دليل المبتدئين في الذكاء الاصطناعي: ابدأ من هنا

"أخبرني عندما ينتهي البناء." "إذا تحوّل الـ CI إلى الأحمر، فأصلِحه." "راقب النشر كل 5 دقائق." تسليم هذه المهام المُلازِمة بالكامل للذكاء الاصطناعي هو ما يجعله أمر /loop المُضاف إلى Claude Code في عام 2026 ممكنًا. يشرح هذا الدليل للمبتدئين أن /loop مُجدوِل محصور بنطاق الجلسة يُشغّل مُطالبة أو أمرًا بشرطة مائلة بشكل متكرر على فاصل تحدّده أنت (أو يحدّده الذكاء الاصطناعي)، ثم يتناول الطرق الأربع لاستخدامه (① /loop 5m X = فاصل cron ثابت ② /loop X = إيقاع ذاتي يحكم فيه الذكاء الاصطناعي على الفاصل ③ /loop 15m = مُطالبة الصيانة المدمجة ④ /loop = صيانة تلقائية)، وكيفية كتابة الفواصل (رقم + وحدة s/m/h/d، الحد الأدنى دقيقة واحدة، ولغة طبيعية مثل "every 2 hours"، ويمكنك تكرار أمر بشرطة مائلة: /loop 20m /review-pr 1234)، وقوة الإيقاع الذاتي (انتظار أقصر عند النشاط، وأطول عند الهدوء، بين دقيقة وساعة، وعلى عكس cron المجرّد يُنهي الحلقة تلقائيًا بمجرد أن يحكم بأن المهمة اكتملت)، ووصفات عملية (مراقبة الـ CI/النشر، رعاية الـ PR، التحقق من البناء الطويل، التذكيرات، الصيانة التلقائية للفرع)، وكيفية إيقافه والتنبيهات (Esc للإيقاف، محصور بالجلسة فمحادثة جديدة تمسحه، إغلاق الطرفية يوقفه، الفواصل الثابتة تدوم حتى 7 أيام، حد أقصى 50 مهمة لكل جلسة، يُطلَق بين الأدوار مع تذبذب، التوقيت المحلي)، وكيفية الاختيار بين ثلاث ميزات للجدولة (/loop للمراقبة داخل الجلسة، Desktop scheduled tasks للعمل المحلي المقيم، Routines للعمليات السحابية دون إشراف)، وتخصيص loop.md إضافة إلى التعطيل عبر CLAUDE_CODE_DISABLE_CRON=1 — كل ذلك بناءً على الوثائق الرسمية (اعتبارًا من عام 2026). ما يغيّره /loop هو المحور الزمني للعمل الذي يمكنك تسليمه للذكاء الاصطناعي.

كانت ترجمة فيديو مدته ساعة يدويًا تلتهم يومًا كاملًا — تستمع، توقف، تكتب، تضبط الرمز الزمني. في عام 2026 ينتهي هذا الجحيم بمجرد "إسقاط الفيديو والانتظار بضع دقائق." يركّز هذا الدليل على ترجمة ونسخ محتوى الفيديو والصوت (محاضر الاجتماعات في #086، وOCR الصور في #091)، ويغطي المراحل الأربع التي يؤتمتها الذكاء الاصطناعي (استخراج الصوت ← النسخ النصي مع تمييز المتحدثين ← إضافة الرموز الزمنية إلى SRT/VTT ← الترجمة اللغوية والتنسيق)، والفرق بين الترجمات (SRT/VTT) والنصوص الكاملة ومتى تستخدم كلًّا منهما، ومقارنة بين الأدوات (Whisper المجاني والسري، وDescript لتحرير كل شيء، وSonix وHappy Scribe للدقة العالية وتعدد اللغات، وNotta الصديق للأفراد، وCapCut للهاتف، والتسميات التلقائية الأسهل من YouTube — كثير منها يستخدم التعرف على الكلام من عائلة Whisper في الخلفية)، وسير العمل الأكثر قابلية للتكرار من 4 خطوات (التحضير ← النسخ ← التدقيق ← التصدير/الإرفاق SRT/VTT)، وتوصيات حسب حالة الاستخدام (YouTube، البودكاست، المحاضرات، المقابلات، السري، متعدد اللغات)، وست نصائح للدقة مع جودة الصوت بوصفها 80٪ من النتيجة (الجودة، ضبط اللغة، قائمة أسماء الأعلام، البحث والاستبدال، تمييز المتحدثين، طول السطر)، وسير العمل الملكي متعدد اللغات (إتقان اللغة المصدر ← الترجمة بالذكاء الاصطناعي ← مراجعة الناطق الأصلي)، والمزالق — الإفراط في الثقة بالدقة، والضعف مع الضوضاء والمصطلحات، وحقوق النشر، ورفع المواد السرية، وانحراف الرموز الزمنية. على الصوت النظيف تبلغ الدقة 90–96٪ (منشورة، تعتمد على الظروف) وينخفض الجهد 80–90٪. العمل للذكاء الاصطناعي؛ واللمسة الأخيرة — التحقق من أسماء الأعلام ومشاهدته كاملًا — لك.

