في تحدي Codegeist 2025 – Atlassian Williams Racing Edition، قدت تطوير نظام متكامل يحول Jira من أداة تتبع تقليدية إلى منصة تحليل تنبؤي ذكي لإدارة السبرينت.
أنشأنا Pitwallz — نظام مستوحى من عالم الفورمولا 1، يعتمد على مفهوم Digital Twin لمحاكاة السبرينت قبل تنفيذ أي تغيير فعلي.
الفكرة ليست فقط عرض بيانات… بل تمكين فرق العمل من اتخاذ قرارات هندسية مبنية على نماذج وتحليل حقيقي.
? المشكلة التي عالجناها
معظم الفرق تستخدم Jira بشكل ردّي:
تنقل المهام وتنتظر النتائج.
لكن لا يوجد قياس حقيقي للحمل الذهني، ولا تنبؤ بمخاطر التسليم، ولا رؤية استباقية لاحتمال فشل السبرينت.
هنا جاء دور Pitwallz.
?️ ما قمنا ببنائه تقنيًا
? Sprint Digital Twin Engine
محرك يقوم باستنساخ حالة السبرينت بالكامل داخل بيئة آمنة (Sandbox) دون التأثير على البيانات الفعلية، مما يسمح بمحاكاة:
إعادة توزيع المهام
تغيير نقاط القصص
معالجة الاختناقات
? Stability Score (0–100)
مؤشر مركب يعتمد على:
Churn rate
Carry-over
Workload distribution
Context switching
ليتنبأ باحتمالية نجاح السبرينت قبل نهايته.
? Cognitive Load Index
تحليل الحمل الذهني الحقيقي للفريق بناءً على أنماط العمل، وليس فقط عدد المهام.
? Auto-Optimization Engine
خوارزمية تكشف:
التحميل الزائد (>100% capacity)
المهام المتوقفة
المخاطر المرتبطة بالأولوية
مع سجل منطقي يوضح سبب كل توصية (Explainable AI).
? AI Sprint Coach
مساعد ذكي مبني على Forge Rovo يتيح تحليل السبرينت بلغة طبيعية.
?️ البنية التقنية
Platform: Atlassian Forge (Serverless FaaS داخل Atlassian Cloud)
Backend: Node.js Forge Resolvers بهيكلية Modular Service Layers
Frontend: React Custom UI مع Hooks و Optimistic Updates
APIs: Jira REST API v3
Data Strategy: استخدام Issue Properties مخصصة لتجاوز قيود Single Assignee
Architecture Focus: Performance، Isolation، Scalability
? لماذا هذا العمل يعكس مستواي كمطوّر؟
تصميم نظام State Modeling معزول وآمن
بناء Logic Engine تنبؤي بدون الاعتماد على ML جاهز
فهم عميق لـ Jira Internals و Forge Runtime
هندسة نظام قابل للتوسع داخل بيئة Serverless
تنفيذ المشروع تحت ضغط زمني وبالتوازي مع مسؤوليات أخرى
أنا لا أبني واجهات فقط.
أنا أبني أنظمة تفكير داخل المنتجات.