نشر Habr AI دراسة حالة Rozitta Parser: كيف يلتهم vibe coding النوم والوقت

نشرت Habr AI دراسة حالة شخصية حول كيف تحولت محاولة حفظ محادثة Telegram مهمة إلى ستة أشهر من تطوير تطبيق مخصص. قامت مهندسة معمارية بدون خبرة في البرمجة ببناء Rozitta Parser بمساعدة عدة شبكات عصبية ووصفت بصراحة كم من الوقت والجهد والموارد الشخصية يتم استهلاكها من خلال هذا النوع من البرمجة البحتة.

كيف ظهر المشروع

بدأت القصة بمهمة بسيطة: احتاجت المؤلفة إلى تصدير محتوى مجموعة Telegram حيث كان يجب أن تختفي المعلومات القديمة مع بداية تدفق جديد. للقيام بذلك، طلبت من شبكة عصبية أن تكتب محللاً لغويًا، على الرغم من أنها لم تكن تعرف منذ وقت قريب ما هي Telethon ومفاتيح API و `pip install`. حل السكريبت السريع المشكلة المحلية، لكنه بدأ تقريباً على الفور في تراكم متطلبات جديدة: تصفية الرسائل وتحميل الملفات ودعم الدردشات المختلفة وشكل أكثر ملاءمة للإطلاق.

من هناك، اتبع المشروع سيناريو نموذجي للبرمجة البحتة: كتب أحد نماذج الذكاء الاصطناعي الكود، وساعد آخر على تنظيم الطلبات، وبحث ثالث عن أدوات بديلة وشرح لماذا كانت إحدى المكدسات أفضل من الأخرى. تم استخدام DeepSeek للإصدارات الأولى والنماذج الأولية من HTML، وخدمت NotebookLM كقاعدة معرفة مساعدة، وGemini لصياغة المحفزات، و Claude للتجميع الأثقل وإعادة الهيكلة. نما من سكريبت فريد تطبيق سطح المكتب الكامل مع اسمه الخاص وشخصية ماسكوت — ذبابة روبوت وردية تسمى روزيتا.

ما تطور إليه المحلل اللغوي

على مدار ستة أشهر، تحول Rozitta Parser إلى تطبيق Python متعدد الوحدات بواجهة رسومية وتصدير البيانات ومعالجة الوسائط المحلية. تؤكد المؤلفة على وجه التحديد أن المشروع ابتعد كثيراً عن الفكرة الأصلية لـ "الحفاظ على المراسلات": الآن إنها أداة تحاول جمع Telegram ليس فقط أرشيف، بل قاعدة معرفية مريحة للعمل اللاحق والقراءة والتحميل في خدمات الذكاء الاصطناعي مثل NotebookLM. بشكل أساسي، هذا بالفعل خط أنابيب شخصي يربط بين الرسول وأرشيف الملفات وتحضير البيانات للتحليل اللاحق.

• تصدير المحادثات إلى DOCX و JSON و Markdown و HTML
• تحميل الملفات والصور والرسائل الصوتية من الدردشات
• التعرف على الكلام المحلي عبر faster-whisper بدون السحابة
• تقسيم الصادرات الكبيرة إلى أجزاء لتحميلها في خدمات الذكاء الاصطناعي

يبدو المكدس الحالي بالفعل ناضجًا تمامًا: Python 3.11 و PySide6 للواجهة و Telethon للعمل مع MTProto API و SQLite لتخزين البيانات و python-docx للتصدير و faster-whisper للتعرف المحلي على الرسائل الصوتية بدون السحابة. يمكن للتطبيق العمل مع وكلاء SOCKS5 و MTProto، ويمكنه أيضاً تقسيم الصادرات الكبيرة إلى أجزاء من 150 ألف كلمة للالتفاف حول قيود الخدمات الخارجية. بشكل أساسي، لم يعد "سكريبت لنفسي"، بل منتج معقد يجب الحفاظ عليه مثل البرنامج الحقيقي.

السعر والمساعدة

الجزء الأقوى من النص ليس تقنياً، بل إنساني. تسمي المؤلفة ركوب التاكسي إلى العمل "ضريبة التعب": بسبب جلسات البرمجة الليلية، بدأت تتأخر وتفقد النوم وتنفق المال على الطعام خارج المنزل وتبتعد عن الحياة الأسرية. لا توجد رومانسية لبناء لا نهاية له في المقالة. بل هي قصة عن كيفية أن الحماس الإبداعي في تطوير الذكاء الاصطناعي يتحول بسهولة إلى وضع "إما كود أو نوم"، خاصة إذا كان المشروع ينمو بشكل أسرع من فهمك للبنية والـ Git وحدود وقتك الخاص.

"ضريبة التعب" ليست استعارة. كانت نقطة تحول عندما تم إطلاق المشروع على

GitHub وطلبت المؤلفة المساعدة من المجتمع. بعد سؤال في Habr Q&A، اكتسب التطبيق مساعداً مباشراً تعامل مع الأخطاء والواجهة والوكلاء والعمليات الأساسية مثل GitHub Actions. في الوقت نفسه، ظهرت خريطة تفاعلية لتبعيات الوحدات وتوثيق أوضح. تبدو إحدى الخلاصات الرئيسية للمؤلفة قاسية: يسرع الذكاء الاصطناعي البداية، لكنه على المسافة الطويلة لا يلغي الحاجة إلى التوثيق وفهم اللغة ومشاركة المطورين الحقيقيين.

ماذا يعني هذا

تبين دراسة حالة Rozitta Parser بشكل جيد الحد الحالي للبرمجة البحتة: أصبح الدخول إلى التطوير أسهل من أي وقت مضى، لكن تكلفة الخطأ ارتفعت أيضاً. تساعد الشبكات العصبية بالفعل المبتدئين على تجميع منتج يعمل، لكن بدون هيكل وراحة ودعم بشري، يبدأ مثل هذا المشروع بسرعة في استهلاك ليس فقط الوقت، بل كل باقي الحياة أيضاً.