Akinator AI: طبقة المعرفة الحية لمستودعات الأكواد — دليل شامل

قراءة في 9 دقيقة

النقاط الأساسية

• Akinator AI هو طبقة معرفة دائمة التشغيل داخل المستودع تجعل وكلاء البرمجة بالذكاء الاصطناعي يقرؤون نية المشروع قبل تعديله [1].
• يتتبع أحد عشر نطاقاً معرفياً: المنتج، الأعمال، المتطلبات، الانحراف، البنية، المكتبات، القرارات، التاريخ، القواعد، المهارات، والذاكرة [2].
• التثبيت يستغرق 30 ثانية ولا يتطلب أي تغيير في طريقة عملك — فقط وجّه أوامرك بشكل طبيعي [1].
• يحل المشكلة الجوهرية في البرمجة التوليدية: فقدان السياق بين الجلسات وتكرار الأخطاء بسبب جهل الوكيل بمنطق العمل [3].

ما هو Akinator AI؟

Akinator AI هو مشروع مفتوح المصدر طوّره إيهاب خالد، يهدف إلى تحويل المستودع البرمجي إلى "ويكي حي" خاص به. الشعار الأساسي للمشروع يلخص الفكرة: "الكود يقول كيف. Akinator يحتفظ بماذا، لماذا، من، متى، قبل، الآن، التالي" [1].

على عكس مساعدي البرمجة التقليديين الذين يفهمون الكود فقط، يركز Akinator على الحفاظ على السياق الكامل خلف الكود: قرارات المنتج، قواعد العمل، السياق التاريخي، الإخفاقات، والبنية المتطورة [3].

ملاحظة:

ملاحظة: الاسم مستعار من لعبة التخمين الشهيرة Akinator، لكن الوظيفة مختلفة تماماً — بدلاً من تخمين الشخصيات، يتأكد هذا النظام من أن وكيل الذكاء الاصطناعي يعرف مشروعك قبل أن يلمس ملفاً واحداً [1].

المشكلة الجوهرية التي يحلها

عندما تعتمد على "البرمجة التوليدية" (vibe coding) — أي التطوير القائم على الأوامر النصية — يواجه وكيل الذكاء الاصطناعي مشاكل متكررة:

• لا يعرف منطق العمل الخاص بمشروعك
• لا يفهم سبب القرارات السابقة
• يجهل متطلبات المنتج وتطورها
• لا يعرف ما الذي تغيّر ولماذا
• يفقد السياق بين الجلسات المتتالية
• يكرر الأخطاء أو يناقض قرارات سابقة

Akinator يعالج هذه المشاكل عبر الحفاظ على "ويكي حي" داخل المستودع نفسه يقرؤه الوكيل تلقائياً [1].

النطاقات المعرفية الأحد عشر

يتتبع Akinator نطاقات معرفية محددة داخل المستودع، وفقاً للتوثيق الرسمي [2]:

كيف يعمل تقنياً

التثبيت في 30 ثانية

على macOS وLinux (لكل المنصات المثبتة لديك — Claude Code وCodex وCursor):

curl -fsSL https://raw.githubusercontent.com/ihabkhaled/akinator-ai/main/install.sh | sh

على Windows (PowerShell 5.1 أو أحدث):

irm https://raw.githubusercontent.com/ihabkhaled/akinator-ai/main/install.ps1 | iex

بعد التثبيت، أعد تشغيل الوكيل الخاص بك. لا حاجة لأي استدعاء يدوي — فقط وجّه أوامرك بشكل طبيعي [1].

التكامل مع المنصات

الآلية الأساسية هي الخطافات التي تعمل تلقائياً:

• خطاف SessionStart — يحقن المعرفة والسياق عند بدء الجلسة
• خطاف لكل أمر — يعيد حقن السياق ذي الصلة قبل كل أمر مستخدم

هذا يعني أن الوكيل لا يحتاج لأن يُطلب منه قراءة التوثيق — يحدث ذلك تلقائياً في كل مرة [1].