الطقس الذي يمرّ به المستشارون المبتدئون — السهر على العروض والبحث اليدوي اللانهائي — يتصدّع. أداة "Lilli" لدى McKinsey تمسح أكثر من 100,000 مستند في ثوانٍ وتعدّ مسودات العروض؛ وأداة "Deckster" لدى BCG تلمّع الشرائح في لحظة؛ وبحسب أحد التحليلات يمكن استبدال نحو 80% من عمل البحث والشرائح للمحلل المبتدئ في ثوانٍ. وبوصفه المقال التالي في سلسلة أثر الذكاء الاصطناعي حسب القطاع بعد العدد 068 (شركات التجارة) والعدد 094 (التسويق)، يستعرض هذا المقال الاستشارات: الوضع الراهن بالأرقام (الأربعة الكبار وبيوت الاستراتيجية ضخّوا أكثر من 10 مليارات دولار في الذكاء الاصطناعي منذ 2023، PwC مليار دولار على ثلاث سنوات، BCG نحو 25% من إيرادات 2025 البالغة 14.4 مليار = نحو 3.6 مليار من الذكاء الاصطناعي، ودراسة لـ HBS شملت 758 مستشارًا من BCG أظهرت أن مستخدمي الذكاء الاصطناعي أنجزوا مهامًا أكثر بنسبة 12.2%، وأسرع بنسبة 25.1%، وبجودة أعلى بأكثر من 40%)، والمجالات الخمسة التي يغيّرها الذكاء الاصطناعي (البحث، العروض، التحليل، المحاضر، وخدمات استراتيجية الذكاء الاصطناعي الجديدة — مولِّد صافٍ للوظائف في الشركات الكبرى حاليًا)، وانهيار النموذج الهرمي (أتمتة العمل الروتيني للمبتدئين، نحو 80% بحسب أحد التقديرات، في ثوانٍ؛ نحو فرق رشيقة من قلة أشخاص + ذكاء اصطناعي مع مخاوف بشأن مسار التدريب)، والتحوّل الزلزالي في التسعير (مفارقة الإنتاجية — الإنجاز الأسرع يعني فوترة أقل في ظل الأسعار بالساعة — و73% من العملاء يفضّلون التسعير القائم على النتائج، دافعًا نحو النماذج القائمة على النتائج والسعر الثابت)، والقيمة الجوهرية الثابتة (صياغة السؤال، التفسير، الحُكم، الثقة، التنفيذ — المستشار الذي يقود النظام أهمّ من النظام نفسه)، وانقسام العمالقة كناقلات النفط في مواجهة المكاتب المتخصصة كالزوارق السريعة (نموّ الشركات الأصغر حتى 50% بحسب التقديرات)، ونصائح بحسب الدور للطامحين والممارسين والشركات العميلة. السؤال الذي يطرحه الذكاء الاصطناعي: هل قيمتك في العمل، أم في الحُكم؟

