أتمتة سير العمل في الذكاء الاصطناعي باستخدام OpenAI وAnthropic

ما الذي نبنيه

في هذا الدرس، سنقوم بإنشاء نظام أتمتة سير عمل الذكاء الاصطناعي المتقدم الذي يستفيد من قوة نماذج GPT-5.2 من OpenAI وClaude 3.5 Sonnet من Anthropic. سيكون هذا النظام قادرًا على تنفيذ مهام معقدة مثل مراجعة الكود الآلية، وتوليد الفرضيات، وتنفيذ العمليات متعددة الخطوات بكفاءة.

سيقوم المشروع النهائي بأتمتة دورة حياة البحث في الذكاء الاصطناعي، ودمج مخرجات النماذج مع أدوات التصور وتوفير حلقات تغذية راجعة للتحسين المستمر. تم تصميم هذا النظام لتعزيز الإنتاجية واتخاذ القرار في بيئات البحث من خلال أتمتة المهام المتكررة والمكثفة حسابيًا.

الإعداد والتثبيت

لبدء العمل، نحتاج إلى إعداد بيئة التطوير لدينا عن طريق تثبيت المكتبات اللازمة وتكوين بيئتنا للوصول إلى واجهات برمجة التطبيقات. يتضمن ذلك تثبيت SDKs الخاصة بـ OpenAI وAnthropic وإعداد المصادقة باستخدام مفاتيح API.

pip install openai anthropic

بعد ذلك، نحتاج إلى تكوين متغيرات البيئة لدينا لتخزين مفاتيح API بأمان. أنشئ ملف .env في دليل المشروع الخاص بك بالمحتوى التالي:

OPENAI_API_KEY=your-openai-api-key
ANTHROPIC_API_KEY=your-anthropic-api-key

الخطوة ١: تهيئة عملاء الذكاء الاصطناعي

في هذه الخطوة، سنقوم بتهيئة العملاء لواجهات برمجة التطبيقات الخاصة بـ OpenAI وAnthropic. يتيح لنا هذا الإعداد التفاعل بسهولة مع النماذج وإجراء الطلبات للمهام مثل إكمال النص وتوليد الكود.

import os
from openai import OpenAI
from anthropic import Anthropic

# Load API keys from environment variables
openai_api_key = os.getenv('OPENAI_API_KEY')
anthropic_api_key = os.getenv('ANTHROPIC_API_KEY')

# Initialize OpenAI and Anthropic clients
openai_client = OpenAI(api_key=openai_api_key)
anthropic_client = Anthropic(api_key=anthropic_api_key)

نبدأ باستيراد المكتبات اللازمة وتحميل مفاتيح API من متغيرات البيئة لدينا. ثم نقوم بإنشاء مثيلات من عملاء OpenAI وAnthropic باستخدام هذه المفاتيح، والتي سيتم استخدامها للطلبات اللاحقة لواجهات برمجة التطبيقات.

الخطوة ٢: تنفيذ مراجعة الكود الآلية

الآن، سنقوم بتنفيذ دالة تستخدم GPT-5.2 من OpenAI لإجراء مراجعات الكود الآلية. ستأخذ هذه الدالة مقطع كود كمدخل وتعيد نقدًا للكود، مع تحديد التحسينات أو الأخطاء المحتملة.

def automated_code_review(code_snippet):
    response = openai_client.chat.completions.create(
        model="gpt-5.2",
        messages=[
            {"role": "system", "content": "You are a code review assistant."},
            {"role": "user", "content": f"Please review the following code:n{code_snippet}"}
        ]
    )
    return response.choices[0].message['content']

# Example usage
code_example = "def add(a, b):n    return a + bn"
review = automated_code_review(code_example)
print("Code Review Feedback:", review)

تقوم هذه الدالة بإنشاء طلب إكمال محادثة إلى نموذج GPT-5.2. تحدد دور المساعد كـ “مساعد مراجعة الكود” وتمرر مقطع الكود الخاص بالمستخدم للمراجعة. يحتوي الرد على ملاحظات المراجعة التي نطبعها إلى وحدة التحكم.

الخطوة ٣: توليد الفرضيات باستخدام Claude 3.5 Sonnet

في هذه الخطوة، سنستخدم Claude 3.5 Sonnet من Anthropic لتوليد الفرضيات بناءً على البيانات البحثية المقدمة أو السياق. يمكن أن تكون هذه الوظيفة مفيدة بشكل خاص في أتمتة مرحلة توليد الأفكار في المشاريع البحثية.

def generate_hypotheses(context):
    response = anthropic_client.messages.create(
        model="claude-3.5-sonnet",
        messages=[
            {"role": "system", "content": "You are a research assistant."},
            {"role": "user", "content": f"Generate hypotheses for the following context:n{context}"}
        ]
    )
    return response.choices[0].message['content']

# Example usage
research_context = "Exploring the effects of climate change on marine biodiversity."
hypotheses = generate_hypotheses(research_context)
print("Generated Hypotheses:", hypotheses)

مشابه للخطوة السابقة، نرسل طلبًا إلى نموذج Claude 3.5 Sonnet لتوليد الفرضيات بناءً على السياق المقدم. يتم تعريف دور النظام كـ “مساعد بحث” لتوجيه مخرجات النموذج.

اختبار تنفيذك

للتحقق من أن نظام أتمتة سير العمل في الذكاء الاصطناعي يعمل بشكل صحيح، سنختبر كل مكون على حدة. تأكد من أن دوال مراجعة الكود وتوليد الفرضيات تعيد المخرجات المتوقعة للمدخلات المختلفة.

# Test code review function
print(automated_code_review("def subtract(a, b):n    return a - bn"))

# Test hypothesis generation function
print(generate_hypotheses("Analyzing the impact of AI on workforce dynamics."))

قم بتشغيل هذه الاختبارات للتأكد من أن الدوال تتفاعل مع واجهات برمجة التطبيقات بشكل صحيح وأن الردود منطقية وذات صلة بالمدخلات المقدمة.

ما الذي يجب بناؤه بعد ذلك

• دمج أداة تصور لتمثيل نتائج الفرضيات ومقاييس مراجعة الكود بشكل رسومي.
• تمديد سير العمل ليشمل توليد الوثائق الآلية لمخرجات الكود والبحث.
• تطوير واجهة لوحة تحكم لإدارة ومراقبة عمليات سير العمل في الذكاء الاصطناعي في الوقت الفعلي.