التحديث والإلغاء

• للتحديث: أعد تشغيل نفس أمر التثبيت
• للإلغاء: أضف --uninstall (أو -Uninstall على Windows) — يُستعاد المستودع بايتاً ببايت
• الخيارات: --claude و--codex و--cursor لاختيار المنصات، و--repo PATH لموقع مستودع مخصص [1]

كيف يوجّه الذكاء الاصطناعي نحو مستقبل برمجي أفضل

بدون Akinator

المستخدم: "أضف تحديد معدل لتصدير البيانات"
الذكاء الاصطناعي: [يعدل الملفات دون معرفة سبب وجود التصدير،
     أو القواعد التجارية التي تحكمه، أو أنماط المشروع]

مع Akinator

المستخدم: "أضف تحديد معدل لتصدير البيانات"
الذكاء الاصطناعي: [يقرأ سياق المنتج، قواعد العمل، قرارات البنية،
     تاريخ الانحراف، اختيارات المكتبات،
     ثم يعدل الملفات بوعي كامل]

الوكيل يفهم النية قبل الفعل [1].

معالجة انحراف المنتج

انحراف المنتج هو الفجوة بين ما كان مقصوداً أصلاً وما أصبح عليه المنتج بمرور الوقت. يتتبع Akinator الانحراف كنطاق معرفي من الدرجة الأولى [2].

هذا يعني أن:

• الحالة السابقة مسجلة (ما كان عليه المنتج)
• الحالة الحالية مسجلة (ما هو عليه الآن)
• مبرر الانتقال مسجل (لماذا تغيّر)
• الاتجاه المستقبلي ملتقط (ما هو التالي)

عندما يجري الوكيل تغييرات، يمكنه الرجوع إلى تاريخ الانحراف من أجل:

1. تجنب التراجع عن قرارات تم تغييرها عمداً
2. فهم السياق لسبب اختلاف الحالة الحالية عن الخطط الأصلية
3. الحفاظ على الاتساق مع مسار المنتج
4. تحديد التعارضات المحتملة بين تغيير جديد والاتجاه المقرر

دعم سياق الذكاء الاصطناعي

سياق البرمجة التقليدي مؤقت — يوجد فقط في المحادثة الحالية. عند انتهاء الجلسة، يُفقد السياق.

Akinator ينشئ سياقاً دائماً عبر ثلاثة مستويات [1]:

مستوى الجلسة

• خطاف SessionStart يحمّل المعرفة ذات الصلة عند بدء الجلسة
• خطاف لكل أمر يعيد الحقن قبل كل أمر

مستوى المستودع

• المعرفة تعيش داخل المستودع كملفات
• مُدارة بالإصدارات جنباً إلى جنب مع الكود
• تنمو مع كل تغيير في الكود

عبر الجلسات

• نطاق الذاكرة يستمر عبر الجلسات
• نطاق التاريخ يحافظ على الخط الزمني
• نطاق القرارات يحفظ المبررات

هذا يعني أن الجلسة الجديدة تبدأ بوعي كامل بالمشروع، وليس بصفحة فارغة [1].

التقاط توقعات المنتج

توقعات المنتج — أي ما يتوقعه أصحاب المصلحة من المنتج — تُحافظ عليها عبر طبقات متعددة [2]:

عندما يبرمج الذكاء الاصطناعي ميزة، يمكنه التحقق من:

• هل يتوافق هذا مع المتطلبات الحالية؟
• هل ينتهك أي قواعد عمل؟
• هل يطابق نطاق المنتج؟
• هل تم تغيير هذا التوقع عمداً (انحراف)؟
• هل كان هناك قرار سابق بخصوص هذا؟

التعامل مع تغييرات منطق المنتج والأعمال

عندما يتغير منطق العمل:

1. التغيير نفسه يُسجل في نطاق التاريخ
2. المبرر يُلتقط في القرارات
3. الانحراف عن المنطق السابق يُتتبع
4. المنطق الجديد يُشفر في نطاقات الأعمال والقواعد
5. الوكيل يقرأ كل هذا تلقائياً عبر الخطافات قبل الإجراء التالي

هذا ينشئ مسار تدقيق للنية — ليس فقط تغييرات الكود، بل لماذا حدثت تلك التغييرات من منظور الأعمال [1].

