مراجعة Lovable 2026: قضيت أسبوعين في اختباره — إليك ما حدث | MeDo

Lovable هو منشئ تطبيقات متكامل مدعوم بالذكاء الاصطناعي يولّد تطبيقات React كاملة من أوامر باللغة الطبيعية. أُطلق في أواخر 2024 (تحت اسم GPT Engineer في الأصل)، وسرعان ما أصبح من أكثر الأدوات إثارة للحديث في مجال بناء التطبيقات بالذكاء الاصطناعي. تصف ما تريده بلغة إنجليزية بسيطة، ويولّد Lovable تطبيقاً عاملاً بواجهة مستخدم أمامية ومنطق خلفي ومصادقة وتكامل مع قاعدة البيانات — كل ذلك مربوط ببعضه وجاهز للنشر. ما يميز Lovable عن منشئي المواقع الأبسط بالذكاء الاصطناعي هو تركيزه على إنتاج كود حقيقي بجودة إنتاجية بدلاً من قوالب السحب والإفلات. من الداخل، يولّد React مع TypeScript، ويستخدم Tailwind CSS للتنسيق، ويتكامل مع Supabase (أو البنية التحتية السحابية الخاصة بـ Lovable) لخدمات الواجهة الخلفية مثل المصادقة وقواعد البيانات وتخزين الملفات. الكود المولّد ملكك — يمكنك مزامنته مع GitHub واستنساخ المستودع ومتابعة التطوير في بيئة التطوير الخاصة بك. التجربة تشبه البرمجة الثنائية مع ذكاء اصطناعي يفهم هندسة التطبيقات المتكاملة. تتحدث معه بشكل تكراري، تحسّن الميزات وتصلح المشاكل من خلال المحادثة. يتذكر السياق عبر الرسائل، ويمكنه قراءة سجلات الأخطاء، ويحاول التصحيح الذاتي عند حدوث خلل. بالنسبة للمطورين، هذا مثير للإعجاب حقاً. أما بالنسبة لغير المطورين الذين يأملون في البناء دون كود، فالواقع أكثر تعقيداً.

I wanted to push Lovable beyond the typical "build me a landing page" demo, so I set out to create something I would actually use: a project management dashboard with Kanban boards, team member assignment, due date tracking, and a weekly progress report view. The kind of mid-complexity app that a small team might genuinely need.

The first hour was genuinely magical. I described the dashboard layout, asked for a sidebar navigation with project switching, and requested a Kanban board with drag-and-drop cards. Lovable generated a beautiful interface — clean typography, proper card shadows, smooth drag interactions. It even added keyboard shortcuts without me asking. The Supabase integration set up a projects table, tasks table, and team members table with proper foreign keys. I was impressed.

Then reality set in during week two when I started adding real-world requirements. I needed role-based access control so project managers could see everything but regular members only saw their assigned tasks. Lovable generated RLS policies that looked correct but silently failed — members could see all tasks regardless of assignment. I spent nearly two hours debugging Supabase policies that the AI had confidently generated. When I asked Lovable to fix them, it rewrote the policies three times, each version introducing a different subtle bug.

The reporting view was another pain point. I wanted a simple bar chart showing tasks completed per team member per week. Lovable chose Recharts (reasonable choice), generated the component, but the data aggregation query was wrong — it was counting all tasks, not just completed ones, and the date filtering logic had an off-by-one error on week boundaries. These are the kinds of bugs that look fine in a demo but would be embarrassing in production. By the end of my testing, I had a working dashboard that looked great, but I had to manually fix about 30% of the backend logic. For a developer like me, that is still a net time savings. For someone without coding skills, those bugs would have been showstoppers.