تشغيل نموذج لغوي على جهازك وجعله يجيب بناءً على وثائقك هما مشروعان منفصلان، يجتمعان معًا. الذكاء الاصطناعي المحلي يحتفظ بالاستفسارات على جهازك؛ بينما RAG، أو التوليد المعزز بالاسترجاع، يبحث عن المقاطع المفيدة في ملفاتك قبل صياغة الإجابة. بذاكرة سعة 16 جيجابايت، وأداة تشغيل مثل Ollama أو LM Studio ونموذج مُكمَّن (quantified) بعدة مليارات من المعاملات، يمكنك اختبار الاثنين دون اشتراك.
هذا الدليل يفصل المسارين عمدًا. الأول يجيب على سؤال «كيف أُنفِّذ نموذجًا على جهازي؟»: الأجهزة، اختيار النموذج، الأدوات. الثاني يجيب على «كيف أستجوبه على بياناتي دون أن يختلق؟»: تقسيم الوثائق، البحث، الاقتباسات والتحكم. يلتقي الاثنان في بنية مشتركة، موصوفة أدناه. تم التحقق من الإصدارات والأرقام المذكورة في نوفمبر 2026 من الوثائق الرسمية؛ وهي تتطور بسرعة ويجب إعادة التحقق منها قبل أي شراء للأجهزة. للمزيد، اقرأ مقالتنا «البحث SQL FULLTEXT مقابل قاعدة المتجهات: أي محرك لـ RAG؟».
لماذا تشغيل ذكاء اصطناعي محليًا؟
السبب الأول هو التحكم في البيانات. عندما يعمل النموذج على جهازك أو على خادم داخلي، لا يحتاج النص الذي تقدمه له إلى المرور عبر خدمة طرف ثالث. توضح وثائق Ollama أنه في التنفيذ المحلي، لا تصل الأداة إلى أوامرك (prompts)، ويمكن تعطيل وظائف السحابة عبر المتغير OLLAMA_NO_CLOUD=1 أو عبر إعداد في ~/.ollama/server.json (الأسئلة الشائعة لـ Ollama). تشير LM Studio من جانبها إلى أن المحادثات والوثائق المرفقة لـ RAG تبقى على الجهاز، ولا يلزم الإنترنت إلا للبحث عن النماذج وتنزيلها أو التحديثات (الوثائق غير المتصلة لـ LM Studio).
ثم تأتي قابلية التنبؤ بالتكاليف والاستقرار. النموذج المحلي لا يتقاضى رسومًا حسب الرمز (token): تدفع ثمن الجهاز والكهرباء، بغض النظر عن الحجم. كما أنك تثبت إصدار النموذج، مما يمنع تحديثًا من جانب المزود من تغيير سلوك تطبيق تم التحقق منه مسبقًا. أخيرًا، يعمل التنفيذ دون اتصال بمجرد تنزيل الملفات، وهي حجة للسفر أو المواقع المعزولة.
لكن يجب قبول بعض التنازلات. النماذج التي تعمل على حاسوب محمول تظل عمومًا أقل أداءً من النماذج الكبيرة لواجهات برمجة التطبيقات التجارية في التفكير المعقد، وتعتمد السرعة مباشرة على بطاقة الرسومات أو الشريحة الخاصة بك. كما أن التثبيت والتحديثات وأمن الخدمة تصبح مسؤوليتك أيضًا.
المفردات الأساسية
- الحجم: المعاملات التي تعلمها النموذج، موزعة كملفات بحجم عدة جيجابايتات. عددها (مثل 8B لـ 8 مليارات) يحدد إلى حد كبير الذاكرة اللازمة.
- التكمين (Quantification): تقليل دقة هذه المعاملات (مثلًا من 16 بت إلى 8 أو 4 بت)، مما يقلل حجم الملف على حساب فقدان جودة ملحوظ إلى حد ما.
- نافذة السياق: الحد الأقصى لعدد الرموز (tokens) (أجزاء الكلمات) التي يمكن للنموذج معالجتها دفعة واحدة، بما في ذلك السؤال والسجل والوثائق.
