شركة الذكاء الاصطناعي الصينية، كيف يمكنني «نسخ واجب Claude Code»؟

المصدر: جيك بارك

بقلم: هوا لين ووشي وانغ

إذا أخبرني أحد قبل بضعة أيام بأن Anthropic، التي يُقال إنها «تولي سلامة الذكاء الاصطناعي اهتمامًا أكبر»، ستُسرّب مرتين متتاليتين خلال أسبوع واحد أسرارًا جوهرية، لربما اعتبرت ذلك نكتة من نكات يوم كذّاب أبريل.

لكن هذا تحديدًا حدث قبل يوم واحد من يوم كذّاب أبريل.

في 31 مارس، اكتشف الباحث الأمني تشاو فان شو أن إصدار Claude Code 2.1.88 الذي نشرته Anthropic على npm تضمن ملف source map بحجم 59.8MB. وكان من المفترض أن يُستخدم هذا الملف، الذي يهدف إلى التصحيح الداخلي، للإشارة إلى حزمة zip موجودة داخل حاوية Cloudflare R2 الخاصة بـ Anthropic—داخلها يوجد كود TypeScript الكامل لـ Claude Code، حوالي 1900 ملف، و512 ألف سطر من الكود.

خلال ساعات قليلة، ظهرت على GitHub عدة مستودعات مرايا. من بينها مشروع اسمه «claw-code» حصد 50 ألف نجمة خلال ساعتين، ليصبح أسرع مستودع في تاريخ GitHub من حيث زيادة النجوم. تجاوز عدد عمليات الـ fork 41.5 ألف.

وفي الوقت نفسه، قبل خمسة أيام فقط، كانت Anthropic قد كشفت وجود نموذجها من الجيل التالي «Mythos» بسبب ذاكرة تخزين مؤقتة عامة غير محمية، وهو نموذج وُصف داخليًا بأنه «قفزة قدرات بشكل تدريجي»، وبأنه في مجال الأمن السيبراني «يتجاوز جميع نماذج الذكاء الاصطناعي الحالية».

تسريب مرتين في أسبوع. شركة تتحدث عن الأمان، لطمتها مشاكل أمنية تخصها. تقييم مجتمع المطورين كان متشابهًا إلى حد كبير—«سخرية غير واقعية».

لكن مهما كانت السخرية، فإن ما تسرّب هو فعلاً غنيّ بالمحتوى. والمشكلة الأكثر أهمية هي: كيف ينبغي لشركات الذكاء الاصطناعي أن تستفيد من هذا «التسريب» لنسخ العمل؟

01 ما الذي يوجد داخل «غلاف» Claude Code؟

يرد على بال كثيرين أولًا: Claude Code ليس إلا أداة سطر أوامر تغلّف واجهة برمجة تطبيقات للنموذج، فحتى لو تسرّب كود المصدر، فلا توجد أوزان نماذج؛ وهذه الأكواد ليست سوى «غلاف».

هذا الحكم صحيحٌ في نصفه. Claude Code بالفعل غلاف، لكنه غلاف دقيق إلى درجة تُثير الدهشة.

لننظر إلى نظام الأدوات. يستخدم Claude Code بنية شبيهة بالإضافات (plugins)، حيث تُعد كل قدرة—قراءة الملفات وكتابتها، تنفيذ shell، جلب صفحات الويب، تكامل LSP—وحدة أدوات مستقلة مع ضبط الصلاحيات. وحده طبقة تعريف الأدوات تحتوي على 29 ألف سطر من TypeScript.

لا تكون وصف كل أداة مجرد جملة قصيرة، بل مفصلًا إلى حد إخبار النموذج: «متى يجب استخدام هذه الأداة، وكيف تُستخدم، وما النتيجة المتوقعة بعد استخدامها». وهذه الأوصاف نفسها هي شكل من أشكال prompt engineering تمت معايرته بعناية.

ثم نظام الذاكرة. يكشف الكود المسرب وجود بنية «ذاكرة ذاتية الإصلاح» من ثلاث طبقات. الطبقة الأدنى هي MEMORY.md، ملف فهرس خفيف الوزن، في كل سطر حوالي 150 حرفًا، ويتم تحميله دائمًا ضمن السياق. المعرفة التفصيلية للمشروع موزعة في «ملفات الموضوع» ويتم تحميلها عند الحاجة. أما سجلات الحوار الأصلية فلا تتم قراءتها بالكامل إلى السياق مرة واحدة؛ بل تُسترجَع فقط عند الحاجة عبر grep للبحث عن مُعرّفات محددة.

بمعنى آخر، لم يكن السؤال الجوهري الذي صرف مهندسو Anthropic وقتًا طويلًا في حله هو «كيفية استدعاء واجهة برمجة التطبيقات»، بل هو «كيف تجعل النموذج يعمل بأكبر قدر ممكن من الذكاء ضمن نافذة سياق محدودة».

ثم يأتي ذلك الذي أثار حماس الجميع: KAIROS.