البرمجة التوليدية كشركة متكاملة

"البرمجة التوليدية" تعني التطوير القائم على الأوامر حيث تصف ما تريد ويبنيه الذكاء الاصطناعي. Akinator يرفع هذا من برمجة على مستوى الملفات إلى برمجة واعية بالشركة عبر منح الوكيل نفس السياق الذي يمتلكه مهندس أول + مدير منتج + مهندس معماري [1].

معرفة المهندس

• أنماط البنية
• اختيارات المكتبات وأسبابها
• قواعد الترميز
• القرارات التقنية ومبرراتها

معرفة مدير المنتج

• نطاق المنتج وهويته
• المتطلبات الحالية
• قواعد العمل
• تاريخ انحراف المنتج

معرفة المهندس المعماري

• القرارات الهيكلية
• تاريخ القيود
• لماذا اختيرت أو رُفضت أنماط معينة

ذاكرة الفريق

• من قرر ماذا ومتى
• تاريخ التغييرات
• المهارات والأنماط القابلة لإعادة الاستخدام

عندما تكتب:

أصلح فشل إعادة محاولة الدفع

الذكاء الاصطناعي يعرف [1]:

• ماذا يفعل نظام الدفع (المنتج)
• ما القواعد التجارية التي تحكم إعادة المحاولة (الأعمال)
• ما البنية التي تستخدمها خدمة الدفع (البنية)
• ما المكتبات المعنية (المكتبات)
• ما القرارات التي اتخذت بشأن إعادة المحاولة (القرارات)
• كيف تغير منطق إعادة المحاولة (الانحراف/التاريخ)
• ما القواعد التي تنطبق على كود الدفع (القواعد)

إنه يبرمج كما لو كان في فريقك منذ اليوم الأول.

حلقة Akinator ذات الاثنتي عشرة محطة

وفقاً للتوثيق المتاح عبر دليل إضافات ChatGPT، يشغّل Akinator كل لمسة للمستودع عبر حلقة من اثنتي عشرة محطة [4]:

1. اسأل — تحديد ما يحتاج إلى توضيح
2. حلّ — معالجة الغموض
3. دقق — مراجعة الحالة الحالية
4. خطط — وضع خطة للتغيير
5. نفّذ — تنفيذ التعديلات
6. وثّق — تحديث التوثيق
7. حوّل إلى مهارة — تحويل العمليات المتكررة إلى مهارات
8. قاعدة — فرض الدروس كقواعد
9. سياق — ربط التغيير بالسياق الأوسع
10. احفظ — تخزين في الذاكرة
11. فهرس ومزامنة — الحفاظ على ملفات التوجيه متزامنة
12. تحقق — التحقق النهائي في خطوة واحدة

تحذير:

تحذير: هذه الحلقة موثقة كمفهوم/عرض توضيحي في دليل الإضافات، وليس من الواضح من الملخص ما إذا كانت نسخة كود كاملة متاحة للجمهور داخل المستودع المرتبط [4].

سيناريوهات الاستخدام العملي

السيناريو 1: تأهيل مطور جديد

الأمر: "اشرح كيف يعمل نظام التصدير لدينا"

يقرأ الذكاء الاصطناعي نطاقات البنية والمنتج والأعمال والتاريخ → يعطي إجابة مستندة إلى سياق المشروع الفعلي، وليس معرفة عامة [1].

السيناريو 2: إضافة ميزة

الأمر: "أضف تحديد معدل للتصدير"

يقرأ الذكاء الاصطناعي منطق التصدير الحالي وقواعد العمل وقيود البنية واختيارات المكتبات → ينفذ تحديد المعدل بما يتناسب مع النظام القائم [1].

السيناريو 3: إصلاح خطأ

الأمر: "أصلح فشل إعادة محاولة الدفع"

يقرأ الذكاء الاصطناعي تاريخ الدفع والقرارات السابقة والانحراف وقواعد العمل → يصلح الخطأ دون كسر السلوك المقصود [1].

السيناريو 4: سؤال معماري

الأمر: "لماذا تستخدم هذه الخدمة Redis؟"

يقرأ الذكاء الاصطناعي نطاقات القرارات والبنية والتاريخ → يشرح المبرر الفعلي، وليس تخميناً [1].

