تجربة ال Deepseek مع Roo Code

خلال الفترة الماضية، قمنا بتجربة بناء تطبيق كامل تقريبًا باستخدام الذكاء الاصطناعي، وبتكلفة تقل عن 5 يورو.
التطبيق شمل Backend بـ Kotlin/Java، قاعدة بيانات، وواجهة React، وتم كل ذلك من داخل Visual Studio Code باستخدام Roo Code مع نموذج DeepSeek.

من المهم التوضيح منذ البداية: هذه ليست أول تجربة لنا مع أدوات الذكاء الاصطناعي في التطوير. على العكس، نحن نستخدم منذ فترة عدة أدوات متقدمة، مثل Cursor، ونعمل مع نماذج متعددة في سياق بناء وكلاء ذكاء اصطناعي (AI Agents)، ونعرف جيدًا مستوى الجودة الذي يمكن أن تقدمه هذه الأدوات، وكذلك تكلفتها.

لكن من باب الفضول التقني، وكجزء من تقييم واقعي للتكاليف، قررنا اختبار خيار أرخص بكثير، لا كبديل نهائي، ولا كتوصية، بل كتجربة:
ماذا يمكن أن نحصل عليه فعليًا إذا خفّضنا التكلفة إلى الحد الأدنى؟

ما فاجأنا لم يكن أن الأداة “تنافس” الأدوات الكبرى في كل شيء، بل أن جودة الكود الناتج كانت أعلى مما توقعناه مقارنة بالسعر. الكود كان واضحًا، منظمًا، وقابلًا للمراجعة والتعديل، وهو ما يهمنا أكثر من أي ادعاء تسويقي.

في هذه التجربة، الذكاء الاصطناعي لم يكن “مطوّرًا مستقلًا” يبني التطبيق وحده. دوره كان أقرب إلى مساعد تنفيذي سريع:
توليد الهياكل الأولية، اقتراح نماذج البيانات، كتابة CRUD، المساعدة في ربط الـ backend مع الواجهة، وحتى تسريع فهم أخطاء منطقية متكررة. هذا الاختصار في الوقت سمح لنا بالتركيز على ما لا يمكن للأداة القيام به: المعمارية، القرارات التقنية، وتدفّق البيانات.

نقطة محورية في التجربة أن كل الأوامر (البرومبت) لم تُكتب مباشرة داخل Roo Code. كنا نستخدم ChatGPT لصياغة وتحسين البرومبت أولًا، ثم نمرّرها إلى الأداة. مع مرور الوقت، تحسّنت صياغة البرومبت بشكل واضح، ومعها تحسّنت جودة المخرجات. استخدام ChatGPT كأداة لكتابة وتحسين البرومبت أثبت أنه ممارسة جيّدة (Good Practice)، خصوصًا عند التعامل مع مهام معقّدة أو متعددة الخطوات.

ما أكّدته هذه التجربة هو أن الفارق الحقيقي لا يصنعه اسم الأداة أو سعرها فقط، بل طريقة الاستخدام:
تقسيم العمل إلى خطوات صغيرة، أوامر واضحة، مراجعة بشرية مستمرة، وعدم الانتقال للخطوة التالية قبل فهم ما تم إنجازه. في كثير من الحالات، كان تحسين صيغة البرومبت أهم من تغيير النموذج نفسه.

العمل تم بالكامل داخل بيئة مألوفة مثل Visual Studio Code، بدون منصات مغلقة أو سير عمل غريب، ما جعل التجربة قريبة جدًا من التطوير التقليدي، لكن مع تسريع ملحوظ في التنفيذ.

ولمن يسأل كيف تبدأ تجربة مشابهة، بشكل عام جدًا:

تثبيت Roo Code كملحق داخل VS Code

التسجيل في DeepSeek واختياره كنموذج

استخدام ChatGPT لصياغة وتحسين البرومبت

البدء بأوامر صغيرة وواضحة

مراجعة كل أمر قبل المتابعة

والتعامل مع الذكاء الاصطناعي كأداة تسريع، لا بديل عن القرار الهندسي

الخلاصة من هذه التجربة ليست أن “الأدوات الرخيصة أفضل”، ولا أن “الأدوات الكبرى غير ضرورية”، بل أن حاجز الدخول انخفض بشكل كبير. في المقابل، ارتفعت قيمة الفهم الهندسي، التفكير النقدي، وصياغة السؤال الصحيح.
الذكاء الاصطناعي يسرّع التنفيذ… لكنه لا يعوّض عن التفكير.