https://mecanik.dev/ar/tags/serverless/Recent content in Serverless on [ MECANIK DEV ]Hugo -- gohugo.ioar{year}-حقوق النشر © 2020- {year} بواسطة Mecanik. كل الحقوق محفوظة.Wed, 29 Jul 2026 19:00:00 +0100https://mecanik.dev/ar/posts/cloudflare-cdn-caching-core-web-vitals/Wed, 29 Jul 2026 19:00:00 +0100https://mecanik.dev/ar/posts/cloudflare-cdn-caching-core-web-vitals/يُعد تكوين سياسة قوية للتخزين المؤقت لشبكة CDN من Cloudflare واحدة من أعلى مهام الهندسة تأثيرًا لتحسين سرعة موقع إلكتروني للمؤسسات في عام 2026. تعاني العديد من منصات الويب من زمن استجابة مرتفع لأن كل طلب مستخدم يجب أن ينتقل إلى خادم قاعدة بيانات المصدر لعرض الصفحات. هذا الاعتماد على المصدر يؤخر مقياسي السرعة First Contentful Paint (FCP) وLargest Contentful Paint (LCP)، بينما يقدّم تخزين تخطيطات الصفحات الثابتة ومكوّنات الأصول في مواقع الحافة (edge) حول العالم استجابات سريعة ومنخفضة الكمون من أقرب موقع حافة.https://mecanik.dev/ar/posts/ai-integration-cost-enterprise-budgeting-guide/Sat, 25 Jul 2026 07:00:00 +0100https://mecanik.dev/ar/posts/ai-integration-cost-enterprise-budgeting-guide/يعد تحديد التكلفة الحقيقية لدمج الذكاء الاصطناعي خطوة مالية رئيسية للشركات البريطانية (UK) التي تتطلع إلى نشر نماذج اللغات الكبيرة (LLMs) في عام 2026. إن دمج الذكاء الاصطناعي في البرامج التطبيقية يؤدي إلى أتمتة خطوط خدمة العملاء، وزيادة الإنتاجية، وفتح رؤى البيانات القائمة على المحادثة. ومع ذلك، فإن وضع ميزانية لهذه الإعدادات يتطلب ما هو أكثر من مجرد النظر في أسعار العمل بالساعة للمطورين. على وجه التحديد، يجب على الشركات حساب رسوم الرموز المتكررة، واستضافة قواعد البيانات المتجهة، ونفقات البرامج الوسيطة للتحقق من صحة الأوامر.https://mecanik.dev/ar/posts/reduce-llm-latency-prompt-caching/Thu, 23 Jul 2026 07:00:00 +0100https://mecanik.dev/ar/posts/reduce-llm-latency-prompt-caching/يُعدّ تقليل زمن استجابة نماذج LLM أحد أكثر التحديات أهمية للمهندسين الذين يبنون تطبيقات ذكاء اصطناعي سريعة الاستجابة. وبينما تواصل نماذج اللغة الكبيرة (LLMs) تنامي قدراتها، فإن توليدها رمزًا تلو الآخر قد يخلق اختناقات مُحبِطة للمستخدمين النهائيين، كما تؤدي أوقات الانتظار الطويلة مباشرةً إلى انخفاض التفاعل وهجر التطبيقات. لذلك فإن تحسين مسارات الاستدلال لديك من أجل السرعة يمثّل متطلبًا أساسيًا للمطوّرين. يوضّح هذا الدليل كيفية إعداد التخزين المؤقت للموجهات، وتنفيذ بث الاستجابات، وهيكلة توجيه شبكة الحافة، واستخدام تكوينات بلا خادم لتقليص تأخيرات المعالجة.https://mecanik.dev/ar/posts/openai-realtime-api-voice-agent/Wed, 22 Jul 2026 19:00:00 +0100https://mecanik.dev/ar/posts/openai-realtime-api-voice-agent/يتيح بناء مسارات نقل الصوت ذات زمن الانتقال المنخفض للغاية باستخدام واجهة برمجة تطبيقات OpenAI Realtime API الجديدة للمطورين إطلاق وكلاء صوتيين حواريين يشبهون البشر في بيئات الإنتاج. تقليديًا، كان بناء واجهة صوتية يعني ربط ثلاث طبقات منفصلة من النماذج: التعرف التلقائي على الكلام (ASR)، وطبقة منطق النص المستندة إلى النماذج اللغوية الكبيرة (LLM)، وتوليف تحويل النص إلى كلام (TTS). وقد تسببت تلك المسارات