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)
إصدارتحليل · على الرادارSimon Willison→ المصدر

وكيل Datasette يعمل على Qwen 27B محلياً دون سحابة عبر LM Studio وOllama

Datasette أداة للعمل مع قواعد البيانات، ووكيل الدردشة فيها، الذي يكتب SQL بنفسه، يعمل الآن على نموذج Qwen محلي بـ27 مليار معامل دون سحابة. تتصل إضافة datasette-llm 0.1a11 ببرامج LM Studio وOllama وllama.cpp، وهي برامج تشغّل الشبكة العصبية على حاسوبك وتفهم صيغة طلبات OpenAI. وفي العرض التجريبي احتسب الوكيل بنفسه في القاعدة 200 مستودع و1889 إصداراً. ويمكن بذلك تحليل البيانات المغلقة بوكيل SQL بالكامل داخل بيئتك.

معالج بواسطة الذكاء الاصطناعي من Simon Willison؛ بتحرير Hamidun News
وكيل Datasette يعمل على Qwen 27B محلياً دون سحابة عبر LM Studio وOllama
المصدر: Simon Willison. كولاج: Hamidun News.
استمع للمقال
بطاقة الحقائق والأرقام
المعيارالتفاصيل
المصدر الأصليSimon Willison ↗
رئيس التحرير
الإعداد سطر JSON واحدmodel وmodel_name وapi_base
حقيقة رئيسية #2التشغيل بأمر واحد عبر uvx مع إضافة datasette-agent
حقيقة رئيسية #3llama.cpp، الذي يمكن تشغيل النموذج عليه، صدر مؤخراً بالإصدار 1.0.0

تخيّل أن لديك قاعدة بيانات للعملاء أو السجلات أو تصديراً من نظام CRM، وتريد أن تسألها بلغة عادية: «كم طلباً لدينا خلال الشهر؟». تكتب الشبكة العصبية استعلام SQL بنفسها وتعيد لك الإجابة. لكن كثيرين لا يرغبون في إرسال بيانات كهذه إلى خدمة سحابية. وهذه تحديداً هي المشكلة التي يعالجها الإصدار الجديد من إضافة datasette-llm 0.1a11 لصاحبها سايمون ويلّيسون. Datasette أداة مفتوحة المصدر لاستعراض قواعد البيانات واستكشافها، ولها وكيل دردشة اسمه datasette-agent يطّلع بنفسه على قائمة الجداول ويكتب SQL. والآن يمكن تشغيل هذا الوكيل على نموذج Qwen بـ27 مليار معامل يعمل على حاسوبك الخاص. ويتم الاتصال عبر LM Studio أو Ollama أو llama.cpp. وهذه برامج تشغّل الشبكة العصبية محلياً وتقبل الطلبات بصيغة OpenAI، ولذلك تُسمّى متوافقة مع OpenAI.

ما الذي تغيّر في datasette-llm

تؤدي datasette-llm دور الطبقة الوسيطة. فهي تحفظ إعدادات النماذج اللغوية (LLM)، وتستمدّها منها إضافات Datasette الأخرى. وكان اختيار النماذج سابقاً محصوراً بما تدعمه الإضافة. أما في الإصدار 0.1a11 فقد ظهر دعم نقاط النهاية المتوافقة مع OpenAI. ويُقصد بها الخوادم التي تفهم الطلبات بالصيغة نفسها التي يستخدمها API الخاص بـOpenAI. وقد أصبحت هذه الصيغة منذ فترة طويلة معياراً غير معلن، ولذلك تقبلها برامج متنوعة، منها LM Studio وOllama وllama.cpp. وهذا الأخير، كما يشير المؤلف، صدر للتو بالإصدار 1.0.0.

وبما أن البروتوكول مشترك، لم يعد Datasette مرتبطاً بمزوّد بعينه. فيصلح أي نموذج يستجيب على العنوان المطلوب، سواء كان حاسوباً على مكتبك أو خادماً في بلد آخر.

كيف يبدو ذلك عملياً

في المثال الوارد في الإصدار يجري كل شيء بأمر واحد عبر مدير الحزم uv. يُنزَّل أولاً ملف قاعدة البيانات التجريبية content.db من موقع datasette.io. ثم يشغّل uvx أداة Datasette مع إضافة datasette-agent. وفي إعدادات default_model تُحدَّد ثلاثة حقول:

  • model — الاسم الداخلي الذي يظهر به النموذج في الواجهة (في المثال lmstudio-qwen)؛
  • model_name — اسم النموذج على جانب الخادم (qwen/qwen3.8-27b)؛
  • api_base — عنوان الخادم المحلي، وهو هنا http://localhost:1234/v1.