السيناريو 5: استمرارية متعددة الجلسات

الجلسة 1: "نحن نهاجر من REST إلى GraphQL"
الجلسة 2 (جديدة): "أكمل ترحيل API"

يقرأ الذكاء الاصطناعي الذاكرة والتاريخ → يعرف أن الترحيل قيد التنفيذ، وما تم إنجازه، وما هو التالي [1].

ملخص الفوائد

ما لا يغطيه التوثيق العام

بناءً على الأدلة المتاحة من صفحة المستودع الرئيسية وملف README [1, 2]، التفاصيل التالية غير موثقة علناً:

• البنية الداخلية لملفات النطاقات المعرفية
• الصيغة الدقيقة للمعرفة المخزنة (JSON؟ Markdown؟ YAML؟)
• كيف تُحدث المعرفة (يدوي أم كشف تلقائي؟)
• هل يستخدم التضمينات (embeddings) أو مطابقة الكلمات المفتاحية لاسترجاع السياق
• تأثير الخطافات على زمن استجابة الأوامر
• كيف تُحل التعارضات بين مدخلات المعرفة
• هل يدعم المستودعات المتعددة (monorepos)
• ميزات التعاون الجماعي (إن وجدت)
• تفاصيل التسعير أو الترخيص
• كيف تُعرّف "المهارات" وتُعاد استخدامها
• التكامل مع خطوط CI/CD
• دعم لغات أخرى غير الإنجليزية

ملاحظة:

ملاحظة: دليل docs ودليل skills/akinator موجودان في المستودع، لكن الوصول المباشر إليهما محظور بواسطة ملفات robots.txt أثناء هذا البحث [8, 9].

العلاقة مع أعمال إيهاب خالد الأخرى

يحتفظ إيهاب خالد بعدة مشاريع متكاملة:

• ClawAI — منصة تنسيق ذكاء اصطناعي محلية أولاً، تدير نماذج مفتوحة على جهاز المستخدم وتتصل بمزودي LLM الرائدين [6]. وفقاً لسجل التغييرات، انتقل ClawAI في الإصدار 0.2.0 من بنية متجانسة إلى تسع خدمات NestJS مصغرة مستقلة مع RabbitMQ للتراسل غير المتزامن وNginx كبوابة API [7].
• AI-Psychiatry — إطار لكشف الانحراف السلوكي في وكلاء الذكاء الاصطناعي، مذكور في سياق إضافات ChatGPT [5].

بينما ينسق ClawAI أي نموذج يُستخدم، يضمن Akinator أن النموذج يفهم مشروعك قبل أن يتصرف [1][6].

الصورة الأكبر

يمثل Akinator AI تحولاً من:

"الذكاء الاصطناعي كمولّد أكواد" → "الذكاء الاصطناعي كعضو فريق بذاكرة"

عبر تضمين معرفة المشروع داخل المستودع وجعلها متاحة تلقائياً لوكلاء الذكاء الاصطناعي، يعالج القيد الأساسي للبرمجة القائمة على نماذج اللغة الكبيرة: فقدان السياق. يتوقف الوكيل عن كونه أداة تحتاج تذكيراً مستمراً ويصبح شيئاً يعرف مشروعك [1].

هذا الأمر ذو أهمية خاصة للمنصات الحساسة مثل الرعاية الصحية، حيث يكون منطق العمل والمتطلبات التنظيمية وانحراف المنتج حرجة — جعل الذكاء الاصطناعي يفهم لماذا يعمل شيء بطريقة معينة قبل تغييره يمكن أن يمنع مشاكل الامتثال وقضايا سلامة البيانات وأخطاء التراجع [3].

المصادر

• 1
• 2
• https://www.linkedin.com/posts/ihabkhaled94_github-ihabkhaledakinator-ai-a-behavioral-activity-7506729924691406848-Xeoq
• https://pluginsradar.com/chatgpt/plugins/akinator-788ea07d
• https://pluginsradar.com/chatgpt/developers/ihab-khaled
• https://github.com/ihabkhaled/ClawAI
• https://github.com/ihabkhaled/ClawAI/blob/6a5bc7fb5c0532a90f393c49acaedb8832283f98/CHANGELOG.md
• 8
• 9