- الأوزان المفتوحة والمصدر المفتوح: النموذج الذي تُنشَر أوزانه فقط هو «ذو أوزان مفتوحة». تعريف الذكاء الاصطناعي مفتوح المصدر لمبادرة المصدر المفتوح (الإصدار 1.0) يتطلب المزيد: معلومات مفصلة عن بيانات التدريب، كود التدريب والاستدلال الكامل، والمعاملات، كل ذلك تحت شروط معتمدة من OSI (تعريف الذكاء الاصطناعي مفتوح المصدر). لذلك فإن معظم النماذج التي ستثبتها هي نماذج بأوزان مفتوحة، تحت تراخيص أكثر أو أقل تساهلاً.
الأجهزة والنماذج والأدوات للبدء
الذاكرة هي المعيار الأول، قبل قوة الحوسبة. يجب أن يتسع النموذج بالكامل في ذاكرة الفيديو (VRAM) لبطاقة الرسومات، أو في الذاكرة الموحدة لجهاز Mac بشريحة Apple، ليعمل بسرعة مريحة. ما يفيض يتم تحويله إلى ذاكرة الوصول العشوائي (RAM) والمعالج، وهذا يعمل ولكنه يبطئ بشكل ملحوظ. إجمالي الاحتياج ينقسم إلى ثلاثة بنود: الأوزان، ذاكرة التخزين المؤقت مفتاح-قيمة (KV cache) التي تكبر مع طول السياق، وهامش للبرنامج والنظام.
تنشر Google لعائلتها Gemma 4 جدولًا مفيدًا لتحديد الأبعاد التقريبية. يشير إلى الذاكرة اللازمة لتحميل الأوزان فقط، مع تضمين هامش حوالي 20% ولكن بدون ذاكرة التخزين المؤقت KV (وثائق Gemma من Google، تمت زيارة الرابط في نوفمبر 2026).
| نموذج Gemma 4 | 16 بت (BF16) | 8 بت (SFP8) | 4 بت (Q4_0) |
|---|---|---|---|
| E2B | 11.4 جيجابايت | 5.7 جيجابايت | 2.9 جيجابايت |
| E4B | 17.9 جيجابايت | 8.9 جيجابايت | 4.5 جيجابايت |
| 12B | 26.7 جيجابايت | 13.4 جيجابايت | 6.7 جيجابايت |
| 26B A4B (بخبراء) | 57.7 جيجابايت | 28.8 جيجابايت | 14.4 جيجابايت |
| 31B | 69.9 جيجابايت | 34.9 جيجابايت | 17.5 جيجابايت |
يبرز من هذا الجدول نتيجتان. أولاً، التكمين بـ 4 بت يقلل البصمة تقريبًا إلى الربع مقارنة بـ 16 بت، مما يفسر سبب عرض أدوات التشغيل دائمًا إصدارات مكمَّنة بشكل افتراضي. ثانيًا، نموذج الخبراء (MoE) مثل 26B A4B ينشط فقط 4 مليارات معامل لكل رمز، لكن Google توضح أن الـ 26 مليارًا يجب تحميلها في الذاكرة على أي حال: البنية المعمارية تسرع الحوسبة، وليس التخزين.
ثلاثة إعدادات نموذجية
هذه الأرقام تسمح بالتفكير في حالات عملية، لتحسينها باستخدام حاسبة النماذج المحلية للذكاء الاصطناعي للموقع، التي تقدر الذاكرة المشغولة والسرعة لبطاقة أو جهاز Mac معين:
- حاسوب محمول بسعة 16 جيجابايت بدون بطاقة رسومات مخصصة: استهدف نماذج من 2 إلى 4 مليارات معامل فعالة بـ 4 بت (أقل من 5 جيجابايت للأوزان لـ Gemma 4 E4B)، مع سياق متواضع. هذا كافٍ لإعادة الصياغة أو التلخيص أو استخراج المعلومات من نص قصير.
- حاسوب شخصي ببطاقة رسومات سعة 8 جيجابايت VRAM: نموذج من فئة 8 إلى 12 مليار معامل بـ 4 بت (6.7 جيجابايت للأوزان لـ Gemma 4 12B) يتسع، لكن الهامش المتبقي لـ KV cache ضعيف. قلل السياق أو تقبل فيضانًا جزئيًا إلى ذاكرة الوصول العشوائي.
