EN
تعلّم المسارات المرجع مقالات المحفوظات
المرجع

ابحث عن أي شيء.

دليل بلغة بسيطة: كل مصطلح ذكاء اصطناعي، وما يقابله كل إجراء على سطح المكتب، وكل ما يستطيع Claude فعله.

AI aiالذكاء الاصطناعي

برمجيات تنجز أمورًا كنّا نفترض أنها تحتاج إلى إنسان: فهم اللغة، والتعرّف على الصور، واتخاذ القرارات. إنه مظلّة واسعة — وأكثر أنواعه فائدةً اليوم في العمل اليومي هو الـ LLM الذي يقف خلف أدوات مثل Claude.

«الذكاء الاصطناعي» هو الكلمة الرنّانة، لكنها تغطّي الكثير. حين يقول الناس AI اليوم، يقصدون عادةً large language model.

انظر أيضًاMachine learningLLMAgent

Machine learning aiML

طريقة لبناء البرمجيات تتعلّم الأنماط من الأمثلة بدلًا من تلقّي قواعد خطوة بخطوة. اعرض عليها آلاف الصور للقطط فتتعلّم كيف تبدو القطة — دون أن يكتب أحد «للقطة شوارب». إنه المحرّك الكامن خلف معظم أنواع الذكاء الاصطناعي الحديثة.

يفسّر من أين يستمد الذكاء الاصطناعي قدراته: ليست مكتوبة يدويًا، بل متعلَّمة من كميات هائلة من البيانات.

انظر أيضًاAITraining dataLLM

LLM ailarge language model

اختصار لـ Large Language Model — نوع الذكاء الاصطناعي الذي يقف خلف Claude. دُرّب على كمّ هائل من النصوص حتى أتقن أمرًا واحدًا: التنبّؤ بالكلمة التالية التي ينبغي أن تأتي. وعند حجم كافٍ من البيانات، تكفي هذه المهارة الواحدة لإجراء محادثة، وكتابة الكود، وشرح أي شيء تقريبًا.

حين تتحادث مع Claude، فأنت تتحدّث إلى LLM. هذه الحقيقة وحدها تفسّر كلًّا من سبب قدرته الكبيرة وسبب اختلاقه أحيانًا لأشياء غير صحيحة.

انظر أيضًاModelTokenHallucinationTraining data

Inference ai

اللحظة التي يعمل فيها الـ model فعليًّا لإنتاج إجابة — «تفكيره» استجابةً لمدخلاتك. إنه الطرف المقابل للـ training: فالـ training هو العملية الطويلة، لمرّة واحدة، التي تعلّم فيها الـ model، أمّا الـ inference فهو كلّ تشغيل سريع لاحق يوظّف فيه ذلك التعلّم على طلبك المحدّد.

الـ inference هو ما تدفع مقابله في كلّ مرّة تستخدم فيها الذكاء الاصطناعي، وما يستهلك الـ tokens — فهو التكلفة التي تتوسّع بقدر استخدامك، لا فاتورة الـ training التي تُدفع مرّة واحدة.

انظر أيضًاModelTraining dataToken

Model aiAI model

ذكاء اصطناعي واحد محدّد ومدرَّب يمكنك التحدّث إليه — مثل Claude Fable 5 أو Claude Haiku 4.5. الفكرة نفسها كطُرز السيارات: شركة واحدة، بأحجام ومفاضلات مختلفة.

في Claude Code يمكنك التبديل بين الـ models بأمر /model. اختَر model أكبر للمسائل الصعبة، وأسرع حين تُنجز مهامًا سريعة متكرّرة.

يصدر Claude كعائلة من الـ models — شركة واحدة، قيم واحدة، وقدرات وتكاليف مختلفة اختلافًا كبيرًا. فكّر فيها كاختيار الشخص المناسب للمهمة:

Modelالسرعةالتكلفةالأنسب لـ
Haiku 4.5الأسرعالأقلالتعديلات السريعة، عمليات البحث، المهام البسيطة
Sonnet 5متوازنمتوسطمعظم مهام البرمجة، الكتابة، الشرح (الخيار الافتراضي)
Opus 4.8عميقمرتفعقرارات معمارية صعبة، أخطاء دقيقة، تحليل معمّق لملفات متعددة
Fable 5الأعمقالأعلىأصعب المسائل — متقدّم على مستوى المقاييس العالمية في كل شيء تقريبًا

Sonnet 5 هو الخيار الافتراضي في Claude Code — أحدث نماذج فئة Sonnet، ويقترب كثيرًا من مستوى استدلال Opus مع بقائه سريعًا واقتصاديًا. يُنجز الغالبية العظمى من المهام اليومية بكفاءة.

Opus 4.8 هو المتخصّص: أبطأ وأغلى، لكنه يفكّر بعمق أكبر ويستوعب سياقًا أوسع. الجأ إليه حين تظلّ مسألة صعبة تُعيق Sonnet.

Fable 5 (صدر في يونيو 2026) هو أقوى model من Claude متاح للعموم، مبنيٌّ على طبقة البحث Mythos. يُحقّق أداءً متقدّمًا في هندسة البرمجيات والعمل المعرفي والاستدلال العلمي. الجأ إليه حين لا يكفي Opus.

Haiku 4.5 هو العدّاء السريع: رخيص وسريع، مثالي للمهام المتكرّرة بحجم كبير حين تعرف تقريبًا ما تريده وتحتاج فقط إلى التنفيذ.

بدّل الـ model بأمر /model — يعرض Claude Code قائمة للاختيار، أو يمكنك كتابة معرّف الـ model كاملًا مباشرةً.

وماذا عن Mythos؟ Claude Mythos هو الـ model البحثي الأساسي الذي يستند إليه Fable 5، ويُنشَر مع رفع بعض قيود الأمان لدى مجموعة صغيرة من شركاء الأمن (Project Glasswing). وهو غير متاح للعموم.

