المدونة
مقالات عملية مرتبة حسب المجال والمستوى، اختر المجال المناسب واقرأ من مستوى مبتدئ إلى محترف.
Debounce و Throttle للمبتدئ: ليه search box بيرسل 87 طلب من كلمة واحدة
لو search box بتاعك بيرسل طلب لكل حرف بيكتبه المستخدم، تطبيقك بيدفع 9x من الـ bandwidth والـ DB بتسخن من غير سبب. Debounce و Throttle بـ 6 سطور JavaScript بيخفّضوا الطلبات 92%. مقال للمبتدئ بمثال حارس البنك، تعريف علمي دقيق، كود قابل للنسخ، أرقام مقاسة من إنتاج (4.1M طلب يومي → 66K، توفير $298 شهرياً)، 4 trade-offs حقيقية، ومتى لا تستخدم أي منهم.
Claude Vision API للمتوسط: استخرج بيانات منظمة من 500 إيصال عربي في 8 دقايق
لو شركتك بتدخل بيانات إيصالات يدويًا وTesseract بيرجع 58% دقة بس على الخط العربي، Claude Vision بيوصل 94% دقة بتكلفة 0.4 سنت للإيصال. مقال للمستوى المتوسط بمثال المترجم اللي معاه عينين للمبتدئ، تعريف علمي للـ vision-language transformer من ورقة CLIP وتوثيق Anthropic، كود Python شغّال على anthropic SDK 0.45+ مع base64، بنية asyncio.gather لمعالجة 500 إيصال متوازي، Tool Use كـ schema enforcer لضمان JSON صحيح 100%، أرقام مقاسة على إيصالات سوبر ماركت مصرية وسعودية، 4 trade-offs حقيقية، ومتى تفضّل Tesseract أو Qwen2-VL محلي.
Reranking للمتوسط: ليه RAG بتاعك بيرجّع نتايج غلط رغم الـ Embeddings
الـ Embeddings لوحدها بترجّع 61% precision في الـ RAG. لمّا تضيف Reranker بـ Cohere أو bge-reranker، الرقم بيقفز لـ 89%. مقال للمتوسط بمثال أمين المكتبة، تعريف علمي للفرق بين bi-encoder و cross-encoder، كود Python شغّال على Anthropic SDK + Cohere Rerank، أرقام مقاسة على 5,000 سؤال عربي، 4 trade-offs، ومتى لا تحتاج Reranking أصلًا.
AI Agents للمبتدئ: ايه الفرق بين Chatbot و Agent وامتى تستخدم انهي
لو سألت ChatGPT يبعت إيميل لعميل، هيقولك "مش قادر". الـ AI Agent بيفتح Gmail لوحده ويبعت. الفرق مش في الذكاء، الفرق في الصلاحيات. مقال للمبتدئ بمثال المساعد الإداري، تعريف علمي للـ ReAct loop من ورقة Yao 2023، كود Python شغّال على Anthropic SDK في 28 سطر، أرقام مقاسة على 4,200 تذكرة دعم عربية، 4 trade-offs، ومتى Agent مش الحل أصلاً.
Python Decorators للمحترف: ابني Audit Logging لـ 240 endpoint بسطر واحد فوق كل function
لو فريقك مكرّر 8 سطور لـ logging و auth في كل endpoint من 240 endpoint، انت بتدفع 1920 سطر boilerplate قابل يخبّي bugs. Python Decorators بتشيل الكلام ده بسطر واحد فوق كل function. مقال للمحترف بمثال حارس البنك للمبتدئ، تعريف علمي للـ higher-order functions و closures، كود FastAPI شغّال على Python 3.12 مع functools.wraps و contextvars، أرقام مقاسة من إنتاج (1920 سطر اتحوّلوا لـ 38 سطر)، 4 trade-offs حقيقية، ومتى Decorators بتبقى الاختيار الغلط أصلاً.
Helm Charts للمبتدئ: ادارة 30 ملف YAML بـ template واحد
لو عندك 4 microservices على Kubernetes وكل واحد بيتنشر في 3 بيئات (dev، staging، production)، يبقى عندك 36 ملف YAML بتعدّلهم يدوياً وكل deploy فيه فرصة 11% لـ typo بيكسر الـ cluster. Helm بيخلّي الـ 36 ملف يبقوا 4 templates + 3 ملفات values، يعني فرق 80% أقل ملفات وصفر typo بشري. مقال للمبتدئ بمثال مكتب طباعة الكروت، تعريف علمي للـ Go template engine، أوامر helm 3.14 شغّالة، أرقام مقاسة من فريق 6 مهندسين، 4 trade-offs حقيقية، ومتى لا تستخدم Helm أصلاً.
Skip List للمحترف: ازاي Redis ZSET بيرجّع top 100 من 10 مليون عنصر في 0.3ms
لو ZSET في Redis فيه 10 مليون عنصر وبترجّع top 100 في 0.3ms، الفضل لـ Skip List مش لشجرة متوازنة. شرح للمحترف بمثال قطار المترو للمبتدئ، تعريف علمي من ورقة Pugh 1990، كود Python في 50 سطر، أرقام مقاسة على Redis 7.2، 4 trade-offs حقيقية، ولماذا Salvatore اختار Skip List مش Red-Black Tree، مع المصادر الرسمية.
LLM-as-Judge للمحترف: قيّم 10,000 رد Claude بـ$15 بدل أسبوعين مراجعة بشرية
لو عندك تطبيق AI في إنتاج بيرد على آلاف المستخدمين يوميًا، التقييم اليدوي بيكلّفك أسبوعين شغل لكل 10K رد. LLM-as-Judge بيخلّي Claude يقيّم ردود AI تانية بتوافق 85% مع الإنسان، بكلفة أقل من 0.5%. مقال للمحترف بمثال لجنة التحكيم، تعريف علمي للـ rubric-based scoring من ورقة Zheng et al. NeurIPS 2023، كود Python شغّال على Anthropic SDK، أرقام مقاسة على 12,000 رد عربي، خمس trade-offs خفية، وحالات يفشل فيها التقييم الآلي تمامًا.
RAG للمبتدئ: خلّي Claude يجاوب من ملفاتك الخاصة بدون Fine-tuning
لو رفعت 200 PDF في الـ context window، السؤال الواحد بيكلّفك 14 دولار. RAG بيخلّي نفس السؤال بـ سنت ونصف. مقال للمبتدئ بمثال أمين المكتبة، تعريف علمي للـ vector embeddings و cosine similarity، كود Python شغّال على Anthropic SDK + pgvector في 40 سطر، أرقام مقاسة على 200 ملف PDF عربي (4.7M كلمة)، أربع trade-offs، ومتى RAG مش الحل الصح أصلاً.