاء واضحة
• reusability — إمكانية تطبيق المهارة في شركات مختلفة
• overall_score — الدرجة الإجمالية لاتخاذ قرار النشر

وفكّر الفريق على حدة في تحقيق الدخل. فقد ربط المنصة بـ ЮKassa للمدفوعات: يشحن المشتري رصيده ويشتري المهارة، وتحتجز المنصة عمولة قدرها 20%، ويذهب الباقي إلى حساب المؤلف الداخلي. ويكتب كاتب المقال أنه بعد أول منشور عن المشروع بدأ يتواصل معه لا مختصو تقنية المعلومات فقط، بل خبراء من مجالات أخرى. وهذه إشارة مهمة لـ MVP: فالنموذج يهم المطورين، كما يهم أصحاب الخبرة التطبيقية أنفسهم.

«تأجير عقولك»

ماذا يعني ذلك

إذا نجح هذا النموذج، فقد يتحول سوق وكلاء الذكاء الاصطناعي من بيع «الروبوتات العامة» إلى بيع مهارات متخصصة ضيقة ومُتحقَّق منها. وهذا سيناريو مريح للشركات: فبدل تنمية مهندس مطالبات خاص داخل كل فريق، تشتري كتلًا جاهزة من الخبرة، تقريبًا كما تُثبَّت المكتبات اليوم عبر npm أو pip.