انظر أيضًاLLMToken

Multimodal ai

model يتعامل مع أكثر من مجرّد نصّ — يستطيع استقبال الصور ولقطات الشاشة وملفّات PDF والمخطّطات، وأحيانًا الصوت، كلّها في المحادثة نفسها. كلمة «Modal» تشير إلى نمط من الإدخال؛ وmultimodal تعني ببساطة أنه يفهم عدّة أنماط دفعةً واحدة، فتستطيع المزج بين صورة وسؤال بحرّية.

إنه سبب قدرتك على لصق لقطة شاشة لخطأ، أو صورة للوح أبيض، أو رسم بياني، والسؤال عنها مباشرةً — دون الحاجة إلى إعادة كتابة كلّ شيء بالكلمات أولًا.

انظر أيضًاModelLLMToken

Token ai

قطعة من النص — تقريبًا ثلاثة أرباع كلمة. لا تقرأ الـ AI models الحروف أو الكلمات الكاملة؛ بل تقرأ tokens. فقد تكون كلمة unbelievable ثلاثة tokens: un وbeliev وable.

كل شيء تقريبًا يُقاس بالـ tokens: كم يستطيع الذكاء الاصطناعي أن يقرأ دفعةً واحدة، وكم بسرعة يردّ، وكم يكلّف. والـ context window ما هو إلا ميزانية tokens.

انظر أيضًاContext windowModel

Prompt caching aiContext caching

الـ prompt caching يحفظ النسخة المعالَجة لدى الـ model من نصٍّ ترسله بشكل متكرّر — مجموعة طويلة من التعليمات، أو مستند كبير — كي لا يضطر إلى إعادة قراءته من الصفر في كل turn. الطلب التالي يعيد استخدام الجزء المخزّن في الـ cache، وهذا أسرع بكثير وأرخص بكثير، لأن الـ input المخزّن يُحاسب عليه بجزء بسيط من سعر الـ input العادي. في جلسة Claude Code طويلة، حيث يُعاد استخدام السياق نفسه turn بعد turn، يكون أحد أكبر موفّري التكلفة على الإطلاق.

لهذا السبب لا تكلّف الجلسة الطويلة المثقلة بالسياق ثروة — فالجزء المكلف يُقرأ مرة واحدة ويُعاد استخدامه، لا أن يُعاد احتسابه في كل رسالة.

انظر أيضًاTokenContext windowPrompt

Temperature ai

مقبض يتحكّم في مدى عشوائية مخرجات الـ model أو إبداعها. اخفضه فيلعب الـ model بأمان — مركّز، متوقَّع، يميل إلى إعطاء الإجابة نفسها مرّتين. ارفعه فيصبح أكثر تنوّعًا ومفاجأة، يمتدّ إلى صياغات وأفكار أقلّ بداهةً.

أبقِه منخفضًا حين تريد الصواب والاتّساق — الكود، الحقائق، البيانات — وارفعه قليلًا للعصف الذهني أو التسمية أو الكتابة حين تريد مدى أوسع وبعض الخيارات غير المتوقّعة.

انظر أيضًاModelTokenInference

Context window ai

مقدار ما يستطيع الـ model أن يبقيه في ذهنه دفعةً واحدة — سؤالك، والملفات التي ينظر إليها، وكل ما قيل حتى الآن — مقيسًا بالـ tokens. تخيّله مساحة مكتب الـ model. وحين يمتلئ، تبدأ أقدم الأشياء بالانزلاق عن الحافة.

إذا بدأت جلسة Claude طويلة بنسيان تفاصيل سابقة، فالأرجح أنك ملأت الـ context window. أمر /clear أو /compact يمنحه مكتبًا نظيفًا.

انظر أيضًاTokenPrompt

Context engineering ai

فنّ تحديد ما يدخل بالضبط إلى الـ context window المحدود للـ model — أيّ ملفات، أيّ رسائل سابقة، أيّ تعليمات، أيّ مستندات تمّ البحث عنها — بحيث يملك كلّ ما يحتاجه ولا شيء يُشتّته. تخيّله كحزم حقيبة صغيرة لرحلة: الأشياء الصحيحة أهمّ من أكثر الأشياء، لأنّ المساحة محدودة والفوضى مضرّة. إنه تطوّر prompt engineering في 2026، مركّزًا على مجموعة العمل كاملةً بدلًا من جملة واحدة بارعة.

حين يفوّت Claude شيئًا واضحًا أو يرتبك، فالسبب غالبًا مشكلة context لا مشكلة ذكاء — أعطِه المادّة الصحيحة وتختفي معظم الإخفاقات.

انظر أيضًاContext windowPrompt engineeringPromptToken

Prompt ai

الـ prompt هو ببساطة ما تقوله للذكاء الاصطناعي — السؤال أو التعليمة أو الطلب الذي تكتبه. «أعد تسمية هذه الصور حسب التاريخ» هو prompt. لا توجد صيغة سرّية؛ والمهارة كلّها هي لغة واضحة ومباشرة.

الـ prompts الأفضل تعطي نتائج أفضل. ومعظم إتقان Claude هو ببساطة تعلّم قول ما تريده بوضوح واكتمال.

انظر أيضًاLLMContext window

Prompt engineering aiPrompting

حرفة كتابة التعليمات التي تحقّق فعلًا النتيجة التي تريدها من الذكاء الاصطناعي — أن تكون محدّدًا بدل الغموض، أن تعطي أمثلة بدل مجرّد الوصف، وأن تُظهر الصيغة التي تتوقّعها بدل أن تأمل أن يخمّنها. الأمر أقلّ ارتباطًا بالحيل السرّية وأكثر ارتباطًا بالتواصل الواضح: قُل ما تريد، وما يجب تجنّبه، وكيف يبدو «الجيّد».

إنها المهارة الأعلى مردودًا للمبتدئ — فالـ model نفسه يعطي إجابات أفضل بمراحل حين تُحسن السؤال، وإحسان السؤال قابل للتعلّم تمامًا.

