في ظل التطور السريع للتكنولوجيا، لم تعد نماذج اللغة الضخمة (Large Language Models) تقتصر على إتمام الأكواد البسيطة، بل أصبحت تتحول إلى وكلاء على مستوى الم repository، تقوم بجلب السياقات، وتحرير الملفات، وتنفيذ الأدوات، وتشارك في الأنظمة الحساسة أمنياً. إن جودة هذه الأنظمة لا تزال محل نقاش بين تقييمات الهندسة البرمجية التي تركز على إتمام المهام الوظيفية، وتقييمات أمان البرمجيات التي تركز على اكتشاف الثغرات أو التحقق القائم على الاستغلال.

تستعرض هذه الدراسة المهيكلة، التي تتخذ من الأدلة محوراً لها، الأعمال التمثيلية المتاحة حتى 31 مايو 2026 عبر مهام الهندسة البرمجية ومهام أمان البرمجيات وآليات التكيف، وتعزيزات المواد وتصميم التقييم. حيث تقدم التركيبة تصنيفاً للمهام وإطار عمل للضمان ينفصل عن التصحيح الوظيفي والأمان والموثوقية التشغيلية وسلطة الوكلاء.

تظهر المراجعة أن التغذية الراجعة أثناء التنفيذ والوصول إلى المستودعات يمكن أن يحسّن بشكل كبير من إتمام المهام الهندسية، لكنها لا تؤسس الأمان بحد ذاتها. وعلى العكس، فإن العلامات الخاصة بالتحليل الثابت أو درجات تصنيف الثغرات نادراً ما تؤكد صحة مضمونة. يتم التعرف على تهديدات الصلاحية المتكررة، مثل القرارات الضعيفة لاختبار الأوراكل، والبيانات المكررة والمتسربة زمنياً، وتغير أجهزة الوكيل، وفحوصات الأمان المعتمدة على الوكيل فقط، وتحت الإبلاغ عن الميزانيات والتدخل البشري.

تستنتج الدراسة جدول أعمال بحثي يفضل المعايير الآمنة والوظيفية معاً، ونماذج تهديدات على مستوى المستودع، وإشراف بشري مُعدل، وأدلة على الاستدامة على المدى الطويل، وتقييم الوكلاء القابل للتكرار. والخلاصة هي أن قدرة النموذج يجب أن تُقدّر كحالة ضمان تدعمها أدلة مناسبة للمهام، بدلاً من الاعتماد على علامة معيارية واحدة فقط.