IBM Bob Premium Package for Z (Bob PP4Z) يجلب خبرة IBM Z المتخصّصة مباشرةً إلى Bob. PP4Z قدرة متميّزة مبنية فوق الأساس الـ agentic لـ Bob، مصمَّمة لدعم فرق mainframe عبر نطاق أوسع من أعمال التطوير.
PP4Z مصمَّم لواقع تطوير mainframe المؤسسي: تطبيقات ضخمة وأنظمة متصلة بإحكام ومتغيّرات غامضة ومنطق أعمال طويل الأمد وعمل تحديث يجب إنجازه بأمان واتساق ووعي معماري عميق.
تشرح هذه المقالة لماذا تدفع بيئات mainframe الضخمة أدوات كود الذكاء الاصطناعي العامة إلى حدودها. تغطّي ما توفّره البيانات الوصفية المنظّمة وقواميس البيانات بما يتجاوز استرجاع المصدر الخام، وكيف يُرسّخ تعزيز النموذج الاستجابات في التوثيق المعتمد من IBM، وكيف يجمع PP4Z بين الاستدلال القائم على النموذج في Bob وأدوات التحليل والتحقق الحتمية لـ IBM Z.
تجربة متميّزة لتطوير IBM Z
يغطّي تطوير IBM Z الحديث نطاقاً واسعاً من الأنشطة يتجاوز كتابة كود جديد، مثل فهم التطبيقات الموجودة وتتبّع كيفية انتشار التغيير عبر نظام ضخم وتوثيق منطق أعمال يمتدّ لعقود واتخاذ قرارات تحديث يجب أن تكون آمنة وقابلة للدفاع عنها.
PP4Z مصمَّم لدعم هذا الاتساع. مبني على الأساس الـ agentic لـ Bob ويستفيد من Skills وSubagents والـ workflows الخاصة به. ثم يمدّها بما يتطلّبه تطوير IBM Z تحديداً: معرفة منظّمة ببيئات التطبيقات الضخمة والمترابطة وأدوات تحليل حتمية لـ COBOL وPL/I وAssembler وأوضاع خاصة بـ Z مضبوطة على طريقة عمل فرق mainframe.
البيانات الوصفية المحلية والمؤسسية لرؤية أعمق للتطبيق
يمكن لتطبيق mainframe ضخم أن يتكوّن من عشرات الآلاف من البرامج المترابطة التي تمتدّ عبر COBOL وPL/I وAssembler، منسَّقة بمجدوِلات دُفعات، ومتكاملة مع أنظمة فرعية كـ Db2 وCICS وIMS. النموذج لا يستطيع الاستدلال عبر تلك البيئة من خلال السياق وحده. قبل أن يتمكّن من الإجابة على سؤال، لا بدّ أن يحدّد أيّ البرامج والعلاقات مهمّة.
هنا ينهار استرجاع المصدر الخام. فكّر في سؤال ذكاء اصطناعي عام للعثور على كل برنامج يستدعي أداة معالجة تاريخ مشتركة (النوع من الروتين الذي تستدعيه عشرات البرامج عبر بيئة COBOL ضخمة). البحث النصي الساكن يجد عبارات CALL الصريحة لكنّه يُفوّت الاستدعاءات الديناميكية، حيث يُخزَّن اسم البرنامج في متغيّر ويُحلّ في وقت التشغيل. شغّل الاستعلام ذاته مرتَّين والنموذج قد يختار استراتيجية بحث مختلفة في كل مرة مُعيداً نتائج مختلفة. الإجابة تبدو منطقية، لكنّها لا تكون موثوقة.
يعالج PP4Z هذا ببناء تمثيل منظّم وقابل للاستعلام للتطبيق قبل بدء الاستدلال بالذكاء الاصطناعي. تُعبئ الماسحات المحلية البيانات الوصفية مباشرةً من workspace. إنها الماسحات ذاتها المستخدمة في Z Understand container وهي متاحة دون خطوة رفع. تلتقط البيانات الوصفية علاقات البرامج وتسلسلات الاستدعاء وتدفق التحكّم وتدفق البيانات واستخدام SQL وتعريفات المعاملات وتبعيات الموارد في شكل يمكن للنموذج الاستعلام عنه بدقة.