متعددة الخطوات في حدوث تأخيرات شبكية كبيرة، مما جعل المحادثات الطبيعية أمرًا مستحيلاً.https://mecanik.dev/ar/posts/claude-opus-4-8-vs-gpt-5-api/Wed, 22 Jul 2026 07:00:00 +0100https://mecanik.dev/ar/posts/claude-opus-4-8-vs-gpt-5-api/يعد الاختيار بين واجهات برمجة التطبيقات للمطورين Claude Opus 4.8 مقابل OpenAI GPT-5 أحد القرارات الحاسمة الأولى للفرق التي تبني تطبيقات الذكاء الاصطناعي للمؤسسات في عام 2026. نظرًا لأن المؤسسات تقوم بدمج نماذج اللغة الكبيرة (LLMs) في قواعد التعليمات البرمجية للإنتاج الفعلي، فإن موفر النموذج الذي تختاره يحدد إمكانيات نظامك الأساسي، وحدود زمن الانتقال، ونفقات الاستضافة طويلة الأجل. يركز نموذج Opus 4.8 من Anthropic على التفكير المنطقي الكثيف متعدد الخطوات والذاكرة السياقية الواسعة، بينما يعطي نموذج GPT-5 من OpenAI الأولوية لزمن انتقال البث، وفرض مخططات JSON، وتنفيذ استدعاء الأدوات (tool-calling).https://mecanik.dev/ar/posts/claude-fable-5-hybrid-reasoning-api/Tue, 21 Jul 2026 19:00:00 +0100https://mecanik.dev/ar/posts/claude-fable-5-hybrid-reasoning-api/يُبقي محرك الاستدلال الجديد Claude Fable 5 من Anthropic التفكير العميق مُفعّلاً في كل طلب، ويتيح للمطورين رفع عمق التفكير أو خفضه بدلاً من ذلك. تاريخيًا، كانت النماذج اللغوية الكبيرة (LLMs) تعمل وفق معلمات حوسبة ثابتة، حيث تولّد الرموز (tokens) بسرعة موحدة بغض النظر عن مدى تعقيد الاستعلام؛ فكانت التحيات البسيطة تستهلك نفس طاقة المعالجة التي تستهلكها البراهين الرياضية المتقدمة. ومع إطلاق Fable 5، تقدّم Anthropic إطار عمل للتفكير الهجين (hybrid reasoning) يكون فيه التفكير نشطًا دائمًا، وتتحكم أنت في مقدار الجهد الذي يبذله النموذج عبر إعداد واحد هو effort.https://mecanik.dev/ar/posts/cloudflare-pages-static-web-app-hosting/Sun, 19 Jul 2026 07:00:00 +0100https://mecanik.dev/ar/posts/cloudflare-pages-static-web-app-hosting/تتيح استضافة Cloudflare Pages لفرق تطوير الواجهة الأمامية شحن أكواد برمجية سريعة وآمنة وخالية من تعقيدات إدارة السيرفرات. ومن خلال استخدام Cloudflare Pages ، يحصل المطورون على منصة عالية الأداء تعتمد على الحافة ونشر تطبيقات الويب الثابتة، والتطبيقات ذات الصفحة الواحدة (SPAs)، وأطر العمل المعتمدة على التصيير من جانب الخادم (SSR). ومن خلال الاتصال المباشر بمستودع Git الخاص بك، تقوم Cloudflare بأتمتة مسارات البناء، وتوليد عمليات نشر معاينة مؤقتة، واستضافة أصول وملفات موقعك عالميًا.https://mecanik.dev/ar/posts/cloudflare-workers-ai-agent/Sat, 18 Jul 2026 19:00:00 +0100https://mecanik.dev/ar/posts/cloudflare-workers-ai-agent/يعد بناء وكيل ذكاء اصطناعي باستخدام Cloudflare Workers الخطوة التالية في الانتقال من مجرد كتابة الأوامر البسيطة (prompts) إلى إنشاء مسارات عمل ذاتية التشغيل. تستخدم هذه الأنظمة، والمعروفة باسم وكلاء الذكاء الاصطناعي (AI agents)، نماذج لغوية كبيرة (LLMs) لاستدعاء أدوات خارجية واتخاذ القرارات وتنفيذ المهام بمفردها. في حين أن تشغيل هؤلاء الوكلاء كان يتطلب تقليديًا خوادم ضخمة، فإن هذا الدليل العملي يشرح كيفية بناء واستضافة وكلاء ذكاء اصطناعي بدون خادم (serverless) باستخدام Cloudflare Workers ومكتبة