العمل المنشور

instagram · 2026-08-07

51% من مشتري البرامج يبدأون البحث في ⁦ChatGPT⁩ أو ⁦Claude⁩. أكثر من ⁦Google⁩. لفرق جذب الطلب، هذا معناه قمع مبيعات جديد. في ⁦Ahrefs⁩: 0.5% من الزيارات من البحث الذكي، لكن 12.1% من الاشتراكات. احفظ هذا. الرابط في البيو.

linkedin · 2026-08-07

تم تدقيق 30 خادم ⁦MCP.⁩ واحد فقط حصل على تقدير A في أمان ⁦OAuth.⁩ حتى شركاء إطلاق ⁦EMA⁩ يشحنون انتهاكات ⁦OAuth⁩: ⁦PKCE⁩ عادي (محظور منذ ⁦OAuth⁩ 2.1)، بيانات وصفية ⁦RFC⁩ 9728 مفقودة، مؤشرات موارد ⁦RFC⁩ 8707 غير مدعومة. بالنسبة للمطورين الذين يديرون خوادم ⁦OAuth⁩، هذا هو التدقيق الذي يجب أن تجريه. الانجراف غير مرئي: المواصفات تتغير، القيم الافتراضية تتقادم، المسار لا يتم إعادة فحصه أبداً حتى يحدث شيء ما. لا تزال بحاجة إلى معرفة تدفق ⁦OAuth⁩ الخاص بك بما يكفي لمطابقته مع فحوصات ⁦RFC.⁩ ليس هذا إصلاحاً بضغطة واحدة. ما آخر فحص ⁦RFC⁩ فشل على خادمك؟

linkedin · 2026-08-06

⁦OWASP⁩ الآن يصنف حقن الأوامر كأكبر خطر في قائمة أهم عشرة مخاطر لتطبيقات نماذج اللغة الكبيرة. معظم الإنفاق الأمني على الذكاء الاصطناعي لا يزال يحمي الطبقة الظاهرة فقط: التحقق من المدخلات، كشف محاولات الاختراق، الحماية على ما يكتبه المستخدم. حقن الأوامر يتجاوز هذا تماما. في 2023، أثبت باحثون هجمات على أنظمة الاسترجاع المعزز ⁦RAG⁩ بزرع تعليمات ضارة داخل مستندات مخزنة في قواعد معارف المؤسسات، تعليمات يسترجعها نظام ⁦AI⁩ لاحقا كسياق وينفذها كأنها كتبها مستخدم. في المؤسسات التي تربط أنظمة ⁦AI⁩ بمستودعات مستندات ضخمة، سطح الهجوم قد يمتد لملايين الملفات. لمن يبني أنظمة ذكاء اصطناعي متعددة المصادر، هذا ينقل محيط الأمان. المستند المسترجع مدخل، بنفس فئة نص المستخدم أو رد واجهة ⁦API⁩. اعتباره موثوقا بشكل افتراضي هو الثغرة. إذا كنت تدير نظام ذكاء اصطناعي متعدد المصادر في هذه المنطقة، يستحق مقارنة الملاحظات حول كيف تحدد ذلك المحيط.

instagram · 2026-08-05

⁦aicommits⁩ صار 5 مرات أسرع — من 71 ثانية إلى 13 على ⁦PR⁩ بـ 95 ملف. الفائدة الحقيقية إزالة عبء رسائل الكوميت من دورة الشحن. احفظه. الرابط في البايو.

instagram · 2026-08-04

1.6 مليار رمز شهرياً بين ⁦200+⁩ مزود في ⁦Claude Code⁩ (المصدر: ⁦last30days⁩). اختبر النماذج بلا قيود مزود. احفظ + الرابط في البيو.

instagram · 2026-08-04

نشر بـ 7 أمثلة للأتمتة حسب الصناعة حقق 232 ألف تفاعل. عندما تختار رسالة مختلفة لكل قطاع بدلاً من واحدة موحدة، تحقق النتائج. اختر قطاعك. احفظ + الرابط في السيرة الذاتية.

