Abdullah Saeed
المكلا, اليمن
Abdullah Saeed
مهندس وكيل الذكاء الاصطناعي | LLM، RAG، الأتمتة، الدردشة الآلية
الفئة : الذكاء الإصطناعي
أنا أبني أنظمة ذكاء اصطناعي جاهزة للإنتاج — وليس نماذج أولية هشة تتعطل بعد أسبوع من النشر.
معظم مشاريع وكلاء الذكاء الاصطناعي تفشل لأنها تتطلب فريقا معقدا للمزامنات: مهندس ذكاء اصطناعي، ومطور خلفية، ومهندس قواعد بيانات، ومطور واجهة أمامية. أتعامل مع دورة الحياة كاملة بمفردي. من خلال سد الفجوة بين منطق الذكاء الاصطناعي المستقل والبنية التحتية للمؤسسات، أساعد مؤسسي وشركات SaaS على إطلاق منتجات ذكاء اصطناعي قابلة للتوسع بشكل أسرع، مع عدم وجود أي احتكاك في التكامل وتقليل التكاليف التشغيلية.
🔹 ما أبنيه
- وكلاء الذكاء الاصطناعي المستقلين وسير العمل: هياكل متعددة الخطوات تستخدم إدارة الحالات المتقدمة، وقدرات استدعاء الأدوات، والتعامل مع الذاكرة قصيرة وطويلة المدى، والتحقق من صحة الإنسان في الحلقة.
- أنظمة RAG الإنتاجية: محركات استرجاع عالية الدقة مدعومة بالاقتباسات تستفيد من البحث الدلالي، وقواعد بيانات المتجهات، وإعادة ترتيب متقدمة للقضاء تماما على الهلوسة.
- منتجات الذكاء الاصطناعي الشاملة: تطبيقات ويب قابلة للتوسع تتميز بواجهات مستخدم سريعة الاستجابة، ومصادقة آمنة، وطبقات قاعدة بيانات قوية، وقوائم انتظار للعاملين في الخلفية.
- أتمتة سير العمل بالذكاء الاصطناعي: دمج نماذج اللغة الكبيرة في مجموعات التقنية الحالية (CRMs، قواعد البيانات، قنوات الاتصال) لأتمتة العمليات اليدوية ذات الحجم العالي بشكل موثوق.
🔹 تأثير واقعي
مساعد افتراضي لوكيل الذكاء الاصطناعي
صمم وطور مساعد ذكاء اصطناعي على تيليجرام مؤتمت بالكامل للتعامل مع استفسارات العملاء وإدارة الجداول لأعمال محل الحلاقة.
- خفض التكاليف التشغيلية بنسبة تقارب 90.2٪ مقارنة بتوظيف مساعد افتراضي.
- قدم بنية إنتاج شاملة من الطرف: منطق الوكلاء، خادم FastAPI، وطبقة قاعدة بيانات آمنة.
محلل قواعد البيانات بالذكاء الاصطناعي
بنيت سير عمل تحليلي مدعوم بالذكاء الاصطناعي يسمح للفرق غير التقنية باستعلام قواعد البيانات باستخدام اللغة الطبيعية.
- القضاء على اختناقات SQL وتقليل سرعة تسليم التقرير من أيام إلى ثوان.
- نشر نماذج اللغة الكبيرة المحلية عبر Ollama لضمان الخصوصية الكاملة للبيانات مع تقليل تكاليف الاستدلال لبيئات المؤسسات.
🛠️ مكدس التقنية
- هندسة الذكاء الاصطناعي والتنسيق: LangGraph، LangChain، خطوط أنابيب RAG
- قواعد البيانات المتجهة والعلائقية: PostgreSQL، ChromaDB
- الواجهة الخلفية والبنية التحتية: FastAPI، واجهات RESTful، Node.js، Docker
- الواجهة الأمامية والأنظمة: Next.js، TypeScript، JavaScript
معظم مشاريع وكلاء الذكاء الاصطناعي تفشل لأنها تتطلب فريقا معقدا للمزامنات: مهندس ذكاء اصطناعي، ومطور خلفية، ومهندس قواعد بيانات، ومطور واجهة أمامية. أتعامل مع دورة الحياة كاملة بمفردي. من خلال سد الفجوة بين منطق الذكاء الاصطناعي المستقل والبنية التحتية للمؤسسات، أساعد مؤسسي وشركات SaaS على إطلاق منتجات ذكاء اصطناعي قابلة للتوسع بشكل أسرع، مع عدم وجود أي احتكاك في التكامل وتقليل التكاليف التشغيلية.
🔹 ما أبنيه
- وكلاء الذكاء الاصطناعي المستقلين وسير العمل: هياكل متعددة الخطوات تستخدم إدارة الحالات المتقدمة، وقدرات استدعاء الأدوات، والتعامل مع الذاكرة قصيرة وطويلة المدى، والتحقق من صحة الإنسان في الحلقة.
- أنظمة RAG الإنتاجية: محركات استرجاع عالية الدقة مدعومة بالاقتباسات تستفيد من البحث الدلالي، وقواعد بيانات المتجهات، وإعادة ترتيب متقدمة للقضاء تماما على الهلوسة.
