00:00:00هل تضعف وكلاء الذكاء الاصطناعي حقًا، أم أنهم ببساطة يعملون بمعلومات سيئة؟
00:00:03المشكلة الأساسية في هؤلاء الوكلاء تكمن في سياق المعلومات.
00:00:06لا يتعلق الأمر بنقص المعلومات لديهم أو عدم قدرتهم على التذكر،
00:00:09بل بأنهم لا يستندون إلى مصدر حقيقة منضبط.
00:00:12وهذا يعني أن الاعتماد على معلومات سيئة هو السبب وراء ضعف أدائهم.
00:00:15ربما سمعتم عن NotebookLM من جوجل،
00:00:18وهي أداة ممتازة للبحث العلمي وإنتاج البودكاست.
00:00:22ولكن ماذا لو كانت قادرة على تقديم ما هو أكثر من ذلك بكثير؟
00:00:23لقد حاول فريقنا اختبار أداة البحث هذه من زوايا مختلفة
00:00:27لإيجاد وسيلة لدمجها ضمن سير عمل التطوير الخاص بنا،
00:00:30وبصراحة، لم نتوقع أن تندمج بهذا الشكل المثالي.
00:00:32خلال هذا الفيديو، استخدم فريقنا NotebookLM عبر واجهة السطر البرمجي (CLI).
00:00:36هذه الواجهة تمنحك تحكمًا كاملاً في الأداة،
00:00:39بدءًا من إدارة الدفاتر والمصادر، وصولاً إلى مراجعات الصوت المستخرجة من تلك المصادر.
00:00:44عملية التثبيت سهلة للغاية؛ أمر برمجي واحد وكان كل شيء جاهزًا.
00:00:47بمجرد التثبيت، يمكنك التأكد من نجاح العملية بتشغيل أمر المساعدة.
00:00:51سيعرض لك هذا جميع الأوامر المتاحة للتحكم في مصادر NotebookLM،
00:00:56والتعامل مع المدخلات متعددة الوسائط، وكافة الوظائف التي توفرها الأداة.
00:01:00لكن قبل البدء، عليك ربط واجهة CLI بحساب جوجل الخاص بك عبر أمر NLM auth.
00:01:05بمجرد تشغيله، ستفتح نافذة في متصفح كروم لتسجيل الدخول.
00:01:08بعد ذلك، ستحفظ الأداة بيانات اعتمادك لاستخدامها مستقبلاً.
00:01:11يمكن الوصول إلى NotebookLM عبر واجهة CLI أو بروتوكول MCP،
00:01:15وكلاهما من تطوير المبرمج نفسه، لذا يمكنك اختيار ما يروق لك.
00:01:18لقد اخترنا CLI لأنها موفرة في استهلاك الرموز (Tokens)
00:01:21ولن تسبب أي مشكلة عند تشغيلها في مهام طويلة الأمد.
00:01:24يمكننا استخدام NotebookLM كعقل ثانٍ لوكلاء الذكاء الاصطناعي،
00:01:27عبر تزويدها بمعلومات حول قاعدة الكود البرمجي وجعلها توثق كل شيء أولاً بأول.
00:01:31ولتحقيق ذلك، أضفنا تعليمات في ملف claud.md
00:01:35وحددنا أن تكون كافة المعارف المتعلقة بالمشروع والقرارات الهيكلية
00:01:38وأي توثيقات أخرى مخزنة داخل Notebook.
00:01:41بهذا أصبح Notebook هو المصدر الوحيد والموثوق للحقيقة.
00:01:43استخدمنا Claude لإنشاء دفتر الملاحظات عبر CLI وحفظنا معرّفه في ملف claud.md.
00:01:49وعندما بدأنا العمل على ميزة جديدة للتطبيق، استخدمنا وضع التخطيط لتصورها أولاً.
00:01:53وبعد التنفيذ واجتياز مرحلة البناء بنجاح،
00:01:55قامت الأداة بتحديث الدفتر بتفاصيل التنفيذ كما أُمرت.
00:01:59احتوى الدفتر الناتج على جميع القرارات التي اتخذها Claude خلال العمل.
00:02:03إعداد هذا العقل الثاني يعني أن Claude لم يعد بحاجة للبحث في عدد هائل من المستندات بمفرده،
00:02:08أو الاعتماد على مطابقة الأنماط وحشو السياق بمعلومات غير ضرورية.
