أصبح تكامل المدفوعات إحدى المهام الأكثر تحدياً في البرمجة، إذ يتطلب من الوكلاء اختيار المنتج المناسب، وتنفيذ تدفقات منسقة بين العميل والخادم، والتحقق من نتائج الدفع، والحفاظ على التناسق بين حالات المعاملات والأعمال. في هذا الصدد، تم إطلاق معيار جديد معروف باسم Alipay-PIBench، وهو معيار مبتكر يهدف إلى تقييم وكلاء البرمجة في بيئة تكامل مدفوعات Alipay الواقعية.

يتضمن Alipay-PIBench تسعة مشاريع إنتاجية محددة و18 حالة مهمة، حيث تم تنظيمها بين سيناريوهات إكمال الوظائف الأساسية والاختبارات المتقدمة التي تتضمن تعزيز الوعي بالمخاطر. تدعم قواعد التقييم المحددة لكل سيناريو الفحوصات الثابتة، ووحدات الاختبار، والاندماج، وكذلك الفحوصات الشاملة. كما يتم استخدام تقييمات مدعومة بواسطة نماذج اللغات الضخمة (Large Language Models) لتقييم المتطلبات الدلالية.

لقد قمنا بتقييم ستة نماذج من وكلاء البرمجة وقدمنا معدل نجاح القواعد (Rubric Pass Rate). في ظل شروط المهارات، يتراوح متوسط معدل النجاح من 68.58% إلى 91.37%. يُظهر الوصول إلى مهارة تكامل المدفوعات تأثيراً إيجابياً، حيث زاد متوسط معدل النجاح بنحو 10.31 نقطة مئوية مقارنة بالحالة التي تفتقر للمهارة، مع اختلافات واضحة بين النماذج والمنتجات والسيناريوهات.

توفر نتائج مستوى الأسلوب تمييزاً بين إكمال مستوى المصدر، والسلوك القابل للتنفيذ في الدفع، ومتطلبات مجال الدفع. تعتبر Alipay-PIBench بيئة محكمة لتشخيص قدرات النماذج وتقييم الإرشاد المنظم في تكامل المدفوعات. ما رأيكم في هذا التوجه المثير؟ كيف تتوقع تأثيره على مستقبل البرمجة؟ شاركونا آراءكم في التعليقات!