تخطَّ إلى المحتوى
تُرجمت هذه الصفحة بواسطة الذكاء الاصطناعي وقد تحتوي على أخطاء. اقرأ النص الإنجليزي الأصلي

إعداد الخدمة: الذكاء الاصطناعي متعدد الأغراض

هذه الصفحة مرجع للمستخدمين المتوسطين والمتقدمين وللمطورين، وقد تفيدك عند إعداد خدمات أخرى تابعة لجهات خارجية يدويًا.

ما القدرات التي يوفرها الذكاء الاصطناعي متعدد الأغراض؟

Section titled “ما القدرات التي يوفرها الذكاء الاصطناعي متعدد الأغراض؟”

يُستخدم الذكاء الاصطناعي متعدد الأغراض في:

  • استخراج النص
  • استخراج ملخص الصورة
  • الترجمة

لا يُعدّ «كشف الكتل النصية» جزءًا من الذكاء الاصطناعي متعدد الأغراض، بل يتطلب خدمة مخصصة للكشف عن الكتل النصية.

كيف تختار نموذجًا مناسبًا للذكاء الاصطناعي متعدد الأغراض

Section titled “كيف تختار نموذجًا مناسبًا للذكاء الاصطناعي متعدد الأغراض”
  • يتطلب «استخراج النص» و«استخراج ملخص الصورة» قدرات رؤية.
  • للترجمة، أعطِ الأولوية لنموذج يتمتع بجودة لغوية مستقرة وطول سياق كافٍ.
  • راقب تكلفة الرموز (tokens) للنموذج. ويمكنك تشغيل دفعة صغيرة أولًا على سبيل الاختبار.
  • لخفض التكلفة، استخدم نموذجًا محليًا.

استخراج النص واستخراج ملخص الصورة

Section titled “استخراج النص واستخراج ملخص الصورة”

تتطلب كلتا المهمتين نموذجًا ذا قدرات رؤية. وفي مصطلحات المنتجات، تُسمّى هذه النماذج عادةً النماذج متعددة الوسائط أو نماذج الرؤية واللغة (VLMs).

تؤدي النماذج الرائجة القادرة على الرؤية أداءً جيدًا عمومًا، خاصةً مع النصوص غير المنتظمة، والنصوص خارج الفقاعات، ونصوص المؤثرات الصوتية (SFX). ويمكنها أيضًا تصفية الفوريغانا (furigana) اليابانية إلى حدٍّ ما.

لذا، حتى إن كان نموذج كشف الكتل النصية قد أرجع النص بالفعل، فقد يظل تشغيل نموذج للرؤية واللغة عليه مرة أخرى مفيدًا، وإن كان التحسن محدودًا.

لا يساعد الاستدلال في استخراج النص. ومن الأفضل عمومًا تعطيل الاستدلال لتوفير الرموز والوقت.

يمكن لملخص الصورة الدقيق أن يصف المشهد وأجواءه، مما يحسّن جودة الترجمة. لكن النموذج الأضعف قد يهلوس بتفاصيل غير موجودة ويضلل الترجمة. لذا اختر نموذجًا قادرًا بعناية.

مراجع النماذج:

  • النماذج المكافئة لـ gpt-6-sol (high) أو الأقوى منه تؤدي أداءً جيدًا جدًا.
  • عبر OpenRouter: google/gemma-4-31b-it — متوسط. يستخدمه دليل البدء السريع لأنه منخفض التكلفة ويؤدي «استخراج النص» جيدًا، لا لأنه الخيار الأفضل لملخصات الصور.
  • النموذج mimo-v2.6-flash — متوسط.
  • النموذجان glm-5.3-flash وdeepseek-v4.1-flash — عرضة لهلوسات شديدة؛ ولا يُنصح بهما لهذه المهمة.

للاستدلال تأثير كبير في هذه المهمة. استخدم مستوى استدلال أعلى حيثما أمكن. وقد تتحسن قدرة نماذج الذكاء الاصطناعي متعدد الأغراض على فهم المانغا بمرور الوقت.

للترجمة، أعطِ الأولوية لجودة لغوية مستقرة وطول سياق كافٍ. مراجع النماذج:

  • واجهة DeepSeek الرسمية: deepseek-v4-flash، بمستوى استدلال مرتفع. سريع ويعطي نتائج جيدة.
  • منصة Zhipu: glm-5.3-flash، بمستوى استدلال أقصى. يتمتع بدقة مرتفعة نسبيًا.
  • منصة Xiaomi Mimo: mimo-v2.6-flash، بمستوى استدلال أقصى. أضعف قليلًا من النموذجين السابقين، لكنه لا يزال صالحًا للاستخدام.

