لا تنسوا أهلنا من صالح الدعاء,اللهم إنّا استودعناك اياهم، اللهم كُن عوناً لهم، اللهم انصرهم واحفظهم. 🇵🇸 🇸🇩
أهلًا وسهلًا بكم في ثاني عدد مميز من سلسلة Engineering Radar من النشرة الأسبوعية لاقرأ-تِك 🚀
سواء كنت مهندس برمجيات مبتدئ أو محترف، فنشرتنا هتساعدك على مواكبة أحدث تطورات عالم البرمجة بمواضيع جديدة كل أسبوع، هتلاقى كمان محتوى عملي بيشمل أفضل الممارسات، ونصائح مفيدة، وترشيحات لمقالات مختارة من اقرأ-تِك.
أخبار الـ AI كانت مثيرة للاهتمام أخر 10 أيام فقولنا نرجعلكم بعدد ثاني Engineering Radar وفيه أهم الأخبار ونشوف ازاي نستفيد منها كمبرمجين, فيلا بينا!
🌟 مواضيع النشرة لهذا الأسبوع 🌟
AI Coding Agents: Adoption Trends In 2026 🤖
DeepSeek Harness: What is it 🔥
Replit expands access to software creation with GPT‑5.6 Luna 🧑💻
AI Coding Agents: Adoption Trends In 2026 🤖
JetBrains نشرت يوم 18 أغسطس 2026 تحليل بعنوان “AI Coding Agents: Adoption Trends” مبني على Developer Ecosystem Survey 2026، والـsurvey دي شملت أكتر من 15,000 professional developer حول العالم، والبيانات اتجمعت بين مايو ويوليو 2026.
أهم نتيجة في التقرير إننا مش إننا بننتقل من مرحلة AI assistant بيكمل لك السطر لمرحلة Coding Agent بياخد task كاملة ويشتغل عليها ولكن إن دا بقى جزء طبيعي من الـ developer workflow مش بس حاجة advanced developers بيجربوها.
الصورة الكبيرة
بحسب JetBrains:
90% من الـprofessional developers بيستخدموا AI coding agents في الشغل مرة على الأقل أسبوعيًا.
68% بيستخدموهم يوميًا.
ودي قفزة ضخمة جدًا لو قارنتها ببيانات JetBrains قبلها بشهور. في يناير 2026 مثلًا، JetBrains كانت بتقول إن حوالي 22% فقط كانوا بيستخدموا coding agents، وإن معظم استخدام الـAI كان لسه individual productivity أكتر من كونه workflow كامل جوه الـSDLC.
أكثر الأدوات استخدامًا و تبنيًا في بيئات العمل
التقرير عرض مقارنات بين أشهر ال Coding Agents من ناحية “ ايه هي أشهر الأدوات الخاصة بال coding agents “ اللي سمعت عنها وتم وضعها تحت ال Awareness Section
و المقارنة الثانية كانت عن استخدامك لل Coding Agent في العمل في جزء تطوير البرمجيات
الأرقام بتظهر إن في الصدارة Claude Code و يليه Github Copilot و من ثم Codex و Cursor لكن إتجاه الحركة هو اللي مثير للاهتمام لأن في النسخة الأقدم من التقرير في يناير ٢٠٢٦ كان معدل استخدام Claude Code في العمل بس 18% من المشاركين والرقم وصل ل 39% في التقرير في أغسطس ودي وتيرة سريعة جدًا لتغير أساليب المبرمجين في شغلهم.
GitHub Copilot كمان فقد الصدارة بعد ما كان لفترة طويلة تقريبًا synonym لـAI coding. لكن استخدامه في العمل نزل من: 29% → 21% مع إن الـawareness بتاعه لسه حوالي 79%. ودا بيورينا إن الـautocomplete لسه مفيد جدًا، لكن بقى feature جوه workflow أكبر، مش هو الـworkflow نفسه.
ما يهم المبرمجين
تعلم استخدام Agent أهم من تعلم Prompt Engineering
المهارة المطلوبة بتتحول من:
How do I write a clever prompt?إلى:
How do I delegate engineering work correctly?فبدل ما اكتب
Write this wishlist service for me هقدمله المهمة يطلع منها خطة تنفيد وكمان معاها كل الشروط و التوجيهات اللي تطلعها في أحسن شكل + شروط الاختبار ومراجعة الكود
We need to add a Wishlist feature.
