ما تعلّمناه من بناء مصنع برمجيات بالذكاء الاصطناعي
يُصدر فريق Foxl عشرات الإصدارات كل شهر من مصنع برمجيات بالذكاء الاصطناعي يعمل فيه ما بين 15 و20 وكيل برمجة في الوقت نفسه. كانت كتابة الشيفرة الجزء السهل؛ أما معرفة هل هي صحيحة فكانت أصعب بكثير. هذا ما تعلمناه ونحن نبني الفحوص.

في هذه الصفحة
يُصدر فريق Foxl عشرات الإصدارات كل شهر. في أكتوبر كانت 66 إصدارًا، منها 22 إصدارًا مستقرًا و44 إصدارًا تجريبيًا. يحمل كل إصدار تطبيق سطح المكتب لأنظمة Windows وmacOS وLinux، ويحمل كل إصدار مستقر أيضًا تطبيقَي iOS وAndroid وتطبيق الويب. وفي كل مرة يجب التحقق من أن كل ذلك يعمل.
وفي الشهر نفسه فُتح في مستودعنا 2,140 طلب سحب ودُمج 2,040، أي قرابة 70 طلبًا جديدًا في اليوم. ومعظم تلك الشيفرة كتبها وكلاء برمجة لا بشر: ما بين 15 و20 جلسة من Claude Code تعمل في الوقت نفسه على جهاز Mac واحد، كل منها على فرعها الخاص. ويُظهر رسم المساهمات لحساب GitHub الذي تُودِع هذه الجلسات باسمه التغيّر بنظرة واحدة. ففي كل عام من العامين السابقين كان يعدّ بضع مئات من المساهمات. أما هذا العام فقد تجاوز 30,000.

صار اسم مصنع البرمجيات بالذكاء الاصطناعي يُطلق على أسلوب تطوير يخطط فيه الوكلاء للعمل ويكتبون الشيفرة ويختبرونها ويراجعونها. أما البشر فيقررون ما يُبنى، ولهم الكلمة الأخيرة فيما يُشحن. ومصنعنا يعمل على هذا النحو. لكن حين سلّمنا الشيفرة إلى الوكلاء في مارس، تبيّن أن الجزء الصعب ليس كتابتها، بل معرفة هل الشيفرة التي كتبها الوكلاء صحيحة فعلًا، وهل تصمد على المنصات الخمس كلها.
هذا المقال هو ما تعلمناه ونحن نبني الفحوص اللازمة لذلك. وباختصار: كل قاعدة اكتفينا بكتابتها للوكلاء خُرقت. ومعظمها لم يصمد أكثر من بضعة أيام. أما ما صمد فكان فحوصًا وُضعت في الطريق نفسه الذي جاء منه الخطأ بالضبط، وكان الخطأ التالي يأتي في كل مرة تقريبًا من طريق لم يكن فيه فحص بعد.
من جلسة واحدة إلى عشرين
في الأشهر الأربعة الأولى كنا نُبقي جلسة واحدة مفتوحة طوال اليوم، وكان شخص يقرأ كل فرق (diff) فور وصوله. كان كل شيء تقريبًا يذهب مباشرةً إلى main؛ ولا يحتوي المستودع إلا على طلب سحب واحد من شهر يونيو كله. كان الحد هو الانتباه البشري، فجلسة واحدة كانت تقريبًا كل ما يستطيع المرء متابعته كما ينبغي.
في يوليو وجّهنا Foxl Code، وكيل البرمجة السحابي الخاص بنا، إلى مستودع Foxl نفسه. كان لكل مهمة جهازها الافتراضي السحابي الخاص، وفي 22 يوليو أخرج هذا الإعداد خمسة إصدارات إلى بيئة الإنتاج في يوم واحد. لكن هذه الأجهزة الافتراضية لا تحتوي على macOS، لذلك كان كل ما يحتاج إلى Xcode أو محاكي iPhone لا يزال يعود إلى جهاز Mac.