- Mac أو محطة عمل بذاكرة متاحة سعة 32 جيجابايت: النماذج من 26 إلى 31 مليار معامل بـ 4 بت تصبح في المتناول (14.4 إلى 17.5 جيجابايت للأوزان لـ Gemma 4)، مع مساحة لسياق أطول.
من ناحية الأدوات، هناك أداتا تشغيل مهيمنتان للاستخدام الأولي. Ollama، المنشورة تحت ترخيص MIT، تعمل عبر سطر الأوامر والتطبيق، وتعرض واجهة برمجة تطبيقات محلية على المنفذ 11434؛ كان أحدث إصدار مستقر لها على GitHub هو v0.40.16، المنشور في 9 نوفمبر 2026. LM Studio، مجاني بما في ذلك للاستخدام المهني منذ يوليو 2025، يفضل الواجهة الرسومية، ويدعم تنسيقات GGUF و MLX ويوفر أيضًا خادمًا متوافقًا مع واجهة برمجة تطبيقات OpenAI. مقارنتنا Ollama مقابل LM Studio تفصل اختلافاتهما، ودليلنا التدريبي خطوة بخطوة لـ Ollama يغطي التثبيت وواجهة برمجة التطبيقات.
بالنسبة للنماذج، تذكر أربعة معايير: الحجم المتوافق مع ذاكرتك، الجودة باللغة الفرنسية، المهمة المستهدفة (كتابة، برمجة، استخراج، رؤية) والترخيص. العديد من العائلات الحديثة منشورة تحت ترخيص Apache 2.0، الذي يسمح بالاستخدام التجاري: Gemma 4 لدى Google، Qwen3.5 لدى Alibaba، Ministral 3 لدى Mistral AI وكذلك gpt-oss لدى OpenAI. اختيارنا لأفضل نماذج الذكاء الاصطناعي المحلية يقارنها حسب الاستخدام والجهاز.
ما هو RAG ومتى نحتاجه؟
RAG (التوليد المعزز بالاسترجاع) يجمع بين نموذج لغوي ومحرك بحث وثائقي. المصطلح يأتي من مقالة لباتريك لويس ومؤلفيه المشاركين، مقدمة في مايو 2020، والتي وصفت نماذجًا تجمع بين ذاكرة «معيارية»، هي الأوزان، وذاكرة «غير معيارية»، فهرس وثائق يُستجوب عند الطلب (لويس وآخرون، 2020). في الممارسة الحالية، يبقى المبدأ نفسه: قبل الإجابة، يبحث النظام عن المقاطع ذات الصلة في مجموعتك، يدرجها في الأمر (prompt)، ثم يطلب من النموذج الاعتماد عليها. للتعمق، راجع «تقسيم RAG: كيف تقسم وثائقك للإجابة بشكل أفضل؟».
هذا النهج يجيب على قيدين للنماذج وحدها. نموذج LLM لا يعرف وثائقك الداخلية، ومعرفته تنتهي بتاريخ تدريبه. يوفر له RAG محتوى محدثًا وقابلًا للتحقق في وقت السؤال، مما يسمح أيضًا بطلب اقتباسات. لا يعدل النموذج: إضافة أو إزالة وثيقة تكفي لتحديث ما «يعرفه».
شبكة لتقرير
RAG ليس ضروريًا دائمًا. حسب حجم المجموعة وتكرار تحديثاتها، قد تكفي حلول أبسط. الشبكة التالية تلخص المواقف الأكثر شيوعًا؛ وهي تعكس تحليلنا التحريري، وليس معيارًا.
