لقد كنت مطورًا منذ بضع سنوات ولكن لم أتمكن من البدء في إنشاء التطبيقات إلا بعد ظهور الذكاء الاصطناعي. لغتي الأولى التي تعلمتها كانت Visual Basic. لم أتقن الأمر مطلقًا، ولم يكن هناك شيء أساسي فيه. التالي كان C، ومع ذلك لم يتم إضافة أي شيء، حتى مع وجود علامتي الجمع. ودفاعًا عن نفسي، لم أكن أملك جهاز كمبيوتر عندما تعلمته وتم تدريسه على السبورة البيضاء.

الاكتشاف

لقد كنت أستخدم LLMs لفترة طويلة، على الأقل منذ ظهور الإصدار الأول من GPT4. لقد انتهيت للتو من تعلم تطوير blockchain مع Solidity وحصلت على وظيفة في وكالة برمجيات. وذلك عندما تم إصدار GPT4. في البداية كنت أطرح أسئلة عامة فقط. ثم بدأت استخدامه للبرمجة عن طريق الاختبار باستخدام بعض أكواد Solidity.

لقد كان أداؤه جيدًا جدًا، وذلك عندما أضاءت شرارتي لاستخدام الذكاء الاصطناعي في البرمجة. في ذلك الوقت كنت أعمل في وكالة برمجيات وحصلنا على عميل يريد نصًا يشتري NFTs تلقائيًا من سوق Solana بسعر أقل من سعر معين. لقد قمت بالمشروع بأكمله باستخدام GPT4.

فكرة التطبيق

عندما تم إصدار كلود، كنت متشككًا وقررت التأجيل قليلاً، حيث لعبت مع العارضات المجانيات.

في النهاية، تعلمت الأمر وقررت الاشتراك. وبعد فترة، أصبح كلود أوبوس هو النموذج المفضل لدي، حيث أستخدمه في مشاريع البرمجة الشخصية والأبحاث العامة. بعد فترة وجيزة، تم الإعلان عن كلود 3.5 السوناتة.

مبنى

في هذا الوقت تقريبًا، توصلت إلى فكرة لامتداد vscode الذي يمكنه توسيع قدرات الذكاء الاصطناعي من خلال جلبه إلى IDE ومنحه إمكانية الوصول للكتابة والقراءة، وبالتالي توفير سياق الذكاء الاصطناعي في الوقت الفعلي.

قررت أن أبدأ في البناء باستخدام Claude 3.5 Sonnet. لقد بدأنا بداية جيدة وكان لدي بعض الأشياء التي تعمل. ومع ذلك، بعد دقائق، حدث خطأ ما في الكود ودخلت في دائرة لمدة ساعة تقريبًا مع Sonnet، محاولًا إصلاحه. لقد شعرت بالإحباط وعدت مرة أخرى إلى النموذج الذي كنت أعرفه، Opus.

ومع ذلك، كنت أقوم بإصلاح الخطأ تلو الخطأ. لكنني واصلت العمل لأنني كنت لا أزال معتادًا على Opus ومترددًا في التبديل. ولكن بعد العبث مع Opus لمدة يومين تقريبًا، أدركت أنني لم أقترب من أي مكان كما فعلت مع Sonnet. لذلك عدت إلى Sonnet، وأحضرت الإصدار الأخير من التعليمات البرمجية التي كانت تعمل وبدأت من جديد من هناك.

في هذه المرحلة بدأت الأمور في وضعها في مكانها الصحيح. وفي غضون أسبوع حصلت على رمز يمكنني تشغيله واختباره على الأقل. كلما فهمت كيفية المطالبة أكثر، تمكنت من التعامل معها بشكل أسرع.

التحديات

ومع ذلك، لم يكن الأمر سلسًا تمامًا. هناك العديد من الحالات، ولكن الأهم كان عند نقطة واحدة، حيث أنني كنت أستخدمها أيضًا في البحث والقرارات المعمارية، فقد اقترحت نهجًا خاطئًا لم يكن ممكنًا في الإعداد الخاص بي. نظرًا لأنني لم أكن على علم بهذا، فقد قمت بتطبيقه وعند الاختبار لم ينجح.

عند استشارة الأخطاء مع Sonnet، لا يزال غير قادر على فهم سبب عدم عمل الوحدة. لذلك قمت بإجراء المزيد من الاستشارات حول التنفيذ باستخدام chatGPT. واقترح أيضًا نفس النهج (والذي لم ينجح) ولكنه أعطاني خيارًا ثانيًا. أخذت الثانية وأعطيتها لكلود، وفويلا! كان القطار يتحرك مرة أخرى.

النتيجة

بشكل عام، استغرق الأمر حوالي شهرين للتوصل إلى تطبيق قابل للتطبيق. انتهى بي الأمر بأكثر من 10 وحدات، والتي أجدها مناسبة لقابلية التوسع وتصحيح الأخطاء.

بناءً على تجربتي، أدركت أن جودة الذكاء الاصطناعي قد وصلت إلى مستوى يمكنك من خلاله تنفيذ الأفكار وتكرارها بسرعة مذهلة.

القيد الحالي للبرمجة باستخدام الذكاء الاصطناعي هو أنك مقيد بالنسخ واللصق ذهابًا وإيابًا. يعمل ذلك، ولكن في بعض الأحيان، عندما يكون هناك خطأ، قد تكون هناك فجوة في السياق نظرًا لأن الذكاء الاصطناعي قد لا يعرف كيفية إعداد مشروعك الحالي في IDE والخطأ لا ينقل ذلك.

نظرًا لأن كلا من الذكاء الاصطناعي وأنت لست على علم بذلك، ينتهي بك الأمر في دائرة. هذا ما أقوم بحله باستخدام codingAGI، جلب الذكاء الاصطناعي إلى IDE وجعله يقوم بإعداد البيئة، وكتابة الكود، وتشغيله وتلقي السياق الفوري في شكل رسالة نجاح أو خطأ، والذي يمكنه بعد ذلك تصحيحه.

خاتمة

الذكاء الاصطناعي لن يحل محل المطورين. لا تزال بحاجة إلى حثه وتوجيهه لتحقيق النتيجة التي تريدها. مما يعني معرفة مبادئ وأنماط تصميم البرمجيات. الفرق سيكون السرعة . سوف يقوم مطورو الذكاء الاصطناعي بالتفكير بشكل أسرع، والبرمجة بشكل أسرع، والشحن بشكل أسرع.

ألقي نظرة على CodingAGI وابدأ الشحن!