في دافوس بيناير 2026، اصطدمت أبرز عقول المجال حول "AGI على الأبواب" مقابل "الجوهر لا يزال بعيدًا" — وكان الفتيل هو الذكاء الاصطناعي العام AGI (Artificial General Intelligence). تبدأ هذه المقالة الموجهة للمبتدئين من معنى AGI — "ذكاء اصطناعي متعدد الأغراض قادر، مثل الإنسان، على أن يتعلم بنفسه ويحل حتى الأشياء الجديدة تمامًا عبر أي مجال" (وإن كان هدفًا لم يتحقق بعد حتى عام 2026) — ثم تتناول الفرق الحاسم عن الذكاء الاصطناعي الضيق على غرار ChatGPT اليوم (هل يستطيع "نقل" المعرفة إلى مجال مختلف؛ التعميم والاكتساب الذاتي للمهارات)، وتفصيل المراحل الثلاث narrow AI → AGI → ASI (الذكاء الخارق)، والتباين الواسع في توقعات الخبراء للجدول الزمني (Amodei من Anthropic متفائل خلال بضع سنوات/نحو 2027، Hassabis من DeepMind حذِر باحتمال نحو 50% بحلول 2030، ووسيط استطلاع للباحثين عند 2047، ومتشككون مثل Marcus يقولون إنه بعيد أو لن يأتي — والتباين ينبع من اختلاف التعريفات)، وكم يقترب الذكاء الاصطناعي اليوم (أقل من خط الأساس البشري في ARC-AGI، لكنه يقترب من العتبة عبر متعدد الوسائط والوكلاء)، والآمال (تسريع الأمراض والعلم) والمخاطر (الوظائف، إساءة الاستخدام، مشكلة المواءمة — التي تضعها Anthropic و UK AISI كنقطة قرار حاسمة)، والمفاهيم الخاطئة الشائعة مثل "ChatGPT هو AGI بالفعل" و"AGI = يملك وعيًا". لا خائفًا بإفراط ولا حالمًا بإفراط، أتقِن الـ narrow AI الذي بين يديك بينما تراقب بهدوء ما هو آتٍ.

هل ستكون في صف من يأخذ الذكاء الاصطناعي وظيفته، أم في صف من يُسخّره ليؤدي عمل عشرة أشخاص؟ في عام 2026 هذا هو مفترق الطرق أمام المهندسين. يؤطّر هذا المقال أن تصبح "مطورًا أصيلًا في الذكاء الاصطناعي" (بناء التطبيقات باستخدام LLM والوكلاء وRAG — وهو مسار مختلف عن البحث في النماذج) كمجموعة مهارات قابلة للبناء، لا شهادة دكتوراه، في ثلاث طبقات: ① الأساس الذي لا يتغير (Python كلغة رئيسية لتطوير الذكاء الاصطناعي، Git، سطر الأوامر، HTTP/REST/JSON — ما زلت تحتاج الأساسيات في عصر الكود المكتوب بالذكاء الاصطناعي)؛ ② المهارات الخمس الأساسية الأصيلة (تصميم الموجّهات/السياق، RAG كعمود فقري لوكلاء المؤسسات، بناء الوكلاء، MCP كمعيار فعلي لربط الأدوات، وتصميم التقييمات — إضافةً إلى تحسين التكلفة وحواجز الحماية وقابلية المراقبة)؛ ③ الميزة الحاسمة التي يغفل عنها معظم الناس — تصميم التقييمات وهندسة السياق (القدرة على كتابة التقييمات هي أكبر إشارة على "البناء الفعلي باستخدام LLM"، وملف AGENTS.md/CLAUDE.md مع مجموعة تقييمات صغيرة هو القفزة من "المُساعَد" إلى "الأصيل"). ويضيف خارطة طريق 8–12 شهرًا (الأساس ← LLM API/الموجّهات ← بناء RAG دون أطر ← الوكلاء + MCP ← التقييمات + النشر + الإطلاق)، واستراتيجية معرض أعمال يتفوق فيها العمل المنشور على الدبلوم، والمزالق (مستنقع الدروس، هوس الأدوات، إهمال الأساسيات)، وأرقام السوق والطلب (أمريكية، بتباين إقليمي كبير). الحد الفاصل هو ما إذا كنت تستخدم الذكاء الاصطناعي كنظام.