للتحليل على نطاق المؤسسة، يمكن للفرق توصيل PP4Z بـ Z Understand container. يمنح هذا Bob وصولاً إلى بيانات وصفية منظّمة تمتدّ عبر portfolio التطبيقات الأوسع، بما في ذلك العلاقات التي تتجاوز workspace المطوّر المحلي. يمكن للمطوّرين حينئذٍ طرح أسئلة على Bob مثل:
- أيّ البرامج تستدعي أداة بعينها؟
- أيّ البرامج تقرأ جدول SQL بعينه؟
- ماذا يمكن أن يتأثّر إن تغيّر حجم هذا الحقل؟
يستعلم Bob البيانات الوصفية لتحديد البرامج والعلاقات ذات الصلة، ثم يفحص المصدر المقابل حيث يلزم تحليل أعمق. الاستجابة مُرسَّخة في بيانات تطبيقية متسقة وقابلة للاستعلام بدلاً من بحث احتمالي عبر ملفات مصدر خام.
تعزيز النموذج: سدّ فجوة معرفة IBM Z
معظم كود تطبيقات IBM Z يقع في مستودعات مؤسسية خاصة. نموذج عام لا يملك وصولاً إلى المصدر والاتفاقيات وسياق الأعمال في تلك الأنظمة. كما يجب أن يعمل بأمثلة عامة أقل مما سيجد للغات والـ frameworks السائدة.
يعالج PP4Z هذا من خلال تعزيز النموذج: مواد مرجعية IBM Z المنتقاة تُحلَّل وتُفهرس وتُتاح لـ Bob حتى تكون الاستجابات التي تمسّ لغات IBM Z والـ middleware مُرسَّخة في ما توثّقه IBM فعلاً. تُعالج طبقة التعزيز توثيق IBM Z بطريقة تجعله قابلاً للتنفيذ لأنواع محدّدة من الأسئلة التي يطرحها المطوّرون: اتفاقيات الاستدعاء وهياكل الحقول وسلوكيات الـ middleware والحالات الحدّية الموثّقة التي يمكن لنموذج عام محدود التعرّض لهذه البيئات الخطأ فيها بطرق يصعب تحديدها.
الفرق العملي يظهر حين يكتب مطوّر أو يعدّل كوداً يتفاعل مع IBM Z middleware. نموذج عام قد يُنتج كوداً نحوياً منطقياً ينتهك عقوداً IBM محدّدة بدقة. مع تعزيز النموذج، المعرفة التي يستند إليها PP4Z عند صياغة الاستجابة مُرسَّخة في ما توثّقه IBM فعلاً، لا تقريباً بجهد أفضل من تعرّض تدريب محدود.
ذكاء اصطناعي واعٍ بالأعمال مع قواميس البيانات
أسماء المتغيّرات غير الواضحة موجودة في كل قاعدة كود، لكن تطبيقات IBM Z تقدّم هذه المشكلة على نطاق مختلف وبشكل مختلف. في كثير من تطبيقات COBOL طويلة الأمد، يتشابك منطق الأعمال والمنطق التطبيقي بإحكام. المعنى مُرمَّز في أسماء حقول موجزة وتخطيطات copybook واتفاقيات تسمية تراكمت على مدى عقود دون تطبيق متسق. انظر إلى هذا WORKING-STORAGE SECTION:
01 WK10.
10 WK10-QUDISP PICTURE 9(10)
VALUE ZERO.
10 WK10-QUPIL PICTURE 9(3)
VALUE ZERO.
10 WK10-QUDIS PICTURE 9(15)
VALUE ZERO.
10 WK10-QUMYD PICTURE 9(10)
VALUE ZERO.أربعة متراكمات عددية في مجموعة تُسمّى WK10. لا شيء في الأسماء أو جمل PICTURE يُخبر مطوّراً أو نموذجاً بما تمثّله أيٌّ منها. قد يلاحظ نموذج بدون سياق إضافي أن WK10-QUDISP وWK10-QUDIS كلاهما حقول عددية، على الأرجح متعلّقة بالمسافة بالنظر إلى أجزاء QU وDIS، ويُخمّن أنهما يخدمان أغراضاً مماثلة. هذا التخمين خاطئ. الفرق المؤلّف من حرف واحد بينهما هو القصة بأكملها.
