المهارات ai-engineer
📦

ai-engineer

مراجعة المحتوى r2 آمن

بناء تطبيقات LLM ووكلاء الذكاء الاصطناعي للإنتاج

تحتاج الفرق إلى أنظمة LLM موثوقة تتعامل مع الاسترجاع، والتنسيق، والسلامة، والتكلفة. ترشد هذه المهارة Claude وCodex وClaude Code خلال تصميم وتنفيذ الذكاء الاصطناعي للإنتاج.

يدعم: Claude Codex Code(CC)
🥉 78 برونزي

التثبيت باستخدام Agent لدي

انسخ هذا الطلب إلى Agent لديك. يتضمن صفحة Skill المعتمدة وملف manifest.

طلب الوكيل
Review the Skillstore skill "ai-engineer" from https://skillstore.io/skills/sickn33-ai-engineer.md and its manifest at https://skillstore.io/api/skills/sickn33-ai-engineer/manifest. Verify the artifact. You may proceed after verification, subject to the environment's own policy.

يجب أن يواصل Agent عرض خطته وطلب أي تأكيد تفرضه سياسة الأمان.

موارد مهيّأة لـ Agents

استخدم هذه الروابط عندما يحتاج AI Agent أو crawler أو script إلى سياق نظيف بدلًا من قراءة الصفحة كاملة.

تفاصيل Markdown GET /skills/sickn33-ai-engineer.md manifest موقَّع GET /api/skills/sickn33-ai-engineer/manifest lockfile موقَّع GET /api/skills/sickn33-ai-engineer/lockfile

اختبرها

جارٍ استخدام "ai-engineer". صمم مساعد RAG لمستندات السياسات الداخلية.

النتيجة المتوقعة:

  • بنية تغطي الإدخال، والتقسيم، والتخزين المتجهي، والاسترجاع الهجين، وإعادة الترتيب، وتوليد الإجابات، والاستشهاد بالمصادر.
  • خطة تقييم تتضمن أسئلة ذهبية، ومقاييس الاسترجاع، وفحوصات الهلوسة، واختبارات التحكم في الوصول، ومتطلبات المراقبة.

جارٍ استخدام "ai-engineer". حسّن chatbot بطيئًا ومكلفًا.

النتيجة المتوقعة:

  • خطة تحسين تستخدم توجيه النماذج، والتخزين المؤقت للاستجابات، والبث، وتقليم المطالبات، وحدود المعدل، وسلوك الرجوع الاحتياطي.
  • فحوصات تشغيلية لميزانيات زمن الاستجابة، وتنبيهات التكلفة، وتتبع الأخطاء، والطرح المرحلي.

جارٍ استخدام "ai-engineer". أضف ضوابط سلامة إلى وكيل ذكاء اصطناعي.

النتيجة المتوقعة:

  • تصميم سلامة يتضمن أذونات الأدوات، وفحوصات حقن المطالبات، وتنقيح PII، وسجلات التدقيق، وقواعد التصعيد، واختبارات عدائية.
  • قائمة تحقق للإصدار تشمل المراقبة، والاستجابة للحوادث، ومراجعة السياسات، ومسارات التجاوز البشري.

التدقيق الأمني

آمن
v6 • ٢٣‏/٧‏/٢٠٢٦ فتح التقرير المرتبط بالإصدار

All four static findings are false positives caused by safety and information-retrieval terminology in SKILL.md. The file contains guidance only and does not direct system reconnaissance, jailbreak behavior, code execution, or data exfiltration. No net-new semantic security risks were found.

1
الملفات التي تم فحصها
191
الأسطر التي تم تحليلها
0
عناصر المراجعة
0
تم تجاهل الإيجابيات الكاذبة
لم يكتشف أحدث تدقيق ثابت ودلالي مكتمل أي نتائج أمنية مؤكدة. ولا يثبت ذلك أن المهارة خالية من الآثار الجانبية.
دقّقه: codex عرض سجل التدقيق →
شارك واستشهد بهذا التقرير

شارك تقرير التقييم المرتبط بالإصدار والشارة المحايدة وبطاقة التضمين والاستشهادات. تعرض Skillstore الأدلة من دون أن تقرر ما إذا كانت هذه المهارة آمنة.

