مطوّرة تقلّص سياق وكيل الذكاء الاصطناعي بنسبة 97–98%: 100 كيلوبايت إلى النموذج بدلًا من 4 ميغابايت
إذا سُلِّم وكيل ذكاء اصطناعي مشروعًا من 500 ملف كاملًا، يتضخم الـprompt إلى 4 ميغابايت: يبدأ النموذج باختلاق دوال غير موجودة ويصطدم بحد السياق. كتبت مطوّرة على Habr بلغتي PHP وSQL مرشِّحًا يختار مسبقًا من 10 إلى 20 ملفًا بحسب كلمات المهمة، ويرتّبها وفق تواتر الكلمات (TF-IDF). يصل إلى النموذج نحو 100 كيلوبايت بدلًا من 4 ميغابايت، أي بتقليص يبلغ 97–98%، ويستغرق البحث على فهرس جاهز 1,5–10 مللي ثانية. وفي الشيفرة البرمجية تكون الأسماء الدقيقة أكثر موثوقية من التضمينات (embeddings).
معالج بواسطة الذكاء الاصطناعي من Habr AI؛ بتحرير Hamidun News
إذا سُلِّم وكيل ذكاء اصطناعي مشروعًا من 500 ملف كاملًا، يتضخم الـprompt إلى عدة ميغابايتات. يبدأ النموذج باختلاق فئات ودوال غير موجودة، ويجيب ببطء، وأحيانًا يصطدم بحد نافذة السياق، فتذهب ميزانية الـAPI هدرًا. وقد حلّت صاحبة هذا التحليل على Habr، وهي مطوّرة، المشكلة دون قواعد بيانات متجهية ودون خدمات embedding مدفوعة. بنت وحدة صغيرة بلغة PHP وعلى SerenaDB تختار مسبقًا، بناءً على نص المهمة، من 10 إلى 20 ملفًا مطلوبًا. والنتيجة أن السياق تقلّص من نحو 4 ميغابايت إلى 100 كيلوبايت، أي بنسبة 97–98%.
كيف يعمل اختيار الملفات
تتلقى الوحدة جذر المشروع ونص المهمة، وتعيد قائمة بمسارات يمكن عرضها على النموذج دون حرج. لا توليد للشيفرة فيها ولا بحث «بالمعنى»، بل اختيار فقط. وكل شيء يعمل على معالج عادي.
تبدأ العملية بتقطيع الشيفرة إلى كلمات. تُقسَّم أسماء مثل ItemService وsigning_date إلى أجزائها: item وservice وsigning وdate. ويجب إجراء ذلك قبل التحويل إلى الأحرف الصغيرة، وإلا ضاعت حدود الكلمات في نمط camelCase. وتُستبعد الكلمات الخاصة باللغة (public وreturn وnull). أما الكلمات الروسية في المهمة فتمر عبر مُجذِّر (stemmer) خفيف يقتطع النهايات ويُبقي أساسًا لا يقل طوله عن أربعة أحرف.
بعد ذلك تُسجَّل في جدول علاقة «كلمة ← ملف ← عدد مرات الظهور». ويُحفظ كذلك حجم الملف ووقت تعديله، لذلك لا يُعاد عند التشغيل التالي سوى فهرسة الملفات الجديدة والمعدَّلة. ويُحتفظ بأول 30 كيلوبايت من المحتوى لاستخدامها لاحقًا في المقتطفات (snippets).
