Mohammed~

Artificial intelligence |Graduated from @IAU_CCSIT| Interested in Artificial intelligence and data science

[Mohammed~ @753mohamed]

دائما المشاريع الصغيره تعلمك اشياء مره كثيرة
استمتعت وانا ابني machine learning model يعرف من خلال الكتابة اذا كان الشخص زعلان او معصب و غيرها من المشاعر
ومن الاشياء الي تعلمتها كيف اربط المودل مع website or mobile app
اذا حابين اشرح كيف سويته راح اسوي ثريد و اشرح كل شي سويته

[الأكاديمية السعودية الرقمية @SdaAcademy]

طوّر مهاراتك في تحليل البيانات واستخراج الرؤى وبناء النماذج التي تساعد على فهم المشكلات واتخاذ القرارات وتطوير الحلول الذكية.

https://t.co/B3GKQu8S3R
سجّل الآن.

[كلية علوم الحاسب وتقنية المعلومات (CCSIT) @IAU_CCSIT]

في إطار تعزيز الشراكة مع سوق العمل، زار وفدٌ من #كلية_علوم_الحاسب_وتقنية_المعلومات شركة شنايدر إلكتريك، لعرض عدد من المشاريع الطلابية المتميزة ومناقشة مجالات التعاون المستقبلية بين الجانبين.

وضم الوفد وكيلة الكلية للتطوير والشراكة المجتمعية د.أمل الأحمدي، ورئيسة قسم الشبكات والاتصالات د.نوره المبيريك، ورئيسة وحدة مشاريع التخرج د.رباب الخليفة، ومنسق الشراكة د.عبدالرحمن الحربي.

وخلال الزيارة، استعرض الطلاب أربعة مشاريع تخرج متميزة شملت: CYVERA، وBinTwin، وUnvailX، وOTDEFENDER، والتي حظيت باهتمام وإشادة من المختصين بالشركة.

كما ناقش الوفد عدداً من محاور التعاون، من أبرزها التدريب التعاوني، والمشاريع المشتركة، وتطوير المقررات العلمية بما يدعم مواءمتها مع احتياجات سوق العمل
#IAU_CCSIT

[عبدالله محمد الجدعاني @Abdullhaljedani]

للطلاب والمتخرجين ||

إعلان رسمي من مسك المهارات (Misk Skills) التابعة لمؤسسة الأمير محمد بن سلمان "مسك".

↴ ✿ التفاصيل الدقيقة:
❶ يشمل نسخة جديدة مع ٨ دورات تدريبية محدثة (مهارات احترافية وتقنية حديثة).
❷ يتم بالتعاون مع جهات محلية وعالمية مرموقة (مثل EY وغيرها).
❸ البرنامج يركز على سد الفجوة بين التعليم وسوق العمل من خلال دورات ذاتية وتفاعلية.

يمكنك التسجيل مباشرة من الموقع الرسمي لـ Misk Hub. البرنامج مجاني

↴ ✿ وقت التسجيل :
التسجيل في برنامج مسك للإعداد المهني مفتوح حاليًا .
- بدء التقديم: ١ يناير ٢٠٢٦
- انتهاء التقديم: ٣٠ نوفمبر ٢٠٢٦

↴ ✿ الرابط المباشر للتسجيل:
https://t.co/nFIloPhH0X

↴ ✿ صوره توضيحية :

[إثرائي @EthraiSA]

انسجامًا مع عام الذكاء الاصطناعي، أطلقت منصة إثراثي بالشراكة مع IBM SkillsBuild برنامج تطبيقات الذكاء الاصطناعي المصمم لتعزيز أداء الكفاءات ورفع أثرهم في بيئات العمل. الذكاء الاصطناعي لم يعد خيارًا... بل أداة تعزز الأداء.

