مقدمة: بناء شيء حقيقي
عندما نتحدث عن الذكاء الاصطناعي المحلي، من السهل البقاء في وضع الاختبار. تشغيل نموذج، طرح بعض المطالبات عليه، ومقارنة الإجابات. لكن القيمة الحقيقية تبدأ عندما تبدأ بربطه بعملك. عندما يصبح نموذجك المحلي جزءًا صغيرًا من سير عملك الفعلي.
هنا بدأ كل شيء يتغير بالنسبة لي. في هذا المقال، سأشرح كيف بنيت مساعدًا للذكاء الاصطناعي خفيفًا لكنه فعّال. يساعدني في التعامل مع بيانات الثغرات، وفرزها، وإبراز ما يهم بناءً على التقنيات التي أستخدمها فعليًا. ليس مبهرًا. لا يرد عليك. لكنه يوفر لي الوقت ويحسن التركيز. وهذا هو الهدف.
المشكلة التي كنت بحاجة إلى حلها
أعمل مع معلومات متعلقة بالأمن السيبراني من مصادر مختلفة كثيرة. بعضها يأتي من موجزات التهديدات. وبعضها من تقارير عبر الإنترنت. وبعضها كنص عادي، والبعض الآخر في مستندات طويلة ومنظمة. والتحدي دائمًا هو نفسه: اعثر على ما هو ذي صلة بي، وافعل ذلك بسرعة.
لذلك بدأت برسم عملية. أجمع البيانات من بضعة مصادر معروفة، ثم أستخدم نموذجًا محليًا من أجل:
-
استخراج ما هو مهم.
-
تنظيمها بحسب مدى شدة الثغرات.
-
إبراز تلك المرتبطة بأنظمتي وتطبيقاتي الخاصة.
بدلًا من قراءة كل شيء يدويًا، أحصل الآن على عرض مركّز لما يحتاج إلى انتباهي. هذا وحده يغير طريقة تعاملي مع اليوم.
كيف بنيته
يعمل هذا المساعد محليًا. لا أستخدم السحابة لأي جزء منه. حاليًا، أشغّله داخل بيئة الاختبار الخاصة بي، باستخدام LM Studio ونماذج مثل DeepSeek أو BOLT.
العملية بسيطة. ألصق بيانات الثغرات في الواجهة وأعطيه مهمة مثل:
“لخّص الثغرات حسب الشدة. لا تدرج إلا تلك التي تذكر هذه الأنظمة أو التطبيقات.”
على الرغم من أنها عملية مباشرة، فقد حاولت أتمتة أكبر قدر ممكن.
للقيام بذلك، أستخدم n8n لبناء تدفقات عمل تتحكم في تدفق البيانات بين خطوات مختلفة. يتيح لي تشغيل إجراءات بناءً على إدخال جديد، وتنسيق البيانات وإرسالها إلى النموذج، والتعامل مع الاستجابات دون الحاجة إلى القيام بخطوات يدوية.
خلال ثوانٍ، أحصل على مخرجات منظمة. قصيرة، مباشرة، ومصفّاة. غالبًا ما تلتقط روابط أو مشكلات ربما كنت قد فاتتني. وبما أن شيئًا لا يغادر جهازي، فلا داعي للقلق بشأن لصق محتوى حساس في أداة تابعة لطرف ثالث.
خلال ثوانٍ، أحصل على مخرجات منظمة. قصيرة، مباشرة، ومصفّاة. غالبًا ما تلتقط روابط أو مشكلات ربما كنت قد فاتتني. وبما أن شيئًا لا يغادر جهازي، فلا داعي للقلق بشأن لصق محتوى حساس في أداة تابعة لطرف ثالث.
التشغيل والتخطيط لسير العمل
حاليًا، أستخدم إدخال لوحة المفاتيح لتشغيل المساعد. لقد اختبرت التفعيل الصوتي، لكنه لا يناسب إعدادي بعد. إنه غير متسق للغاية.
لاحقًا، عندما أنتهي من إعداد سطح مكتبي الجديد، أخطط لدمج أدوات الأتمتة منخفضة الشفرة مثل n8n. بهذه الطريقة، يمكنني:
-
سحب الإدخال من المستندات أو موجزات البيانات تلقائيًا.
-
إرسال ذلك الإدخال إلى النموذج المحلي.
-
دفع النتيجة إلى ملخص، أو ملف، أو حتى بريد إلكتروني إلى نفسي.
هذا النوع من التدفق لن يتطلب نسخًا أو لصقًا يدويًا. يمكن أن يعمل وفق جدول أو يتم تشغيله بواسطة ملفات واردة. هذا هو الاتجاه الذي أريد أن أذهب إليه بعد ذلك.
لماذا أعتقد أن ذلك مهم
هذا لا يتعلق ببناء منتج. يتعلق بإظهار كيف يمكن حتى لأداة صغيرة ومركزة أن تُحدث فرقًا حقيقيًا في عملك اليومي. يمكن لمساعد محلي مثل هذا أن يساعدك على البقاء متقدمًا على مهامك، وتحديد ما يهم، وتجنب إهدار الطاقة.
هذا هو الجزء الذي يصبح مثيرًا للاهتمام. بمجرد أن يعمل، يتوسع تفكيرك. تبدأ بالتساؤل عمّا آخر يمكنه المساعدة فيه. ربما كتابة المقترحات. مراجعة الشيفرة. صياغة رسائل البريد الإلكتروني. إنشاء ملاحظات الاجتماعات. وحتى الدعم الداخلي.
وأفضل جزء؟ لست بحاجة إلى السحابة. لست بحاجة إلى تراخيص. إنه لك. يعمل بهدوء في الخلفية. يجيب عندما تسأل.
أفكار أخيرة
إذا كنت تبدأ في استخدام الذكاء الاصطناعي المحلي، فهذه خطوة جيدة لتجربتها. ابنِ شيئًا، حتى لو كان أساسيًا. حتى لو تعطل من حين لآخر. إن عملية ربط نموذج بعملك الخاص تعلمك أكثر من أي درس تعليمي.
وعندما يبدأ في توفير وقتك، حتى بطرق صغيرة، ستعرف أنه يستحق ذلك.
في المقال الأخير، سأجمع الصورة كاملة — إلى أين يتجه الذكاء الاصطناعي المحلي ولماذا أعتقد أن الملكية الشخصية لأدواتك أصبحت أكثر أهمية من أي وقت مضى.
Markku Arvekari
خبير التحول الرقمي