في أغسطس غيّرنا طريقة العمل: شجرة عمل git worktree لكل جلسة وطلب سحب لكل تغيير. فتوقفت الجلسات عن الكتابة فوق عمل بعضها، وصار ممكنًا تشغيل عدة جلسات في الوقت نفسه، وارتفع عدد طلبات السحب من 598 في أغسطس إلى 946 في سبتمبر و2,140 في أكتوبر.

ومع ارتفاع الأرقام ظهرت مشكلات جديدة. صارت الجلسات تعدّل الملفات نفسها في الوقت نفسه، وصارت ذاكرة الجهاز تنفد. والأهم أن أول قطار دمج، في 24 سبتمبر، أظهر أن نجاح CI لا يعني أن طلب السحب صحيح. وسنعود إلى ذلك أدناه.
مكان التحقق يحدد مكان العمل
التحقق من خمس منصات يبدأ بوجود أجهزة تستطيع تشغيلها. نستخدم ثلاثة أنواع منها، وكل نوع يستطيع التحقق من أشياء مختلفة.

الأجهزة الافتراضية السحابية جيدة للعمل المعزول على Linux، ويمكن تشغيلها مباشرة من الهاتف. وحين تحتاج جلسة إلى تطبيق سطح المكتب على Windows أو Linux مثبَّت حديثًا، أو إلى محاكي Android، تحصل على مثيل EC2 يُستعمل ثم يُحذف، نسميه صندوق المسار (lane box). أما كل ما تبقى فلا يستطيع التحقق منه إلا جهاز Mac: Xcode، ومحاكي iPhone، وChrome حقيقي، وتطبيق سطح المكتب على macOS.
لذلك انتهى الأمر بمعظم الجلسات على جهاز Mac واحد. وهو أيضًا حاسوب نستخدمه كل يوم، ما يعني أن كل الجلسات تتقاسم ذاكرة جهاز واحد وتعمل بجوار بيانات حقيقية مباشرة.
تشغيل الوكلاء هو الجزء المحلول
الأدوات التي تشغّل كثيرًا من الوكلاء في الوقت نفسه كثيرة. كل أداة نظرنا فيها تجعل التشغيل المتوازي سهلًا، وبعضها يتيح للوكلاء أن يتحدثوا إلى بعضهم. وتختلف في مكان عمل الوكلاء، وفي مقدار ما تتولاه من التحقق من نتائجهم.
Claude Code وCodex
هذان هما الوكلاء أنفسهم. يشغّل Claude Code جلسات في الخلفية تستمر بعد إغلاق الطرفية، كل منها في شجرة عمل خاصة بها (claude --bg --worktree)، ويمكن للجلسات أن تراسل بعضها أو أن تشغّل وكلاء فرعيين. وهناك أيضًا جلسات سحابية تبدأ من الويب أو من الهاتف. ويأتي Codex بواجهة أوامر وتطبيق لسطح المكتب وإضافات لبيئات التطوير، وينفّذ Codex Web المهام في حاويات Linux في سحابة OpenAI.
Orca

Orca تطبيق لسطح المكتب على macOS وWindows وLinux. يشغّل وكلاء يعملون من سطر الأوامر، مثل Claude Code أو Codex، بالتوازي، كلًّا في شجرة عمل خاصة به، وحين تعطيه مهمة كبيرة يقسّم وكيل منسِّق العمل بين عمّال ويعيد إليك نتائجهم، وهذا هو المشهد في اللقطة أعلاه. ويمكن للوكلاء أيضًا العمل على مضيف SSH أو على جهاز افتراضي سحابي لكل شجرة عمل، وتعود الفحوص الفاشلة وتعليقات المراجعة إلى الوكيل ليصلحها.
herdr

herdr بيئة تشغيل للطرفية في ملف تنفيذي واحد مكتوب بلغة Rust. يتولى الطرفيات بدل أن يغلّف الوكلاء، ولذلك يعمل بالطريقة نفسها مع Claude Code وCodex وOpenCode. تبقى الطرفيات عاملة في الخلفية حين ينقطع اتصال SSH، وتُظهر كل لوحة هل وكيلها في حالة working أو blocked أو idle، ويستطيع الوكلاء إرسال توجيهات إلى بعضهم عبر واجهة أوامره وواجهة socket البرمجية.