للتسجيل:https://t.co/UnW8Pl2JzS

[الوظائف الحكومية 🇸🇦 @YourJobs_KSA]

🚨🚨🚨🚨🚨🚨🚨🚨🚨🚨 هاااام

شركة سابك تعلن عن فرص وظيفية في

المجالات الهندسية والتقنية للعمل في

مصانعها في مدينة الجبيل وينبع

https://t.co/z2fpTswwnr

[توظيفك 🇸🇦 @tawzefak]

🚨 فتح التسجيل لأقوى برنامج ابتعاث وطني في الذكاء الاصطناعي من #سدايا

للبكالوريوس فأعلي
تخصصات تقنية
تقدير جيد جدا فأعلي
ابتعاث لأفضل الجامعات
دعم توظيفي قوي
تغطية كاملة:رسوم دراسية + معيشة +سفر +تأمين

⏳ التقديم متاح حتى 1 مارس

التفاصيل https://t.co/PQSHMWVsY2

@PostCareersa

[ثامر الغالي @alghali]

محبي الـ V60 والتقطير وصلت المعجزة 😍

مكينة القهوة xbloom تأتي بالحل الالي لصنع القهوة المقطرة في بيتك ومكتبك

مدمج معها طاحونة قهوة احترافية

حساسات الكترونية

متوفرة في امازون السعودية

https://t.co/8KYdibasLd

[توظيفك 🇸🇦 @tawzefak]

🟥| عاجل ورسميا - منح دراسية ممولة بالكامل

تعلن جامعة الملك فهد للبترول و المعادن - عن منح دراسية ممولة بالكامل لدراسة الماجستير و الدكتوراة

مكافأة شهرية
إقامة مجهزة بالكام
تالرعاية الطبية
تغطية الرسوم الدارسية و توفير الكتب

التفاصيل https://t.co/fsGBP8OY3z

...

[RedOneX @Red1OneX]

إذا ما كنت تقني، أو بس تبي تبني تطبيقات AI بدون صداع المفاتيح وملفات

Replit عنده الحل.

ميزة AI Integrations الجديدة تخليك تبني تطبيقات ذكاء اصطناعي مباشرة من داخل Replit، بدون API keys، بدون حسابات إضافية، وبدون إعداد.

- وصول فوري لأكثر من 300 نموذج من OpenAI، Anthropic، Gemini، Meta وغيرها.
- الـAgent يختار النموذج الأنسب تلقائيًا (وتقدر تغيّره بكلمة).
- كل الاستخدام والفواتير في مكان واحد داخل لوحة التحكم.

جرّب تقول له:
“ابنِ لي chatbot”
“أضف GPT-5 إلى المشروع”

ويبدأ التنفيذ فورًا.

Well done @amasad 👏🏻

[RedOneX @Red1OneX]

مايكروسوفت فعلتها مجددًا 🤩.

إذا جرّبت تبني عميل (agent) يعتمد على الذكاء الاصطناعي، فغالبًا تعرف هذا الشعور:
ما يشتغل صح من أول مرة أبدًا ❌.

تقضي أيام وأنت تغيّر في الـprompt، تضيف أمثلة، تجرب سيناريوهات...
بس في النهاية؟ مجرد تخمين وتجارب عشوائية.

وهنا بالضبط يجي دور أداة جديدة من مايكروسوفت اسمها Agent Lightning ⚡

فكرتها ببساطة: تخلي الـagent يتعلم بنفسه باستخدام التعلّم المعزز (Reinforcement Learning).

الجميل فيها إنها مفتوحة المصدر وتشتغل مع كل الأدوات تقريبًا:
LangChain، AutoGen، CrewAI، OpenAI SDK، أو حتى Python العادي.

طريقة عملها 👇

- تشغل الـagent مثل المعتاد، وتضيف فقط agl.emit() أو تخليه يتتبع تلقائيًا.
- الأداة تسجّل كل الـprompts، المكالمات، والـrewards في شكل منظم.
- تختار خوارزمية (RL، تحسين prompt، أو fine-tuning).
- النظام يتعلم من السجلات، ويولّد prompts أو weights أفضل.
- الـTrainer يرسل التحديثات للـagent، فيتحسن أداؤه بدون ما تغيّر الكود بنفسك.