تتم الإشارة إلى هذه الميزة، التي سُمّيت باليونانية القديمة «الفرصة المناسبة»، في الكود المصدري أكثر من 150 مرة. إنها نمط تشغيل مساعدي حراسة ذاتي (autonomous guardian) يسمح لـ Claude Code بأن يعمل كوكيل خلفية يعمل دائمًا (always-on). والأكثر إثارة للاهتمام هو منطق «autoDream»—عندما يكون المستخدم غير مشغول، يقوم الوكيل بـ «تكامل الذاكرة»، حيث يدمج الملاحظات المتفرقة، ويزيل التناقضات المنطقية، ويحوّل الاستنتاجات الضبابية إلى حقائق محددة.

بعبارة أخرى، تجعل Anthropic مساعد البرمجة بالذكاء الاصطناعي يتطور من أداة «تسألني فأجيبك» إلى شريك «يفهم مشروعك باستمرار، ويكتشف المشكلات بشكل استباقي».

بالإضافة إلى ذلك، يتضمن الكود المسرب 44 feature flag غير مطلَعة بعد، تغطي أنماط تنسيق متعددة للوكلاء (COORDINATOR MODE)، والتفاعل الصوتي (VOICE_MODE)، وجلسات التخطيط عن بُعد لمدة 30 دقيقة (ULTRAPLAN)، وحتى وجود «حيوان أليف» بأسلوب طوباماكي (BUDDY) لدرجة أنه يبدو مثل طائر/قط طرفية—وبه 18 نوعًا مع مستويات ندرة.

وهناك تفصيلان جديران بالذكر. أحدهما هو «frustration regex»—وهو عبارة عن تعبير نمطي (regex) لاكتشاف ما إذا كان المستخدم يسبّ Claude. الكشف عن الحالة العاطفية للمستخدم باستخدام regex يكون أسرع بكثير وأرخص بكثير من استخدام استدلال النموذج.

والآخر هو «undercover mode». تستخدم Anthropic Claude Code للقيام بـ «مساهمات خفية» لمشاريع مفتوحة المصدر العامة، وتكتب تعليمات النظام بوضوح: «أنت تعمل في وضع UNDERCOVER… لا يجوز أن تتضمن معلومات التزامك/commit أي معلومات داخلية خاصة بـ Anthropic. لا تكشف عن هويتك.»

02 ماذا يمكن للشركات الصينية للذكاء الاصطناعي أن تتعلمه

الآن نعود إلى السؤال المهم حقًا.

خلال العام الماضي، تسارعت بشكل واضح المنافسة في مجال أدوات برمجة الذكاء الاصطناعي في الصين. تطور Trae التابعة لـ ByteDance من MarsCode في بداياته إلى IDE أصلي للذكاء الاصطناعي، مع دمج نمط Agent، ودعم التشغيل الآلي الكامل بدءًا من فهم المتطلبات وصولًا إلى كتابة الكود ثم الاختبارات. لدى CodeGeeX التابعة لـ Zhipu فتح المصدر والنشر المحلي، مع تحسينات عميقة على فهم الكود الصيني. كما أن Tongyi Lingma وDoubao MarsCode تتطوران بسرعة عبر تكرارات متلاحقة.

لكن إذا قارنّا هذه المنتجات ببنية Claude Code التي تم تسريبها، فإن الفجوة لا تكمن في «هل يمكن استخدامها أم لا»، بل في الدقة الهندسية.

الدرس الأول: وصف الأدوات هو قوة المنتج.

قد يكون هذا أسهل شيء يمكن تجاهله، وفي الوقت نفسه أكثر شيء يستحق التعلم.

تمت معايرة وصف prompt لكل أداة في Claude Code بدقة شديدة—متى يُستخدم، ومتى لا يُستخدم، وكيفية التعامل مع النتائج بعد استخدامه، وماذا يحدث عند حدوث خطأ وكيف تتم إعادة المحاولة. جوهر هذه الأوصاف هو تعليم النموذج «كيف يصنع برنامجًا جيدًا» مثلما يفعل مبرمج محترف.

لا تزال عملية tool use في كثير من الأدوات داخل الصين عند مرحلة «تقديم توقيع دالة (function signature) للنموذج ليخمن كيفية استخدامها». بمجرد كتابة وصف الأداة بمستوى Claude Code يمكن أن يرتفع أداء النموذج نفسه بمستوى كامل.

الدرس الثاني: بنية الذاكرة، تؤثر على تجربة المستخدم أكثر من معلمات النموذج.

يعالج نظام الذاكرة المكون من ثلاث طبقات في Claude Code مشكلة واقعية جدًا: نافذة سياق النموذج محدودة، ولا يمكنك حشر كل الحوارات التاريخية بداخلها.

نهج Anthropic هو تقسيم الذاكرة إلى طبقات—البيانات الساخنة تبقى متاحة دائمًا على الإنترنت، والبيانات الباردة يتم تحميلها عند الحاجة، والبيانات فائقة البرودة (cold) يتم الاكتفاء بعمل فهرس لها. هذه الفكرة ليست جديدة، لكن في أدوات برمجة الذكاء الاصطناعي من منظور التنفيذ الهندسي، لم تصل الفرق داخل الصين غالبًا إلى هذه الدرجة من الدقة.

