إصدارتحليل · على الرادارTG: @ai_machinelearning_big_data (Machinelearning)→ المصدر

DeepSeek تكشف سبعة مطالبات لبناء أدوات تفاعلية من دون تطوير واجهة أمامية

نشرت DeepSeek سبعة مطالبات كاملة لوضع Harness Creator Mode، وهو وضع يبني أدوات تفاعلية مباشرة داخل التطبيق. وتشمل الأمثلة محرر فيديو بخط زمني، وعارضاً لملفات PDF العلمية، ونموذجاً ثلاثي الأبعاد لبنية Transformer، ولوحة لمراقبة النفقات. الفائدة العملية بسيطة: يستطيع المطور استخدام مطالبة جاهزة كنموذج أولي للمواصفات واختبار الواجهة بسرعة من دون البدء ببناء الواجهة الأمامية يدوياً.

معالج بواسطة الذكاء الاصطناعي من TG: @ai_machinelearning_big_data (Machinelearning)؛ بتحرير Hamidun News
DeepSeek تكشف سبعة مطالبات لبناء أدوات تفاعلية من دون تطوير واجهة أمامية
المصدر: TG: @ai_machinelearning_big_data (Machinelearning). كولاج: Hamidun News.
استمع للمقال
بطاقة الحقائق والأرقام
المعيارالتفاصيل
المصدر الأصليTG: @ai_machinelearning_big_data (Machinelearning) ↗
رئيس التحرير
حقيقة رئيسية #1المطالبات السبعة متاحة كاملة وقابلة للتكييف.
حقيقة رئيسية #2قد تحتاج الإضافات المعقدة إلى عدة جولات من التحسين.
حقيقة رئيسية #3هذه الطريقة مفيدة خصوصاً للنماذج الأولية السريعة للأدوات الداخلية.

غالباً ما تكون تكلفة واجهة أداة داخلية أعلى من تكلفة الفكرة نفسها. إذ يجب تقسيم الشاشة إلى مكونات، وإدارة الحالة، وربط الأزرار والجداول والرسوم البيانية، ثم تفسير سبب اختلاف النتيجة تماماً عما كان متصوراً للنموذج. تقترح DeepSeek اختصار هذا المسار: فقد نشرت الشركة سبعة مطالبات كاملة استُخدمت لإنشاء أدوات تفاعلية في Harness Creator Mode.

هذه ليست مجموعة أوامر من نوع «اجعلها جميلة». يصف كل مثال تطبيقاً مكتملاً، بدءاً من بنية الشاشة ووصولاً إلى سلوك العناصر المنفردة. وتكمن أهمية المجموعة أساساً في كونها حزمة من المواصفات العملية التي يمكن تحليلها وإعادة إنتاجها وتعديلها لتناسب منتجاً آخر.

ما الذي عرضته DeepSeek تحديداً؟

تتضمن المجموعة تصوراً ثلاثي الأبعاد لبنية Transformer. يستطيع المستخدم استعراض تركيب النموذج ورؤية كيفية ترابط وحداته الحسابية الرئيسية. ومن الأمثلة الأخرى محرر فيديو يضم خطاً زمنياً ونافذة معاينة وإمكانية التحكم في المونتاج عبر الدردشة. لم يعد الأمر مجرد عرض توضيحي للزينة، بل واجهة تحتوي على عدة مناطق وحالات مترابطة.

تنشئ مطالبة مستقلة عارضاً للأوراق العلمية. ويحافظ العارض على التنسيق الأصلي لملف PDF، ويتيح تحديد المقاطع وإضافة الملاحظات ومناقشة المستند مع النموذج. وتغطي ثلاثة أمثلة أخرى محرر ملصقات، ومعرضاً تفاعلياً للمعالم السياحية، ولوحة مراقبة. تعرض الأخيرة استهلاك الرموز، والتكلفة التقريبية للطلبات، والحمل على المعالج، وهو سيناريو مألوف لأي فريق يطلق وظائف تعتمد على نماذج LLM داخل منتجه.

هناك طريقة بسيطة لفهم قيمة المجموعة: تخيل أنك تحتاج إلى لوحة تحكم داخلية لخدمة ذكاء اصطناعي. بدلاً من تصميم نموذج واجهة من الصفر، يمكنك أخذ مطالبة المراقبة، واستبدال المؤشرات الأصلية بمؤشراتك، وحذف الكتل غير الضرورية، وإضافة الإجراءات المطلوبة. لن تحصل على نظام إنتاجي جاهز، بل على نموذج أولي عامل يمكن استخدامه بالفعل لاختبار بنية الشاشة وسيناريوهات المستخدم.

لماذا تعد هذه الطريقة أكثر فائدة من معرض تقليدي؟

نشرت DeepSeek المطالبات كاملة. ويتيح ذلك للمطور رؤية كيفية استخدام الكلمات لتحديد التخطيط والبيانات والتفاعلات والتسلسل البصري لواجهة معقدة. أما بالنسبة إلى فريق المنتج، فهي مادة جاهزة لإجراء تجربة: يمكنه بناء عدة نسخ من الأداة بسرعة واختبار أيها أوضح للمستخدمين.