LangChain.https://mecanik.dev/ar/posts/cloudflare-workers-ai-tutorial/Fri, 17 Jul 2026 19:00:00 +0100https://mecanik.dev/ar/posts/cloudflare-workers-ai-tutorial/يوضح لك شرح Cloudflare Workers AI كيفية نشر وتشغيل نماذج التعلم الآلي مباشرة على شبكة الحافة العالمية لشركة Cloudflare. مع منصة Cloudflare Workers AI ، يمكنك تشغيل نماذج اللغات الكبيرة (LLMs)، وترجمة النصوص، وتوليد الصور، وتفريغ الصوت بالقرب من مستخدميك دون الحاجة لإدارة خوادم GPU معقدة ومكلفة. تغطي الخطوات الواردة أدناه كيفية تكوين أداة Wrangler، وكتابة معالج الجلب (fetch handler)، وتشغيل نموذج Llama، وتحسين تكاليف واجهة برمجة التطبيقات على الحافة.https://mecanik.dev/ar/posts/cloudflare-workers-vs-aws-lambda-2026/Wed, 15 Jul 2026 07:00:00 +0100https://mecanik.dev/ar/posts/cloudflare-workers-vs-aws-lambda-2026/يُعد كل من Cloudflare Workers وAWS Lambda منصتَي حوسبة serverless، لكنهما ينطلقان من نقطتين مختلفتين. فـ Lambda هو معيار serverless الراسخ داخل نظام AWS البيئي الضخم؛ أما Workers فهو edge-native، مبني لخفض زمن الاستجابة والتوزيع العالمي. في عام 2026 كلاهما ممتاز، والاختيار الصحيح يعتمد على حِمل العمل لديك وحزمتك التقنية الحالية. يقارن هذا الدليل بين Cloudflare Workers مقابل AWS Lambda على الأبعاد التي تهم فعلاً. الخلاصة السريعة (TL;DR) تعمل Workers على الحافة على V8 isolates خفيفة، مع cold start شبه معدوم وتوزيع عالمي افتراضي يعمل Lambda في مناطق AWS بنموذج microVM، ويدعم العديد من بيئات تشغيل اللغات، ويتكامل بعمق مع نظام AWS البيئي تلائم Workers أحمال العمل ذات زمن الاستجابة المنخفض والموزعة عالمياً والقائمة على معايير الويب؛ ويلائم Lambda أحمال العمل الأثقل والأطول تشغيلاً والمتكاملة مع AWS، مع دعم واسع لبيئات التشغيل تختلف نماذج التكلفة، لذا قارن على حِمل العمل الحقيقي لديك بدلاً من الأسعار المعلنة الفرق الجوهري: الحافة مقابل الإقليميةهذا التمييز الأساسي يشكّل كل ما عداه.https://mecanik.dev/ar/posts/building-a-serverless-api-with-cloudflare-workers/Tue, 14 Jul 2026 19:00:00 +0100https://mecanik.dev/ar/posts/building-a-serverless-api-with-cloudflare-workers/تتيح لك Cloudflare Workers تشغيل شيفرة الواجهة الخلفية عند الحافة، قريبًا من مستخدميك، دون إدارة خوادم. بالنسبة إلى واجهات API، فإن هذا المزيج من بدء التشغيل البارد شبه المعدوم والتوزيع العالمي والتخزين المتكامل بإحكام يجعل Workers منصة مقنعة في 2026. يشرح هذا الدليل كيف تُبنى واجهة Cloudflare Workers API وما الذي يميزها عن الواجهة الخلفية التقليدية. باختصار تُشغّل Cloudflare Workers شيفرتك على شبكة Cloudflare العالمية عند الحافة، فتُخدَم الطلبات قريبًا من المستخدمين مع بدء تشغيل بارد شبه معدوم يعالج Worker الطلبات الواردة عبر معالج fetch؛ توجّه حسب الطريقة والمسار وتُرجع كائنات Response قياسية ترتبط Workers مباشرة بالتخزين: D1 (SQLite) وKV (مفتاح-قيمة) وR2 (تخزين الكائنات) وQueues وDurable Objects تلائم Workers واجهات API منخفضة الكمون والموزعة عالميًا؛ وتستخدم بيئة تشغيل خفيفة بدلًا من بيئة خادم كاملة، مما يشكّل طريقة البناء ما الذي يجعل Workers مختلفةتعمل واجهة API التقليدية على خادم (أو حاوية) في منطقة واحدة.