إذا كنت تقرأ هذا المقال، فمن المحتمل أن لديك بعض الاهتمام بـ AI.

ولكن من أين يأتي هذا الاهتمام في الواقع؟

بالنسبة للبعض منكم، هو فضول حقيقي. شغف بما يمكن لهذه التكنولوجيا فعله - كيف تفكر، كيف تتعلم، وما قد تصبح عليه. تلك نقطة بداية جميلة.

بالنسبة لمعظمنا، مع ذلك، إذا كنا صادقين - فقد وصل الاهتمام بطريقة مختلفة. جاء من العناوين الرئيسية. من المحادثات في العمل. من الشعور بأن شيئاً هائلاً يحدث وأن الوقوف ساكناً قد يعني التخلف عن الركب. ليس شغفاً بالدقة. بل أقرب إلى الضغط.

وهذا الضغط محسوس في كل مكان.

وفقاً لـتقرير Deloitte's State of AI in the Enterprise، قامت الشركات التي شملها الاستطلاع بتوسيع نطاق وصول القوى العاملة إلى أدوات AI بنسبة 50% في عام واحد. الاستثمار آخذ في الارتفاع: زادت 84% من المؤسسات ميزانياتها المخصصة لـ AI في عام 2025. وتخطط ما يقرب من 3 من كل 4 شركات لنشر agentic AI خلال العامين المقبلين.

الجميع يتحرك. بسرعة.

ولكن إليك السؤال الذي لا يطرحه أحد بصوت عالٍ بما فيه الكفاية:

هل يتحركون في الاتجاه الصحيح؟

الفجوة بين الطموح والواقع

إن تقرير Deloitte نفسه - الذي تم بناؤه من محادثات مع أكثر من 3,200 من قادة الأعمال والتكنولوجيا عبر 24 دولة، يرسم صورة أكثر تعقيداً تحت هذا الزخم.

نجحت 25% فقط من المؤسسات في نقل 40% أو أكثر من تجارب AI الخاصة بها إلى مرحلة الإنتاج. أما البقية فهي عالقة فيما يمكن تسميته فخ إثبات المفهوم: تشغيل تجارب تعمل بشكل جميل في ظروف خاضعة للرقابة، ثم مشاهدتها تتعطل بمجرد مواجهتها لتعقيدات العالم الحقيقي.

تستخدم 37% من الشركات AI على مستوى سطحي، مع تغيير بسيط أو معدوم في العمليات الحالية. لديهم الأدوات. لكنهم لا يحصلون على القيمة.

تلك الفجوة - بين مدى سرعة تحرك الشركات ومدى استعدادها الفعلي - هي حيث يكمن الخطر الحقيقي.

ليس الأمر أن التكنولوجيا غير جاهزة. بل أن معظم المؤسسات لم تبنِ بعد الأطر، أو الرؤية، أو الفهم اللازم لنشرها بمسؤولية.

هذه ليست أزمة قدرات. إنها أزمة إدارة.

وقد قام فريق من الطلاب في HackPrinceton Spring 2026 ببناء الأداة لمعالجة ذلك.

في الواقع، إذا فاتك الأمر، فقد كان فريق Enter جزءاً منHackPrinceton 2026- واحدة من أكثر مسابقات الهاكاثون الطلابية تنافسية في البلاد، والتي أقيمت في حرم جامعة برينستون على مدار عطلة نهاية أسبوع واحدة.

كنا هناك لدعم الجيل القادم من البناة. أدرنا ورش عمل، وعقدنا ساعات مكتبية، وشاهدنا الفرق تنتقل من شاشة فارغة إلى منتج حي في إطار زمني لا يزال يبهرنا في كل مرة.

هذا هو المقال الثالث في سلسلة HackPrinceton Builder الخاصة بنا، حيث نتناول مشروعاً واحداً في كل مرة؛ وأحد المشاريع التي رأيناها في عطلة نهاية الأسبوع تلك خاطب بشكل مباشر أزمة الإدارة الموصوفة أعلاه.

