الذكاء الاصطناعي
مقالات عملية مرتبة حسب المجال والمستوى، اختر المجال المناسب واقرأ من مستوى مبتدئ إلى محترف.
Speculative Decoding للمحترف: ضاعف سرعة Llama 70B لـ 2.4x بدون فقد token واحد
لو شات بوتك على Llama 3.1-70B بيطلع 28 token/sec وفاتورة GPU وصلت $1,400 شهرياً، انت بتدفع تمن compute مش بتستخدمه. Speculative Decoding من ورقة Leviathan 2023 بيرفع الرقم لـ 67 token/sec على نفس الـ GPU بدون retraining ولا فقد جودة token واحد. شرح للمحترف بمثال الكاتب والمراجع للمبتدئ، تعريف رياضي من DeepMind، كود Python على vLLM 0.6+ شغّال، أرقام مقاسة على H100 80GB، 4 trade-offs خفية، ومتى التقنية بتكون مضيعة وقت.
MCP للمحترف: ابني سيرفر Model Context Protocol إنتاجي في 60 سطر Python
دليل تنفيذي للمحترف لبناء سيرفر MCP حقيقي بـ FastMCP يقرأ من PostgreSQL ويُركَّب على Claude Desktop في أقل من 10 دقايق، مع شرح JSON-RPC 2.0 و primitives الـ MCP، أرقام مقاسة على فريق 14 مطور (انخفاض glue code 85%، p95 latency 38ms على stdio)، 4 trade-offs خفية، ومتى MCP overhead أكبر من قيمته.
Reranking للمحترف: لما Cosine Similarity بتكذب على Production RAG
دليل تنفيذي للمحترف يثبت إن Vector Search لوحده Recall@5 = 67% على corpus قانوني عربي بـ 22,300 وثيقة، وإضافة Cohere Rerank 3.5 بترفعه لـ 91.2% مع تكلفة latency +312ms. كود Python في 18 سطر، مقارنة Cohere Rerank 3.5 vs BGE-reranker-v2-m3، 4 trade-offs خفية، و3 حالات Reranking فيها مضيعة وقت.
GraphRAG للمحترف: لما Vector Search بيفشل في أسئلة العلاقات والتسلسل
Vector RAG التقليدي بيرجّع chunks قريبة دلاليًا، لكنه بيفشل على أسئلة العلاقات والتسلسل الزمني. GraphRAG من Microsoft Research بيرفع Precision@10 من 58% لـ 89% على corpus قانوني عربي بـ 18,400 وثيقة، بكود Python شغّال على Claude Sonnet 4.6 و Haiku 4.5، مع 4 trade-offs خفية، ومتى GraphRAG بيكون مبالغة هندسية.
Prompt Injection للمحترف: 4 طبقات حماية لتطبيق Claude
31% من تطبيقات LLM في الإنتاج بتسرّب system prompt بهجوم أقل من 5 سطور. مقال للمحترف بمثال موظف الاستقبال للمبتدئ، تعريف علمي من Greshake et al. 2023 و OWASP LLM01:2025، 4 طبقات حماية بكود Python شغّال على anthropic SDK 0.45+، أرقام مقاسة على 1,200 هجوم على تطبيق عربي (الطبقة الأولى وحدها بتمنع 58%)، 4 trade-offs، ومتى الحماية الكاملة مبالغة هندسية.
Hybrid Search للمحترف: BM25 + Vector يرفع Recall من 67% لـ 91%
لو RAG بتاعك بيرجّع chunks قريبة دلالياً بس ما فيهاش رقم النسخة أو كود الخطأ اللي المستخدم سأل عنه، Vector Search مش غلطان — هو بيقيس المعنى مش الـ exact tokens. دمج BM25 مع Vector عبر Reciprocal Rank Fusion بيرفع Recall@10 من 67% لـ 91% على corpus عربي بـ 24K chunk، بفارق latency أقل من 18ms. مقال للمحترف بمثال المكتبة بفهرسين للمبتدئ، تعريفات علمية من Robertson 2009 و Cormack SIGIR 2009، كود Python شغّال على rank-bm25 و ChromaDB، 4 trade-offs حقيقية، وحالات Hybrid فيها مضيعة وقت.
Extended Thinking في Claude 4.7 للمحترف: متى يستحق الـ Reasoning فاتورة 8 أضعاف
Extended Thinking في Claude 4.7 بيرفع دقة المهام المنطقية من 71% لـ 89% لكنه بيضرب الفاتورة في 8 ويضيف 4.6 ثانية latency. مقال للمحترف بمثال صديقك المهندس للمبتدئ، تعريف علمي من ورقة Wei et al. 2022، كود Python شغّال على anthropic SDK مع نمط routing ذكي، أرقام مقاسة على 36,000 طلب شهريًا (الفاتورة من 396$ لـ 3,132$ ثم لـ 1,028$ بعد الـ routing)، 4 trade-offs خفية، ومتى الميزة دي بتضرّك بدل ما تفيد.
Evals للمحترف: ازاي تبني نظام تقييم لتطبيق Claude قبل Production
لو تطبيق Claude بتاعك بيشتغل تمام في الـ demo وبيكسر في الإنتاج، المشكلة مش في النموذج. المشكلة إنك مش قادر تقيس هل تعديل الـ prompt كده حسّن 14 حالة وخرّب 23 حالة تانية. مقال للمحترف بمثال مصحح الامتحانات للمبتدئ، تعريف علمي من ورقة OpenAI Evals وتوثيق Anthropic، كود Python شغّال على anthropic SDK 0.45+ بـ LLM-as-judge، أرقام مقاسة على dataset عربي 180 حالة (regression rate نزل من 18% لـ 2%)، 4 trade-offs خفية، ومتى Evals بتكون مضيعة وقت.
Reranking في RAG للمحترف: حل ضعف Vector Search برفع NDCG من 0.61 لـ 0.83
لو RAG عندك بيرجّع chunks "قريبة" من السؤال بس مش بتحتوي الإجابة الصح، Vector Search مش غلطان — هو بيقيس التشابه مش الصلة. Reranker بـ Cross-encoder بـ 12 سطر بيرفع NDCG@10 من 0.61 لـ 0.83 وبينزّل الـ hallucination 47% على Claude Sonnet 4.6. مقال للمحترف بمثال أمين المكتبة الأذكى للمبتدئ، تعريف علمي من ورقة Nogueira & Cho 2019، كود Python شغّال على Cohere rerank-v3.5 و BGE-reranker-v2-m3 محلي، أرقام مقاسة على corpus عربي بـ 14,200 chunk، 4 trade-offs حقيقية، ومتى Reranker بيكون مضيعة وقت ومال.