اكتشف كيف يستخدم "Vibe Coding" الذكاء الاصطناعي لأتمتة عملية تطوير البرمجيات. تعلم كيفية إنشاء مسارات عمل سريعة للرؤية الحاسوبية باستخدام Ultralytics واللغة الطبيعية.
البرمجة القائمة على "الطابع" هي نهج حديث لتطوير البرمجيات يعتمد فيه المطورون بشكل كبير على الذكاء الاصطناعي (AI) من أجل إنشاء الكود وصقله وتصحيح أخطائه، مما يتيح لهم التركيز على الأهداف عالية المستوى بدلاً من التركيز على بناء الجمل البرمجية يدويًّا. وقد ابتكر أندريه كارباثي هذه المنهجية في أوائل عام 2025، وهي تعتمد على توجيه نماذج اللغة الكبيرة (LLMs) من خلال مطالبات باللغة الطبيعية. بدلاً من كتابة الأوامر سطراً سطراً، يستسلم المبرمج لـ"أجواء" المشروع — حيث يصف بنية التطبيق المطلوبة ويترك لمساعدي البرمجة بالذكاء الاصطناعي التعامل مع تفاصيل التنفيذ . يتيح هذا التحول لكل من المهندسين المخضرمين والمبتدئين إنشاء نماذج أولية وبرامج تشغيلية بسرعة.
للإجابة على السؤال الشائع حول ماهية "البرمجة بالروح" (vibe coding)، فهي تمثل في جوهرها حلقة حوارية بين إنسان وعميل ذكاء اصطناعي. وهي تمثل انتقالاً من البرمجة اليدوية الصارمة إلى الإبداع المرن المدعوم بالذكاء الاصطناعي. من خلال البرمجة بالروح، يحدد المستخدمون نواياهم، وتقوم أدوات مثل نماذج GPT من OpenAI أو Claude Anthropic بترجمة تلك الأفكار إلى نصوص برمجية قابلة للتنفيذ. وهناك بشكل عام شكلان لهذه الممارسة. يحدث الترميز "الخالص" عندما يثق المستخدم تمامًا في ناتج الذكاء الاصطناعي لإنشاء نماذج أولية سريعة أو مشاريع نهاية الأسبوع، غالبًا دون مراجعة الكود الأساسي. في المقابل، فإن التطوير المسؤول بمساعدة الذكاء الاصطناعي يعامل الذكاء الاصطناعي كشريك أو مبرمج مزدوج، حيث يحتفظ الإنسان بالإشراف على مراجعة قاعدة الكود واختبارها وصيانتها.
بالنسبة لمجتمع التعلم الآلي، يقلل البرمجة التفاعلية بشكل كبير من عوائق الدخول إلى هذا المجال. فقد كان تطوير مسارات معالجة الرؤية الحاسوبية (CV) المعقدة أو نشر النماذج يتطلب في السابق معرفة عميقة بأطر عمل مثل PyTorch و TensorFlow. الآن، يمكن للمطورين بسهولة توجيه الذكاء الاصطناعي لتوليد الكود اللازم لمهام مثل تجزئة الصور أو اكتشاف الكائنات. يرتبط هذا المفهوم ارتباطًا وثيقًا بالذكاء الاصطناعي التوليدي، ولكن بينما يشير الذكاء الاصطناعي التوليدي إلى التكنولوجيا الأساسية التي تنتج نصوصًا أو صورًا جديدة، فإن البرمجة التفاعلية هي سير العمل المحدد أو نمط التفاعل بين الإنسان والحاسوب المستخدم لكتابة البرامج. من خلال دمج سير العمل هذا، يمكن للمهندسين تسريع دورة حياة نشر النموذج ، مع التركيز على حل المشكلة الأساسية للأعمال بدلاً من تصحيح أخطاء بناء الجملة النمطية.
تُعد ممارسة «ترميز الأجواء» قابلة للتطبيق بشكل كبير على سير عمل الذكاء الاصطناعي الحديث. وفيما يلي مثالان ملموسان على كيفية تطبيق المطورين لها في الواقع العملي:
عند استخدام وكلاء الذكاء الاصطناعي لكتابة كود تلقائي لتطبيق Ultralytics غالبًا ما تستفيد النتيجة الناتجة من واجهات برمجة تطبيقات (API) بديهية وعالية المستوى. قد يطلب المطور ببساطة: "أنشئ Python لتشغيل عملية الكشف عن الكائنات على دفق فيديو باستخدام YOLO26 واطبع إحداثيات المربع المحيط." ومن المرجح أن يُنتج الذكاء الاصطناعي مقتطفًا برمجيًا جاهزًا للتشغيل ونظيفًا مثل هذا:
from ultralytics import YOLO
# Load the recommended Ultralytics YOLO26 model
model = YOLO("yolo26n.pt")
# Perform inference on a video file
results = model(source="video.mp4", stream=True)
# Iterate through the results to print bounding boxes
for result in results:
print(result.boxes.xyxy)
يوضح هذا المقتطف كيف ينتج البرمجة التفاعلية Python يتفاعل بسلاسة مع نقاط نهاية المكتبة، مما يسمح للمطور بتحقيق الهدف النهائي على الفور.
من الأسئلة الشائعة بين المهندسين الذين يستكشفون هذا الاتجاه: "هل البرمجة القائمة على الحدس أمر سيئ؟" ورغم أنها توفر سرعة وسهولة وصول لا مثيل لهما، إلا أنها تنطوي على بعض التنازلات الملحوظة. وقد أشار كارباثي نفسه إلى أنه على الرغم من أن الكود يعمل، إلا أنه قد يكون أحيانًا "متضخمًا" أو يحتوي على تجريدات غير ملائمة.
في النهاية، ورغم أن البرمجة القائمة على الإحساس البحت تعد وسيلة رائعة لتوليد الأفكار بسرعة، فإن الحفاظ على التوازن مع الإشراف البشري — وهو ما يُعرف غالبًا بـ«التطوير المسؤول للذكاء الاصطناعي» — يظل أفضل الممارسات في بيئات الإنتاج.
ابدأ رحلتك مع مستقبل تعلم الآلة