Kiro Crew

Kiro Crew مساحة عمل تعمل على عتادك أنت، على Mac أو في حاوية أو على جهاز بعيد، وتواصل العمل بين محادثة وأخرى. تصمد الجلسات والذاكرة ونقاط الحفظ الخاصة بالمهام أمام إعادة التشغيل، وتتراكم التصحيحات دروسًا تغيّر ما تفعله بعد ذلك. وتعرض لوحة crew board أعلاه كل بند وزّعه conductor بجانب ما أبلغ عنه العامل، وهل قبل conductor النتيجة وفق المعيار.
Foxl Code

Foxl Code هو المنتج السحابي الذي ذكرناه سابقًا، وهو في نسخة تجريبية خاصة للحسابات المدعوّة. تصف مهمة من المتصفح أو من هاتفك، فيعمل عليها وكيل مثل Claude Code في جهاز افتراضي خاص بها. ويُقسَّم الطلب الأكبر إلى مهام فرعية مستقلة تبدأ في الوقت نفسه، لكل منها طلب سحب؛ واللوحة أعلاه طلب واحد بعد ثوانٍ من انقسامه إلى ثلاث. يقرأ المراجع ملف MERGE-REVIEW.md الخاص بالمستودع من الفرع الافتراضي، لا من طلب السحب أبدًا، فلا يستطيع تغييرٌ أن يعيد كتابة المعيار الذي يُقيَّم به. ومع ذلك يُفحص كل طلب سحب وحده: ولاختبار عدة طلبات مدموجةً معًا، تطلب قطار دمج في المحادثة.
جنبًا إلى جنب:
| الأداة | أين يعمل الوكلاء | نقاط القوة | الحدود |
|---|---|---|---|
| Claude Code | جهازك، أو جلسة سحابية تبدأها من الويب أو من الهاتف | جلسات في الخلفية في أشجار عمل خاصة بها، يرى بعضها بعضًا ويتراسل؛ وكلاء فرعيون | رسائله لا تصل إلا إلى جلسات Claude Code |
| Codex | جهازك، أو سحابة OpenAI | الوكيل نفسه في واجهة أوامر وتطبيق لسطح المكتب وبيئات تطوير وفي السحابة | مهام السحابة تعمل في حاوية Linux، فيبقى عمل Xcode محليًا |
| Orca | جهازك، أو مضيف SSH، أو جهاز افتراضي سحابي لكل شجرة عمل | أي وكيل يعمل من سطر الأوامر؛ منسِّق يوزّع المهمة على عمّال؛ تطبيق للهاتف؛ الفحوص الفاشلة تعود إلى الوكيل | لا شيء في وصفه يختبر عدة طلبات سحب مدموجة معًا |
| herdr | جهازك ومضيفات SSH | يعمل تحت أي وكيل: طرفيات تصمد بعد قطع الاتصال، وحالة working أو blocked أو idle لكل لوحة، ووكلاء يرسلون توجيهات إلى بعضهم | يتولى الطرفيات لا العمل: لا يضيف خطوة مراجعة أو دمج خاصة به |
| Kiro Crew | جهاز Mac الخاص بك، أو حاوية، أو جهاز بعيد | جلسات وذاكرة ونقاط حفظ تصمد أمام إعادة التشغيل؛ دروس من التصحيحات؛ conductor يقبل العمل وفق معيار | لا قنوات بين العمّال حتى الآن |
| Foxl Code | جهاز افتراضي لكل مهمة، في سحابة Foxl | البدء من الهاتف؛ مهام فرعية متوازية، لكل منها طلب سحب؛ مراجع ملتزم بمعيار الدمج الخاص بالمستودع | نسخة تجريبية خاصة؛ لا macOS؛ لا تُختبر طلبات السحب معًا إلا في قطار دمج تطلبه |
بنينا مصنعنا على جلسات Claude Code نفسه. فقد نشأ من جلسة Claude Code واحدة، وكانت الجلسات على هذا الجهاز تستطيع بالفعل أن يرى بعضها بعضًا وأن تتراسل، بجوار Xcode والمحاكيات مباشرة.
