مساعد Python لـ Claude Sonnet ٥ وChatGPT

⚡

Executive Verdict & Key Takeaways

⏱️ 9 min read
🎯 Ideal For Software Engineers, Technical Teams & AI Architects
💎 Pricing Model Freemium / API Pay-as-you-go
🛡️ Governance & SLAs Verified (BYOK 0% Markup)
Share:
درس تقني متوسط قراءة لمدة ٤٨ دقيقة © بوابة الذكاء الاصطناعي ٢٠٢٦-٠٨-٢١

ابنِ مساعداً طرفياً بلغة Python مع موفرَي نماذج صريحين، وجلسات محادثة في SQLite، وسجل محدود، وإعادات محاولة مضبوطة، واختبارات.

ما الذي ستبنيه

يبني هذا الدرس التقني تطبيق محادثة محلياً بلغة Python يتيح للمستخدم الاختيار بين نموذج بأسلوب OpenAI ChatGPT وAnthropic Claude Sonnet ٥. يستخدم التطبيق تنسيق رسائل داخلياً واحداً، ويخزن الجلسات في SQLite، ولا يحتفظ إلا بعدد محدود من الرسائل الحديثة في كل طلب، ويجعل اختيار الموفر ظاهراً في الطرفية.

التوقيت مهم. فقد قدمت Anthropic نموذج Claude Sonnet ٥ في ٣٠ يونيو ٢٠٢٦ بوصفه أكثر نماذج Sonnet لديها قدرةً على العمل كوكيل. وتقول Anthropic إن النموذج يستطيع وضع الخطط، واستخدام أدوات مثل المتصفحات والطرفيات، والعمل باستقلالية بمستوى قدرات كان يتطلب حديثاً نماذج أكبر وأكثر كلفة. كما تضع Sonnet ٥ قريباً من أداء Opus ٤.٨ بأسعار أقل، مع تحسينات مقارنة بـ Sonnet ٤.٦ في الاستدلال، واستخدام الأدوات، والبرمجة، والعمل المعرفي.

لكن ذلك لا يعني أن على عميل محادثة محلي منح النموذج تلقائياً صلاحية الوصول إلى متصفح أو طرفية أو نظام عملاء أو قاعدة بيانات داخلية. ينفذ هذا الدرس التقني محادثة نصية فقط عن قصد. فهو ينشئ أولاً حدوداً موثوقة لمقارنة النماذج وسير عمل المحادثة. وإذا أضفت أدوات لاحقاً، فيجب أن يتحقق كود التطبيق الحتمي من الصلاحيات والوسائط والمهل الزمنية ومتطلبات الموافقة قبل تنفيذ أي إجراء خارجي.

يفيد هذا النهج فرق الهندسة في دول الخليج والشرق الأوسط التي تحتاج إلى تقييم أكثر من موفر واحد للذكاء الاصطناعي مع الاحتفاظ بالتحكم في معمارية تطبيقاتها. لا يرسل التطبيق بصمت طلب Claude فاشلاً إلى OpenAI أو العكس. يختار المستخدم الموفر، ما يجعل سلوك التوجيه واضحاً أثناء التقييم التقني ومراجعة الحوكمة.

المعمارية

  • config.py يقرأ متغيرات البيئة المطلوبة ويتحقق من الحدود المحلية الآمنة.
  • providers.py يحول تنسيق محادثة داخلياً واحداً إلى تنسيق طلب كل موفر.
  • storage.py ينشئ جلسات SQLite دائمة ويسترجع السجل الحديث بترتيب زمني.
  • chat.py يوفر حلقة الطرفية والأوامر وإعادات المحاولة المضبوطة وتوجيه الموفر.

مهايئ الموفر هو قرار التصميم المهم. تعتمد بقية أجزاء البرنامج على عقد داخلي صغير بدلاً من الاعتماد مباشرة على SDK خاص بمورد معين. وهذا يجعل اختبار التطبيق أسهل، ويتيح لك إضافة بوابة داخلية معتمدة لاحقاً دون إعادة كتابة طبقة التخزين أو معالجة الأوامر.

