1. من «أداة للمبرمجين» إلى «منصة مكتبية لجميع أفراد الفريق»

إذا كنت مطورًا، فربما سمعت عن TRAE. فقد دخلت دائرة الاهتمام أولًا كأداة برمجة مدعومة بالذكاء الاصطناعي، تركز على توليد الشيفرات، وإعادة هيكلتها، وتصحيح الأخطاء، وتسليم المشاريع.

لكن وفقًا للمقال المصدر، لم تعد TRAE مقتصرة على سيناريوهات المطورين. فمع تحول TRAE SOLO إلى منتج مستقل ثم ترقيته إلى TRAE Work، توسّع تموضعها من «أداة إنتاجية للمطورين» إلى «منصة مكتبية بالذكاء الاصطناعي لجميع أفراد الفريق».

يمكن تلخيص هذا التطور على النحو التالي:

TRAE IDE (إضافة للمطورين) -> TRAE SOLO (تطبيق مستقل، تطوير + أعمال مكتبية) -> TRAE Work (منصة مكتبية بالذكاء الاصطناعي لجميع أفراد الفريق)

المحطات الرئيسية:

المنطق وراء هذه الترقية واضح ومباشر. فقد انتشرت أدوات البرمجة المعتمدة على الذكاء الاصطناعي بسرعة بين المطورين، لكن سير عمل الذكاء الاصطناعي لمديري المنتجات، والمشغّلين، والمسوقين، ومحللي البيانات، وغيرهم من الأدوار غير التقنية لا يزال قيد التشكّل. يستهدف TRAE Work هذه الفجوة: إذ لا ينبغي للذكاء الاصطناعي أن يجيب عن الأسئلة فحسب، بل أن يساعد أيضًا مختلف الأدوار على دفع العمل الحقيقي نحو الإنجاز.

2. وضع العمل: قدرات مكتبية بالذكاء الاصطناعي للأدوار غير التقنية

الوضع الأساسي الأول في TRAE Work هو وضع العمل. وهو لا يستهدف الأشخاص الذين يكتبون الشيفرات البرمجية، بل جمهورًا مكتبيًا أوسع: مديري المنتجات، والمشغّلين، والمسوقين، ومحللي البيانات، ومديري المشاريع، وفرق التعاون المؤسسي.

تصف المقالة المصدر ست قدرات نموذجية.

（1）إنشاء المحتوى: من الملفات إلى عروض PPT أو مستندات

يمكن للمستخدمين تحميل عروض PPT وملفات Excel وPDF والصور ومواد أخرى، مما يتيح للذكاء الاصطناعي دمج المعلومات وإنشاء مسودات عروض تقديمية أو مستندات مقترحات أو تقارير تحليلية.

على سبيل المثال، يمكنك تقديم ملف PDF بحثي، وبيانات أعمال في Excel، وعدة صور مرجعية، ثم تطلب من الذكاء الاصطناعي إنشاء عرض تقرير ربع سنوي. يتحول دور الإنسان من «الإنشاء من الصفر» إلى المراجعة والتحسين.

（2）تحليل البيانات: من البيانات الفوضوية إلى الرؤى

بعد تحميل ملفات Excel أو CSV، يمكن للذكاء الاصطناعي المساعدة في تنظيف البيانات، وتحليل الاتجاهات، وإنشاء تصورات بصرية، وإخراج رؤى أكثر قابلية للقراءة.

（3）كتابة المقترحات: مسودات PRD أو حملات بسرعة

يمكن لمديري المنتجات وصف أهداف المنتج، وسيناريوهات المستخدم، والقيود باللغة الطبيعية، ثم الحصول على مسودة PRD. ويمكن لفرق العمليات استخدامه لإنشاء تقارير استعادية وخطط حملات وخطط محتوى بسرعة.

（4）إنشاء التطبيقات: لوحات معلومات من اللغة الطبيعية

إذا قال المستخدم: "أنشئ لوحة معلومات للمبيعات تعرض مقارنة الأداء الإقليمي لهذا الشهر"، يمكن للذكاء الاصطناعي محاولة إنشاء صفحة تفاعلية أو لوحة معلومات بيانات، بدلًا من الاكتفاء بتقديم نصائح نصية فقط.

（5）تقدّم المهام: تقارير أسبوعية تلقائية

باستخدام المهام المجدولة، يمكن للذكاء الاصطناعي تلخيص تقدّم المشروع والمقاييس والعناصر الرئيسية تلقائيًا كل أسبوع، وإنتاج مسودة تقرير أسبوعي.