هناك أمران لا يتغيران أيًّا كانت الأداة التي تشغّل الوكلاء. وكلاء الجهاز الواحد عليهم أن يتقاسموا ذاكرته، ولا بد من أحد يقرر هل ما فعلوه صحيح. وبقية هذا المقال عن هذين الأمرين.
عشرون جلسة وذاكرة جهاز Mac واحد
بعد ظهر 17 أكتوبر كانت تسع عشرة جلسة مفتوحة. يستهلك بناء الويب الواحد نحو 3.5 GB من الذاكرة، وفي غضون عشر دقائق طلبت أربع جلسات بناءً منه. وشغّلت اثنتان فحوص TypeScript، وشغّلت واحدة محاكي iPhone دون أن تسأل. وكانت ثماني جلسات تحمل تغييرات مفتوحة في ملف CSS نفسه. في ذلك اليوم طلبنا من الجلسات أن تستهلك ذاكرة أقل، وأن تنتظر دورها، وأن تسأل قبل أن تستخدمها.
وفي اليوم نفسه صارت جلسة واحدة هي المنسِّق. وكل جلسة أخرى تقرأ عند بدئها ملفًا مشتركًا يبيّن من يملك أي الملفات، وترسل إلى المنسِّق سطرًا واحدًا بمهمتها والملفات التي تتوقع أن تلمسها، فتتلقى نطاقها. وإذا احتاجت جلسة إلى ملف تملكه جلسة أخرى، أرسلت إلى تلك الجلسة التغيير لتطبّقه. وقبل أي شيء يستهلك ذاكرة كبيرة، مثل بناء أو مجموعة اختبارات أو محاكٍ، ترسل HEAVY? مع تقديرها للذاكرة والدقائق، وتنتظر GO. ويقرأ المنسِّق ضغط ذاكرة الجهاز قبل كل موافقة.
أدناه الطابور الذي انتظر فيه أول بناء لهذا المقال. كان قياس أداء لنموذج وجولات على المحاكي في الصف قبله، ولم يبدأ البناء إلا بعد انتظار 50 دقيقة.

قواعد الطابور موجودة في سكربت shell واحد اسمه heavy.sh، وقد تغيّرت أكثر من مرة. في 28 أكتوبر كانت صارمة أكثر من اللازم: انتظرت عشر عمليات حتى 16 دقيقة بينما كانت 43% من ذاكرة الجهاز متاحة، فأزلنا الطابور. وفي 2 نوفمبر كانت متساهلة أكثر من اللازم. كانت نحو 19 جلسة مفتوحة، وعدد منها يشغّل ما بين اثنين وخمسة وكلاء فرعيين، ولم تكن البوابة تحسب الوكلاء الفرعيين ولا خادم تطوير كان يعمل منذ ست ساعات. فنفدت ذاكرة الجهاز، وحين أنهت بيئة التشغيل عمليات shell في الخلفية، ماتت معها أدوات المراقبة الخاصة بالمنسِّق.
تقيس البوابة الحالية ذاكرة الجهاز في كل مرة تعمل فيها. إن كان هناك متسع بدأت العملية فورًا؛ وإن لم يكن أُجِّلت؛ ولا تعمل أكثر من أربع عمليات ثقيلة في الوقت نفسه. والفحص الذي يسبق العمل الثقيل هو تقريبًا ما يلي:
# LOCKS is a directory every session shares; run/<pid> marks a heavy run.
level=$(sysctl -n kern.memorystatus_vm_pressure_level) # 1 normal, 2 warn, 4 critical
free=$(memory_pressure -Q | awk -F: '/free percentage/ {print int($2)}')
live=0
for f in "$LOCKS"/run/*; do
[ -e "$f" ] && kill -0 "${f##*/}" 2>/dev/null && live=$((live + 1))
done
hold() {
[ -e "$LOCKS/STOP" ] || [ "$level" -ge 4 ] ||
{ [ "$level" -ge 2 ] && [ "$live" -ge 2 ]; } ||
[ "$free" -lt 25 ] || { [ "$free" -lt 30 ] && [ "$live" -ge 1 ]; } ||
[ "$live" -ge 4 ]
