الذكاء الاصطناعي

OpenAI تكشف عن Pando: نظام Git مخصص للذكاء الاصطناعي

أعلنت OpenAI عن تطوير Pando، نظام تحكم في الإصدارات مصمم خصيصاً لتلبية متطلبات العمل على نطاق واسع باستخدام الذكاء الاصطناعي، مع الحفاظ على توافق كامل مع بروتوكول Git.

رضوان عبدالهاديمحرر وكاتب تقني

نُشر: 3 نوفمبر 2026 · آخر تحديث: 3 نوفمبر 2026 · 5 دقائق قراءة

OpenAI تكشف عن Pando: نظام Git مخصص للذكاء الاصطناعي — الصورة: OpenAI News

الخلاصة

Pando هو نظام خلفي جديد لـ Git يهدف إلى معالجة اختناقات الأداء في المستودع المركزي (Monorepo) لشركة OpenAI.
النظام يحقق قابلية توسع أفقي للعمليات الكتابية ويحسّن سرعة قراءة البيانات عبر إعادة استخدام حزم البيانات (Packfiles).
أدى تطبيق Pando إلى تقليل زمن استجابة عمليات الدفع (Push) بنسبة تقارب 5 أضعاف في المتوسط.
يتعامل النظام مع حجم ضخم من البيانات يصل إلى بيتابايت واحد يومياً، مع الحفاظ على توافق كامل مع عملاء Git القياسيين.
تعمل OpenAI على مساهمة تحسينات عميل Git الخاص بها في المشروع الأصلي (Upstream) لمصلحة المجتمع التقني.

تحديات النمو المتسارع في OpenAI

شهد المستودع المركزي (Monorepo) في OpenAI نمواً هائلاً في الحجم والطلب خلال العام الماضي، مدفوعاً بتوسع استخدامات أداة Codex. هذا التوسع سمح للمهندسين بإجراء المزيد من العمل المتوازي، مما أدى إلى زيادة عدد الفروع وعمليات الدفع والاستدعاء. أصبحت الأنظمة التقليدية تواجه صعوبة في مواكبة هذا الإيقاع، حيث انخفضت الموثوقية أحياناً إلى أقل من 90%، مع ظهور أخطاء في عمليات الدمج وبطء ملحوظ في عمليات الاستدعاء والدفع.

أدركت فرق الهندسة في OpenAI أن المشكلة لم تكن في بروتوكول Git نفسه، بل في طريقة تقديم الخدمة. نظراً لأن Git نشأ من مجتمع تبادل التصحيحات عبر البريد الإلكتروني وتطور على مدى عقدين، رأت الشركة أهمية الحفاظ على هذا الأساس المألوف. كان الهدف إعادة بناء الخلفية (Backend) لمعالجة عمليات الدفع إلى فروع مختلفة بالتوازي، وتقديم نفس التاريخ لعدد كبير من القراء بشكل متزامن، دون تغيير طريقة عمل المهندسين أو الوكلاء. ويمكن الرجوع إلى View all للاطلاع على التفاصيل الأصلية للمصدر.

تصميم Pando: التوسع الأفقي والقراءة الفعالة

صمم فريق OpenAI نظام Pando لتحقيق هدفين رئيسيين: أولاً، التوسع الأفقي للعمليات الكتابية (Writes) مع تحسينها لعمليات الدفع المتوازية إلى فروع متعددة. ثانياً، تعظيم معدل قراءة البيانات (Read Throughput) بحيث يتمكن العملاء من تنزيل البيانات بسرعة كافية لإشباع عرض النطاق الترددي الشبكي المتاح بالكامل. تم تحقيق هذه الأهداف مع الحفاظ على التوافق الكامل مع بروتوكول Git وعملائه، مما مكن المهندسين والوكلاء من تبنّي النظام بسلاسة ضمن سير عملهم الحالي.

يعتمد Pando على تنسيق Git القياسي لتخزين الكائنات (Objects) والمراجع (References). الكائنات في Git تكون إما كتل (Blobs) تحتوي على محتوى الملفات، أو أشجار (Trees) تمثل البنية المباشية، أو التزامات (Commits) التي تربط التاريخ. يعتمد النظام على خاصية عدم قابلية الكائنات للتغيير (Immutability)، حيث يُنشأ كائن جديد عند تعديل ملف، بينما يمكن إعادة استخدام الكائنات غير المتغيرة. هذا التصميم يسمح بإدارة التاريخ بكفاءة عالية دون الحاجة إلى إعادة بناء البيانات بالكامل عند كل تغيير.

