الذكاء الاصطناعي
مقالات عملية مرتبة حسب المجال والمستوى، اختر المجال المناسب واقرأ من مستوى مبتدئ إلى محترف.
PII Redaction للـ AI: نظّف بيانات العميل قبل ما تبعتها للنموذج
لو تطبيق AI عندك بيقرأ تذاكر دعم أو رسائل عملاء، لا تبعت البريد والهاتف والبطاقة للنموذج كما هي. المقال يشرح بوابة تنقية PII بمثال Python وقياس قبل وبعد.
Semantic Cache للـ AI: قلّل الردود المتكررة بدون ما تبوّظ الدقة
لو تطبيق AI عندك بيجاوب على أسئلة متشابهة طول اليوم، Semantic Cache ممكن يقلل زمن الرد والتكلفة. المقال يشرح الفكرة بمثال عملي وقياس قبل وبعد وحدود الاستخدام.
Temperature و Top-P بالعربي: ليه نفس البرومبت بيرجع إجابات مختلفة
لو نفس السؤال بيرجعلك إجابة مختلفة كل مرة من Claude أو GPT، ده مش عشوائية بدون قواعد، ده Temperature و Top-P. المقال يشرحهم بمثال للمبتدئ، التعريف العلمي الدقيق، كود Python شغّال على Anthropic SDK، أرقام قبل وبعد، وحالات ما تنفعش فيها كل قيمة.
Prompt Injection في وكلاء AI: اقفل الأدوات قبل البرومبت
لو وكيل AI عنده أدوات حقيقية، المشكلة مش إن البرومبت يتلخبط؛ المشكلة إن أداة خطرة تتنفذ بسبب نص غير موثوق. هنا بوابة صلاحيات عملية مع مثال Python وقياس قبل وبعد.
Reranking في RAG: قلّل التوكنز وارفع دقة الإجابة
لو نظام RAG بيرجع أجزاء كثيرة للنموذج، Reranking يخليك تبعت الأقل والأدق بدل ما تزود الـ context بلا قياس. المقال يشرح الفكرة بمثال Python وأرقام قبل وبعد.
Structured Outputs: خلي رد الـ AI يطلع JSON صالح كل مرة
لو تطبيقك بيتوقع JSON من نموذج AI، الاعتماد على prompt قوي بس هيفشل وقت الضغط. المقال يشرح Structured Outputs بعقد واضح، مثال Python، وأرقام before/after.
MCP بالعربي: إزاي توصّل Claude بأدواتك وقواعد بياناتك ببروتوكول واحد
الـ Model Context Protocol بقى المعيار الصناعي لتوصيل نماذج الذكاء الاصطناعي بأدواتك وبياناتك. مثال للمبتدئ، التعريف العلمي الدقيق، MCP server بـ 30 سطر Python شغّال، أرقام الفرق قبل وبعد، trade-offs، ومتى بالظبط ما تستخدموش — مع مصادر Anthropic الرسمية.
AI Evals بالعربي: ازاي تقيس فعلاً لو نموذج الذكاء الاصطناعي بتاعك شغّال
لو مفيش Evals عندك، أنت مش بتطوّر نموذج AI — أنت بتخمّن. هنا مثال بسيط للمبتدئ، تعريف علمي دقيق، كود Python شغّال يقيّم مخرجات Claude تلقائيًا، أرقام فعلية بـ before/after، وحالات ما تستخدمش فيها الـ LLM-as-judge.
الـ RAG بالعربي: إزاي تخلي الـ AI يجاوب من بياناتك بدل ما يخترع
الـ RAG بيخلي نماذج الذكاء الاصطناعي تجاوب من وثائقك أنت مش من ذاكرتها الداخلية، وده بيقضي على الـ hallucinations. هنا مثال للمبتدئ يشرح الفكرة، التعريف العلمي الدقيق، كود Python شغّال، أرقام مقارنة مع fine-tuning، وحالات ما تستخدمهوش فيها.