الفائز في مسابقة Anthropic المجانية يشارك بشكل مجاني تكوين Claude Code الشامل: 13 وكيل، أكثر من 40 مهارة، و31 أمرًا متاحًا للجميع

المطور أفان مصطفى بعد فوزه بالمركز الأول في هاكاثون أنثروبيك، قام بتنظيم جميع إعدادات كود كلود التي جمعها خلال 10 أشهر من بناء المنتج الفعلي في حزمة مفتوحة المصدر أطلق عليها “everything-claude-code”، والتي تتضمن 13 وكيلًا ذكيًا، وأكثر من 40 وحدة مهارة، و31 أمرًا، بالإضافة إلى مدقق الأمان AgentShield، وغيرها، نشاركها معكم في هذا المقال.
(ملخص سابق: Clawdbot أسطورة، خادم ذكي يعمل على Mac mini بشكل مستمر 24/7، يبيع الأجهزة بشكل غير مسبوق)
(ملاحظة إضافية: حذر! إعدادات Clawdbot غير الصحيحة قد تحتوي على ثغرات أمنية خطيرة: حيث تم سرقة محافظ مشفرة لمستخدمين)

فهرس المقال

Toggle

• خمس مستويات من الوحدات، تغطي سير عمل كامل من التدقيق الأمني إلى التعلم التلقائي
• وجود مدقق الأمان AgentShield
• تكلفة إعدادات التطوير المدعوم بالذكاء الاصطناعي أعلى من المتوقع
• هذه الحزمة هي نقطة انطلاق، وليست النهاية

انتهت هاكاثون أنثروبيك الأخير، وعادةً ما يركز النقاش بعد كل مسابقة على النقاط التقنية للمنتجات الفائزة، أو على الأسئلة الجديدة التي طرحتها أنثروبيك. لكن في هذا المقال، نريد أن نشارك شيئًا ذو قيمة طويلة الأمد: الفائز بالمركز الأول أفان مصطفى، الذي قام بتنظيم جميع إعدادات كود كلود التي جمعها خلال 10 أشهر من بناء المنتج، في حزمة مفتوحة المصدر يمكن تثبيتها مباشرة باسم “everything-claude-code”، ونشرها بشكل غير أناني على GitHub.

حتى وقت كتابة هذا المقال، تجاوز عدد النجوم على المستودع 49000، و6200 فرع. هذا الرقم يعكس ليس فقط اهتمام المجتمع بالأداة، بل أيضًا مشكلة حقيقية طويلة الأمد في مجال التطوير المدعوم بالذكاء الاصطناعي: أن إعدادات كود كلود في بيئة العمل الحقيقية ليست سهلة كما يتصور البعض، وسنوضح أدناه بعض مميزات هذا التكوين بسرعة.

خمس مستويات من الوحدات، تغطي سير عمل كامل من التدقيق الأمني إلى التعلم التلقائي

تم تنظيم الحزمة وفقًا لخمس مستويات أساسية، مع تقسيم واضح في المهام بين كل مستوى:

العملاء (Agents): 13 وكيلًا ذكيًا متخصصًا، كل واحد يؤدي وظيفة معينة. يشمل ذلك مخططين، مهندسي بنية، مرشدي TDD، مراجعي الكود، مدققي الأمان، محللي أخطاء البناء، منفذي اختبارات النهاية إلى النهاية، منظفي إعادة الهيكلة، محدثي الوثائق، بالإضافة إلى مراجعي لغات خاصة بـ Go وPython وقواعد البيانات.

كل وكيل مصمم ليكون نقطة تفويض مهمة، وليس لمهمة واحدة ينجزها بالكامل بنفسه، وهو تصميم مرتبط بحدود أداء نماذج اللغة الكبيرة في التعامل مع “نطاق واسع لكن غير عميق”.

وحدات المهارة (Skills): أكثر من 40 تعريفًا لعمليات سير العمل، مصنفة حسب اللغة وسياق الاستخدام. يوجد إرشادات نمطية لـ TypeScript وPython وGo وJava وC++ وDjango وSpring Boot، مع معايير واضحة للتجربة، والأمان، والنشر، وتصميم API، وترحيل قواعد البيانات، وDocker.

ومن الجدير بالذكر أن بعض وحدات المهارة المتقدمة تشمل “خط أنابيب LLM مدرك للتكلفة” و"نمط التخزين المؤقت للمحتوى"، مما يدل على أن هذا التكوين تجاوز مجرد المساعدة في التطوير، وامتد ليشمل هندسة منتجات الذكاء الاصطناعي ذاتها.

الأوامر (Commands): 31 أمرًا مائلًا، تتيح تشغيل سير العمل الشائع خطوة بخطوة. /plan و/tdd و/code-review و/build-fix و/e2e هي الأوامر الأساسية، وأضيفت نسخ أحدث مثل /multi-plan و/multi-execute للتنسيق بين عدة وكلاء، بالإضافة إلى /instinct-status و/evolve لأوامر التعلم.

