الذكاء الاصطناعي
مقالات عملية مرتبة حسب المجال والمستوى، اختر المجال المناسب واقرأ من مستوى مبتدئ إلى محترف.
Embeddings للمبتدئ: ازاي الموديل بيفهم إن "كلب" أقرب لـ "قطة" من "سيارة"
لو سألت Claude أو ChatGPT عن "أفضل أكل للقطط" والموديل رجّعلك نتيجة فيها "هريرة" أو "قطة صغيرة" رغم إن السؤال ما فيهوش الكلمتين، ده شغل تقنية اسمها Embeddings. مقال للمبتدئ بمثال خريطة المدينة، تعريف علمي للـ vector space و cosine similarity، كود Python شغّال على sentence-transformers، أرقام مقاسة من إنتاج (recall@10 من 78% لـ 96%)، 4 trade-offs حقيقية، وحالات لا تستخدم فيها embeddings أصلاً.
Diffusion Models للمبتدئ: ازاي Stable Diffusion بيرسم صورة من 5 كلمات
لو فتحت Stable Diffusion وكتبت "قطة فضائية"، النتيجة بتطلع في 4 ثواني. ده مش سحر، ده Diffusion Models. شرح للمبتدئ بمثال فصل الصوت في غرفة مزعجة، تعريف علمي للـ noise prediction، كود Python شغّال على diffusers 0.27+، أرقام مقاسة من LAION-5B، 3 trade-offs، وحالات لا تستخدم فيها التقنية أصلًا.
Embeddings للمبتدئ: ازاي الكمبيوتر يفهم إن "قطة" و "هرّة" نفس الحاجة
لو سألت ChatGPT عن "هرّة" وفهم إنك بتسأل عن قطة، السبب مش سحر. السبب مفهوم اسمه Embeddings بيحوّل الكلام لأرقام في فضاء متعدد الأبعاد. مقال للمبتدئ بمثال خرايط جوجل، تعريف علمي للـ vector space، كود Python شغّال على sentence-transformers، أرقام مقاسة، trade-offs، ومتى لا تستخدمه.
Prompt Caching في Claude للمتوسط: وفّر 90% من تكلفة الـ system prompt الطويل
لو بتبعت لـ Claude نفس system prompt بـ 8000 توكن مع كل request، إنت بتدفع تكلفة التوكنز دي 1000 مرة في اليوم بدون داعي. Prompt Caching بيخلّيك تدفع 25% من السعر بس على أول request، و10% بس على الـ requests اللي بعدها لمدة 5 دقايق. شرح للمستوى المتوسط بمثال أمين المكتبة للمبتدئ، تعريف علمي دقيق من توثيق Anthropic، كود Python شغّال على anthropic SDK 0.40+، أرقام مقاسة على 1000 سؤال (89.9% توفير)، 4 trade-offs حقيقية، وحالات لا تستخدم Caching فيها.
Prompt Caching للمحترف في Claude: ازاي تقطع تكلفة الـ Input 90% وتسرّع الرد 4x
لو الـ agent بتاعك بيرسل system prompt حجمه 35 KB في كل طلب، الموديل بيقراه من الصفر وبتدفع كامل التوكنز. Prompt Caching بيحفظ الجزء الثابت على سيرفر Anthropic ويعيد استخدامه بسعر 10% وزمن TTFT أقل بـ 4x. مقال للمحترف بمثال الكاشير للمبتدئ، تعريف علمي للـ KV cache، كود Python شغّال على Anthropic SDK، أرقام مقاسة من إنتاج (88% انخفاض الفاتورة)، trade-offs الـ cache invalidation، وحالات لا يستحق فيها التفعيل.
Prompt Caching في Claude للمتوسط: وفّر 89% من فاتورة Anthropic بسطر cache_control
لو فاتورة Anthropic عندك بتعدّي $800 شهريًا وأكتر من 70% بتروح في إعادة إرسال نفس system prompt الطويل، Prompt Caching بسطر cache_control بينزّل الفاتورة لـ $80 على نفس الـ workload. مقال للمتوسط بمثال دروس المنهج للمبتدئ، تعريف علمي للـ KV cache و TTL، كود Python شغّال على Anthropic SDK 0.40+، أرقام مقاسة من workload 8000 request يومي، 4 trade-offs، ومتى لا تستخدمه.
Prompt Caching في Claude للمتوسط: نزّل فاتورة الـ system prompt 90% بسطر JSON واحد
لو تطبيقك بيبعت نفس الـ system prompt الطويل آلاف المرات يومياً لـ Claude، أنت بتدفع نفس التوكنز كل مرة من غير داعي. Prompt Caching بيخلّي Anthropic تخزّن البريفكس على سيرفرها وترجعه بـ 10% من السعر و80% أقل في زمن أول توكن. شرح للمتوسط بمثال مكتب البريد للمبتدئ، تعريف علمي لـ KV cache والـ ephemeral storage، كود Python شغّال على Anthropic SDK 0.40+، أرقام مقاسة من فاتورة 2000 request/يوم، الفرق بين 5-min و 1-hour cache، trade-offs الـ writes الزيادة والـ ordering، وحالات لا تستخدم فيها الـ caching أصلاً.
KV Cache و PagedAttention للمحترف: ليه vLLM بيخدم 8x طلبات أكتر
لو شغّلت Llama 3 70B على A100 80GB ولقيت السيرفر بيرفض الطلب رقم 16، الموديل مش هو اللي بياكل الذاكرة. KV Cache هو، وبيهدر 60-80% منها في تجزئة. PagedAttention في vLLM بترفع الإنتاجية 8x. مقال للمحترف بشرح علمي دقيق، كود vLLM 0.7+ شغّال، أرقام من ورقة Kwon et al. SOSP 2023.
Prompt Caching في Claude للمحترف: وفّر 90% من تكلفة الـ API و 6x من زمن الاستجابة
لو تطبيقك بيبعت نفس الـ system prompt الطويل مع كل request، أنت بتدفع 100% كل مرة بلا داعي. Prompt Caching بيقطع التكلفة لـ 10% والـ time-to-first-token من 2.1 ثانية لـ 0.32. مقال للمحترف بمثال الكاشير للمبتدئ، تعريف علمي للـ KV Cache Persistence، كود Python شغّال على Anthropic SDK، أرقام مقاسة من إنتاج 18,000 طلب يومي، 4 trade-offs حقيقية، وحالات لا تستخدمه فيها أصلاً.