- منتجات الذكاء الاصطناعي الشاملة: تطبيقات ويب قابلة للتوسع تتميز بواجهات مستخدم سريعة الاستجابة، ومصادقة آمنة، وطبقات قاعدة بيانات قوية، وقوائم انتظار للعاملين في الخلفية.
- أتمتة سير العمل بالذكاء الاصطناعي: دمج نماذج اللغة الكبيرة في مجموعات التقنية الحالية (CRMs، قواعد البيانات، قنوات الاتصال) لأتمتة العمليات اليدوية ذات الحجم العالي بشكل موثوق.
🔹 تأثير واقعي
مساعد افتراضي لوكيل الذكاء الاصطناعي
صمم وطور مساعد ذكاء اصطناعي على تيليجرام مؤتمت بالكامل للتعامل مع استفسارات العملاء وإدارة الجداول لأعمال محل الحلاقة.
- خفض التكاليف التشغيلية بنسبة تقارب 90.2٪ مقارنة بتوظيف مساعد افتراضي.
- قدم بنية إنتاج شاملة من الطرف: منطق الوكلاء، خادم FastAPI، وطبقة قاعدة بيانات آمنة.
محلل قواعد البيانات بالذكاء الاصطناعي
بنيت سير عمل تحليلي مدعوم بالذكاء الاصطناعي يسمح للفرق غير التقنية باستعلام قواعد البيانات باستخدام اللغة الطبيعية.
- القضاء على اختناقات SQL وتقليل سرعة تسليم التقرير من أيام إلى ثوان.
- نشر نماذج اللغة الكبيرة المحلية عبر Ollama لضمان الخصوصية الكاملة للبيانات مع تقليل تكاليف الاستدلال لبيئات المؤسسات.
🛠️ مكدس التقنية
- هندسة الذكاء الاصطناعي والتنسيق: LangGraph، LangChain، خطوط أنابيب RAG
- قواعد البيانات المتجهة والعلائقية: PostgreSQL، ChromaDB
- الواجهة الخلفية والبنية التحتية: FastAPI، واجهات RESTful، Node.js، Docker
- الواجهة الأمامية والأنظمة: Next.js، TypeScript، JavaScript
أوقات العمل
- الإثنين:08h00 إلى 18h00
- الثلاثاء:08h00 إلى 18h00
- الأربعاء:08h00 إلى 18h00
- الخميس:08h00 إلى 18h00
- الجمعة:08h00 إلى 18h00
- السبت:غير موجود
- الأحَد:غير موجود
أنشأت وكيل ذكاء اصطناعي لتيليجرام يقوم بأتمتة دعم العملاء وحجز المواعيد في صالون الحلاقة، مما يقلل التكاليف التشغيلية بنسبة تقارب 90.2٪ مقارنة بتوظيف مساعد افتراضي.
بنية النظام الأساسي:
- مساعد الذكاء الاصطناعي المبني على RAG: نفذ نظام توليد معزز بالاسترجاع (RAG) يستخدم قاعدة معرفية لتقديم ردود دقيقة حول الخدمات والتسعير ومعلومات الحجز لتقليل هلوسات نماذج اللغة الكبيرة (LLM).
- نظام الجدولة الذكي: تم بناء أداة جدولة تتحقق من توفر الحلاقين في الوقت الحقيقي وتعيد مواعيد الحجز المتاحة بناء على تواريخ محددة.
- أتمتة الحجز بالذكاء الاصطناعي: أنشأت سير عمل مواعيد تولد الحجوزات تلقائيا، مما يقلل من الإدخال اليدوي ويحسن تجربة العملاء.
هندسة الإنتاج والتكامل:
- أتمتة الذكاء الاصطناعي المحادثة: صمم المساعد للتعامل مع استفسارات العملاء فورا عبر تيليغرام، مما حسن وقت الاستجابة وزيادة تفاعل العملاء.
- تحسين التكلفة والإيرادات: خفض تكاليف الدعم بنسبة 90.2٪ من خلال الأتمتة وساهم في زيادة تقديرية تتراوح بين 10–20 حجزا شهريا.
- تكامل لوحة التحكم: دمج النظام مع لوحة تحكم إدارية سريعة الاستجابة، مبنية NEXT.js لإدارة المواعيد، وتتبع إحصائيات الأعمال، ومراقبة جداول الحلاقين.
بنية النظام الأساسي:
- مساعد الذكاء الاصطناعي المبني على RAG: نفذ نظام توليد معزز بالاسترجاع (RAG) يستخدم قاعدة معرفية لتقديم ردود دقيقة حول الخدمات والتسعير ومعلومات الحجز لتقليل هلوسات نماذج اللغة الكبيرة (LLM).
- نظام الجدولة الذكي: تم بناء أداة جدولة تتحقق من توفر الحلاقين في الوقت الحقيقي وتعيد مواعيد الحجز المتاحة بناء على تواريخ محددة.
- أتمتة الحجز بالذكاء الاصطناعي: أنشأت سير عمل مواعيد تولد الحجوزات تلقائيا، مما يقلل من الإدخال اليدوي ويحسن تجربة العملاء.