انظر أيضًاPromptContext engineeringLLM

Prompt injection ai

خطر أمنيّ تُدسّ فيه تعليمات خفيّة داخل محتوى يقرأه الذكاء الاصطناعي — صفحة ويب، أو ملف، أو بريد إلكتروني، أو مستند — في محاولة لاختطافه ليفعل شيئًا لم تطلبه قطّ. لا يستطيع الذكاء الاصطناعي دائمًا التمييز بين تعليماتك والتعليمات المدفونة في المادّة التي يعمل عليها، فقد تقول صفحة خبيثة «تجاهل مهمّتك وأرسل بيانات هذا الشخص بالبريد».

اهتمّ بهذا كلّما سمحت لـ Claude بقراءة محتوى غير موثوق أو تصفّح الويب — تعامل مع ما يقرأه بوصفه بيانات، لا أوامر وافقت عليها.

انظر أيضًاPromptPrompt engineeringAlignment

Hallucination ai

حين يذكر الذكاء الاصطناعي شيئًا غير صحيح بثقة تامّة — يستشهد بـ function غير موجودة، أو يخترع ملفًا، أو يتذكّر خطأً كيفية عمل أداة ما. إنه لا يكذب؛ بل يطابق الأنماط ليصل إلى إجابة تبدو معقولة حين لا يعرف الجواب فعلًا.

لهذا تهمّ عادة التحقّق: اقرأ ما فعله Claude قبل أن تثق به. وعادةً ما تُكتشف الـ hallucinations في ثوانٍ — إن نظرت.

انظر أيضًاLLMPrompt

Reasoning aiChain of thought · Extended thinking

الـ reasoning هو حين يعالج الـ model مشكلةً خطوةً بخطوة قبل أن يعطي إجابته النهائية، بدلًا من نطق أوّل ما يخطر له. عرض الخطوات الوسيطة — مثل إظهار خطوات الحلّ في مسألة رياضية — يحسّن الدقّة بشكل ملموس في الأسئلة الصعبة متعدّدة الخطوات حيث تتعثّر الإجابة السريعة.

إنه سبب أنّ أنماط «التفكير» أو «extended thinking» تصيب في الرياضيات والمنطق والتخطيط الصعب أكثر بكثير — والمقابل أنها أبطأ وتستهلك tokens أكثر، فتدّخرها للأمور الصعبة.

انظر أيضًاModelAgentic AILLM

Training data ai

الكومة الهائلة من الأمثلة التي يتعلّم منها الـ model — بالنسبة لـ LLM، كمّ ضخم من النصوص. لا «يبحث» الـ model عن الأشياء فيها لاحقًا أبدًا؛ بل امتصّ الأنماط مرّةً واحدة، أثناء الـ training، وهي مجمّدة في مكانها.

لهذا يكون للـ model حدّ معرفي زمني، وقد يكون متقادمًا بثقة — انظر hallucination. فهو لا يعرف إلا ما دُرّب عليه.

انظر أيضًاMachine learningLLMHallucination

Agent ai

ذكاء اصطناعي لا يكتفي بالإجابة — بل يتّخذ إجراءات في حلقة متكرّرة للوصول إلى هدف: يقرأ ملفًا، يقرّر الخطوة التالية، ينفّذ أمرًا، يفحص النتيجة، ثم يكرّر. Claude Code هو agent. الـ chatbot العادي يتحدّث فقط؛ أما الـ agent فينفّذ الأمور نيابةً عنك.

رؤية Claude بوصفه agent تفسّر لماذا يطلب الإذن قبل التصرّف — فهو فعلًا قادر على لمس ملفاتك وتنفيذ الأوامر، لا مجرّد وصفها.

انظر أيضًاLLMTool useMCPAgentic codingAsk permissions

Agentic AI aiAgentic workflows

الـ Agentic AI هو ذكاء اصطناعي يستنتج الخطوات بنفسه نحو هدف — يضع خطة، ينفّذ إجراءات بأدوات، يفحص النتيجة، ثم يعدّل — بدلًا من تنفيذ الأمر الواحد الذي حدّدته بالضبط. ردّ المحادثة العادي يجيب عن سؤالك الواحد ويتوقّف؛ أمّا النظام الـ agentic فيستمرّ حتى تُنجَز المهمّة فعلًا، مكرّرًا حلقة التنفيذ والفحص من تلقاء نفسه. Claude Code هو agentic: تعطيه هدفًا، فيقرأ الملفات، ينفّذ الأوامر، ويصحّح أخطاءه أثناء الطريق.

إنه الفرق بين مساعد يصوغ ردًّا ومساعد قادر على تنفيذ مهمّة متعدّدة الخطوات — ومعرفة أيّهما تستخدم تخبرك بمقدار الإشراف المطلوب.

انظر أيضًاAgentAgentic codingTool useReasoningMulti-agent system

Agentic coding aiAI coding agent

الـ agentic coding هو استخدام ذكاء اصطناعي يُنجز عمل البرمجيات فعلًا بدلًا منك — يقرأ ملفاتك، يكتب الكود ويعدّله، ينفّذ الأوامر، يفحص النتيجة، ويصحّح أخطاءه — لا ذكاء يكتفي بمناولتك مقطعًا لتلصقه. تصف النتيجة التي تريدها بلغة واضحة؛ والـ agent يستنتج الخطوات وينفّذها. الـ Claude Code أداة agentic coding، ولست بحاجة أن تكون مبرمجًا لتوجّه واحدة.

إنه المهارة المحدّدة التي تُعلّمها هذه الدورة، وما يميّزنا عن «الإلمام بالذكاء الاصطناعي» العام: ليس كيف تدردش مع bot، بل كيف تُشغّل أداة agentic حقيقية لإنجاز عمل فعلي.

انظر أيضًاAgentAgentic AIClaude Code DesktopTool use

Multi-agent system aiMulti-agent orchestration · Agent orchestration

الـ multi-agent system هو عدة AI agents تعمل على مهمة واحدة في الوقت نفسه، كل واحد يتولّى جزءًا، بدلًا من agent واحد يفعل كل شيء بالتتابع. عادةً يقوم agent «قائد» بتقسيم الهدف إلى أجزاء، ويسلّم كل جزء إلى زميل أو subagent، ثم يجمع النتائج. تحصل بذلك على اتّساع — استكشاف زوايا كثيرة دفعةً واحدة — وعلى عزل، إذ يحتفظ كل agent بـ context window نظيف خاص به.

