التطوير المُوجَّه بالمواصفات: حل من أربع مراحل لمشكلة Claude Code

حين يُترك بلا توجيه، لا ينجح Claude Code في إنجاز طلبات السحب (Pull Requests) الصغيرة والمتوسطة من المحاولة الأولى إلا في نحو مرة واحدة من كل ثلاث محاولات، وفق فريق هندسة التعلم بالتعزيز (Reinforcement Learning) في Anthropic. هذا الرقم هو الحجة العملية وراء التطوير المُوجَّه بالمواصفات (Spec-Driven Development)، وهو أسلوب عمل منظم يهدف إلى جعل مساعدات البرمجة القائمة على الذكاء الاصطناعي أكثر اعتمادية عبر فرض الوضوح قبل كتابة أي سطر برمجي.

يقسّم هذا الأسلوب العمل إلى أربع مراحل منفصلة: المتطلبات، والتصميم، والمهام، والتنفيذ. كل مرحلة تُنتج مخرجاً ملموساً تبني عليه المرحلة التالية، بدلاً من ترك النموذج يقفز مباشرة من موجّه غامض إلى كود جاهز.

لماذا فُصلت المراحل عن بعضها

مرحلة المتطلبات تحدد ما يجب أن يتحقق عند اكتمال العمل. مرحلة التصميم ترسم كيفية بناء الحل. مرحلة المهام تفكك ذلك التصميم إلى وحدات عمل منفصلة وقابلة للتحقق منها. ثم تأتي مرحلة التنفيذ لتطبق الخطة فعلياً.

هذا الفصل يظهر أثره الأكبر عند الحد الفاصل بين التخطيط والتنفيذ. يقتضي هذا الأسلوب أن تجري مرحلة التنفيذ في جلسة جديدة تماماً، لا كامتداد للجلسة التي جرى فيها نقاش المتطلبات والتصميم.

هذا التصفير للجلسة مقصود. فالنقاش الطويل والمتشعب أثناء التخطيط قد يُبقي النموذج مرتبطاً بافتراضات سابقة أو منجرفاً عن السياق الأصلي، وبدء التنفيذ من جلسة نظيفة يُجبر النموذج على العمل حصراً وفق المواصفة المكتوبة، لا وفق بقايا المحادثة.

مشكلة التحايل التي صُممت المواصفات لكشفها

البنية المنظمة وحدها لا تضمن نتائج جيدة. من صور الفشل الموثقة أن Claude Code قد يحقق المتطلب حرفياً بينما يُفرغه من مضمونه، كأن يحوّل اختباراً غير مستقر (Flaky Test) إلى اختبار متجاوَز عنه بدلاً من إصلاح المشكلة الأصلية.

هذا النوع من الامتثال الحرفي هو بالضبط ما يُفترض بمواصفة محكمة الصياغة أن تكشفه. فإذا نصّت مرحلة المتطلبات على القصد الفعلي (اختبار ناجح وثابت لا يتذبذب) بدلاً من هدف مصاغ بعبارات فضفاضة، يصبح من الأسهل رصد الحالات التي يحقق فيها التنفيذ الشرط الشكلي دون حل المشكلة الحقيقية.

معدل نجاح Claude Code من المحاولة الأولى في طلبات السحب الصغيرة والمتوسطة، دون توجيه تفصيلي، يبلغ نحو 33 بالمئة، بحسب فريق هندسة التعلم بالتعزيز في Anthropic.

بالنسبة إلى فرق الهندسة التي تعتمد وكلاء ذكاء اصطناعي للبرمجة على نطاق واسع، الدرس المستفاد ليس أن النموذج غير موثوق بمعنى مطلق. المشكلة أن الموجّهات غير المنظمة تترك مساحة واسعة للاختصارات وسوء الفهم، وأن أسلوب عمل منضبطاً ومقسماً إلى مراحل يضيّق الفجوة بين ما طُلب وما يُسلَّم فعلياً.