المتطلبات الأساسية والإعداد

تسريع هندسة البرمجيات PostgreSQL • BYOK

هل تبني تطبيقات أعمال أو تدفقات ذكاء اصطناعي من الصفر؟

تجاوز بناء الهياكل البرمجية التقليدية وإعداد CRUD. ولّد نظام Micro-ERP يعمل بـ PostgreSQL في دقائق.

  • Python ٣.١٠ أو أحدث.
  • مفتاح OpenAI API ومعرف نموذج متاح لحسابك.
  • مفتاح Anthropic API وصلاحية الوصول إلى Claude Sonnet ٥.
  • معرفة أساسية بالبيئات الافتراضية ومتغيرات البيئة والطرفية.
  • SQLite، وهي مضمنة مع تثبيتات CPython القياسية.
mkdir multi-model-chat
cd multi-model-chat
python -m venv .venv

# macOS and Linux
source .venv/bin/activate

# Windows PowerShell
# ..venvScriptsActivate.ps1

python -m pip install --upgrade pip
python -m pip install openai anthropic rich pytest
mkdir tests

لا تضع بيانات الاعتماد في ملفات مصدر Python. اضبطها في بيئة الصدفة لديك، أو مخزن أسرار CI، أو بيئة تشغيل الحاوية، أو مدير الأسرار المعتمد للنشر. يتطلب التطبيق اسم نموذج مُعداً لكل موفر لأن توافر النماذج يعتمد على الحساب.

# macOS and Linux
export OPENAI_API_KEY="your-openai-key"
export OPENAI_MODEL="your-openai-model"
export ANTHROPIC_API_KEY="your-anthropic-key"
export ANTHROPIC_MODEL="claude-sonnet-5"

# Optional local limits
export MAX_HISTORY_MESSAGES="20"
export MAX_OUTPUT_TOKENS="1200"
export REQUEST_TIMEOUT_SECONDS="60"

في Windows PowerShell، استخدم صيغة $env:OPENAI_API_KEY="..." بدلاً من ذلك. وفي بيئة إنتاج، مرر أسماء المتغيرات نفسها عبر آلية الأسرار المُدارة في المنصة. لا تطبع المفاتيح في السجلات مطلقاً، ولا تدرجها في Git، ولا تشحنها إلى كود المتصفح.

الخطوة ١: أضف التحقق من الإعدادات

أنشئ config.py. تحافظ هذه الوحدة الصغيرة على فصل الإعدادات عن منطق الأعمال، وتفشل مبكراً عندما يكون أي حد غير صالح. ولا تتطلب اعتماد dotenv؛ إذ إن متغيرات البيئة هي مدخلاتها الوحيدة.

from __future__ import annotations

import os
from dataclasses import dataclass
from pathlib import Path


@dataclass(frozen=True)
class Settings:
    openai_api_key: str | None
    openai_model: str | None
    anthropic_api_key: str | None
    anthropic_model: str | None
    max_history_messages: int
    max_output_tokens: int
    request_timeout_seconds: float
    database_path: Path

    def require_openai(self) -> tuple[str, str]:
        if not self.openai_api_key or not self.openai_model:
            raise RuntimeError(
                "OPENAI_API_KEY and OPENAI_MODEL are required for OpenAI."
            )
        return self.openai_api_key, self.openai_model

    def require_anthropic(self) -> tuple[str, str]:
        if not self.anthropic_api_key or not self.anthropic_model:
            raise RuntimeError(
                "ANTHROPIC_API_KEY and ANTHROPIC_MODEL are required for Anthropic."
            )
        return self.anthropic_api_key, self.anthropic_model


def read_positive_int(name: str, default: int, minimum: int) -> int:
    value = int(os.getenv(name, str(default)))
    if value < minimum:
        raise ValueError(f"{name} must be at least {minimum}.")
    return value


def get_settings() -> Settings:
    timeout = float(os.getenv("REQUEST_TIMEOUT_SECONDS", "60"))
    if timeout <= 0:
        raise ValueError("REQUEST_TIMEOUT_SECONDS must be greater than zero.")