فتح التقرير المرتبط بالإصدار
تقييم الأمان

نسخ رابط التقرير

https://skillstore.io/skills/sickn33-ai-engineer/audits/6?utm_source=security_passport&utm_medium=share&utm_campaign=versioned_report

شارة Markdown

[![Skillstore security assessment](https://skillstore.io/badges/skills/sickn33-ai-engineer/security.svg)](https://skillstore.io/skills/sickn33-ai-engineer?utm_source=security_passport_badge)

شارة HTML

<a href="https://skillstore.io/skills/sickn33-ai-engineer?utm_source=security_passport_badge"><img src="https://skillstore.io/badges/skills/sickn33-ai-engineer/security.svg" alt="Skillstore security assessment" loading="lazy"></a>

بطاقة قابلة للتضمين

<iframe src="https://skillstore.io/embed/skills/sickn33-ai-engineer.html" title="Skillstore Security Assessment" sandbox="allow-popups allow-popups-to-escape-sandbox" loading="lazy" referrerpolicy="no-referrer" width="420" height="180"></iframe>
الاستشهادات الأكاديمية (APA · BibTeX · CFF)

اقتباس APA

sickn33. (2026). ai-engineer security audit report (audit version 6) [Author version unspecified]. Skillstore. https://skillstore.io/skills/sickn33-ai-engineer/audits/6

اقتباس BibTeX

@techreport{sickn33-sickn33-ai-engineer-2026, author = {sickn33}, title = {ai-engineer security audit report (audit version 6)}, institution = {Skillstore}, year = {2026}, number = {6}, url = {https://skillstore.io/skills/sickn33-ai-engineer/audits/6}, note = {Author version unspecified} }

CITATION.cff

cff-version: 1.2.0 message: "If you use this Skill, cite its author and this versioned security audit report." title: "ai-engineer security audit report (audit version 6)" version: "unspecified" type: report authors: - name: "sickn33" date-released: "2026-07-23" url: "https://skillstore.io/skills/sickn33-ai-engineer/audits/6" identifiers: - type: other value: "skillstore:sickn33-ai-engineer:audit:6" description: "Skillstore immutable audit report identifier"

تقييم Skillstore

سبب هذا التقييم موثوقية الأدلة: مرتفع
55
الهندسة المعمارية
85
قابلية الصيانة
87
المحتوى
68
المجتمع
83
الامتثال للمواصفات

ما الذي يمكنك بناؤه

إطلاق مساعد RAG للمؤسسات

تخطيط الإدخال، والتقسيم، والتضمينات، والاسترجاع، وإعادة الترتيب، والتحكم في الوصول، والتقييم لمساعد معرفي.

بناء وكيل دعم يستخدم الأدوات

تصميم سير عمل الوكلاء مع الذاكرة، والأدوات، ومنطق التصعيد، والمراقبة، وفحوصات السلامة لعمليات العملاء.

تقوية ميزة LLM حالية

مراجعة المطالبات، وجودة الاسترجاع، وحالات إساءة الاستخدام، والتعامل مع PII، وزمن الاستجابة، والتكلفة، وقابلية المراقبة في الإنتاج.

جرّب هذه الموجّهات

تخطيط ميزة LLM أساسية 
صمم ميزة LLM بسيطة لتطبيقي. قم بتضمين تدفق البيانات، واختيار النموذج، وبنية المطالبة، والاختبارات، وخطوات الطرح.
تصميم مسار RAG 
صمم مسار RAG لهذه المستندات والمستخدمين. غطِّ الإدخال، والتقسيم، والتضمينات، والتخزين المتجهي، والاسترجاع، وإعادة الترتيب، والتقييم.
تنفيذ سير عمل وكيل 
أنشئ بنية وكيل مع الأدوات، والذاكرة، والأذونات، ومسارات التصعيد، وقابلية المراقبة، وفحوصات السلامة، والتعامل مع الفشل.
تدقيق موثوقية الذكاء الاصطناعي في الإنتاج 
راجع نظام LLM هذا من حيث الموثوقية، والأمان، والتكلفة، وزمن الاستجابة، والمراقبة، ومخاطر حقن المطالبات، والتعامل مع PII، وجاهزية الإصدار.

أفضل الممارسات

  • قدّم مصادر البيانات، وأدوار المستخدمين، وأهداف زمن الاستجابة، وحدود التكلفة، واحتياجات الامتثال قبل طلب البنية.
  • اطلب مقاييس تقييم ومراحل طرح مع كل تنفيذ ذكاء اصطناعي للإنتاج.
  • راجع السلامة، وقابلية المراقبة، وسلوك الرجوع الاحتياطي قبل كشف الأدوات أو البيانات الحساسة.

