ai-engineer
بناء تطبيقات LLM للإنتاج مع مهندس الذكاء الاصطناعي
تطوير تطبيقات LLM وأنظمة RAG ووكلاء ذكاء اصطناعي ذكية بجودة الإنتاج بسرعة، مع إرشادات خبيرة حول البحث المتجه والذكاء الاصطناعي متعدد الوسائط والتكاملات المؤسسية.
تنزيل ZIP المهارة
رفع في Claude
اذهب إلى Settings → Capabilities → Skills → Upload skill
فعّل وابدأ الاستخدام
اختبرها
استخدام "ai-engineer". بناء نظام RAG إنتاجي للوثائق الخاصة بي
النتيجة المتوقعة:
سأساعدك في بناء نظام RAG إنتاجي. أولاً، دعني أوضح البنية: 1) خط أنابيب معالجة المستندات مع استراتيجيات التقسيم، 2) تخزين متجه باستخدام Qdrant مع فهرسة HNSW، 3) استرجاع مع بحث هجين يجمع بين تشابه المتجهات وBM25، 4) إعادة تصنيف مع CrossEncoder لتحسين الصلة. هل تريد مني تقديم كود التنفيذ لأي مكون محدد؟
استخدام "ai-engineer". كيف أطبق أمان الذكاء الاصطناعي في روبوت المحادثة الخاص بي؟
النتيجة المتوقعة:
لأمان الذكاء الاصطناعي في روبوتات المحادثة الإنتاجية، طبق هذه الطبقات: 1) تصفية المدخلات مع اكتشاف حقن الأوامر، 2) اكتشاف PII وإخفاؤها باستخدام Presidio، 3) اعتدال المخرجات مع واجهة OpenAI Moderation، 4) تحديد المعدل لكل مستخدم لمنع إساءة الاستخدام. هل تريد إرشادات تنفيذ مفصلة لأي من هذه المكونات؟
التدقيق الأمني
آمنPrompt-only skill with no executable code. Static analysis scanned 0 files (0 lines) and detected 0 potential security issues. Risk score: 0/100. This is a text-based persona prompt for AI engineering tasks with no scripts, network calls, filesystem access, or external command execution. No prompt injection attempts detected.
درجة الجودة
ماذا يمكنك بناءه
قاعدة معرفة مؤسسية بنظام RAG
بناء نظام RAG إنتاجي يجمع بين البحث المتجه ومطابقة الكلمات الرئيسية لتقديم إجابات دقيقة من وثائق الشركة.
وكيل ذكاء اصطناعي لخدمة العملاء
إنشاء نظام متعدد الوكلاء يتعامل مع استفسارات العملاء مع سير عمل التصعيد والتكامل مع أنظمة CRM.
خط أنابيب تحليل المستندات
تنفيذ خط أنابيب متعدد الوسائط يستخرج المعلومات من ملفات PDF والصور والجداول لمعالجة المستندات الآلية.
جرّب هذه الموجهات
ساعدني في بناء نظام RAG أساسي باستخدام LangChain وQdrant للبحث الدلالي. يتضمن تخزين المتجهات واستراتيجية التقسيم وخط أنابيب الاسترجاع.
حسّن نظام RAG الحالي الخاص بي مع البحث الهجين وإعادة التصنيف وتحليل الاستعلامات. كيف أطبق هذه الأنماط في الإنتاج؟
تصميم نظام متعدد الوكلاء باستخدام CrewAI مع أدوار متخصصة للبحث والتحليل وإعداد التقارير. يتضمن إدارة الذاكرة وتكامل الأدوات.
تصميم خط أنابيب استدلال LLM محسن التكلفة مع التخزين المؤقت الدلالي وتوجيه النماذج بناءً على تعقيد الاستعلام وضوابط الميزانية.
أفضل الممارسات
- ابدأ بمقاييس النجاح الواضحة وأطر التقييم قبل بناء أنظمة الذكاء الاصطناعي
- تطبيق المراقبة من اليوم الأول مع التتبع والمقاييس والتسجيل
- استخدام المخرجات المهيكلة وسلامة النوع لضمان سلوك موثوق للذكاء الاصطناعي
تجنب
- بناء إثبات مفهوم دون النظر في قابلية التوسع للإنتاج
- تخطي معالجة الأخطاء واستراتيجيات التراجع لفشل خدمة الذكاء الاصطناعي
- تجاهل الآثار المترتبة على تكاليف استخدام LLM في أنظمة الإنتاج