    return Settings(
        openai_api_key=os.getenv("OPENAI_API_KEY"),
        openai_model=os.getenv("OPENAI_MODEL"),
        anthropic_api_key=os.getenv("ANTHROPIC_API_KEY"),
        anthropic_model=os.getenv("ANTHROPIC_MODEL"),
        max_history_messages=read_positive_int(
            "MAX_HISTORY_MESSAGES", default=20, minimum=2
        ),
        max_output_tokens=read_positive_int(
            "MAX_OUTPUT_TOKENS", default=1200, minimum=1
        ),
        request_timeout_seconds=timeout,
        database_path=Path(os.getenv("SQLITE_DATABASE_PATH", "chat_history.sqlite3")),
    )

حد عدد الرسائل هو إجراء وقائي بسيط، وليس عداداً للرموز. إذ يمكن للنماذج المختلفة ترميز النص نفسه بطرق مختلفة، ولا يمثل عدد أحرف قصير بديلاً موثوقاً لحجم الطلب. إن إبقاء قاعدة الاقتطاع معزولة يعني أنه يمكنك استبدالها لاحقاً بميزانية رموز تراعي الموفر أو بالتلخيص.

الخطوة ٢: أنشئ طبقة مهايئ الموفر

أنشئ providers.py. تستخدم OpenAI وAnthropic أشكالاً مختلفة للطلبات والاستجابات. يحول المهايئ الاستجابتين إلى CompletionResult، ولذلك لا تحتاج CLI إلى كود تحليل خاص بكل موفر.

from __future__ import annotations

from dataclasses import dataclass
from typing import Literal, Protocol, Sequence

from anthropic import Anthropic
from openai import OpenAI

from config import Settings

Role = Literal["user", "assistant"]
ProviderName = Literal["openai", "anthropic"]


@dataclass(frozen=True)
class ChatMessage:
    role: Role
    content: str


@dataclass(frozen=True)
class CompletionResult:
    provider: ProviderName
    model: str
    text: str
    input_tokens: int | None
    output_tokens: int | None


class ChatProvider(Protocol):
    name: ProviderName

    def complete(
        self,
        system_prompt: str,
        messages: Sequence[ChatMessage],
        max_output_tokens: int,
    ) -> CompletionResult:
        ...


class OpenAIChatProvider:
    name: ProviderName = "openai"

    def __init__(self, settings: Settings) -> None:
        api_key, model = settings.require_openai()
        self._model = model
        self._client = OpenAI(
            api_key=api_key,
            timeout=settings.request_timeout_seconds,
            max_retries=0,
        )

    def complete(
        self,
        system_prompt: str,
        messages: Sequence[ChatMessage],
        max_output_tokens: int,
    ) -> CompletionResult:
        response = self._client.chat.completions.create(
            model=self._model,
            messages=[
                {"role": "system", "content": system_prompt},
                *[{"role": message.role, "content": message.content} for message in messages],
            ],
            max_tokens=max_output_tokens,
        )
        text = (response.choices[0].message.content or "").strip()
        if not text:
            raise RuntimeError("OpenAI returned an empty assistant response.")
        usage = response.usage
        return CompletionResult(
            provider=self.name,
            model=response.model,
            text=text,
            input_tokens=usage.prompt_tokens if usage else None,
            output_tokens=usage.completion_tokens if usage else None,
        )


class AnthropicChatProvider:
    name: ProviderName = "anthropic"

    def __init__(self, settings: Settings) -> None:
        api_key, model = settings.require_anthropic()
        self._model = model
        self._client = Anthropic(
            api_key=api_key,
            timeout=settings.request_timeout_seconds,
            max_retries=0,
        )

