ترميز الحالة المزاجية

أثارت تقنية البرمجة المرئية (Vibe Codeing) مخاوف بشأن الفهم والمساءلة. إذ يقوم بعض المطورين بكتابة أكواد مُولّدة بواسطة الذكاء الاصطناعي دون فهم وظائفها، مما يؤدي إلى ظهور أخطاء برمجية غير مكتشفة، أو ثغرات أمنية . ^{[ 17 ]} في حين أن هذا النهج قد يكون مناسبًا لإنشاء النماذج الأولية أو "مشاريع نهاية الأسبوع العابرة" كما تصورها كارباثي في ​​الأصل، إلا أن بعض الخبراء يرون أنه يشكل مخاطر في بيئات العمل الاحترافية، حيث يُعدّ الفهم العميق للكود ضروريًا لتصحيح الأخطاء والصيانة والأمان . ويستشهد موقع Ars Technica بسيمون ويليسون، الذي صرّح قائلاً: "من الواضح أن استخدام البرمجة المرئية للوصول إلى قاعدة بيانات إنتاجية أمرٌ محفوف بالمخاطر. فمعظم عملنا كمهندسي برمجيات ينطوي على تطوير أنظمة قائمة، حيث تُعدّ جودة الكود الأساسي وقابليته للفهم أمرًا بالغ الأهمية." ^{[ 1 ]}

في مايو 2025، أُفيد بوجود ثغرات أمنية في الكود الذي يُولّده تطبيق "لوفابل " السويدي، وهو تطبيق لبرمجة المشاعر، حيث وُجدت مشكلة في 170 تطبيقًا من أصل 1645 تطبيق ويب أنشأها "لوفابل "، تسمح لأي شخص بالوصول إلى المعلومات الشخصية. ^{[ 18 ] [ 19 ]}

في أكتوبر 2025، نشرت شركة Veracode دراسةً أظهرت أن نماذج التعلم الموجه بالذكاء الاصطناعي (LLMs) قد تحسّنت بشكلٍ ملحوظ خلال السنوات الثلاث الماضية في توليد شفرة برمجية وظيفية، إلا أن أمان الشفرة المُولّدة لم يتحسّن عمومًا. علاوةً على ذلك، لم تكن النماذج الأكبر حجمًا أفضل من النماذج الأصغر في توليد شفرة آمنة. وقد لوحظت زيادة طفيفة في الأمان من نماذج الاستدلال التابعة لشركة OpenAI، ولكن ليس في نماذج الاستدلال الأخرى، ولم تكن هذه الزيادة تُقارن بالتحسّن في الوظائف المُولّدة. ^{[ 20 ]}

في ديسمبر 2025، اكتشف باحث أمن الكمبيوتر إتيزاز محسن ثغرة أمنية في منصة برمجة Orchids vibe، والتي عرضها لمراسل بي بي سي نيوز في فبراير 2026. ^{[ 21 ]}

أظهر تحليل أجرته CodeRabbit في ديسمبر 2025 لـ 470 طلب سحب مفتوح المصدر على GitHub أن الشيفرة البرمجية التي شارك في كتابتها الذكاء الاصطناعي التوليدي تحتوي على ما يقارب 1.7 ضعف من المشكلات "الرئيسية" مقارنةً بالشيفرة المكتوبة يدويًا. وكشفت الدراسة أن الشيفرة البرمجية التي شارك في كتابتها الذكاء الاصطناعي أظهرت معدلات مرتفعة من الأخطاء المنطقية، بما في ذلك التبعيات غير الصحيحة، وتدفق التحكم المعيب ، وسوء التكوين (أكثر شيوعًا بنسبة 75%)، والثغرات الأمنية (أعلى بنسبة 2.74 مرة). بالإضافة إلى ذلك، أبلغت الدراسة أيضًا عن مشكلات كبيرة في قابلية قراءة الشيفرة، بما في ذلك أخطاء التنسيق وعدم اتساق التسمية. ^{[ 22 ] [ 23 ]}

في يوليو 2025، وثّق مؤسس SaaStr تجاربه السلبية مع برمجة Vibe: فقد قام وكيل الذكاء الاصطناعي الخاص بـ Replit بحذف قاعدة بيانات على الرغم من التعليمات الصريحة بعدم إجراء أي تغييرات. ^{[ 24 ] [ 25 ]}