00:02:12بدلاً من ذلك، اعتمد على قدرات RAG في NotebookLM للحصول على ما يحتاجه بدقة.
00:02:16بهذه الطريقة، يتلقى Claude إجابات ملخصة من Gemini بدلاً من بيانات خام ضخمة،
00:02:20مما يتيح له التركيز أكثر على التطوير والتنفيذ.
00:02:23يمكنك أيضًا مشاركة الدفتر مع أي شخص،
00:02:25ليتمكنوا من استخدام قدرات NotebookLM للتأكد من أن التنفيذ يطابق متطلباتهم،
00:02:31حتى وإن لم يكونوا تقنيين، مما يسهل عليهم فهم التفاصيل التقنية بأسلوبهم الخاص.
00:02:35تم تصميم NotebookLM خصيصًا للبحث عبر مصادر متعددة.
00:02:39وبما أننا نستخدم Claude Code بكثرة في الأبحاث،
00:02:42زودناه بموضوع البحث الذي نعمل عليه وطلبنا منه العثور على المصادر،
00:02:47وإنشاء دفتر ملاحظات جديد ورفعها هناك.
00:02:49قام Claude بتحديد كافة المصادر ورفعها إلى الدفتر الذي أنشأه لهذه المهمة.
00:02:53تستهلك الأبحاث باستخدام Claude الكثير من سياق البيانات لأنه يفحص روابط يكتشف لاحقًا عدم صلتها بالموضوع.
00:02:59تقسيم البحث إلى جزأين وترك المهمة لأداة متخصصة وفر لنا الكثير من الوقت والرموز.
00:03:05بعد نقل المصادر للدفتر، مسحنا سياق المحادثة حتى لا يتأثر بمعلومات البحث القديمة،
00:03:11وطلبنا من Claude البحث عن المعلومات في NotebookLM عبر CLI،
00:03:15والعثور على بحث “RAG pipeline” واستخراج النتائج الرئيسية عبر دردشة NotebookLM.
00:03:20استخدم Claude أداة CLI لجلب الدفاتر، وأرسل رسالة دردشة للحصول على النتائج ثم عرض المخرجات.
00:03:26تمت هذه العملية بسرعة أكبر بكثير من أبحاث Claude التقليدية.
00:03:29والميزة الكبرى هنا هي أنه إذا احتجنا لمزيد من المعلومات من نفس البحث،
00:03:34يمكننا العودة للدفتر لأن المصادر محفوظة فيه.
00:03:37بذلك لا يضطر Claude للبحث عنها مجددًا لأن نتائج البحث أصبحت متاحة خارجيًا.
00:03:41لو اعتمدنا على Claude وحده، لما استطعنا الرجوع للمصادر
00:03:45إلا بإعادة البحث بأكمله ليجدها Claude ويستعلم عنها من جديد.
00:03:49لكن هذا الأسلوب يسمح لنا بإعادة استخدامها في مهام مستقبلية.
00:03:52يُعد فهم كود برمجي لم تكتبه بنفسك من أصعب تحديات التطوير.
00:03:57ولتبسيط هذه المهمة، استعنا أيضًا بـ NotebookLM.
00:04:00للقيام بذلك، طلبنا من Claude نسخ المستودع (Repo) باستخدام GitHub CLI.
00:04:04وبعد النسخ، طلبنا منه استخدام RepoMix لإنشاء مستند شامل لهذا المستودع.
00:04:09أداة RepoMix تقوم بتجميع الكود البرمجي في تنسيق يسهل على الذكاء الاصطناعي معالجته.
00:04:14يمكنك استخدام الواجهة الويب لتحويل الكود إلى مستندات بتنسيقات متعددة،
00:04:18مما يساعد الذكاء الاصطناعي على فهم الكود بسهولة وبكفاءة عالية في استهلاك الرموز.
00:04:23لكننا فضلنا استخدام واجهة CLI الخاصة بـ RepoMix.
00:04:25قمنا بتثبيتها عبر NPM.
00:04:26وبعدها أصبحت أداة RepoMix متاحة للاستخدام عالميًا في الجهاز.
00:04:29ثم طلبنا من Claude إنشاء دفتر على NotebookLM باستخدام واجهة CLI
00:04:34وإضافة المستند المنسق كمصدر لهذا الدفتر.
