Doka تطلق وكيل ذكاء اصطناعي محليًا لمستخدمي روسيا دون VPN أو اشتراك أو سحابة
أطلق مطوّر روسي Doka، وهو وكيل ذكاء اصطناعي محلي لنظامي Windows وmacOS، لا يتطلب VPN ولا اشتراكًا ولا خدمات سحابية. يستطيع التطبيق البحث في الإنترنت وقراءة صفحات الويب وتحليل الوثائق التقنية وإعداد إجابات منظّمة اعتمادًا على نموذج Qwen3 المحلي. وتشمل خطط التطوير المقبلة العمل مع الملفات، والذاكرة بين الجلسات، وتحليل الشاشة، والمهام الخلفية.
معالج بواسطة الذكاء الاصطناعي من Habr AI؛ بتحرير Hamidun News
قدّم مطوّر روسي تطبيق Doka، وهو وكيل ذكاء اصطناعي محلي يستهدف إزالة أكبر عائق أمام المستخدمين في روسيا: الاعتماد على VPN والاشتراكات الأجنبية والبنية التحتية السحابية. يعمل التطبيق كمساعد سطح مكتب للبحث على الويب والمهام اليومية، ويُشغَّل النموذج الأساسي مباشرة على جهاز المستخدم.
من أداة شخصية إلى منتج
نشأت فكرة Doka من انزعاج بسيط. فخلال السنة والنصف الماضية، سرّعت أدوات مثل Cursor وClaude Code وCopilot عمل المطوّرين بشكل ملحوظ، لكنها في الواقع الروسي كثيرًا ما تصطدم بـ VPN غير مستقر وصعوبة الدفع واحتمال فرض قيود مفاجئة. قرر مؤلف المشروع أن يفهم كيف تعمل الأنظمة الوكيلة من الداخل، فدرس agentic loop وtool calling والمخططات (planners)، ثم بنى لنفسه أول نموذج أولي يعمل.
في البداية كانت أداة داخلية بحتة، بلا واجهة ولا مرحلة تعريف بالتطبيق (onboarding). كان الوكيل قادرًا على البحث عن المعلومات في الشبكة وفتح الصفحات وقراءة محتواها وعرض مسار عمله خطوة بخطوة، من استعلام البحث حتى الإجابة النهائية. ولم يكن بوسع أحد غير المؤلف استخدامها، إذ كان يصعب على أي شخص جديد التعامل معها دون معرفة منطقها الداخلي.
جاءت نقطة التحول بعد عرض مباشر على أحد المعارف: اتضح حينها أن القيمة لا تكمن في التجربة الهندسية، بل في غلاف مريح للمستخدم العادي.
«ما هذا أصلًا؟ هل يمكن تنزيله؟»
ماذا يستطيع Doka أن يفعل
النسخة الحالية من Doka منتج ضيق النطاق عن قصد. يركّز التطبيق على البحث في الإنترنت والعمل مع صفحات الويب: يصوغ المستخدم المهمة، فيختار الوكيل بنفسه استعلامات البحث، ويقرأ الوثائق أو المقالات، ثم يعيد نتيجة منظّمة. وهو في جوهره واجهة وكيلة للبحث اليومي على الويب. ويستخدمه المؤلف للبحث التمهيدي قبل المهام، ولمتابعة أخبار ML وbackend صباحًا، ولتحليل وثائق طويلة ضعيفة التنظيم.
- البحث في صفحات الويب وقراءتها دون التنقل يدويًا بين علامات التبويب
- عروض موجزة لتقنيات ومكتبات ومقاربات معمارية غير مألوفة
- ملخصات يومية حول موضوعات محددة مثل ML وbackend
- مساعدة في الوثائق الطويلة التي يسهل تفويضها إلى الوكيل
- تنفيذ مهام بحثية روتينية يؤسف أن تضيع ساعة كاملة عليها يدويًا
يرتكز الرهان الأساسي على النموذج المحلي. فبشكل افتراضي يثبّت Doka نموذج Qwen3، ووفق المؤلف يكفي هذا النموذج لمعظم السيناريوهات الواقعية المتعلقة بالبحث وقراءة محتوى الصفحات وشرحه. وهذا ليس محاولة للتنافس مع أقوى النماذج السحابية من حيث الجودة المطلقة، بل خيار عملي لصالح سهولة الوصول. ولا تزال مهام الويب تتطلب الوصول إلى المواقع، لكن النموذج نفسه يعمل محليًا، ولا يرسل استعلامات المستخدم إلى السحابة، ولا يتطلب دفعًا شهريًا.
إلى أين يتجه المشروع
يصف المؤلف النسخة الحالية بأنها الحد الأدنى من التكوين الأولي، والغاية منها ليست تقديم أطول قائمة من الميزات، بل اختبار الطلب وسيناريوهات الاستخدام. لذلك يُخطَّط لتطوير Doka على مراحل، من الإمكانات الأكثر عملية إلى الأكثر تعقيدًا. والأولوية ليست لـ«الشمولية» المجردة، بل لمجموعة ميزات توفّر الوقت من الآن. ومن شأن هذا النهج أن يمنع التشتت في ميزات تجميلية، ويساعد على فهم أسرع للأسباب التي ستجعل المستخدمين يعودون فعلًا إلى التطبيق.
