كيف تتعلم من هذا المقرر؟
شكر خاص
جاء المساهمون الأساسيون والمختبرون لهذا الدليل من كلية الدراسات العليا الدولية في شنتشن بجامعة تسينغهوا. نشكر الطلاب الذين واصلوا اكتشاف المشكلات واقتراح التحسينات والمشاركة في المراجعة أثناء التعلم والتطبيق. جعلت مساهمتهم المقرر أوضح وأكثر موثوقية وأقرب إلى حاجة المبتدئ الحقيقية. 👉 قائمة المساهمين الكاملة
كان بناء البرمجيات يتطلب عتبة عالية. كان عليك تعلم لغات البرمجة وأدوات التطوير وكثير من المعرفة التقنية قبل تحويل فكرة إلى برنامج يعمل. غيّرت النماذج اللغوية الكبيرة وأدوات البرمجة بالذكاء الاصطناعي ذلك: يستطيع الإنسان وصف نيته بلغة طبيعية وطلب إنشاء الشيفرة وبناء الواجهة وتعديل الوظائف.
من Vibe Coding إلى بناء منتج
ظهر تعبير Vibe Coding في 2 فبراير 2025. استخدمه باحث الذكاء الاصطناعي Andrej Karpathy لوصف أسلوب جديد: يخبر الإنسان الذكاء الاصطناعي بما يريد بلغة طبيعية، ويراقب النتيجة، ثم يواصل الحوار والتعديل من دون كتابة كل سطر وفهمه وإدارته من البداية.
ما Vibe Coding؟ ببساطة، هو «البرمجة بالكلام»: صف الفكرة، ودع الذكاء الاصطناعي ينشئ البرنامج، وشغّله، ثم عدّله بالحوار.
كان أول إنجاز له مساعدة مزيد من الناس على تجاوز حاجز «لا أعرف البرمجة، لذلك لا أستطيع البدء». يمكن لمن لا يملك خبرة أن ينشئ خلال دقائق لعبة صغيرة أو صفحة أو نموذجًا أوليًا يمكن عرضه.
هذا تغير كبير: تتوسع طريقة التواصل مع الحاسوب من الصياغة البرمجية الصارمة إلى اللغة الطبيعية.
لكن كلما سهل صنع عرض يعمل، ظهرت أسئلة جديدة:
- ماذا ينبغي أن نبني، لا ماذا نستطيع أن نبني فقط؟
- لمن يحل مشكلة؟ وهل يحتاجه ذلك الشخص فعلًا؟
- كيف تصبح النسخة الأولى التي أنشأها الذكاء الاصطناعي منتجًا ثابتًا وواضحًا وقابلًا للصيانة؟
- كيف نسلّمه للمستخدمين بدل تشغيله على جهازنا فقط؟
- كيف يثبت الاستخدام والملاحظات والدفع أنه يقدم قيمة حقيقية؟
لم يلغ Vibe Coding الحاجة إلى التعلم، بل غيّر المتطلبات ورفعها.
إذا نظرنا إلى Coding وحده فالهدف تشغيل الشيفرة. أما بناء المنتج فيعني تحمل مسؤولية الرحلة كلها من المشكلة إلى النتيجة:
Coding: هل أستطيع صنعه؟
Build Product: هل يستحق الصنع، ومن سيستخدمه، وكيف أسلمه، وكيف أعرف أنه نجح؟
Vibe Coding نقطة البداية لا النهاية. سنصنع شيئًا بسرعة أولًا، ثم نتعلم اختيار المشكلة، والتحقق من الحاجة، وتصميم الحل، وبناء المنتج، ومقابلة المستخدم، والتكرار بناء على النتائج.
ما الذي يريد المقرر تنميته؟
ليس الهدف تعلم أدوات البرمجة بالذكاء الاصطناعي فقط. نريد مساعدتك على أن تصبح مهندس منتج (Product Engineer) مبتدئًا: تكتشف المشكلة، وتتحقق من الحاجة، وتبني المنتج، وتسلمه لمستخدم حقيقي، وتحسنه وفق النتائج.