حين هُوجم إعلان عيد الميلاد المصنوع بالذكاء الاصطناعي التوليدي من Coca-Cola بوصفه "بلا روح" أواخر 2024، جسّد ذلك شدّ الحبل الذي يجلبه الذكاء الاصطناعي إلى التسويق: "الكفاءة والفعالية" مقابل "الثقة والعاطفة". يستعرض هذا المقال الموضوع، فيقيس أولاً الوضع الراهن بالأرقام (نحو 87% من المسوّقين يستخدمون الذكاء الاصطناعي التوليدي، صعوداً من 51% في 2024؛ أكثر من 71% من الإنفاق الإعلاني تُحرّكه الخوارزميات؛ صنعت Google نحو 70 مليون أصل إبداعي بـ Gemini في الربع الرابع 2025 وحده؛ تضاعف الإنفاق على أدوات الذكاء الاصطناعي التسويقية نحو ثلاث مرات خلال 18 شهراً). ويغطّي المجالات الخمسة التي يغيّرها الذكاء الاصطناعي (① إنشاء المحتوى ② الإبداع الإعلاني ③ الاستهداف والتوزيع / البرمجي ④ التخصيص / DCO ⑤ التحليلات والقياس) والآثار المُبلَّغ عنها (DCO بنسبة نقر أعلى بنحو 32% وتكلفة نقرة أقل بنحو 56%، نصوص الذكاء الاصطناعي بعائد 3.2 ضعف، الاستهداف بالطرف الأول/السياقي حتى ضعفَي ROAS — جميعها منشورة، تعتمد على الظروف)؛ والجوهر الذي لا يتغيّر (الاستراتيجية والعلامة والثقة والإبداع الاختراقي تبقى في يد البشر — الذكاء الاصطناعي مُضخِّم، قاعدة صفر تعني إجابة صفر)؛ والتحول الجذري في SEO/AEO/LLMO (مع روابط داخلية)؛ والمخاطر (فجوة الإدراك 82% من المديرين مقابل 45% من المستهلكين حول إعلانات الذكاء الاصطناعي، التلفيق المُقنع، سلامة العلامة، الحقوق/التنظيم، التشغيل المنفلت دون رقابة)؛ وكيف تتحوّل وظيفة المسوّق (تُؤخَذ المهام، ويثقل الحكم؛ من منتِج إلى رئيس تحرير واستراتيجي)؛ وخطة عملية من خمس خطوات لليوم. أكبر أثر للذكاء الاصطناعي هو تحرير وقت الإنسان من الفعل إلى القرار.

عرضك التقديمي أول شيء صباح الغد وشرائحك ما زالت فارغة، ومع ذلك تكتب سطرًا واحدًا عن الموضوع وبعد دقائق تصطفّ 20 شريحة مسوّدة. هذه هي شرائح الذكاء الاصطناعي في 2026. يقسّم هذا الدليل إعداد الشرائح إلى ثلاث مراحل (البنية والنص والتصميم) ويعرض نهجين: التوليد الكل في واحد (ارمِ موضوعًا، احصل على كل شيء) مقابل تقسيم العمل (ثبّت البنية والنص في ChatGPT/Claude/Gemini، ثم دع أداة مخصّصة تصمّم). يقارن الأدوات الرئيسية (Gamma السريعة التوليد، وCopilot في PowerPoint بصيغة ‎.pptx أصلية بلا تعطّب، وGemini القوي في التعاون لـ Google Slides، وBeautiful.ai الأجمل، وCanva الغنية بالقوالب، وإضافة ChatGPT لـ PowerPoint المُطلقة في مايو 2026 — لا بطل مطلق؛ اختر من المخرج)، وأكثر سير عمل من 5 خطوات قابلية للتكرار (البنية ← النص ← الصبّ في أداة تصميم ← التحقّق من الأرقام والمصادر ← التصدير إلى ‎.pptx/Slides)، وثلاث مطالبات جاهزة للنسخ واللصق (المخطط، إثراء شريحة مع ملاحظات المتحدث، إعادة التنسيق لأداة تصميم)، وست نصائح لشرائح تترك أثرًا (رسالة واحدة لكل شريحة، اقطع النص إلى النصف، وغيرها)، والمزالق — تعطّب تخطيط ‎.pptx، ومسوّدة أولى مثقلة، وبيانات ملفّقة معقولة، وإرسال معلومات سرّية، وإغلاق الأدوات (إنهاء Tome لشرائحها في أبريل 2025 كدرس). الذكاء الاصطناعي هو الشريك الذي يصوغ المسوّدة في لحظة؛ والقطع والتحقّق مهمة الإنسان.

