خدمات نماذج اللغة الكبيرة
(LLM)

نبدأ من العمل نفسه: الأسئلة التي يكرر فريقكم الإجابة عنها، والمستندات التي يقرأها أحدهم ويلخّصها، والبيانات التي تُنقل يدوياً بين نظامين. نقيّم كل حالة بحسب الحجم وهامش الخطأ المسموح وطريقة قياس النجاح، وإذا كان استعلام بسيط أو قاعدة عمل يحلّ المسألة بتكلفة أقل نقولها قبل أن تنفقوا على نموذج.

نحصر ما يجب أن يعرفه النموذج: بيانات المنتجات والأسعار، وسياسات الشحن والاسترجاع، وسجلات الدعم السابقة، وملفات PDF، والويكي الداخلي، ومعدل تغيّر كل مصدر. يحدّد هذا الجرد ما يُسترجع لحظة السؤال، وما يحتاج تنظيفاً أولاً، وأي الحقول الشخصية لا تُرسل إلى أي مزوّد إطلاقاً.

النسخة العاملة الأولى تعتمد على تعليمات مصمّمة بعناية واسترجاع فوق محتواكم عبر تضمينات pgvector، وبلا تدريب مخصص عن قصد لأنه نادراً ما يكون أرخص طريقة لتصحيح إجابة خاطئة. تحصلون خلال أسابيع على نموذج أولي تختبرونه بأصعب أسئلتكم الحقيقية.

نكتب صراحةً ما يُعدّ إجابة صحيحة: مجموعة مقيّمة من أسئلة حقيقية بسلوك متوقع تُعاد تشغيلها عند كل تغيير في التعليمات أو الاسترجاع أو النموذج. في المرحلة نفسها تُفعَّل الضوابط: ذكر المصدر، والامتناع عند غياب الدليل، ومنع الإفصاح عن البنية الداخلية، وحظر صارم لإظهار بيانات عميل آخر.

يتيح استدعاء الأدوات للمساعد قراءة الطلبات والمخزون والسجلات الفعلية بدل التخمين، ويُطلق حيث يوجد عملاؤكم أصلاً: نافذة دردشة في الموقع، أو لوحة داخلية، أو واتساب وإنستغرام. تبقى الإجراءات غير القابلة للتراجع خلف موافقة بشرية، وتفاصيل طبقة الربط موضّحة في صفحة تكامل واجهات GPT و Claude.

يُسجَّل كل طلب بعدد الـ tokens الداخلة والخارجة، فتظهر تكلفة كل محادثة وكل ميزة من اليوم الأول لا مع أول فاتورة. وعندما يوقف المزوّد نموذجاً أو يصدر نموذجاً أفضل، نشغّل مجموعة التقييم على المرشّح ونقارن الجودة وزمن الاستجابة والتكلفة، ثم ننتقل عبر تغيير إعداد قابل للتراجع.