instagram · 2026-08-03

تقول ⁦Fish Audio⁩ إن ⁦S2.1 Pro⁩ ينشئ نسخة صوت طبيعية من تسجيل مدته قد تصل إلى 10 ثوان فقط. لمؤسسي الخليج، الصوت المعتمد الواحد صار يصلح لاختبار المحتوى بلغات متعددة قبل حجز يوم تسجيل كامل. احفظها وشاركها مع مسؤول المحتوى، والرابط في البايو. المصدر: ⁦https://fish.audio/?utm_source=x&utm_medium=organic_social&utm_campaign=s21pro_launch&utm_content=try_s21pro_free⁩

instagram · 2026-07-27

⁦Cloudflare⁩ راح يحكم على زواحف الذكاء الاصطناعي على أساس كل سلوكها، بداية من ⁦15 سبتمبر⁩. تحظر تدريب الذكاء الاصطناعي، وتنحظر معه بوتات مثل ⁦Googlebot⁩ كلياً، يستاهل تتأكد من إعداداتك إذا موقعك خلف ⁦Cloudflare⁩ وأنت مشغل بالخليج، حسب ملاحظات ⁦Cloudflare⁩ نفسها بنقاش على ⁦Hacker News⁩. احفظ هالبوست قبل ⁦15 سبتمبر⁩. التفاصيل كاملة وأشياء ثانية: الرابط بالبايو.

x · 2026-07-26

PentestingEverything just shipped v2.0.0. Open source pentesting knowledge base, 1.6k stars, covering 23 security domains: web, API, mobile, cloud, AD, OSINT, IoT, blockchain, wireless, network, infra, DevSecOps. Methodology, checklists, payloads, commands in one index. Free.

instagram · 2026-07-26

⁦Kimi K3⁩ بنى 4 عوالم ثلاثية الأبعاد قابلة للعب في عرض واحد. الخلاصة المفيدة للمؤسسين: صار عندك نموذج جديد يستحق الاختبار على واجهات المنتج، لأن جودة الواجهة والتفاعل تظهر بسرعة ولا تحتاج تنظير طويل. استخدم الكاروسيل كفحص سريع. المصدر: ⁦last30days://new-ai-tool-and-model-releases-this-month/2026-07-25⁩ احفظه لمراجعة أدوات الذكاء الاصطناعي القادمة. الرابط في البايو.

linkedin · 2026-07-26

قال ⁦Ethan Mollick⁩ إن ⁦Opus 5⁩ قدر يساوي أو يتفوق على أداء بمستوى ⁦Fable⁩ في المهام القصيرة، بينما بدا في المهام الأطول أقل طموحا وأقل اكتمالا. هذه هي النقطة المفيدة من تجربته المبكرة. ترقية النموذج قد تظهر قوية عندما تكون المهمة محددة، ثم تظهر حدودها عندما يحتاج العمل إلى مخرجات أوسع. للمؤسسين والمشغلين، الاختبار يبدأ من شكل المهمة قبل نقل سير العمل عليه. جرب الطريقة كما ظهرت في المصدر اليوم. أعط النموذج مهمة إبداعية قصيرة بهدف تشغيل واضح، مثل: ⁦create a visually interesting shader that can run in twigl-dot-app⁩. اجعل المهمة ضيقة حتى يظهر مستوى الجودة بسرعة. بعدها نفذ تمريرة تحسين واحدة بنفس الأمر المذكور في المصدر: ⁦Make it better⁩. راقب هل التحسين يرفع جودة العمل، أو يضيف زخرفة على المسودة الأولى فقط. في المهام الأطول، احكم على الاكتمال بشكل مستقل. ملاحظة ⁦Mollick⁩ تقول إن المهام الأطول بدت أقل طموحا وقدمت عملا أقل اكتمالا، لذلك نجاح المهمة القصيرة يبقى داخل حدوده. بالنسبة لمؤسس في الخليج، اختبار أدوات الذكاء الاصطناعي يصبح فحصا تشغيليا. السؤال هو أي مهمة يستطيع النظام حملها مع مستوى إشراف يمكن تحمله. مثال المصدر كان ⁦neo-gothic shader⁩ مولدا إجرائيا على ⁦twigl.app⁩، وهو محرر على الإنترنت لـ ⁦one-tweet shaders⁩ مع مولد ⁦gif⁩ أو ⁦webm⁩ و ⁦sound shader⁩. المصدر: ⁦Ethan Mollick⁩ على ⁦X⁩. إذا تختبر أدوات ذكاء اصطناعي هذا الأسبوع، أرسل لي سير العمل الذي تريد ضغطه واختباره.