حقول إعداد الذكاء الاصطناعي متعدد الأغراض

Section titled “حقول إعداد الذكاء الاصطناعي متعدد الأغراض”

نقطة النهاية التي تستقبل الطلبات. توفّرها الإعدادات المسبقة عادةً. غيّرها عند استخدام Ollama أو خدمة محلية متوافقة أخرى.

المفتاح الذي يصدره المزوّد. ويمكن ترك هذا الحقل فارغًا للخدمات المحلية. يُخزَّن المفتاح في وحدة التخزين الآمنة للجهاز، ويُزال عند حذف إعداد الخدمة الخاص به.

اسم النموذج الدقيق المُرسل إلى المزوّد. يجب أن يطابق نموذجًا يدعمه ذلك المزوّد. ولا يغيّر اسم العرض المخصص المعرّفَ المُرسل في الطلب.

تحدد القدرات إجراءات الأتمتة التي يمكنها استخدام النموذج.

لا تضع علامة القدرة على «استخراج النص» أو «استخراج ملخص الصورة» لنموذج لا يقبل إدخال الصور. فقد يؤدي التصريح الخاطئ بالقدرات إلى تفعيل إجراء يفشل طلبه في النهاية.

عدد الطلبات التي تعمل في الوقت نفسه. تكون القيم الأعلى أسرع عادةً، لكنها أكثر عرضة لتجاوز حدود المعدل وتستهلك ذاكرة أكبر. تعني القيمة 0 عدم وجود حد. إذا لم تكن متأكدًا، فأبقِ القيمة المُعدّة مسبقًا.

الحد الأقصى لعدد الطلبات التي تبدأ خلال نافذة زمنية. ويختلف هذا عن التزامن: فالتزامن يحد من العمل المتزامن، بينما يحد حد المعدل من عدد الطلبات التي تبدأ خلال فترة معيّنة. تعطّل القيمة 0 هذا الحد.

الفاصل الزمني بين الطلبات

Section titled “الفاصل الزمني بين الطلبات”

الحد الأدنى للتأخير بين بدايات الطلبات المتتالية، بالثواني. زِده عندما يقيّد المزوّد الطلبات.

إعادة المحاولة التلقائية

Section titled “إعادة المحاولة التلقائية”

عدد مرات إعادة المحاولة بعد فشل الطلب. تعطّل القيمة 0 إعادة المحاولة التلقائية. قد تترتب على إعادة المحاولة رسوم لدى المزوّد؛ وإذا كان الخطأ مفتاح API غير صالح أو نموذجًا غير معروف، فإن زيادة عدد مرات إعادة المحاولة لن تفيد عادةً.

تؤثر درجة الحرارة (Temperature) وحدود الرموز وTop P والمعلمات المشابهة مباشرةً في الطلب المُرسل إلى النموذج. اتركها فارغة لاستخدام القيم الافتراضية للمزوّد أو النموذج. ولا تملأها إلا إذا كنت تعلم أن المزوّد يدعم المعلمة.

يعالج تجاوز الطلب (requestOverride) الاختلافات بين المزوّد وصيغة الطلب القياسية المتوافقة مع OpenAI. ويمكنه تعديل ترويسات الطلب ومعلمات الاستعلام في عنوان URL ومتن الطلب دون تغيير منطق الطلبات العام في التطبيق.

يجب أن يكون تجاوز الطلب كائن JSON:

{
"headers": {},
"query": {},
"body": {}
}

احتفظ بالحقول الثلاثة كلها. واستخدم كائنًا فارغًا {} للقسم الذي لا يحتاج إلى تجاوز.

يدعم الحقلان headers وquery العنصر النائب {{API_KEY}}. وقبل إرسال الطلب، يُستبدل بمفتاح API من الإعداد الحالي. لا تضع مفتاح API حقيقيًا مباشرة في تجاوز الطلب، ولا تودعه في التوثيق أو في مستودع.

تجاوزات ترويسات الطلب: headers

Section titled “تجاوزات ترويسات الطلب: headers”

الحقل headers كائن JSON مسطّح. مفاتيحه أسماء الترويسات، ويجب أن تكون قيمه سلاسل نصية أو null:

  • تضيف السلسلة النصية ترويسة أو تستبدلها.
  • تزيل null الحقل المقابل من الترويسات الافتراضية للتطبيق.

على سبيل المثال، لإضافة ترويسة يطلبها مزوّد ما:

{
"headers": {
"X-Provider-Version": "2026-01"
},
"query": {},
"body": {}
}

تجاوزات معلمات الاستعلام في عنوان URL: query

Section titled “تجاوزات معلمات الاستعلام في عنوان URL: query”

الحقل query أيضًا كائن مسطّح، وهو يعدّل معلمات الاستعلام التي تلي عنوان URL لواجهة API:

  • تضيف السلسلة النصية معلمة استعلام أو تستبدلها.
  • تزيل null معلمة استعلام.