لماذا نحتاج الآن إلى مهندسي المنتج؟
لم تظهر هندسة المنتج فجأة في 2026.
استخدمت Intercom منذ 2018 مصطلح Product Engineer لوصف مهندس يملك مسؤولية المنتج: لا ينفذ وظيفة صممها غيره فقط، بل يفهم العملاء ويشارك في القرار ويحسن ما يسلّمه باستمرار.
خفّض الذكاء الاصطناعي كلفة «الصنع» كثيرًا، وأتاح للمهندس أداء أعمال كانت موزعة على أدوار متعددة. باستخدام النماذج الكبيرة ووكلاء البرمجة، يستطيع شخص واحد الانتقال بين النموذج الأولي والواجهة والخلفية وربط الذكاء الاصطناعي والاختبار والنشر. لذلك يتجاوز العمل «إنهاء الشيفرة» إلى فهم المستخدم مباشرة، والتحقق من الحل، ودفع التبني، وتحمل نتيجة الأعمال.
من المشاركة في المنتج إلى تحمل النتيجة
توضح هذه المحطات الحقيقية التغير:
| التاريخ | الشركة والدور | ما يشير إليه الدور |
|---|---|---|
| مايو 2018 | Intercom: Product Engineer | المهندس أيضًا صاحب تفكير منتج، يفهم العميل ويشارك في اتجاه المنتج |
| فبراير 2026 | Hamilton AI: Product Engineer | يتحدث مباشرة مع العميل، ويحول محادثة إلى منتج، ثم يتحقق منه مع مستخدمين حقيقيين |
| يونيو 2026 | Alma: Product Engineer - AI | يصمم الشخص نفسه الوكيل والخلفية والواجهة ويراقب استخدام المحامين والعملاء |
| يوليو 2026 | Harper: Product Engineer | يدخل المبيعات والدعم والتأمين ويتحمل مؤشرات مثل التحويل، لا إطلاق الوظيفة فقط |
| أغسطس 2026 | Paradigm: Product Engineer, Applied AI | يجد مشكلات فرق الاستثمار والبحث والتشغيل ويبني منتجات داخلية ومفتوحة |
| حتى أغسطس 2026 | OpenAI: Forward Deployed Engineer | يتحمل الاكتشاف والتخطيط والبناء والإنتاج، ويقيس النجاح بالتبني وأثر سير العمل |
مزيد من الأدوار الحقيقية في صناعات مختلفة
تشمل الأمثلة الطيران والقانون والتأمين والامتثال المالي والطب الحيوي والصناعة وخدمات الشركات وبنية الذكاء الاصطناعي.
| النشر | الشركة والدور | الحلقة التي يجب إكمالها |
|---|---|---|
| فبراير 2026 | Sphinx: Product Engineer | يختار الفرص من محادثات العملاء، ويصنع نموذجًا ويختبره ويؤثر في خريطة المنتج |
| مارس 2026 | Hyperscale: Founding Forward Deployed Engineer | يشارك في البحث وPoC والتنفيذ في الموقع ومبيعات الشركات |
| أبريل 2026 | Sphere: Founding Forward Deployed Engineer | يعمل من اكتشاف العميل إلى النشر ويحول الحاجة إلى قدرة عامة |
| مايو 2026 | Avent: Founding Forward Deployed Engineer | يفهم العمل ويكتب الشيفرة ويربط الأنظمة ويتحمل نجاح الإطلاق |
| مايو 2026 | Tamarind Bio: Founding Forward Deployed Engineer | يغطي الحوار الأول والتجربة والإنتاج والتوسع والعرض ودورة البيع |
| يونيو 2026 | Protege: Forward Deployed Engineer, New Verticals | يبني اتجاهات أعمال من حاجة العميل المبكرة ويحول النجاح إلى منصة |
| يونيو 2026 | Dataleap: Founding Forward Deployed Engineer | يجد سير العمل المهم ويبني الوكلاء ويربطهم ويدرّب العميل |
| يونيو 2026 | Collinear AI: Product Engineer | يعمل عبر الخلفية والواجهة وAPI والتجربة والاختبار وجودة الإنتاج |
| يوليو 2026 | Restate: Forward Deployed Engineer | يتحمل PoC والاستعداد والنشر ويحول التسليم الواحد إلى نمط متكرر |
| حتى أغسطس 2026 | Scale AI: Forward Deployed Engineer, GenAI | يعمل مباشرة مع العملاء التقنيين ويطور من البداية للنهاية ويجرب بسرعة |
توقيت البحث
جُمعت هذه الصفحة في 9 أغسطس 2026. جاءت تواريخ أدوار Ashby من الحقل publishedAt في بيانات التوظيف العامة؛ أما الصفحات التي لا تعرض تاريخًا فاعتمدنا تاريخ التحقق. قد تختفي الصفحات بعد إغلاق الوظيفة.
