التصنيف الرئيسي للمقالات التقنية: برمجة، ذكاء اصطناعي، DevOps، تحسين الأداء، أوتوميشن، وأخبار التكنولوجيا.
لو فتحت kubectl get pods ولقيت STATUS: OOMKilled قدامك، Kubernetes مش غلطان. هو نفّذ بالظبط الأرقام اللي انت كتبتها في الـ YAML. مقال للمبتدئ بمثال المطعم، شرح علمي للفرق بين requests و limits على cgroups v2، YAML Deployment شغّال على Kubernetes 1.30، أرقام مقاسة من cluster GKE بـ 18 microservice (14 OOMKilled/أسبوع → 0.3)، 4 trade-offs حقيقية، ومتى لا تحدد memory limit أصلًا.
لو موقعك بيحمّل 12 صورة JPEG على الصفحة الواحدة، إنت بتدفع 4.8MB من الـ bandwidth في كل زيارة. تحويل نفس الصور لـ WebP بينزّل الحجم لـ 1.9MB من غير فقدان جودة محسوس. مقال للمبتدئ بمثال شنطة السفر، تعريف علمي من Google، خطوات تحويل بـ cwebp، إعداد NGINX يخدم WebP مع fallback لـ JPEG، أرقام مقاسة، 4 trade-offs، ومتى ما تستخدمش WebP أصلاً.
لو الكود بتاعك بيشتغل تمام على بيانات الـ test وبيتعلّق في الإنتاج لمّا الـ DB تكبر، المشكلة مش في السيرفر. اسمها Time Complexity، و Big O Notation هو اللي بيقيسها. مقال للمبتدئ بمثال القاموس وتعريف علمي من Knuth 1976 وكود JavaScript على Node 22 بأرقام مقاسة (الفرق 2,786 ضعف بين O(n²) و O(n))، 3 trade-offs حقيقية، ومتى ما تركّزش على Big O أصلاً.
لو بتعمل بحث في موقعك بـ keywords، 60% من المستخدمين ميلاقوش اللي بيدوّروا عليه. الـ Embeddings بتحوّل المعنى نفسه لأرقام، فالجملتين المختلفتين شكلًا بيلاقوا بعض لو معناهم واحد. مقال للمبتدئ بمثال أمين المكتبة الذكي، تعريف علمي من ورقة Mikolov 2013 وتوثيق OpenAI، كود Python شغّال على text-embedding-3-small، أرقام مقاسة على جمل عربية، 4 trade-offs، ومتى لا تستخدم Embeddings أصلاً.
شرح Vector Embeddings للمبتدئ بمثال أمين المكتبة، تعريف علمي من ورقة Mikolov 2013، كود Python في 12 سطر على نموذج multilingual-e5، أرقام مقاسة من cosine similarity، 4 trade-offs حقيقية، ومتى لا تستخدم Embeddings.
لو بنيت chatbot على Claude في شغلك ولقيته بيخترع إجابات عن سياسات داخلية أو أكواد منتجات، المشكلة مش في النموذج، المشكلة إنه ما قراش وثائقك. مقال للمبتدئ يشرح RAG بمثال أمين المكتبة، تعريف علمي من ورقة Lewis et al. 2020، كود Python شغّال على Anthropic SDK + ChromaDB في 25 سطر، أرقام مقاسة من chatbot دعم فني عربي (الدقة من 31% لـ 89%، الـ hallucination من 47% لـ 4%)، 4 trade-offs حقيقية، ومتى ما تستخدمش RAG أصلاً.
لو سكربت Python بتاعك بيموت بـ MemoryError لما يجي يقرا ملف لوج 10GB، المشكلة مش في اللاب بتاعك. السبب إنك بتحمّل الملف كله مرة واحدة في الذاكرة بدل ما تقراه سطر ورا سطر. Generators بـ كلمة واحدة (yield) بتنزّل استهلاك الذاكرة من 8.7GB لـ 14MB ثابت. مقال للمبتدئ بمثال عامل فرن العيش، تعريف علمي من PEP 255، كود Python شغّال على 3.12، أرقام مقاسة على ملف CSV 8.4GB، 4 trade-offs، ومتى تختار list عادي بدل Generator.
لو Prometheus بيجمع metrics من 12 خدمة وانت بتفتح Grafana كل صباح ومش عارف تكتب أكتر من up{job="X"}، انت ضايع 90% من قيمة المراقبة. الـ 8 استعلامات اللي قدامك بتحوّل البيانات الخام لإجابات: نسبة الأخطاء، زمن الاستجابة P95، استهلاك CPU، Pod restarts. مقال للمبتدئ بمثال طبيب الباطنة، تعريف علمي من توثيق Prometheus، أمثلة شغّالة على Prometheus 2.50+، أرقام مقاسة من cluster بـ 24 خدمة (MTTD نزل من 38 دقيقة لـ 2.4 دقيقة)، 4 trade-offs، ومتى ما تكتبش PromQL وتستخدم قوالب جاهزة.
شرح للمبتدئ ازاي Tool Use في Claude بيخلّي النموذج يطلب تنفيذ functions في كودك ويستنّى النتيجة. مع مثال جرسون المطعم، تعريف علمي مأخوذ من ReAct (Yao et al. 2022) وتوثيق Anthropic، كود Python شغّال على anthropic SDK 0.45+ بيرجّع طقس فعلي، أرقام مقاسة على Claude Sonnet 4.6 (مايو 2026)، 3 trade-offs، ومتى Tool Use بيكلّفك زيادة من غير فايدة.