الجزء الأجمل؟
تقدر حتى تحسّن agents فردية داخل نظام متعدد الوكلاء. 🤯

حطّيت رابط المستودع في الردود للي حاب يجرّب بنفسه 👇

[Ali Al habib @AliCS10_]

https://t.co/S727pNYJzd

الرابط اقين

[𝐌𝐨𝐡𝐚𝐦𝐞𝐝 @AIVibecode]

(تغريدة طويلة : كيف تطبق مشاريع التعلم العميق في مجال الأعمال)

هذه التغريدة عبارة عن تفريغ لمحتوى فيديو على يوتيوب لمهندس يشرح الفرق بين مشاريع التعلم العميق و الذكاء الاصطناعي الأكاديمية اللي نسويها بالجامعة أو في المسابقات، وبين المشاريع الحقيقية التي تحصل في الشركات.

الفيديو يبدأ بفكرة صادمة وهي أن 91% من مشاريع الذكاء الاصطناعي في الشركات تفشل في تحقيق التوقعات اللي يبغاها المدراء التنفيذيون. وهذه الإحصائية أخذها من تقرير لشركة ديلويت (Deloitte).

ويضيف من واقع خبرته و من خلال الاستشارات التي قدمها إن أغلب هذه المشاريع، مع أنها تبدو رائعة كفكرة، لكنها ما تتجاوز مرحلة "إثبات المفهوم" (Proof of Concept)، يعني تبقى مجرد تجربة وما تتحول لمنتج حقيقي يخدم البزنس. من هنا، يطرح السؤال المهم كيف نقدر نبني حلول ذكاء اصطناعي ناجحة للشركات؟ ويقترح منهجية بسيطة من أربع خطوات، مرتبة حسب الأهمية.

أول وأهم خطوة، واللي تمثل برأيه 90% من نجاح المشروع، هي تحديد المشكلة الحقيقية اللي تستاهل الحل. كثير من المهندسين أو المطورين الجدد يقعون في فخ قبول أي مشروع يوصلهم من الإدارة العليا كما هو، بدون تشكيك أو تحليل.

وهذا أكبر خطأ ممكن يصير. الحل الذي يقترحه هنا بسيط وهو اجمع كل الأطراف المعنية بالمشروع في غرفة واحدة. وهنا قصده ليس فقط المدراء، لكن كل شخص له علاقة بالمشروع، من الموظف العادي اللي راح يستخدم النظام، للمسؤولين في الأقسام الثانية اللي تتأثر عملياتهم بالمشروع.

الهدف من هذا الاجتماع هو الانطلاق من الصفر وتحديد مشكلة تكون مهمة وعاجلة بنفس الوقت. لأنك إذا اشتغلت على مشكلة غير مهمة أو غير عاجلة، ما راح تلاقي أحد متحمس يساعدك أو يستخدم الحل النهائي اللي راح تسويه.

بعد ما تحدد المشكلة الكبيرة، لازم تتعمق أكثر وتحدد "عنق الزجاجة" (Bottleneck) في العملية. نادراً ما يكون الحل تطبيق الذكاء الاصطناعي على العملية كلها، الأفضل دائماً إنك تركز على خطوة واحدة محددة هي اللي مسببة التأخير أو المشكلة، وتحاول تحلها.

الخطوة الثانية: تجهيز وهيكلة البيانات. هذه النقطة هي اللي راح تحدد وش نقدر نسوي وش ما نقدر نسوي. حالة البيانات وجودتها وتوفرها هي العامل الحاسم اللي يفرض عليك حدود الحلول الممكنة.

أحياناً ممكن تبدأ مشروع وبعد فترة تكتشف إنك تحتاج تجمع بيانات إضافية عشان النموذج يشتغل صح، وهذا شيء طبيعي، المهم إنك تقيم من البداية طبيعة البيانات المتاحة عندك واللي تقدر تشتغل عليها.

الخطوة الثالثة، وهي اختيار النموذج المناسب. وهنا يقسمها لأربع سيناريوهات رئيسية حسب نوع البيانات والسياق.

السيناريو الأول: لما يكون السياق معقد جداً والبيانات قليلة، مثل اختيار مورد لمشروع حساس أو الاستثمار في تقنية جديدة. هنا الحل بسيط، لا تستخدم الذكاء الاصطناعي أبداً. استخدم عقلك وأدوات عرض البيانات (Visualization) عشان تفهمها، وهذا يكفي، لأن عقلك البشري عنده قدرة هائلة على التعامل مع المواقف اللي سياقها عالي وبياناتها قليلة.

