أعلنت Amazon Web Services (AWS) عن توسع كبير في AWS DevOps Agent، حيث قدمت إمكانات جديدة لإدارة الإصدارات مصممة لتقييم تغييرات التعليمات البرمجية واختبار البرامج بشكل مستقل قبل أن تصل إلى الإنتاج. تعمل الميزات الجديدة، المتوفرة في المعاينة، ومراجعة جاهزية الإصدار واختبار الإصدار المستقل، على توسيع وكيل DevOps إلى ما هو أبعد من عمليات ما بعد النشر في مسار تسليم البرامج، مما يمكّن الفرق الهندسية من تقييم جاهزية الإنتاج، وفرض المعايير التنظيمية، وإنشاء اختبارات خاصة بالتغيير قبل دمج التعليمات البرمجية.
ويعكس هذا الإعلان التحدي المتزايد الذي يواجه فرق هندسة البرمجيات في عصر الذكاء الاصطناعي. نظرًا لأن مساعدي ترميز الذكاء الاصطناعي يزيدون بشكل كبير من حجم التعليمات البرمجية التي تم إنشاؤها وطلبات السحب، فإن عمليات المراجعة والاختبار التقليدية تكافح من أجل مواكبة ذلك. تقول AWS أنه على الرغم من أن الذكاء الاصطناعي قد أدى إلى تسريع عملية إنشاء التعليمات البرمجية، إلا أن تسليم البرامج أصبح مقيدًا بسبب اختناقات المراجعة البشرية، وفحوصات الامتثال، والتحقق من صحة الإصدار. يهدف DevOps Agent المحسّن إلى سد هذه الفجوة من خلال العمل كمهندس إصدار مدعوم بالذكاء الاصطناعي قادر على مراجعة التغييرات والتحقق من صحتها واختبارها قبل دخولها مرحلة الإنتاج.
تعتمد إمكانات إدارة الإصدار الجديدة على الميزات التشغيلية الحالية لـ AWS DevOps Agent، والتي تحقق بالفعل في حوادث الإنتاج، وتجري تحليل السبب الجذري، وتوصي بخطوات العلاج. ومع أحدث معاينة، يشارك الوكيل الآن في وقت مبكر جدًا في دورة حياة البرنامج، حيث يقوم بتحليل تغييرات التعليمات البرمجية أثناء تطويرها بدلاً من الانتظار حتى ما بعد النشر.
تعمل ميزة مراجعة جاهزية الإصدار على تقييم كل تغيير في التعليمات البرمجية مقابل متطلبات الإنتاج والتبعيات عبر المستودعات ومعايير الهندسة التنظيمية وأفضل ممارسات AWS Well-Architected. بدلاً من الاعتماد فقط على التحليل الثابت، يقوم الوكيل ببناء رسم بياني معرفي للمستودعات المتصلة لفهم كيفية تفاعل الخدمات وتحديد التغييرات التي قد تؤدي إلى فشل المصب أو مخاطر أمنية. يمكن تعريف المعايير الهندسية باللغة الطبيعية، مما يسمح للمؤسسات بتدوين الأمن والامتثال والشبكات وقابلية المراقبة والسياسات التشغيلية دون الحاجة إلى أطر سياسة مخصصة كرمز.
إلى جانب مراجعة التعليمات البرمجية، قدمت AWS اختبار الإصدار المستقل، الذي يقوم بإنشاء وتنفيذ خطط اختبار مصممة خصيصًا لكل تغيير في التعليمات البرمجية. بدلاً من تشغيل مجموعة الانحدار الثابت، يقوم DevOps Agent بتحليل ما تغير وإنشاء اختبارات تستهدف السلوك الوظيفي وسيناريوهات التكامل والانحدارات المحتملة ذات الصلة بهذا التعديل.
يتم تنفيذ الاختبارات ضمن بيئات تشبه الإنتاج التي يوفرها العميل، مما يؤدي إلى إنتاج مخرجات منظمة تتضمن السجلات والتتبعات والمقاييس وملخصات التنفيذ. تقول AWS إن هذا يسمح للمراجعين بفهم ليس فقط ما إذا كانت التعليمات البرمجية قد اجتازت الاختبار، ولكن أيضًا كيفية تصرف التطبيق أثناء التحقق من الصحة. تظهر النتائج مباشرة في طلبات السحب GitHub وGitLab، أو وحدة تحكم AWS DevOps Agent، أو من بيئات التطوير المتكاملة المدعومة من خلال عمليات التكامل مثل Kiro وClaude Code.