（6） التعاون: ملاحظات اجتماعات منظّمة

يمكن تحويل تسجيلات الاجتماعات أو محتوى المناقشات إلى ملاحظات منظّمة، تشمل الموضوعات والاستنتاجات الرئيسية والمسؤولين والخطوات التالية.

السيناريوهات النموذجية:

3. وضع الكود: لا يزال المطوّرون جمهورًا أساسيًا

على الرغم من أن TRAE Work يتوسع نحو أعمال مكتبية أوسع، فإن وضع الكود يظل أساسًا رئيسيًا. تصف المقالة المصدر وضع الكود بأنه مصفوفة من وكلاء تطوير الذكاء الاصطناعي، وليس مجرد إكمال للكود.

SOLO Builder وSOLO Coder

هذا التمييز مهم: فـ Builder أشبه بأداة للنمذجة الأولية وإطلاق المشاريع الجديدة، بينما Coder أشبه بمتعاون هندسي داخل مشروع قائم.

وضع التخطيط: خطّط قبل تغيير الكود

بعد إدخال /plan، لا يقوم الذكاء الاصطناعي بتعديل الكود فورًا. بل يُنشئ أولًا خطة تنفيذ تشرح الملفات التي سيتم تغييرها، وما الذي تفعله كل خطوة، وما المخاطر المحتملة. ولا يبدأ التنفيذ إلا بعد مراجعة المستخدم.

يقلّل هذا من خطر إساءة فهم الذكاء الاصطناعي للمتطلبات وتغيير كمية كبيرة من الكود في اتجاه خاطئ.

وضع المواصفات: توثيق مهام الهندسة

بعد إدخال /spec، يُنشئ الذكاء الاصطناعي ثلاثة أنواع من المستندات للمهام المعقدة على مستوى النظام:

• spec.md: خلفية المشروع، تصميم البنية، الخيارات التقنية

• tasks.md: تقسيم المتطلبات إلى مهام قابلة للتنفيذ

• checklist.md: قائمة تحقق لقبول الميزات الرئيسية

تُخزَّن هذه المستندات ضمن .trae/specs/ ويمكن تحديثها مع تقدم التنفيذ. وبالنسبة لأعمال التطوير المعقدة، فإن هذا يُدخل تنفيذ الذكاء الاصطناعي في نطاق الإدارة الهندسية.

SubAgent: المعالجة المتوازية للمهام المعقدة

بالنسبة للمهام المعقدة، يمكن لـ SOLO Coder جدولة عدة وكلاء فرعيين للتعامل مع وحدات مختلفة. يقلّل هذا من تشتت الانتباه في المهام ذات السياق الطويل، ويجعل الذكاء الاصطناعي أقرب إلى فريق تعاون متوازٍ منه إلى مساعد محادثة أحادي المسار.

التنفيذ الشفاف: الذكاء الاصطناعي ليس صندوقًا أسود

فكرة مهمة أخرى في المقال الأصلي هي التنفيذ «الشفاف»: يجب أن يكون ما يفعله الذكاء الاصطناعي، والملفات التي يغيّرها، والأوامر التي يشغّلها، مرئيًا وقابلًا للمراجعة والرفض.

يشمل ذلك:

• المتابعة في الوقت الفعلي: مراقبة ما يفعله الذكاء الاصطناعي.

• مراجعة DiffView: فحص تغييرات الكود ملفًا تلو الآخر.

• تتبع المهام: تسجيل المهام وحالات الإنجاز والملخصات.

بالنسبة للمطورين، هذا أكثر أمانًا من السماح للذكاء الاصطناعي بإرسال كومة من الأكواد مباشرةً، كما أنه يتوافق بشكل أفضل مع عادات التعاون داخل الفريق.

4. المهارات + MCP: من ذكاء اصطناعي للأسئلة والأجوبة إلى ذكاء اصطناعي للتنفيذ

لا يقتصر TRAE Work على وضع الميزات داخل واجهة فحسب، بل يؤكد أيضًا على الجمع بين المهارات وMCP.

