مقالات عملية مرتبة حسب المجال والمستوى، اختر المجال المناسب واقرأ من مستوى مبتدئ إلى محترف.
لو سألت Claude أو GPT عن مرجع علمي وجابلك اسم باحث وعنوان ورقة ورقم DOI، وروحت تتأكد ولاقيت إن كل ده مش موجود، ده مش غلط في النموذج، ده Hallucination. مقال للمستوى المتوسط بمثال للمبتدئ، تعريف علمي، 3 طبقات حماية شغّالة بكود Python على Anthropic SDK، أرقام مقاسة من بحث Vectara HHEM، trade-offs، وحالات لازم تتركها فيها بدون منع.
لو تطبيقك بيكتب 1000 مفتاح في Redis في loop وبياخد 4 ثواني، Redis مش بطيء — الـ latency بياكل الأداء بين كل أمر والتاني. Pipelining بينزّل الزمن ده لـ 80ms على نفس السيرفر بسطر واحد. مقال للمستوى المتوسط بمثال السوبر ماركت، تعريف علمي دقيق، كود Python شغّال على redis-py، أرقام مقاسة فعليًا، trade-offs، وحالات ما تستخدمهوش فيها.
لو موقعك بيحمّل 4MB لكل صفحة منها 3.2MB صور JPEG غير مضغوطة، Lighthouse هيوقعلك score الـ Performance تحت 40. شرح للمستوى المتوسط لبناء خدمة Node.js تستقبل صورة، تنتج نسخ AVIF و WebP و JPEG ب 4 أحجام في 200ms، توفّر 78% من الحجم بدون فقد جودة محسوس. كود Sharp شغّال، أرقام مقاسة، trade-offs، ومتى لا تستخدمها.
لو endpoint عندك بيرد في 40ms على أول صفحة وبياخد 8 ثواني على الصفحة 10000، المشكلة مش الـ DB ولا الـ index. المشكلة إنك بتستخدم LIMIT OFFSET. مقال للمستوى المتوسط بمثال طابور المخبز، تعريف علمي دقيق لـ Keyset Pagination و B-tree seek، كود SQL وPython شغّال، أرقام مقاسة على PostgreSQL 16 لجدول 500K صف، trade-offs واضحة، وحالات لا تستخدمه فيها.
لو جدول الـ events عندك بقى 800 مليون صف وB-tree index على عمود created_at بياكل 2.4GB ولسه بياخد 9 ثواني في range query، المشكلة مش الـ I/O. المشكلة إنك بتدفع تكلفة index مش مناسب لطبيعة الداتا. BRIN index بيوفّر 99% من الحجم على نفس الجدول وبيخلي الاستعلام يتنفذ في 380ms — بشرط تفهم هو بيشتغل إزاي وإمتى لا يصلح.
لو جدول React بـ 10,000 صف بياخد 4 ثواني في أول رسم وكل scroll بيعلّق نص ثانية، المشكلة مش React. المشكلة إنك بترسم 60,000 عقدة DOM دفعة واحدة. List Virtualization بيخلي الـ DOM فيه 30 صف فقط ويحافظ على scrollbar صحيح. مقال للمستوى المتوسط بمثال السينما، تعريف علمي، كود react-window شغّال، أرقام قياس فعلية، trade-offs، وحالات لا تنفع فيها.
لو بتعمل lookup على قاعدة بيانات فيها مليار صف لكل request وبتدفع ثمنها latency و RAM، Bloom Filter بيقفلك 99% من الـ lookups دي قبل ما توصل للـ DB أصلاً، بـ 11 ميجابايت ذاكرة فقط. شرح للمستوى المتوسط بمثال حارس الحفلة، تعريف علمي، كود Python شغّال، أرقام مقاسة، trade-offs، ومتى لا تستخدمه.
لو بتغيّر prompt في تطبيق AI وبتختبره يدويًا على 5 أمثلة قبل الديبلوي، ده مش اختبار، ده تخمين. Evals بتحوّل التخمين لرقم مقاس. مقال للمستوى المتوسط بمثال امتحان الرخصة، تعريف علمي، كود Python شغّال على Anthropic SDK، أرقام قبل وبعد، trade-offs، وحالات ما تستخدمهاش.
لو عندك PDF كبير وعايز Claude يجاوب منه، Files API بيستبدل أسبوع شغل RAG بـ 4 سطور كود. مقال للمستوى المتوسط بمثال كاميرا المطار، تعريف علمي، كود Python شغّال على Anthropic SDK، أرقام تكلفة قبل وبعد، trade-offs، وحالات لا تستخدمه فيها.