هذه ملاحظات على مجموعة أدوار حقيقية، وليست إحصاءً لسوق العمل كله. توضح اتجاهًا في شركات الذكاء الاصطناعي والفرق الصغيرة، ولا تعني أن كل شركة ستلغي التخصص في المنتج والتصميم والهندسة والمبيعات.
كيف تتغير هذه الأدوار؟
- تتغير نقطة البداية: لا تنتظر متطلبات مكتوبة، بل تدخل سياق المستخدم والعمل لاكتشاف المشكلة.
- يتغير دور النموذج الأولي: لا يعرض التقنية فقط، بل يصل سريعًا إلى المستخدم للتحقق من حكم.
- تتغير حدود الهندسة: من وحدة تقنية إلى الواجهة والخلفية والذكاء الاصطناعي والنشر والتجربة.
- يتغير مقياس النجاح: من «أُطلقت الوظيفة» إلى التبني والوقت والتحويل والإيراد والأثر.
- تتغير العلاقة بالمبيعات: يشارك بعض مهندسي المنتج في العرض وPoC وإطلاق العميل لإثبات القيمة.
«معرفة البيع» لا تعني أن يصبح الجميع بائعين تقليديين. تعني لمهندس المنتج العثور على من قد يحتاج المنتج، وفهم مشكلته، وعرض الحل، ودعوته إلى التجربة، والتحقق من استمراره أو دفعه.
ما علاقة Product Engineer وFDE وOPC؟
تقع المفاهيم الثلاثة على سلسلة قدرات واحدة، لكنها ليست الشيء نفسه.
| المفهوم | ما هو | السياق الأساسي | نطاق المسؤولية |
|---|---|---|---|
| Product Engineer | دور يجمع المنتج والهندسة | داخل فريق المنتج | من المشكلة والحل إلى الإطلاق والملاحظات ومؤشرات الأعمال |
| FDE (Forward Deployed Engineer) | هندسة المنتج ممتدة إلى موقع العميل | الشركات والعمل الحقيقي والإنتاج | الاكتشاف وPoC والربط والنشر والتبني والتوسع وأحيانًا البيع |
| OPC (One-Person Company) | طريقة لإدارة شركة يقودها شخص واحد، لا اسم وظيفة | شخص يستخدم الوكلاء والأتمتة والخدمات الخارجية | السوق والمنتج والتسويق والبيع والتسليم والدعم والتدفق النقدي |
ليست سلمًا وظيفيًا يجب صعوده بالترتيب، بل نطاقات مختلفة يمكن للقدرات نفسها تغطيتها.
يمكن فهمها كثلاث دوائر تتسع:
Product Engineer: يبني المنتج الصحيح ويجعله يعمل
FDE: يدخله إلى موقع العميل ويخلق نتيجة
OPC: يستخدم القدرات نفسها لإدارة عمل كامل
FDE: يدخل المهندس إلى موقع العميل
ليس FDE موظف تنفيذ يثبت البرنامج فقط، ولا مهندس ما قبل البيع يقدم عرضًا فقط. ينفذ عادة أربع مهام في شركة الذكاء الاصطناعي:
- يجد مع العميل المشكلة الأعلى قيمة.
