تشغيل AI والأتمتة
من 100 دولار إلى أقل من 8 دولارات ليوم عمل.
بنيت بيئة AI مشتركة لفريق من 4 أشخاص في تحليق، وخفضت تكلفة التشغيل اليومية بأكثر من 92%. اخترت النماذج واستضفتها وربطتها بأدوات الوكلاء ودربت الفريق، وعالجت مشكلات التكامل بإصلاحات قُبلت في LocalAI.
عبد الله منصور
اختيار المهمة. توجيه التنفيذ. مراجعة النتيجة.
التخطيط والقرارات الأصعب
نماذج أعلى قدرة، مع توجيه ومراجعة مستمرين.
تنفيذ المهام المناسبة
Codex / Claude Code
LocalAI + llama.cpp
بيئة لفريق من 4 أشخاص، بأدوات وتكاملات MCP ومهارات مخصصة
المشروع في لمحة
- السياق
- تطوير التشغيل داخل Tahliq Digital Agency
- المستفيدون
- فريق من 4 أشخاص يستخدم AI في التسويق والبرمجة وتنفيذ الأعمال
- المشكلة
- إنفاق يومي على AI قدره 100 دولار، وحدود اشتراكات تعطل التنفيذ
- مسؤوليتي
- تقييم النماذج، وتوزيع المهام، وبناء البيئة وضبطها، وربطها بأدوات الوكلاء، ومعالجة التوافق
- المخرج
- بيئة مشتركة بتكلفة تشغيل أقل من 8 دولارات خلال يوم العمل
ازدياد الفائدة جعل تكلفة الاستخدام قيدًا
وصل الإنفاق اليومي على AI إلى 100 دولار. وكلما دخل في مزيد من مهام الفريق، زاد الاعتماد عليه. كانت حدود الاشتراكات تدفع إلى الانتظار أو شراء رصيد إضافي، بينما يجعل الدفع حسب الاستهلاك العمل المكثف أكثر تكلفة.
احتجنا إلى توزيع المهام بطريقة تسمح باستمرار التنفيذ، وتحفظ استخدام النماذج الأعلى قدرة للأعمال التي تستفيد منها أكثر.
وزعت العمل بحسب ما يحتاجه
أبقيت التخطيط والقرارات الأصعب والإشراف على المخرجات لدى النماذج الأقوى، وبنيت مسارًا لتنفيذ المهام المناسبة على نموذج مفتوح المصدر مستضاف للفريق.
قيّمت الخيارات بحسب جودة الاستدلال والمخرجات في مهام تشبه عملنا، ومتطلبات التشغيل، ودعم الصور وطول السياق. ثم جهزت البيئة باستخدام LocalAI وllama.cpp على وحدتي NVIDIA L4، مع دعم الصور وسياق يصل إلى 256K توكن.
كان الهدف أن تتحسن تكلفة التنفيذ مع الحفاظ على مراجعة المخرجات وتوزيع المسؤولية بين الأدوات والشخص الذي يدير العمل.
ربطت النموذج بأدوات الوكلاء وطريقة عمل الفريق
جهزت التكامل مع Codex وClaude Code، بحيث يدخل النموذج المستضاف في مسار التنفيذ الذي يستخدمه الفريق. وضمن تجهيز AI في تحليق، طورت مهارات مخصصة وتكاملات MCP تربط الوكلاء بالأدوات، ودربت الفريق على الاستخدام.
جمعت هذه المسؤولية بين فهم المهمة وما تحتاجه من قدرة، واختيار النموذج وبيئة تشغيله، وتجهيز الأدوات والسياق الذي يعمل به الوكيل. واستمر دوري في توجيه التنفيذ وتقييم المخرجات ومعالجة ما يعوق العمل.
عالجت مشكلات ظهرت في الاستخدام الفعلي
معالجة توافق Codex مع LocalAI
أظهر استخدام Codex فجوات في طريقة معالجة استجابات WebSocket داخل LocalAI: طلب التهيئة يحتاج إلى الاكتمال دون توليد محتوى، واستكمال المحادثة يحتاج إلى استعادة سجلها كاملًا. وكان تخزين الاستجابات يحتاج أيضًا إلى الحفاظ على عزل بيانات كل مستخدم.
تتبعت المشكلة، ووجهت وكلاء AI في تنفيذ الإصلاح، وراجعت التغيير والفحوص. شمل العمل طلبات التهيئة، وتسلسل المحادثة، وملكية الاستجابات، وترتيب أحداث الفشل.
غطت الاختبارات عزل الاتصالات، وتعاقب أدوار المحادثة، والطلبات المتزامنة، والفشل أثناء تدفق الاستجابة. قُبل الإصلاح ودُمج في LocalAI مع اختباراته وإرشادات الاستخدام:
إصلاح توافق Codex — LocalAI #11608
التحقق من الإرشادات بالتشغيل الفعلي
ذكر التوثيق أن تسريع التوليد بأسلوب Speculative Decoding يتوقف عند تفعيل معالجة الصور. راجعت هذه المعلومة في مكوّن التشغيل، واختبرت إعدادًا يجمع إدخال الصور مع Multi-Token Prediction (MTP).
أكملت طلبات الصور عملها، وأظهرت سجلات التشغيل تفعيل القدرتين معًا. قدمت تصحيحًا للإرشادات، ومثال الإعداد، وخطوات يستطيع المستخدم بها التحقق من بيئته. قُبل هذا التصحيح ودُمج أيضًا:
افتح الصورة بالحجم الكامل
افتح الصورة بالحجم الكاملما تغير في طريقة العمل
انخفضت تكلفة التشغيل اليومية من 100 دولار إلى أقل من 8 دولارات؛ أي أكثر من 92%، مع خدمة 4 أشخاص عبر البيئة المشتركة. واستمر استخدام النماذج الأقوى في التخطيط والإشراف والمهام الأصعب.
هذا المشروع يجمع مستويات متعددة من خبرتي في AI: اختيار النماذج، وتشغيلها، وتكاملها مع الوكلاء، وتوجيه العمل ومراجعته، والوصول إلى الأداة الأصلية حين يحتاج الحل ذلك.
أستخدم هذه القدرة في التسويق لتوسيع ما نستطيع إنجازه من بحث وتحليل وإنتاج وأتمتة. وفي الخبر بوضوح، ظهرت زاوية أخرى منها في أدوات التصوير والنشر التي بنيتها لخدمة استراتيجية المحتوى.