ملاحظة بخط اليد، إيصال ورقي، نص إنجليزي داخل لقطة شاشة، لافتة في صورة — إعادة الكتابة التي طالما أنجزتها يدويًّا لم تَعُد، في عام 2026، ضرورية تقريبًا بفضل الذكاء الاصطناعي. يبدأ هذا الدليل من كيفية اختلاف AI OCR عن الـ OCR التقليدي (قراءة حرف واحد في كل مرة مقابل فهم الصفحة كاملةً بالمعنى)، ثم يرتّب ثلاثة خيارات (ذكاء اصطناعي حواري عام / أدوات مخصصة مثل Google Lens / واجهات API ومفتوح المصدر مثل Mistral OCR وPaddleOCR-VL) بحسب حالة الاستخدام. يقارن بين ChatGPT (GPT-5.5) وGemini 3.1 Pro وClaude (Opus 4.8) من حيث نقاط القوة (خط اليد ← عائلة GPT، هيكلة الجداول ← عائلة Claude، الصفحات الكثيرة ← السياق الطويل لدى Gemini، الـ OCR الخام ← النماذج المتخصصة؛ لا بطل مطلق)، ويقدّم ثلاثة موجّهات جاهزة للنسخ (انسخ دون كسر، جدول إلى Markdown، إيصال إلى JSON، كلها مع قاعدة «لا اختلاق»)، والأنسب لكل حالة (خط اليد، الإيصالات، ملفات PDF، الجداول المعقدة، النص العمودي/القديم، المعادلات والشيفرة)، وست نصائح للدقة مع جودة الصورة باعتبارها 80٪ من النتيجة، ونقطة الضعف الأكبر والوحيدة لدى AI OCR — اختلاق ما لا يستطيع قراءته بشكل معقول (طابِق دائمًا المبالغ والتواريخ والأسماء مع الأصل) — إضافةً إلى تحذيرات الخصوصية حول إرسال السري وحقوق النشر والاستخدام في التدريب. ما يجوز أن تتركه للذكاء الاصطناعي هو «القراءة» فقط؛ أما التأكيد فهو للإنسان الذي رأى الأصل.

تعرف "ما هو RAG"، لكن عند البناء تخرج الإجابة مختلّة — لأنه ما يزال RAG الساذج: تقطيع باستهتار وبحث متجهي بسيط. وبوصفه متابعة التنفيذ للمقال 030، يشرح هذا المقال خط أنابيب RAG العملي في 2026 (تقطيع ذكي، embedding، قاعدة بيانات متجهية، بحث هجين، إعادة ترتيب) مرحلة مرحلة: استراتيجيات التقطيع (recursive 512 افتراضياً، semantic/structural/parent-child، وContextual Retrieval الذي يُبلَغ أنه يخفّض فشل الاسترجاع حتى 67%)، واختيار نموذج embedding (text-embedding-3-large وغيره)، ومقارنة ست قواعد بيانات متجهية (Chroma للنماذج الأولية، pgvector مع Postgres، Qdrant منخفض الزمن، Pinecone المُدارة بالكامل، Weaviate بطلة الهجين، Milvus للنطاق الضخم)، وبحث هجين يدمج BM25 + متجهات كثيفة عبر RRF، وretrieve-then-rerank بـ bi-encoder ثم cross-encoder (Cohere/Voyage/BGE/Jina)، وتقسيم LlamaIndex (الاسترجاع) مقابل LangChain/LangGraph (التحكّم)، ولماذا لا تستبدل نافذة 1M توكن الـ RAG (lost in the middle، التشتيت)، وملاحظات الإنتاج مثل بناء مجموعة تقييم أولاً.

