ساوث بورتلاند، مين (نيوزورثي.آي) الأربعاء 18 فبراير 2026 @ 7:00 صباحًا بالتوقيت الشرقي —

سبعة عشر مطورًا. نفس الخطأ. سبعة عشر حلاً مختلفًا. جميعها تنتظر المراجعة في قائمة طلبات السحب المعلقة في OpenClaw — ولم يكن أحد يعلم أنهم يحلون المشكلة نفسها.

إنه نوع من الفوضى يكشف عن شيء معطل في قلب تطوير البرمجيات مفتوحة المصدر الحديثة. ووفقًا لتحليل رائد صدر اليوم من شركة VectorCertain LLC، فإن هذه ليست حادثة منعزلة — إنها أزمة نظامية تكلف مشروع OpenClaw ما يقدر بـ 2000 ساعة من وقت المطورين المهدر.

باستخدام منصته الخاصة للتوافق متعدد النماذج بالذكاء الاصطناعي، حللت VectorCertain جميع طلبات السحب المعلقة البالغ عددها 3434 في مستودع OpenClaw على GitHub — أحد أكثر مشاريع الذكاء الاصطناعي نجمة في العالم مع 197,000 متابع. النتائج صارخة: 20% من جميع المساهمات المعلقة هي مكررة، مما يمثل آلاف الساعات من الجهد الزائد الذي كان يمكن إنفاقه على الابتكار بدلاً من إعادة ابتكار حلول لمشكلات تم حلها بالفعل.

ما حدده تحليل VectorCertain:

• 283 مجموعة مكررة حيث بنى عدة مطورين بشكل مستقل نفس الإصلاح، مما أهدر ما يقدر بـ 2000 ساعة من وقت التطوير
• 688 طلب سحب زائد يسد خط المراجعة ويستهلك انتباه المشرفين المحدود
• 54 طلب سحب تم وضع علامة عليها بسبب انحراف الرؤية — مساهمات لا تتماشى مع أهداف المشروع
• إصلاحات أمنية مكررة 3–6 مرات لكل منها بينما تبقى الثغرات المعروفة غير مصلحة
• 17 حلاً مستقلاً لخطأ واحد في المراسلة المباشرة على Slack — أكبر مجموعة تكرار موثقة على الإطلاق

وهذا هو الجزء الملحوظ: التحليل الكامل لـ VectorCertain — معالجة 48.4 مليون رمز عبر ثلاثة نماذج ذكاء اصطناعي مستقلة — تكلف 12.80 دولارًا فقط في الحوسبة واستغرق حوالي ثماني ساعات.

تصل نتائج VectorCertain في لحظة محورية لـ OpenClaw. في 15 فبراير، أعلن مؤسس المشروع بيتر شتاينبرغر مغادرته إلى OpenAI وانتقال المشروع إلى هيكل مؤسسي. في اليوم التالي، تعرض سوق مهارات ClawdHub لانقطاع في قاعدة بيانات الإنتاج. كان رد شتاينبرغر العام صريحًا: "اختبارات الوحدة لا تكفي" للحفاظ على المنصة على نطاق واسع.

يثبت تحليل VectorCertain أنه محق — لكنه يظهر أن المشكلة أعمق من مجرد الاختبار.

"اختبارات الوحدة تتحقق من أن الكود يفعل ما قصده المطور،" يشرح جوزيف بي. كونروي، مؤسس والرئيس التنفيذي لشركة VectorCertain. "التوافق متعدد النماذج يتحقق من أن ما بناه المطور هو الشيء الصحيح الذي يجب بناؤه. هذه أسئلة مختلفة جوهريًا، ومشاريع البرمجيات مفتوحة المصدر واسعة النطاق تحتاج كليهما."

تتحديات حوكمة OpenClaw تمتد إلى ما هو أبعد من طلبات السحب المكررة. واجه المشروع مخاوف أمنية متزايدة، بما في ذلك حملة ClawHavoc التي حددت 341 مهارة خبيثة في سوقه وتقرير Snyk الذي وجد عيوبًا في معالجة بيانات الاعتماد في 7.1% من المهارات المسجلة. في الوقت نفسه، تجاوزت طلبات السحب المقدمة قدرة المراجعة بكثير — أكثر من 3100 طلب سحب معلق في أي وقت، على الرغم من قيام المشرفين بدمج مئات الالتزامات يوميًا.

الـ 2000 ساعة من وقت المطورين المهدر التي حددتها VectorCertain تمثل مجرد قمة الجبل الجليدي: ساعات ضاعت بالفعل، وطاقة أنفقت بالفعل، وقدرة مشرفين استهلكت بالفعل في مراجعة عمل زائد.

منصة مراجعة المخالب من VectorCertain لا تعتمد على نموذج ذكاء اصطناعي واحد — فهي تستخدم ثلاثة نماذج مستقلة (Llama 3.1 70B، و Mistral Large، و Gemini 2.0 Flash) تقيم كل طلب سحب بشكل منفصل، ثم تدمج أحكامها باستخدام التصويت التوافقي. إنه نفس النهج الحرج للسلامة المستخدم في المركبات ذاتية القيادة وأنظمة الذكاء الاصطناعي الطبية، مطبق الآن على حوكمة البرمجيات مفتوحة المصدر.

