نفس الأمر، نفس المخطط
أطلق Prateek Rai مكتبة tldraw-canvas-kit، وهي مجموعة من 19 "مهارة للوكيل" (Agent Skills) تتيح لمساعدي الذكاء الاصطناعي المحليين مثل Claude Code أو Cursor التحكم في تطبيق tldraw المكتبي دون اتصال بالإنترنت وإنتاج مخططات هندسية متطابقة في كل مرة. تعمل هذه المجموعة دون أي اتصال سحابي أو إرسال بيانات عن بُعد (telemetry)، مما يعني أن الفرق يمكنها الاحتفاظ بأصولها المرئية بالكامل داخل مقر العمل (on-premises).
لماذا تهم أدوات المخططات المحلية والحتمية (deterministic)
تقضي الفرق الهندسية ساعات في نقل المخططات الانسيابية (flowcharts)، ومخططات الفئات (class diagrams)، وخرائط البنية التحتية (architecture maps) بين العروض التقديمية، ومواقع التوثيق، وأدوات التصميم. وتؤدي كل خطوة نسخ ولصق إلى تغييرات طفيفة؛ حيث تتغير أنماط الخطوط، ويتم إعادة إنشاء المعرفات (IDs)، وتنزاح التخطيطات (layouts). عندما يقوم نموذج لغوي كبير (LLM) بإعادة إنشاء مخطط، غالبًا ما تكون النتيجة ترتيبًا مختلفًا، حتى لو لم يتغير الأمر النصي. بالنسبة للمؤسسات التي تحتاج إلى توثيق جاهز للتدقيق أو نماذج تصميم قابلة لإعادة الإنتاج، فإن هذا التباين يمثل عبئًا.
بنى Prateek مكتبة tldraw-canvas-kit لمعالجة نقطتي ألم: (1) أداة تعمل بالكامل على جهاز المستخدم، و(2) ضمان أن يؤدي نفس الأمر إلى إنتاج نفس المخطط. ومن خلال توفير HTTP API محلي يمكن لوكيل الذكاء الاصطناعي استدعاؤه، تقضي هذه المجموعة على زمن انتقال الشبكة، ومخاطر تسريب البيانات، والحاجة إلى اشتراك SaaS.
كيف تعمل هذه المجموعة
- النواة غير المتصلة بالإنترنت (Offline core) – يعمل تطبيق tldraw المكتبي على خادم محلي يقبل أوامر مشفرة بتنسيق JSON. لا يتم إجراء أي اتصالات خارجية، ولا تخرج أي بيانات استخدام من الجهاز.
- مهارات الوكيل (Agent Skills) – تشفر كل مهارة مواصفات هيكلية ثابتة: رياضيات التخطيط، واختيارات القوالب (stencils)، والمعرفات المستقرة. عندما يستدعي الوكيل مهارة ما، فإنه يتلقى مجموعة حتمية من تعليمات الرسم.
- التحديثات المتماثلة (Idempotent updates) – إذا تم تشغيل مهارة على مخطط موجود، فإنها تقوم بتحديث الأشكال في مكانها، وإزالة العناصر القديمة، وإعادة تثبيت الحواف. والنتيجة هي مساحة عمل (canvas) يمكن تحديثها دون تراكم كائنات مكررة.
- تنسيق الملف – تُخزن المخططات كملفات .tldraw بسيطة. ولأن منطق التخطيط موجود داخل الملف، فإن مشاركة العرض تتضمن تلقائيًا قواعد التنقل اللازمة لإعادة إنتاج العرض.
تدعم المجموعة ثلاثة عشر فئة من المخططات، تتراوح من المخططات التسلسلية (sequence) والانسيابية (flowcharts) إلى مخططات ER، وآلات الحالة (state machines)، ومسارات العمل (swimlanes)، وحالات الاستخدام (use-case)، والمكونات (component)، والحزم (package)، والنشر (deployment)، والبنية التحتية (architecture)، والخرائط الذهنية (mind maps)، وخرائط قواعد الأكواد (code-base maps). يكتفي المستخدمون بوصف المخطط المطلوب؛ وتتولى المهارة التعامل مع الهيكل الأساسي.
