٣ كورسات AI + ٧ بونصات بقيمة $560 — بـ $99 بس
Alibaba فتحت مصدر أداتها الداخلية للمراجعة الأتوماتيكية للكود اللي بتستخدمها فعلياً على مقياس ضخم. Open Code Review (OCR) اشتغلت جوّه Alibaba لسنتين، خدمت عشرات الآلاف من المطوّرين، واكتشفت ملايين الـ bugs قبل ما توصل production. لما استقرت وتحسّنت لدرجة كافية، Alibaba قررت تفتح مصدرها للمجتمع.
الريبو وصل 29.6 ألف نجمة على GitHub و2.1 ألف fork، ومرخّص Apache 2.0. حصل على OpenSSF Gold badge لأفضل الممارسات (نادر جداً).
مشكلة الـ Agents العادية في code review
لو جربت تستخدم Claude Code أو Cursor مع Skill لعمل code review، على الأغلب صادفت 3 مشاكل حقيقية:
- تغطية ناقصة: على PRs كبيرة، الـ agent بيكسل ويراجع بعض الملفات ويفوّت التانية
- Position drift: بيقولك “المشكلة في السطر 45” لكن السطر 45 مافيهوش المشكلة — الأسطر والملفات بتنجرف
- جودة متذبذبة: تغيّر جملة في الـ Skill، النتايج تتغيّر بشكل كبير. صعب تصحّح Skills
السبب الجذري: البنية اللغوية بحتة مفيهاش قيود صارمة على عملية المراجعة.
الحل: هندسة تحديدية + Agent هجينة
Alibaba قسّمت المشكلة بذكاء: الحاجات اللي لازم متغلطش، بتخليها للـ engineering (كود deterministic). الحاجات اللي محتاجة قرار ديناميكي، بتخليها للـ agent.
الجزء التحديدي (Deterministic) — القيود الصارمة
- اختيار الملفات بدقة — قرار محسوم لكل ملف: يتراجع ولا لأ. مفيش chance للـ agent يتصنّف
- تجميع ذكي للملفات — الملفات المترابطة بتتجمع في وحدة واحدة (مثال:
message_en.propertiesوmessage_zh.propertiesبيتراجعوا سوا). كل مجموعة sub-agent مستقل بـ context معزول — divide-and-conquer بيخلي الأداء ثابت على PRs ضخمة - مطابقة قواعد بدقة — كل قاعدة مراجعة بتتطبق بالضبط على الملفات اللي تنطبق عليها، بدون noise للـ agent
- Positioning module خارجي — بيحدد مكان الـ comment بشكل مضمون (بيحل مشكلة الـ drift الأشهر)
- Reflection module خارجي — بيراجع كل comment قبل ما يظهر
الجزء الـ Agent — القرارات الديناميكية
- Prompts متخصصة للمراجعة — تحسّن على أساس تحليل ملايين review sessions فعلية
- Toolset متخصص — الأدوات المتاحة للـ agent مصمّمة بناءً على تحليل معدلات الاستخدام في production Alibaba، مش toolkit عام
الأداء المُقاس — مقارنة مباشرة مع Claude Code + Skills
Alibaba نشرت AACR-Bench — benchmark حقيقي مبني من 50 مشروع مفتوح المصدر، 200 Pull Request حقيقية، 10 لغات برمجة، مع 1,505 issue مؤكدة بمراجعة 80+ senior engineers.
النتائج مقارنة بـ Claude Code كـ general-purpose agent (نفس الموديل الأساسي):
- F1 أعلى بشكل ملحوظ — أفضل جودة إجمالية للمراجعة
- Precision أعلى — false positives أقل بكتير
- Tokens أقل بـ ~9 أضعاف — تكلفة API 1/9
- سرعة أعلى — أسرع في المراجعة
- Recall أقل — trade-off مقصود لصالح الجودة على حساب الكمية (بيفوّت شوية عشان يمنع الـ noise)