يعمل خط الاكتشاف في أربع مراحل:

1. استخراج النية: يحلل كل نموذج بشكل مستقل ما يحاول طلب السحب تحقيقه
2. تجميع المكررات: خوارزميات قائمة على التضمين تحدد المساهمات المتشابهة دلاليًا
3. ترتيب الجودة: تسجيل متعدد الأبعاد مع وضع علامات على الخلافات لمراجعة بشرية
4. محاذاة الرؤية: فحص الامتثال للسياسة مقابل وثائق المشروع

النتيجة؟ 15000 استدعاء لواجهة برمجة التطبيقات، 48.4 مليون رمز تمت معالجتها، 8 ساعات وقت تشغيل، واكتشافات كانت ستستغرق من المشرفين البشريين شهورًا للكشف عنها — كل ذلك بسعر وجبة غداء.

أداة مراجعة المخالب المستخدمة في هذا التحليل مفتوحة المصدر (رخصة MIT) ومتاحة الآن على GitHub، مما يمكن أي مشروع من إجراء تحليلات مماثلة لمستودعاته الخاصة. لكن طموحات VectorCertain تمتد إلى ما هو أبعد من تحليل طلبات السحب.

توسع منصة الشركة المؤسسية نهج التوافق متعدد النماذج إلى مجالات حرجة للسلامة بما في ذلك المركبات ذاتية القيادة، والأمن السيبراني، والرعاية الصحية، والخدمات المالية — مع دعم أكثر من 20 نموذجًا متوازيًا مع اندماج توافقي رسمي وضمانات أمان رياضية. أسسها جوزيف بي. كونروي، مخضرم بخبرة 25 عامًا في تطوير الذكاء الاصطناعي الحرج للسلامة للوكالات الفيدرالية (EPA، DOE، DoD، NIH)، تمتلك VectorCertain محفظة براءات اختراع واسعة تغطي أنظمة مجموعات الذكاء الاصطناعي وهندسات التوافق متعددة النماذج.

فحص التحليل الشامل لمستودع openclaw/openclaw جميع طلبات السحب المعلقة البالغ عددها 3434 باستخدام ثلاثة نماذج ذكاء اصطناعي: Llama 3.1 70B، و Mistral Large، و Gemini 2.0 Flash. عالجت المنصة 48.4 مليون رمز على مدار ثماني ساعات تشغيل، بتكلفة حوسبة إجمالية بلغت 12.80 دولارًا فقط — مما يترجم إلى 0.0037 دولار لكل طلب سحب تم تحليله. حدد التحليل 283 مجموعة مكررة تمثل 688 طلب سحب زائد (20% من القائمة المعلقة الإجمالية) وما يقدر بـ 2000 ساعة من وقت المطورين المهدر، بمتوسط درجة جودة لطلبات السحب بلغ 8.35 من 10.

• لوحة التحكم التفاعلية: jconroy1104.github.io/claw-review/dashboard.html
• التقرير الكامل: jconroy1104.github.io/claw-review/claw-review-report.html
• الأداة مفتوحة المصدر (رخصة MIT): github.com/jconroy1104/claw-review
• VectorCertain: vectorcertain.com

VectorCertain LLC هي شركة مسجلة في ديلاوير مقرها في كاسكو، مين، رائدة في تكنولوجيا أمان وحوكمة الذكاء الاصطناعي من خلال أنظمة التوافق متعددة النماذج. توفر الشركة ضمانات يقين رياضية لصنع القرار بالذكاء الاصطناعي عبر مجالات حرجة للسلامة، مدعومة بمحفظة براءات اختراع واسعة وعقود من الخبرة التنفيذية في العالم الحقيقي في التطبيقات الفيدرالية والتجارية.

جهة الاتصال الإعلامية

جوزيف بي. كونروي، المؤسس والرئيس التنفيذي
VectorCertain LLC
X: @JosephConroyJr | LinkedIn
الموقع الإلكتروني: vectorcertain.com

إخلاء المسؤولية: تم إنشاء هذه الترجمة تلقائيًا بواسطة NewsRamp™ لـ Newsworthy.ai (يشار إليهما معًا بـ "الشركات") باستخدام منصات الذكاء الاصطناعي التوليدية المتاحة للعامة. لا تضمن الشركات دقة أو اكتمال هذه الترجمة ولا تتحمل أي مسؤولية عن أية أخطاء أو سهو أو عدم دقة. الاعتماد على هذه الترجمة يكون على مسؤوليتك الخاصة. لا تتحمل الشركات أية مسؤولية عن أي أضرار أو خسائر ناجمة عن مثل هذا الاعتماد. النسخة الرسمية والموثوقة لهذا البيان الصحفي هي النسخة الإنجليزية.