عندما تم تحديث rsync إلى الإصدار 3.4.3 في 20 مايو 2026، أبلغ العديد من المستخدمين عن عدم قدرتهم على إجراء نسخ احتياطية تزايدية للملفات. اكتشف هؤلاء المستخدمون أنه منذ إصدار rsync 3.4.1، تم تنفيذ عشرات عمليات الالتزام في Git بواسطة "tridge وclaude"، حيث تم استخدام Claude من Anthropic في عملية البرمجة. دفع هذا أحد المستخدمين إلى نشر مشكلة على GitHub بعنوان " رجاءً لا تُفسدوا هذا البرنامج" ، والتي انتشرت إلى مواقع التواصل الاجتماعي الأخرى مثل Reddit ، مما أدى إلى نقاشات حول قبول التعليمات البرمجية المولدة بالذكاء الاصطناعي في البنية التحتية الحيوية مفتوحة المصدر. ^{[ 26 ]} ردًا على ذلك، نشر Tridge مقالًا على مدونته بعنوان "rsync والغضب "، ذكر فيه أنه استخدم الذكاء الاصطناعي لإضافة مجموعات اختبار و"تقنيات تحصين متعددة الطبقات" إلى التعليمات البرمجية. ^{[ 27 ]} ذكر تريج أيضًا أن برنامج openrsync الخاص بنظام OpenBSD ، وهو تطبيق بديل لبرنامج rsync كان بعض المستخدمين يخططون للتحول إليه، يفشل في مجموعة الاختبارات المدعومة بالذكاء الاصطناعي؛ وقد انتقد محرر موقع OSNews، توم هولوردا، هذا التصريح ووصفه بأنه "طفولي وغير ضروري، وينم عن انعدام الأمان". ^{[ 26 ] [ 28 ]}

قد يؤدي استخدام لغة البرمجة Vibe إلى جعل صيانة الكود أكثر صعوبة على المدى الطويل، مما يؤدي إلى تراكم الديون التقنية.

في أوائل عام 2025، نشرت GitClear نتائج تحليل طولي لـ 211 ​​مليون سطر من تغييرات التعليمات البرمجية خلال الفترة من 2020 إلى 2024. وخلصت الدراسة إلى أن حجم إعادة هيكلة التعليمات البرمجية انخفض من 25% من الأسطر المتغيرة في عام 2021 إلى أقل من 10% بحلول عام 2024، بينما زاد تكرار التعليمات البرمجية بمقدار أربعة أضعاف تقريبًا، وتجاوزت التعليمات البرمجية المنسوخة والملصقة التعليمات البرمجية المنقولة لأول مرة منذ عقدين، وتضاعف معدل إعادة كتابة التعليمات البرمجية المدمجة قبل أوانها (أي إعادة كتابة التعليمات البرمجية المدمجة قبل الأوان بعد فترة وجيزة من دمجها) تقريبًا. ^{[ 29 ] [ 23 ]}

في سبتمبر 2025، أفادت مجلة فاست كومباني بأن "مخلفات البرمجة القائمة على الذكاء الاصطناعي" قد حلت بنا، حيث أشار كبار مهندسي البرمجيات إلى " جحيم التطوير " عند العمل مع التعليمات البرمجية المولدة بواسطة الذكاء الاصطناعي. ^{[ 30 ]}

يستطيع الذكاء الاصطناعي التوليدي التعامل مع مهام بسيطة مثل الخوارزميات الأساسية . ومع ذلك، تواجه هذه الأنظمة صعوبة في التعامل مع مشاكل البرمجة الأكثر تعقيدًا وحداثة، مثل المشاريع التي تتضمن ملفات متعددة، أو مكتبات غير موثقة بشكل جيد، أو التعليمات البرمجية الحساسة للسلامة. ^{[ 31 ]}

في يوليو 2025، أجرت منظمة METR ، المتخصصة في تقييم النماذج الرائدة ، تجربة عشوائية مضبوطة شارك فيها 16 مطورًا متمرسًا في البرمجيات مفتوحة المصدر، حيث أنجزوا 246 مهمة في مستودعات برمجيات ناضجة. في هذه التجربة، أدى السماح باستخدام أدوات الذكاء الاصطناعي المتاحة في أوائل عام 2025 إلى زيادة وقت الإنجاز بنسبة 19%، على الرغم من أن المشاركين توقعوا قبل بدء المهام أن الذكاء الاصطناعي سيقلل وقت الإنجاز بنسبة 24%. ^{[ 32 ] [ 33 ] [ 23 ]}

تُنشئ نماذج التعلم الموجه (LLMs) التعليمات البرمجية ديناميكيًا، وقد يخضع هيكل هذه التعليمات البرمجية للتغيير. ^{[ 34 ]} إضافةً إلى ذلك، ولأن المطور لم يكتب التعليمات البرمجية، فقد يجد صعوبة في فهم تركيبها ومفاهيمها. ^{[ 31 ]}

