المدونة
مقالات ودروس مجانية تساعدك في رحلتك التعليمية — من أساسيات البرمجة إلى أحدث التقنيات.
Contextual Retrieval للمحترف: قلّل فشل الاسترجاع 67% قبل Reranker
لو شغّلت Reranker على RAG عربي عندك ولسه precision@5 واقفة عند 71%، المشكلة مش في الـ reranker. المشكلة إن الـ chunk اللي صح أصلاً مش بين الـ top-20 اللي وصلت للـ reranker. Contextual Retrieval من Anthropic بيحقن سياق كل chunk قبل الـ embedding، فينزّل failed retrievals 35% بـ embeddings لوحدها، و49% بإضافة BM25، و67% لما تضيفلهم reranker. مقال للمحترف بمثال موظف الأرشيف، شرح علمي من Anthropic Research (Sept 2024) و Lewis 2020، كود Python في 34 سطر شغّال على anthropic SDK 0.49+ مع prompt caching، أرقام مقاسة على corpus عربي 11,400 chunk من تذاكر دعم fintech، 4 trade-offs خفية في التكلفة والـ latency والـ index size، ومتى الـ Contextual Retrieval overhead بدون فايدة.
Few-Shot Learning للمبتدئ: علّم Claude مهمة جديدة بـ 5 أمثلة بدون Fine-Tuning
لو محتاج Claude يصنّف تذاكر دعم بفئات شركتك أو يستخرج بيانات بصيغة محددة، fine-tuning مش الحل الأول. Few-Shot Learning بـ 5 أمثلة في الـ prompt بيرفع الدقة من 46.8% لـ 92.4% بدون أي تدريب. مقال للمبتدئ بمثال تعليم الطفل كلمة "شكراً"، شرح علمي من ورقة GPT-3 (Brown 2020)، كود Python في 28 سطر شغّال على anthropic SDK 0.49+ و Claude Sonnet 4.6، أرقام مقاسة على 600 تذكرة دعم عربية حقيقية، 4 trade-offs خفية بتظهر في الإنتاج، ومتى Few-Shot يبقى مضيعة tokens.
Vision API للمبتدئ: خلّي Claude يقرا فاتورة عربية ويستخرج 12 حقل بدقة 96.4%
لو شركتك بتقعد 4 ساعات يومياً تكتب بيانات 200 فاتورة في Excel، Claude Vision API بيستخرج 12 حقل (المبلغ، الضريبة، التاريخ، البائع) من فاتورة عربية ممسوحة ضوئياً في 3.7 ثانية بدقة 96.4% على عيّنة 1,200 فاتورة فعلية. مقال للمبتدئ بمثال المحاسب الجديد vs المحاسب الخبير، شرح علمي للفرق بين OCR التقليدي والـ multimodal LLM، كود Python في 25 سطر شغّال على anthropic SDK 0.49+ و Claude Sonnet 4.6، مقارنة كاملة مع Tesseract (61.2% دقة، $0 تكلفة)، 4 trade-offs خفية في التكلفة والـ latency والـ privacy، ومتى Vision API بيكون اختيار غلط.
Reranking للمتوسط: ارفع دقة RAG من 64% لـ 91% بـ Cohere Rerank في 38ms
لو RAG بتاعك بيرجّع نتائج صحيحة سيمانتيكياً بس مش الأنسب للسؤال، المشكلة في الـ bi-encoder. Reranking مع cross-encoder بيخلّي precision@5 يقفز من 64% لـ 91% على workload عربي. مقال للمتوسط بمثال أمين المكتبة للمبتدئ، شرح علمي من ورقة Nogueira & Cho 2019، كود Python في 19 سطر شغّال على cohere SDK 5.13+ و Cohere Rerank v3.5 multilingual، أرقام مقاسة على 1,400 سؤال دعم عربي فعلي (latency من 92ms لـ 130ms)، 4 trade-offs خفية، ومتى Reranking مضيعة وقت.