    def complete(
        self,
        system_prompt: str,
        messages: Sequence[ChatMessage],
        max_output_tokens: int,
    ) -> CompletionResult:
        response = self._client.messages.create(
            model=self._model,
            system=system_prompt,
            messages=[
                {"role": message.role, "content": message.content}
                for message in messages
            ],
            max_tokens=max_output_tokens,
        )
        text = "n".join(
            block.text
            for block in response.content
            if getattr(block, "type", None) == "text"
        ).strip()
        if not text:
            raise RuntimeError("Anthropic returned no text content.")
        usage = response.usage
        return CompletionResult(
            provider=self.name,
            model=response.model,
            text=text,
            input_tokens=usage.input_tokens if usage else None,
            output_tokens=usage.output_tokens if usage else None,
        )


def create_provider(name: ProviderName, settings: Settings) -> ChatProvider:
    if name == "openai":
        return OpenAIChatProvider(settings)
    return AnthropicChatProvider(settings)

يستخدم عميل OpenAI نمط SDK الحديث الموجّه للكائنات: from openai import OpenAI، ثم client.chat.completions.create(). يعطّل التطبيق إعادات المحاولة في SDK لتبقى سياسة إعادة محاولة واحدة على مستوى التطبيق مسؤولة عن قرارات إعادة المحاولة.

الخطوة ٣: احفظ الجلسات في SQLite

أنشئ storage.py. تعد SQLite مناسبة لهذه الأداة الطرفية المحلية لمستخدم واحد لأنها توفر قاعدة بيانات محلية دائمة دون خادم منفصل. يسترجع استعلام القراءة الصفوف الأحدث أولاً، ثم يعيد ترتيب تلك المجموعة المحددة زمنياً قبل إرسالها إلى النموذج.

from __future__ import annotations

import sqlite3
from pathlib import Path
from uuid import uuid4

from providers import ChatMessage, Role


class ChatStore:
    def __init__(self, path: Path) -> None:
        self.connection = sqlite3.connect(path)
        self.connection.execute("PRAGMA foreign_keys = ON")
        self.connection.executescript(
            """
            CREATE TABLE IF NOT EXISTS sessions (
                id TEXT PRIMARY KEY
            );
            CREATE TABLE IF NOT EXISTS messages (
                id INTEGER PRIMARY KEY AUTOINCREMENT,
                session_id TEXT NOT NULL,
                role TEXT NOT NULL CHECK(role IN ('user', 'assistant')),
                provider TEXT,
                content TEXT NOT NULL,
                FOREIGN KEY(session_id) REFERENCES sessions(id) ON DELETE CASCADE
            );
            CREATE INDEX IF NOT EXISTS message_session_order
            ON messages(session_id, id);
            """
        )
        self.connection.commit()

    def create_session(self) -> str:
        session_id = str(uuid4())
        self.connection.execute("INSERT INTO sessions(id) VALUES (?)", (session_id,))
        self.connection.commit()
        return session_id

    def exists(self, session_id: str) -> bool:
        return self.connection.execute(
            "SELECT 1 FROM sessions WHERE id = ?", (session_id,)
        ).fetchone() is not None

    def add(self, session_id: str, role: Role, content: str, provider: str | None = None) -> None:
        self.connection.execute(
            "INSERT INTO messages(session_id, role, provider, content) VALUES (?, ?, ?, ?)",
            (session_id, role, provider, content),
        )
        self.connection.commit()

    def recent(self, session_id: str, limit: int) -> list[ChatMessage]:
        rows = self.connection.execute(
            """
            SELECT role, content FROM (
                SELECT id, role, content FROM messages
                WHERE session_id = ? ORDER BY id DESC LIMIT ?
            ) ORDER BY id ASC
            """,
            (session_id, limit),
        ).fetchall()
        return [ChatMessage(role=row[0], content=row[1]) for row in rows]

    def clear(self, session_id: str) -> None:
        self.connection.execute("DELETE FROM messages WHERE session_id = ?", (session_id,))
        self.connection.commit()

    def close(self) -> None:
        self.connection.close()