هندسة الإنتاج والتكامل:
- أتمتة الذكاء الاصطناعي المحادثة: صمم المساعد للتعامل مع استفسارات العملاء فورا عبر تيليغرام، مما حسن وقت الاستجابة وزيادة تفاعل العملاء.
- تحسين التكلفة والإيرادات: خفض تكاليف الدعم بنسبة 90.2٪ من خلال الأتمتة وساهم في زيادة تقديرية تتراوح بين 10–20 حجزا شهريا.
- تكامل لوحة التحكم: دمج النظام مع لوحة تحكم إدارية سريعة الاستجابة، مبنية NEXT.js لإدارة المواعيد، وتتبع إحصائيات الأعمال، ومراقبة جداول الحلاقين.
أنشأت سير عمل تحليلي مدعوم بالذكاء الاصطناعي يسمح للفرق غير التقنية باستعلام قواعد البيانات باستخدام اللغة الطبيعية، مما أزال اختناقات SQL وقلل من تسليم التقارير من أيام إلى ثوان.
بنية النظام الأساسي:
- طبقة اللغة الطبيعية إلى SQL: أنشأت خط أنابيب من النص إلى SQL باستخدام 'Qwen2.5-Coder' لتحويل مطالبات المستخدم إلى استعلامات SQL محسنة لقواعد البيانات العلائقية.
- طبقة تنفيذ قاعدة البيانات: طور نظام تنفيذ استعلامات يشغل استعلامات SQL المولدة بشكل آمن ويسترجع البيانات المنظمة في الوقت الحقيقي.
- خط أنابيب تحليل بيانات الذكاء الاصطناعي: تم تنفيذ طبقة تحليل ثانوية لنماذج اللغة الكبيرة باستخدام 'Qwen2.5 1.5B' لتحويل نتائج الاستعلام الخام إلى رؤى أعمال قابلة للقراءة من قبل البشر.
هندسة الإنتاج والتكامل:
- بنية تحتية مركزة على الخصوصية: تم نشر نماذج اللغة الكبيرة المحلية عبر Ollama لضمان الخصوصية الكاملة للبيانات مع تقليل تكاليف الاستدلال لبيئات المؤسسات.
- واجهة تحليلات الحوار: تم بناء واجهة على نمط ChatGPT تتيح للمستخدمين غير التقنيين التفاعل مع قواعد البيانات بشكل طبيعي ومراجعة المحادثات السابقة للذكاء الاصطناعي.
بنية النظام الأساسي:
- طبقة اللغة الطبيعية إلى SQL: أنشأت خط أنابيب من النص إلى SQL باستخدام 'Qwen2.5-Coder' لتحويل مطالبات المستخدم إلى استعلامات SQL محسنة لقواعد البيانات العلائقية.
- طبقة تنفيذ قاعدة البيانات: طور نظام تنفيذ استعلامات يشغل استعلامات SQL المولدة بشكل آمن ويسترجع البيانات المنظمة في الوقت الحقيقي.
- خط أنابيب تحليل بيانات الذكاء الاصطناعي: تم تنفيذ طبقة تحليل ثانوية لنماذج اللغة الكبيرة باستخدام 'Qwen2.5 1.5B' لتحويل نتائج الاستعلام الخام إلى رؤى أعمال قابلة للقراءة من قبل البشر.
هندسة الإنتاج والتكامل:
- بنية تحتية مركزة على الخصوصية: تم نشر نماذج اللغة الكبيرة المحلية عبر Ollama لضمان الخصوصية الكاملة للبيانات مع تقليل تكاليف الاستدلال لبيئات المؤسسات.
- واجهة تحليلات الحوار: تم بناء واجهة على نمط ChatGPT تتيح للمستخدمين غير التقنيين التفاعل مع قواعد البيانات بشكل طبيعي ومراجعة المحادثات السابقة للذكاء الاصطناعي.
المقررات ذات الصلة: هياكل البيانات، تصميم وتحليل الخوارزميات، وأنظمة الويب
- PostgreSQL للجميع على Coursera | جامعة ميشيغان 31/10/2023
![PostgreSQL للجميع على Coursera | جامعة ميشيغان]()
عززت فهمي لإدارة قواعد البيانات وتصميم الأنظمة، وكيفية استخدام قاعدة بيانات PostgreSQL بكفاءة لتخزين والوصول إلى البيانات باستخدام SQL - بايثون للجميع على كورسيرا | جامعة ميشيغان 14/08/2023
![بايثون للجميع على كورسيرا | جامعة ميشيغان]()
طورت فهما قويا لأساسيات بايثون، والوصول إلى بيانات الويب، والتفاعل مع قواعد البيانات باستخدام بايثون.
- 🇬🇧 الإنجليزية
- 🇲🇦 العربية
يرجى الدخول كزبون لإعطاء رأيكم
محترفون مدعومون
محتاجون إلى خدمة ؟
هل تريدون الإستفادة من خدمات هذا المحترف ؟
أنشروا إحتياجكم وستتلقون عشرات المقترحات من محترفي المنصة.