}
# Wait while hold() is true or older tickets fill the free slots (2 at warn, 4 otherwise).
# Then write run/$$, run "$@" as a child, and remove run/$$ when it exits.تأخذ العمليات المنتظرة أرقامًا بحسب أسبقية الوصول. فذات مرة، حين كان نحو 30 منها ينتظر، كانت التي تسأل أولًا عند تحرر خانة هي التي تفوز، وانتظرت عملية واحدة 35 دقيقة خلف عمليات وصلت بعدها. وهناك أيضًا حدود على مستوى الجهاز كله، ستة وكلاء فرعيين ومحاكٍ واحد على الأكثر، لكن هذين الحدين لا يزالان مجرد قاعدتين مكتوبتين لا تفرضهما البوابة.
القواعد المكتوبة فقط تُخرق
تركت كل حادثة في هذا المقال قاعدة وراءها، دُوّنت مع تاريخها. وتُظهر ثلاث منها ما يحدث لقاعدة لا وجود لها إلا مكتوبةً.
الأولى تخص البيانات الحقيقية. جلسات الوكلاء التي تُشغَّل من نسخة تطبيق Foxl لسطح المكتب التي نستخدمها فعلًا ترث بيئة التطبيق، ومنها متغير يشير إلى قاعدة بياناته. في 19 أكتوبر كتبت مجموعة اختبارات شُغّلت من مثل هذه الطرفية 305 محادثات مزيفة في قاعدة بيانات Foxl الحقيقية. ودخلت قاعدة مسح ذلك المتغير في اليوم نفسه، ومنذ 24 أكتوبر صار heavy.sh يمسحه بنفسه. ومع ذلك ظل الخطأ يعود: فحص شُغّل مباشرة بأداة npm، وسكربتات لمرة واحدة، واختبارات تحزم خادم سطح المكتب كله، وفي كل مرة من طريق لم يغطه الغلاف. والآن يرفض خادم سطح المكتب فتح البيانات الحقيقية حين يعمل تحت مشغّل اختبارات (foxl/server/paths.ts). ولم يبقَ معتمدًا على القاعدة المكتوبة إلا السكربتات التي تُستعمل مرة واحدة.
الثانية تخص سكربتًا ينفق مالًا حقيقيًا. يقع check-remote-input.mjs بين عشرات من سكربتات check- التي تقرأ المستودع وتفشل حين تجد مشكلة، لكنه يبدأ مهام حقيقية على خدمة Foxl Code في بيئة الإنتاج. في 23 سبتمبر شغّلت جولة على كل سكربتات check- مهمة منها. وكانت القاعدة يومها أن تُشغَّل الفحوص واحدًا واحدًا، بأسمائها. وفي 18 أكتوبر تسلل السكربت إلى قائمة فحوص اختيرت بأداة grep، فأنزلت تكلفة مهامه الثلاث حساب الاختبار الخاص بنا إلى ما دون الصفر. والآن لا يفعل شيئًا من دون الخيار --live، ويُبقيه اختبار في pr-validate على هذه الحال.
الثالثة تخص قفل الدفع. كانت عمليات الدفع (push) تمر عبر قفل تأخذه الجلسة بإنشاء مجلد. في 2 نوفمبر حاولت إحدى الجلسات أخذه يدويًا، ضمن دفعة من استدعاءات الأدوات المتوازية. فشل إنشاء المجلد لأن جلسة أخرى كانت تمسك القفل، لكن بقية الدفعة نُفّذت مع ذلك: دفعت الجلسة تغييراتها ثم حذفت قفل الجلسة الأخرى. ودخل في الصباح نفسه سكربت يأخذ القفل ولا يحرر إلا قفله، لكن الجلسة المحصورة في شجرة عملها لم تكن تستطيع استخدامه، فظلت تأخذ القفل يدويًا، خطوة بعد خطوة. وتكرر الخطأ نفسه في 4 نوفمبر.