| الموقف | أبسط حل | السبب |
|---|---|---|
| وثيقة أو وثيقتان قصيرتان لتحليلهما بشكل عرضي | لصق النص في الأمر (prompt) | المحتوى يتسع في نافذة السياق، لا فائدة من الفهرسة. |
| مئات الوثائق، أسئلة متنوعة | RAG | يتم إرسال المقاطع ذات الصلة فقط، مما يوفر السياق ويسمح باقتباس المصدر. |
| وثائق تُحدَّث غالبًا (إجراءات، أسعار، أسئلة شائعة) | RAG | يكفي إعادة الفهرسة؛ النموذج لا يتغير. |
| حاجة لنبرة أو تنسيق أو مفردات مهنية ثابتة | أمر نظامي (system prompt)، ثم ضبط دقيق (fine-tuning) لاحقًا إذا لزم | يتعلق الأمر بسلوك يجب تعلمه، وليس معرفة يجب استرجاعها. |
| يجب على النظام التصرف (إرسال بريد إلكتروني، تعديل ملف) | وكيل (agent) بأدوات | البحث الوثائقي لم يعد كافيًا؛ نحتاج إلى أذونات وإشراف. |
الحد الفاصل بين RAG وضبط النموذج موضوع لمقالة مخصصة من السلسلة، RAG مقابل الضبط الدقيق. أما الحالة الأخيرة في الجدول، فهي تخضع لمنطق آخر: إذا كان مشروعك يتضمن منح النموذج أدوات للتصرف، فإن دليلنا لوكلاء الذكاء الاصطناعي يشرح كيفية تصميمهم وضبطهم. نفصل هذه النقطة في «RAG مقابل الضبط الدقيق: كيف تختار بينهما؟».
كيف تبني بحثًا وثائقيًا موثوقًا؟
يُبنى RAG على مرحلتين. الفهرسة تعد الوثائق مرة واحدة وإلى الأبد؛ الاستجواب يحدث عند كل سؤال. الجودة النهائية تعتمد أكثر بكثير على المرحلة الأولى من اختيار نموذج التوليد: مقطع مقسم بشكل سيء أو غير قابل للعثور لن يُستشهد به بشكل صحيح أبدًا، بغض النظر عن نموذج LLM.
- استخراج النص من ملفات PDF أو صفحات الويب أو ملفات المكتب، مع الحفاظ على العناوين والمصدر وتاريخ كل وثيقة. الجداول وملفات PDF الممسوحة ضوئيًا تتطلب غالبًا معالجة خاصة.
- تقسيم النص إلى مقاطع (التقطيع)، حسب حجم ثابت، أو حسب فقرة، أو حسب قسم. الدقة المناسبة تعتمد على نوع الوثيقة؛ مقالتنا عن اختيار استراتيجية التقطيع تقدم شجرة قرار.
- فهرسة المقاطع: إما بالكلمات المفتاحية (بحث نصي كامل كلاسيكي)، أو بالمتجهات (embeddings)، أو كليهما. Ollama يعرض على سبيل المثال نقطة وصول /api/embed تُرجع متجهات طبيعية؛ وثائقه توصي بقياس تشابه جيب التمام واستخدام نفس نموذج الـ embedding للفهرسة والاستفسارات (وثائق embeddings لـ Ollama).
- البحث عن المقاطع الأقرب إلى السؤال، ثم إعادة تصنيفها لاحقًا إذا لزم.
- توليد الإجابة بطلب من النموذج الاعتماد فقط على المقاطع المقدمة، واقتباس مصدرها، والإجابة بـ «لا أعرف» إذا كانت المعلومة ناقصة.
الاختيار بين البحث النصي الكامل وقاعدة المتجهات ليس أيديولوجيًا. البحث بالكلمات المفتاحية يتفوق على المراجع الدقيقة (رقم مادة، رمز منتج)، البحث بالمتجهات يتفوق على إعادة الصياغة والمرادفات. العديد من الأنظمة تجمع بين الاثنين. السلسلة تخصص مقالة لمقارنة البحث SQL FULLTEXT بقاعدة المتجهات، وأخرى للـ embeddings والبحث الدلالي. الموضوع موضوع لمقالة مخصصة: «Embeddings: فهم المتجهات والبحث الدلالي».
