المدونة
مقالات ودروس مجانية تساعدك في رحلتك التعليمية — من أساسيات البرمجة إلى أحدث التقنيات.
اعمل OG Image Generator ديناميكي بـ Satori و Hono — صور سوشيال أوتوماتيكية لكل صفحة
دليل عملي للمستوى المتوسط لبناء خدمة OG Image دينامكية على Cloudflare Workers بـ Satori و Hono و resvg-wasm. تنتج صورة سوشيال فريدة لكل URL في 184ms بأقل من 100 سطر TypeScript، بدون متصفح ولا headless Chrome، وبصفر تكلفة على الـ free tier.
Message Batches API للمتوسط: نزّل فاتورة Claude 50% لو مش محتاج رد فوري
لو شركتك بتشغّل عشرات الآلاف من طلبات Claude شهريًا في تصنيف، ترجمة، أو استخراج بيانات، نص الفاتورة دي بيختفي بسطر كود واحد — بشرط إنك مش محتاج الرد في نفس الثانية. مقال للمتوسط بمثال المغسلة للمبتدئ، تعريف دقيق للفرق بين async العادي وMessage Batches، كود Python شغّال على anthropic SDK مع 10,000 مراجعة عربية، أرقام محسوبة من Anthropic Pricing مايو 2026، 5 trade-offs، ومتى ما تستخدمش الـ Batch أصلاً.
Distributed Lock بـ Redis Redlock للمحترف: امنع تكرار الـ Cron Job على 5 Workers في الإنتاج
لو عندك 5 workers بيشغّلوا نفس الـ scheduled job والـ DB بترجع duplicate emails 4 مرات في اليوم، Redlock بيحلّها في 90 سطر Node.js. مقال للمحترف بمثال مفتاح الحمام للمبتدئ، تحليل علمي لـ Redlock من ورقة antirez 2016 ونقد Martin Kleppmann، كود Production-grade على ioredis، أرقام مقاسة على 5 Redis nodes، 5 trade-offs خفية، وحالات Redlock فيها unsafe فعليًا.
Garbage Collection في JavaScript للمتوسط: ليه Node.js بياكل ذاكرة لحد ما يقع
لو Node.js بتاعك بيستهلك 280MB بعد ساعة وبيوصل 3.8GB بعد 8 ساعات بدون زيادة في الـ traffic، عندك memory leak. شرح للمتوسط للـ V8 Garbage Collector بمثال مكتب الموظفين للمبتدئ، 4 أنماط تسريب شائعة بكود قابل للنسخ، WeakMap و WeakRef لحلها، أرقام مقاسة من إنتاج، 4 trade-offs، ومتى ما تركّزش على الموضوع أصلاً.
Hallucination Detection للمتوسط: 3 تقنيات تكتشف 87% من إجابات Claude الغلط
لو تطبيقك بيرد بمعلومة غلط مرة كل 8 ردود، هتفقد ثقة 67% من المستخدمين خلال شهرين. مقال للمتوسط بمثال المحقق وشاهد الإثبات للمبتدئ، تعريف علمي لنوعَي الـ Hallucination من ورقة Ji et al. 2023، 3 تقنيات كشف بكود Python شغّال على Anthropic SDK (Self-Consistency Sampling، Verification Call، Source Attribution)، أرقام مقاسة على 2,400 سؤال عربي، 4 trade-offs، ومتى لا تستخدمها أصلاً.
B-tree vs LSM-tree للمحترف: ليه PostgreSQL بيكتب 78MB/s و RocksDB بيكتب 340MB/s على نفس SSD
لو شغّلت PostgreSQL و RocksDB على نفس Samsung 990 Pro NVMe، PostgreSQL بيكتب 78MB/s متواصل و RocksDB بيكتب 340MB/s. الفرق مش في تحسين الكود — الفرق في data structure مختلفة بالكلية. مقال للمحترف بمثال موظف الأرشيف للمبتدئ، تعريف علمي من ورقة Bayer 1972 و O'Neil 1996، benchmark شغّال بـ pgbench و db_bench، أرقام مقاسة، 4 trade-offs (write/read/space amplification + tail latency)، ومتى لا تستخدم أي منهما أصلاً.
eBPF للمبتدئ: شوف كل syscall على السيرفر بدون تعديل سطر كود
eBPF بيخلّيك تشوف كل system call ومتابعة الـ packets جوّا الـ Linux kernel بـ overhead أقل من 2%، بدون ما تنزّل agent ولا تعدّل كودك. مقال للمبتدئ بمثال كاميرا المطعم، تعريف علمي للـ eBPF VM والـ verifier من توثيق kernel.org و ebpf.io، أمر bpftrace شغّال على Ubuntu 22.04+ بيرصد كل openat() syscall لحظة بلحظة، أرقام إنتاج من Netflix وCilium، 4 trade-offs حقيقية، وحالات eBPF مش الحل الصح فيها.
Pre-commit Hooks بـ Husky و lint-staged للمبتدئ: امنع 90% من bugs قبل ما تعمل push
لو فريقك بيكتشف أخطاء lint و prettier بعد ما الكود يوصل GitHub، CI بيفشل بعد 4 دقايق وبتعيد الـ commit من الأول. Pre-commit Hook بـ Husky 9 و lint-staged 15 بيشغّل الفحوصات قبل ما الـ commit يخلص أصلاً، ويرفض الكود الناقص في 1.8 ثانية على ملفاتك المعدّلة فقط. شرح للمبتدئ بمثال بوّاب البناية، تعريف علمي للـ Git Hooks من توثيق Git الرسمي، خطوات تركيب قابلة للنسخ على Node.js 20+، أرقام مقاسة من فريق 7 مطورين (CI failure rate من 31% لـ 4%)، 4 trade-offs، ومتى لا تستخدمها أصلاً.
Diffusion Models للمبتدئ: ازاي Stable Diffusion بيرسم من نص — وليه استبدل GAN
Stable Diffusion ومنافسيه مش بيرسموا — بيشيلوا نويز. شرح للمبتدئ بمثال النحات، تعريف علمي للـ forward/reverse diffusion من ورقة Ho et al. 2020، كود Python شغّال على diffusers في 28 سطر، أرقام مقاسة على RTX 4090، 4 trade-offs مقابل GAN، ومتى Diffusion مش الحل أصلاً.
Reranking في RAG للمحترف: ليه dense retrieval وحده بيرجع 41% نتايج غلط — والحل في 50 سطر
لو RAG بتاعك بيرجع وثيقة بـ cosine similarity = 0.91 وبتلاقي الإجابة الصح في وثيقة تانية بـ 0.78، المشكلة مش في الـ embeddings — المشكلة إنك بتعتمد على مرحلة retrieval واحدة. Cross-encoder reranker بيرفع NDCG@10 من 0.62 لـ 0.89 على dataset عربي، وبيلغي 41% من الـ false positives مقابل زيادة latency 83ms في الـ P50. مقال للمحترف بمثال شراء الشقة للمبتدئ، تعريف علمي للفرق بين Bi-encoder و Cross-encoder من ورقة Sentence-BERT و Nogueira & Cho، كود Python شغّال على sentence-transformers + Qdrant + Anthropic SDK، أرقام مقاسة على 12,400 وثيقة عربية و 850 سؤال gold-labeled، 4 trade-offs حقيقية، ومتى يبقى الـ rerank مضيعة وقت أصلاً.