الذكاء الاصطناعي
مقالات عملية مرتبة حسب المجال والمستوى، اختر المجال المناسب واقرأ من مستوى مبتدئ إلى محترف.
Prompt Caching في Claude: ازاي توفّر 90% من فاتورة Tokens في تطبيقاتك
لو بتبعت لـ Claude prompt فيه 50K token system + RAG context كل request، إنت بتدفع 90% منهم بدون داعي. Prompt Caching بيخلّيك تخزّن الجزء الثابت لمدة 5 دقائق وتدفع 10% من سعره فقط في الـ requests التالية. مقال للمتوسط بمثال الفندق للمبتدئ، تعريف علمي للـ ephemeral KV cache، كود Python شغّال على anthropic SDK، أرقام مقاسة من إنتاج فعلي، 4 trade-offs حقيقية، ومتى لا تستخدم Prompt Caching أصلاً.
Structured Outputs للمتوسط: خلّي Claude يرجّع JSON صحيح 100% من المرة الأولى
لو بتطلب من Claude يرجّعلك JSON منظم في الـ prompt، 7-12% من الردود بترجع مكسورة في الإنتاج وبتكسر الـ pipeline بتاعك. الحل مش prompt أحسن، الحل تستخدم tool_use كـ schema enforcer. مقال للمتوسط بمثال السكرتير للمبتدئ، تعريف علمي للـ constrained decoding، كود Python شغّال على anthropic 0.40+، أرقام مقاسة على 8,400 طلب عربي (failure rate من 11.2% لـ 0%)، 4 trade-offs، ومتى استخدام JSON الحر يكفيك.
MCP للمتوسط: اربط Claude بأدواتك بدون integration code لكل أداة
لو فريقك بنى 12 tool integration لـ Claude في 6 شهور وكل أداة جديدة بتاخد يومين، إنت بتدفع ضعف الوقت اللي مفروض. شرح للمستوى المتوسط لبروتوكول MCP من Anthropic بمثال محوّل الكهرباء العالمي للمبتدئ، التعريف العلمي للـ JSON-RPC architecture، كود Python شغّال يبني MCP server لـ Jira في 28 سطر، أرقام مقاسة من إنتاج (يومين/أداة → 4 ساعات)، 4 trade-offs حقيقية، وحالات لا تستخدم MCP فيها أصلًا.
Extended Thinking في Claude للمتوسط: متى تستحق 5x التكلفة
لو Claude العادي بيحلّ 16% بس من مسائل AIME 24 وExtended Thinking بيرفعها لـ 61%، السؤال مش هل تفعّله — السؤال متى تدفع 5x التكلفة و8x الزمن. شرح للمتوسط بمثال طالب الامتحان للمبتدئ، تعريف علمي للـ thinking budget و reasoning tokens، كود Python شغّال على Anthropic SDK، أرقام مقاسة من AIME 24 و SWE-Bench و MATH-500، خمس trade-offs، وحالات لا تستخدم فيها التقنية أصلاً.
Chain-of-Thought Prompting للمبتدئ: ليه "فكر خطوة بخطوة" بترفع دقة LLM من 17% لـ 78%
لو سألت ChatGPT أو Claude مسألة فيها خطوتين حساب وطلعت غلط، المشكلة مش في الموديل. المشكلة إنك مطلبتش منه يفكر. كلمة واحدة في الـ prompt اسمها Chain-of-Thought بترفع الدقة على GSM8K من 17.7% لـ 78.7% حسب ورقة Wei et al. NeurIPS 2022. شرح للمبتدئ بمثال طالب الامتحان، تعريف علمي دقيق، كود Python شغّال على Anthropic SDK، أرقام مقاسة، 4 trade-offs، وحالات ما تستخدمش CoT فيها أصلاً.
KV Cache للمتوسط: ليه Context طويل في LLM بياكل GPU وازاي تقلله 4x
لو حاولت تشغّل Llama 3 70B على A100 80GB بـ 32K context وجاتلك CUDA OOM، المشكلة مش في وزن الموديل. المشكلة في الـ KV Cache اللي بيكبر خطيًا مع طول الـ context. مقال للمتوسط بمثال السكرتير، تعريف علمي للـ Key-Value matrices في self-attention، كود Python يقيس الاستهلاك فعليًا، أرقام مقاسة على Llama 3، أربع تقنيات تقليل (MQA, GQA, PagedAttention, KV Quantization)، 4 trade-offs، ومتى تتجاهل المشكلة دي أصلاً.
Batch API للمحترف: وفّر 50% من فاتورة Claude لو شغلك مش real-time
لو فاتورة Claude بتاعتك بتعدّي $1000 شهريًا و70% من شغلك تصنيف وتلخيص (مش رد فوري للمستخدم)، إنت بتدفع ضعف اللي مفروض. شرح كامل لـ Batch API بمثال شركة الشحن للمبتدئ، تعريف علمي دقيق، كود Python شغّال على anthropic SDK 0.40+، أرقام مقاسة (12K تذكرة عربية، $87 → $43.50)، 4 trade-offs حقيقية، ومتى لا تستخدم Batch API أصلاً.
هلوسة الموديلات للمبتدئ: ليه ChatGPT بيخترع حقائق وازاي توقفها
لو سألت ChatGPT عن ورقة بحثية ورجّعلك عنوان ومؤلفين ولينك، وبعدين دوّرت ما لقيتش الورقة، ده اسمه Hallucination. مقال للمبتدئ بمثال الطالب في الامتحان، تعريف علمي للـ probability distribution، 4 طرق عملية لتقليل الهلوسة 70%، أرقام من Vectara HHEM، كود Python شغّال على Anthropic SDK، ومتى الهلوسة بتبقى مفيدة فعلاً.
Tokenization للمبتدئ: ليه كلمة "استبشر" بتكلفك 5 توكنز في ChatGPT
لو فاتورة OpenAI عندك ضعف اللي توقعته رغم نفس عدد الـ requests، السبب غالبًا إن النص العربي بياكل توكنز 3-5 أضعاف الإنجليزي بسبب BPE Tokenization. مقال للمبتدئ بمثال آلة فرز العملة، تعريف علمي للـ Byte Pair Encoding من ورقة Sennrich 2016، كود tiktoken شغّال يقيس الفرق فعليًا (7 توكن إنجليزي مقابل 25 عربي)، أرقام من ورقة AraGPT2 و NeurIPS 2023، 4 trade-offs، ومتى متركّزش في الموضوع ده أصلاً.