لم ينهِ أي من هذه الفحوص فئة الخطأ التي جاء من أجلها. كل منها سدّ الطريق الذي جاء منه الخطأ الأخير، وحتى الآن وجد الخطأ التالي طريقًا آخر في كل مرة.
ما الذي تثبته علامة النجاح الخضراء
تعمل CI لدينا كلها على مشغّلات مستضافة ذاتيًا، وعلى كل طلب سحب أن يجتاز بوابة اسمها pr-validate. والسؤال هو ما الذي تثبته علامة النجاح الخضراء هذه. الأخضر يعني أن طلب السحب اجتاز الاختبارات وحده، لا أكثر.
في أول قطار دمج، للإصدار v0.7.27 في 24 سبتمبر، ظهرت هذه الفجوة. كان 54 طلب سحب أخضر كلٌّ في CI الخاص به، ومع ذلك احتوت على أربعة عوائق. أحدها كان يُضيّع آخر الحروف المكتوبة عبر أسلوب إدخال؛ وآخر كسر الرد من شاشة القفل في iPhone. وفي اليوم نفسه تجمّد جهاز Mac تمامًا بينما كان 19 وكيلًا مراجعًا يعملون في الوقت نفسه. ومنذ ذلك الحين لا يعمل أكثر من سبعة مراجعين في وقت واحد، لكن هذه أيضًا ليست إلا قاعدة مكتوبة.
لذلك يُبنى القطار الآن من الشجرة المدموجة لكل طلبات السحب الجاهزة، ويُتخذ قرار الدمج على تلك الشجرة. ويتولى كل وكيل مراجع مجموعة من طلبات السحب المترابطة، مع تعليمات تتضمن ما يلي، بنصها الإنجليزي الأصلي:
Your job is to REFUTE each PR in your group, not to confirm it. Assume every PR body overclaims until you have reproduced its claim. A green pr-validate on the PR proves little: it ran without the other PRs, and it cannot see UX or cost.
أي: فنّد كل طلب سحب، ولا تؤكده؛ وافترض أن وصف كل طلب سحب يبالغ حتى تعيد إنتاج ما يدّعيه بنفسك؛ واعلم أن نجاح pr-validate على طلب السحب لا يثبت الكثير، لأنه شُغّل من دون طلبات السحب الأخرى ولا يرى تجربة الاستخدام ولا التكلفة. يجيب المراجع بـ MERGE، أو MERGE_WITH_FIXES مع كتابة التصحيح، أو HOLD، أو CLOSE. وتدخل الإصلاحات بوصفها إيداعات مستقلة فوق طلب السحب، أما طلب السحب الذي لا يمكن إصلاحه فيُستبعد بإعادة بناء القطار من دونه.
يحتج مقال Cognition «Don’t Build Multi-Agents» على تقسيم مهمة واحدة بين وكلاء لا يرى أحدهم عمل الآخر، ويدعو إلى تسليمها لوكيل واحد يحمل السياق كله. ونحن نعطي كل جلسة مهمة كاملة بالفعل. لكن مشكلة واحدة تبقى: الوكلاء مفرطون في الثقة بعملهم. ولهذا يُطلب من المراجعين أن يفنّدوا.