السيناريو الثاني: البيانات المجدولة (Tabular Data)، يعني أي بيانات تقدر تفتحها في ملف إكسل، مثل توقعات المبيعات أو تخطيط الإنتاج. هنا يقول إن النماذج الشجرية مثل Random Forest أو XGBoost غالباً تكون أفضل وأكثر فعالية من الشبكات العصبية، خصوصاً مع كميات البيانات المتوسطة. إذا كانت مشكلتك من هذا النوع وبياناتك جاهزة، فالطريق للحل غالباً يكون مباشر وواضح.

السيناريو الثالث: الصور والفيديو، مثل تحليل جودة المنتجات في المصانع. نصيحته هنا واضحة لا تعيد اخترع العجلة. شوف الأبحاث العلمية وش أفضل النماذج اللي نجحت في حل مشاكل مشابهة، مثل الشبكات العصبية الالتفافية (CNNs) أو نماذج "الرؤية المحولات" (Vision Transformers)، وابدأ منها. غالباً ما راح تحتاج تصمم بنية معمارية معقدة من الصفر.

السيناريو الأخير هو النصوص. زمان، كانت المشاريع النصية تحتاج شغل معقد، بس من بعد 2020، الوضع تغير مع ظهور النماذج اللغوية الكبيرة (LLMs). هذه النماذج عندها قدرة على التعلم من أمثلة قليلة جدًا أو حتى بدون أمثلة (Zero-shot learning)، وكل اللي تحتاجه هو كتابة أمر (Prompt) واضح عشان تعطيك نتائج ممتازة.

لكن فيه تحذير مهم، هذه النماذج ممكن "تهلوس" وتخترع كلام من رأسها، بالتالي لا تستخدمها أبداً في عمليات حساسة للشركة أو عمليات ما فيها مجال للإبداع والخطأ. أفضل استخدام لها يكون في النماذج الأولية السريعة، أو في المهام اللي فيها إشراف بشري يقدر يتأكد من صحة المخرجات.

النقطة الأخيرة والمهمة جداً هي التكرار (Iteration). مستحيل تسوي المشروع من أول مرة وينجح. السبب ليس إن المشروع معقد، السبب هو إن أصحاب المصلحة (Stakeholders) نفسهم غالباً ما يكون عندهم فكرة واضحة عن اللي يبغونه أو اللي ممكن تقنيًا.

الحل: ابدأ بنموذج أولي بسيط جداً وشغال، حتى لو كان شكله سيء (Crappy MVP). أول ما يشوفون شيء ملموس قدامهم، تبدأ الأفكار تطلع عندهم ويبدأون يعطونك ملاحظات حقيقية. من خلال هذه الملاحظات، تقدر تطور الحل خطوة بخطوة وتتأكد إنك ماشي في الاتجاه الصحيح اللي هم يبغونه، واللي غالباً يكون مختلف تماماً عن الاتجاه اللي كنت متخيله في البداية.

في النهاية، يوضح صاحب الفيديو نقطة عجبتني صراحةً. يقول إذا اتبعت هذه الخطوات الأربع، فأنت تضمن واحدة من نتيجتين، وكلها تعتبر فوز.

النتيجة الأولى هي إن المشروع ينجح. والنتيجة الثانية هي إن ممكن المشروع ما راح يبدأ أصلًا، لأنكم اكتشفتوا من البداية إنه ما كان فكرة جيدة أو مشكلة تستحق الحل.

وفي الحالتين، أنت وفرت على الشركة وقت وجهد ومال. وهذا برأيي هو أساس التفكير الاستراتيجي في المشاريع التقنية، النجاح أحياناً ليس في تنفيذ المشروع، لكن في الشجاعة على عدم البدء فيه من الأساس لأنه راح يكون تكلفته كبيرة بدون عائد كبير أو ضياع واهلاك للموارد.

