Repowise: حل مشكلة استهلاك التوكنات في وكلاء البرمجة بفهرسة ذكية للمستودع

مشكلة الاستكشاف المتكرر في وكلاء البرمجة

وكلاء البرمجة (Coding Agents) مثل Claude Code و Codex أصبحوا أدوات أساسية في تطوير البرمجيات، لكنهم يواجهون مشكلة جوهرية: استهلاك التوكنات (tokens). معظم ميزانية الوكيل تذهب إلى استكشاف المستودع (Repository) بشكل متكرر: البحث عن الرموز عبر أوامر مثل grep، قراءة الملفات، وإعادة قراءتها مع توسع سياق المحادثة. هذا الاستكشاف المتكرر يضيع وقتاً ويحرق التوكنات، خاصة في المشاريع الكبيرة.

مشروع repowise يأتي لحل هذه المشكلة عبر القيام بعملية الاستكشاف هذه مرة واحدة فقط، دون الحاجة للاتصال بالإنترنت (offline)، ومن ثم تزويد العميل البرمجي (الوكيل) بإجابات منسقة ومنقحة عبر بروتوكول سياق النموذج (MCP).

🔗 المستودع الرسمي: github.com/repowise-dev/repowise 🔗 الموقع الإلكتروني: repowise.dev

ما هو Repowise؟

Repowise هو مشروع مفتوح المصدر (مرخص برخصة AGPL-3.0) يوفر طبقة ذكاء لقاعدة الكود (Codebase Intelligence Layer) لوكلاء البرمجة. يقوم بفهرسة قاعدة الكود الخاصة بك مرة واحدة، ويبني منها خمس طبقات ذكاء متكاملة:

طبقة Graph (الرسم البياني للمعرفة): شجرة تحليل (tree-sitter) للاعتماديات عبر 15 لغة برمجة، مع تتبع الاتصالات بين الملفات والرموز على مستويات متعددة.
طبقة Git: تحليل تاريخ المستودع، ونقاط الازدحام (hotspots)، ونسبة الملكية (ownership)، وأزواج التغيير المشترك (co-change pairs)، وعامل الحافلة (bus factor).
طبقة Docs: توليد وثائق (wiki) لكل وحدة/ملف باستخدام الذكاء الاصطناعي، تتحديث تلقائياً مع كل commit، مع نظام بحث هجين (FTS + Vector).
طبقة Decisions: استخراج القرارات المعمارية من 8 مصادر مختلفة، وربطها بعقد الرسم البياني، مع تتبع تاريخ القرارات وعلاقاتها (استبدال، تحسين، تعارض).
طبقة Code Health: الميزة الأكثر تميزاً والتي لا يوجد لها نظير في أدوات أخرى (حسب المطورين). تقوم بتقييم كل ملف في قاعدة الكود بثلاثة مؤشرات رئيسية: مخاطر العيوب (Defect Risk)، قابلية الصيانة (Maintainability)، و الأداء (Performance)، باستخدام 25 مقياساً حتمياً (deterministic markers) بدون أي استدعاء لنماذج الذكاء الاصطناعي، وفي أقل من 30 ثانية على مستودع يحوي 3000 ملف.

التوفير في التوكنات: النتائج الفعلية

بحسب المشروع، فإن repowise يحقق توفيراً هائلاً في استهلاك التوكنات. في اختبارات SWE-QA على مستودعات حقيقية (بنفس النموذج ونفس بيئة الاختبار)، أظهرت النتائج:

انخفاض في التوكنات المستخدمة لتحميل السياق بنسبة تصل إلى 96%.
انخفاض في قراءات الملفات (File Reads) بنسبة 89%.
انخفاض في عدد استدعاءات الأدوات (Tool Calls) بنسبة 70%.
جودة الإجابة متكافئة مع الطريقة التقليدية (أي أن التوفير لا يأتي على حساب الجودة).

“معظم إنفاق الوكيل البرمجي يذهب إلى الاستكشاف: البحث عن الرموز باستخدام grep، قراءة الملفات المرشحة، وإعادة قراءتها مع توسع السياق. repowise يقوم بهذا العمل مرة واحدة، فيتخطاه الوكيل في كل استعلام.” - من وثائق المشروع.

آلية العمل: فهرسة واحدة وخدمة مستمرة

التثبيت (Installation): الأمر بسيط عبر pip:
```
pip install repowise
```
الفهرسة (Indexing): بعد تثبيت repowise، توجه إلى مجلد مشروعك وقم بتشغيل:
```
repowise init
```
هذه العملية تبني جميع طبقات الذكاء الخمسة. المرة الأولى قد تستغرق حوالي 25 دقيقة (لمشروع كبير)، ولكنها تُنجز مرة واحدة فقط. بعدها، يبقى repowise متزامناً تلقائياً مع كل commit جديد.
تشغيل الخادم (Serving): بعد الانتهاء من الفهرسة، شغّل خادم MCP:
```
repowise serve
```
هذا الخادم يوفر 9 أدوات (MCP Tools) يمكن لأي وكيل برمجي متوافق مع MCP (مثل Claude Code) استدعاءها للاستعلام عن قاعدة الكود مباشرة، دون الحاجة لقراءة الملفات أو البحث فيها يدوياً.

لماذا هذا المشروع مهم؟

Repowise ليس مجرد أداة لتوفير التوكنات، بل هو نقلة في كيفية تفاعل وكلاء البرمجة مع قواعد الكود. بدلاً من أن يقرأ الوكيل الملفات ويبحث فيها بنفسه (وهو أسلوب بدائي وغير فعال)، فإن repowise يوفر له “خريطة ذهنية” كاملة للمشروع، مع إجابات جاهزة لأسئلة مثل “لماذا تعمل المصادقة بهذه الطريقة؟” بدلاً من “هذا ما يحتويه ملف auth.ts” فقط.

مع وجود نظام تقييم صحة الكود (Code Health) الذي يتفوق على الأدوات التجارية الرائدة مثل CodeScene، و خطة إعادة هيكلة ذكية (Refactoring Plan) مرتبطة بشكل مباشر بالرسم البياني للمشروع، يصبح repowise أداة قوية ليس فقط للمطورين، بل لمديري المشاريع وفرق الجودة أيضاً.

خلاصة

إذا كنت تستخدم وكلاء برمجة في مشاريع كبيرة، فإن تكلفة التوكنات والوقت الضائع في الاستكشاف المتكرر تمثل تحدياً حقيقياً. repowise يقدم حلاً عملياً وفعالاً: فهرسة ذكية، طبقات تحليل متعددة، وتوفير يصل إلى 96% في استهلاك التوكنات. المشروع مفتوح المصدر ومتاح للجميع، وقد حصد أكثر من 2.8 ألف نجمة على GitHub، مما يعكس اهتمام المجتمع به.