00:04:37بعد نسخ المستودع، استخدم Claude أداة RepoMix لتحويل الكود لمستند موفر للرموز
00:04:44ثم أنشأ دفترًا جديدًا وأضاف المصدر بتنسيق TXT.
00:04:47الآن وبعد إضافة المصدر،
00:04:49طلبنا من Claude استخدام أدوات Notebook لتمثيل الكود بصريًا
00:04:52وإنشاء مخططات تساعدنا في فهم محتويات قاعدة الكود.
00:04:56قام بتشغيل سلسلة من أوامر التصور البصري.
00:04:58وبمجرد اكتمال المخططات، تمكنا من استعراضها في استوديو NotebookLM.
00:05:03أنتجت الأداة “أطلسًا” يعمل كدليل لآليات العمل الرئيسية في المشروع.
00:05:07كما أنشأت خرائط ذهنية دقيقة لكل جانب من جوانب التطبيق،
00:05:09وسمحت لنا بالدردشة حول كل جزء منها على حدة.
00:05:12تم أيضًا إنشاء رسوم بيانية (Infographics) توضح الجوانب المختلفة بصريًا،
00:05:16مما سهل فهم الكود بالنظر
00:05:19بدلاً من الاعتماد فقط على ردود Claude النصية.
00:05:21والآن، قبل أن نكمل، إليكم كلمة من راعي الفيديو، Make،
00:05:25وهي المنصة التي تمكن الفرق من استغلال كامل إمكاناتها
00:05:28عبر بناء وتسريع أعمالهم باستخدام الذكاء الاصطناعي.
00:05:31نعلم جميعًا أن أكبر خطر في الوكلاء المستقلين هو مشكلة “الصندوق الأسود”؛
00:05:35حيث تقوم بتشغيلهم دون القدرة على التحقق من قراراتهم.
00:05:37لقد حلت Make هذه المشكلة، بدمج قدرات الـ no-code المدعومة بالذكاء الاصطناعي
00:05:41مع أكثر من 3000 تطبيق جاهز لتمنحكم نهج “الصندوق الزجاجي” الشفاف.
00:05:46في هذا الفيديو، استخدم وكيل تحليل أبحاث السوق الجاهز الخاص بهم
00:05:49لأريكم كيف يمكنكم التوسع والنمو تحت سيطرة كاملة.
00:05:52إلى جانب أدوات قوية مثل MakeGrid و MCP والتحليلات المتقدمة،
00:05:56تعتبر “لوحة التفكير” (Reasoning Panel) هي العنصر الحاسم هنا.
00:05:58فهي تسمح لك بمراقبة منطق الوكيل خطوة بخطوة،
00:06:01وتعزيز استجاباته باستخدام ميزة المعرفة،
00:06:03واكتشاف الأخطاء مباشرة عبر أداة الدردشة في مساحة العمل.
00:06:06هذه هي الشفافية التي طالما انتظرها المبرمجون.
00:06:09توقف عن التخمين وابدأ في التوسع بذكاء وسيطرة.
00:06:11اضغط على الرابط في التعليق المثبت لتجربة وكلاء Make الجدد اليوم.
00:06:15عندما يواجه الذكاء الاصطناعي مشكلة خارج قاعدة معارفه،
00:06:18يلجأ للبحث في الويب ويحاول حصر المصادر لإيجاد حل.
00:06:22لذا فكرنا: هل يمكننا تخطي البحث في الويب تمامًا
00:06:25واستبداله بقاعدة معرفية مخصصة؟
00:06:27مشكلة البحث في الويب هي أن Claude يجلب الكثير من المصادر،
00:06:30بينما القليل منها فقط هو ما يهم فعليًا.
00:06:32والباقي مجرد هدر للرموز.
00:06:33لذا طلبنا من Claude إنشاء دفتر جديد في NotebookLM
00:06:37وإضافة مصادر من التوثيقات الرسمية، والمجتمعات التقنية،
00:06:40والحلول المتاحة عبر المنصات المختلفة،
00:06:41ليصبح هذا الدفتر المرجع الأول لإصلاح الأخطاء (Debugging).
00:06:44بدأ بإنشاء الدفتر والبحث عن المصادر لإضافتها.