- يبني بسرعة نموذجًا أو PoC لإثبات القيمة التقنية والتجارية.
- يكتب شيفرة الإنتاج ويربط الحل ببيانات العميل وسير عمله.
- يراقب التبني ويحول الحاجة المتكررة إلى قدرة عامة للمنتج.
حتى أغسطس 2026، كانت OpenAI توظف FDE في عدة دول ومدن وتعرّف النجاح بتبني الإنتاج والأثر القابل للقياس وملاحظات الموقع التي تغير خريطة المنتج والنموذج. يتوسع الدور من ممارسة خاصة لدى بعض شركات البرمجيات إلى طريقة مهمة لتنفيذ الذكاء الاصطناعي.
OPC: يستطيع شخص واحد امتلاك «فريق رقمي»
لا تعني OPC هنا الشكل القانوني لشركة الفرد فقط. إنها One-Person Company: عمل يقوده شخص واحد ويستخدم البرمجيات ووكلاء الذكاء الاصطناعي والبنية الخارجية لأداء ما كان يحتاج فريقًا.
وليست «شركة بلا بشر» يديرها الذكاء الاصطناعي بالكامل. لا يزال المؤسس يحكم على السوق ويتحمل المسؤولية ويلتقي المستخدمين ويتخذ القرارات. يشبه الذكاء الاصطناعي فريقًا رقميًا يمكن توزيع العمل عليه.
لم يبدأ الاتجاه مع الذكاء الاصطناعي. يشرح المطور المستقل Pieter Levels أنه بنى وأدار وحده Nomads.com وRemote OK وPhoto AI وInterior AI. يوسع الذكاء الاصطناعي ذلك إلى التصميم والبرمجة والمحتوى والتحليل والدعم، لكن السوق الحقيقي يختبر القيمة. سجل مشروعات Pieter Levels
في 2025، سمى Microsoft Work Trend Index من ينشئون الوكلاء ويفوضون إليهم ويديرونهم Agent Boss. شمل التقرير 31,000 عامل في 31 دولة، وتوقع 81% من القادة إدماج الوكلاء بدرجة متوسطة أو عميقة في استراتيجية الذكاء الاصطناعي خلال 12–18 شهرًا. Microsoft 2025 Work Trend Index
في يونيو 2025، اشترت Wix منصة Base44 لتطوير التطبيقات باللغة الطبيعية بنحو 80 مليون دولار. ليست Base44 شركة OPC بالمعنى الدقيق، لكنها توضح شرطًا مهمًا: قاعدة البيانات والهوية والنشر، التي كانت تتطلب أدوارًا متعددة، تُحزم وتؤتمت في منتج حواري. إعلان Wix
يبقى موعد ظهور أول «يونيكورن من شخص واحد» توقعًا لا حقيقة منجزة. الأهم للمبتدئ أن شخصًا واحدًا يستطيع الآن التحقق بسرعة وبمال وفريق أقل وإدارة عمل صغير لكنه يربح فعلًا.
لماذا يشرح المقرر المسارات الثلاثة؟
سواء دخلت فريق منتج أو أصبحت FDE أو جربت OPC، البداية واحدة: ابحث عن مشكلة حقيقية، وابنِ أصغر منتج، وسلمه للمستخدم، واشرح القيمة، وكرر وفق الاستخدام والدفع.
لذلك يدرب المقرر دورة منتج كاملة لا مسميات منفصلة:
اكتشاف المشكلة → التحقق من الحاجة → تصميم الحل → بناء المنتج → تسليمه → شرح القيمة → مراقبة النتيجة → مواصلة التحسين
طلب كتابة الشيفرة من الذكاء الاصطناعي خطوة أولى فقط. يثير المنتج القابل للاستخدام أسئلة أخرى:
- كيف نحصل على شيفرة نظيفة قابلة للصيانة؟
- كيف نجمع الشيفرة المتفرقة في تطبيق يعمل؟
- كيف ننشر التطبيق ليستخدمه الناس؟
- كيف نربط النص والصورة وقدرات الذكاء الاصطناعي الأخرى؟
- كيف نعرف أن المستخدم يحتاجه وقد يدفع؟
ستجد إجابات هذه الأسئلة تدريجيًا في المقرر.