A logged-in user should be able to:
save a product
remove a saved product
list their saved products
Before writing code:
Inspect the repository and understand how authenticated users are represented.
Find how similar user-owned resources are modeled.
Check the existing API conventions, error handling, pagination, and database patterns.
Check whether there are existing product availability/deletion rules we need to respect.
Propose an implementation plan and identify any ambiguous requirements.
Constraints:
A user cannot save the same product twice.
Removing something that isn't saved should be idempotent.
Don't introduce a new architectural pattern if an existing one fits.
Follow the existing API conventions.
Don't modify unrelated code.
After the plan is approved:
implement the feature
add unit/integration tests
run the relevant test suites
run lint/static checks
review your own diff for regressions or unnecessary complexity
summarize the final design decisions and any remaining risksمن التقرير واضح إن دورنا بيتحول من "كاتب Code" إلى "Controller of Code Generation"
لو الـagent يقدر يعمل:
read ticket
↓
inspect repository
↓
write code
↓
run tests
↓
fix errors
↓
open PRفالقيمة اللي أقدر أنا أقدمها إني أوجهه في الاتجاه المناسب لشغلي واتأكد إن كل الخطوات دي بتطلع منتج صح وبدون أخطاء تأثر علي الشغل ودا بإننا:
نهتم بجودة ال Design والاتجاه اللي هطلب من الAgent يمشي فيه
نهتم بجودة ال Harness و القواعد اللي ال Agent بيتبعها في فهم وتوليد واختبار الاكواد
DeepSeek Harness: What is it 🔥
تم إطلاق DeepSeek Harness (dsh) في Developer Preview يوم 13 أغسطس 2026. وهو مهم لأنه مش موديل جديد، بل Harness وهي الطبقة اللي بتحوّل الموديل من chatbot إلى agent فعلي قادر يشتغل على مشروعك. DeepSeek عاملاه open source تحت MIT، والفكرة الأساسية فيه: Everything is a plugin.
أولاً تلخيصًا ما هو ال Harness ؟
الـLLM لوحده بيعرف يفكر ويولد text، لكنه مش عارف:
يقرأ repository ولا يشغل terminal ولا يعدل files ولا يحتفظ بـsession ولا يعمل sub-agents ولا حتي يشغل tests.
الـHarness هو البنية اللي حوالين الموديل وبتخليه قادر ينفذ الحاجات دي ودا اللي بيخليه Agent. و DeepSeek بتلخصها كده:
Agent = Model + Harness
وده concept مهم جدًا؛ لأن جودة الـcoding agent مش معتمدة على ذكاء الموديل فقط. طريقة إدارة الـcontext والـtools والـagent loop والـsandbox ممكن تعمل فرق كبير جدًا في النتيجة
طيب إيه المختلف في DeepSeek Harness؟
المبدأ الأساسي هو:
Everything is a Plugin
مش بس الـtools plugins، تقريبًا كل حاجة plugin:
Model
Tools
Skills
Agent loop
Sessions
Storage
Sandbox
Subagents
Scheduling
UI
حتى الـagent loop نفسه قابل للاستبدال. ودي نقطة مختلفة عن إنك تقول عندي coding agent وأقدر أضيفله MCP tool. هنا الفكرة أقرب إلى عندي kernel صغير، وأنا أكوّن فوقه الـagent اللي أنا عايزه.
DeepSeek Harness مبني فوق framework اسمه Cordis. الـkernel نفسه لا يحمل معظم الـagent logic. دوره الأساسي إدارة:
تحميل plugins.
dependencies بينها.
services.
events.
lifecycle.
وبعد كده الـplugins هي اللي تبني الـagent.
يعني ممكن يكون عندك الأساس وكل حاجة تحطها بعد كدا ك Plugin:
Cordis Kernel
├── Claude model plugin
├── GitHub tools plugin
├── Bash plugin
├── Filesystem plugin
├── Sandbox plugin
├── Planning plugin
├── Subagent plugin
├── Memory plugin
├── Agent loop pluginودا هيخلي استبدال أي جزء في ال Flow سهل جدأ تستبدل Claude بـDeepSeek أو sandbox محلي بـremote sandbox من غير ما تعيد بناء الـagent كله. ودي أهم نقطة للمبرمجين لأن معظمنا حاليًا بيستخدم:
Claude Code
Codex
Cursor
كـproducts ب Agents جاهزة وأنا بس بخصص الAgents دي لأداء مهام معينة.