instagram · 2026-07-25

⁦smtp-probe⁩ يفحص عناوين ⁦IP⁩ مقابل 29 قائمة حظر ⁦RBL⁩. لمشغل النظام في الخليج، ثقة البريد تحتاج فحصا واضحا قبل الاعتماد عليها في التسجيل أو التواصل الخارجي. المصدر: ⁦https://github.com/monto-fe/smtp-probe⁩. احفظها وشاركها، ثم ارجع للرابط في البايو: ⁦https://humoudalmunawer.vercel.app/⁩

linkedin · 2026-07-25

اختبرت ⁦Fireworks.ai⁩ نموذج ⁦Kimi K3⁩ مقابل ⁦Fable 5⁩ على حوالي ⁦1,000⁩ مهمة ⁦agentic⁩. الخلاصة العملية للبنائين واضحة: شغل الذكاء الاصطناعي الطويل يحتاج توجيه حسب نوع المهمة، لأن نموذجا واحدا قد يحمل جزءا كبيرا من الحلقة إذا كان القياس على مهام فعلية. استخدم هذا كنمط قياس قابل للتنفيذ. ابدأ بعائلة مهام تعرفها جيدا، مثل إصلاح أخطاء مستودعات حقيقية بأسلوب ⁦SWE-bench⁩. المصدر يضع هذه العائلة عند ⁦460⁩ مهمة، وهذا حجم يكشف سلوك النموذج عبر عمل برمجي واقعي. شغل النموذج المفتوح والنموذج المغلق على نفس شكل المهمة. المصدر قارن ⁦Kimi K3⁩ و ⁦Fable 5⁩ داخل حلقات ⁦agent⁩ حقيقية، ثم نظر إلى النموذج الأنسب لكل مهمة. عامل التوجيه كقرار منتج. تذكر ⁦Fireworks.ai⁩ أن ⁦oracle routing⁩ اختار ⁦K3⁩ في ⁦72-96%⁩ من المهام، وأن النتائج وصلت إلى فعالية تكلفة تقارب ⁦50X⁩ مقارنة باستخدام ⁦Fable⁩ وحده في الحلقات الطويلة. لمؤسس في الخليج، السؤال التشغيلي يصبح أوضح: أي المهام تستحق المسار الأعلى تكلفة، وأيها يمكن أن يمر عبر نموذج مفتوح أرخص مع قياس حوله؟ المصدر: ⁦https://fireworks.ai/blog/kimik3-fable⁩ ملاحظات أكثر عن أنظمة المؤسسين: ⁦https://humoudalmunawer.vercel.app/⁩

linkedin · 2026-07-24

تعديل من أربعة أسطر مع اختبار ناجح يبدو موافقة سهلة. لكن هذا المقياس الخطأ لترتيب الطلبات. مدونة ⁦GitHub⁩ الهندسية تستعرض مثالاً بسيطاً: إظهار حقل ⁦last_active_at⁩ الموجود أصلاً في الباك اند، على صفحة الإعدادات. الفريق يقضي أربعين دقيقة في نقاش داخل ثريد حوله. المقال يقول إن رجع التعديل بأربعة أسطر مع اختبار ناجح، نفّذه. لكن الحجم وحده لا يكشف التكلفة الحقيقية. إعادة هيكلة دالة مُختبرة جيداً غالباً رخيصة. تغيير سلوك الصلاحيات ليس رخيصاً مهما كان الديف نظيفاً. تغيير دلالات الاحتفاظ بالبيانات ليس رخيصاً أيضاً. تعديل يستغرق ساعتين قد يتحول لتشتيت أسبوعين كاملين إذا لمس الجزء الخطأ من النظام. فقبل أن يتحول الطلب لنقاش طويل في ثريد، رتّبه حسب ما يلمسه لا حسب عدد الأسطر. لطلب صغير منخفض المخاطر كهذا، طريقة المصدر للمحاولة المقيّدة: أصدر أصغر باتش ممكن، أبقه خلف الفيتشر فلاغ الموجود، لا تغيّر العقد العام، وأضف أو حدّث الاختبارات. هذا الإطار يحوّل نقاش الأربعين دقيقة لموافقة سريعة أو رفض واضح. المقال كاملاً: ⁦https://github.blog/engineering/the-cost-of-saying-yes-has-changed⁩

linkedin · 2026-07-23

⁦Docker⁩ ⁦sandboxes⁩ مجانية وسريعة الإعداد، وتحتوي جلسة وكيل البرمجة كاملة، وصانع المحتوى تحقق من مستويات العزل مباشرة مع فريق ⁦Docker⁩. هذا مهم لأن ⁦Claude Code⁩ و⁦Codex⁩ فيهما وضع ⁦"dangerously skip permissions"⁩، المعروف بـ⁦Yolo mode⁩، يخلي الوكيل ينفذ أي أمر بدون ما يسأل. بدون حاجز حوله، يوصل الوكيل لكل ملف ومجلد على الجهاز، يقدر يوقف العمليات الشغالة، يعدّل متغيرات البيئة، ويعدّل أو يحذف أي شي يلمسه. وإذا صار هجوم حقن أوامر (⁦prompt injection⁩) على نفس الإعداد، يقدر يسحب مفتاح ⁦API⁩ ويرسله مباشرة لرابط يتحكم فيه المهاجم. حط الوكيل داخل صندوق ⁦Docker⁩ قبل ما تبدأ الجلسة الجاية. في تجربة عرض تحت هذا الإعداد، الوكيل واجه فشل بالتصحيح فرجع نسخة قاعدة بيانات سابقة، ثم كتب نسخة جديدة، وحرّك البنية بنفسه. كان عمل نسخة احتياطية من القاعدة قبلها، وهذا اللي خلى الموقف قابل للتعافي. شرح كامل لمستويات العزل والإعداد: ⁦https://www.youtube.com/watch?v=zb2LyMro77M⁩

