البرمجة الحديثة بالذكاء الاصطناعي: من كتابة الكود إلى هندسة التحقّق

أحد أكبر التحولات التي نعيشها الآن هو أن البرمجة لم تعد "كتابة كود" بالمعنى القديم، بل أصبحت تصميم المشكلة + التحقق من الحل.

الذكاء الاصطناعي (LLMs) صار قادرًا على تنفيذ "قفزات" كبيرة داخل الكود بسرعة، لكن السر الحقيقي في النتائج الجيدة هو: Verification.

الفكرة الكبيرة: من التنفيذ إلى التحقّق

في السابق كان الجزء الأكبر من وقتنا يُصرف في كتابة الكود يدويًا. الآن، كثير من التنفيذ يمكن أن يقوم به الـLLM. لكن جودة المنتج تعتمد على قدرتك على: - تحديد ما معنى "صحيح" (Correctness) - تحويل ذلك إلى معايير نجاح واضحة - بناء اختبارات/تحقق يثبت أن النتيجة صحيحة

بعبارة واحدة: Verification > Vibes.

لماذا هذا التحول مهم؟

Karpathy يصف تحولًا سريعًا في أسلوبه (ومن خبرة كثير من الناس): - كنا نكتب غالبًا يدويًا مع autocomplete - ثم أصبحنا نوجّه النموذج بالكلام (English/Arabic) ونقوم بتعديلات محدودة

هذا قد "يجرح الـego" قليلًا، لكنه يمنحك قوة هائلة: القدرة على العمل على البرمجيات عبر code actions كبيرة.

مخاطر حقيقية: الأخطاء أصبحت "مفاهيمية"

الأخطاء اليوم ليست syntax errors غالبًا، بل أخطاء مثل أخطاء مطوّر مبتدئ متسرّع: - افتراضات خاطئة يمشي عليها النموذج بدون سؤال - تعقيد زائد وبناء abstractions منتفخة - ترك dead code - تعديل أشياء جانبية غير مطلوبة

الحل ليس أن نثق أكثر… بل أن نتحقق أكثر.

الدليل العملي (من عقلي الثاني): حلقة العمل الصحيحة

هذا تلخيص عملي للطريقة التي نعتمدها عند البرمجة مع LLM (من دليل "How we should write code with LLMs"):

1) Spec (اكتب المطلوب)

بدل أوامر خطوة بخطوة، اكتب: - الهدف (Goal) - ما لن نفعله (Non-goals) - القيود (Security/Performance) - أمثلة input/output - Success Criteria (checkboxes)

2) Tests first

اطلب من النموذج كتابة الاختبارات أولًا، لأن الاختبارات هي "عقد" السلوك.

3) Naïve-correct ثم Optimize

ابدأ بحل بسيط صحيح، ثم حسّن الأداء مع الحفاظ على نفس السلوك.

4) Verify (تشغيل التحقق)

• tests
• linters/formatters
• type checks

5) Fresh-context review

اطلب مراجعة ثانية بسياق جديد لتصيد: - افتراضات خاطئة - bugs مفاهيمية - dead code - over-abstraction

6) Human review

ركز أنت على: - الحدود (boundaries) - الـinvariants - أسوأ failure modes - هل يوجد حل أبسط؟

قالب جاهز (Prompt بمعايير نجاح)

يمكنك استخدام هذا القالب لتوجيه أي نموذج:

Context: ...
Goal: ...
Constraints: ...
Non-goals: ...
Success criteria:
- [ ] ...
Verification:
- [ ] tests/steps ...
Before coding:
- list assumptions
- ask clarifying questions if unclear

"ديْن الفهم" Comprehension Debt

كلما زادت سرعة الإنتاج، يصبح الفهم هو عنق الزجاجة. لمقاومة ذلك: - اجعل PRs صغيرة - وثّق "لماذا" (Why/Tradeoffs/Assumptions) - خصص جلسة أسبوعية للتنظيف: حذف dead code وتبسيط التعقيد

الخلاصة

البرمجة الحديثة بالذكاء الاصطناعي ليست "تفويض الكتابة" فقط. هي انتقال لدور جديد: مصمم مواصفات + مهندس تحقق + مراجع جودة.

إذا تريد، سأكتب المقال القادم كـ "مسار تعلم" من 4 مقالات: 1) Prompts عمليًا 2) أدوات (Tools) تساعدك تبني سير عمل 3) Tutorials تطبيقية (RAG / Agents) 4) News: كيف تتابع بدون ضجيج