في مايو 2026، نشرت صحيفة وول ستريت جورنال تقريرًا عن انتقادات ماريو زيكنر وأرمين روناشر ، المهندسين المسؤولين عن برمجة باي (Pi) ضمن نظام وكلاء الذكاء الاصطناعي OpenClaw . وحذّرا من أزمة وشيكة تُعرف بـ"أزمة الإنتاجية". وأشارا إلى أن الشركات تُضحّي بالإنتاجية على المدى القريب مقابل مشاكل طويلة الأمد، تشمل البرمجيات المعيبة، وانقطاع الخدمات، والثغرات الأمنية، وتراكم الديون التقنية . ونُقل عن زيكنر قوله: "لدينا بنية تحتية متداعية، وبرمجيات مليئة بالأخطاء مقارنةً بالسابق. يمكننا الاستمرار في هذا الوضع لبضعة أشهر أخرى، أو ربما حتى سنوات، لكن في النهاية سنواجه عواقب وخيمة." ^{[ 35 ]}

في يناير 2026، نشرت ورقة بحثية بعنوان "البرمجة القائمة على الحماس تقضي على المصادر المفتوحة" ^{[ 36 ]،} من تأليف خبراء من عدة جامعات، جادلت بأن هذه البرمجة لها تأثير سلبي على بيئة البرمجيات مفتوحة المصدر . وذكر المؤلفون أن ازديادها يقلل من تفاعل المستخدمين مع مطوري البرمجيات مفتوحة المصدر، مما يُكبّد هؤلاء المطورين تكاليف خفية. وفي حديثهم مع موقع "ذا ريجستر" حول ورقتهم البحثية، أوضح المؤلفون ما يلي: ^{[ 37 ]}

يقول المؤلفون: "يرفع أسلوب البرمجة التفاعلية الإنتاجية من خلال خفض تكلفة استخدام وتطوير الشفرات البرمجية الموجودة، ولكنه في الوقت نفسه يُضعف تفاعل المستخدمين الذي يحقق من خلاله العديد من القائمين على الصيانة عوائدهم. فعندما يتم تحقيق الربح من البرمجيات مفتوحة المصدر فقط من خلال تفاعل المستخدمين المباشر، فإن زيادة تبني أسلوب البرمجة التفاعلية يُقلل من فرص الدخول والمشاركة، ويُقلل من توافر وجودة البرمجيات مفتوحة المصدر، ويُقلل من الرفاهية على الرغم من زيادة الإنتاجية."

وأضافوا أن الإيرادات ليست الشيء الوحيد الذي قد يتأثر بهذا الاتجاه، حيث يحصل القائمون على صيانة البرامج مفتوحة المصدر تقليديًا على فوائد غير ملموسة من عملهم، مثل تقدير المجتمع والسمعة وفرص العمل.

أوضحت مايا بوش، في مقالها المنشور على موقع هاكاداي ، تفاصيلَ ما ورد في الورقة البحثية. وأشارت إلى أن آلية تقليل التوافق بين البرمجة المرئية ومشاريع المصادر المفتوحة تكمن في توحيد عملية تطوير البرمجيات؛ إذ تميل نماذج اللغة إلى استخدام المكتبات الكبيرة والراسخة التي تظهر بكثرة في مجموعات بيانات التدريب الخاصة بها، مما يُلغي عملية الاختيار الطبيعي للمكتبات والأدوات، ويُصعّب على أدوات المصادر المفتوحة الجديدة الظهور. كما أشارت إلى أن نماذج اللغة لن تُقدّم تقارير مفيدة عن الأخطاء إلى القائمين على صيانتها، ولن تكون على دراية بالمشاكل المحتملة. ^{[ 38 ]}

في فبراير 2026، أقرت منصة GitHub بزيادة المساهمات منخفضة الجودة التي يُنشئها الذكاء الاصطناعي، والتي تُثقل كاهل القائمين على صيانة البرمجيات مفتوحة المصدر، واصفةً هذه الظاهرة بأنها " سبتمبر الأبدي" للبرمجيات مفتوحة المصدر. وقدّمت المنصة أمثلةً لمشاريع تأثرت بالفعل، منها مشروع cURL الذي أنهى برنامج مكافآت اكتشاف الأخطاء بعد تزايد تقارير الأمان التي يُنشئها الذكاء الاصطناعي، وبعض المشاريع الأخرى، مثل Ghostty، التي انتقلت إلى نماذج المساهمة القائمة على الدعوات فقط. وقدّمت المنصة ضوابط جديدة للقائمين على الصيانة، بما في ذلك إمكانية حصر إنشاء طلبات السحب على المتعاونين، وفرض قيود مؤقتة على نشاط المستودع كوسيلة للتحكم في المشاركة، بالإضافة إلى أدوات تواصل مثل اللافتات والرسائل المثبتة في المشكلات. ^{[ 39 ]}