المدونة
مقالات عملية مرتبة حسب المجال والمستوى، اختر المجال المناسب واقرأ من مستوى مبتدئ إلى محترف.
Reranking للمحترف: ليه RAG بترجع نتيجة غلط رغم Embeddings ممتازة
لو الـ RAG بتاعك Recall@10 عنده 92% بس الإجابة الأولى غلط نص الوقت، المشكلة مش في الـ Embeddings. المشكلة إنك بتعتمد على bi-encoder لوحده وفايتك خط دفاع تاني اسمه Cross-encoder Reranking. مقال للمحترف بمثال لجنة التحكيم للمبتدئ، تعريف علمي للـ cross-attention، كود BGE-reranker شغّال، أرقام مقاسة من BEIR (NDCG@10 من 0.61 لـ 0.78)، 4 trade-offs، ومتى الـ reranker بيضرّك مش بينفعك.
Tail Latency للمحترف: ليه P99 يكسر 5% من مستخدميك
المتوسط بيخبّي الكارثة. لو الـ API بيرد في 80ms متوسط لكن P99 = 2400ms، فيه شريحة كاملة من مستخدميك بتعيش تجربة مكسورة. مقال للمحترف بمثال خط الإنتاج للمبتدئ، تعريف علمي للنسب المئوية من ورقة Dean و Barroso "The Tail at Scale"، كود k6 شغّال يقيس P50/P95/P99، أرقام مقاسة من service بـ 5000 RPS، 3 أسباب شائعة لارتفاع الذيل، trade-offs الـ hedged requests، ومتى لا تركّز على P99 أصلاً.
PostgreSQL Partitioning: حوّل query من 8 ثواني لـ 118ms بـ 4 سطور SQL
لو جدول events عندك بقى 218 مليون صف وquery على آخر 7 أيام بياخد 8 ثواني، Declarative Partitioning في PostgreSQL 16 بيخلي planner يقفز للـ partition المطلوب فقط فالاستعلام ينزل لـ 118ms. شرح للمستوى المحترف بمثال مكتبة المخازن، تعريف علمي دقيق، استراتيجيات RANGE وLIST وHASH، كود SQL شغّال، أرقام مقاسة، trade-offs، وحالات لا تستخدم فيها.
LLM-as-a-Judge للمحترف: قيّم 10,000 إجابة AI بـ $30 بدل $5,000
لو فريق الـ QA بيراجع 200 إجابة LLM في الأسبوع وعندك 10,000 إجابة يومياً، الـ coverage بتاعك 1.4% وأنت في الإنتاج بدون شبكة أمان. LLM-as-a-Judge بيقيّم العشرة آلاف كاملة في 3 ساعات بـ $30 والاتفاق مع المراجع البشري بيوصل 83%. مقال للمحترف بمثال مدرّس الإنشاء للمبتدئ، التعريف العلمي من ورقة Zheng et al. (NeurIPS 2023)، كود Python شغّال على Anthropic SDK مع pairwise مقاوم للـ position bias، أرقام مقاسة من 12,400 تذكرة دعم عربية، 4 trade-offs حقيقية، وحالات لا تستخدم فيها التقنية أصلاً.
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.
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.
KEDA للمحترف: scale Kafka Consumers من Lag بدل CPU
لو 8 microservices بتاكل 24 pod طول اليوم وفيهم 3 بس اللي عنده شغل وقت الذروة، بتدفع لـ idle بنسبة 60%+. KEDA بيربط عدد الـ pods بـ Kafka consumer lag مباشرةً، فبتدفع للشغل الحقيقي بس. شرح للمحترف بمثال العيادة للمبتدئ، تعريف علمي للـ ScaledObject، YAML شغّال على KEDA 2.13، أرقام إنتاج (70% توفير، 3x تحسّن في P99)، trade-offs الـ cold start و rebalance، ومتى لا تستخدم scale-to-zero أصلاً.
GIL في Python للمحترف: ليه threading مش بيسرّع كودك حتى مع 16 core
لو شغّلت 8 threads في Python على CPU بـ 16 core وفوجئت إن الكود ماتسرّعش بل بطئ، السبب اسمه Global Interpreter Lock. مقال للمحترف بمثال الميكروفون الواحد للمبتدئ، تعريف علمي دقيق لـ CPython وbytecode evaluation، كود Python 3.12 شغّال يقيس الفرق بين threading و multiprocessing، أرقام مقاسة فعلياً، نظرة على PEP 703 وفكرة free-threaded Python، trade-offs واضحة، وحالات يبقى فيها threading منطقي رغم الـ GIL.