من ChatGPT إلى وكلاء الذكاء الاصطناعي (AI Agents): عامان كمهندس
قبل عامين، كنت أستخدم الذكاء الاصطناعي فقط لطرح الأسئلة.
اليوم، أقوم بتنسيق عدة وكلاء برمجة (coding agents). وأربط معرفة الشركة عبر MCP. وأقوم بتشغيل نماذج محلية في تطبيقات iOS. كما أقوم بصيانة طبقة ذاكرة لتمكين الوكلاء من العمل معاً.
لست باحثاً في الذكاء الاصطناعي. أنا مجرد مهندس عادي استمر في التجربة.
إليكم رحلتي من الدردشة إلى الوكلاء.
المرحلة ١: فجوة الموثوقية في البداية، بدا الذكاء الاصطناعي وكأنه سحر. ثم، بدا غير موثوق. غالباً ما تقدم النماذج معلومات خاطئة بثقة عالية. لقد تعلمت درساً قاسياً: الإجابة المقنعة ليست بالضرورة نتيجة موثوقة.
المرحلة ٢: الذكاء الاصطناعي كشريك غيرت أدوات مثل Cursor كل شيء. انتقل الذكاء الاصطناعي من نافذة دردشة منفصلة إلى محرر الأكواد الخاص بي. أصبحت حلقة التغذية الراجعة قصيرة للغاية: • وصف فكرة. • توليد الكود. • التشغيل وملاحظة الفشل. • طلب الإصلاح. • التكرار.
أدى ذلك إلى خفض تكلفة بناء النماذج الأولية. لم تعد الأفكار الصغيرة تموت أثناء الإعداد أو التكوين، بل أصبحت تصل بالفعل إلى خط النهاية.
تعلمت أن السياق هو المفتاح في البداية، كان الوكلاء ينسون القرارات أو يفسدون بنية النظام (architecture). توقفت عن التركيز على "هندسة الأوامر" (prompt engineering) وبدأت في "هندسة السياق" (context engineering). بدأت في كتابة قواعد صارمة لوكلائي: • اتباع البنية الحالية. • شرح الخطة قبل تغيير الكود. • عدم حذف الملفات دون سؤال.
لم نكن نكتب جملاً أفضل فحسب، بل كنا نبني بيئة مستقرة لنظام احتمالي.
المرحلة ٣: ما وراء نافذة الدردشة انتقلت من دردشات الويب إلى APIs والنماذج المحلية. تشغيل نموذج على جهاز كمبيوتر مكتبي أمر سهل، لكن تضمين نموذج داخل تطبيق جوال أمر صعب. فجأة، كان عليّ حل مشكلات هندسية حقيقية: • حجم النموذج واستهلاك الذاكرة. • زمن تأخير التشغيل (Startup latency). • التنفيذ دون اتصال وتوافق الأجهزة.
المرحلة ٤: سير العمل المعتمد على الوكلاء تحول التركيز من "اكتب هذه الدالة" إلى "افهم هذا المستودع (repository) وحقق هذا الهدف". بدأت أيضاً في استخدام Model Context Protocol (MCP). قمت ببناء تكامل MCP لمنصة المعرفة الخاصة بشركتي. أصبح بإمكان الوكيل الآن الوصول إلى بيانات الشركة التي تعود لعشر سنوات. انتقل التحدي من ذكاء النموذج إلى تصميم النظام.
أكبر الدروس التي تعلمتها: • البرمجة أسهل، لكن الهندسة أصعب. • الذكاء الاصطناعي يتولى التنفيذ، ولكن عليك أنت تولي عملية التقييم واتخاذ القرار. • يجب عليك تحديد الأهداف بدقة والتحقق من الافتراضات. • يتطلب العمل بنظام الوكلاء المتعددين (Multi-agent) وجود طبقة ذاكرة لتمكين الوكلاء من تسليم المهام لبعضهم البعض دون الحاجة لإعادة البدء من الصفر.
يجعل الذكاء الاصطناعي عملية التنفيذ رخيصة، وهذا يعني أن التجربة أصبحت الآن مجانية. العمل الحقيقي يكمن في تقرير أي الأفكار تستحق البناء فعلياً.
مجتمع تعليمي اختياري: https://t.me/GyaanSetuAi