إنه الشكل الذي تقوم عليه Agent Teams و Workflows في Claude Code — ومعرفة هذا النمط تفسّر لماذا يكون «إطلاق عشرة agents» أسرع وأنظف غالبًا من محادثة واحدة ضخمة.

انظر أيضًاAgentAgentic AIA2A

Tool use aifunction calling

الـ tool use هو حين لا يكتفي الذكاء الاصطناعي بالحديث بل يمدّ يده إلى أداة لإنجاز شيء ما — قراءة ملف، تنفيذ أمر، البحث في الويب. يقرّر الـ model الأداة المناسبة، ويستخدمها، ثم يقرأ النتيجة. وهو ما يحوّل الـ chatbot إلى agent.

الـ tool use هو سبب قدرة Claude Code على تغيير ملفاتك فعلًا بدلًا من مجرّد إخبارك بالطريقة. وكل أداة هي أيضًا موضع يتوقّف عنده ليطلب الإذن.

انظر أيضًاAgentMCPAgentic coding

MCP aiModel Context Protocol

طريقة معيارية لتوصيل أدوات ومصادر بيانات إضافية بالذكاء الاصطناعي — مثل منفذ USB للذكاء الاصطناعي. عبر MCP، يستطيع Claude الاتصال بأشياء مثل تقويمك، أو database، أو أداة تصميم، واستخدامها مباشرةً.

إنه كيف توسّع Claude إلى ما هو أبعد من الكود — توصّل الخدمات التي تستخدمها أصلًا بدلًا من النسخ واللصق بينها.

انظر أيضًاAgentA2A

A2A aiAgent-to-Agent protocol · Agent2Agent

A2A (Agent-to-Agent) هو معيار مفتوح يتيح لعدة AI agents منفصلة أن يكتشف بعضها بعضًا، ويتحدث معًا، ويتقاسم العمل — حتى لو بنتها شركات مختلفة على frameworks مختلفة. إذا كان MCP هو الطريقة التي يصل بها agent واحد إلى أدواته، فإن A2A هو الطريقة التي يصل بها agentان أحدهما إلى الآخر. كل agent ينشر Agent Card يصف ما يستطيع فعله، ويسلّمه الآخرون المهام عبر دورة حياة مشتركة ومحدّدة.

إنه البنية التحتية وراء فكرة «فريق من الـ agents» بدلًا من «agent واحد بأدوات» — ولأنه معيار مشترك بين مختلف الشركات، يستطيع agent بنيته أنت أن يفوّض العمل إلى agent لم تبنه أنت.

انظر أيضًاMCPAgentMulti-agent system

Fine-tuning ai

أخذ model مدرَّب أصلًا وتدريبه قليلًا على مجموعة ضيّقة من الأمثلة، حتى يتحسّن في مهمة واحدة محدّدة — أسلوب كتابة معيّن، أو نوع معيّن من المهام. إنه ضبط دقيق، لا إعادة بناء.

ستسمع عبارة «model مضبوط بالـ fine-tuning». تعني model عامًّا دُفع نحو تخصّص ما — ومعظم الناس لا يحتاجون إليه أبدًا لاستخدام Claude باقتدار.

انظر أيضًاModelTraining data

RAG aiRetrieval-augmented generation

إعطاء الذكاء الاصطناعي وسيلة للبحث عن الأشياء في مستنداتك أو database الخاصّ بك قبل أن يجيب، بدلًا من الاعتماد فقط على ما حفظه صدفةً أثناء الـ training. يسترجع النظام أولًا المقاطع القليلة الأكثر صلةً، ثم يسلّمها للـ model حتى تكون إجابته مرتكزة على مادّة مصدرية حقيقية وحديثة.

إنه كيف يجيب الذكاء الاصطناعي بدقّة من بياناتك — دليلك، تذاكرك، عقودك — مع hallucinations أقلّ بكثير، لأنه يقرأ المصدر بدلًا من التخمين من الذاكرة.

انظر أيضًاEmbeddingsVector databaseContext windowLLM

Embeddings ai

طريقة لتحويل النصّ — أو الصور — إلى قائمة طويلة من الأرقام تلتقط معناه، حتى يستطيع الحاسوب قياس مدى تشابه شيئين. القطع ذات المعاني المتقاربة ينتهي بها الأمر بأرقام متقاربة، حتى لو لم تشترك في أيّ كلمات: «car» و«automobile» يقعان قرب بعضهما؛ بينما «car» و«banana» يقعان بعيدًا. هذه هي الحيلة التي تجعل «البحث بالمعنى» ممكنًا بدلًا من مجرّد مطابقة الكلمات المفتاحية الدقيقة.

إنها المحرّك الصامت خلف البحث الذكيّ وRAG — وهي سبب قدرة النظام على إيجاد المقطع الصحيح حتى حين صغت سؤالك بطريقة مختلفة تمامًا عن المستند.

انظر أيضًاRAGVector databaseModel

Vector database aiVector store

database مبنيّ خصّيصًا لتخزين الـ embeddings — تلك القوائم من المعنى-كأرقام — وللعثور على أقرب المطابقات لاستعلام ما بشكل شبه فوري، حتى عبر ملايين المُدخلات. الـ database العادي بارع في عمليات البحث الدقيقة («اعثر على الطلب رقم 4821»)؛ أمّا الـ vector database فبارع في «اعثر على الأشياء الأقرب في المعنى لهذا».

إنه الذاكرة خلف RAG والبحث بالمعنى — الجزء الذي يجلب بسرعة الحفنة من المقاطع ذات الصلة التي ينبغي للذكاء الاصطناعي قراءتها قبل أن يجيب.