الاختبار الذي يكتبه الوكيل مع الميزة دليل ضعيف على نحو خاص. فالاختبار والشيفرة يخرجان من الفهم نفسه للمشكلة، فإذا أخطأ الوكيل في فهم واجهة برمجة لدى مزوّد أو في فهم ما طُلب، حمل الاثنان الخطأ نفسه. وهذا ما يستطيع كل نوع من التحقق أن يراه:

لذلك لا يُحتسب الاختبار الجديد إلا إذا فشل على الشجرة قبل الإصلاح، والبوابة الأخيرة هي CI على قطار الدمج. وكل ما يحدث خارج المستودع فدليله في ذلك النظام الخارجي. بعد رفع إصدار واجهة أوامر، لم تقبل طرفيات Codex وOpenCode البعيدة في Foxl Code أي إدخال طوال عشرة أيام، بينما كانت كل البوابات خضراء. وأعلن سير عمل للإصدار ذات مرة النجاح بينما لم يكن في TestFlight أي بناء. وفي 3 نوفمبر وجدنا أن 34 من أصل 43 أداة لالتقاط الشاشة كانت تقدّم الصفحات من دون الخطوط الحقيقية، فكان المراجعون يحكمون على أشكال حروف لا يرسمها التطبيق المنشور أبدًا.
اسأل الوجهة
الإصدار المستقر تشغيل واحد لسير عمل. وهذا التشغيل الواحد يبني تطبيقات Windows وLinux وmacOS وiOS وAndroid وتطبيقات الويب وخادم الترحيل ويشحنها. ولا نكتفي بقول سير العمل إنه نجح: فالفحوص التي تلي الإصدار تسأل كل وجهة مباشرة.
ينتظر سكربت حتى تحصل المنصات الخمس كلها على ملفاتها قبل أن ينشر الإصدار. وتُقارَن حزمة Homebrew cask بالإصدار المنشور، لأنها قدّمت ذات مرة بناءً عمره أسبوع طوال أربعة إصدارات، بينما بدا سير العمل الذي يحدّثها سليمًا. وتُقارَن تطبيقات الويب المنشورة برقم الإصدار، لأن Worker يجيب بـ 200 حتى مع حزمة قديمة. ويُسأل TestFlight عبر واجهة Apple البرمجية.
إن بنيت شيئًا مشابهًا
هذا ما نجح معنا:
- أعطِ كل وكيل شجرة عمل git worktree خاصة به. على APFS ينسخ
cp -Rcالمجلدnode_modulesنسخة copy-on-write لا تكاد تشغل مساحة على القرص. ولا تربط مجلدnode_modulesواحدًا بعدة أشجار عمل عبر رابط رمزي أبدًا. - اجعل وكيلًا واحدًا هو المنسِّق، واحفظ الحالة المشتركة في ملفات بسيطة يستطيع كل وكيل قراءتها: من يملك أي الملفات، ومن يشغّل ماذا، وما المجمَّد.
- اجعل العمل الذي يستهلك ذاكرة كبيرة يمر عبر بوابة تعتمد على الذاكرة المقيسة، واحسب الوكلاء الفرعيين وخوادم التطوير إلى جانب عمليات البناء.
- اقرأ المراجع (refs) بقيمة SHA لا بأسمائها، لأن جلسات أخرى تحرّك
origin/*باستمرار.
قبل بناء قطار دمج، يمكنك رسم خريطة تعارضاته من دون checkout، بطيّ كل طلب سحب على main واحدًا تلو الآخر. في bash:
# Each head as a local ref first: git fetch origin '+refs/pull/*/head:refs/pr/*'
prs=(101 102 103)
acc=$(git rev-parse origin/main)
for pr in "${prs[@]}"; do
out=$(git merge-tree --write-tree --name-only "$acc" "refs/pr/$pr"); code=$?
if [ "$code" -eq 0 ]; then
acc=$(git commit-tree "${out%%$'\n'*}" -p "$acc" -p "refs/pr/$pr" -m "train: #$pr")
elif [ "$code" -eq 1 ]; then
echo "#$pr conflicts in:"; echo "$out" | sed -n '2,/^$/p'
else
echo "#$pr: merge-tree failed ($code)"; exit "$code"
fi
doneالملف الذي يضيف إليه كل طلب سحب أسطرًا في آخره، مثل سجل التغييرات، سيظهر في كل تعارض تقريبًا، إلا إذا أعطيته دمج union لهذا الأمر: git -c core.attributesFile=<file>، مع CHANGELOG.md merge=union في ذلك الملف.
