تبدأ 23 نوفمبرالدفعة المباشرة 3 من Vibe Coding ووكلاء الذكاء الاصطناعي: 3 أسابيع و9 جلسات حيةالدفعة 3 (23.11) →
إصدارتحليل · على الرادارKDnuggets→ المصدر

KDnuggets يوضّح كيفية تشغيل Qwen3.5 على حاسوب محمول قديم عبر Ollama وOpenCode

استعرض KDnuggets طريقة بسيطة لتحويل حاسوب محمول قديم إلى جهاز AI محلي للتطوير. تتيح حزمة Ollama وQwen3.5 4B وOpenCode تشغيل النموذج دون الاعتماد على السحابة ودون إرسال البيانات إلى الخارج، كما تتيح كتابة أكواد بسيطة والتحقق من الاعتماديات واختبار المشاريع الصغيرة مباشرة على الجهاز نفسه. يكفي هذا الإعداد للمهام الأساسية، لكن النموذج يبدأ بالتعثر في السيناريوهات المعقدة متعددة الخطوات.

معالج بواسطة الذكاء الاصطناعي من KDnuggets؛ بتحرير Hamidun News
KDnuggets يوضّح كيفية تشغيل Qwen3.5 على حاسوب محمول قديم عبر Ollama وOpenCode
المصدر: KDnuggets. كولاج: Hamidun News.
استمع للمقال
بطاقة الحقائق والأرقام
المعيارالتفاصيل
المصدر الأصليKDnuggets ↗
رئيس التحرير
حقيقة رئيسية #1تثبيت Ollama على Windows أو Linux أو macOS
حقيقة رئيسية #2تشغيل خادم Ollama المحلي يدويًا عند الحاجة
حقيقة رئيسية #3تنزيل نموذج Qwen3.5 4B وفتحه عبر الطرفية

في 8 أبريل نشر KDnuggets تحليلًا عمليًا لكيفية تحويل حاسوب محمول قديم إلى محطة عمل AI محلية، دون أجهزة باهظة الثمن ودون اشتراكات في الخدمات السحابية. يقوم الإعداد على ثلاثة عناصر: نموذج Qwen3.5 بإصدار 4B، وأداة Ollama لتشغيل النماذج محليًا، وOpenCode كوكيل للعمل مع الأكواد مباشرة من الطرفية.

لماذا يهمّ هذا أصلًا

الفكرة الرئيسية في المقال أن أدوات AI المحلية لم تعد تتطلب محطة عمل قوية أو خادمًا منفصلًا. ويبيّن الكاتب أن حتى الحاسوب المحمول القديم يمكن استخدامه بيئةً خاصة للتجارب والبرمجة والاختبارات السريعة، شرط اختيار نموذج مفتوح مدمج وعدم تعقيد المنظومة بطبقات زائدة. وفي هذا السيناريو يُقدَّم Qwen3.5 4B بوصفه حلًا وسطًا معقولًا بين جودة الإجابات وسرعة العمل ومتطلبات العتاد.

ومع ذلك، لا يتعلق الأمر باستبدال النماذج السحابية الرائدة. فهذا الإعداد مخصص لمهمة مختلفة: منح المطوّر أو الطالب أو الهاوي وسيلة منخفضة التكلفة لتشغيل AI محليًا، دون إرسال الملفات والـ prompts إلى خدمات خارجية، ومع إمكانية اختبار الأفكار بسرعة على جهازه. وهذا كافٍ لكتابة مسودات الأكواد والمهام التعليمية وسيناريوهات الطرفية البسيطة والاختبارات الصغيرة، حتى لو لم تبلغ جودة الإجابات دائمًا مستوى أفضل الأنظمة التجارية.

كيف يُبنى الإعداد

تتكوّن المنظومة الأساسية من جزأين. تتولى Ollama تنزيل النموذج اللغوي وتخزينه وتشغيله على الجهاز المحلي، بينما يتصل OpenCode به من الأعلى ويحوّله إلى واجهة وكيلية (agentic) أكثر عملية للعمل مع الأكواد. يستخدم المقال إصدار Qwen3.5:4B، الذي يكفيه عادةً، بحسب تقدير الكاتب، نحو 3,5 غيغابايت من الذاكرة العشوائية. ولهذا يبدو هذا الإصدار خيارًا واقعيًا للحاسوب المحمول القديم الذي لا يملك هامشًا كافيًا في بطاقة الرسوميات والذاكرة.

  • تثبيت Ollama على Windows أو Linux أو macOS
  • تشغيل خادم Ollama المحلي يدويًا عند الحاجة
  • تنزيل نموذج Qwen3.5 4B وفتحه عبر الطرفية
  • تثبيت OpenCode بسكربت سريع
  • تشغيل OpenCode مع النموذج المحلي المتصل مسبقًا

بعد ذلك يحصل المستخدم على واجهة محلية يمكنه فيها أن يطلب من النموذج إنشاء مشروع أو تثبيت الاعتماديات أو فحص الأكواد. ومن مزايا الدليل أنه يُبقي عتبة الدخول منخفضة: دون تنسيق عبر Docker، ودون إعداد يدوي لـ API، ودون بناء طويل للبيئة. وبالمقارنة مع كثير من المواد عن AI المحلي، يبدو هذا سيناريو عمليًا حقًا يمكن تكراره في أمسية واحدة، لا مشروعًا هندسيًا مستقلًا يستغرق عدة أيام.

