Just AI تؤتمت العمل مع JAICP DSL: وكيل ذكاء اصطناعي يكتب الأنماط والاختبارات في دقيقة بدلًا من ست ساعات

أتمتت Just AI العمل مع JAICP DSL عبر وكيل ذكاء اصطناعي يكتب الأنماط والاختبارات الآلية بدلًا من الإنسان. وبحسب تقدير الفريق، فإن المهمة التي كانت تستهلك سابقًا نحو ست ساعات من العمل اليدوي الروتيني تستغرق الآن دقيقة تقريبًا، ويبقى على المطوّر مراجعة النتيجة وتصحيحها عند الحاجة.

لماذا كانت هناك حاجة إلى ذلك

يعمل فريق JAICP مع DSL خاصة لوصف الأنماط التي يفهم بها البوت عبارات المستخدمين. تبدو المهمة على الورق بسيطة: أخذ كلمة «نعم» أو «مرحبًا» أو «لا يعمل» ووصفها على شكل قالب. أما عمليًا فسرعان ما تتعقد الأمور: يكتب المستخدمون بالعامية، ويرتكبون أخطاء، ويستخدمون صيغًا محكية، ويفعلون ذلك بلغات مختلفة. وفي أحد المشاريع كان على Just AI مراعاة الروسية والإنجليزية والألمانية والتركية، وغالبًا ما لا ينجح الترجمة الحرفية هناك.

وكان التنوع في الصياغات أكثر ما سبّب الصعوبة. فالعميل يقدّم قائمة أساسية من العبارات، لكن المطوّر يحتاج، لتغطية السيناريوهات تغطية جيدة، إلى ابتكار مرادفات وصيغ صرفية وصياغات غير معتادة بنفسه. كما أن الاختبارات الآلية لا تحل المشكلة بالكامل: فحتى لو أمكن توليد القالب عبر سكربت، يظل على شخص ما أن يُعدّ أمثلة الإدخال، ويتحقق من صحة البنية، ويتأكد من استخدام DSL استخدامًا صحيحًا.

لذلك قرر الفريق ألا يكتفي بطلب عادي إلى LLM، بل بناء وكيل مستقل يعرف سياق المنصة ويتولى الأعمال الروتينية.

كيف صُمّم الوكيل

يقوم الحل على Claude Sonnet 4.5، الذي اختير لثبات توليده لشيفرة DSL وجودة اتباعه للتعليمات. وزُوّد الوكيل بثلاث أدوات عمل: البحث عن المقاطع ذات الصلة في الوثائق ضمن Jay Knowledge Hub، وتوليد الإجابات استنادًا إلى قاعدة المعرفة نفسها، وفحص ذاتي منفصل عبر Llm.sendRequest مع GPT-4o-mini. وتتيح هذه المنظومة للوكيل ألا يكتفي بـ«إكمال» العبارات، بل أن يستند إلى أمثلة JAICP حقيقية، وأن يلتقط جزءًا من الأخطاء قبل تسليم النتيجة للمستخدم.

• يستدعي الأمثلة والقواعد من قاعدة معرفة JAICP
• يولّد الأنماط ويشرح بنيتها
• يبيّن العبارات التي يغطيها القالب
• يكتب الاختبارات الآلية استنادًا إلى الأمثلة نفسها
• يفصل الإجابات حسب اللغات ولا يخلطها في كتلة واحدة

لم تكن مجموعة الأدوات هي صاحبة الدور الحاسم، بل الـprompt. فقد قسّم الفريق الـprompt إلى المنطق العام، وكتلة للأنماط، وكتلة للاختبارات الآلية، وفحص ذاتي نهائي. وفصّلت التعليمات التحليل الدلالي والصرفي والنحوي، وقواعد الكتل الاختيارية وتجميع المرادفات، ثم أُلزم النموذج ببناء أنماط محسّنة لا مجرد قوائم حرفية. وحين استمرت النماذج في «التصرف من تلقاء نفسها»، جرى تقليص الـprompt وإعادة هيكلته بمساعدة DeepSeek، وأُضيفت قاعدة بسيطة لدعم تعدد اللغات: تحديد اللغة أولًا، ثم تطبيق صرفها.

النتيجة والأرقام

ربط الفريق الوكيل الجاهز بـTelegram لاختبار السيناريوهات بسرعة أكبر. وفي النهاية تعلّم البوت أن يبني نمط DSL انطلاقًا من عبارة مستخدم واحدة، ويعرض صيغ الردود التي يغطيها، ويولّد الاختبارات الآلية فورًا. ومن المزايا الإضافية أن النظام بدأ يكتب حتى سيناريوهات بلغة DSL، رغم أنه لم يُدرَّب على ذلك تحديدًا، إذ استمد النموذج المعرفة اللازمة من الوثائق في قاعدة المعرفة. وقد اتضحت فائدة هذا النمط لا للمطورين ذوي الخبرة فحسب، بل أيضًا لتأهيل المبتدئين، الذين يهمهم أن يروا القالب النهائي ومنطق بنائه معًا.

«كما يُنجز الوكيل المهمة في دقيقة واحدة، أي تسريع بمقدار 360 مرة».

احتسب الفريق الأرقام على مثال محدد: لدينا 20 عبارة من العميل يجب تحويلها إلى أنماط بأربع لغات، مع إضافة التنوع في الصياغات وتغطيتها بالاختبارات. يستغرق ذلك يدويًا نحو ساعة للروسية، وما لا يقل عن ثلاث ساعات للغات الأخرى، إضافة إلى ساعة للاختبارات الآلية وساعة أخرى تقريبًا لابتكار صياغات إضافية. وبذلك يصبح المجموع ست ساعات على الأقل من العمل الرتيب، دون احتساب التعديلات. ويُنجز الوكيل المسودة نفسها في دقيقة تقريبًا، لكن المراجعة النهائية يجريها إنسان في كل الأحوال، وهذا ما يجعل الحالة واقعية لا دعائية.

ماذا يعني ذلك

تُظهر حالة Just AI أن وكلاء الذكاء الاصطناعي المتخصصين في مجالات ضيقة باتوا مفيدين لا في المحادثات والبحث فحسب، بل أيضًا في التطوير الداخلي على لغات DSL المتخصصة. فإذا توفرت لدى الفريق وثائق وقواعد واضحة وعمل يدوي متكرر، فبإمكان الوكيل أن يزيل ساعات من الروتين حتى دون بنية معقدة أو تدريب إضافي واسع.