سواء كنت طالبًا أو معلمًا أو طبيبًا أو عاملًا أو شخصًا بلا معرفة تقنية، لا تحتاج إلى دراسة البرمجة سنوات قبل بدء نموذجك الأول.
| وضعك | كيف يساعدك المقرر |
|---|---|
| طالب | تنفذ الواجبات والمسابقات ومشروعات الريادة بنفسك |
| موظف | تؤتمت العمل المتكرر وترفع الكفاءة وتجرب عملًا إضافيًا |
| مدير منتج / مصمم | تحول الفكرة إلى عرض وتضعه أمام المستخدم |
| رائد أعمال / شركة صغيرة | تتحقق بتكلفة قليلة قبل تكوين فريق كامل |
| معلم / تربوي | تنشئ أدوات ومواد وأسئلة تلقائية |
| طبيب / محام / متخصص | تؤتمت سير العمل المهني وتصنع أدواتك |
| أي شخص | تحل مشكلة محددة في الحياة أو العمل بالذكاء الاصطناعي |
يخفض الذكاء الاصطناعي كلفة التنفيذ، لكن قيمة المنتج تعتمد على اكتشاف مشكلة حقيقية وتسليم الحل إلى المستخدم.
مسار النمو: من استخدام الذكاء الاصطناعي إلى هندسة المنتج
التجربة الأولى
جرّب البرمجة بالذكاء الاصطناعي
Stage 1
أساسيات هندسة المنتج
Stage 2
مهندس منتج Full Stack
Stage 3
مهندس منتج AI / قائد تقني
بعد إكمال المسار ستحصل على:
- قدرة Vibe Coding: استخدام أدوات البرمجة بالذكاء الاصطناعي وتوجيهها لإنتاج شيفرة جيدة من دون حفظ كل الصياغة أولًا.
- تطوير Full Stack: من الواجهة والأمام إلى قاعدة البيانات وAPI والتطوير المحلي والنشر السحابي.
- ربط قدرات الذكاء الاصطناعي: وصل واجهات النص والصورة والصوت، ثم بناء منتجات بتقنيات مثل RAG.
- تفكير المنتج والتشغيل: بحث المستخدم وتفكيك الحاجة وMVP والتكرار والدفع وإدارة المستخدمين.
ماذا تستطيع بعد المقرر؟
Stage 1: ابنِ نموذج منتجك الأول
هذه المرحلة للمبتدئ الكامل ولمن يعرف قليلًا من الشيفرة ولا يثق بقدرته بعد. لن تبدأ بكتلة كبيرة من النظرية، بل ستتعلم أثناء البناء كيف تطلب من الذكاء الاصطناعي كتابة الشيفرة وإصلاح الخطأ.
بعد هذه المرحلة تستطيع:
- إكمال تطبيق ويب بنفسك باستخدام أداة برمجة بالذكاء الاصطناعي؛
- تحويل فكرة إلى نموذج يمكن النقر عليه والتفاعل معه؛
- إضافة وظائف مثل إنشاء الصور والحوار الذكي؛
- البحث عن سبب الخطأ وحله بدل التوقف عند أول فشل.
باختصار، ستصنع شيئًا يعمل ويمكن عرضه على شخص آخر.
سنبدأ بلعبة صغيرة، ثم نتعلم كتابة الشيفرة وإصلاحها بالذكاء الاصطناعي. ننتقل من صفحة بسيطة إلى تطبيق تفاعلي، ونضيف قدرات الذكاء الاصطناعي، وننهي مشروعًا مستقلًا.
لماذا نتدرب بالمشروعات؟
تحدي العمل الحقيقي
في الوظيفة تحصل غالبًا على هدف بلا وثيقة كاملة أو إطار جاهز أو متطلبات مفصلة.
المدير أو العميل: نحتاج إلى بناء xxx وتحقيق yyy.
وثائق؟ إطار موجود؟ مواصفات مفصلة؟ غالبًا لا يوجد شيء.