يجري الترتيب على طبقتين. تحسب الأولى SQL وفق مخطط TF-IDF. ببساطة، الكلمة التي ترد في ثلاثة ملفات من أصل خمسمئة تحمل وزنًا كبيرًا، أما الكلمة الموجودة في كل الملفات تقريبًا فلا قيمة لها تقريبًا. وتُخفَّف الملفات الضخمة بالقسمة على لوغاريتم الحجم، كي لا تتفوق لمجرد كبر حجمها. وتحسب الطبقة الثانية PHP. فهي تضيف مكافأة إذا وردت كلمة من المهمة في مسار الملف، وتطبّق معامل ضرب بحسب نوع الملف: وزن .php هو 1,0، والاختبارات 0,6، ووثائق .md هو 0,3. وإذا لم تقبل SerenaDB الدالتين LN وGREATEST، يُفعَّل وضع احتياطي يعتمد على مجموع بسيط للتواترات. وتُبيّن السجلات (logs) دائمًا أي وضع عمل.
لماذا لا متجهات ولا BM25
في الشيفرة البرمجية تلزم دوال وفئات ومتغيرات محددة، لا التقارب في المعنى، ولذلك تعمل المطابقات الدقيقة للمعرّفات بصورة أكثر قابلية للتوقع. يضاف إلى ذلك أن SerenaDB لا تدعم pgvector ولا بحثًا نصيًا كاملًا بمستوى مقبول. وثمة ميزة أخرى: النتيجة قابلة للتفسير. فيظهر لكل ملف أي الكلمات وبأي تواتر أوصلته إلى المراتب الأولى.
ونظرت المؤلفة أيضًا في BM25، وهو معيار الترتيب الشائع، لكنها استبعدته. والسبب الرئيس لا يكمن في الصيغة، بل في طبيعة المهمة نفسها. فـBM25 يحسّن الترتيب بين الملفات التي ترد فيها كلمات الاستعلام أصلًا، بينما كثيرًا ما لا يحتوي الملف المطلوب عليها إطلاقًا.
مثلًا: يُطلب «إصلاح مفاتيح DTO في العقود»، وفي ItemDto.php لا توجد كلمة «مفاتيح» ولا «إصلاح»، لأنهما لم تُضافا إليه بعد. ولا يرفع أي ترتيب قائم على المطابقات مثل هذا الملف.
هذا العمل تؤديه المصطلحات الدورية (كلمة «عقد» تضيف إلى الاستعلام الأسماء المرتبطة بها) ومكافأة المسار، وهما اللذان حققا الجزء الأكبر من التحسن. فضلًا عن ذلك، لا تملك المؤلفة عينة موسومة لضبط معاملات BM25، وتواترات الكلمات في الشيفرة المصدرية تتراوح عادة بين 3 و20، ولذلك لا يكاد تشبّع التواتر يعمل هناك.
الأرقام والقيود
في الواجهة الخلفية (backend) المؤلفة من ~500 ملف، تقلّص السياق المرسل إلى النموذج من ≈4 ميغابايت إلى 84–111 كيلوبايت، بينما كان الهدف ألا يتجاوز 150 كيلوبايت. ويستغرق البحث على فهرس دافئ 1,5–10 مللي ثانية، والفهرسة الأولى 8–30 ثانية (الوسيط 28). ولا توجد استدعاءات إلى embedding-API. وفي الواجهة الأمامية (frontend) المؤلفة من ~1200 ملف عبر Docker bind-mount، تستغرق المرحلة الأولى حتى 80 ثانية. ولا تحتسب المؤلفة زمن استجابة الـLLM نفسه، لأنه يتوقف على الـAPI الخارجي أكثر مما يتوقف على هذه الشيفرة.
وثمة قيود أيضًا. فالتحقق محدود: وقوع الملف المستهدف ضمن أول 7 نتائج أُثبت على حالة واحدة، لا على مجموعة موسومة من 10–20 مهمة. وقواعد الأدوار والمرادفات كُتبت لمجال محدد، وفي مشروع آخر سيلزم وضع قواعد خاصة به. ولا تعمل مكافأة المسار إلا إذا كانت أسماء الملفات ذات دلالة.