مع قاموس البيانات المُولَّد بـ PP4Z، يكون التمييز صريحاً. WK10-QUDIS هو المجموع التراكمي الإجمالي للمسافة المقطوعة جواً عبر جميع الطيّارين. يُزاد طوال معالجة سجلات الرحلات ويُستخدم في حساب المتوسّط النهائي. WK10-QUDISP متراكم لكل طيّار. يُعاد ضبطه إلى صفر في بداية كتلة معالجة كل طيّار ويُعرض جنباً إلى جنب مع تعريف ذلك الطيّار. أحدهما يُعاد ضبطه لكل طيّار؛ والآخر لا يُعاد ضبطه أبداً. شرح أو تحليل أثر يخلط بينهما يُنتج إجابة خاطئة حول ما يفعله البرنامج.
يُولّد PP4Z هذه المداخل من خلال التحليل الساكن لكيفية مشاركة كل متغيّر في البرنامج. يغطّي التحليل تدفق التحكّم وعمليات الإدخال/الإخراج والحسابات وحركة البيانات. بدلاً من محاولة توثيق كل حقل، يُحدّد المتغيّرات التي تؤثّر أكثر على سلوك البرنامج: تلك التي، بمجرّد تسميتها، تجعل بقية البرنامج مقروءاً. يمكن إدارة مداخل قاموس البيانات محلياً أو من خلال Z Understand container، مع دعم التوليد الجماعي والمراجعة والمزامنة عبر الفرق.
التوثيق والشرح وإعادة البناء
أقسام البيانات الوصفية وقاموس البيانات وتعزيز النموذج تغطّي كيف يبني PP4Z صورته عن التطبيق. يغطّي هذا القسم ما يفعله المطوّرون بتلك الصورة.
التوثيق واستخراج قواعد الأعمال يُنتجان معرفة تطبيقية دائمة على نطاق واسع. يمكن للفرق توليد توثيق منظّم لبرامج COBOL وPL/I وAssembler، يغطّي منطق البرنامج وتدفقات البيانات وقواعد الأعمال المدمجة. يمكنهم استخدام البيانات الوصفية للماسح المحلي لنطاق مركّز أو Z Understand container للتطبيق الكامل. تظهر قواعد الأعمال كجزء من تلك العملية، مانحةً الفرق التقنية وأصحاب مصلحة التحديث سجلاً مقروءاً لما يفعله التطبيق دون تتبّع يدوي لكل فقرة.
يمكن الآن تجميع التوثيق على مستوى البرنامج في عرض التطبيق، وهو موقع منظّم بمخطّطات وصفحات متقاطعة المراجع تمتدّ عبر التطبيق بأكمله. يُجيب التوثيق على مستوى البرنامج على أسئلة حول برنامج واحد. يمنح عرض التطبيق الفرق وأصحاب مصلحة التحديث خريطة للتطبيق بأكمله.
الشرح الشامل يُولّد شرحاً تفصيلياً لبرنامج من المنظور الأكثر أهمية للمهمة المطروحة: المهندس المعماري أو المطوّر أو رجل الأعمال. يستند PP4Z إلى البيانات الوصفية للتطبيق ومداخل قاموس البيانات وطبقة تعزيز النموذج لترسيخ الشرح في سلوك البرنامج.
إعادة البناء تستخدم السياق المجموع لإعادة هيكلة الكود الموجود إلى خدمات نمطية وقابلة لإعادة الاستخدام مع الحفاظ على الوظيفة. يُحدّد workflow إعادة بناء برنامج COBOL أو PL/I مرشّحي الاستخراج ويُعيّن تبعياتهم ويُرشد التحويل. يمنح هذا الفرق مساراً عملياً للتحديث يُحسّن قابلية الصيانة دون الحاجة إلى إعادة كتابة كاملة.
قدرات التطوير والجودة والتنقيح المتكاملة
بعض أجزاء سير عمل المطوّر لها إجابات حتمية: ما إذا كان الكود يتوافق مع قاعدة، وأيّ مسار يسلكه متغيّر بعينه خلال برنامج، وأين ينتقل التحكّم بعد PERFORM. يتعامل PP4Z مع هذه من خلال أدوات مخصّصة. يفسّر النموذج الحقائق الناتجة في سياق ما يحاول المطوّر تحقيقه.
