وكلاء البرمجة بالذكاء الاصطناعي من شركات مثل OpenAI وAnthropic وGoogle يمكّنون من العمل الممتد على مشاريع البرمجيات، بما في ذلك كتابة التطبيقات وإصلاح الأخطاء تحت إشراف بشري. تعتمد هذه الأدوات على نماذج لغة كبيرة لكنها تواجه تحديات مثل معالجة السياق المحدودة والتكاليف الحوسبية العالية. فهم آلياتها يساعد المطورين على اتخاذ قرارات بشأن نشرها بفعالية.
يمثل وكلاء البرمجة بالذكاء الاصطناعي تقدماً كبيراً في تطوير البرمجيات، مدعومين بنماذج لغة كبيرة (LLMs) مدربة على مجموعات بيانات هائلة من النصوص والكود. تعمل هذه النماذج كنظم مطابقة أنماط، مولدة مخرجات بناءً على الإرشادات من خلال الاستيفاء من بيانات التدريب. تحسينات مثل الضبط الدقيق والتعلم بالتعزيز من التغذية الراجعة البشرية تعزز قدرتهم على اتباع التعليمات واستخدام الأدوات.
هيكلياً، يتميز هؤلاء الوكلاء بنموذج LLM مشرف يفسر مهام المستخدم ويوزعها على وكلاء فرعيين متوازيين، باتباع دورة جمع السياق واتخاذ الإجراء وتحقق النتائج والتكرار. في الإعدادات المحلية عبر واجهات سطر الأوامر، يمنح المستخدمون الأذونات لعمليات الملفات وتنفيذ الأوامر أو جلب الويب، بينما تعمل الإصدارات القائمة على الويب مثل Codex وClaude Code في بيئات سحابية معزولة لضمان العزل.
قيد رئيسي هو نافذة السياق المحدودة للـLLM، التي تعالج تاريخ المحادثة والكود لكنها تعاني من 'تعفن السياق' مع زيادة عدد الرموز، مما يؤدي إلى انخفاض الاستذكار وزيادة تربيعية في التكاليف الحوسبية. للتخفيف من ذلك، يستخدم الوكلاء تقنيات مثل تفويض المهام إلى أدوات خارجية —مثل كتابة سكريبتات لاستخراج البيانات— وضغط السياق، الذي يلخص التاريخ للحفاظ على الأساسيات مثل قرارات التصميم المعماري مع التخلص من التكرارات. أنظمة الوكلاء المتعددة، باستخدام نمط منظم-عامل، تسمح باستكشاف متوازٍ لكنها تستهلك رموزاً أكثر بكثير: حوالي أربع مرات أكثر من المحادثات القياسية و15 مرة للإعدادات المعقدة.
أفضل الممارسات تؤكد على التخطيط البشري وإدارة الإصدارات والتطوير التدريجي لتجنب الفخاخ مثل 'البرمجة بالشعور'، حيث يعرض كود الذكاء الاصطناعي غير المفهوم لمخاطر أمنية أو ديون فنية. يؤكد الباحث المستقل Simon Willison أن المطورين يجب أن يتحققوا من الوظيفية: «ما هو القيم هو المساهمة في كود مثبت عمله». وجدت دراسة METR في يوليو 2025 أن المطورين ذوي الخبرة استغرقوا 19% أطول في المهام مع أدوات الذكاء الاصطناعي مثل Claude 3.5، مع تحذيرات تشمل معرفة المطورين العميقة بالكود الأساسي ونماذج قديمة.
في النهاية، هؤلاء الوكلاء مناسبون لعروض إثبات المفهوم والأدوات الداخلية، مع الحاجة إلى إشراف يقظ لأنهم يفتقرون إلى وكالة حقيقية.