والخلاصة العملية بسيطة. قبل ربط قاعدة بيانات متجهية بوكيل للشيفرة، جرّبوا الخيار الرخيص: تقطيع الكلمات مع تقسيم camelCase، وTF-IDF في قاعدة SQL عادية، وقاموس مرادفات لمجالكم. هذا الخيار مجاني، ويفسّر كل قرار يتخذه، ويوفّر التوكنات في كل طلب. أما التضمينات فالأفضل إبقاؤها للمهام التي تحتاج فعلًا إلى بحث بالمعنى.
- 4 مارس 2026وكيل ذكاء اصطناعي لفحص المواصفات الفنية: لماذا نؤتمت ما يفشل يدويًا
- 11 أكتوبر 2026مطوّرة تنفق $9 000 على وكلاء الذكاء الاصطناعي وتطلق إضافة Crossweft
- 13 أكتوبر 2026«ياندكس» تفقد ثلاثة مراكز بيانات: الاستعادة تستغرق حتى ستة أشهر
- 22 أبريل 2026Allbirds تتحول إلى NewBird AI وتتجه إلى تأجير وحدات GPU بدلاً من الأحذية الرياضية
أسئلة وأجوبة حول الخبر
ما أبرز التفاصيل حول كيف يعمل اختيار الملفات؟
تتلقى الوحدة جذر المشروع ونص المهمة، وتعيد قائمة بمسارات يمكن عرضها على النموذج دون حرج. لا توليد للشيفرة فيها ولا بحث «بالمعنى»، بل اختيار فقط. وكل شيء يعمل على معالج عادي. تبدأ العملية بتقطيع الشيفرة إلى كلمات. تُقسَّم أسماء مثل ItemService وsigning_date إلى أجزائها: item وservice وsigning وdate. ويجب إجراء ذلك قبل التحويل إلى الأحرف الصغيرة، وإلا ضاعت حدود الكلمات في نمط camelCase. وتُستبعد الكلمات الخاصة باللغة (public وreturn وnull).
ما أبرز التفاصيل حول لماذا لا متجهات ولا BM25؟
في الشيفرة البرمجية تلزم دوال وفئات ومتغيرات محددة، لا التقارب في المعنى، ولذلك تعمل المطابقات الدقيقة للمعرّفات بصورة أكثر قابلية للتوقع. يضاف إلى ذلك أن SerenaDB لا تدعم pgvector ولا بحثًا نصيًا كاملًا بمستوى مقبول. وثمة ميزة أخرى: النتيجة قابلة للتفسير. فيظهر لكل ملف أي الكلمات وبأي تواتر أوصلته إلى المراتب الأولى. ونظرت المؤلفة أيضًا في BM25، وهو معيار الترتيب الشائع، لكنها استبعدته. والسبب الرئيس لا يكمن في الصيغة، بل في طبيعة المهمة نفسها.
ما أبرز التفاصيل حول الأرقام والقيود؟
في الواجهة الخلفية (backend) المؤلفة من ~500 ملف، تقلّص السياق المرسل إلى النموذج من ≈4 ميغابايت إلى 84–111 كيلوبايت، بينما كان الهدف ألا يتجاوز 150 كيلوبايت. ويستغرق البحث على فهرس دافئ 1,5–10 مللي ثانية، والفهرسة الأولى 8–30 ثانية (الوسيط 28). ولا توجد استدعاءات إلى embedding-API. وفي الواجهة الأمامية (frontend) المؤلفة من ~1200 ملف عبر Docker bind-mount، تستغرق المرحلة الأولى حتى 80 ثانية. ولا تحتسب المؤلفة زمن استجابة الـLLM نفسه، لأنه يتوقف على الـAPI الخارجي أكثر مما يتوقف على هذه الشيفرة. وثمة قيود أيضًا.
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.
أهم ما في عالم الذكاء الاصطناعي — مرة كل أسبوع
سبع قصص مهمة فعلاً هذا الأسبوع، مختارة بعناية. بلا ضجيج ولا بيانات صحفية.
تم! تحقق من بريدك للتأكيد.