instagram · 2026-07-24

بوابة وحدة الحين توصل أكثر من ⁦200⁩ نموذج ذكاء اصطناعي بمهام مختلفة. بالنسبة للي يطورون، هذا يعني أكثر من ⁦200⁩ نموذج توصلها من مكان وحد. احفظ البوست قبل ما تبني. الرابط بالبايو.

instagram · 2026-07-23

⁦$3⁩ تدفعها مرة وحدة بس تجيب تطبيق ملاحظات اجتماعات بالذكاء الاصطناعي، بدون اشتراك شهري. تجيب مفاتيح ⁦API⁩ الخاصة فيك وتدفع بس على اللي تستخدمه، مو رسوم ثابتة كل شهر. احفظ المنشور. الرابط بالبايو.

instagram · 2026-07-20

⁦(chart)⁩ منتشر على ⁦Hacker News⁩ يقول إن نشاط ⁦StackOverflow⁩ انخفض ⁦99.41%⁩. الموقع اللي كل مطور كان يفتحه أول ما يعلق صار ما أحد يزوره تقريباً. احفظ البوست. التفاصيل كاملة بالكروت، الرابط بالبايو.

linkedin · 2026-07-18

⁦AI⁩ وكيل درّب عنكبوت افتراضي على تسلق الدرج. معيار النجاح: يوصل القمة 8 من 10 محاولات على الأقل. الوقت اللي أخذه الوصول لهذا المعيار مع ⁦Claude⁩ يقود الحلقة كاملة: حوالي 60 دقيقة. الرقم هذا أهم من العنكبوت نفسه. يبين كيف بناء بهدف واضح يقفل بسرعة لما تحط له نسبة نجاح صارمة بدل هدف غامض. الطريقة اللي وراه تتبع شكل من 5 أجزاء: ⁦TASK⁩، ⁦WHY⁩، ⁦OUTCOME⁩، ⁦CONSTRAINTS⁩، ⁦VERIFICATION⁩. اكتب المهمة والسبب أول شي عشان النموذج يعرف ليش النتيجة مهمة مو بس شكلها. حدد النتيجة والقيود بوضوح، وبعدها ثبّت اختبار تحقق لازم التشغيلة تجتازه قبل ما تعتبره منجز، وهنا هو 8 من 10 تسلقات للعنكبوت. جوه ⁦Claude Code⁩، أمر ⁦/goal⁩ يقدر يثبّت خطوة التحقق هذي مباشرة، بس الأمر يشتغل بهالبيئة بس ومو بأي مكان ثاني. استخدم نفس الشكل على أي بناء ما له علاقة بالعناكب. حدد نتيجة حقيقية، اكتب الأجزاء الـ5، حط نسبة نجاح رقمية لازم المخرج يجتازها، وخل الحلقة تشتغل لين تحققها. الشرح الكامل: ⁦https://www.sabrina.dev/p/6-insane-projects-to-learn-claude-fable-loop-engineering⁩

linkedin · 2026-07-19

أداة بايثون صغيرة اسمها ⁦model-routing-calculator⁩ تحسب كلفة توجيه مهام الذكاء الاصطناعي حسب المستوى بدل تشغيل كل شيء على النموذج الأعلى. مهمة تحتاج حكم وتخطيط، كلفتها المحسوبة تصل إلى ⁦63%⁩ من كلفة تشغيلها كاملة على النموذج الأعلى. مهمة طويلة بلا مراقبة مباشرة، كلفتها تنزل إلى ⁦46%⁩. هذا فرق حقيقي لأي بانٍ يشغل وركفلوهات وكلاء ويحط كل خطوة على أغلى نموذج بشكل افتراضي. الأداة تقسم العمل ثلاث مسارات. المهام العادية تروح مباشرة لنموذج متوسط. المهام التي تحتاج حكم، نموذج أعلى يخطط لها بمكالمة واحدة، بعدها نموذج متوسط ينفذها. المهام الطويلة بلا مراقبة، نموذج أعلى ينسق والتنفيذ يسويه وكلاء فرعيون بنموذج متوسط. شغّلها على قائمة مهامك الخاصة بالأمر ⁦python3 route.py examples/tasks.json⁩، وقبل ما تلمس ملفك تسوي فحص ذاتي مبني على ⁦assert⁩ لمنطق التوجيه والكلفة. الأداة بلا أي اعتمادات وبلا أي اتصال شبكة، بايثون 3 قياسية بالكامل، وجدول الأسعار في المثال أرقام افتراضية بالدولار لكل مليون رمز، وليست أسعار حقيقية لأي مزود، فعوّضها بأرقامك. الكود مرخّص ⁦MIT⁩ على ⁦GitHub⁩: ⁦https://github.com/Humoudideas77/model-routing-calculator⁩

