أتمتت Just AI لغة JAICP DSL: وكيل ذكاء اصطناعي يكتب الأنماط والاختبارات في دقيقة واحدة بدلاً من ست ساعات

أتمتت Just AI العمل مع JAICP DSL من خلال وكيل ذكاء اصطناعي يكتب الأنماط والاختبارات الآلية بدلاً من البشر. وفقاً لتقدير الفريق، أصبحت المهمة التي كانت تستغرق حوالي ست ساعات من العمل الروتيني اليدوي تستغرق الآن حوالي دقيقة واحدة فقط—يحتاج المطور فقط إلى مراجعة النتيجة وتصحيحها إذا لزم الأمر.

لماذا كان هذا ضرورياً

يعمل فريق JAICP مع DSL خاصة لوصف الأنماط التي تساعد البوت على فهم عبارات المستخدم. على الورق، تبدو المهمة بسيطة: خذ "نعم" أو "مرحبا" أو "لا يعمل" ووصفها كقالب. في الممارسة العملية، يصبح كل شيء معقداً بسرعة: يكتب المستخدمون باللغة العامية ويرتكبون أخطاء ويستخدمون أشكالاً محادثة ويفعلون ذلك بلغات مختلفة.

لمشروع واحد، اضطرت Just AI إلى مراعاة اللغة الروسية والإنجليزية والألمانية والتركية، والترجمة الحرفية غالباً ما لا تعمل. أثبتت التنوعية أنها مؤلمة بشكل خاص. يوفر العميل قائمة أساسية من العبارات، لكن للحصول على تغطية سيناريو مناسبة، يحتاج المطور إلى اختراع نظائر وأشكال مورفولوجية وصيغ غير قياسية بنفسه.

الاختبارات الآلية أيضاً لا تحل المشكلة تماماً: حتى لو كان يمكن إنشاء نموذج بواسطة script، فلا يزال يتعين على شخص ما تحضير أمثلة الإدخال والتحقق من الصيغة والتأكد من استخدام DSL بشكل صحيح. لذلك قررت الفريق عدم الاقتصار على طلب عادي إلى LLM، بل بناء وكيل منفصل يفهم سياق المنصة ويتحمل المهام الروتينية.

كيف يعمل الوكيل

يعتمد الحل على Claude Sonnet 4.5، الذي تم اختياره لتوليد كود DSL المستقر والاتباع الجيد للتعليمات. تم إعطاء الوكيل ثلاث أدوات عمل: البحث عن أجزاء التوثيق ذات الصلة في Jay Knowledge Hub، وإنشاء الإجابات بناءً على نفس قاعدة المعرفة والتحقق الذاتي المنفصل عبر Llm.sendRequest مع GPT-4o-mini. سمحت هذه المكدس ليس فقط بـ "ملء" العبارات، بل بالاعتماد على الأمثلة الحقيقية لـ JAICP والتقاط جزء من الأخطاء قبل تسليم النتائج للمستخدم.

• يسحب الأمثلة والقواعد من قاعدة معرفة JAICP
• ينشئ الأنماط ويشرح هيكلها
• يظهر أي عبارات يغطيها القالب
• يكتب الاختبارات الآلية بناءً على نفس الأمثلة
• يفصل الإجابات حسب اللغة ولا يمزجها في كتلة واحدة

كان الدور الرئيسي من نصيب ليس مجموعة الأدوات، بل النص. قسّم الفريق النص إلى منطق عام وكتلة للأنماط وكتلة للاختبارات الآلية والتحقق الذاتي النهائي. وصفت التعليمات بشكل منفصل التحليل الدلالي والمورفولوجي والنحوي وقواعس الكتل الاختيارية وتجميع المرادفات، ثم أجبرت النموذج على بناء أنماط محسّنة وليس تعدادات حرفية. عندما بدأت النماذج في "التمرد"، تم صقل النص وهيكلته بمساعدة DeepSeek، وللدعم متعدد اللغات، أضافوا قاعدة بسيطة: حدد اللغة أولاً، ثم طبّق مورفولوجيتها.

النتائج والأرقام

تم ربط الوكيل المكتمل بـ Telegram لاختبار السيناريوهات بشكل أسرع. نتيجة لذلك، تعلم البوت جمع نموذج DSL من عبارة مستخدم واحدة، وإظهار متغيرات الرد المغطاة وإنشاء الاختبارات الآلية على الفور. كانت ميزة إضافية أن النظام بدأ في كتابة سيناريوهات DSL أيضاً، على الرغم من أنه لم يتم تدريبه خصيصاً على ذلك: سحب النموذج المعرفة الضرورية من التوثيق في قاعدة المعرفة. أثبت هذا الشكل أنه مفيد ليس فقط للمطورين ذوي الخبرة، بل أيضاً للتدريب الأساسي للمبتدئين الذين يحتاجون إلى رؤية ليس فقط القالب النهائي بل أيضاً منطق بنائه.

"يتعامل الوكيل أيضاً معها في دقيقة واحدة—تسارع بمعامل 360 مرة."

حسب الفريق الأرقام على مثال محدد: هناك 20 عبارة من العميل يجب تحويلها إلى أنماط بأربع لغات مع إضافة التنوعية وتغطية الاختبارات. يدوياً، اللغة الروسية تستغرق حوالي ساعة واحدة، وعلى الأقل ثلاث ساعات أخرى للغات الأخرى، بالإضافة إلى ساعة للاختبارات الآلية وحوالي ساعة أخرى للتوصل إلى صيغ إضافية. في المجموع، هذا يساوي ستة ساعات على الأقل من العمل الرتيب بدون احتساب التصحيحات. ينتج الوكيل نفس القالب في حوالي دقيقة واحدة، لكن الإنسان لا يزال لا يتخطى المراجعة النهائية—وهذا بالضبط ما يجعل هذه الحالة واقعية بدلاً من كونها إعلانية.

ماذا يعني هذا

توضح حالة Just AI أن وكلاء الذكاء الاصطناعي المتخصصين بدقة مفيدة بالفعل ليس فقط للدردشات والبحث، بل أيضاً للتطوير الداخلي على لغات DSL المتخصصة. إذا كان لدى الفريق توثيق وقواعد واضحة وعمل يدوي متكرر، يمكن للوكيل أن يزيل ساعات من الروتين حتى دون هندسة معقدة أو تدريب إضافي واسع النطاق.