تكون هذه الأمثلة مفيدة بوجه خاص للوحات الداخلية، والنماذج الأولية البحثية، والميزات التي لم تثبت قيمتها بعد. فإذا كان الفريق لا يعرف حتى الآن ما إذا كان العملاء يحتاجون إلى محرر بخط زمني، فمن المبكر تخصيص أسبوع لبناء واجهة أمامية متكاملة. تتيح الواجهة المولدة الوصول بسرعة أكبر إلى مناقشة سيناريو الاستخدام، بدلاً من الجدل النظري حول نموذج الواجهة.

لكن لا ينبغي التعامل مع المجموعة بوصفها بديلاً عن التطوير. تشير DeepSeek نفسها إلى أن بعض الإضافات احتاجت إلى عدة جولات من التحسين. وما زالت الحالات المعقدة، وتحميل البيانات الحقيقية، وصلاحيات الوصول، وحفظ التغييرات، والتصميم المتجاوب، ومعالجة الأخطاء تحتاج إلى الاختبار. فالشاشة الجميلة لا تضمن بعد موثوقية التطبيق.

ما الذي ينبغي فعله عملياً؟

لا تبدأ بالمثال الأكثر إبهاراً، بل بالمثال الأقرب إلى مهمتك. انسخ المطالبة، واستبدل مجالها بمجالك، واحتفظ بسيناريو مستخدم رئيسي واحد فقط. ثم اختبر ثلاثة أمور: هل تتغير حالة الواجهة بصورة صحيحة، وهل يمكن فهم الإجراءات من دون شرح، وهل يمكن ربط البيانات الحقيقية من دون إعادة بناء كاملة؟

لا تكمن قيمة مجموعة DeepSeek في التطبيقات السبعة المحددة، بل في طريقتها لوصف الواجهة باعتبارها مواصفات قابلة للتنفيذ. ويجدر بالفرق التي تبني بانتظام نماذج أولية ولوحات إدارية وأدوات ذكاء اصطناعي الاحتفاظ بها. لكن من الأفضل اعتبار النتيجة مسودة عملية أولى: فلن يتولى المولد نيابة عن الفريق معالجة البنية والأمان والحالات الحدية.

القصة

أسئلة وأجوبة حول الخبر

ما الذي عرضته DeepSeek تحديداً؟

تتضمن المجموعة تصوراً ثلاثي الأبعاد لبنية Transformer. يستطيع المستخدم استعراض تركيب النموذج ورؤية كيفية ترابط وحداته الحسابية الرئيسية. ومن الأمثلة الأخرى محرر فيديو يضم خطاً زمنياً ونافذة معاينة وإمكانية التحكم في المونتاج عبر الدردشة. لم يعد الأمر مجرد عرض توضيحي للزينة، بل واجهة تحتوي على عدة مناطق وحالات مترابطة. تنشئ مطالبة مستقلة عارضاً للأوراق العلمية. ويحافظ العارض على التنسيق الأصلي لملف PDF، ويتيح تحديد المقاطع وإضافة الملاحظات ومناقشة المستند مع النموذج.

لماذا تعد هذه الطريقة أكثر فائدة من معرض تقليدي؟

نشرت DeepSeek المطالبات كاملة. ويتيح ذلك للمطور رؤية كيفية استخدام الكلمات لتحديد التخطيط والبيانات والتفاعلات والتسلسل البصري لواجهة معقدة. أما بالنسبة إلى فريق المنتج، فهي مادة جاهزة لإجراء تجربة: يمكنه بناء عدة نسخ من الأداة بسرعة واختبار أيها أوضح للمستخدمين. تكون هذه الأمثلة مفيدة بوجه خاص للوحات الداخلية، والنماذج الأولية البحثية، والميزات التي لم تثبت قيمتها بعد. فإذا كان الفريق لا يعرف حتى الآن ما إذا كان العملاء يحتاجون إلى محرر بخط زمني، فمن المبكر تخصيص أسبوع لبناء واجهة أمامية متكاملة.

ما الذي ينبغي فعله عملياً؟

لا تبدأ بالمثال الأكثر إبهاراً، بل بالمثال الأقرب إلى مهمتك. انسخ المطالبة، واستبدل مجالها بمجالك، واحتفظ بسيناريو مستخدم رئيسي واحد فقط. ثم اختبر ثلاثة أمور: هل تتغير حالة الواجهة بصورة صحيحة، وهل يمكن فهم الإجراءات من دون شرح، وهل يمكن ربط البيانات الحقيقية من دون إعادة بناء كاملة؟ لا تكمن قيمة مجموعة DeepSeek في التطبيقات السبعة المحددة، بل في طريقتها لوصف الواجهة باعتبارها مواصفات قابلة للتنفيذ. ويجدر بالفرق التي تبني بانتظام نماذج أولية ولوحات إدارية وأدوات ذكاء اصطناعي الاحتفاظ بها.

ZK
جمال حميدون — مدير المنتجات في Alpina Digital ومدير منتج AlpinaGPT. يبني منتجات الذكاء الاصطناعي منذ 2019. بدأ Hamidun News كمشروع شخصي ثم أصبح مُجمِّعًا إنتاجيًا بأكثر من 6000 قارئ.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

Try Nomad AI →Launch Nomad Agent
ما رأيك؟
جارٍ تحميل التعليقات…