الدرس 0: لماذا نحتاج إلى طبقة AI مخصّصة؟
يبدأ مشروع AI صغيرًا: مكوّن واحد يستدعي الـ LLM API مباشرة، وهذا يعمل على أكمل وجه. ثم تُضاف ميزة ثانية — روبوت دردشة للدعم مثلًا — فتستدعي الـ API نفسه مرة أخرى، من مكان مختلف تمامًا في الكود. ثم ميزة ثالثة. الآن هناك ثلاثة استدعاءات مباشرة للنموذج، لكل منها إعداداته وافتراضاته الخاصة. ثم يطرق الوا
مثل محطة مطبخ واحدة تُحضّر كل طبق في المطعم، بدلًا من ثلاثة طهاة يرتجل كل منهم في ركنه الخاص — عندما يتغيّر أحد المكوّنات، تغيّره في مكان واحد، لا في ثلاثة أركان مختلفة.
- طبقة AI
- وحدة مخصّصة واحدة تُجمّع كل استدعاء LLM والـ retrieval وبناء الـ prompt، بحيث يستدعيها باقي التطبيق دون أن يعرف أي تفاصيل داخلية قد تتغيّر.
- Guardrails
- آليات حماية تمنع المستخدم من التلاعب بالـ prompt لكشف تعليمات النظام أو دفع النموذج إلى سلوك غير مقصود.
- Fallback وRetry
- منطق يُعيد المحاولة أو يتحوّل إلى مزوّد بديل عندما يفشل استدعاء النموذج أو يُرجع خطأ عابرًا.
- Observability
- القدرة على رؤية ما أُرسل بالضبط إلى النموذج وما عاد منه — أمر أساسي لتصحيح الأخطاء ولتتبّع التكلفة والجودة.