أين يفشل RAG غالبًا
- سياق قصير جدًا: أقل من 24 جيجابايت من VRAM، يخصص Ollama افتراضيًا نافذة سعة 4096 رمزًا حسب وثائقه. عشرة مقاطع من 400 رمز، بالإضافة إلى السؤال والتعليمات، تشبعها بالفعل. زدها (المتغير OLLAMA_CONTEXT_LENGTH أو المعامل num_ctx) مع مراعاة الذاكرة الإضافية.
- مقاطع مقطوعة في مكان خاطئ: تعريف منفصل عن عنوانه، جدول مقسم إلى قطعتين.
- نموذج embedding غير مناسب للفرنسية أو مختلف بين الفهرسة والاستفسار.
- غياب الاقتباسات: بدون مصدر معروض، لا يستطيع المستخدم التمييز بين إجابة مؤسسة واختراع.
- لا توجد مجموعة أسئلة مرجعية: بدون تقييم منتظم، يمر التراجع دون أن يلاحظ بعد تحديث المجموعة أو النموذج.
لهذه النقطة الأخيرة، كون حوالي ثلاثين سؤالًا تعرف إجابتها والوثيقة المصدر، ثم تحقق عند كل تغيير أنه تم العثور على المقطع الصحيح وأن الإجابة تقتبسه. دليلنا لتقييم نموذج لغوي يفصل طرق القياس القابلة للتطبيق. التطبيق العملي الكامل، من المجموعة إلى الواجهة، سيكون موضوع دليل تدريبي لإنشاء روبوت محادثة RAG على وثائقك.
الأمان، التكاليف، التراخيص والحدود
محلي لا يعني آمنًا افتراضيًا. Ollama يستمع افتراضيًا على 127.0.0.1، أي على الجهاز نفسه فقط؛ جعله متاحًا للشبكة عبر OLLAMA_HOST=0.0.0.0 يعرض واجهة برمجة تطبيقات بدون مصادقة أصلية لجميع الأجهزة التي يمكنها الوصول إليها. إذا كان يجب على عدة أشخاص استخدامه، ضعه خلف وكيل مصادق (proxy) أو جدار حماية. تذكر أيضًا أن التحديثات التلقائية وتنزيل النماذج يولدان حركة مرور صادرة، يجب توثيقها إذا كانت سياسة الأمان لديك تتطلب ذلك.
يضيف RAG مخاطره الخاصة. يصنف OWASP حقن الأوامر (prompt injection) في مقدمة قائمته العشرة الأولى 2025 لتطبيقات LLM ويؤكد أن التعليمات الخبيثة يمكن أن تأتي من مصادر خارجية، مثل الملفات أو صفحات الويب، وأن RAG لا يزيل هذا الخطر (OWASP، LLM01:2025). لذلك يمكن لوثيقة محفورة في مجموعتك أن تؤثر على الإجابات. الخطر الآخر هو التسرب عبر السياق: إذا كان الفهرس يحتوي على وثائق موارد بشرية، فلا ينبغي لمستخدم غير مخول أن يتمكن من جعلها تظهر عبر سؤال ذكي. يجب تطبيق التصفية حسب أذونات الوصول في وقت البحث، وليس فقط في الواجهة.
نشرت الوكالة الوطنية لأمن أنظمة المعلومات (ANSSI) في أبريل 2024 توصيات أمان لأنظمة الذكاء الاصطناعي التوليدية التي تنطبق مباشرة على هذه المشاريع (الدليل ANSSI-PA-102). نجد فيها خصوصًا استخدام تنسيقات نماذج آمنة (R6)، مراعاة مبدأ الحاجة إلى المعرفة منذ التصميم (R8)، تصفية المدخلات والمخرجات (R25)، تحديد الإجراءات التلقائية التي تُطلق من مدخلات غير خاضعة للتحكم (R27) وتسجيل المعالجات (R29). مقالة من السلسلة ستكون مخصصة لأمان نظام RAG.
من ناحية التكاليف، المعادلة بسيطة في صياغتها ولكن ليس في حلها. المحلي يحل محل فاتورة الاستخدام باستثمار في الأجهزة ووقت إداري؛ يصبح جذابًا عندما تكون الأحجام كبيرة ومنتظمة، أو عندما تمنع السرية استخدام السحابة. للاستخدام العرضي، غالبًا ما تبقى واجهة برمجة تطبيقات مفوترة حسب الرمز أكثر اقتصادًا وأداءً. أداة المقارنة التفاعلية للنماذج للموقع تساعد في وضع النماذج التجارية مقابل هذا البديل.