تعرف «ما هو الوكيل الذكي» — فكيف تبني واحدًا؟ في 2026 يتيح نهج بلا كود تشغيل وكيل عامل في غضون فترة بعد الظهر عبر السحب والإفلات، وتتيح حِزم SDK الحديثة تجميع وكيل عملي في أقل من 100 سطر. بوصفه الرفيق العملي لمقال «ما هو الوكيل الذكي»، يغطّي هذا المقال البنية (الدماغ LLM + التعليمات + الأدوات + الذاكرة + الحلقة المستقلة)، والمسارين (بلا كود مقابل البرمجة)، وإطار البناء الشامل المكوّن من 5 خطوات (حدّد نطاق المشكلة، اختر قاعدتك، اكتب التعليمات، اربط الأدوات، اختبر على نطاق صغير)، ومقارنة أدوات بلا كود (Dify لمنصة متكاملة، n8n للتكامل مع الأعمال، Flowise للنماذج الأولية، والأسهل Custom GPT/Gemini Gems/Claude Projects)، ومقارنة أطر العمل البرمجية (Claude Agent SDK/OpenAI Agents SDK المتينة، LangGraph للتحكّم المعقّد، CrewAI لتنسيق الأدوار)، ومثالًا عمليًا محددًا (تلخيص رسائل الدعم ثم الإشعار عبر Slack)، وإرشادات التكلفة (نحو $10-$50/شهر للمنصة بالإضافة إلى استهلاك النموذج) والجدول الزمني، والمزالق (لا توسّع النطاق أكثر من اللازم، الصلاحيات والتحكّم بالانفلات، احذر من إثبات المفهوم فقط). بالنسبة لمعظم الناس، البناء بلا كود أولًا هو الخطوة الصحيحة.

"ChatGPT أم Claude أم Gemini — أيها أشترك به؟" في 2026 الثلاثة جميعها بنحو 20$ شهريًا وكلها من الطراز الأول، فلا يوجد "هذا هو الفائز" وحيد. السؤال الصحيح هو "أيها الأفضل لحالة استخدامك". استنادًا إلى الإجماع عبر المصادر، تغطي هذه المقالة الأساسيات (المزوّد، عائلة النموذج الرئيسي، أسعار المجاني/القياسي/المميز)، واختلافات الطابع (Claude = حِرفي الكتابة/التحليل/الكود، ChatGPT = متعدد المهارات بمنظومة وصورة/صوت، Gemini = وسائط متعددة وسياق طويل وتكامل مع Google)، وجدولًا مفصّلًا حسب حالة الاستخدام (الكتابة، الكود، العام، توليد الصور، الصوت، فهم الصورة/PDF/الفيديو، النصوص الطويلة جدًا، التكامل مع Google، البحث، اليابانية)، وكيفية اختيار الخطة حسب حجم الاستخدام، والدمج الذكي بين أداتين لمن لا يستطيع اختيار واحدة (نواة واحدة + واحدة لسدّ الثغرات). تتبدّل الترتيبات كل بضعة أشهر، لذا بدلًا من ملاحقة "أفضل" ثابت، استخدم كل واحد حسب نقطة قوته وقِس على مهامك الخاصة بالمستوى المجاني.

يتوقّف Claude Code فجأة برسائل مثل "سجّل الدخول مجدداً" أو "حد المعدل" أو "الموجّه طويل جداً" أو "MCP لا يتصل" — والبحث عن كل واحد منها يصبح مرهقاً. هذا مرجع عملي يفهرس الأخطاء التي تصادفها بكثرة، مع السبب والأمر الذي تُشغّله لكل واحد. يبدأ بأوامر التشخيص الثلاثة التي تُشغّلها أولاً (claude doctor للتشخيص الكامل، /status للمصادقة النشطة، /context لتفصيل السياق)، ثم يركّز على العائلات الأربع الشائعة (الاستهلاك/حدود المعدل، تجاوز السياق، انتهاء المصادقة، فشل اتصال MCP) عبر جداول "العرَض ← السبب ← أمر الحل" تشمل المصادقة وتسجيل الدخول، والاستهلاك/حدود المعدل (يستهلك Claude Code 10-100 ضعف رموز الدردشة)، والسياق والرموز (الموجّه طويل جداً، تذبذب التلخيص)، والخادم والنموذج (500/529/مهلة منتهية/نموذج غير موجود)، والتثبيت/PATH/التحديث، والشبكة والوكيل (ECONNREFUSED، TLS)، وMCP، والأذونات (المنع يفوق التجاوز)، وأخرى (thinking blocks 400، صورة/PDF، IDE). وينتهي بورقة مرجعية للخطأ ← الحل وأسئلة شائعة. مبني على وثائق Claude Code الرسمية (حتى 2026): عند التعثّر شغّل أوامر التشخيص الثلاثة، وإن لم يُصلَح، شغّل claude update.