اليوم لا أختبر المحادثة، بل أدع النموذج المحلي يعمل مباشرة. بعد تشغيل Ling-3.0 Tiny محليًا، كنت أشعر دائمًا أن المحادثة البسيطة ليست مثيرة حقًا. ما يستحق الاختبار حقًا هو: هل يمكنه الاندماج في سير عمل حقيقي؟ لذلك، هذه المرة لم أعيد نشر النموذج، بل استخدمت واجهة برمجة التطبيقات المحلية الخاصة بـ llama.cpp لإنشاء "منظم نصوص AI" بسيط جدًا. بيئتي هي Windows + llama.cpp + Ling-3.0 Tiny، وقد تم توفير النموذج عبر واجهة برمجة التطبيقات على 127.0.0.1:8080. الخطوة الأولى: تأكد من أن النموذج تم تشغيله: http://127.0.0.1:8080/v1/models إذا رأيت معلومات النموذج، فهذا يعني أن واجهة برمجة التطبيقات تعمل بشكل طبيعي. ثم أنشئ ملفًا جديدًا باسم ai_test.py وأدخل الكود التالي مباشرة: import requests API_URL = "http://127.0.0.1:8080/v1/chat/completions" text = """ اليوم تناول الاجتماع بشكل رئيسي قضية إطلاق المنتج الجديد. حاليًا، تم إنجاز واجهة المستخدم بشكل أساسي، لكن هناك خطأين في وحدة الدفع. يريد مدير المنتج إكمال الاختبار قبل الجمعة. يجب على الخادم إعادة فحص واجهة حالة الطلب. بالإضافة إلى ذلك، لم يتم تأكيد النص الترويجي بعد، ويحتاج المصمم إلى تعديل الصفحة الرئيسية وفقًا للنص النهائي. """ prompt = f""" أنت الآن مساعد لتنظيم معلومات العمل. يرجى تنظيم سجل العمل المضطرب أدناه إلى: 1. ملخص في جملة واحدة 2. المشكلات الرئيسية 3. المهام المعلقة 4. الموعد النهائي 5. الأمور التي تحتاج إلى تعاون الآخرين المتطلبات: - لا تبتكر أي معلومات غير موجودة في النص الأصلي - إذا كانت المعلومات غير مؤكدة، اكتب "غير محدد" - استخدم اللغة الصينية - قدم الإخراج بوضوح، لكن دون تعقيد مفرط المحتوى الأصلي: {text} """ data = { "model": "local-model", "messages": [ { "role": "user", "content": prompt } ], "temperature": 0.2, "max_tokens": 1000 } response = https://t.co/c0rpBhsLaU(API_URL, json=data) if response.status_code == 200: result = response.json() print(result["choices"][0]["message"]["content"]) else: print("فشل الطلب:", response.status_code) print(response.text) ثم قم بتثبيت requests لـ Python: pip install requests وأخيرًا نفّذ: python ai_test.py في هذه المرحلة، لم يعد النموذج "يرافقك في المحادثة"، بل يعالج سجل عمل حقيقي. قمت بعد ذلك باستبدال محتوى الاختبار بنص أكثر فوضوية: هذا المشروع كان فوضويًا مؤخرًا، الصفحة الرئيسية تقريبًا جاهزة، لكن تسجيل الدخول يظهر أحيانًا أخطاء، قال وانغ البارحة إنه تم إصلاحها، لم يتم اختبار الدفع بالكامل بعد، من الأفضل الحصول على نتيجة بحلول الخميس، ما زال فريق التصميم يعدل الصور الترويجية، وقال المدير إنه يجب إطلاقه قبل نهاية الشهر، لكن التاريخ الدقيق لم يُحدد بعد. هذا النوع من الاختبارات أكثر فائدة بكثير من طرح سؤال مثل "من أنت؟" لأنه يتضمن عمدًا: أمورًا تم إنجازها، وأمورًا لم تُنجز، وتواريخ غير واضحة، ومهمات مختلفة لأشخاص مختلفين، ومعلومات بدون مواعيد نهائية محددة. ما يجب ملاحظته حقًا هو ما إذا كان النموذج يستطيع التمييز بين الحقائق والافتراضات. إذا تمكّن من التعرف بشكل صحيح على "الإطلاق قبل نهاية الشهر" كمتطلب نهائي، دون تحويل "من الأفضل الحصول على نتيجة بحلول الخميس" إلى موعد نهائي رسمي، فهذا الاختبار الصغير سيكون ذا قيمة. الخطوة التالية قد لا تتطلب تعديل النموذج، بل فقط استبدال text بـ: سجلات الاجتماعات، محادثات خدمة العملاء، رسائل مجموعة العمل، متطلبات المشروع، ملاحظاتك الشخصية. يمكن لنموذج صغير محلي بحجم بضعة عشرات من الميغابايت أن يبدأ بالاندماج في سير العمل الحقيقي. أعتقد أن الجانب الأكثر إثارة في الذكاء الاصطناعي المحلي هو هذا بالضبط. ليس بالضرورة جعله "نسخة محلية من ChatGPT"، بل جعله أداة ذكاء اصطناعي صغيرة يمكن استدعاؤها مباشرة من قبل البرامج دون رفع المحتوى الأصلي إلى السحابة. ويمكن تطوير هذا النظام أكثر لاحقًا: قراءة ملفات TXT، معالجة دفعات من عشرات الملفات، الربط مع مواقع الويب، أو حتى إنشاء واجهة سطح مكتب بسيطة. هذا أقرب بكثير إلى ما أفهمه بـ"التطبيق الحقيقي للذكاء الاصطناعي المحلي" من مجرد اختبار ما إذا كان النموذج يستطيع المحادثة.