انظر أيضًاEmbeddingsRAGDatabase

Alignment aiAI safety · Guardrails

العمل على جعل سلوك الذكاء الاصطناعي متطابقًا مع ما يقصده الناس ويقدّرونه فعلًا — أن يكون مفيدًا وصادقًا، وأن يرفض الطلبات التي تسبّب ضررًا حقيقيًّا. الـ guardrails هي الحدود العملية التي تفرض ذلك في الاستخدام اليومي: القيود التي تمنع نظامًا قادرًا من إساءة الاستخدام أو الخروج عن المسار.

إنه سبب رفض Claude أحيانًا لطلب ما أو اعتراضه عليه — هذا هو الـ alignment يعمل كما صُمّم، ميزة تجعل الأداة جديرة بالثقة، لا خطأً تلتفّ حوله.

انظر أيضًاLLMModelPrompt injection

Guardrails aiAI guardrails

الـ guardrails هي الحدود الموضوعة حول الذكاء الاصطناعي ليبقى آمنًا وملتزمًا بمهمته — قواعد لما يجوز له فعله، وفحوص على مدخلاته ومخرجاته، وبوابات موافقة قبل أي إجراء محفوف بالمخاطر. تخيّلها كحاجز الشُرفة: لا يبطئك في الاستخدام العادي، إنما يمنع السقوط فقط. داخل أي agent، تظهر الـ guardrails على هيئة permission prompts قبل حذف الملفات، ووصول مقيّد إلى أدوات معيّنة دون غيرها، وفلاتر تلتقط أي محاولة prompt injection.

الاستقلالية آمنة بقدر ما تكون الـ guardrails الخاصة بها — فهي ما يتيح لك أن تسلّم agent عملًا حقيقيًا دون أن تسلّمه مفاتيح كل شيء.

انظر أيضًاAlignmentPrompt injectionAgentAsk permissions

AGI aiArtificial general intelligence

ذكاء اصطناعي افتراضي قادر على مجاراة إنسان كفؤ في أيّ مهمّة تقريبًا — يتعلّم ويستدلّ ويتكيّف على نطاق واسع — بدلًا من أن يكون قويًّا في مجموعة ضيّقة من الأشياء. النماذج الحالية، على إبهارها، ليست AGI: فهي بارعة بشكل لافت في مجالات محدّدة، لكن لا تزال لديها ثغرات ونقاط عمياء حقيقية. الـ AGI هدف وموضوع نقاش، لا منتج تشتريه.

معرفة أنّ الـ AGI لم يوجد بعد تساعدك على تجاوز الضجيج والحكم على الأداة بما تفعله فعلًا اليوم، لا بما يَعِد به عنوان رئيسي أنها قد تفعله يومًا ما.

انظر أيضًاAILLMAlignment

Benchmark ai

اختبار معياري يُستخدَم للمقارنة بين الـ models في مهارة معيّنة — برمجة، رياضيات، قراءة، استدلال — بتشغيلها جميعًا على المجموعة نفسها من الأسئلة وتقييم النتائج. إنه يحوّل سؤال «أيّ model أفضل؟» إلى رقم تصفّه جنبًا إلى جنب، وهو أمر مفيد لكنه ليس القصّة كاملةً أبدًا.

الـ benchmarks هي كيف تقرأ ادّعاءات «الأحدث في مجاله» بذهن صافٍ — فهي إشارة مفيدة، لكن الاختبار الحقيقي هو ما إذا كان الـ model يؤدّي جيّدًا في مهمّتك الفعلية.

انظر أيضًاModelLLMReasoning

Evals aiEvaluations · Evaluation

الـ evals هي اختبارات قابلة للتكرار تقيس مدى جودة أداء الذكاء الاصطناعي لمهمة محدّدة — مثل unit tests، لكن لسلوك الـ model. تجمع مجموعة من المدخلات النموذجية مع إجابات معروفة الصحّة، ثم تشغّل الـ model، وتعطي درجة لمدى اقترابه منها. بها يجيب الفريق عن سؤال «هل حسّن ذلك التغيير الأمور فعلًا؟» بدلًا من التخمين من حفنة محاولات يدوية.

بدون evals تضبط الـ prompts والـ models بالحدس فقط؛ ومعها تستطيع أن تثبت أن تغييرًا ما قد ساعد — أو لم يساعد — قبل أن تطلقه.

انظر أيضًاBenchmarkHallucinationReasoning

AEO aiAnswer Engine Optimization · Generative Engine Optimization · GEO

AEO (Answer Engine Optimization) هو كتابة المحتوى الخاص بك بحيث تقتبسه AI answer engines — ChatGPT و Claude و Perplexity و Google's AI Overviews — مباشرةً عندما يطرح أحدهم سؤالًا. فحيث يتنافس الـ SEO الكلاسيكي على احتلال مرتبة ضمن قائمة من الروابط الزرقاء، يتنافس الـ AEO على أن يكون هو الإجابة التي يقرأها الذكاء الاصطناعي بصوته. عمليًا يعني ذلك كتابةً تبدأ بالإجابة، وبنيةً واضحة، وأسئلة وأجوبة حقيقية على نمط FAQ، وحقائق قابلة للقراءة آليًا يستطيع الـ model أن يقتبسها حرفيًا.

عدد متزايد من الناس يحصلون على إجابة دون النقر على أي رابط — وإن لم تكن صفحتك قابلة للاقتباس، فهي غير مرئية في تلك الإجابة حتى لو كانت ستحتل مرتبة جيدة.

انظر أيضًاLLMRAGHallucination

Claude Code Desktop softwarethe Desktop app · Claude Code (GUI) · the app

Claude Code Desktop هو التطبيق الذي تُنزّله وتفتحه على جهاز Mac أو Windows للعمل مع Claude — المحرّك نفسه الذي تستخدمه أداة command line، لكن بواجهة حقيقية بدلًا من الـ Terminal. تتحدّث إلى Claude في لوحة محادثة، وتراقبه وهو يقترح التغييرات، وتنقر لقبولها أو رفضها. لا Terminal، ولا كتابة أمام شاشة سوداء — أول وعد في دليل البدء السريع هو حرفيًا «بدون الحاجة إلى Terminal».

