عندما تتعثر في الاختيار بين إطاري عمل JavaScript أو تحاول اختيار مكتبة تنسيق (orchestration library) لمشروعك القادم، يبدو من الطبيعي أن تسأل الذكاء الاصطناعي. أنت تتوقع إجابة واضحة وحاسمة، ولكن ما تحصل عليه بدلاً من ذلك يعتمد بشكل كبير على نافذة الدردشة التي فتحتها.

تجعل المقارنة المباشرة التي أجرتها سارة بان هذا الأمر واضحاً؛ حيث قامت بتشغيل عشرين مطالبة (prompt) متطابقة عبر خمس فئات من المطورين من خلال كل من ChatGPT وGemini، آملةً في معرفة ما إذا كانت هذه النماذج ستتقارب نحو نفس الأدوات. لم يحدث ذلك. وتكشف النتائج القليل عن أي إطار عمل هو الأفضل موضوعياً، وتكشف أكثر عن كيفية تفكير كل نموذج، وما يقدره، وأين تكمن نقاطه العمياء.

أرضية مشتركة: أدوات أثبتت كفاءتها

هناك مجال واحد يتحدث فيه النموذجان بصوت واحد. فعندما يتحول الموضوع إلى الأدوات الراسخة والواسعة الانتشار، يكون الاتفاق شبه تلقائي. اسأل عن التحكم في الإصدارات (version control)، أو قواعد البيانات 관계ية (relational databases)، أو تقنيات الحاويات (containerization)، أو إطارات عمل الواجهة الأمامية الأساسية، وسيوجهك كل من ChatGPT وGemini نحو نفس الأسماء. تظهر أدوات مثل Git وDocker وPostgreSQL وReact باستمرار، وهي أدوات تم تحليلها في آلاف المقالات، والمؤتمرات، ومشكلات GitHub.

يوجد هذا الإجماع لأن هذه الأدوات لها بصمات موضوعية يصعب الجدال فيها؛ فلديها أنماط فشل موثقة، وقواعد مستخدمين ضخمة، ومجتمعات كبيرة بما يكفي لفهم المقايضات الدقيقة. لا يحتاج نموذج الذكاء الاصطناعي إلى التخمين بشأن موثوقيتها، فقد قام الإنترنت بالفعل بهذا العمل، وتعكس مجموعات التدريب لكلا النموذجين نفس الإجماع الساحق.

الانقسام: التقنيات الجديدة ووكلاء الذكاء الاصطناعي

ينهار هذا الاتفاق بمجرد دخولك إلى مجالات أحدث أو أكثر تشتتاً، لا سيما حول أدوات الذكاء الاصطناعي نفسها. ففي فئات مثل أطر عمل الوكلاء (agent frameworks) وتنسيق النماذج اللغوية الكبيرة (large language model orchestration)، تباعد النموذجان بشكل حاد.

كان ChatGPT يوصي باستمرار بالأدوات المرتبطة بنظام OpenAI البيئي، إلى جانب LangChain. وفي الوقت نفسه، دفع Gemini باتجاه عروض Anthropic وCrewAI. ولا يعد أي من هذين الخيارين عشوائياً؛ فـ ChatGPT يقع داخل عالم منتجات OpenAI، وقد كان LangChain أحد أكثر طبقات التكامل مناقشة لنماذج OpenAI منذ صعوده. أما Gemini، الذي طورته Google، فله قوة جذبه الخاصة، وقد عكست توصياته تفضيلاً لأدوات Anthropic وأطر العمل المتخصصة الأحدث مثل CrewAI التي تركز على تعريفات الأدوار متعددة الوكلاء (multi-agent role definitions).

يسلط هذا الانقسام الضوء على حقيقة بالغة الأهمية: في الفئات الناشئة، لا يوجد قائد واحد للسوق بعد. وبدون سنوات من التحقق المجتمعي المتراكم، يعود النماذج إلى ما تركز عليه بيانات التدريب الخاصة بها بشكل أكبر. وما يبدو كتوصية تقنية غالباً ما يكون انعكاساً للحداثة، وكثافة التوثيق، والتوافق المؤسسي الخفي.

ما تشترك فيه الأدوات الأكثر ترشيحاً

على الرغم من خلافهما حول أسماء محددة، إلا أن كلا النموذجين فضل الأدوات التي تشترك في بنية واحدة. وقد لاحظت "بان" أربع سمات ظهرت مراراً وتكراراً بين الاقتراحات الأولى.

أولاً، التوثيق التقني الواضح؛ ليس الكلام التسويقي أو صفحات العرض الجذابة، بل الشروحات الفعلية لكيفية عمل النظام، وما هي قيوده، وكيفية هيكلة مكوناته الداخلية. ثانياً، مستودعات GitHub نشطة؛ حيث لاحظت النماذج ما إذا كان المشروع يحتوي على عمليات إرسال (commits) حديثة، وقائمين على الصيانة مستجيبين، ومشكلات مفتوحة يتم التعامل معها. ثالثاً، مراجع API جيدة؛ فالأدوات التي تمتلك نقاط نهاية (endpoints) نظيفة ومنظمة جيداً وأنماط طلب-استجابة يمكن التنبؤ بها حصلت على درجات أعلى. رابعاً، المجتمعات القوية؛ سواء من خلال خوادم Discord، أو وسوم Stack Overflow، أو مناقشات GitHub عالية الجودة، بدا أن كلا النموذجين يعاملان الدليل الاجتماعي كإشارة على الموثوقية.