اختبار على مهمة حقيقية

لإظهار الفائدة الفعلية لهذا النهج، وليس التثبيت فقط، كلّف الكاتب حزمة Qwen3.5 وOpenCode بإنشاء مشروع Python صغير من الصفر: لعبة Guess the Word للطرفية. كان على الوكيل أن يولّد بنية المشروع بنفسه، ويكتب الكود، ويثبّت الاعتماديات، ويوصل التطبيق إلى حالة العمل.

وبحسب نتائج الاختبار، أنتج النظام لعبة تعمل فعلًا، بمنطق واضح وتتبّع للنقاط ومعالجة صحيحة للحروف المُدخلة. أي أن الأمر لم يكن عرضًا تجميليًا، بل تنفيذًا محليًا كاملًا لسلسلة من المهام.

وفي الوقت نفسه يوثّق المقال القيود بصراحة. فالنموذج المكمَّم المدمج يتعامل جيدًا مع الأكواد الأساسية والسكربتات البسيطة والمشاريع التعليمية والاستفسارات البحثية، لكنه يبدأ بالتراجع حين تطول المهمة وتتطلب تخطيطًا مستقرًا متعدد الخطوات. ويذكر الكاتب صراحةً أن النموذج كان يتوقف أحيانًا في منتصف العملية، فيضطر إلى دفعه يدويًا بأمر تالٍ. هذا مقبول في التجارب، لكنه يبدو قيدًا ملحوظًا في خط عمل يومي مستقر.

«أحيانًا كان عليّ ببساطة أن أكتب continue كي تُنهي المهمة».

ماذا يعني هذا

يُظهر دليل KDnuggets تحوّلًا مهمًا: حزم AI الوكيلية المحلية تصبح أرخص وأبسط وأكثر فائدة في التطوير اليومي. هي لا تحل بعدُ محل النماذج السحابية القوية، لكنها توفّر الآن خيارًا عمليًا للتجارب الخاصة والتعلّم والنماذج الأولية والمهام الهندسية الصغيرة.

القصة

أسئلة وأجوبة حول الخبر

ما أبرز التفاصيل حول لماذا يهمّ هذا أصلًا؟

الفكرة الرئيسية في المقال أن أدوات AI المحلية لم تعد تتطلب محطة عمل قوية أو خادمًا منفصلًا. ويبيّن الكاتب أن حتى الحاسوب المحمول القديم يمكن استخدامه بيئةً خاصة للتجارب والبرمجة والاختبارات السريعة، شرط اختيار نموذج مفتوح مدمج وعدم تعقيد المنظومة بطبقات زائدة. وفي هذا السيناريو يُقدَّم Qwen3.5 4B بوصفه حلًا وسطًا معقولًا بين جودة الإجابات وسرعة العمل ومتطلبات العتاد. ومع ذلك، لا يتعلق الأمر باستبدال النماذج السحابية الرائدة.

ما أبرز التفاصيل حول كيف يُبنى الإعداد؟

تتكوّن المنظومة الأساسية من جزأين. تتولى Ollama تنزيل النموذج اللغوي وتخزينه وتشغيله على الجهاز المحلي، بينما يتصل OpenCode به من الأعلى ويحوّله إلى واجهة وكيلية (agentic) أكثر عملية للعمل مع الأكواد. يستخدم المقال إصدار Qwen3.5:4B، الذي يكفيه عادةً، بحسب تقدير الكاتب، نحو 3,5 غيغابايت من الذاكرة العشوائية. ولهذا يبدو هذا الإصدار خيارًا واقعيًا للحاسوب المحمول القديم الذي لا يملك هامشًا كافيًا في بطاقة الرسوميات والذاكرة.

ما أبرز التفاصيل حول اختبار على مهمة حقيقية؟

لإظهار الفائدة الفعلية لهذا النهج، وليس التثبيت فقط، كلّف الكاتب حزمة Qwen3.5 وOpenCode بإنشاء مشروع Python صغير من الصفر: لعبة Guess the Word للطرفية. كان على الوكيل أن يولّد بنية المشروع بنفسه، ويكتب الكود، ويثبّت الاعتماديات، ويوصل التطبيق إلى حالة العمل. وبحسب نتائج الاختبار، أنتج النظام لعبة تعمل فعلًا، بمنطق واضح وتتبّع للنقاط ومعالجة صحيحة للحروف المُدخلة. أي أن الأمر لم يكن عرضًا تجميليًا، بل تنفيذًا محليًا كاملًا لسلسلة من المهام. وفي الوقت نفسه يوثّق المقال القيود بصراحة.

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…