00:06:48وفي النهاية، ضم الدفتر وثائق رسمية، ومنتديات مجتمعية،
00:06:50ومستودعات GitHub، ومدونات، ومراجع أخرى ذات صلة
00:06:55لتكون بمثابة قاعدة معرفية شاملة لحل مشاكل البرمجة.
00:06:58أضفنا معرّف الدفتر في ملف claud.md
00:07:01وأمرنا Claude باستخدامه كمصدر أساسي لكل مشاكل التصحيح التي قد يواجهها.
00:07:05كما أضفنا تعليمات تقضي بأنه عند مواجهة أي خطأ،
00:07:08يجب الاعتماد على الدفتر أولاً قبل التوجه للبحث في الويب.
00:07:11وبفضل هذا الإعداد، عندما واجه خطأً برمجيًا،
00:07:13مثل استخدام “برمجية وسيطة” (Middleware) مهجورة في المشروع،
00:07:16تعامل معه بطريقة مختلفة.
00:07:18في الحالة الطبيعية،
00:07:19كان سيقوم بجلب التوثيقات أولاً ثم استخدامها لإصلاح المشكلة.
00:07:23لكنه بدلاً من ذلك، استعلم في الدفتر بسؤال محدد
00:07:26حول كيفية الانتقال إلى أحدث بروكسي،
00:07:28وحصل على إجابة منظمة مباشرة من الدفتر،
00:07:31بدلاً من جلب نتائج مشتتة من الويب بأكمله.
00:07:33ملف claud.md هذا، مع كافة الموارد الأخرى،
00:07:36متاحة الآن في AI Labs Pro.
00:07:38لمن لا يعرف، هو مجتمعنا الذي أطلقناه مؤخرًا
00:07:41حيث تحصلون على قوالب جاهزة للاستخدام، ومطالبات (Prompts)،
00:07:43وكافة الأوامر والمهارات التي يمكنكم دمجها مباشرة في مشاريعكم،
00:07:47سواء لهذا الفيديو أو الفيديوهات السابقة.
00:07:49إذا كنتم تستفيدون مما نقدمه وترغبون في دعم القناة،
00:07:52فهذه هي أفضل وسيلة للقيام بذلك.
00:07:53الروابط موجودة في الوصف.
00:07:55نبدأ دائمًا عملية تطوير الذكاء الاصطناعي بكتابة التوثيقات،
00:07:59لذا فكرنا في رفع تلك المستندات إلى NotebookLM أيضًا.
00:08:02أثناء عملنا على أحد التطبيقات،
00:08:04أنشأنا المستندات، وبمجرد جاهزيتها،
00:08:06طلبنا من Claude إنشاء دفتر آخر على NotebookLM
00:08:09ورفع كافة المستندات كمصادر لذلك الدفتر.
00:08:12قام بإنشاء الدفتر وإضافة جميع المصادر بنجاح.
00:08:16وبمجرد توفر هذه المصادر، أصبحت منظمة وموثوقة،
00:08:19مما ساعد Claude على فهم تفاصيل المشروع بعمق.
00:08:21وإذا كنا نعمل مع أشخاص غير تقنيين،
00:08:24فيمكننا ببساطة مشاركة هذا الدفتر معهم ليتمكنوا
00:08:27من الدردشة معه وفهم الأمور بأنفسهم.
00:08:28هذا الدفتر لا يخدم Claude فحسب.
00:08:30إذا كنت تستخدم أدوات أخرى مثل Cursor أو Gemini CLI،
00:08:34أو إذا كان هناك أشخاص آخرون يطورون معك،
00:08:36فيمكن لهذا الدفتر أن يعمل كقاعدة معرفية لهم جميعًا.
00:08:39لأنه عبر دردشة الدفتر،
00:08:40يمكن لكل وكيل الحصول على معلومات مخصصة لما يحتاجه بالضبط
00:08:44بدلاً من الاعتماد على أدوات البحث التقليدية في الملفات.
00:08:46بهذه الطريقة، يمكن لـ Claude أو أي وكيل آخر استخدام أداة الاستعلام في NLM،
00:08:51وطلب ما يتعلق بمهتمهم الحالية فقط
00:08:53وبناء سياقهم المعرفي بناءً على ذلك.