Prompt Caching في Claude للمتوسط: قلّل فاتورة الـ System Prompt 89% بسطر واحد
لو chatbot شركتك بيرسل system prompt حجمه 22,000 token مع كل سؤال، انت بتدفع $0.066 لكل طلب بدون داعي. Prompt Caching في Claude Sonnet 4.6 بيخلّي نفس الـ prefix يتكرر بـ 10% من السعر بعد أول مرة، وبسطر واحد إضافي. مقال للمتوسط بمثال موظف الاستقبال للمبتدئ، شرح الـ KV cache من Anthropic Docs، كود Python شغّال على anthropic SDK 0.49، أرقام مقاسة من fintech عربي بـ 1,240 طلب/يوم (التكلفة من $2,433 لـ $280 شهرياً، TTFT من 1,840ms لـ 280ms)، 4 trade-offs خفية، ومتى Caching بيكون قرار غلط.
PagedAttention للمحترف: ازاي vLLM بيخدم 2.7× طلب أكتر بنفس H100
لو بتشغّل Llama 3.1 70B على H100 وبتخدم 23 request متزامن بس قبل ما تقع في OOM، المشكلة مش في الـ GPU. 60-80% من ذاكرة KV cache بتضيع في fragmentation. PagedAttention بيستلف فكرة Virtual Memory من نظام التشغيل ويرفع الـ throughput لـ 2.7×. مقال للمحترف بمثال رفوف المكتبة للمبتدئ، شرح علمي من ورقة Kwon 2023 (UC Berkeley)، configuration vLLM شغّال، أرقام مقاسة (memory utilization من 20.4% لـ 96.3%)، 4 trade-offs خفية، ومتى PagedAttention يبقى overhead بدون فايدة.
Hallucinations في LLM للمبتدئ: امسك ردود Claude الغلط في 22 سطر
لو chatbot شركتك بيرد على عميل بمعلومة مخترعة بثقة كاملة، انت قدام أشهر مشكلة في LLM: الهلوسة. مقال للمبتدئ يشرح ليه النموذج بيخترع حقائق بمثال موظف الفندق، تعريف علمي من ورقة Ji et al. 2023، 3 أنواع شائعة، طبقة Validator بـ Claude Haiku 4.5 في 22 سطر Python بتنزّل نسبة الهلوسة من 11.4% لـ 1.6% على 850 سؤال دعم عربي حقيقي، 4 trade-offs، ومتى الـ Validator مبالغة هندسية.
AWQ Quantization للمحترف: Llama 70B على H100 واحدة بـ 35GB
سيرفر Llama 3.3 70B على 4×A100 بيكلّفك $11,820 شهرياً. AWQ INT4 quantization بينزّل الذاكرة من 140GB لـ 35GB، يخلّيك تشغّله على H100 واحدة بتكلفة 75% أقل. مقال للمحترف بمثال ضغط JPEG للمبتدئ، شرح علمي من ورقة Lin 2023 (MIT Han Lab)، configuration vLLM 0.6.4 شغّال، مقارنة AWQ vs GPTQ بأرقام Marlin kernel (10.9× speedup)، أرقام مقاسة على H100 (741 token/ثانية، MMLU-Pro retention 98.1%)، 4 trade-offs خفية بتظهر في الإنتاج، ومتى Quantization كارثة على الموديل.
Batch API في Claude للمتوسط: وفّر 50% لو شغلك مش real-time
لو بتبعت 50 ألف طلب شهرياً لـ Claude API علشان تترجم تذاكر دعم أو تلخّص PDFs، أنت بتدفع ضعف اللي محتاجه. Batch API بيخفّض الفاتورة 50% بشرط واحد: الرد ممكن يستنى ساعة بدل ثانية. مقال للمتوسط بمثال المطبعة للمبتدئ، كود Python شغّال على anthropic SDK 0.49+ و Claude Sonnet 4.6، حساب فعلي على workload عربي بـ 42K طلب شهرياً، 4 trade-offs خفية، ومتى Batch API بيكون قرار غلط.
مدونة أحمد حايس
💡
ملخص سريع
مدونة أحمد حايس تجيب عن أسئلة مثل كيف أتعلم البرمجة أو التكنولوجيا أو الذكاء الاصطناعي، وتحوّل المفاهيم التقنية إلى مقالات عربية عملية واضحة.