هذه هي الواجهة الأمامية للمحترفين غير التقنيين. كل ما تُعلّمه الدورة — أن تطلب من Claude إنجاز عمل حقيقي، ومراجعة ما فعله، والبقاء مُمسِكًا بزمام الأمور — يحدث هنا أولًا؛ أمّا الـ Terminal فهو مسار Power Track الاختياري لمن يريد الـ scripting والأتمتة.

انظر أيضًاGUICLIAsk permissionsVisual diffFile pane

GUI softwaregraphical interface · graphical user interface

الـ GUI (Graphical User Interface) هو نوع البرمجيات الذي تُشغّله بالنظر والنقر — نوافذ وأزرار وقوائم ولوحات — بدلًا من كتابة الأوامر. تطبيقاتك اليومية كلّها GUI. وهو عكس الـ CLI، حيث تكتب التعليمات داخل terminal. الـ Claude Code Desktop هو الطريقة الرسومية (GUI) لاستخدام Claude Code.

معرفة المصطلح تجعل فكرة «الأولوية لـ Desktop» كلّها واضحة: الـ GUI هو الباب الودود الذي يعرف معظم الناس كيف يدخلون منه أصلًا، والـ command line ليس سوى باب ثانٍ، أقوى، إلى المبنى نفسه.

انظر أيضًاCLITerminalClaude Code DesktopFile pane

File pane softwarefile viewer · file panel

لوحة الملفات هي الجزء من Claude Code Desktop الذي يعرض ملفات مشروعك — القائمة على الجانب، والملف الذي تنظر إليه الآن. تفتح ملفًا بالنقر عليه، وتقرؤه هناك مباشرةً، وتُجري التعديلات دون أن تكتب يومًا cat أو grep في الـ Terminal. وهي المكان الذي تراقب فيه ما يقرؤه Claude ويغيّره أثناء عمله.

تُحوّل سؤال «أين ذلك الملف وما الذي بداخله؟» إلى نقرة بدلًا من أمر — إنها جواب Desktop عن أوامر قراءة الملفات في الـ Terminal، والمكان الذي تتفحّص فيه تعديلات Claude بعينك قبل أن تقبلها.

انظر أيضًاClaude Code DesktopGUIVisual diff

CLI softwarecommand-line interface

اختصار لـ Command-Line Interface — تشغيل برنامج بكتابة الأوامر بدلًا من النقر على الأزرار. الـ terminal هو حيث تفعل ذلك. يبدو خاليًا، لكنه دقيق وسريع وسهل الأتمتة.

لدى Claude Code واجهة CLI، لكنّ الباب الودود هو الواجهة الرسومية: Claude Code Desktop. أمّا الـ Terminal فهو مسار Power Track الاختياري للـ scripting والأتمتة.

انظر أيضًاTerminalGUIClaude Code Desktop

Terminal softwareshell

النافذة التي تكتب فيها الأوامر وتقرأ مخرجاتها — طريقة نصّية صرفة للتحدّث إلى حاسوبك. هو الجهاز نفسه كسطح مكتبك المعتاد، لكنه باب مختلف للدخول. («الـ shell» هو البرنامج بداخله الذي يقرأ أوامرك فعليًا.)

إنه باب المستخدم المتمكّن إلى Claude Code ومعظم أدوات المطوّرين. يبدو مخيفًا؛ لكنه في الحقيقة مجرّد محادثة نصّية مع حاسوبك — ومع Claude Code Desktop لست مضطرًّا أن تفتح واحدًا لتبدأ.

انظر أيضًاCLIGUIClaude Code Desktop

API softwareApplication Programming Interface

كيف يطلب برنامج من برنامج آخر أن يفعل شيئًا — مجموعة محدّدة من الـ requests يوافق خدمةٌ على الاستجابة لها. حين يعرض لك تطبيقٌ حالة الطقس، فهو يسأل خدمة طقس بهدوء عبر الـ API الخاص بها. إنه قائمة بما يُسمح لك أن تطلبه، وبصيغة الطلب.

عبارة «استخدم الـ X API» تعني فقط «اجعل كودك يتحدّث إلى خدمة X بالطريقة التي وثّقتها X».

انظر أيضًاServerBackendClientRequest / response

Client software

الطرف من التطبيق الذي يرسل الـ request — جهازك عادةً. متصفّحك هو client: يطلب صفحةً من server ويعرض لك ما يعود. الـ client يسأل؛ والـ server يجيب.

إنه نصف ثنائية «client/server»، وهي الشكل الأساسي لطريقة عمل الإنترنت. الـ client هو الجزء الماثل أمامك مباشرةً.

انظر أيضًاServerFrontendRequest / response

Server software

حاسوب وظيفته كلّها أن ينتظر الـ requests ويجيب عنها — يعمل دائمًا. حين تفتح موقعًا، فإن server ما في مكان ما استقبل طلبك وأعاد إليك الصفحة. إنه حاسوب عادي في دور، لا آلة خاصّة.

«الـ server» هو حيث يعمل الموقع أو التطبيق فعليًا ويخزّن أشياءه — على خلاف جهازك الذي يعيش فيه الـ frontend.

انظر أيضًاFrontendBackendAPIClientDatabase

Frontend software

الجزء من التطبيق الذي تراه وتلمسه فعلًا — الأزرار والنصوص والشاشات — ويعمل على جهازك أنت. كل ما هو بصري هو frontend. إنه قاعة الطعام في المطعم: حيث تجلس وتطلب وتُخدَم.

حين يقول أحدهم «هذا تغيير في الـ frontend»، فهو يقصد الشكل أو الإحساس — لا المنطق الذي يجري خلف الكواليس.

انظر أيضًاBackendServer

Backend software

الجزء من التطبيق الذي لا تراه — المنطق والقواعد والبيانات المخزَّنة، ويعمل على server. إنه المطبخ خلف المطعم: حيث يجري العمل الحقيقي، بعيدًا عن الأنظار. الـ frontend يأخذ طلبك؛ والـ backend يحضّره.