الفيديو الأصلي
https://t.co/Z2VeVbWhn1

شكراً للسيد ياسين صاحب الفيديو @yacinelearning ، اللي مهتم بمجال الذكاء الاصطناعي خصوصا الابحاث يتابع الرجل انا استفدت منه كثير

أيضاً اللي مهتم يعرف شباب لهم خبرة في الجانب العملي تابعوا ، يوسف @yousefrol ماشاءالله فنان في مجال الجانب العملي، @F2TheL_ أمس أطلق مشروعه وراح تستفيدون من رحلة بناءه للمشروع والمشاكل اللي واجهها ، وعندكم فهد @v0id_user ماشاءالله عنده مشروع جميل صحيح انه بعيد عن الذكاء الاصطناعي ومختص بشيء دقيق لكن أيضاً جميل أنك تشوف شباب أطلقوا مشاريعهم التقنية بأيديهم.

[RedOneX @Red1OneX]

كنت أتكلم مؤخرًا عن ليه Context Engineering أقوى بـ10x من Prompt Engineering 👀

الفرق؟ الأول يخلي الذكاء الاصطناعي يفهم النظام كله، مو بس يجاوب على سؤال.

بدل ما كل مرة تصيغ prompt جديد، عندك نظام كامل يفهم كل السياق ويعطيك نتائج دقيقة تلقائيًا.

وهنا يجي دور Context Engineering Template 💡

👈🏻 نظام متكامل لبناء السياق — توثيق، أمثلة، قواعد، وأنماط جاهزة تطبقها فورًا.
وكله مفتوح المصدر

الرابط بالكومنت الأول 👇

[Turing Post @TheTuringPost]

Document-to-Markdown converter for LLM pipelines – MarkItDown from @Microsoft

This Python tool converts dozens of file types to clean Markdown, keeping headings, lists, tables, links, and metadata.

Supports:
- PDF, Word, Excel, PowerPoint
- HTML, CSV, JSON, XML
- Images (OCR + EXIF), audio (transcription + metadata)
- ZIP files, YouTube URLs, EPubs, and more

As Markdown is LLMs' "native language," it's perfect for preprocessing documents before feeding them into models.

[𝐌𝐨𝐡𝐚𝐦𝐞𝐝 @AIVibecode]

مكتبة بايثون اسمها Promptify وفكرتها أنها تحل مشكلة معينة تواجه أي مطور يبني تطبيقات باستخدام النماذج اللغوية الكبيرة LLMs .

المشكلة مع نماذج LLMs في طبيعة مخرجاتها اللي ما تكون مضمونة دائماً يعني ممكن تطلب منه شيء محدد بصيغة معينة لكن ما في أي ضمان إنه يلتزم بالصيغة اللي طلبتها وهذا يخلي بناء أنظمة مؤتمتة صعب لأنك تحتاج تكتب كود إضافي عشان ينظف ويفهم الرد اللي جاي من النموذج.

هنا يجي دور مكتبة Promptify فكرتها الأساسية إنها تعمل كطبقة وسيطة بينك وبين النموذج اللغوي بدل ما تتعامل معه مباشرة أنت تتعامل مع Promptify وهي تضمن لك إن المخرجات منظمة وجاهزة للاستخدام البرمجي

نقدر نقسم عمل المكتبة لثلاثة أجزاء رئيسية:

1⃣ الـ Prompter أو مُعد القالب هذا اللي يحول طلبك البسيط إلى prompt مفصل ومصمم بعناية يجبر النموذج يرجع البيانات بالشكل اللي تبغاه والمكتبة تجي معاها قوالب جاهزة لمهام معالجة اللغات الطبيعية

2⃣ الـ LLM أو النموذج اللغوي هنا تختار أي نموذج سواء من OpenAI أو Cohere أو Hugging Face أو غيرهم ، المكتبة ما هي محصورة على شركة معينة

3⃣ الـ Pipeline أو خط التنفيذ هذا يربط كل شيء ببعض ياخذ القالب من الـ Prompter والنص اللي تبغى تحلله ويرسله للنموذج وبعد ما يرجع الرد يقوم بتنظيفه وتحويله للصيغة البرمجية الصحيحة

في التغريدة الأصلية فيه مثال عن تحليل تقرير طبي لمريضة عمرها 93 سنة عندها قائمة أمراض والهدف استخراج كل المعلومات المهمة وتصنيفها مثل العمر الحالة الطبية والأعراض

باستخدام مكتبة Promptify بدل ما تكتب prompt طويل ومعقد عشان يستخرج لك المعلومات الطبية، تحدد النص الطبي وبعدين تطلب من المكتبة استخدام قالب جاهز اسمه ner.jinja مخصص لمهمة استخراج المصطلحات الطبية.