DeepSeek Harness أقرب إنه يكون platform لبناء agent بتاعك أنت.
يعني بدل:
Use Claude Code
+
add MCP servers
+
add AGENTS.mdتقدر تعمل ال Agent من الصفر وتزود ال Plugins المناسبة لشغلك، وده هيكون أهم سبب يخلي المشروع واخد ال 176K Stars على Github في الوقت القصير دا.
المميزات التي يقدمها
Model مش مربوط بـDeepSeek
لكن architecture معمولة بحيث الـLLM adapter نفسه plugin.
الـdocs موضحة إن إضافة model provider معناها تسجيل adapter على ctx.llm.
يعني theoretically تقدر تشغل Claude أو GPT أو Gemini أو حتي Local Model فوق نفس الـHarness.
وده مهم جدًا لأنك تقدر تعمل benchmark حقيقي للنماذج المختلفة. (GPT vs Claude vs DeepSeek ) بنفس الأدوات والسياق والمهمة و ال Harness.
بدل ما تقارن Claude Code مع Codex، وفي الحالة دي بتغير الموديل والـharness في نفس الوقت.
الـ Agent Loop نفسه Plugin
فكرة إن ال Agent Loop نفسه مش hardcoded فكرة ذكية جدًا وبتسمح بتخصيص كبير للمبرمجين.
الـloop الطبيعي:
Prompt
↓
Model
↓
Tool Call
↓
Result
↓
Model
↓
Tool
↓
...هنا حتى الـagent loop نفسه جزء قابل للتبديل.
يعني ممكن تعمل agent loop :
Plan
↓
Implement
↓
Test
↓
Review
↓
Fixأو:
Investigate
↓
Generate 3 hypotheses
↓
Test hypotheses
↓
Choose root causeأو حتى loop خاص بالـSDLC بتاع شركتك.
وجود Standard Mode
ده coding agent شبه اللي إحنا متعودين عليه وعنده نفس ال capabilities زي ال file editing و ال subagents و ال Skills وغيرها يعني تقدر تستخدمه مباشرة من غير ما تبني framework.
بيقدم أيضًا Creator Mode
وده معمول للناس اللي عايزة تبني Agent Harnesses فالـagent يقدر يشوف runtime الحالي و يجرب plugins ويركب capabilities ويبني presets جديدة.
يعني بدل ما تعدل config بنفسك طوال الوقت:
Build me an agent specialized for reviewing Spring Boot PRs.والفكرة إن الـagent يساعدك تركب الـplugins المناسبة.
Forking Sessions
الـHarness بيدعم إنك تعمل fork لل Agent Session. وده مفيد جدًا في exploration والـplanning لأنه وقت التخطيط ممكن يعرض أكثر من فرضية ونحتاج نعملها Investigation , فهنا يقدر يفتح أكثر من Session عشان يفكر فيها في الافتراضات المختلفة داخل ال Plan.
ما يهم المبرمجين
ال DSH بيعرض نفسه كمنافس قوي جدًا ل Claude Code وبكفاءة عالية ومفتوحة المصدر فيستحق التجربة لكن مش هابني عليه production platform دلوقتي من غير abstraction حواليه، لأن DeepSeek نفسها محذرة بوضوح إن المشروع ما زال Developer Preview وإن APIs ممكن يحصل فيها breaking changes. لكن اللي نتعلمه منه حتي لو مش هنستخدمه هو إننا نفصل الـModel عن الـHarness. فما تبنيش architecture مربوط بـClaude أو GPT. لأنه واضح إن ال Open Source سيأتي وبقوة - يارب - و نقدر بعد Adaptation من السوق ننتقل رسميًا ليه.
