أعلنت Netflix عن إنجاز تقني مهم، حيث نجحت في دمج محرك JetBrains لذكاء الكود – وهو المحرك ذاته الذي يشغل IntelliJ IDEA – مع وكلائها البرمجيين المدعومين بالذكاء الاصطناعي، مثل Claude Code وCodex. تهدف هذه الخطوة إلى تحسين قدرة الوكلاء على فهم أكواد Java وKotlin وتصفحها بفعالية أكبر، خاصة عبر ملفات JAR المعقدة. وأظهرت الاختبارات الأولية تحقيق مكاسب كبيرة في الكفاءة.
التحدي: تعقيدات أكواد Java وKotlin
تكمن المشكلة الرئيسية لوكلاء البرمجة في بطئهم وعدم موثوقيتهم عند التعامل مع أكواد Java وKotlin، لا سيما عندما تتجاوز حدود المكتبات (JARs). عادةً ما تُشحن مشاريع JVM بمكتبات في شكل ملفات JAR فقط، دون الكود المصدري. وهذا يجبر الوكلاء على فك ضغط هذه الملفات، وربما فك تجميع ملفات الفئة، ثم البحث خلال هذا العرض غير المكتمل، مما يجعل العملية غير فعالة وعرضة للخطأ.
الحل: ذكاء JetBrains البرمجي
استغلت Netflix سنوات خبرة JetBrains في بناء محرك ذكاء الكود الذي يقوم عليه IntelliJ IDEA. يعتمد هذا المحرك على فهرس حتمي لملفات الكود المصدري للمشروع، بما في ذلك جميع المكتبات. يتم الآن إتاحة هذا الذكاء عبر بروتوكول LSP، وقد عملت Netflix مع نسخة لا رأس لها من هذا المحرك. ولتجاوز قيود LSP كخادم بروتوكول فقط، طوّرت Netflix عملية ديمون (Daemon) وواجهة سطر أوامر (CLI) خاصة بها لضمان بقاء الفهرس جاهزًا وتقليل أوقات البدء البارد.
يعني هذا النظام أن الوكلاء لا يحتاجون إلى إعادة بناء الفهرس في كل مرة، مما يوفر الوقت والموارد. تتولى عملية الديمون إدارة الجلسات وتوجيه كل استدعاء بناءً على جذر المشروع إلى عملية الخادم المطابقة التي تحتفظ بفهرس المشروع في الذاكرة. يتم تطوير كل من الديمون وCLI بلغة Java ويُوزعان كملف تنفيذي من GraalVM، مما يزيل أي تكلفة بدء تشغيل أو وقت تشغيل من JVM.
نتائج قياسية وتحسينات ملموسة
لتقييم مدى تحسين ذكاء JetBrains البرمجي لأداء وكلاء البرمجة، طورت Netflix مجموعة معايير. تم تشغيل نفس النموذج، ونفس المهمة، ونفس قاعدة الكود، مع المتغير الوحيد وهو ما إذا كان الوكيل يمكنه استدعاء ذكاء JetBrains البرمجي أم لا.
أظهرت النتائج أن ذكاء JetBrains البرمجي جعل وكلاء البرمجة أكثر كفاءة بشكل عام في جميع النماذج والوكلاء وأنواع المهام التي تم اختبارها. تراوحت الكفاءة عادةً بين 20 و30%، ووصلت إلى حوالي 65% في أفضل الحالات، اعتمادًا على النموذج والوكيل والمهمة المحددة. وشهدت النماذج الأقوى، التي تتطلب جهدًا أكبر، أكبر المكاسب في الكفاءة. والأهم من ذلك، بقيت الدقة ثابتة أو تحسنت في كل عملية تشغيل.
تعتبر هذه الأرقام لقطة وليست نتيجة معيار ثابتة، حيث تتغير إصدارات النماذج باستمرار. ومع ذلك، فإن النمط العام الذي لوحظ هو أن كل نموذج ووكيل تم اختباره أصبح أكثر كفاءة، وأن أكبر المكاسب جاءت من النموذج الأقوى في الإعدادات عالية الجهد.
بالنسبة للمطورين الذين يعتمدون على أدوات الذكاء الاصطناعي للمساعدة في كتابة الكود وتصفحه، تمثل هذه الخطوة تقدمًا كبيرًا. فزيادة كفاءة وكلاء الذكاء الاصطناعي تعني استخدام عدد أقل من «التوكنات» (Tokens) ووقت أقل لإنجاز المهام، مما يقلل التكاليف التشغيلية ويسرع عملية التطوير. برأينا، هذا يؤكد أهمية الفهم العميق لبنية الكود من قبل وكلاء الذكاء الاصطناعي لتقديم مساعدة فعالة وموثوقة.
وقد رأت Netflix أن الفوائد واضحة لوجود طبقة ذكاء حتمية جنبًا إلى جنب مع الوكيل. ولا يقتصر هذا على Java وKotlin، فـ Netflix تخطط لتطبيق نفس منهجية المعايير على لغات Python وTypeScript/JavaScript وGo، والتي تواجه وكلاؤها البرمجيون مشاكل مماثلة في التعامل مع المكتبات.
يأتي ذكاء JetBrains البرمجي لـ Java الآن كجزء من إضافة «Java & Kotlin by IntelliJ IDEA». وتواصل JetBrains تجاربها مع نهج LSP+CLI وستعلن عن النتائج بمجرد أن تصبح جاهزة، مما يبشر بمزيد من التحسينات لوكلاء الكود في المستقبل.
المصدر: blog.jetbrains.com