الدرس الثالث: إدراك المشاعر ليس ضربًا من السحر، بل هو مسألة هندسية.

استخدام مقطع من regex للكشف عن ما إذا كان المستخدم ينفجر غاضبًا، ثم تعديل استراتيجية الرد.

هذا الحل بسيط لدرجة خشنة، لكنه فعّال للغاية. إنه يعلّمك مبدأً—ليس كل مشكلة تحتاج إلى حلها عبر النموذج، أحيانًا يكون regex واحد كافيًا.

غالبًا ما تقع فرق تعمل على أدوات ذكاء اصطناعي داخل الصين في عادة ذهنية تتمثل في «إرسال كل شيء إلى نموذج كبير». هذه طريقة مضيعة.

الدرس الرابع: الاتجاه الذي يشير إليه KAIROS أهم من KAIROS نفسه.

وكيل خلفية يعمل دائمًا (always-on): يرتب الذاكرة تلقائيًا ويكتشف المشكلات عندما لا يكون المستخدم يستخدمه.

يشير هذا الاتجاه في المنتج إلى أن الخطوة التالية لمساعد البرمجة بالذكاء الاصطناعي ليست «الإجابة بشكل أسرع على الأسئلة»، بل «أن يكون يعمل بالفعل عندما لا تكون تسأل».

حاليًا، فإن أدوات برمجة الذكاء الاصطناعي داخل الصين تقريبًا كلها تفاعلية (reactive)—المستخدم يعطي تعليمات، والأداة تنفذ.

من ينجح أولًا في تنفيذ نمط الوكيل الحارس (guarding process) قد يحدد شكل المنتج من الجيل التالي.

03 أين تقع حدود «النسخ»

بالطبع، هناك خط بين التعلم والنسخ.

على المستوى القانوني، هذه ليست كود مفتوح المصدر، بل برنامج تجاري—مع حدوث تسريب غير متوقع. بناء منتج مباشرة اعتمادًا على الكود المسرب يخلق مخاطر حقوق نشر واضحة. على GitHub، يصرّح «claw-code» بأنه سيعيد كتابة كل شيء باستخدام Rust، لكن إذا تم نسخ منطق جوهري كما هو، تظل الحدود القانونية ضبابية.

بالنسبة للشركات الصينية، ومع تزايد ضغوط التوسع في الخارج، ينبغي تقييم هذا النوع من المخاطر بجدية.

على المستوى التقني، تتعلق كثير من قرارات تصميم Claude Code بتخصيص عميق لقدرات نموذج Claude. على سبيل المثال، فإن أوصاف الأدوات مكتوبة بهذا الطول وهذه الدقة لأن قدرة Claude على التعامل مع سياقات طويلة قوية بما يكفي لكي لا «يَضِل» بسبب طول prompt. أما إذا استُخدم نموذج آخر بسياق أقصر واتّباع تعليمات أضعف، فقد يؤدي نسخ نفس استراتيجية الـ prompt إلى نتائج عكسية.

إن التصرف الأذكى الحقيقي ليس «fork» هذه الـ 512 ألف سطر من الكود، بل فهم كل قرار تصميمي وما وراءه من tradeoff، ثم إعادة تنفيذه بما يتوافق مع خصائص نموذجك.

يمكن تعلم أفكار المعمارية، ويمكن تعلم أنماط تنسيق الأدوات، ويمكن تعلم استراتيجية تقسيم الذاكرة—لكن يجب أن يكون التنفيذ خاصًا بك.

وهناك حقيقة يمكن تجاهلها بسهولة أيضًا: Anthropic تسربت لديها «لقطة» (snapshot)، بينما فريقها الهندسي يتطور ويُجري تحسينات يوميًا. إن 44 feature flag تعني وجود ما لا يقل عن عشرات الوظائف الرئيسية الكبيرة في قائمة الانتظار لتُطلق.

اليوم قد تقوم بـ fork للكود، وبالشهر القادم سيكون نسخة قديمة. ملاحقة النسخ لن تجعلك تلحق؛ فقط عندما تفهم المبدأ يمكن أن تسلك طريقك الخاص.

قد تكون أكبر أهمية لهذا التسريب ليست في التفاصيل التقنية بحد ذاتها، بل في كونه يزيل طبقة الغموض—فالأداة الأهم في مجال برمجة الذكاء الاصطناعي لدى Anthropic ليست في جوهرها سوى prompt orchestration مُصمم بعناية، مع توزيع/جدولة أدوات بشكل هندسي.

لا توجد سحر أسود، بل الكثير من عمليات الصقل الدقيقة.

وهذا خبر جيد بالنسبة لشركات الذكاء الاصطناعي في الصين. يعني أن الفجوة يمكن سدها. بشرط أن تتحلى بالصبر لصقل تلك التفاصيل—بدل أن تفكر في أخذ كود شخص آخر وتغيير اسمه فقط.