المهارات هي سير عمل قابلة لإعادة الاستخدام. يمكن للمستخدمين تجميع الأعمال المتكررة في مهارات، مثل إنشاء التقارير الأسبوعية، أو تنظيم ملاحظات الاجتماعات، أو إنشاء عروض PPT من المواد. وبمجرد أن يتعلم الذكاء الاصطناعي العملية، يمكنه استدعاء سير العمل مرة أخرى في المرة التالية.

يتيح MCP (بروتوكول سياق النموذج) للذكاء الاصطناعي الاتصال بالأدوات الخارجية وقواعد البيانات والمتصفحات وواجهات برمجة التطبيقات التابعة لجهات خارجية. وهو يحدد ما يمكن للذكاء الاصطناعي تشغيله وأين تقع حدود القدرة.

معًا:

تحدد المهارات “كيفية القيام بذلك” (سير العمل) + يحدد MCP “ما يمكن القيام به” (حدود القدرة)
= يتطور الذكاء الاصطناعي من الأسئلة والأجوبة إلى التنفيذ

هذا هو الفرق الجوهري بين منصة مكتبية للذكاء الاصطناعي وروبوت محادثة عادي. فالأولى تدخل في سير العمل الحقيقي؛ بينما غالبًا ما يبقى الثاني عند مستوى توليد المحتوى والإجابة عن الأسئلة.

5. المزامنة بين أجهزة متعددة وأمن المؤسسات

بالنسبة للعمل المكتبي في المؤسسات، لا تكفي أداة واحدة. فالتعاون عبر أجهزة متعددة وأمن الإدارة أمران مهمان.

أشكال الأجهزة المتعددة:

قدرات أمان المؤسسات:

تحدد هذه القدرات ما إذا كانت منصة مكتبية للذكاء الاصطناعي قادرة على الانتقال من التجريب الفردي إلى النشر على مستوى الفريق.

6. المشهد التنافسي: بايت دانس، علي بابا، وتنسنت

تضع المقالة المصدر TRAE Work ضمن السباق الأوسع لمنصات المكاتب المدعومة بالذكاء الاصطناعي. تبني بايت دانس وعلي بابا وتنسنت جميعها منصات عمل للذكاء الاصطناعي، لكن نقاط دخولها تختلف.

ينبغي فهم هذه المقارنة على أنها رؤية المقال الأصلي لمشهد المنتجات. وستعتمد المنافسة الفعلية على تطور المنتجات، والأنظمة البيئية للمؤسسات، وقنوات التوزيع، والتغيرات في قدرات النماذج.

يمكن تلخيص تمايز TRAE Work على النحو التالي:

• التسليم أولًا: ليس فقط الإجابة عن الأسئلة، بل محاولة إكمال المهام.

• تنفيذ الصندوق الأبيض: كل خطوة يقوم بها الذكاء الاصطناعي مرئية وقابلة للمراجعة.

• تكامل ثنائي الوضع: التبديل بين العمل والبرمجة داخل مساحة عمل واحدة.

7. وضع التصميم وسلسلة العمل المستقبلية

يذكر المقال الأصلي أن وضع تصميم مخصصًا لسيناريوهات التصميم قادم أيضًا. إذا تقاربت أوضاع العمل والبرمجة والتصميم تدريجيًا، فقد يتمكن TRAE Work من تغطية جزء أكبر من سلسلة العمل، بدءًا من المحتوى والبيانات وتطوير البرمجيات وصولًا إلى التصميم المرئي.

هذا يعني أن منصة المكتب المدعومة بالذكاء الاصطناعي لم تعد مجرد صندوق دردشة أقوى. بل تهدف إلى ربط الإدخال والتوليد والتنفيذ والمراجعة والتسليم في العمل المعرفي.

8. من ينبغي أن يستخدم TRAE Work؟

إذا كان عملك لا يتطلب سوى أسئلة وأجوبة بسيطة، فقد يكون روبوت دردشة عادي كافيًا. أما إذا كانت مهامك تتطلب تنفيذًا متعدد الملفات والأنظمة والخطوات، فقد تكون منصة موجهة نحو التنفيذ مثل TRAE Work أكثر قيمة.

9. ما الذي يعنيه ذلك لسير عمل محتوى We0 AI

تذكّر ترقية TRAE Work أيضًا فرق المحتوى بأن منافسة الذكاء الاصطناعي تتحول من “من يستطيع إنشاء المحتوى” إلى “من يستطيع إنجاز العمل”.