linkedin · 2026-07-15

وصلت وكلاء برمجية إلى نسبة نجاح ⁦99%⁩ في مهام يدوية دقيقة، منها ⁦PushT⁩ وترتيب الدبابيس وقص الأربطة البلاستيكية. شغّلت ⁦Tencent⁩ نظام ⁦ARGUS⁩ لتصحيح الأخطاء على كلستر إنتاجي بأكثر من ⁦10,000⁩ وحدة ⁦GPU⁩ لمدة تتجاوز ستة أشهر، وتحقق منه عبر خمس دراسات حالة واقعية شملت تعطل الحوسبة وتدهور روابط الاتصال وتضخم فقاعات خط الأنابيب. اتسع البحث بالوكلاء مع العدد: ⁦8⁩ وكلاء متوازين وصلوا لحلول أعلى تقييماً بوقت أسرع من أعداد أقل. العدد ⁦8⁩ للوكلاء وحجم الكلستر مدخلان من عمليات إنتاجية فعلية. يمكن نقل الرقمين مباشرة إلى أي خط بحث وكلاء أو نظام تصحيح أخطاء مشابه. 1. استنسخ مستودع ⁦obra/superpowers⁩ من ⁦github.com/obra/superpowers⁩. الوصف: "⁦An agentic skills framework & software development methodology that works.⁩" ⁦254k⁩ نجمة، ⁦22.7k⁩ تفرع، ⁦153⁩ قضية مفتوحة، ⁦176⁩ طلب دمج مفتوح. 2. استنسخ مستودع ⁦sandman/agentic-playground⁩ من ⁦github.com/sandman/agentic-playground⁩. الوصف: "⁦Experiments on AI agents, frameworks, MCP etc.⁩" 3. اضبط عدد الوكلاء على ⁦8⁩ في أي خط بحث وكلاء؛ ⁦Import AI 463⁩ يذكر أن ⁦8⁩ وكلاء متوازين يصلون لحلول أعلى تقييماً بوقت أسرع من أعداد أقل. 4. جرّب سياسة مهام يدوية دقيقة على ⁦PushT⁩ وترتيب الدبابيس وقص الأربطة البلاستيكية؛ ⁦Import AI 463⁩ يذكر نسبة نجاح ⁦99%⁩ في هذه المهام. 5. رتّب أي وكيل تصحيح أخطاء إنتاج على طبقات ⁦ARGUS⁩ الثلاث: طبقة ⁦Python⁩ للجدولة وتحضير البيانات، وطبقة إطار العمل لتنظيم المراحل، وطبقة تشغيل ⁦GPU⁩ لتنفيذ النواة. المصدر الكامل: ⁦Import AI 463⁩، ⁦importai.substack.com/p/import-ai-463-self-improving-robots⁩.

