ورشة مجانية 21–22.11ورشة مجانية لمدة يومين في Vibecoding يومي 21–22 نوفمبر الساعة 16:00 بتوقيت موسكو · الدفعة 3 تبدأ 23.11سجّل مجاناً ←الدفعة 3 (23.11)
إصداركود / SDK · جاهز للعملHabr AI→ المصدر

مطوّر يبني وكيل ذكاء اصطناعي للبريد: نص وصورة وصوت عبر مفتاح API واحد

كي يساعد وكيل الذكاء الاصطناعي في البريد فعلًا، يحتاج إلى ثلاثة نماذج: الأول يقرأ الرسائل والصور، والثاني يتعرّف على الكلام، والثالث ينطق الردود. ولكل نموذج منها عادةً حساب ودفع منفصلان. ربط مؤلف AI Inbox، المبني على FastAPI وOpenAI Agents SDK، النماذج الثلاثة بمفتاح واحد. يمكنك تصوير فاتورة، فينشئ الوكيل مهمة بموعد نهائي استنادًا إليها. ولاستخدام الحل في مشاريعك الخاصة يكفي تغيير base_url ومعرّفات النماذج في ملف .env.

معالج بواسطة الذكاء الاصطناعي من Habr AI؛ بتحرير Hamidun News
مطوّر يبني وكيل ذكاء اصطناعي للبريد: نص وصورة وصوت عبر مفتاح API واحد
المصدر: Habr AI. كولاج: Hamidun News.
استمع للمقال
بطاقة الحقائق والأرقام
المعيارالتفاصيل
المصدر الأصليHabr AI ↗
رئيس التحرير
ثلاثة أدوارLLM للنص والصور، وASR للكلام، وTTS للنطق
طلب اختبار عبر curl154 رمزًا مدخلًا و125 رمزًا مخرجًا، بإجمالي 279
حقيقة رئيسية #3لا يُرسل البريد إلا بعد تأكيد منفصل للمسودة

تخيّل أنك تريد بناء مساعد ذكاء اصطناعي للبريد لا يكتفي بالدردشة، بل ينجز المهام: يقرأ الرسائل، ويعدّ الملخصات، وينشئ المهام. وإذا أضفت إلى ذلك الصور والصوت، يتبيّن سريعًا أنك تحتاج إلى ثلاثة نماذج مختلفة: الأول للنصوص والصور واستدعاء الأدوات، والثاني للتعرّف على الكلام (ASR)، والثالث لتحويل النص إلى كلام منطوق (TTS). وعادةً يكون لكل نموذج منها وصول خاص ودفع خاص وإعدادات خاصة. أوضح كاتب المقال على Habr كيف يُبنى تطبيق من هذا النوع، وهو AI Inbox، وكيف تُربط النماذج الثلاثة كلها عبر مزوّد واحد: بمفتاح واحد ورصيد واحد. فمثلًا، يمكنك رفع صورة فاتورة وطلب نقل بياناتها إلى مهمة، فينفّذ الوكيل ذلك بنفسه. وبالنسبة للمطوّر، هذا هيكل جاهز لوكيل مزوّد بأدوات، ويسهل نقله إلى مهام أخرى.

ثلاثة نماذج، ومفتاح واحد

يعتمد AI Inbox على FastAPI وOpenAI Agents SDK، مع واجهة ويب وقاعدة بيانات SQLite. يقرأ الوكيل الرسائل، ويعدّ ملخصات لها، وينشئ مهامّ بمواعيد نهائية، ويجهّز الردود. يعمل التطبيق محليًا، بينما تذهب الطلبات الموجّهة إلى النماذج إلى السحابة.

ربط المؤلف النماذج الثلاثة كلها عبر المجمّع AnyModel الذي يوفّر واجهة API متوافقة مع OpenAI. كان يبحث عن وصول يمكن الدفع مقابله من روسيا ويُستخدم دون VPN منفصل لكل API. ويُشحن الرصيد ببطاقة روسية أو عبر SBP أو بالعملات المشفرة، وتعرض لوحة الحساب الإنفاق حسب النموذج وعدد الرموز المدخلة والمخرجة. وهذا مناسب حين تكتفي بالتجريب وتراقب التكلفة.

وتبدو الحزمة على النحو التالي: cx/gpt-6.1-terra يدير الحوار ويعدّ ملخصات الرسائل ويستخرج البيانات من الصور، وdg/nova-3 يتعرّف على الكلام، وanyvoice/builtin-7 ينطق الردود. ولا توجد أداة منفصلة للتعرّف على النص في اللقطات، فالـLLM نفسه يستخرج البيانات من الصور. في الإعدادات لا يتغيّر سوى BASE_URL والمفتاح MAIN_KEY ومعرّفات LLM_MODEL وASR_MODEL وTTS_MODEL. أما للكلام فتُستخدم المسارات /audio/transcriptions و/audio/speech، مع المفتاح نفسه والعنوان الأساسي نفسه.

يشترط المؤلف أن دعم الأدوات والصور والاستجابات المتدفقة يتوقف على النموذج المختار والمسار. ويستحسن اختبار السيناريوهات على أمثلتك الخاصة قبل ربطها بالتطبيق. وأظهر طلب تحقق عبر curl أن المصادقة تعمل: أعاد الخادم finish_reason بقيمة «stop»، مع 154 رمزًا مدخلًا و125 رمزًا مخرجًا، بإجمالي 279.