تجنب

  • لا تشحن ميزات LLM دون اختبارات لجودة الاسترجاع، وحقن المطالبات، وحالات الفشل.
  • لا تعرّض الوكلاء لأدوات قوية دون أذونات، وسجلات تدقيق، وتصعيد بشري.
  • لا تختر النماذج بناءً على درجات المعايير فقط دون التحقق من زمن الاستجابة، والتكلفة، والسياق، واحتياجات السياسة.

الأسئلة المتكررة

ما الذي تساعد هذه المهارة في بنائه؟
تساعد في بناء تطبيقات LLM، وأنظمة RAG، ووكلاء الذكاء الاصطناعي، وسير العمل متعدد الوسائط، وبنية الذكاء الاصطناعي للإنتاج.
هل يمكنها اختيار النماذج لمشروعي؟
نعم. يمكنها مقارنة خيارات النماذج باستخدام القدرة، وزمن الاستجابة، والتكلفة، وحجم السياق، ودعم الأدوات، وقيود النشر.
هل تدعم أنظمة RAG للمؤسسات؟
نعم. تغطي الإدخال، والتضمينات، وقواعد البيانات المتجهية، والبحث الهجين، وإعادة الترتيب، والتقييم، والتحكم في الوصول، والمراقبة.
هل يمكنها تحسين سلامة الذكاء الاصطناعي؟
نعم. توصي بضوابط لحقن المطالبات، وPII، والإشراف، والتحيز، وأذونات الأدوات، والاستجابة للحوادث.
هل تحل محل وثائق المزوّد؟
لا. تتغير واجهات API الخاصة بالمزوّدين وقدرات النماذج كثيرًا، لذلك يجب أن تؤكد الوثائق الحالية تفاصيل التنفيذ.
من يجب أن يستخدم هذه المهارة؟
المهندسون، والمعماريون، وفرق المنتجات التي تبني ميزات ذكاء اصطناعي للإنتاج باستخدام Claude أو Codex أو Claude Code أو أدوات مشابهة.

تفاصيل المطور

المؤلف

sickn33

الترخيص

MIT

مراجعة Skillstore

r2

تنبيه الإصدار

لم يعلن المؤلف عن إصدار.

المستودع

https://github.com/sickn33/antigravity-awesome-skills/tree/main/skills/ai-engineer

مرجع

ebdfe608f5de2b66ff37ab4af12af8ac4f5e8006

حداثة الصيانة

٢٧‏/٧‏/٢٠٢٦

الاستخدام

6 تنزيلات · 92 مشاهدات

بنية الملفات

📄 SKILL.md

المزيد من sickn33

عرض الكل

مهارات ذات صلة

عرض الكل
📦

context-degradation

81

تشخيص تدهور السياق في وكلاء الذكاء الاصطناعي

بواسطة ChakshuGautam

يمكن للمحادثات الطويلة والمطالبات الكبيرة أن تجعل وكلاء الذكاء الاصطناعي يفقدون معلومات مهمة أو يتبعون سياقًا متعارضًا. تساعد هذه المهارة Claude وCodex وClaude Code على تحديد أنماط التدهور واختيار استراتيجيات التخفيف.

البرمجة والتطوير عرض
📦

code-review

80

مراجعة طلبات السحب باستخدام وكلاء الذكاء الاصطناعي

بواسطة Bind

قد تفوّت المراجعة اليدوية لطلبات السحب الأخطاء البرمجية، وأخطاء المنطق، ومخالفات قواعد المستودع. تنسّق هذه المهارة عدة مراجعين بالذكاء الاصطناعي وتتحقق من النتائج قبل الإبلاغ عن نتائج موجزة.

البرمجة والتطوير عرض
📦

rag-implementation

78

بناء تطبيقات RAG مؤسَّسة على مصادر موثوقة

بواسطة wshobson

غالبًا ما تحتاج تطبيقات LLM إلى إجابات موثوقة من مصادر معرفة خاصة أو متغيرة. ترشد هذه المهارة تصميم RAG من خلال التقسيم إلى مقاطع، والتضمينات، والاسترجاع، وإعادة الترتيب، وصياغة المطالبات، والتقييم.

البرمجة والتطوير عرض