instagram · 2026-07-14

انخفض وقت اختبارات ⁦CI⁩ من 14 دقيقة إلى 6 دقائق بعد اعتماد أحد الفرق أداة ⁦uv⁩ ⁦lock.⁩ ملف ⁦Docker⁩ في الإنتاج بقي يثبّت الحزم من ⁦requirements.txt⁩ عبر ⁦pip⁩، والفارق بين الملفين استمر 41 يوماً دون أن ينتبه أحد. ملف ⁦uv.lock⁩ يحدد ⁦httpx⁩ 0.27.2 و⁦httpcore⁩ 1.0.5. صورة ⁦Docker⁩ تحدد ⁦httpx⁩ 0.26.0 و⁦httpcore⁩ 0.18.0. خرجت عملية نشر يوم ثلاثاء الساعة 09:12. واجه الإنتاج خطأ ⁦ImportError.⁩ أول مسار فشل كان ⁦POST⁩ /⁦payments⁩/⁦capture⁩: المعامل ⁦httpx.Timeout⁩(⁦pool⁩=...) موجود فقط بدءاً من إصدار 0.27، والنسخة الأقدم في الإنتاج لم تتعرف عليه، ففشل الطلب. استمر التعطل 22 دقيقة. التراجع عن النشر استغرق 19 دقيقة، تأخر بسبب حد سجل ⁦argo⁩ وسحب الصور على أجهزة بطيئة. طابق ملف القفل مع صورة الإنتاج قبل أن يفعلها خطأ لاحق: 1. افتح ⁦uv.lock⁩ واقرأ الإصدارات المحددة فيه، هنا ⁦httpx⁩ 0.27.2 و⁦httpcore⁩ 1.0.5. 2. افتح ⁦Dockerfile⁩ الإنتاج وتحقق مما يثبّته فعلياً. هنا كان لا يزال يشغّل ⁦pip⁩ ⁦install⁩ -r ⁦requirements.txt⁩ بإصدارات ⁦httpx⁩ 0.26.0 و⁦httpcore⁩ 0.18.0. 3. أعد بناء ⁦Dockerfile⁩ ليثبّت من ⁦uv.lock⁩ بدل ⁦requirements.txt⁩ حتى يبقى الملفان متطابقين. 4. وثّق القرار كما فعل هذا الفريق في ⁦ADR⁩ #47: توحيد الاعتماد على ⁦uv⁩ في هذا المشروع. 5. طبّق نفس انضباط التثبيت في مشاريع أخرى، مثل مشروع خادم توثيق عبر ⁦MCP⁩ يثبّت ⁦mcp⁩ عند 1.2.0 فأعلى، و⁦rank-bm25⁩ عند 0.2.2 فأعلى، و⁦python⁩ عند 3.10 فأعلى. أرقام الإصدارات والجدول الزمني الكامل على البطاقات. احفظ المنشور قبل عمليتك القادمة للنشر. الرابط في البايو.

linkedin · 2026-07-14

⁦Salesforce⁩ خفّضت فريق خدمة العملاء بنحو 4,000 وظيفة، أكد ذلك الرئيس التنفيذي ⁦Marc Benioff⁩. وكلاء الذكاء الاصطناعي يتولون الآن نصف تفاعلات العملاء لديها، وتكاليف الدعم انخفضت 17% منذ بداية 2025. ⁦Adobe⁩ أتاحت منصة ⁦AEP Agent Orchestrator⁩ لعموم المستخدمين، وفيها ستة وكلاء ذكاء اصطناعي. ⁦Microsoft⁩ تحضّر ميزات تعاون جماعي بالذكاء الاصطناعي لـ⁦Copilot⁩ هذا الخريف. وضمن شراكة مع ⁦GSA⁩، تقدّم ⁦Microsoft⁩ أيضاً ⁦365 Copilot⁩ مجاناً للجهات الحكومية الفيدرالية لمدة تصل إلى 12 شهراً. نصف تفاعلات عملاء ⁦Salesforce⁩ تمر الآن عبر وكلاء ذكاء اصطناعي بتكلفة أقل، وهذا قائم اليوم. خطوات للتطبيق الآن: 1. راجع طابور خدمة العملاء عن التذاكر المتكررة قبل زيادة الموظفين. انخفاض تكاليف ⁦Salesforce⁩ بنسبة 17% جا من توجيه التذاكر لوكلاء الذكاء الاصطناعي بدل توظيف المزيد. 2. تعمل على ⁦Salesforce⁩ أصلاً؟ تأكد كم من تفاعلات الدعم يتولاها وكلاء الذكاء الاصطناعي حالياً قبل بناء بوت منفصل من الصفر. 3. ميزات ⁦Copilot⁩ التعاونية من ⁦Microsoft⁩ تصل هذا الخريف. حدد موعد مراجعة الآن حتى تجهّز مجموعة تجريبية قبل التوسع. 4. إذا كنت على منصة ⁦Adobe⁩، راجع الوكلاء الستة المدمجين في ⁦AEP Agent Orchestrator⁩ قبل تكليف عمل وكيل مخصص. قد يكون أحدهم كافياً للمهمة. 5. جهة حكومية فيدرالية أو متعاقد معها؟ ⁦Microsoft 365 Copilot⁩ مجاني لمدة تصل إلى 12 شهراً عبر شراكة ⁦GSA⁩. تأكد من الأهلية قبل الدفع مقابل بديل. التفاصيل الكاملة: ⁦https⁩://⁦tldrai.substack.com⁩/p/⁦googles-gemini-boosts-day-to-day⁩