يوضح الإصدار تحولًا أوسع يحدث عبر هندسة البرمجيات. على مدار العامين الماضيين، نجح مساعدو البرمجة بالذكاء الاصطناعي في تقليل الجهد المطلوب لكتابة البرامج بشكل كبير. ومع ذلك، أصبحت المراجعة والتحقق من الصحة والاختبار والنشر هي العوامل المقيدة بشكل متزايد في تسليم البرامج.
تعتقد AWS أن الذكاء الاصطناعي يجب أن يعالج الآن تلك الاختناقات في المراحل النهائية. بدلاً من مجرد إنشاء المزيد من التعليمات البرمجية، يحاول وكيل DevOps التأكد من أن التعليمات البرمجية التي تم إنشاؤها آمنة ومتوافقة وجاهزة للإنتاج قبل أن يقوم المطورون بدمجها. من خلال تضمين التحقق من الصحة مباشرة في سير عمل طلبات السحب، تأمل AWS في تقليل إجهاد المراجعة مع تحسين ثقة الإصدار وتسريع التسليم.
في حين أن النظام لا يزال يتطلب موافقة بشرية قبل أن يصل الكود إلى الإنتاج، فإنه يمثل خطوة أخرى نحو خطوط أنابيب تسليم البرامج المستقلة بشكل متزايد، حيث يقوم وكلاء الذكاء الاصطناعي بتقييم المخاطر بشكل مستمر، والتحقق من صحة السلوك، وتقديم التوصيات بينما يحتفظ المهندسون بسلطة اتخاذ القرار النهائي.
AWS ليست وحدها في تطوير منصات CI/CD لعصر الذكاء الاصطناعي. قدم GitHub برنامج Copilot Autofix، مما يسمح للذكاء الاصطناعي باقتراح علاجات أمنية لنتائج CodeQL قبل أن تصل الثغرات الأمنية إلى مرحلة الإنتاج. قامت Microsoft بتوسيع هذه الإمكانات لتشمل Azure DevOps، بينما أطلقت CircleCI مؤخرًا Chunk Sidecars، مما يوفر التحقق من جودة CI مباشرة في سير عمل ترميز الذكاء الاصطناعي. تتيح منصة Nova الخاصة بـ Dropbox بالمثل لوكلاء الترميز العمل في بيئات تطوير معزولة تتصل بأنظمة البناء الحقيقية وخطوط التحقق من الصحة.
على الرغم من أن كل منصة تتعامل مع المشكلة بشكل مختلف، إلا أنها تشترك في هدف مشترك: تحويل الذكاء الاصطناعي إلى ما هو أبعد من توليد التعليمات البرمجية نحو ضمان البرمجيات. وبدلا من مجرد مساعدة المطورين على كتابة التعليمات البرمجية بشكل أسرع، تركز هذه المنصات بشكل متزايد على ضمان إمكانية مراجعة البرامج التي يولدها الذكاء الاصطناعي، والتحقق من صحتها، واختبارها، وإصدارها بنفس الثقة التي تتمتع بها التطبيقات المطورة تقليديا، أو أكبر.
لم يعد التحدي الذي يواجه المنظمات الهندسية هو إنتاج التعليمات البرمجية بسرعة؛ لقد حل الذكاء الاصطناعي هذه المشكلة إلى حد كبير. ويكمن التحدي الأكبر الآن في التحقق من صحة التدفق المتزايد باستمرار من البرامج التي تم إنشاؤها بواسطة الذكاء الاصطناعي دون المساس بالأمن أو الموثوقية أو الحوكمة. يشير وكيل DevOps الموسع من AWS إلى أن مسارات البرامج المستقبلية ستعتمد بشكل متزايد على الذكاء الاصطناعي ليس فقط لبناء التطبيقات، ولكن أيضًا لتحديد متى تكون جاهزة للإنتاج.