بالنسبة إلى منصات نمو مواقع العرض مثل We0 AI، فإن هذا الاتجاه مهم. فالشركات لا تحتاج فقط إلى بضعة أسطر من النصوص التسويقية؛ بل تحتاج إلى صفحات حالات، ومحتوى مواقع، وصفحات SEO/GEO، وشروحات للمنتجات، ومواد للعملاء، ومسارات تحويل لتصبح حلقة واحدة مكتملة.

بعبارة أخرى، ينبغي لأنظمة محتوى الذكاء الاصطناعي أيضًا أن تنتقل من “إنشاء مقال” إلى “إكمال مجموعة من الأصول القابلة للنشر حول أهداف الاكتساب”. وهذا في جوهره هو الاتجاه نفسه الذي تسلكه TRAE Work في الانتقال من مربع الدردشة إلى منصة عمل: يجب أن يدخل الذكاء الاصطناعي في سير العمل الحقيقي لإنتاج قيمة مستقرة.

10. الخلاصة

التغيير الجوهري في TRAE Work هو أن الذكاء الاصطناعي يتوسع من أداة للمطورين إلى منصة مكتبية أوسع موجهة نحو التنفيذ. يخدم وضع العمل الأدوار غير التقنية، ويواصل وضع الكود خدمة المطورين، وتساعد المهارات وMCP الذكاء الاصطناعي على الدخول في عمليات الأعمال الحقيقية، بينما يضع التزامن عبر أجهزة متعددة وأمن المؤسسات الأساس للنشر على مستوى الفرق.

ما إذا كان سيصبح نقطة الدخول لأعمال المكتب المعتمدة على الذكاء الاصطناعي لجميع أفراد الفرق لا يزال يعتمد على تجربة المنتج، وتكاملات المنظومة، وتبنّي المؤسسات، ونمو المستخدمين. لكن الاتجاه واضح: لم يعد الذكاء الاصطناعي مجرد نافذة للإجابة عن الأسئلة. إنه يحاول أن يصبح شريك عمل ينجز المهام ويقدّم النتائج.

الأسئلة الشائعة باللغة الإنجليزية

ما العلاقة بين TRAE Work وTRAE SOLO؟

وفقًا للمقال المصدر، كان TRAE SOLO مرحلة مهمة في انتقال TRAE من أداة للمطورين إلى منتج مستقل، بينما يمثل TRAE Work التموضع المطوّر كمنصة مكتبية للذكاء الاصطناعي موجهة لجميع أفراد الفرق.

لمن وُضع وضع العمل؟

صُمم وضع العمل للأدوار غير التقنية مثل مديري المنتجات، والمشغلين، والمسوقين، ومحللي البيانات، ومديري المشاريع. وهو يدعم إنشاء عروض PPT، وملاحظات الاجتماعات، وتحليل البيانات، وكتابة وثائق PRD، والتقارير الأسبوعية.

هل لا يزال وضع البرمجة مهمًا؟

نعم. يظل وضع البرمجة إحدى القدرات الأساسية في TRAE Work، إذ يخدم المطورين من خلال SOLO Builder وSOLO Coder وPlan وSpec وSubAgent وسير عمل مراجعة الكود.

ما الفرق بين Skills وMCP؟

Skills هي سير عمل قابلة لإعادة الاستخدام تحدد كيفية تنفيذ مهمة ما. أما MCP فيربط القدرات الخارجية ويحدد ما يمكن للذكاء الاصطناعي تشغيله. ومعًا يجعلان الذكاء الاصطناعي أشبه بشريك تنفيذ.

ما الذي ينبغي للمؤسسات الانتباه إليه عند استخدام TRAE Work؟

إلى جانب الميزات، ينبغي للمؤسسات الانتباه إلى حدود الأمان، وإدارة الصلاحيات، وسجلات التدقيق، والقوائم البيضاء للأدوات الخارجية، وسياسات سلامة المحتوى، وحدود استخدام النماذج.

الأدوات ذات الصلة / الأدوات ذات الصلة

• TRAE

• TRAE CN

• بروتوكول سياق النموذج

DingTalk

• We0 AI

مقالات ذات صلة / مقالات ذات صلة

• الموقع الرسمي لـ TRAE

• الموقع الرسمي لـ TRAE – الصين

• وثائق بروتوكول سياق النموذج

المصادر / المصادر

• الموقع الرسمي لـ TRAE

• الموقع الرسمي لـ TRAE – الصين

• بروتوكول سياق النموذج