instagram · 2026-07-18

قراءة الكاش في واجهة ⁦Claude⁩ البرمجية تكلف 10% بس من سعر توكن الإدخال العادي. وكتابة كاش جديد تكلف 25% أكثر، لكاش عمره 5 دقايق. هذي هي كل آلية عمل ⁦prompt caching⁩، حسب توثيق ⁦Anthropic⁩ الرسمي. تقنية ⁦prompt caching⁩ تعيد استخدام نفس بادئة الطلب الثابتة عبر الاستدعاءات، بدل ما تدفع السعر الكامل كل مرة. البادئة ممكن تكون ⁦system prompt⁩، تعريفات الأدوات، مستندات مرجعية، أو حتى صور. ⁦Anthropic⁩ تحاسبك على هالكتلة مرة وحدة بالسعر الكامل، وبعدها كل طلب يعيد استخدامها داخل نافذة الكاش يحسب بعشر التكلفة. الكاش الافتراضي عمره 5 دقايق ويتجدد مع كل استخدام داخل هالنافذة. فيه خيار كاش أطول لمدة ساعة، بضعف سعر الإدخال الأساسي. والترتيب مهم أيضا: الأدوات أول، بعدين ⁦system prompt⁩، بعدين الرسائل، وأي تعديل على كتلة سابقة يلغي كل الكتل اللي بعدها. والتفعيل ما يشتغل إلا فوق حد أدنى: 1024 توكن لـ ⁦Opus⁩ و⁦Sonnet⁩، و512 توكن لـ ⁦Fable 5⁩، وأي طلب أقصر يشتغل عادي من دون كاش ومن دون أي خطأ. هذا يهم أي وكيل يحمل ⁦system prompt⁩ كبير، أو ⁦chatbot⁩ يحمل محادثة طويلة، أو نظام ⁦RAG⁩ يستعلم نفس المستندات مرارا وتكرارا. كل ما كان السياق أكبر وأكثر تكرارا، كانت الوفرة أكبر، مقابل سطر إعداد وحد بس. وفيه طريقة تتأكد إذا اشتغل الكاش فعلا: كائن ⁦usage⁩ في رد الـ ⁦API⁩ يفصل عدد توكنات القراءة عن توكنات الكتابة الجديدة. خمس خطوات لتفعيلها موجودة على الكروت، منقولة مباشرة من توثيق ⁦Anthropic⁩. احفظ هذا المنشور قبل لا توصلك فاتورة ⁦LLM⁩ عالية. التفاصيل الكاملة في البايو.

instagram · 2026-07-13

خادمك يبدو معطلًا. ⁦SSH⁩ لا يستجيب، والمتصفح يدور، وأنت على وشك إعادة التشغيل. غالبًا الخادم سليم، والذي تغيّر هو القفل. مفاتيح ⁦Tailscale⁩ تنتهي صلاحيتها وحدها بعد مئة وثمانين يومًا، وهو إعداد أمان افتراضي. حين ينتهي مفتاح يسقط الجهاز من شبكتك، فيغيب ⁦SSH⁩ والموقع بينما يواصل الخادم عمله. زر واحد يمنع ذلك كله. فعّله يوم تضيف الخادم، قبل أي عطل بوقت طويل. طبّق على كل خادم تضيفه: 1. افتح لوحة ⁦Tailscale⁩ وابحث عن الجهاز. 2. افتح إعدادات مفتاحه وعطّل انتهاء صلاحية المفتاح لهذا الجهاز. 3. تحقّق أنه صار يعرض أن انتهاء الصلاحية معطّل ليبقى قابلًا للوصول. 4. محبوس بالفعل؟ ادخل عبر مسار خارج النطاق أولًا، وحدة إنقاذ من المزوّد، ثم بدّل الإعداد نفسه. 5. اجعلها عادة: عطّل الانتهاء لحظة إضافة الخادم لا يوم سقوطه. دليل ⁦Tailscale⁩ فيه المسار الدقيق. الشرح الكامل، الرابط في الوصف.

instagram · 2026-07-12

حدود كلود تُحتسب بالتوكنز لا بعدد الرسائل، والحل غالبًا في طريقة العمل لا في ترقية الخطة. فصّل روبن حسيد ودليل عملي على ⁦generativeai.pub⁩ هذا الأسبوع مصدر هذه الحدود: كلود يحاسب بالتوكنز، ويعمل ضمن نافذة متجددة مدتها خمس ساعات لا عند منتصف الليل، ويعيد قراءة المحادثة كاملة في كل دور. الخطوات العملية لتمديد أي خطة على البطاقات: موضوع واحد لكل محادثة، والتخطيط قبل التنفيذ، والتلخيص ثم بدء جلسة جديدة، وتوجيه العمل البسيط إلى ⁦Sonnet⁩ أو ⁦Haiku⁩ مع حفظ ⁦Opus⁩ أو ⁦Fable⁩ لما يحتاجها فعلًا. التفصيل الكامل، الرابط في الوصف: ⁦Ruben Hassid⁩ على إكس ودليل ⁦generativeai.pub⁩.

