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 الرادارHabr AI→ المصدر

مصنع يختصر حساب سعر الحديد المدلفن من 4–8 ساعات إلى 2–3 دقائق بعد إخراج الذكاء الاصطناعي من العمليات الحسابية

يُرسَل طلب الحديد المدلفن إلى 4–5 مصانع، ويفوز به من يرسل عرضه التجاري (КП) أولًا، مع أن المقدّر يحتاج إلى 4–8 ساعات لحسابه. المطوّر أليكسي سامارتسيف ترك للشبكة العصبية قراءة المسوح الضوئية وفهم العامية، بينما تحسب Python الكتلة والسعر وفق GOST. وقد قلّل GPT-4o وزن 300 م من القناة المعدنية (швеллер) بنسبة 41%، أي بخسارة قدرها 126 720 روبلًا. أما الآن فتُنجَز المسودة خلال 20–30 ثانية، ويستغرق التدقيق نحو دقيقتين.

معالج بواسطة الذكاء الاصطناعي من Habr AI؛ بتحرير Hamidun News
مصنع يختصر حساب سعر الحديد المدلفن من 4–8 ساعات إلى 2–3 دقائق بعد إخراج الذكاء الاصطناعي من العمليات الحسابية
المصدر: Habr AI. كولاج: Hamidun News.
استمع للمقال
بطاقة الحقائق والأرقام
المعيارالتفاصيل
المصدر الأصليHabr AI ↗
رئيس التحرير
حقيقة رئيسية #1أعطى GPT-4o الناتج 2,50 طن بدلًا من 4,26 طن وفق GOST 8240-97
حقيقة رئيسية #2على 350 طلبًا تسارع الرد على العميل إلى 10–15 دقيقة
حقيقة رئيسية #3يؤكد المهندس العرض التجاري قبل إرساله، فلا توجد أتمتة كاملة

عمر طلب الحديد المدلفن لا يتجاوز بضع ساعات. يرسل مسؤول التوريد في موقع البناء الكشف إلى 4–5 مصانع في وقت واحد، ويطلب من أول من يرسل العرض التجاري (КП)، وهو وثيقة تتضمن الأسعار والأوزان ومواعيد الشحن بدقة. يقضي المقدّر من 4 إلى 8 ساعات في هذا الحساب، وفي تلك الأثناء يكون العقد قد وُقّع غالبًا مع مورّد آخر. وصف المطوّر أليكسي سامارتسيف على Habr كيف خفّض الزمن إلى 2–3 دقائق: 20–30 ثانية لمسودة العرض، ونحو دقيقتين لتدقيقها على يد مهندس. السر أن الذكاء الاصطناعي أُبعد عن العمليات الحسابية: تقرأ الشبكة العصبية المسوح الضوئية والعامية، أما الوزن والمال فيحسبهما كود عادي. أما لماذا لم يكتفِ بـ«تغذية ChatGPT بكل شيء»، فيتّضح من الاختبار أدناه.

لماذا الطلب فوضى وليس جدولًا

بحسب المؤلف، فإن نحو 90% من الطلبات الواردة بعيدة عن ملفات XML المرتّبة. فهي مسح ضوئي ضبابي لكشف عليه ختم أزرق فوق النص، أو صورة لمخطط التُقطت بالهاتف، أو ملف Excel من مقاول فرعي بلا أرقام مرجعية، أو رسالة في تطبيق مراسلة من قبيل «زاوية على المئة، شفيللر ستة عشر П — 300 متر». على المقدّر أن يترجم هذه العامية إلى التسمية المعيارية («Швеллер 16П ГОСТ 8240-97»)، ثم يبحث في الدليل المرجعي عن كتلة المتر الطولي، ويضرب، ويضيف 3–7% هدرًا للقص، ويطابق المخزون والسعر في 1С، ثم يضيف القص وهامش الربح والضرائب، ويملأ النموذج يدويًا. وحين تصل 15 مواصفة كهذه في اليوم، يغرق القسم في الروتين.

ماذا أظهر اختبار GPT-4o

سأل المؤلف GPT-4o: ما الكتلة النظرية لـ 300 متر من القناة المعدنية 16П؟ فقدّم النموذج شرحًا أنيقًا بالمعادلات وخلص إلى 2,50 طن. لكن وفق GOST 8240-97 يزن متر هذه القناة 14,20 كغ، فالجواب الصحيح 4,26 طن. بلغ التقليل 41,3%. وبسعر 72 000 روبل للطن كان المصنع سيحصل على حساب بقيمة 180 000 روبل بدلًا من 306 720 روبل، أي سيخسر 126 720 روبلًا في بند واحد. يفسّر المؤلف ذلك بأن النموذج يتنبأ بأرقام تبدو معقولة، وربما أخذ وزن مقاس مجاور، مثل 10П بكتلة نحو 8,59 كغ/م. وهذا اختبار واحد وليس إحصائية على عدد كبير من الاستعلامات، لكنه يُظهر الخطر بوضوح.

ثلاث طبقات: من يتولى ماذا

يقوم الحل على فصل المسؤوليات.

الطبقة 1: فهم اللغة. تُعدَّل المسوح الضوئية مسبقًا عبر OpenCV ويُخفَّف القناة الزرقاء للأختام. ثم يستخرج نموذج متعدد الوسائط الجداول، ويعيد وفق مخطط JSON صارم لكل بند: فئة المنتج المدلفن، ومقاس المقطع، ودرجة الفولاذ، والكمية، والوحدات. وتتحول عبارة «شفيللر ستة عشر П — 300 متر» إلى كائن فيه الحقل cut_length: null لأن طول القص غير مذكور. ولا يخترع النموذج رقم GOST، بل يضيفه الكود بناءً على الربط «الفئة + المقاس».