آلية العمل: استقلالية الفروع وإعادة الاستخدام

يتميز Pando بتنسيق مستقل لتحديثات كل فرع، مما يسمح بتقدم التحديثات على الفروع غير المرتبطة بالتوازي دون انتظار بعضها البعض. هذا النهج يزيل الاختناقات التي تحدث في الأنظمة التي تفرض ترتيباً واحداً على جميع عمليات الكتابة. من ناحية القراءة، يعيد Pando استخدام ملفات الحزم (Packfiles) عبر عمليات الاستدعاء المختلفة بدلاً من توليد ملف حزمة جديد لكل عميل. هذا يعني أن الخادم يمكنه تقديم نفس البايتات لعدد كبير من العملاء مع حسابات حسابية ضئيلة، مما يرفع كفاءة استخدام الموارد.

عند تنفيذ عملية استدعاء (Fetch)، يخبر العميل الخادم بالالتزامات المطلوبة والتي يمتلكها بالفعل. يبحث الخادم عن الكائنات القابلة للوصول من الالتزامات المطلوبة، ويستبعد تلك التي يمتلكها العميل، ويرسل الباقي كملف حزمة. في عمليات الدفع (Push)، يستخدم العميل المراجع المعلنة من الخادم لتجنب إرسال الكائنات الموجودة مسبقاً. يسمح هذا التفاعل الذكي بتقليل حجم البيانات المنقولة عبر الشبكة بشكل كبير، وهو أمر حاسم عند التعامل مع مستودعات ضخمة الحجم.

الأداء والنتائج العملية

أظهرت اختبارات الإنتاج نتائج ملموسة لتطبيق Pando في بيئة OpenAI. انخفض متوسط زمن استجابة عمليات الدفع (Median Push Latency) بنحو 5 أضعاف مقارنة بالنظام السابق. كما أصبح النظام قادراً على تقديم ما يقرب من بيتابايت واحد من بيانات Git يومياً. هذه الأرقام تعكس قدرة النظام على التعامل مع حجم العمل الهائل الذي يولده الوكلاء الآليون والمهندسون البشر معاً، مما يضمن استمرارية سير العمل دون انقطاع.

لم يقتصر تأثير Pando على الأداء فحسب، بل ساهم أيضاً في استقرار بيئة التطوير. قبل تطبيق النظام، كانت عمليات الدمج تفشل أحياناً بسبب تعارضات أو بطء في المزامنة. الآن، يوفر النظام موثوقية أعلى وسرعة أكبر في نقل البيانات، مما يتيح للمهندسين التركيز على تطوير البرمجيات بدلاً من التعامل مع مشاكل البنية التحتية. هذا التحول يمثل خطوة مهمة نحو تمكين العمل على نطاق الوكلاء (Agentic-scale) بشكل فعّال.

المساهمة في مجتمع Git

على الرغم من تطوير نظام خلفي مخصص، التزمت OpenAI بمبدأ المساهمة في المشروع المفتوح المصدر. قامت الشركة بإنشاء نسخة خاصة من Git تحتوي على تحسينات ضرورية لدعم متطلباتها الخاصة. تهدف OpenAI إلى مساهمة هذه التحسينات في النسخة الأصلية (Upstream) من Git، مما يعني أن المجتمع التقني الأوسع سيستفيد من الدروس المستفادة من التعامل مع تحديات التوسع الهائل. هذا النهج يعزز مكانة Git كأداة أساسية في تطوير البرمجيات، بغض النظر عن حجم المشروع.

تعمل OpenAI أيضاً على تعزيز أمان أسس البرمجيات من خلال تحسينات في أدوات التحكم بالإصدارات. تشير التقارير إلى أن هذه الجهود جزء من استراتيجية أوسع لبناء أسس برمجية أكثر أماناً وموثوقية. من خلال مشاركة معرفتها التقنية وتحسيناتها، تساهم الشركة في رفع مستوى معايير الصناعة، مما يفيد المطورين الذين يعملون على مشاريع مماثلة تتطلب تحكماً دقيقاً في الإصدارات على نطاق واسع.

المستقبل والتوقعات

يعد Pando خطوة أولى في رحلة طويلة نحو تحسين أدوات التحكم بالإصدارات لعصر الذكاء الاصطناعي. مع تزايد الاعتماد على الوكلاء الآليين في كتابة الكود ومراجعاته، من المتوقع أن تستمر OpenAI في تطوير وتحسين نظامها. كما ستستمر الشركة في مراقبة أداء النظام وتقييمه لضمان بقائه قادراً على مواكبة النمو المستقبلي في حجم البيانات وعدد المستخدمين المتزامنين.

تخطط OpenAI لمواصلة مشاركتها في تطوير Git لدعم العمل على نطاق الوكلاء. هذا يشمل استكشاف طرق جديدة لتحسين كفاءة نقل البيانات وتقليل استهلاك الموارد. من خلال الجمع بين الابتكار التقني والمساهمة المجتمعية، تسعى الشركة إلى خلق بيئة تطوير تدعم الابتكار السريع مع الحفاظ على الاستقرار والأمان، مما يفتح آفاقاً جديدة لتطوير البرمجيات المعقدة.