في الوضع المخصّص Z Code الخاص بـ PP4Z، يوفّر Z Code Scan تحليلاً ساكناً سريعاً قائماً على القواعد لبرامج COBOL وPL/I. ملاحظاته بأسلوب linter تكشف المشكلات دون استدلال احتمالي. الوضع المخصّص Z Architecture يوفّر تحليل تدفق التحكّم وتدفق البيانات، بما في ذلك كيفية انتقال التنفيذ عبر برنامج وكيفية تحوّل البيانات أثناء تدفّقها بين الفقرات والـ copybooks. هذه الأدوات تُنتج نتائج متسقة وقابلة للتكرار بصرف النظر عن طريقة صياغة السؤال.
يعمل النموذج مع مخرجات تلك الأدوات. يمكنه تفسير نتيجة مسح في سياق تغيير مقترح أو تتبّع تدفق بيانات للإجابة على سؤال محدّد حول سلوك البرنامج. يتعامل التحليل الحتمي مع ما هو محكوم بالقواعد؛ الذكاء الاصطناعي يتعامل مع ما يتطلّب الحكم.
يشمل PP4Z أيضاً IBM Debug for z/OS وقدرات تغطية الكود، حتى تتمكّن الفرق من الانتقال من التطوير المدعوم بالذكاء الاصطناعي مباشرةً إلى التحقق على مستوى التنفيذ ضمن البيئة ذاتها.
Skill Builder للمعرفة الخاصة بالمؤسسة
البيانات الوصفية للتطبيق وقواميس البيانات وتعزيز النموذج والتحليل الحتمي تُشكّل أساس IBM Z الذي يشحنه PP4Z. Skill Builder هو كيف تُطبّق المؤسسات معرفتها الخاصة فوقه.
مع Skill Builder، يمكن للفرق إنشاء skills مخصّصة تلتقط وتُطبّق المعرفة الخاصة بالمؤسسة مثل معايير الكود واتفاقيات التسمية والأنماط التقنية والمصطلحات التجارية والإرشادات الخاصة بالبيئة. تساعد هذه الـ skills Bob على فهم كيفية إنجاز التطوير داخل مؤسسة بعينها، مقلّصةً الافتراضات العامة ومُحسِّنةً ملاءمة الاستجابات المولّدة بالذكاء الاصطناعي. يمكن استيعاب الـ skills تلقائياً واستدعاؤها ديناميكياً عند الصلة بطلب المستخدم وسياق الكود، متكاملةً مباشرةً في workflows PP4Z الموجودة.
الجمع بين كل العناصر
الحجم والكثافة الدلالية والسياق الخاص يجعل تطوير mainframe صعباً على أدوات كود الذكاء الاصطناعي العامة. يعالج PP4Z كل عامل مباشرةً: البيانات الوصفية المنظّمة للحجم، وقواميس البيانات للمعنى التجاري، وتعزيز النموذج لتغطية توثيق IBM Z، والأدوات الحتمية للتحليل المحكوم بالقواعد.
في هذا النهج، يُعزّز الاستدلال بالذكاء الاصطناعي والمعرفة الحتمية بعضهما. يبدأ Bob بالبيانات الوصفية المنظّمة ويستند إلى التوثيق المنتقى ويفسّر مخرجات الأدوات القائمة على القواعد. يمكن للمطوّرين فحص هذه الأدلة قبل التصرّف بناءً على الإجابة في بيئة حساسة.
للبدء، اختر برنامجاً يتجنّبه فريقك، ربما لأن غرضه غير واضح أو لأن منطق أعماله لم يُلمَس منذ سنوات. شغّل الماسح المحلي لبناء بياناته الوصفية وتوليد قاموس بيانات لمتغيّراته الرئيسية. استخدم workflow الشرح لفهم ما يفعله البرنامج، ثم شغّل workflow التوثيق لتثبيت تلك المعرفة في workspace الخاص بك. من هناك، الأساس ذاته يدعم تحليل الأثر وإعادة البناء والتحقق من الجودة. يبدأ الفريق ببرنامج يفهمه الآن.