يعني كثير من العمل حل مشكلة لم ترها من قبل في بيئة غير مؤكدة. المتطلبات غامضة والحدود تتغير ولا يقدم أحد الإجابة. عليك البحث والتجربة وصنع نموذج والتكرار، ثم تسليم حل يعمل ويُستخدم ويُنشر.
يقدم المقرر محاكاة آمنة:
- تجبرك المشروعات الصعبة على تفكيك المشكلة وتصميم الحل والعثور على المعلومات؛
- تعلمك الشيفرة غير المبسطة أكثر من اللازم قراءة قاعدة متوسطة وتعديلها؛
- تجعلك الرحلة من الفكرة إلى النشر تعيش بناء منتج من صفر إلى واحد.
قد تكون صعبة قريبًا، لكنها تقوي تحمل المسؤولية والعثور على طريق في عدم اليقين وتحويل الذكاء الاصطناعي إلى منتج لا عرض فقط.
فن السؤال: مهارة أساسية في عصر الذكاء الاصطناعي
السؤال مهارة أساسية. مع الشيفرة والخطأ نفسيهما، تكاد طريقة السؤال تحدد الإجابة: كلام عام أو خطوات قابلة للتنفيذ.
ابنِ عادة: اجعل سؤال الذكاء الاصطناعي جزءًا من التطوير. اسأل فورًا عندما لا تفهم أو تتوقف.
لماذا هي مهارة ضرورية؟
- نادرًا ما تكتمل الوثائق: ستواجه متطلبات غامضة وشيفرة ناقصة وأخطاء متفرقة.
- الذكاء الاصطناعي معلم وزميل: يحوله السؤال الجيد إلى برمجة ثنائية عالية الجودة.
- التواصل يحدد السقف: كلما كان السياق والقيود أفضل، كانت الإجابة أنفع.
خطأ شائع: «لماذا الخطأ؟» يعطي تخمينات. أضف السياق لتحصل على خطة قابلة للتنفيذ.
كيف تعطي المعلومات: لقطة أم نسخ؟
تصلح الطريقتان لمواقف مختلفة:
| الطريقة | مناسبة لـ | الشرط الأساسي |
|---|---|---|
| النسخ واللصق | مكدس الخطأ والسجل والشيفرة والإعداد واستجابة API | أعطِ المحتوى المرتبط كاملًا، لا سطرًا واحدًا |
| لقطة الشاشة | تخطيط الواجهة أو التفاعل أو عدم العثور على زر | التقط السياق، وحدد المهم، وأضف جملة |
⚠️ شرط مهم
لا تقبل كل أدوات الذكاء الاصطناعي الصور. تحتاج اللقطة إلى نموذج متعدد الوسائط، مثل Claude وGPT-4V/GPT-4o وGemini وQwen وERNIE Bot.
إذا لم يقبل الذكاء الاصطناعي الصورة فلن يفهم اللقطة. انسخ النص بدلًا منها.
أوامر تساعد الذكاء الاصطناعي على الشرح الجيد
إذا أردت التعلم لا الإجابة فقط، استخدم مثلًا:
أمثلة للتعلم
- «اشرح المفهوم أولًا في خمس جمل، ثم اسألني للتحقق من فهمي.»
- «اشرح هذا الخطأ بالتفصيل؛ لا أفهم لماذا حدث.»
حاولت طويلًا وأريد الاستسلام
قد تحتاج طريقة الاستمرار إلى التغيير، لا مثابرتك. لا تكافح وحدك. تحدث إلى المؤلفين والمساعدين عن ما جربته وموضع توقفك وحالتك. يكفي أحيانًا تعديل اتجاه أو تعلم مفهوم ناقص لتواصل.
أرى بعض قرارات المقرر غير مناسبة
تواصل مع المؤلفين، وافتح issue، أو شارك رأيك في الصف أو المجتمع. اشرح ما هو غير واضح وما كانت تجربته سيئة وأين ضاع الوقت. تساعد الملاحظات الصريحة والمحددة المتعلمين القادمين.