التراخيص، أخيرًا، تختلف كثيرًا من نموذج لآخر. Gemma 4، Qwen3.5، Ministral 3 و gpt-oss منشورة تحت ترخيص Apache 2.0. Mistral Large 4، الذي نُشرت أوزانه في نهاية أكتوبر 2026، يخضع لترخيص خاص مشتق من ترخيص MIT، يتطلب ترخيصًا تجاريًا منفصلًا لاستغلاله كخدمة مستضافة (النموذج كخدمة)، حسب صفحته على Hugging Face. اقرأ الترخيص دائمًا قبل أي استخدام تجاري أو إعادة توزيع.
تحقق من تثبيتك في خمس نقاط
- الخدمة تستمع فقط على العنوان المخطط له (محلي أو شبكة داخلية محمية).
- أمر ollama ps، أو ما يعادله في أداة التشغيل الخاصة بك، يظهر النموذج محملاً بنسبة 100% على GPU إذا كان هذا هو الهدف، وطول السياق المخصص فعليًا.
- لا توجد وظيفة سحابة مفعلة إذا كانت بياناتك لا يجب أن تغادر الجهاز.
- ترخيص النموذج متوافق مع استخدامك، وإصداره مسجل.
- مجموعة أسئلة مرجعية تسمح بقياس الجودة قبل وبعد كل تعديل.
هذا التحقق لا يضمن عدم وجود ثغرات: فهو يضع أساسًا قابلًا للتحكم، يجب إعادته عند كل تحديث للأداة أو النموذج.
دروس تدريبية وأدوات تحديد الأبعاد
هذا الدليل كنقطة دخول لسلسلة مقالات عملية، تُنشر تدريجيًا. مسار «التنفيذ المحلي» يبدأ بتثبيت ذكاء اصطناعي محلي على Windows أو macOS أو Linux، ويستمر بدليل تدريبي لـ Ollama مخصص للأوامر وواجهة برمجة التطبيقات، ثم بالمقارنة بين Ollama و LM Studio. يكتمل باختيار أفضل نموذج ذكاء اصطناعي محلي حسب المهمة ودليل عن ذاكرة الوصول العشوائي و VRAM اللازمة لنموذج LLM محلي، مع محاكيات رقمية. نفصل هذه النقطة في «أي نموذج ذكاء اصطناعي نختار؟ دليل ومقارنة لنماذج LLM».
مسار «الأسئلة على الوثائق» يبدأ بتعريف مفصل لما هو RAG وبنيته، ثم يتناول الاختيار بين RAG والضبط الدقيق، والـ embeddings، والتقطيع، والمقارنة بين FULLTEXT وقاعدة المتجهات، وإنشاء روبوت محادثة RAG على وثائقك وأمان RAG. يمكن متابعة المسارين بشكل مستقل. للمزيد، اقرأ مقالتنا «RAG: التعريف، البنية وأمثلة عملية».
القياس قبل الشراء
قبل الاستثمار في بطاقة رسومات، اختبر بما لديك. ثبت أداة تشغيل، حمِّل نموذجًا صغيرًا مكمَّنًا، ثم سجل ثلاث قيم: الذاكرة المشغولة، سرعة التوليد بالرموز في الثانية (يوفرها Ollama عبر حقول eval_count و eval_duration لواجهة برمجة التطبيقات الخاصة به) وجودة الإجابات على حوالي عشرة أسئلة تمثل استخدامك. قارن بعد ذلك بتقدير حاسبة الموقع للجهاز المقترح.
هذه الطريقة لها حدودها: السرع تختلف حسب برنامج التشغيل وإصدار أداة التشغيل وتنسيق النموذج، والجودة بالفرنسية لا تُقرأ من أي جدول ذاكرة. لكن لها ميزة الاعتماد على بياناتك الخاصة، مما يبقى أفضل مؤشر لمشروع ذكاء اصطناعي محلي أو RAG.