linkedin · 2026-07-13

استشارة واحدة من النموذج الأكبر حافظت على 92% من النتيجة مقابل 63% من التكلفة. الأرقام هي من اختبارات الاقتران التي نشرتها ⁦Anthropic⁩ وفصّلتها ⁦Allie K. Miller⁩ هذا الأسبوع. حين ينفذ ⁦Sonnet 5⁩ العمل ويستشير ⁦Fable 5⁩ مرة واحدة للتخطيط، فإن النتيجة هي 92% من أداء النموذج الكبير على ⁦SWE-bench Pro⁩. وحين يُعكس الترتيب فيوزّع الكبير العمل على وكلاء أصغر، يبقى الأداء عند 96% مقابل 46% من السعر. وفي الأسبوع نفسه أصدرت ⁦OpenAI⁩ عائلة ⁦GPT-5.6⁩ بثلاثة أحجام. توجيه المهام إلى الفئة المناسبة ما زال قراراً يدوياً، والترتيب خمس خطوات تكفيها جلسة واحدة: 1. اجرد مهام الأسبوع الماضي كما حدثت فعلاً: مراجعة طلبات الدمج، فرز تذاكر الدعم، المسودة الأولى للتقرير الأسبوعي، ملخصات الاجتماعات، استخراج بيانات الفواتير. صنّف كل مهمة: عمل يومي، أو عمل يحتاج حكماً، أو مهمة طويلة بلا مراقبة. 2. اجعل الفئة المتوسطة هي الافتراضية للعمل اليومي، مثل ⁦Sonnet 5⁩ أو ⁦Terra⁩. معظم الطلبات تقع هنا. 3. امنح المهمة التي تحتاج حكماً استشارة واحدة من الفئة الأعلى: النموذج الكبير يكتب الخطة أو يراجع النتيجة، والمتوسط ينفذ العمل. 4. اعكس الترتيب في المهام الطويلة: الكبير يقسّم العمل ويسلّم القطع لوكلاء أصغر ينفذونها. 5. أضف رابطي الاختبارين إلى جدول التكاليف وراجعهما شهرياً، فقد عدّلت الشركتان حدود الفئات خلال هذا الربع، والإعدادات الصحيحة ستتغير معها. الأرقام الكاملة: ⁦x.com/alliekmiller/status/2074903086259142710⁩ و ⁦oneusefulthing.org/p/the-twilight-of-the-chatbots⁩

التخزين المؤقت للموجّهات: قلّل كلفة الإدخال حتى ٩٠٪

سطر إعداد واحد يحوّل السياق الكبير المتكرّر من فاتورة بالسعر الكامل إلى عُشر الكلفة. إليك الآلية الدقيقة، والأرقام، وطريقة التفعيل.

انتهاء مفاتيح Tailscale: لا تُحبَس خارج خوادمك

العقدة التي ينتهي مفتاحها تسقط من شبكتك — وإن كانت هي الجهاز الذي تصل عبره لكل شيء، فأنت محبوس خارجها. للخوادم الدائمة، عطّل انتهاء المفتاح بقصد.

واجهة الدفعات: قلّل كلفة النماذج اللغوية ٥٠٪ للأعمال التي تحتمل الانتظار

أرسل الطلبات التي لا تحتاج ردًا فوريًا عبر واجهة الدفعات بدل الواجهة القياسية، ويكلّفك الطلب نفسه نصف السعر. إليك الآلية، والحدود، وأين تفيد أكثر.

Kimi K3 تفوّق على Fable 5 بالكلفة لا بالجهد

شغّلت Fireworks اختبار قياس بألف مهمة وكيلية يقارن نموذجًا مفتوحًا بآخر مغلق. نتيجة التوجيه أهمّ من فوز أي نموذج بمفرده.

حكومة بريطانيا قاست فجوة الذكاء الاصطناعي بين المفتوح والمغلق

اختبر AISI قدرات سيبرانية حقيقية على GLM-5.2 وDeepSeek-V4-Pro. الفجوة في المهام الضيقة صارت تُقاس بالأشهر لا بالفئات -- لكن اختبارًا ثانيًا يكشف أين لا تزال قائمة.