النتيجة النهائية قائمة مرتبة وكل عنصر فيها قاموس يحتوي المعلومة المستخرجة وتصنيفها مثل [{'E': '93-year-old', 'T': 'Age'}, {'E': 'chronic right hip pain', 'T': 'Medical Condition'}] وهذه النتيجة تتعامل معها مباشرة في الكود بدون أي تعقيد

والجميل إن المكتبة ما تقتصر على مهمة واحدة فقط مصممة لدعم مجموعة كبيرة من مهام معالجة اللغات الطبيعية مثل تصنيف النصوص هل هذا الإيميل إيجابي أو سلبي تلخيص المقالات الطويلة وحتى مهام متقدمة مثل توليد استعلامات SQL من وصفك للبيانات باللغة العادية

كمبرمج تقدر تستخدم Promptify عشان توفر وقت وجهد كبير في التعامل مع النماذج اللغوية الكبيرة، بدل ما تكتب prompts طويلة ومعقدة أو تصحح مخرجات النموذج يدويًا،

المكتبة تنظم لك الطلبات وترسلها للنموذج وتضمن إن الردود تكون بصيغة قابلة للاستخدام مباشرة في الكود، سواء لاستخراج بيانات من نصوص، تصنيف المحتوى، تلخيص المقالات، أو توليد استعلامات قواعد بيانات، وهالشيء يخليك تبني تطبيقات تعتمد على الذكاء الاصطناعي بشكل أسرع وأكثر موثوقية بدون تعقيدات إضافية في معالجة المخرجات.

https://t.co/mWtiBPhqsw

[التميمي @altmemy199]

تخيلوا 🔥عبقري بنى داخل Minecraft نسخةً مصغّرة من ChatGPT باستخدام الريدستون 😱

يحتوي CraftGPT تقريبآ 5,087,280 معلمة، وتعمل كلّها داخل اللعبة. صحيح أن نافذة السياق لا تتجاوز 64 توكنًا، لكنها تكفي لإجراء حوارات قصيرة.

غالبًا هذا أفضل ما سترى اليوم.

[التميمي @altmemy199]

موقع Kaggle بينزل دورة مكثفة مجانية مدتها 5 أيام حول الوكلاء (AI Agents)

الدورة مليانه تطبيق عملي، وتشمل محاضرات مباشرة عبر الإنترنت، واجبات منزلية، وحتى مشروع ختامي.

البرنامج باختصار:

- اليوم 1: المفاهيم الأساسية، الفروقات الجوهرية بين الوكلاء ونماذج اللغة التقليدية (LLMs)، وهياكل التصميم الشائعة.
- اليوم 2: استخدام الأدوات (Tool Use)، بروتوكول MCP، والتكامل مع واجهات برمجة التطبيقات (APIs).
- اليوم 3: الذاكرة، وتقنيات توسيع سياق الفهم (context extension).
- اليوم 4: المقاييس، المراقبة، التسجيل (logging)، التقييم (evaluation)، وشفافية خطوط سير العمل (pipelines).
- اليوم 5: نشر الوكلاء وتوسيع نطاقهم، أنظمة الوكلاء المتعددة (multi-agent systems)، وبروتوكول التواصل بين الوكلاء (Agent2Agent).

الدورة شكلها بتكون ممتازة
الدورات السابقة من Kaggle لاقت إقبالًا هائلاً فدورة الذكاء الاصطناعي التوليدي (Generative AI Course) شارك فيها ما يقارب 5000 شخص! ومن المرجّح أن تكون هذه الدورة بنفس الجودة.

والأهم: مجانية تمامًا، ولا تحتاج إلى أي عملية اختيار يكفي التسجيل فقط!
التاريخ: 10–14 نوفمبر 2025.

لو تحب تسجل
https://t.co/qvHobQSxro

[Shubham Saboo @Saboo_Shubham_]

Stop building AI agents that ignore your instructions.

This Python framework guarantees LLM Agents follow your rules in production. Every single time.

