المدونة
مقالات ودروس مجانية تساعدك في رحلتك التعليمية — من أساسيات البرمجة إلى أحدث التقنيات.
OpenAI Codex 10x للمطورين حتى 5 يونيو: قرارك قبل ما الموجة تنتهي
OpenAI رفعت حدود Codex 10 أضعاف لأكتر من 8,000 مطوّر لحد 5 يونيو 2026. القرار العملي مش "أسجل ولا لأ" — القرار "إزاي أستخدم الفترة دي بدون ما أتعلّق في tool لازم أدفع $200 شهرياً بعدها". مقال للمستوى المتوسط بمثال المطعم للمبتدئ، تعريف دقيق للفرق بين Codex Cloud و Codex CLI، أرقام محسوبة على Plus $20 (300-400 task مقابل 30-40 العادي)، 3 سيناريوهات قرار عملية، مقارنة Harness أمام Cursor وClaude Code (92% مقابل 77% على benchmark)، 4 trade-offs حقيقية، حالات لا تستخدمه فيها حتى مع 10x، ومصادر رسمية.
HTTP Cache Headers للمبتدئ: من 1.8 ثانية لـ 180ms في الزيارة الثانية
لو الزائر فتح موقعك مرتين في نفس اليوم وكل مرة بياخد 1.8 ثانية، انت بتدفع ضريبة شبكة من غير سبب. سطرين في الـ HTTP response headers بيخلّوا الزيارة الثانية تطلع في 180ms على نفس الكود. مقال للمبتدئ بمثال شنطة المدرسة، تعريف علمي من RFC 9111، إعداد NGINX و Express شغّال، أرقام مقاسة، 4 trade-offs حقيقية، ومتى ما تكاشّش أصلاً.
fetchpriority للمتوسط: حسّن LCP بسطر HTML واحد بدون CSS
صورة LCP candidate لو ما اتحطّش عليها fetchpriority=high بتنزل في الموجة الثانية مع باقي الصور غير المهمة. سطر HTML واحد بيخلّي LCP ينزل من 2.4 ثانية لـ 1.6 ثانية. مقال للمتوسط بمثال طابور الكاشير، تعريف علمي من HTML Living Standard، كود img و link rel=preload شغّال، أرقام مقاسة من Etsy وShopify، 4 trade-offs حقيقية، وحالات لا تستخدم فيها.
اعمل Pre-signed URLs لرفع الملفات على S3 — وفّر 90% من bandwidth السيرفر
لو endpoint رفع الفيديوهات بيخنق سيرفر التطبيق ويوقعه عند 5 مستخدمين متزامنين، المشكلة مش في حجم السيرفر. أنت بتمر الملف مرتين — مرة من المستخدم لسيرفرك، ومرة تانية من سيرفرك لـ S3. Pre-signed URLs بتلغي المرور الأوسط، توفّرلك 90% من الـ bandwidth، وتنزّل تكلفة Data Transfer من $108 لـ $0 شهريًا. مقال للمتوسط بمثال ساعي البريد للمبتدئ، شرح علمي للـ AWS Signature V4، كود Node.js شغّال على @aws-sdk/client-s3 v3.600+، أرقام مقاسة على 500 رفع يومي، 4 trade-offs حقيقية، الفخ الأمني الأكبر في Content-Type، ومتى لا تستخدمها أصلاً.
Extended Thinking في Claude للمتوسط: متى تستحق 5x التكلفة
لو Claude العادي بيحلّ 16% بس من مسائل AIME 24 وExtended Thinking بيرفعها لـ 61%، السؤال مش هل تفعّله — السؤال متى تدفع 5x التكلفة و8x الزمن. شرح للمتوسط بمثال طالب الامتحان للمبتدئ، تعريف علمي للـ thinking budget و reasoning tokens، كود Python شغّال على Anthropic SDK، أرقام مقاسة من AIME 24 و SWE-Bench و MATH-500، خمس trade-offs، وحالات لا تستخدم فيها التقنية أصلاً.
Chain-of-Thought Prompting للمبتدئ: ليه "فكر خطوة بخطوة" بترفع دقة LLM من 17% لـ 78%
لو سألت ChatGPT أو Claude مسألة فيها خطوتين حساب وطلعت غلط، المشكلة مش في الموديل. المشكلة إنك مطلبتش منه يفكر. كلمة واحدة في الـ prompt اسمها Chain-of-Thought بترفع الدقة على GSM8K من 17.7% لـ 78.7% حسب ورقة Wei et al. NeurIPS 2022. شرح للمبتدئ بمثال طالب الامتحان، تعريف علمي دقيق، كود Python شغّال على Anthropic SDK، أرقام مقاسة، 4 trade-offs، وحالات ما تستخدمش CoT فيها أصلاً.
أتمتة auto-merge لـ Dependabot: ادمج تحديثات الأمان لوحدها بدون كسر الإنتاج
Dependabot بيفتح 30-40 PR شهريًا، وفريق صغير ما يقدرش يراجعهم كلهم. هنا workflow GitHub Actions يدمج تحديثات patch و minor تلقائيًا لما الـ CI ينجح، ويوقف عند major. كود قابل للنسخ، أرقام مقاسة على ريبو فيه 412 dependency، 4 trade-offs، ومتى لا تستخدم الطريقة دي أصلًا.
OpenTelemetry للمتوسط: تتبّع طلب عبر 7 microservices في 12 دقيقة
دليل عملي لإعداد Distributed Tracing بـ OpenTelemetry على Node.js: مثال مكتب البريد للمبتدئ، تعريف علمي من مواصفة CNCF و W3C Trace Context، كود قابل للنسخ في 14 سطر، أرقام مقاسة من إنتاج (134 دقيقة → 3 دقائق لاكتشاف عنق الزجاجة)، 4 trade-offs حقيقية، وحالات لا تستخدمه فيها مع المصادر الرسمية.
WebAssembly للمبتدئ: ليه Figma بترسم مليون عنصر في تبويب متصفح بسرعة Photoshop
لو فتحت Figma على المتصفح وفوجئت إنه أسرع من برامج desktop كاملة، السبب مش في JavaScript ذكي. السبب تقنية اسمها WebAssembly بتشغّل كود Rust و C++ جنب الـ JS بسرعة قريبة من الـ native. مقال للمبتدئ بمثال المترجم في المؤتمر الدولي، تعريف علمي دقيق من W3C، كود Rust شغّال يتحوّل لـ wasm في 30 سطر، أرقام مقاسة من Figma و Photoshop Web و AutoCAD، 4 trade-offs، ومتى لا تستخدمه أصلاً.
KV Cache للمتوسط: ليه Context طويل في LLM بياكل GPU وازاي تقلله 4x
لو حاولت تشغّل Llama 3 70B على A100 80GB بـ 32K context وجاتلك CUDA OOM، المشكلة مش في وزن الموديل. المشكلة في الـ KV Cache اللي بيكبر خطيًا مع طول الـ context. مقال للمتوسط بمثال السكرتير، تعريف علمي للـ Key-Value matrices في self-attention، كود Python يقيس الاستهلاك فعليًا، أرقام مقاسة على Llama 3، أربع تقنيات تقليل (MQA, GQA, PagedAttention, KV Quantization)، 4 trade-offs، ومتى تتجاهل المشكلة دي أصلاً.