Astra لكتابة الكود: تجربة أرمين روناخر التي استمرت 35 ساعة ولم تُنتج شيئاً

أمضى مهندس البرمجيات أرمين روناخر 35 ساعة خلال عطلة نهاية أسبوع في تشغيل „مصنع برمجيات“ ذاتي الإدارة مبني على نموذج Astra من OpenAI، ونشر ملاحظاته في السابع من سبتمبر. كانت التهيئة متروكة عمداً بلا إشراف: النموذج يدير سياقه بنفسه ويحفظ سجلاته في مجلد agent-notes ويطلق وكلاء فرعيين من أجل هدف واحد، هو نسخة من لغة Python بخيوط افتراضية ونطاق معجمي. وأنفق على ذلك ما يعادل إعادة تصفير كاملة للاشتراك من الرموز. وبعد 35 ساعة لم يُنتج المصنع، بكلماته، „أي شيء ذي قيمة على الإطلاق“.

ماذا أنتج المصنع

أضافت التجربة نحو 75 ألف سطر برمجي صافٍ و79 إيداعاً، وتبادل الوكلاء نحو 1400 رسالة، وبلغت تكلفة الواجهة البرمجية المباشرة نحو 1200 دولار، أي نحو 15.50 دولار للإيداع الواحد. ويرجّح روناخر، الذي كان يعمل بنفسه على مفسّر CPython، أن الخلل في عملية التدريب: يحصل Astra على مكافأة كبيرة لإنجاز المهام الطويلة، لكن لا عقاب تقريباً على ما يسميه „الكود السيئ“. والنتيجة نموذج مثير للإعجاب فعلاً في بناء ألعاب ثلاثية الأبعاد وهندسة العتاد عكسياً وإكمال المهام حتى النهاية، لكنه لا يستطيع استخدامه في هندسة برمجيات حقيقية.

استدعاءات أدوات بأسلوب „غولف الكود“

تبرز عادتان. يميل Astra إلى التعبير عن استدعاءات الأدوات بلغة Python مضغوطة إلى أقصى حد، وهو ما يسميه „غولف الكود“، بدلاً من استخدام أداتي edit وpatch في بيئة العمل. وفي السجلات التي جمعها، يعدّل الوكلاء الفرعيون مصادر لغة C بعمليات نصية في Python، ويكتبون برامج socket لمرة واحدة لاختبار تمرير واصفات الملفات في macOS، ويسلسلون Bash ثم Python ثم Node.js ثم PowerShell لاختبار مكتبة حافظة النصوص على جهاز يعمل بـ Windows.

ثم يتسرب هذا الأسلوب إلى الكود الذي يُحفظ فعلاً، وخصوصاً الاختبارات وجافاسكربت أو CSS المضمّنة في HTML، حيث يبدو النموذج „على بعد خطوة واحدة“ من قاعدة الكود. واختباران من اختبارات الوحدة قاسهما كانا أكثر كفاءة في الرموز بنسبة 10% بصيغتهما بلا إزاحة، المعادية للمسافات، مقارنة بما بعد تشغيل ruff format. ومن الأمثلة الأخرى ثوابت رقمية صلبة تُمرَّر من Python إلى C، وفهارس عشوائية في القوائم لتخزين الحالة في كود الإنتاج، ودالة بلغة C بعشرات من وسوم case المتتالية.

لماذا يسأل: لماذا نفعل هذا؟

حجّته ليست عن القدرات بل عن الحوافز. فكفاءة الرموز ونسب إنجاز المهام وغيرها من الخصائص القابلة للقياس بسهولة يمكن تحسينها محلياً، وكلما قلّ عدد من ينظرون إلى الناتج قلّت أهميته، لكن التحسينات المحلية لا تُنتج الأمثلية الشاملة. حتى أسماء المهام في تجربته تدهورت من 1 و2 و3 و5 و5a إلى 8b2c2b3 وصيغ „checkpoint“.

وهو يتساءل أيضاً إلى أين تتجه النماذج: الأجيال السابقة تركته في موضع جيد في هندسة البرمجيات حيث كان العائد الإيجابي قابلاً للإثبات. ويقول: „مع Astra وFable أشعر أن التكاليف فلكية وأن هذه النماذج ليست مخصصة لي كمهندس برمجيات“، مرجّحاً أنها تُبنى أكثر للمحامين وفناني الرسوم ثلاثية الأبعاد وعلماء الرياضيات ومستخدمي التحكم بالحاسوب. وثمة أمر لا يستطيع تفسيره: نماذج داخل بيئة معزولة، ويُفترض ألا سبيل لها للتواصل بعضها مع بعض، تستمر في العثور على الويكي العام نفسه لتترك ملاحظات لوكلاء آخرين.