عمليات تسجيل الدخول والبيانات المحفوظة والمدفوعات هي عادةً عمل backend — يُعالَج على server، لا على شاشتك.

انظر أيضًاFrontendServerAPI

Database softwareDB

مخزن منظّم للمعلومات يقرأ منه التطبيق ويكتب فيه — رسائلك وطلباتك وملفّك الشخصي. تخيّله جدول بيانات ضخمًا وسريعًا وقابلًا للبحث يعيش على server.

حين «يحفظ» تطبيقٌ شيئًا، فإنه يذهب عادةً إلى database. إنه حيث تعيش البيانات بين زيارة وأخرى.

انظر أيضًاBackendServer

Request / response software

الأخذ والردّ الأساسي للإنترنت: يرسل client طلبًا (request) («أعطني هذه الصفحة»)، ويرسل server ردًّا (response) (الصفحة). كل نقرة وكل تحميل صفحة هو واحدة من هذه الجولات القصيرة.

كل شيء على الإنترنت تقريبًا هو requests وresponses. وحالما تستطيع رؤيتها، يكفّ الويب عن أن يبدو سحرًا.

انظر أيضًاClientServerAPI

Repository softwarerepo

مجلد مشروع يتتبّع تاريخه الخاص — اختصارًا «repo». كل تغيير محفوظ يُسجَّل، فتستطيع أن ترى ما تغيّر، ومتى، وأن تتراجع عن أيٍّ منه. إنه مجلد بذاكرة كاملة.

يعيش كودك عادةً في repo. وهو ما يجعل التجربة آمنة — يمكنك دائمًا العودة إلى ما كانت عليه الأمور.

انظر أيضًاGitCommitDependency

Git software

الأداة التي تتتبّع تاريخ كودك — كل تغيير، ومن أجراه، والقدرة على العودة. الـ repository هو مشروع تحت رقابة Git. إنه المعيار في version control.

Git هو كيف تعمل الفرق على الكود نفسه دون فوضى، وكيف تتراجع عن تغيير سيّئ. والمستوى الثامن مخصّص بالكامل لاستخدامه مع Claude.

انظر أيضًاRepositoryCommitBranch

Commit software

لقطة محفوظة من كودك في لحظة واحدة، مع ملاحظة قصيرة عمّا تغيّر. تصطفّ الـ commits في تاريخ يمكنك قراءته وإرجاعه. تخيّله نقطة حفظ في لعبة.

الـ commits الجيدة تجعل قصّة المشروع قابلةً للقراءة — وتجعل التجربة آمنة، لأنك تستطيع دائمًا العودة إلى آخر واحدة.

انظر أيضًاGitRepositoryBranchVisual diff

Visual diff softwareaccept/reject diff · the diff view

عرض الفروق المرئي هو الطريقة التي يُريك بها Claude Code Desktop التغيير قبل حفظه: النصّ القديم والنصّ الجديد جنبًا إلى جنب، مع تمييز ما حُذف وما أُضيف بالألوان. لا شيء يُحفظ حتى توافق أنت — لكل تغيير زرّ قبول وزرّ رفض، فتأخذ التعديلات الجيدة وترفض الباقي. (الـ diff هو المقارنة الأساسية التي تُظهر «ما الذي تغيّر»؛ أمّا عرض الفروق المرئي فهو مجرّد الطريقة القابلة للنقر والملوّنة لقراءته.)

هذه هي شبكة الأمان التي تجعل السماح لذكاء اصطناعي بتعديل ملفاتك أمرًا منطقيًا: ترى بالضبط ما يريد تغييره وتوافق عليه تغييرًا تلو الآخر، بدلًا من الثقة به ثقةً عمياء أو إجهاد عينيك في قراءة مخرجات الـ command line.

انظر أيضًاCommitGitClaude Code DesktopAsk permissions

Branch software

خطّ عمل موازٍ في git — تتفرّع جانبًا، وتجري التغييرات بأمان، ثم تدمجها (merge) عند الجاهزية، دون المساس بالنسخة الرئيسية. أشبه بتحرير نسخة من مستند ثم دمج تعديلاتك لاحقًا.

الـ branches تتيح لك تجربة أمر محفوف بالمخاطر دون كسر ما يعمل أصلًا. والميزات الجديدة تبدأ عادةً على واحد.

انظر أيضًاGitCommitRepository

Ask permissions softwarepermission mode · Ask permissions mode

وضع Ask permissions هو الوضع في Claude Code Desktop الذي يتوقّف فيه Claude ويستأذنك قبل أن يغيّر ملفًا أو ينفّذ أمرًا — توافق على كل إجراء أو ترفضه بنقرة. تُوصي الوثائق به للمستخدمين الجدد، وهو الوضع الافتراضي لسبب وجيه: تبقى مُمسِكًا بزمام الأمور بينما تبني الثقة تدريجيًا. تختاره من محدِّد الوضع، ويمكنك التخفيف لاحقًا بالموافقة المسبقة على الأمور الآمنة المملّة.

إنه الجواب عن أكثر سؤال يخيف المبتدئ — «هل سيفعل شيئًا بملفاتي دون أن يسأل؟» لا: في وضع Ask permissions يسأل أولًا، في كل مرّة، حتى تقرّر أنت غير ذلك.

انظر أيضًاVisual diffClaude Code DesktopAgentGuardrails

Dependency software

كود خارجي يعتمد عليه مشروعك — عمل شخص آخر تبني فوقه بدلًا من كتابة كل شيء بنفسك. تعتمد الوصفة على دقيق مشترًى جاهزًا؛ ويعتمد مشروعك على قطع جاهزة. ومعظم البرمجيات هي في غالبها dependencies.

حين «يثبّت» مشروعٌ الـ dependencies، فهو ينزّل تلك اللبنات حتى يستطيع الكود أن يعمل.