ما يفعله البشر
في هذا الإعداد لا نكتب الشيفرة، ونادرًا ما نقرأ فرقًا. الطلب في العادة جملة واحدة ولقطة شاشة. وما نقرؤه هو ما يعود: لقطات الشاشة في كل طلب سحب، وأحكام كل قطار، والتقرير في نهاية كل إصدار، وفيه ما خرج، وما أجاب به كل فحص، ولقطات الشاشة من كل طلب سحب فيه.
صباح واحد مثالًا. في 3 نوفمبر عند 04:59 بتوقيت UTC وصل طلب سحب ومعه 20 لقطة شاشة لنافذة تحرير جديدة على البطاقة التي تنشر مراجعة. كان النص بخط آخر، وكان مربع النص هو مربع المتصفح نفسه، وثلاثة أزرار تنزل على البطاقة واحدًا تحت الآخر. عند 05:04 أرسلنا إلى المنسِّق سطرين: أن يعيد كاتب الطلب تصميم النافذة وفق نظام التصميم، وأن يعيد طلب السحب إلى مسودة ثم يرفعه من جديد. بعد اثنتي عشرة ثانية صار مسودة. وعند 09:30 عاد على محرر المسودات الخاص بالتطبيق، ومعه 296 لقطة شاشة التُقطت كل واحدة منها بعد تحميل خطوط التطبيق، ثم دُمج عند 11:50. ولم يكن الخط الآخر من صنع طلب السحب: فأداة التقاط الشاشة التي استعملها لم تقدّم خطوط التطبيق قط، وبالبحث عن السبب في ذلك اليوم وجدنا الأدوات الأربع والثلاثين المذكورة أعلاه.


حين يسوء شيء، نكتب القاعدة التي كانت ستلتقطه في ملف CLAUDE.md الخاص بذلك المجال، مع التاريخ والحادثة، ثم نبحث عن الموضع الذي يستطيع سكربت أن يفرضها فيه. يتخذ الوكلاء القرارات القابلة للتراجع من الشيفرة ويدوّنون ما قرروه. أما كل ما لا رجعة فيه، وكل ما يتعلق بالمال، فينتظر إنسانًا. ويُحتجز طلب السحب الذي يجعل Foxl أقل ملاءمة من المنتجات التي يقارنه الناس بها، حتى لو كانت شيفرته صحيحة.
الجزء الذي لم نحله
المراجعون وكلاء، لكن المعايير التي يطبقونها كتبها بشر، وما زال بشر يقرؤون أحكامهم. وهذه القراءة صارت الآن أبطأ خطوة بين طلب السحب والإصدار. لذلك نكتب معيارًا لكل نوع من الادعاءات يستطيع وكيل آخر التحقق منه من دون إنسان: لإصلاح منطقي، اختبار يفشل قبل الإصلاح وينجح على قطار الدمج؛ ولواجهة برمجة لدى مزوّد، التقاط من الخدمة الحقيقية؛ ولكل ما يراه إنسان، لقطات شاشة من البناء الحقيقي بالخطوط الحقيقية؛ وللتكلفة، أعداد طلبات مقيسة؛ وللإصدار، جواب كل وجهة. وكل ما لا رجعة فيه، وكل ما يتعلق بالمال، يبقى بيد البشر.
لا نعرف بعد كيف نعرف متى يصير المعيار جيدًا بما يكفي. الخطة أن نقيّم المراجعين كما تُقيَّم الاختبارات: أن نعدّ العوائق التي يجدها كل منهم مما فات CI، وكم مرة ينقض إنسان حكمه. وحين يتوقف البشر عن نقض أحكام مراجع في نوع من الادعاءات، لن يحتاج ذلك المعيار إلى إنسان بعد ذلك. ولا نملك أيًّا من العددين بعد.
المراجع وقراءات إضافية
- سجل تغييرات Claude Codeمرجع
- Codexمرجع
- Orcaمرجع
- herdrمرجع
- Kiro Crewمرجع
- قائمة RFC في Kiro Crewمرجع
- Foxl Codeمرجع
- مقال Cognition «Don’t Build Multi-Agents»مرجع