Replit expands access to software creation with GPT‑5.6 Luna 🧑💻
في 19 أغسطس 2026 Replit أعلنت إنها عملت Free Mode جوه Replit Agent، والموديل اللي مشغله هو GPT-5.6 Luna. الهدف إن الناس تقدر تخطط، تسأل، تستكشف، وتطوّر فكرة التطبيق من غير ما تقلق من استهلاك usage/tokens
هنا Replit بتفصل بين مرحلتين: التفكير في الحاجة وبناء الحاجة. في Free Mode تقدر تتناقش مع الـAgent عن الـarchitecture، الـfeatures، الـUX، التحسينات، أو المشاكل في المشروع، وهو شايف full project context. ولما تبقى جاهز للتنفيذ، تنتقل لـBuild Mode. ولو المهمة احتاجت reasoning أقوى، Replit ممكن يعمل routing لـGPT-5.6 Sol وبعدها يرجع تاني لـLuna، مع الحفاظ على نفس project context.
طيب إيه اللي يهم المبرمجين فعلًا؟
أول حاجة مهمة هي Model Routing. بدل ما كل task تروح لأقوى وأغلى موديل، Replit بتستخدم موديل أرخص وأسرع كـdefault، وتطلع للموديل الأقوى بس لما المهمة تحتاجه:
بشكل أساسي تستخدم GPT Luna
المهمة محتاجة Reasoning أقوي؟ بننقل ل GPT Sol
وده ممكن يقلل التكلفة بشكل ضخم من غير ما تضحي بالجودة في المهام الصعبة. OpenAI نفسها بتقول إن تحسن price/performance هو اللي خلى Replit قادرة توفر التجربة دي لملايين المستخدمين.
ثاني حاجة هي إن Context continuity بقت جزء من الـproduct architecture، مش مجرد feature لطيفة. Replit بتأكد إنك لما تنتقل بين الاستكشاف والتنفيذ أو حتى بين موديلين، الـproject context يفضل موجود.
ودي مرتبطة جدًا باللي اتكلمنا عنه قبل كده في Harness Engineering: إن الموديل وحده مش كفاية. إدارة الـcontext حواليه ممكن تكون أهم من فرق صغير في benchmark.
ثالث حاجة، Replit بتغيّر مفهوم "free AI coding". زمان الـfree tier غالبًا معناه prompts قليلة أو موديل ضعيف. هنا هم بيحاولوا يخلو جزء كبير من الـsoftware development workflow نفسه free: التفكير، الـplanning، الـfeedback، والـanalysis، وبعدين فقط التنفيذ الفعلي أو reasoning الأكثر تكلفة يبقى له economics مختلفة.
بفضل الله أصبح متاح حالياَ دعمنا من خلال الرعاة والشراكات وفعلنا الـ Sponsorship, بنرحب بجميع الشراكات مع المؤسسات والشركات وأصحاب الأعمال لبناء مجتمع عربي يشجع على القراءة والتعلم ومشاركة التجارب والخبرات العملية في هندسة البرمجيات.
دورك كشريك أو راعي هيكون محوري في دعم المحتوى وتوسيع نطاق تأثيره. فانضم لرحلتنا وكن جزءًا من صناعة مستقبل التكنولوجيا في المنطقة 🚀
تقدروا تشوفوا التفاصيل كاملة من هنا والـ Analytics بتاعتنا من خلال اقرأ-تِك والنشرة الأسبوعية 👇
رؤيتنا هي إثراء المحتوى التقني العربي وجعل التعلم من خلال القراءة أمتع، وذلك من خلال إثراء المحتوى التقني باللغة العربية وتشجيع المبرمجين على القراءة بلغتهم الأم والتفكير أيضًا بها.
لذلك اتحنا الفرصة أمام الجميع للمساهمة ومساعدتنا في نشر واثراء المحتوى التقني باللغة العربية, من خلال كتابة المقالات التقنية في مختلف مجالات هندسة البرمجيات.
وجب التنويه أنه لن يتم نشر كافة الأعمال التي تصل إلينا، وإنما سيتم الانتقاء منها ما يحقق هدفنا بإثراء المحتوى التقني العربي، ولذلك قد تُطلب بعض التعديلات من الكاتب قبل النشر.
لمعرفة المزيد بخصوص :
💬 المعايير العامة لكتابة ونشر المقالات
⚡️ كيفية الإرسال
🔥 التزامات اقرأ-تِك تجاه الكتاب
يمكنكم قراءة كافة التفاصيل من هنا 👇