الدروس المستفادة أثناء التطوير
- نمط الأسهم يميل افتراضيًا إلى مظهر الرسم اليدوي – حتى عند طلب خط نظيف، يقوم الـ API في البداية بإنشاء سهم بأسلوب الرسم التخطيطي (sketch-style). يجب على المهارة إصدار أمر متابعة لتغيير النمط.
- يمكن للأسهم أن تتقاطع مع الأشكال بصمت – لا يظهر الـ API أخطاءً إذا مر موصل عبر عقدة (node). يلزم الفحص البصري لقطات الشاشة الناتجة لاكتشاف مثل هذه التصادمات.
- التفاف تسميات الحواف ينكسر في الأسهم القصيرة – قد تلتف التسميات بشكل سيئ إذا كان الموصل قصيرًا جدًا، لذا يجب على المهارة فرض حد أدنى للطول أو تعديل موضع التسمية.
توضح هذه الخصائص الغريبة سبب بناء المهارات بناءً على السلوك الفعلي للـ API بدلاً من الافتراضات حوله.
تثبيت واستخدام المجموعة
npx skills add prateek11rai/tldraw-canvas-kit
يعمل الأمر على macOS و Linux. بعد التثبيت، يمكن لوكيل ذكاء اصطناعي على نفس محطة العمل الاستعلام عن المستندات المحلية، وإنشاء الأكواد، وإرسال أوامر الرسم إلى خادم tldraw الذي يعمل. والنتيجة هي مخطط قابل لإعادة الإنتاج يمكن تعديله بشكل أكبر أو تصديره إلى العروض التقديمية دون مغادرة الجهاز المضيف أبدًا.
من المستفيد، وما هي المقايضات؟
- الفرق التي تركز على الأمن – يمكن للشركات التي تتبع سياسات صارمة في التعامل مع البيانات الاحتفاظ بجميع نماذج التصميم خلف جدران الحماية الخاصة بها.
- مهندسو التوثيق – أولئك الذين يحتاجون إلى تضمين المخططات في مستودعات تخضع للتحكم في الإصدارات (version-controlled repositories) سيحصلون على مصدر حقيقة حتمي.
- المساهمون الأفراد – المطورون الذين سئموا من تعديل التخطيطات يدويًا بعد كل تشغيل لنموذج LLM يمكنهم أتمتة هذه العملية.
يتمثل القيد الرئيسي في الاعتماد على نسخة tldraw تعمل محليًا. ستحتاج المؤسسات التي تعتمد بالفعل على خدمات المخططات السحابية إلى اعتماد التطبيق المكتبي وتعديل سير العمل. بالإضافة إلى ذلك، لا تغطي مجموعة المهارات الحالية مكتبات القوالب (stencils) المخصصة؛ حيث يجب على المستخدمين العمل ضمن الأشكال المحددة مسبقًا.
ما الخطوة التالية
يخطط Prateek لتوسيع مكتبة المهارات بناءً على ملاحظات المجتمع وإضافة دعم لنظام Windows، مما يوسع قاعدة المستخدمين المحتملين. كما يأمل في رؤية وكلاء من أطراف ثالثة يدمجون هذه المجموعة، مما يخلق سوقاً لمولدات مخططات متخصصة تشترك جميعها في نفس النواة الحتمية.
الخلاصة
يثبت tldraw-canvas-kit أن إنشاء المخططات المدفوع بالذكاء الاصطناعي لا يجب أن يكون عملية سحابية احتمالية فقط. فمن خلال ترسيخ منطق الرسم في واجهة برمجة تطبيقات (API) محلية وفرض معرفات مستقرة، فإنه يتيح للمهندسين إنشاء مرئيات قابلة للتكرار وجاهزة للتدقيق دون التضحية بالخصوصية أو التحكم.