فريق من الطلاب - مسلحين ببحث أصلي وأطروحة حادة - بنوا أداة مصممة لمنح الشركات الرؤية التي تفتقدها قبل النشر.

ذلك المشروع هو reAgent.

ما هو reAgent

تشترك معظم حالات فشل نشر AI في شيء واحد: لم يستطع أحد رؤية ما كانوا يبنونه حتى بدأ في الانهيار بالفعل.

كانت البنية تعيش في رأس شخص ما، أو في رسم بياني على سبورة بيضاء، أو في سلسلة محادثات Slack مليئة بالافتراضات. كانت التكاليف غير مرئية. وكانت نقاط الفشل غير مرئية. وكانت فجوات المنطق غير مرئية. ثم تم إطلاق النظام - ووصلت الفاتورة.

تم بناء reAgent على فرضية بسيطة: اجعل الأمر مرئياً قبل أن يهم الأمر.

إنها منصة تفاعلية قائمة على المتصفح تترجم الفوضى غير المرئية لتنسيق AI إلى شيء يمكنك رؤيته وقياسه واختبار ضغطه - قبل كتابة سطر واحد من التعليمات البرمجية.

تفتح متصفحاً. تقوم بسحب وإفلات مكونات AI على لوحة رقمية - 14 نوعاً من العقد المتميزة والقابلة للتكوين تمثل اللبنات الأساسية الحقيقية لأنظمة الوكلاء المتعددين. تقوم بربطها معاً. تحدد كيفية تدفق المعلومات، وأين يتم اتخاذ القرارات، وإلى أين تذهب البيانات بعد ذلك. أنت تبني البنية بالطريقة التي ترسمها على سبورة بيضاء - باستثناء أن هذه السبورة ترد عليك.

في اللحظة التي تتخذ فيها قرار تصميم سيئ، تتوهج العقدة باللون الأحمر. في اللحظة التي تنشئ فيها مساراً غير فعال، يتم تحديث التكلفة. في اللحظة التي تزيد فيها بنيتك من تحميل نافذة السياق، تتفاعل الواجهة بشكل مرئي.

هذه ليست أداة رسم ثابتة. إنها مدرب نشط: يحسب التأثير التجاري الدقيق لكل قرار معماري تتخذه، في الوقت الفعلي، قبل أن تلتزم بأي شيء في مرحلة الإنتاج.

يستبدل reAgent*"النشر والدعاء"*بشيء كان يفتقده القطاع: إدارة المخاطر المرئية.

غرفة المحركات: كيف يعمل reAgent في الواقع

لا يمكنك إدارة ما لا يمكنك قياسه.لذا قام فريق reAgent ببناء نظام تقييم ثنائي المرور (Dual-Pass Evaluation System): وهي عملية مكونة من مرحلتين تضمن أن كل قرار معماري يستند إلى كل من الواقع الرياضي والقصد المنطقي.

المرحلة الأولى — محرك الحتمية: الرياضيات والمال

في اللحظة التي تضغط فيها على "تقييم" (Evaluate)، يتم تشغيل خوارزميات الرسم البياني الكلاسيكية عبر هندستك المعمارية.

منع الحلقات (Loop Prevention)يستخدم البحث بالعمق أولاً (Depth-First Search) — وهي طريقة لتتبع كل مسار ممكن عبر النظام — لاكتشاف الحلقات اللانهائية. إذا علق نموذج AI في دورة لا تحتوي على شرط خروج، يقوم النظام بتنبيهك فوراً، مع حساب تأثير التكلفة وعرضها. هذا هو بالضبط نوع الفشل الذي أنتج فاتورة سحابية بقيمة 47,000 دولار. يقوم reAgent باكتشافه قبل أن يبدأ.