انظر أيضًاRepository

Framework software

هيكل جاهز لبناء البرمجيات — قطع وبنية شائعة موجودة سلفًا، حتى لا تبدأ من صفحة فارغة. أشبه ببيت جاهز التركيب: الهيكل قائم؛ وأنت تتولّى الغرف.

عبارة «مبنيّ بـ React / Next / Django» تسمّي الـ framework. وهو يشكّل كيفية تنظيم الـ codebase بأكمله.

انظر أيضًاDependencyFrontendBackend

Environment variable softwareenv var

إعداد يُحفظ خارج كودك يقرأه البرنامج حين يعمل — غالبًا سرّ مثل API key، أو قيمة تختلف بين حاسوبك المحمول والـ server الحقيقي. يقول الكود «اقرأ المفتاح من الـ environment» بدلًا من كتابته صراحةً.

إنه كيف تبقى الأسرار والإعدادات الخاصّة بكل جهاز خارج الكود نفسه. وستلتقي بها عادةً في صورة ملفات .env.

انظر أيضًاAPIServer

Bug software

خطأ في الكود يجعله يتصرّف بشكل غير صحيح — تعطّل، أو إجابة خاطئة، أو خلل غريب. علق الاسم بعد العثور على فراشة (moth) حقيقية تعطّل أحد الحواسيب الأولى. كل برنامج فيه أخطاء؛ والعثور عليها وإصلاحها نصف العمل.

عبارة «هناك bug» تعني فقط أن شيئًا ما معطوب في الكود. وClaude بارع حقًّا في تعقّبها معك.

انظر أيضًاDependencyRepository

Certificate softwarecertification · credential

الشهادة هي الإثبات القابل للتحقّق بأنك أكملت الدورة وتستطيع فعلًا تشغيل Claude Code — اعتماد مهني تُظهره لصاحب عمل أو تُضيفه إلى LinkedIn. كلمة «قابل للتحقّق» هي المهمّة هنا: الشهادة ترتبط بسجلّ يستطيع أي أحد فحصه، فهي مؤهّل حقيقي لا مجرّد لقطة شاشة. والحصول عليها هو المشروع الختامي للدورة.

إنها السبب الذي يجعل فريقًا أو صاحب عمل يدفع ثمن الدورة بدلًا من إحالة الناس إلى مقاطع مجانية — فالشهادة اعتماد يستطيع المدير الوثوق به، وهي العمود الفقري لطريقة بيع الدورة للمؤسسات.

انظر أيضًاSeatAgentic coding

Seat softwarelicense seat · team license

المقعد (seat) هو موضع مدفوع واحد في خطة فريق أو مؤسسة — وصول شخص واحد. حين تشتري شركة برنامجًا «لعشرة مقاعد»، فهي تدفع مقابل استخدام عشرة أشخاص له، وتستطيع عادةً نقل مقعد ممّن غادر إلى موظّف جديد. إنه الوحدة التي تشتري بها المؤسسة وتضع ميزانيتها عليها، بدلًا من أن يشتري كلّ فرد نسخته الخاصة.

هكذا يعمل جانب B2B: المؤسسة تشتري حزمة من المقاعد لفريقها، تُسندها إلى الموظفين، وتتعامل مع إكمال الدورة (والـ certificate) كجزء من العمل. ومعرفة الكلمة تساعدك على فهم أي تسعير موجّه للفرق أو المؤسسات.

انظر أيضًاCertificateClaude Code Desktop

كل ما تفعله بالنقر على سطح المكتب له توأم في سطر الأوامر ضمن المسار المتقدّم. لست بحاجة إلى العمود الأخير أبدًا — وُضِع هنا للفضوليين.

ما تريدهعلى سطح المكتب (بلا برمجة)سطر الأوامر (المسار المتقدّم)
فتح مجلد للعمل فيهاسحبه إلى Claude، أو ملف ← فتحcd ~/folder
اطلب من Claude شيئًااكتبه في المحادثة بكلمات بسيطةclaude "organize this folder"
راجع التغييرات المقترحةاقرأ الفرق المرئي في جزء المعاينةclaude diff
وافق على تغييرانقر «قبول» في طلب الإذنclaude accept
تراجع عن آخر تغييرانقر «تراجع» — الأصول محفوظةgit restore .
ابدأ مهمة جديدة بنظافةافتح محادثة جديدة، أو امسح الحالية/clear
أعطِ Claude سياقًا إضافيًااسحب ملفات إضافية إلى المحادثة/add-dir ../assets

الأساسيات

Slash commands

اكتب شرطة مائلة لتشغيل إجراء محفوظ ومُسمّى بدلًا من كتابة الطلب كاملًا.

أمثلة ونصائح →

Plan mode

اطلب من Claude أن يفكّر ويقترح خطة أولًا — دون أن يمسّ ملفًا واحدًا — كي توافق على المقاربة قبل أن يحدث أي عمل.

أمثلة ونصائح →

CLAUDE.md & memory

امنح Claude context ثابتًا عن مشروعك وتفضيلاتك كي تتوقف عن إعادة شرحها في كل محادثة.

أمثلة ونصائح →

نقاط الحفظ والرجوع (Checkpoints & rewind)

يحفظ Claude لقطة قبل كل تغيير، حتى تتمكّن من الرجوع إلى ما كانت عليه الأمور إن ساء أحد التعديلات.

أمثلة ونصائح →

effort و fast mode

مقبضان — مدى عمق تفكير Claude في المهمة، ومدى سرعته في العمل — لتوائم بين الـ model والمهمة.

أمثلة ونصائح →

Context والنافذة

النموذج لا "يرى" إلا ما هو موجود داخل context window عنده. وإدارة ما بداخلها — وتفريغها حين تصبح قديمة — هي المهارة التي تفصل بين الجلسات الجيدة والجلسات المُحبِطة.

أمثلة ونصائح →

اختيار النموذج

يأتي Claude في أربعة مستويات — Haiku وSonnet وOpus وFable. استخدم /model للتبديل بين النماذج بما يناسب المهمة.

أمثلة ونصائح →