أصبحت النماذج ذات الأوزان المفتوحة تحظى باهتمام متزايد بفضل ما توفره من تحكم وخيارات وتكلفة أقل، بالتزامن مع تنامي الاهتمام بتشغيل الذكاء الاصطناعي بصورة هجينة أو محلية. وفي هذا السياق، تعاونت JetBrains مع DeepLearning.AI لإتاحة دورة مجانية بعنوان AI Coding Workflows: Hybrid to Local، تستخدم PyCharm وميزة AI Chat لشرح الأفكار والخيارات المرتبطة بهذه الأساليب.
ينطلق المساق من العمل مع Claude Code ونماذج Anthropic، قبل الانتقال تدريجياً إلى وكلاء ونماذج واستضافة مختلفة، ثم إلى إعدادات هجينة ومحلية بالكامل. ووفق المادة المنشورة على مدونة PyCharm، فإن الهدف الأساسي هو تعلم المبادئ القابلة للتطبيق، لا حفظ أدوات أو إعدادات بعينها، لأن هذه التقنيات تتغير بسرعة.
تقسيم العمل واختيار النموذج
تبدأ الدورة من التطوير القائم على المواصفات، أو Spec-Driven Development، باعتباره وسيلة لتقسيم العمل المفتوح والواسع إلى خطوات محددة ومناسبة لقدرات النموذج. ويشير الدرس إلى أن النماذج الأصغر قد تواجه صعوبة مع أسلوب «البرمجة الحدسية» أو المهام الكبيرة غير المحددة، بينما يساعد تقسيم العمل ووضع حدود واضحة على إبقائها في المسار الصحيح.
تستخدم الدورة وكلاء فرعيين في Claude Code لتنفيذ مراحل خارطة الطريق داخل سياقات منفصلة. وبهذه الطريقة يمكن استخدام نموذج أكبر، مثل Opus، للتفكير وإدارة المحادثة الرئيسية، ثم تكليف نموذج أصغر وأقل تكلفة، مثل Haiku، بتنفيذ المهام. وتنتهي كل وحدة بقياس التغير في عدد الرموز، وعدد التبادلات، والتكلفة، والزمن التقديري للتنفيذ.
وتلخص المادة أربعة مفاتيح للتحكم في سير العمل:
- صياغة مواصفات تتناسب مع حجم النموذج وقدراته.
- استخدام وكلاء فرعيين متخصصين لتقسيم العمل.
- تخصيص النماذج الأقل تكلفة للمهام الروتينية.
- جمع المقاييس لاستخدام الأدلة في تقييم القرارات.
الانتقال إلى وكلاء ونماذج أخرى
بعد عرض سير العمل باستخدام Claude Code، تقدم الدورة خيارات إضافية تشمل OpenCode بوصفه الوكيل الجديد، وOpenRouter بوصفه موجهاً للاستدلال، وDeepSeek بوصفه النموذج وجهة الاستضافة عبر OpenRouter. وتوضح JetBrains أن تشغيل OpenCode داخل PyCharm يجعل الانتقال من Claude Code أكثر مباشرة بسبب تشابه واجهة الاستخدام.
يتطلب استخدام OpenRouter خطوة مدفوعة، ثم يعاد تنفيذ التسلسل نفسه: تجربة العمل في محادثة واحدة، ثم عزل السياق باستخدام وكيل فرعي. كما تنشئ الدورة وكيلاً فرعياً مخصصاً للتنفيذ باستخدام Markdown، مع ضوابط إلزامية في الواجهة الأمامية وإرشادات داخلية لتوجيه سلوكه. وفي هذا السيناريو يُستخدم DeepSeek v4 Flash كنموذج أصغر للتنفيذ، وتذكر المادة أن المقاييس كانت أقل تكلفة بكثير مقارنة بنسخة Claude Code.
إعداد الذكاء الاصطناعي المحلي
تنتقل الدورة بعد ذلك إلى السؤال العملي: هل يمكن تنفيذ بعض أعمال التطوير الروتينية، أو كلها، محلياً؟ يبدأ المساق بإعداد LM Studio بوصفه خادم الاستدلال، مع استخدام Gemma 4 12B كنموذج محلي يستهدف حاسوباً محمولاً بذاكرة قدرها 32 غيغابايت.
يجري بعد ذلك ضبط الوكيل الفرعي المنفذ لاستخدام نموذج Gemma 4 المحلي، مع ترقية DeepSeek v4 Flash من دور «العقل الأصغر» في الدرس السابق إلى دور «العقل الأكبر». وتصف المادة النتائج بأنها جيدة، ثم تختبر إعداداً محلياً بالكامل باستخدام Qwen 3.5 27B بوصفه «العقل الأكبر»، مشيرة إلى أن النتائج كانت أفضل من المتوقع، وأن الضوابط الإرشادية ساعدت النموذج على الأداء.
وتنتهي دروس الإعدادين الهجين والمحلي بمراجعة المقاييس. وتتمثل إحدى الرسائل الرئيسية للدورة في ضرورة الاعتماد على الأدلة بدلاً من الانطباعات وحدها، إذ تتيح المقاييس رؤية الصعوبات التي تواجه النماذج الأصغر وقياس أثر الإرشادات التي تساعدها على إنجاز المهام.
التحكم والخصوصية والتكلفة
ترى JetBrains أن الاهتمام بالذكاء الاصطناعي الهجين والمحلي يتصل بموضوعات مثل الذكاء الاصطناعي السيادي، والخصوصية والأمن، والتكلفة. وتقدم الدورة مدخلاً تدريجياً إلى الأساسيات، مع التأكيد على أهمية بقاء الإنسان ضمن حلقة اتخاذ القرار. وتدعو المادة المهتمين إلى التسجيل في الدورة مجاناً، فيما تشير JetBrains إلى أنها ستنشر تحديثات إضافية حول الذكاء الاصطناعي المحلي.