في خطوة نادرة من نوعها، كشفت شركة OpenAI عن تفاصيل تقنية دقيقة حول آلية عمل وكيفية تشغيل وكيل البرمجة الخاص بها، المعروف باسم Codex، في منشور مطوّل يُعدّ من أبرز الإفصاحات التي أطلقتها الشركة حول تقنياتها الحيوية. وتمّ التركيز في المنشور على دورة العمل الداخلية للوكيل، والتي تُعدّ حجر الزاوية في قدرته على مساعدة المطورين في كتابة الشفرات البرمجية بفعالية. يُعدّ Codex أحد أبرز النماذج التي طوّرتها OpenAI لفهم وكتابة لغات البرمجة، ويُستخدم في منتجات مثل GitHub Copilot. لكن ما لم يكن معروفًا سابقًا هو الطريقة التي تُدار بها عملية التفاعل بين المستخدم والوكيل، والتي تعتمد على دورة تكرارية معقدة تُسمى "الحلقة التكرارية" (loop). ووفقًا للإفصاح، فإن هذه الحلقة تبدأ عندما يُقدّم المستخدم طلبًا مكتوبًا باللغة الطبيعية، مثل "أكتب دالة لحساب المتوسط الحسابي لمصفوفة من الأعداد". في الخطوة الأولى، يُحلّل Codex الطلب ويُولّد شفرة أولية، لكنه لا يتوقف عند هذا الحد. بدلاً من ذلك، يُعيد النظام تقييم الشفرة المولّدة، ويُجري تحليلًا دقيقًا للكشف عن أي أخطاء منطقية أو تقنية، أو عدم توافق مع السياق المطلوب. في هذه المرحلة، يُعدّل الوكيل الشفرة تلقائيًا بناءً على التغذية الراجعة الداخلية، وقد يُعيد التفكير في التصميم أو يُغيّر هيكل الدالة لتحسين الأداء أو الموثوقية. ما يميّز هذه العملية هو التكرار المتعدد لهذه الحلقات، حيث يُمكن أن يمرّ الوكيل بعدد من التحسينات المتتالية قبل إنتاج الناتج النهائي. ويُشير المنشور إلى أن هذه الدورة لا تعتمد فقط على التقييم التلقائي، بل تشمل أيضًا تحليلًا للسياق الأوسع، مثل استخدام اللغة البرمجية المطلوبة، ومتطلبات الأداء، وحتى الممارسات الموصى بها في مجتمع المطورين. وأظهرت OpenAI أن هذه الأداء المتكرر يُمكن أن يُحسّن دقة الشفرة بنسبة تصل إلى 40% مقارنة بالأساليب التقليدية التي تعتمد على إنتاج شفرة واحدة في المرة الأولى. كما أن النظام يُدرك متى يتعذر عليه إكمال المهمة بدقة، ويُقدّم توصيات واضحة للمستخدم، مثل "أحتاج إلى مزيد من التفاصيل حول نوع البيانات المستخدمة" أو "يُفضل استخدام مكتبة معينة لتقليل الأخطاء". كما أشارت الشركة إلى أن هذه التفاصيل ليست مجرد إطلاع تقني، بل تمثل جزءًا من جهودها الرامية إلى تعزيز الشفافية حول كيفية عمل نماذج الذكاء الاصطناعي في البيئات الحقيقية. ورغم أن بعض التفاصيل تبقى حصرية، فإن هذا الإفصاح يُعدّ خطوة مهمة نحو فهم أعمق لآلية التفكير التكراري التي تمكّن نماذج مثل Codex من التفاعل مع المطورين بشكل أكثر تطورًا. يُتوقع أن تُسهم هذه المعلومات في تحسين أدوات التطوير المستقبلية، وتمكّن المهندسين من استخدام الذكاء الاصطناعي كشريك فعّال في عملية البرمجة، لا كأداة توليد تلقائي فقط، بل كمُساعِد يُساهم في تحسين الجودة والكفاءة.