الطبقة 2: الحساب بلا شبكات عصبية. تأخذ وحدة Python بنوع Decimal كتلة المتر من قاعدة مراجع محلية، وتحوّل الكيلوغرامات إلى أطنان، وتسحب المخزون والسعر من 1С:ERP عبر REST API، وتطبّق هامش الربح. وإذا لم تتوفر درجة الفولاذ المطلوبة في المخزن، يحصل البند على علامة requires_procurement. وإذا كان المقاس غير موجود في الدليل، يُصدر الكود خطأ ولا يختلق رقمًا.

الطبقة 3: الإنسان في الحلقة. يبني النظام مسودة العرض خلال 15–20 ثانية. تُوسَم البنود المعروفة بثقة والمطابقة تمامًا للمخزن باللون الأخضر. أما البنود المشكوك فيها، حيث الرقم على المسح غير مقروء أو القص غير معياري، فتُوسَم باللون الأصفر، ويقضي المقدّر نحو 30 ثانية في فحص كل منها. وبعد التأكيد يولّد المحرك ملف PDF على ترويسة المصنع، ويرفقه بالصفقة في Bitrix24 أو AmoCRM، ويرسله إلى العميل.

الأرقام والتحفظات

قارن المؤلف عمل القسم على عيّنة من 350 مواصفة. استغرق إعداد العرض 20–30 ثانية للتوليد ونحو دقيقتين للتدقيق، بدلًا من 4–8 ساعات. ويصل الرد إلى العميل الآن خلال 10–15 دقيقة بدلًا من اليوم العملي التالي. ويقدّر المؤلف أخطاء الحمولة بالأطنان بـ 8–12% في الحساب اليدوي وبـ 0% في الآلي، لكن هذا ادعاء من المؤلف نفسه دون تحقق مستقل. والأدق أن يقال: الحساب حتمي، لكن المخاطر انتقلت إلى التعرّف على المسوح الضوئية واكتمال الأدلة المرجعية. وارتفع الحمل من 8–10 عمليات حسابية معقدة يوميًا إلى 200 مواصفة في الوردية دون توسيع الطاقم. وللتحقق نشر المؤلف نسخة تجريبية على samartsev.tech/kp.

ماذا تأخذ من هذا لنفسك

الدرس أوسع من الحديد المدلفن. النموذج اللغوي ممتاز في تحويل النصوص غير المرتّبة والمسوح الضوئية إلى بنية منظمة، أما المال والكتلة ووحدات القياس فينبغي أن يحسبها الكود. وإذا كنت تبني وكيلًا للمشتريات أو اللوجستيات أو المحاسبة، فاجعل LLM عند المدخل، وأبقِ الأدلة المرجعية والمعادلات منفصلة، وأظهر علامات عدم اليقين للإنسان. بهذا لا تحصل على رقم جميل لكنه خاطئ في وثيقة مختومة.

القصة

أسئلة وأجوبة حول الخبر

ما أبرز التفاصيل حول لماذا الطلب فوضى وليس جدولًا؟

بحسب المؤلف، فإن نحو 90% من الطلبات الواردة بعيدة عن ملفات XML المرتّبة. فهي مسح ضوئي ضبابي لكشف عليه ختم أزرق فوق النص، أو صورة لمخطط التُقطت بالهاتف، أو ملف Excel من مقاول فرعي بلا أرقام مرجعية، أو رسالة في تطبيق مراسلة من قبيل «زاوية على المئة، شفيللر ستة عشر П — 300 متر».

ما أبرز التفاصيل حول ماذا أظهر اختبار GPT-4o؟

سأل المؤلف GPT-4o: ما الكتلة النظرية لـ 300 متر من القناة المعدنية 16П؟ فقدّم النموذج شرحًا أنيقًا بالمعادلات وخلص إلى 2,50 طن. لكن وفق GOST 8240-97 يزن متر هذه القناة 14,20 كغ، فالجواب الصحيح 4,26 طن. بلغ التقليل 41,3%. وبسعر 72 000 روبل للطن كان المصنع سيحصل على حساب بقيمة 180 000 روبل بدلًا من 306 720 روبل، أي سيخسر 126 720 روبلًا في بند واحد. يفسّر المؤلف ذلك بأن النموذج يتنبأ بأرقام تبدو معقولة، وربما أخذ وزن مقاس مجاور، مثل 10П بكتلة نحو 8,59 كغ/م.

ما أبرز التفاصيل حول ثلاث طبقات: من يتولى ماذا؟

يقوم الحل على فصل المسؤوليات. الطبقة 1: فهم اللغة. تُعدَّل المسوح الضوئية مسبقًا عبر OpenCV ويُخفَّف القناة الزرقاء للأختام. ثم يستخرج نموذج متعدد الوسائط الجداول، ويعيد وفق مخطط JSON صارم لكل بند: فئة المنتج المدلفن، ومقاس المقطع، ودرجة الفولاذ، والكمية، والوحدات. وتتحول عبارة «شفيللر ستة عشر П — 300 متر» إلى كائن فيه الحقل cut_length: null لأن طول القص غير مذكور. ولا يخترع النموذج رقم GOST، بل يضيفه الكود بناءً على الربط «الفئة + المقاس». الطبقة 2: الحساب بلا شبكات عصبية.

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.
✦ Private AI Builders Community · Vibe Club

Ship AI Faster with Founders, Engineers & Weekly Architecture Reviews

Inside Vibe Club (hamidun.com/club) — weekly live masterminds with Zhemal Khamidun, Tech Radar, full LMS access, and 370+ production Claude Code skills.

Join Vibe Club →Explore Hamidun Academy
ما رأيك؟
جارٍ تحميل التعليقات…