تتضمن خارطة الطريق المعلنة العمل مع الملفات المحلية، وتحليل لقطة شاشة أو الشاشة الحالية، وذاكرة طويلة الأمد بين الجلسات، ومهامّ خلفية يمكن إطلاقها وتركها تعمل بالتوازي مع العمل الرئيسي.
التطبيق متاح بالفعل مجانًا، ويدعم Windows 10/11 وmacOS 12+، ويُنزَّل النموذج تلقائيًا عند التشغيل الأول بما يناسب العتاد المتوفر. وهناك تفصيل مهم: لا يحتاج المستخدم إلى فتح الطرفية (terminal) ولا إلى إعداد البيئة يدويًا.
ماذا يعني ذلك
يُظهر Doka مدى سرعة تغيّر سوق أدوات الذكاء الاصطناعي: إذ يتحول التركيز من الخدمات السحابية الشاملة إلى وكلاء محليين مكيّفين مع قيود المستخدمين وعاداتهم. وبالنسبة إلى السوق الروسية، هذه إشارة مهمة بوجه خاص، فالطلب لا يقتصر على النموذج «الأذكى»، بل يمتد إلى منتج يعمل باستقرار دون VPN ودون بطاقة أجنبية ودون تنازلات في الخصوصية. وإذا ترسّخ هذا الاتجاه، فسيصبح المساعدون المحليون فئة منتجات قائمة بذاتها، لا مجرد تجربة محدودة الانتشار.
- 31 أكتوبر 2026الأنطولوجيا مدقِّقًا لوكيل الذكاء الاصطناعي: على UniProt تتفوق علامات الخطأ فيها على الصدفة بهامش ضئيل فقط
- 31 أكتوبر 2026DeepSeek تضغط ذاكرة التخزين المؤقت للنموذج إلى 890 بايت لكل رمز بدلًا من 3514
- 31 أكتوبر 2026IBM: طرح أسئلة على العميل قبل التوليد رفع دقة العقود الذكية من 54% إلى 73%
- 31 أكتوبر 2026وكلاء الذكاء الاصطناعي يعدّلون نشرات الاكتتاب العام وفق ملاحظات SEC: التعلّم أضاف 3,7 نقطة مئوية
أسئلة وأجوبة حول الخبر
ما أبرز التفاصيل حول من أداة شخصية إلى منتج؟
نشأت فكرة Doka من انزعاج بسيط. فخلال السنة والنصف الماضية، سرّعت أدوات مثل Cursor وClaude Code وCopilot عمل المطوّرين بشكل ملحوظ، لكنها في الواقع الروسي كثيرًا ما تصطدم بـ VPN غير مستقر وصعوبة الدفع واحتمال فرض قيود مفاجئة. قرر مؤلف المشروع أن يفهم كيف تعمل الأنظمة الوكيلة من الداخل، فدرس agentic loop وtool calling والمخططات (planners)، ثم بنى لنفسه أول نموذج أولي يعمل. في البداية كانت أداة داخلية بحتة، بلا واجهة ولا مرحلة تعريف بالتطبيق (onboarding). كان الوكيل قادرًا على البحث عن المعلومات في الشبكة وفتح الصفحات وقراءة محتواها وعرض مسار عمله خطوة بخطوة، من استعلام البحث ح
ما أبرز التفاصيل حول ماذا يستطيع Doka أن يفعل؟
النسخة الحالية من Doka منتج ضيق النطاق عن قصد. يركّز التطبيق على البحث في الإنترنت والعمل مع صفحات الويب: يصوغ المستخدم المهمة، فيختار الوكيل بنفسه استعلامات البحث، ويقرأ الوثائق أو المقالات، ثم يعيد نتيجة منظّمة. وهو في جوهره واجهة وكيلة للبحث اليومي على الويب. ويستخدمه المؤلف للبحث التمهيدي قبل المهام، ولمتابعة أخبار ML وbackend صباحًا، ولتحليل وثائق طويلة ضعيفة التنظيم. البحث في صفحات الويب وقراءتها دون التنقل يدويًا بين علامات التبويب عروض موجزة لتقنيات ومكتبات ومقاربات معمارية غير مألوفة ملخصات يومية حول موضوعات محددة مثل ML وbackend مساعدة في الوثائق الطويلة التي يسهل
ما أبرز التفاصيل حول إلى أين يتجه المشروع؟
يصف المؤلف النسخة الحالية بأنها الحد الأدنى من التكوين الأولي، والغاية منها ليست تقديم أطول قائمة من الميزات، بل اختبار الطلب وسيناريوهات الاستخدام. لذلك يُخطَّط لتطوير Doka على مراحل، من الإمكانات الأكثر عملية إلى الأكثر تعقيدًا. والأولوية ليست لـ«الشمولية» المجردة، بل لمجموعة ميزات توفّر الوقت من الآن. ومن شأن هذا النهج أن يمنع التشتت في ميزات تجميلية، ويساعد على فهم أسرع للأسباب التي ستجعل المستخدمين يعودون فعلًا إلى التطبيق. تتضمن خارطة الطريق المعلنة العمل مع الملفات المحلية، وتحليل لقطة شاشة أو الشاشة الحالية، وذاكرة طويلة الأمد بين الجلسات، ومهامّ خلفية يمكن إطلاقها
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.