على سبيل المثال، يشترط بعض المزوّدين وضع مفتاح API في معلمة الاستعلام key:

{
"headers": {},
"query": {
"key": "{{API_KEY}}"
},
"body": {}
}

يمكن لتجاوز الطلب تعديل معلمات الاستعلام، لكنه لا يستطيع تعديل أسلوب HTTP أو مسار API.

الحقل body رقعة جزئية لمتن الطلب، وليس متن طلب كاملًا. ينشئ التطبيق أولًا معلمات الطلب المشتركة، ثم يدمج هذا المحتوى فيها:

  • تضيف الحقول العادية حقولًا تحمل الاسم نفسه أو تستبدلها.
  • تُدمج الكائنات المتداخلة بشكل تعاودي؛ فتجاوز حقل فرعي واحد لا يزيل الحقول الشقيقة له.
  • يُزال الحقل الذي تكون قيمته null من متن الطلب النهائي.
  • تستبدل الأرقام والسلاسل النصية والقيم المنطقية والمصفوفات القيمةَ التي تحمل الاسم نفسه مباشرةً.

على سبيل المثال، لإضافة معلمات خاصة بمزوّد ما:

{
"headers": {},
"query": {},
"body": {
"response_format": {
"type": "json_object"
},
"vendor_option": "value"
}
}

استخدم null لإزالة حقل كان التطبيق سيرسله لولا ذلك:

{
"headers": {},
"query": {},
"body": {
"reasoning": null,
"reasoning_effort": null
}
}

يُطبَّق تجاوز المتن بعد معلمات النموذج ومعلمات الاستدلال. لذلك تكون للقيم الموجودة في body الأولوية على المعلمات المشتركة وتعيينات الاستدلال. وقد يجعل التجاوز الخاطئ الطلبَ غير متوافق مع المزوّد.

التجاوزات على مستوى المزوّد وعلى مستوى النموذج

Section titled “التجاوزات على مستوى المزوّد وعلى مستوى النموذج”

يمكن أن يأتي تجاوز الطلب من مستويين:

  • التجاوز على مستوى المزوّد: التجاوز الافتراضي للمزوّد، ويوفّره عادةً كتالوج المزوّدين.
  • التجاوز على مستوى النموذج: تجاوز ينطبق على نموذج واحد فقط.

تتبع التجاوزات على مستوى النموذج حالات القيم التالية:

  • القيمة null: ترث التجاوز على مستوى المزوّد.
  • الكائن غير null: يستبدل كائن مستوى المزوّد بالكامل؛ ولا يُدمج معه دمجًا عميقًا.
  • الكائن {}: هو أيضًا كائن غير null، ويعني أن هذا النموذج لا يستخدم صراحةً أي تجاوز على مستوى المزوّد.

لذلك، إذا كان التجاوز على مستوى النموذج يغيّر حقلًا واحدًا فقط من التجاوز على مستوى المزوّد، فيجب أن يتضمن أيضًا الحقول الأخرى من مستوى المزوّد التي ينبغي الاحتفاظ بها.

القيم الافتراضية للكتالوج والتعديلات اليدوية

Section titled “القيم الافتراضية للكتالوج والتعديلات اليدوية”

عند إنشاء إعداد من كتالوج المزوّدين، قد يملأ التطبيق تجاوز الطلب تلقائيًا. وإلى أن تعدّله يدويًا، يستمر الإعداد في اتباع تحديثات القيم الافتراضية للكتالوج.

بعد أن تعدّل تجاوز الطلب يدويًا، يضع التطبيق عليه علامة المحتوى المخصص، ولن يستبدل إدخالك بالقيم الافتراضية للكتالوج عند فتح صفحة الإعدادات. اختر استعادة الإعدادات الافتراضية لاستخدام التجاوز الذي يوفّره الكتالوج مرة أخرى.

عمليات التحقق قبل الحفظ

Section titled “عمليات التحقق قبل الحفظ”
  • يجب أن تكون محتويات headers وquery وbody كائنات JSON صالحة.
  • يستخدم headers وquery قيمًا مسطّحة من السلاسل النصية أو null؛ فلا تكتب فيهما كائنات متداخلة.
  • لا يدعم الكائنات المتداخلة والدمج العميق إلا body.
  • فضّل القيم التي يوفّرها كتالوج المزوّدين تلقائيًا.
  • إذا لم تكن متأكدًا من أن المزوّد يدعم حقلًا ما، فراجع توثيق API الخاص به أولًا.
  • اختبر الإعداد المحفوظ على صورة واحدة قبل تشغيله على مجلد كامل من القصة المصورة.