ما يستطيع الوكيل فعله عمليًا

صورة الفاتورة: ترفع اللقطة وتطلب إنشاء مهمة بالبيانات المستخرجة من المستند. الصوت: تُملي أمرًا، فيتعرّف التطبيق على الكلام ويعرض أولًا النص الذي يمكنك مراجعته وتحريره، ثم يرسله إلى الوكيل. النطق: يمكن الاستماع إلى الردود وملخصات الرسائل غير المقروءة والمهام المفتوحة مباشرة في المتصفح.

ولتجهيز رسالة، يطلب التطبيق من النموذج JSON يحتوي على الموضوع والنص، ثم يتحقق بشكل منفصل من بنيته وقيمه. بهذه الطريقة لا تمرّ استجابة النموذج إلى الخطوة التالية دون التحقق من صيغتها.

الأمان والقيود

أكثر ما يلفت في هذه البنية هو طريقة التعامل مع الإجراءات التي لا رجعة فيها. يربط المؤلف إرسال الرسالة بنسخة محددة من المسودة وبتأكيد منفصل من المستخدم. وإذا عُدّل النص بعد المراجعة، فلن ينطبق التأكيد عليه. وللبريد يُستخدم IMAP (للقراءة) وSMTP (للإرسال) مع كلمة مرور منفصلة للتطبيقات الخارجية. ولا يستخدم هذه الكلمة سوى الجزء الخادمي، بينما يصل الوكيل إلى البريد عبر الأدوات، ولا حاجة إلى تمرير كلمة المرور في الدردشة.

والدخول إلى AI Inbox نفسه محمي باسم مستخدم وكلمة مرور منفصلين، وتُوقَّع رموز الدخول بالسر JWT_SECRET_KEY بطول لا يقل عن 32 بايت. أما كلمات المرور والمفاتيح فتُخزَّن في ملف .env محلي مستثنى من Git.

ويذكر المؤلف القيود صراحةً. فالتطبيق مصمَّم لمالك واحد، ولا يوجد تسجيل للمستخدمين. ويعمل بعملية واحدة: لا تُستخدم في هذه النسخة عدة workers ولا --reload، لأن الجدولة وحالة الطلبات المتدفقة مصمّمتان لعملية واحدة. وقد اختير الوصول الكامل لصندوق Mail.ru التجريبي، ولذلك ينبغي تقييد الصلاحيات في المشاريع الفعلية.

ثُبِّت كود المشروع عند النسخة 90f0838، بحيث يمكن إعادة تنفيذ المثال. والإعدادات الأساسية لـ Mail.ru هي: imap.mail.ru بالمنفذ 993، وsmtp.mail.ru بالمنفذ 465، وكلاهما مع SSL/TLS. والخلاصة العملية: إذا كنت تبني وكيلًا للمهام الروتينية، فابدأ بمزوّد واحد وثلاثة أدوار للنماذج، وأضف فورًا تأكيدًا للإجراءات التي لا رجعة فيها، وتحقق من دعم الوظائف التي تحتاجها على بياناتك الخاصة.

القصة

أسئلة وأجوبة حول الخبر

ما أبرز التفاصيل حول ثلاثة نماذج، ومفتاح واحد؟

يعتمد AI Inbox على FastAPI وOpenAI Agents SDK، مع واجهة ويب وقاعدة بيانات SQLite. يقرأ الوكيل الرسائل، ويعدّ ملخصات لها، وينشئ مهامّ بمواعيد نهائية، ويجهّز الردود. يعمل التطبيق محليًا، بينما تذهب الطلبات الموجّهة إلى النماذج إلى السحابة. ربط المؤلف النماذج الثلاثة كلها عبر المجمّع AnyModel الذي يوفّر واجهة API متوافقة مع OpenAI. كان يبحث عن وصول يمكن الدفع مقابله من روسيا ويُستخدم دون VPN منفصل لكل API.

ما أبرز التفاصيل حول ما يستطيع الوكيل فعله عمليًا؟

صورة الفاتورة: ترفع اللقطة وتطلب إنشاء مهمة بالبيانات المستخرجة من المستند. الصوت: تُملي أمرًا، فيتعرّف التطبيق على الكلام ويعرض أولًا النص الذي يمكنك مراجعته وتحريره، ثم يرسله إلى الوكيل. النطق: يمكن الاستماع إلى الردود وملخصات الرسائل غير المقروءة والمهام المفتوحة مباشرة في المتصفح. ولتجهيز رسالة، يطلب التطبيق من النموذج JSON يحتوي على الموضوع والنص، ثم يتحقق بشكل منفصل من بنيته وقيمه. بهذه الطريقة لا تمرّ استجابة النموذج إلى الخطوة التالية دون التحقق من صيغتها.

ما أبرز التفاصيل حول الأمان والقيود؟

أكثر ما يلفت في هذه البنية هو طريقة التعامل مع الإجراءات التي لا رجعة فيها. يربط المؤلف إرسال الرسالة بنسخة محددة من المسودة وبتأكيد منفصل من المستخدم. وإذا عُدّل النص بعد المراجعة، فلن ينطبق التأكيد عليه. وللبريد يُستخدم IMAP (للقراءة) وSMTP (للإرسال) مع كلمة مرور منفصلة للتطبيقات الخارجية. ولا يستخدم هذه الكلمة سوى الجزء الخادمي، بينما يصل الوكيل إلى البريد عبر الأدوات، ولا حاجة إلى تمرير كلمة المرور في الدردشة.

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…