الخطافات (Hooks): آليات أتمتة تعتمد على المحفزات، لمعالجة حفظ الذاكرة عبر المحادثات، واستراتيجيات ضغط السياق، واستخراج الأنماط. هذه هي الأساس للحفاظ على تماسك السياق على المدى الطويل، وغالبًا ما يغفل عنها المبتدئون في التكوين.

القواعد (Rules): إرشادات برمجية ثابتة، مقسمة إلى قواعد عامة، وقواعد لـ TypeScript وPython وGo، تغطي أساليب البرمجة، وسير عمل Git، ومعايير الاختبار، ومتطلبات الأمان. تدعم الحزمة أنظمة Windows وmacOS وLinux، وتقوم تلقائيًا بالكشف عن مديري الحزم npm وpnpm وyarn وbun.

وجود مدقق الأمان AgentShield

من بين العديد من الوحدات، هناك ثلاثة عناصر تستحق النظر العميق، لأنها تمثل قرارات واضحة بشأن اتجاه التطوير المدعوم بالذكاء الاصطناعي.

AgentShield (مدقق الأمان): يقوم بتحليل ثابت لإعدادات كود كلود، ويشمل 102 قاعدة لفحص الثغرات، و912 حالة اختبار، مع تغطية اختبار تصل إلى 98%. وراء هذا التصميم، يوجد اعتبار واقعي: عندما يُمنح الذكاء الاصطناعي القدرة على تنفيذ الكود، والوصول إلى نظام الملفات، واستدعاء API خارجي، فإن ملف التكوين ذاته يصبح سطح هجوم.

وجود AgentShield يدل على أن المشكلة أصبحت خطيرة لدرجة تتطلب أدوات مخصصة لمواجهتها، وهو تذكير مهم لأي فريق يستخدم مساعدات برمجية تعتمد على الذكاء الاصطناعي في بيئة الإنتاج.

آلية التعلم المستمر v2: تصف الذكاء الاصطناعي بأنه يستخلص أنماط سلوكية من تفاعلاته السابقة، مع وجود مقياس ثقة. بمعنى آخر، يمكن لكلود أن يحتفظ بـ"ذاكرة" حول مكتبة الكود الخاصة به مع مرور الوقت، بدلاً من إعادة بناء السياق في كل محادثة. هذه الآلية تحول المعرفة التي كانت تُدار يدويًا إلى عملية تلقائية من النظام.

منشئ المهارات (Skill Creator): يحلل سجل التعديلات على Git، ويولد تلقائيًا وحدات مهارة مخصصة لمكتبة الكود المحددة. يختصر هذا من المسافة بين “معرفة ما يمكن أن يفعله كلود” و"جعل كلود يتفاعل مع مكتبة الكود الخاصة بي بشكل فعال"، مما يتيح للمطورين المتخصصين استنباط أفضل التكوينات من تاريخ تطويرهم، دون الحاجة إلى تصميم سير العمل من الصفر.

تكلفة إعدادات التطوير المدعوم بالذكاء الاصطناعي أعلى من المتوقع

اختيار مصطفى نشر هذه المجموعة من التكوينات، هو في جوهره عمل بنية تحتية للمجتمع: تحويل تكلفة التجربة والخطأ التي يدفعها كل فرد إلى مورد عام يمكن للجميع الاستفادة منه.

هذا المفهوم ليس جديدًا على المجتمع المفتوح المصدر، حيث أن قواعد ESLint ونماذج Docker Compose كانت دائمًا جزءًا من بنية التطوير.

لكن الفرق أن تعقيد إعدادات التطوير المدعوم بالذكاء الاصطناعي أعلى بكثير من الأدوات التقليدية. سلوك كلود لا يقتصر على “مفاتيح تشغيل”، بل يتداخل مع بنية الوكيل، وهندسة التلميحات، وتصميم سير العمل، وإدارة الذاكرة عبر المحادثات، واتخاذ قرارات متعددة الأبعاد.

هذه الحزمة هي نقطة انطلاق، وليست النهاية

لكن من المهم أن نذكر أن هذا التكوين يعكس نتائج تحسين شخصية لمطور معين في سياق عمل محدد، وليس بالضرورة أن يكون مناسبًا للجميع بشكل مباشر.

ومع ذلك، لا يقلل ذلك من قيمته، بل يجعله نقطة انطلاق وليس نهاية. للمبتدئين في كود كلود، وجود إعدادات موجهة وموثوقة أفضل بكثير من البدء من الصفر؛ وللمستخدمين ذوي الخبرة، يوفر مرجعًا يمكن تعديله وتطويره.

قام مصطفى بتنظيم قراراته خلال 10 أشهر في حزمة يمكن تثبيتها، وقيمتها ليست في أنها الحل المثالي، بل في أنها أظهرت بشكل واضح وشفاف نظام المعرفة غير الظاهر، وجعلته متاحًا للاستشهاد والتعديل.