حساب السرعةيستخدم خوارزمية Kahn لرسم خريطة لأطول مسار يجب أن تسلكه بياناتك عبر النظام، مع حساب زمن الاستجابة p95 بدقة. التصاميم المتوازية — حيث تعمل المهام في وقت واحد بدلاً من انتظار بعضها البعض — تحصل على تقييم إيجابي. أما الاختناقات فتتعرض لعقوبات. الرياضيات هنا موضوعية.

المرحلة الثانية — نموذج LLM كحكم: المنطق والقصدت

بمجرد التحقق من الأرقام، يتم تقييم الهندسة المعمارية بواسطة نموذج AI يعمل كمراجع أول. إنه يطرح الأسئلة التي قد يطرحها مهندس متمرس:

هل تتدفق البيانات بكفاءة؟ هل تستخدم نموذج AI باهظ الثمن لشيء يمكن لقاعدة بسيطة التعامل معه؟ هل تحل هذه الهندسة المعمارية المشكلة التي وصفتها بالفعل؟

يجب اجتياز المرحلتين معاً. لا يمكنك إنتاج رسم بياني غير منطقي واجتياز اختبار الرياضيات. لا يمكنك بناء شيء يكلف 50 دولاراً للتشغيل واجتياز اختبار المنطق. يحتفظ النظام بكلا المعيارين في وقت واحد — وهذا الصرامة هي الهدف.

ثلاث ميزات تستحق الفهم

مقياس حرارة السياق (Context Thermometer)

كل نموذج AI لديه نافذة سياق: كمية المعلومات التي يمكنه الاحتفاظ بها ومعالجتها في وقت واحد. إنها محدودة. ومكلفة. وغالباً ما تقوم الفرق بتحميلها بشكل زائد دون إدراك ذلك، حيث يتم تغذيتها بكل ما هو متاح وترك النموذج يصنفها بتكلفة عالية.

مقياس حرارة السياق هو عنصر مرئي حي يهتز مادياً ويصدر تحذيراً عندما تقترب الهندسة المعمارية من ذلك الحد. يجتاز النظام الرسم البياني بالكامل، ويتتبع كل سلسلة من الإجراءات، ويحصي كل أداة تابعة تغذي النموذج. عندما يصبح الحمل خطيراً، تستجيب الواجهة — بشكل مرئي وفوري.

ليس مجرد إشعار. بل رد فعل مادي. هذا هو نوع تفاصيل التصميم التي تخبرك بأن الأشخاص الذين بنوا هذا النظام قد شعروا بألم تكاليف السياق الخارجة عن السيطرة بشكل مباشر.

عرض عائد الاستثمار المباشر (Live ROI Display)

كل قرار تتخذه على اللوحة ينعكس فوراً في عرض حي يوضح زمن الاستجابة الدقيق والتكلفة المحسوبة بالدولار. خيار توجيه سيئ = تضيء العقدة باللون الأحمر. مسار أكثر كفاءة = ينخفض الرقم.

هذه أداة تعليمية بقدر ما هي أداة لحساب التكلفة. إنها تبني الحدس لما تبدو عليه هندسة AI المدارة جيداً، قبل أن تنفق أي شيء في بنائها.

وضع التجربة (Sandbox Mode)

اكتب هدفاً تجارياً بلغة إنجليزية بسيطة :"مراقبة إيداعات هيئة الأوراق المالية والبورصات (SEC) وتحديد المخاطر"— وسيقوم النظام تلقائياً بإنشاء هندسة معمارية متعددة الوكلاء (multi-agent) محسنة وموجهة ومقيدة بالكامل على اللوحة في ثوانٍ.

ما يستغرق عادةً أسابيع من التجربة والخطأ الهندسي يصبح نقطة بداية تستغرق خمس ثوانٍ.

36 ساعة. منتج حي واحد.