بعد التشغيل تُفتح نافذة الدردشة. وفي لقطة الشاشة يسأل المستخدم عن عدد المستودعات والإصدارات في القاعدة. يستدعي الوكيل أولاً الأداة list_databases_and_tables ليعرف البنية. ثم يرسل استعلام SQL فيه استعلامان فرعيان من نوع COUNT ويحصل على الإجابة: 200 مستودع و1889 إصداراً. وتمر السلسلة كلها عبر Qwen المحلي. ولا يخرج أي طلب إلى خدمة خارجية.

ما فائدة ذلك للمطوّر وأين حدوده

تكمن الفائدة العملية في أمرين. الأول الخصوصية. فيمكن اختبار الوكيل الذي يجيب عن أسئلة القاعدة على بيانات حقيقية دون الحاجة إلى مناقشة تسليم هذه البيانات إلى طرف ثالث مع فرق الأمن. والثاني حرية الاختيار. فإذا صدر غداً نموذج أفضل، يكفي تغيير سطرين في ملف الإعدادات دون المساس بالكود. ويمكن مقارنة نماذج مختلفة فيما بينها على القاعدة نفسها.

وهناك قيود أيضاً. فرقم الإصدار 0.1a11 يعني أنه إصدار ألفا، وقد تتغيّر صيغة الإعدادات. والمثال الوارد في الإصدار بسيط: عدّ الصفوف في جدولين. أما كيف سيتعامل النموذج المحلي مع المخططات المعقدة وربط عدة جداول والأسئلة الملتبسة، فلا يتضح من الملاحظة. وبالنسبة إلى نموذج بـ27 مليار معامل على عتاد منزلي، ينبغي أن تختبر ذلك بنفسك. كما أن سرعة الاستجابة ومتطلبات الذاكرة تعتمدان على حاسوبك والخادم الذي تختاره.

والمسار المعقول هو التالي: خذ نسخة صغيرة من قاعدتك، وشغّل Datasette مع نموذج محلي، واطرح عشرة أسئلة نموذجية. فإذا جاء SQL صحيحاً، يمكنك التفكير في اعتماد أكثر جدية. وإن لم يكن كذلك، يمكنك تجربة نموذج آخر أو ربط نموذج سحابي. وأصبح ذلك الآن يتم بتبديل بضعة أسطر في الإعدادات.

القصة

أسئلة وأجوبة حول الخبر

ما أبرز التفاصيل حول ما الذي تغيّر في datasette-llm؟

تؤدي datasette-llm دور الطبقة الوسيطة. فهي تحفظ إعدادات النماذج اللغوية (LLM)، وتستمدّها منها إضافات Datasette الأخرى. وكان اختيار النماذج سابقاً محصوراً بما تدعمه الإضافة. أما في الإصدار 0.1a11 فقد ظهر دعم نقاط النهاية المتوافقة مع OpenAI. ويُقصد بها الخوادم التي تفهم الطلبات بالصيغة نفسها التي يستخدمها API الخاص بـOpenAI. وقد أصبحت هذه الصيغة منذ فترة طويلة معياراً غير معلن، ولذلك تقبلها برامج متنوعة، منها LM Studio وOllama وllama.cpp. وهذا الأخير، كما يشير المؤلف، صدر للتو بالإصدار 1.0.0.

ما أبرز التفاصيل حول كيف يبدو ذلك عملياً؟

في المثال الوارد في الإصدار يجري كل شيء بأمر واحد عبر مدير الحزم uv. يُنزَّل أولاً ملف قاعدة البيانات التجريبية content.db من موقع datasette.io. ثم يشغّل uvx أداة Datasette مع إضافة datasette-agent. وفي إعدادات default_model تُحدَّد ثلاثة حقول: model — الاسم الداخلي الذي يظهر به النموذج في الواجهة (في المثال lmstudio-qwen)؛ model_name — اسم النموذج على جانب الخادم (qwen/qwen3.8-27b)؛ api_base — عنوان الخادم المحلي، وهو هنا http://localhost:1234/v1. بعد التشغيل تُفتح نافذة الدردشة.

ما أبرز التفاصيل حول ما فائدة ذلك للمطوّر وأين حدوده؟

تكمن الفائدة العملية في أمرين. الأول الخصوصية. فيمكن اختبار الوكيل الذي يجيب عن أسئلة القاعدة على بيانات حقيقية دون الحاجة إلى مناقشة تسليم هذه البيانات إلى طرف ثالث مع فرق الأمن. والثاني حرية الاختيار. فإذا صدر غداً نموذج أفضل، يكفي تغيير سطرين في ملف الإعدادات دون المساس بالكود. ويمكن مقارنة نماذج مختلفة فيما بينها على القاعدة نفسها. وهناك قيود أيضاً. فرقم الإصدار 0.1a11 يعني أنه إصدار ألفا، وقد تتغيّر صيغة الإعدادات. والمثال الوارد في الإصدار بسيط: عدّ الصفوف في جدولين.

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…