100% Opensource.

[سعيد الكلباني @smalkalbani]

انسخ هذا👇🏻
"أنتِ “smalkalbani”، أخصائي بارع في تحسين مطالبات الذكاء الاصطناعي بمستوى خبير. مهمتك: تحويل أي إدخال من المستخدم إلى مطالبة مصاغة بدقة تُمكّن الذكاء الاصطناعي من تحقيق أقصى إمكاناته عبر جميع المنصات.

منهجية الأبعاد الأربعة (THE 4-D METHODOLOGY)
1.التفكيك (DECONSTRUCT): استخراج النية الأساسية، الكيانات الرئيسية، والقيود؛ وتحديد ما هو مفقود.
2.التشخيص (DIAGNOSE): مراجعة الطلب من حيث الوضوح، والتحديد، والحاجة إلى التعقيد.
3.التطوير (DEVELOP): اختيار التقنيات المثلى بناءً على نوع الطلب (إبداعي، تقني، تعليمي، معقد)؛ تعيين دور الذكاء الاصطناعي؛ وهيكلة المطالبة.
4.التسليم (DELIVER): إخراج المطالبة المحسّنة مع التنسيق وتوجيهات الاستخدام.

التقنيات (TECHNIQUES)

الأساسية: تعيين الأدوار، تقسيم المهام، تكديس السياق.
المتقدمة: سلسلة التفكير، أمثلة قليلة (few-shot)، مبني على قيود، تحليل متعدد الزوايا.

أوضاع التشغيل (OPERATING MODES)
•وضع التفاصيل (DETAIL MODE): طرح 2–3 أسئلة ذكية قبل تحسين الطلب.
•الوضع الأساسي (BASIC MODE): تحسين سريع باستخدام التقنيات الأساسية.

صيغ الإخراج (FORMATS)

البسيطة:
المطالبة المحسّنة الخاصة بك:
[النص المحسّن]
ما الذي تغيّر: [الملخص]

المعقدة:
المطالبة المحسّنة الخاصة بك:
[النص المحسّن]
التحسينات الرئيسية:
• [قائمة]
التقنيات المستخدمة: [الملخص]
نصيحة احترافية: [ملاحظة للاستخدام]

رسالة الترحيب (مطلوبة)

“مرحبًا! أنا smalkalbani، محسنّ مطالبات الذكاء الاصطناعي الخاصة بك. أُحوّل الطلبات الغامضة إلى مطالبات دقيقة وفعالة تحقق نتائج أفضل.

ما أحتاج معرفته:
•منصة الذكاء الاصطناعي المستهدفة: ChatGPT، Claude، Gemini، أو غيرها
•نمط الطلب: DETAIL (سأطرح أسئلة توضيحية أولًا) أو BASIC (تحسين سريع)

أمثلة:
•‘DETAIL باستخدام ChatGPT — اكتب لي بريدًا تسويقيًا’
•‘BASIC باستخدام Claude — ساعدني في تحسين سيرتي الذاتية’

فقط أرسل لي الطلب بصيغته الأولية، وسأتولى تحسينه!”

سير العملية (PROCESS FLOW)
1.الكشف التلقائي عن درجة التعقيد (أو يختار المستخدم النمط)
2.طرح أسئلة توضيحية (إذا تم اختيار DETAIL)
3.تحسين المطالبة
4.إخراج النتيجة مع الشرح

ملاحظة حول الذاكرة: لا يتم حفظ أي بيانات أو طلبات بعد انتهاء الجلسة.

هل ترغب الآن بتحسين أول طلب لك؟"

[التميمي @altmemy199]

الصينيين أطلقوا نموذج ذكاء اصطناعي يحوّل أي ملف PDF إلى مستند عادي — الذكاء ينقل الجداول والصور والنصوص بدون ما يخرب التنسيق.

تحت الغطاء، النموذج اسمه Dolphin ويستخدم أدوات قوية لفحص ملفك، يرتب الجداول والصور، ويرجع لك كل شيء جاهز ومنظم.

المشروع متوفر على GitHub
https://t.co/OvbyqwdB2P
وفي نسخة تجريبية مجانية أونلاين.
https://t.co/uPM8zpziSm