هندسة تطبيقات الذكاء الاصطناعي التوليدي (Generative AI & LLMs Engineering)
بناء Agent شخصي يقرأ رسائل بريدك الإلكتروني ويقترح ردوداً ذكية فكرة هذا المشروع ليست مجرد ربط صندوق البريد مع نموذج لغوي كبير، بل بناء نظام برمجي منظم يفصل بين طبقات الوصول إلى البريد، التحليل الدلالي، استرجاع السياق، ثم توليد رد مهني آمن وقابل للمراجعة البشرية. هذا النوع من التطبيقات يقع ضمن فئة العملاء الأذكياء (AI…
ما هو إطار عمل ReAct ولماذا يُعد نقطة تحول في تصميم الـ Agents؟ إطار ReAct هو اختصار لعبارة Reasoning + Acting، أي الجمع بين “التفكير” و“التنفيذ” داخل دورة تشغيل واحدة للعميل الذكي. الفكرة الأساسية ليست أن يجيب النموذج مباشرة، بل أن يحلل المهمة أولاً، يقرر هل يحتاج إلى أداة، ثم ينفذ خطوة عملية، يراقب الناتج،…
دمج آلة حاسبة ومفسر Python كأدوات يستخدمها الـ Agent لحل المسائل المعقدة عندما نصل إلى مرحلة بناء العملاء الأذكياء (AI Agents)، نكتشف سريعاً أن النموذج اللغوي وحده لا يكفي دائماً. فـ LLM ممتاز في الفهم اللغوي، إعادة الصياغة، والتخطيط، لكنه ليس أفضل مكوّن لتنفيذ العمليات الحسابية الدقيقة أو تشغيل منطق برمجي متعدد الخطوات. هنا تظهر…
لماذا يحتاج LLM إلى أدوات خارجية للتحقق من الأخبار؟ النموذج اللغوي الكبير قوي جداً في الفهم، التلخيص، إعادة الصياغة، وربط الأنماط، لكنه ليس محرك بحث حياً بطبيعته. أي LLM يعمل فوق بيانات تدريب سابقة، ولذلك قد يفشل عند سؤال حساس زمنياً مثل: هل هذا الخبر العاجل صحيح؟ هنا تظهر مشكلة الهلوسة ومشكلة تقادم المعرفة. ولهذا…
ما هم العملاء الأذكياء AI Agents؟ العملاء الأذكياء هم أنظمة برمجية لا تكتفي بتوليد النصوص، بل تستقبل هدفاً، تحلل السياق، تختار الخطوات المناسبة، تستخدم أدوات خارجية، ثم تتخذ قراراً أو تنفذ إجراءً قابلاً للقياس. الفرق الجوهري بين نموذج لغوي عادي وبين Agent هو أن الثاني يعمل داخل حلقة تشغيل تشمل التفكير، التخطيط، التنفيذ، التقييم، ثم…