وتكمن وراء كل هذا نمط أبسط: توصي نماذج الذكاء الاصطناعي بالأدوات التي يسهل وصفها. إذا كان للبرنامج حدود مفاهيمية واضحة — مثل "طابور مهام يتحدث عبر gRPC" أو "مدير حالة يستخدم دوال reducer قابلة للتنبؤ" — فيمكن للنموذج الاستنتاج بشأنها بثقة. أما إذا كانت البنية غامضة أو كانت مجموعة الميزات مشتتة عبر مواقع دقيقة (microsites) سيئة الترابط، فحتى الأداة المفيدة ستصبح غير مرئية.

عقليتان مختلفتان

الخلاف أعمق من مجرد الولاء للعلامة التجارية؛ إذ يبدو أن ChatGPT وGemini يستخدمان منطقاً مختلفاً عندما يقيمان معنى كلمة "الأفضل".

يميل ChatGPT إلى التحسين من أجل تعدد الاستخدامات؛ فهو يفضل الأدوات التي تندمج بسهولة في سير العمل الواسع، وتتعامل مع حالات استخدام متعددة بشكل كافٍ، وتقلل من عملية تبديل السياق (context-switching) للمطورين. اطلب منه توصية، وغالبًا ما يعيد تفسير سؤالك قليلاً، موسعًا النطاق ليشمل الحالات الاستثنائية (edge cases) التي لم تذكرها. والنتيجة عادة ما تكون اختيارًا آمنًا وشاملًا.

يتخذ Gemini نهجًا أكثر حرفية، حيث يلتزم بشكل أوثق بصياغة طلبك ويقدر التحديد التقني. اطلب منه الأداء، وسيقترح أدوات مبنية حول معدل الإنتاجية الخام (raw throughput) أو البنية التحتية المتخصصة بدلاً من الأدوات الشاملة. تميل توصياته نحو الأدوات ذات التصميمات الهيكلية الصارمة، حتى لو كانت تلك الأدوات تتطلب إعدادًا أكثر تعقيدًا.

هذا يعني أن ChatGPT يعطيك إجابة لنسخة أوسع قليلاً من سؤالك، بينما يجيب Gemini على السؤال الذي كتبته بالضبط. لا يوجد نهج أفضل من الآخر بشكل مطلق؛ فإذا كنت تقوم ببناء نموذج أولي وتحتاج إلى التحرك بسرعة، فإن ميل ChatGPT نحو تعدد الاستخدامات يوفر الوقت. أما إذا كنت تقوم بتحسين خط إنتاج (production pipeline) وكل ميلي ثانية تفرق، فإن تركيز Gemini الحرفي على القوة التقنية يكون أكثر فائدة.

ما يحتاج صناع الأدوات إلى فهمه

ربما تكون أهم نتيجة مستخلصة ليست تتعلق بأي نموذج يجب الوثوق به، بل بما يعنيه هذا إذا كنت تقوم بالفعل ببناء أدوات للمطورين. لم يعد الذكاء الاصطناعي مجرد مستهلك لوثائق البرمجيات، بل أصبح وسيطًا. وبشكل متزايد، يطلب المطورون من الذكاء الاصطناعي قائمة مختصرة قبل أن يفتحوا محرك بحث، أو يتصفحوا Hacker News، أو يسألوا زميلًا.

إذا كنت تريد لأداتك أن تنجو من هذا الفلتر، فعليك التحسين من أجل الفهم الآلي (machine comprehension). اكتب وثائق يمكن لنماذج اللغات الكبيرة تحليلها دون ارتباك. حافظ على مستودع GitHub عام يظهر نشاطًا منتظمًا. انشر مراجع API منظمة وكاملة، وليست مخفية خلف جدران المصادقة أو مدفونة داخل ملفات PDF. صِغ مشروعك بلغة هيكلية واضحة؛ صف ما هو، وما ليس هو، وكيف يتناسب تمامًا مع المكدس البرمجي (stack).

هذا ليس تحسينًا لمحركات البحث (SEO) بالمعنى التقليدي، بل هو "قابلية الاكتشاف بواسطة الذكاء الاصطناعي". كما تظهر تجربة Pan، تشكل النماذج آراءً بناءً على ما يمكنها فهمه بسهولة وتلخيصه بثقة. إذا كان مشروعك قويًا ولكن يصعب شرحه، فستتردد هذه النماذج في التوصية به، خاصة عند وجود بدائل أحدث أو موثقة بشكل أفضل.

تحذير أخير: تعامل مع توصيات الذكاء الاصطناعي كنقاط انطلاق، وليس كتصنيفات. فهي آراء تشكلها بيانات التدريب، وتواريخ انقطاع المعرفة، والسمات الغريبة في استدلال النماذج. عندما يروج ChatGPT لأدوات OpenAI ويروج Gemini لأدوات Anthropic، فأنت ترى تفضيلًا، وليس برهانًا.

الخلاصة: إذا كنت تختار الأدوات، فاسأل كلا النموذجين وقارن المنطق وراء إجاباتهما. ولكن إذا كنت تقوم بإطلاقها، فابدأ في الكتابة للذكاء الاصطناعي كشخصية مستخدم (user persona). الفرق التي تجعل برمجياتها سهلة الشرح للآلة هي التي ستبرز عندما يبدأ المطورون في السؤال.

المصدر: Comparing How ChatGPT and Gemini Recommend Developer Tools بواسطة Sarah Pan
انضم إلى مجتمع GyaanSetu التعليمي: https://t.me/GyaanSetuAi