كل ما سبق: التقييم ثنائي المرور، ومقياس حرارة السياق، وعرض عائد الاستثمار المباشر، ووضع التجربة — تم بناؤه في 36 ساعة.

Enter.proمنحت الفريق البنية التحتية للتحرك بسرعة الهاكاثون دون التخلي عن جودة الإنتاج. ليس نموذجاً أولياً. بل منتج تفاعلي منشور يمكن لأي شخص فتحه في متصفح الآن. الشيء الذي كان يستغرق أسابيع لبنائه تم إنجازه خلال عطلة نهاية أسبوع واحدة في برينستون.

هذا ما صُمم Enter من أجله. لإزالة كل حاجز بين فكرة ذكية ومنتج حي، حتى يتمكن الأشخاص الذين يقومون بالتفكير الحقيقي من قضاء وقتهم في ذلك بالضبط :التفكير.

المهمة الأكبر

لم يصف فريق reAgent ما بنوه كمنتج. بل وصفوه كحركة.

LeetCode هي منصة دربت جيلاً من مهندسي البرمجيات من خلال آلاف التحديات الخوارزمية. أصبحت المعيار العالمي للتحضير الهندسي: لغة مشتركة، وقاعدة مشتركة، وطريقة مشتركة لمعرفة ما إذا كنت مستعداً.

لم يبنِ أحد ما يعادلها لعصر الـ AI الوكيل (agentic AI). لا يوجد منهج تعليمي حول كيفية توجيه النماذج، وتقييد السياق، واكتشاف الحلقات، وحساب التكلفة في الوقت الفعلي، وهندسة أنظمة لا تستهلك بعضها البعض في دوامات غير مرئية ومكلفة.

"علمت LeetCode جيلاً كيفية عكس قائمة مرتبطة (linked list). ونحن نعلم الجيل القادم كيفية تنسيق AI."

للطلاب والمهندسين الجدد: ساحة اختبار تعلم المهارات الهندسية الأكثر قيمة في العقد القادم، قبل أن يلمس أي شخص نظاماً إنتاجياً.

لقادة الأعمال: الواجهة الأولى حيث يمكن للمدير والمهندس الجلوس أمام نفس الشاشة، والتحدث بنفس اللغة، وفهم المكان الذي تذهب إليه ميزانية الـ AI بدقة.

للمجتمع: هندسات AI الرشيقة ليست أرخص فحسب. التنسيق الفعال يعني عدداً أقل من استدعاءات API غير الضرورية، واستهلاكاً أقل لخوادم الحوسبة، وطريقة أكثر مسؤولية للتوسع.

ما التالي

جارٍ العمل على التصدير إلى نموذج جاهز للإنتاج — لربط اللوحة المرئية بالكود القابل للنشر. سيتوسع Sandbox Mode ليشمل المزيد من سيناريوهات المؤسسات. أبحاث القابلية للتفسير مستمرة.

إن بيئة التطوير المتكاملة (IDE) التي ستساعد الجيل القادم على نشر AI بمسؤولية قد بدأت للتو.

عطلة نهاية أسبوع واحدة كافية لتغيير المسار

لن يتباطأ سباق AI. ولن يتضاءل الضغط على الشركات من أجل النشر. ستستمر فواتير السحابة والمشاريع الفاشلة في الظهور — طالما أن الأدوات اللازمة لفهم ما يتم بناؤه غير موجودة.

reAgent هي واحدة من تلك الأدوات. تم بناؤها في 36 ساعة بواسطة فريق من الطلاب الذين لم ينتظروا أحداً آخر لحل المشكلة.

هذا هو ما نعود إليه دائماً، في كل مرة نفكر فيها في HackPrinceton.

الشاشة الفارغة لا تفوز هنا أبداً.

إليك فرصتك لتجربة هذا المشروع:Leetcode لـ Agentic Workflows

هل فاتتك المجلدات السابقة؟← المجلد 1 —Heritage in Pixels← المجلد 2 —Terra Zone AI