00:08:55أيضًا، إذا كان المحتوى ينال إعجابكم، فلا تنسوا الضغط على زر التفاعل (Hype)
00:08:58لأن ذلك يساعدنا على تقديم المزيد من هذا المحتوى
00:09:00والوصول إلى جمهور أكبر.
00:09:02لقد رأينا كيف نستخدم الأداة لفهم قاعدة كود جديدة،
00:09:06لكننا أردنا معرفة ما إذا كانت تلك التصورات البصرية ستساعد الوكلاء أيضًا.
00:09:10لذا طلبنا من Claude إنشاء دفتر ملاحظات آخر
00:09:12وإعداد تصورات تساعد الوكيل في العثور على طريقه داخل الكود.
00:09:16فأنشأ دفترًا وأضاف إليه خرائط ذهنية، ورسومًا بيانية، وجداول بيانات،
00:09:20ومصادر متنوعة في NotebookLM،
00:09:22ثم قام بتنزيلها في مجلد التصورات (visualizations) داخل المشروع.
00:09:25وفر ذلك عدة تنسيقات لتعزيز فهم الوكيل،
00:09:28بما في ذلك جداول بتنسيق CSV وملفات Markdown،
00:09:30كما تضمن ملفات JSON للخرائط الذهنية.
00:09:33ما حدث هو أنه أنشأ خرائط ذهنية لكل هذه الميزات.
00:09:36وهي الخرائط التي رأينا أنه صدرها كملفات JSON.
00:09:40كما أنشأ عرضًا تقديميًا كاملاً للمساعدة في الفهم البصري.
00:09:43وعندما كان يواجه أي شيء يحتاج للتحقق منه،
00:09:46كان يراجع الخريطة الذهنية المعنية بدلاً من البحث اليدوي في الملفات،
00:09:50ليجد المسار الدقيق ويستعلم في الدفتر عما يحتاجه.
00:09:54وبالمثل، فحص نقاط النهاية (Endpoints)، وحلل تدفق البيانات،
00:09:56واستعلم في الدفتر باستخدام خرائط JSON المصدرة
00:10:00بدلاً من التنقل العشوائي داخل قاعدة الكود.
00:10:03هناك طريقة أخرى لاستخدام NotebookLM
00:10:05وهي تجميع كافة المشكلات الأمنية الشائعة التي نواجهها
00:10:08في المواقع التي ينشئها الذكاء الاصطناعي، عبر ربطها بمصادر دقيقة.
00:10:12لذا طلبنا من Claude إنشاء دفتر باستخدام CLI
00:10:15وإضافة مواصفات الميزات وكافة المصادر المتعلقة بالأمن.
00:10:19الهدف من هذا الدفتر هو أن يكون بمثابة دليل أمني لـ Claude
00:10:22ليتمكن من الرجوع إليه كلما واجه أي ثغرة أو مشكلة.
00:10:26أنشأ الدفتر وأضاف جميع المصادر،
00:10:28والتي شملت أدلة أمنية مخصصة وقوائم OWASP،
00:10:32والتدابير الأمنية للتقنيات التي نستخدمها من GitHub،
00:10:35وقواعد بيانات CVE، وغيرها من الموارد لضمان حماية التطبيق.
00:10:39احتوى الدفتر الناتج على 61 مصدرًا في ملفات مختلفة،
00:10:43تضم تنبيهات أمنية من مراجع متعددة.
00:10:45وباستخدام هذا الدليل، عندما طلبنا من Claude إجراء فحص أمني سريع،
00:10:49قام بإنشاء تقرير أمني مفصل،
00:10:51وحدد عدة مشكلات متفاوتة الخطورة،
00:10:54مثل خطأ الفاصلة العائمة في المعاملات الذي اكتشفه في التطبيق،
00:10:58والذي قد يكون جسيمًا في حال كانت المبالغ كبيرة.
00:11:00لقد تمكن من ذلك لأن عملية الفحص كانت مستندة إلى أبحاث رصينة من NotebookLM.
00:11:04بهذا نصل إلى نهاية هذا الفيديو.
00:11:06إذا كنتم ترغبون في دعم القناة ومساعدتنا في الاستمرار،
00:11:10يمكنكم فعل ذلك عبر زر “شكراً” (Super Thanks) الموجود أدناه.
00:11:13كما هو الحال دائمًا، شكرًا للمتابعة وأراكم في الفيديو القادم.