كيف تكتشف أداة SonarQube Remediation Agent ثغرات الكود المولّد بالذكاء الاصطناعي وتصلحها تلقائيًا

غالبًا ما يعمل النظام بشكل غير متزامن داخل سير العمل البرمجي، حيث يقوم بتحليل الكود وتحضير الإصلاحات بينما يواصل المطورون العمل على المشروع.

الإنسان ما زال في الحلقة

رغم درجة الأتمتة العالية، يعتمد النظام على نموذج يسمى Human‑in‑the‑loop.

هذا يعني أن الأداة لا تعدّل الكود الإنتاجي تلقائيًا. بدلاً من ذلك، تقوم بتقديم إصلاحات مقترحة يجب على المطورين مراجعتها والموافقة عليها قبل دمجها في المشروع.

وبذلك يتحقق توازن مهم:

• يبقى المطور صاحب القرار النهائي
• يتم تسريع عملية إصلاح الأخطاء
• تصبح مراقبة جودة الكود عملية مستمرة أثناء التطوير

هذا النهج يسمح للشركات باستخدام أدوات الذكاء الاصطناعي في البرمجة دون الاعتماد الكامل على أنظمة آلية لتغيير البرمجيات الحساسة.

من مشروع بحثي في سنغافورة إلى منتج عالمي

التقنية التي تقوم عليها الأداة تعود إلى مشروع بحثي يسمى AutoCodeRover، طوره باحثون في جامعة سنغافورة الوطنية (NUS).

كان المشروع يركز على إصلاح البرامج تلقائيًا باستخدام نماذج اللغة الكبيرة مع تقنيات متقدمة للبحث في الكود وتحليل المشكلات. وكان النظام قادرًا على تحليل الأخطاء داخل مستودعات البرمجيات وتوليد تصحيحات لها.

في فبراير 2025 استحوذت شركة Sonar على هذه التقنية ودمجتها في منصتها الخاصة بجودة وأمان الكود.

وبذلك تحولت الفكرة البحثية إلى ميزة تجارية داخل منظومة SonarQube المستخدمة على نطاق واسع في تطوير البرمجيات.

دور منظومة التكنولوجيا في سنغافورة

كان لسنغافورة دور مهم في تطوير وإطلاق هذه التقنية.

• بدأ البحث الأصلي في جامعة سنغافورة الوطنية NUS.
• استحوذت Sonar على التقنية وطورتها ضمن منتجاتها.
• شارك مهندسون من سنغافورة ومن هيئة IMDA في تطوير الأداة واختبارها.
• تم الإعلان عن الإطلاق العالمي خلال ATxSummit في سنغافورة، وهو أحد أكبر منتديات التكنولوجيا والسياسات التقنية في آسيا.

هذا التعاون بين الجامعات والهيئات الحكومية وشركات التكنولوجيا يوضح كيف يمكن تحويل الابتكار البحثي إلى أدوات عملية تستخدمها المؤسسات حول العالم.

لماذا يصبح الإصلاح الآلي للكود ضرورة

مع تزايد اعتماد الشركات على الذكاء الاصطناعي في كتابة البرمجيات، لم تعد أدوات توليد الكود وحدها كافية. بل أصبحت أدوات التحقق والإصلاح المستمر جزءًا أساسيًا من دورة تطوير البرمجيات.

بدون هذه الأدوات، قد تواجه المؤسسات:

• تضخم الديون التقنية بسرعة
• زيادة احتمالات الاختراقات الأمنية
• بطء عمليات تصحيح الأخطاء
• ارتفاع تكاليف التشغيل والصيانة

لذلك تهدف أدوات مثل SonarQube Remediation Agent إلى إنشاء طبقة تحقق مستمرة للبرمجيات المكتوبة بمساعدة الذكاء الاصطناعي، بحيث يتم اكتشاف الأخطاء وإصلاحها والتحقق منها قبل وصولها إلى بيئة الإنتاج.

في النهاية، مع قدرة الذكاء الاصطناعي على كتابة الكود خلال ثوانٍ، أصبح التحدي الحقيقي في هندسة البرمجيات هو التأكد من أن هذا الكود آمن وموثوق قبل استخدامه في الأنظمة الحقيقية.