الخطوة ٤: ابنِ واجهة CLI تفاعلية

أنشئ chat.py. لا تعيد دالة إعادة المحاولة إلا الأخطاء التي تبدو كإخفاق اتصال أو مهلة زمنية أو خطأ من جانب الخادم. وهي لا تعيد كل استثناء. يتطلب المفتاح المفقود أو الإعداد غير الصالح أو الطلب المرفوض تصحيحاً بدلاً من تكرار حركة الشبكة.

from __future__ import annotations

import argparse
import time
from typing import Literal

from rich.console import Console
from rich.markdown import Markdown

from config import get_settings
from providers import ProviderName, create_provider
from storage import ChatStore

console = Console()
SYSTEM_PROMPT = "You are a precise and practical technical assistant. State important assumptions."


def retryable(error: Exception) -> bool:
    name = type(error).__name__.lower()
    status = getattr(error, "status_code", None)
    return "timeout" in name or "connection" in name or (isinstance(status, int) and status >= 500)


def complete_with_retry(provider_name: ProviderName, store: ChatStore, session_id: str) -> object:
    settings = get_settings()
    provider = create_provider(provider_name, settings)
    messages = store.recent(session_id, settings.max_history_messages)
    last_error: Exception | None = None
    for attempt in range(1, 4):
        try:
            return provider.complete(SYSTEM_PROMPT, messages, settings.max_output_tokens)
        except Exception as error:
            last_error = error
            if not retryable(error) or attempt == 3:
                raise
            time.sleep(min(2 ** (attempt - 1), 4))
    assert last_error is not None
    raise last_error


def arguments() -> argparse.Namespace:
    parser = argparse.ArgumentParser(description="Local multi-model terminal chat")
    parser.add_argument("--provider", choices=["openai", "anthropic"], default="openai")
    parser.add_argument("--session")
    return parser.parse_args()


def main() -> None:
    args = arguments()
    settings = get_settings()
    store = ChatStore(settings.database_path)
    provider_name: ProviderName = args.provider
    session_id = args.session or store.create_session()
    if args.session and not store.exists(session_id):
        raise SystemExit(f"Session does not exist: {session_id}")

    console.print(f"[green]Ready.[/green] provider={provider_name} session={session_id}")
    console.print("Commands: /provider openai, /provider anthropic, /new, /clear, /status, /exit")
    try:
        while True:
            try:
                prompt = console.input("[bold blue]You > [/bold blue]").strip()
            except (EOFError, KeyboardInterrupt):
                console.print("n[yellow]Goodbye.[/yellow]")
                break
            if not prompt:
                continue
            if prompt == "/exit":
                break
            if prompt == "/new":
                session_id = store.create_session()
                console.print(f"[green]New session:[/green] {session_id}")
                continue
            if prompt == "/clear":
                store.clear(session_id)
                console.print("[yellow]Current history cleared.[/yellow]")
                continue
            if prompt == "/status":
                console.print(f"provider={provider_name} session={session_id}")
                continue
            if prompt.startswith("/provider "):
                choice = prompt.removeprefix("/provider ").strip().lower()
                if choice in {"openai", "anthropic"}:
                    provider_name = choice
                    console.print(f"[green]Provider changed to {choice}.[/green]")
                else:
                    console.print("[red]Choose openai or anthropic.[/red]")
                continue
            if prompt.startswith("/"):
                console.print("[red]Unknown command.[/red]")
                continue

            store.add(session_id, "user", prompt)
            try:
                result = complete_with_retry(provider_name, store, session_id)
                store.add(session_id, "assistant", result.text, result.provider)
                console.print(Markdown(result.text))
                console.print(
                    f"[dim]provider={result.provider} model={result.model} "
                    f"input_tokens={result.input_tokens} output_tokens={result.output_tokens}[/dim]"
                )
            except Exception as error:
                console.print(f"[red]Request failed:[/red] {type(error).__name__}")
                console.print("Your user message remains in the local session. Correct configuration or try again.")
    finally:
        store.close()


if __name__ == "__main__":
    main()

شغّل التطبيق باستخدام python chat.py --provider anthropic أو python chat.py --provider openai. استخدم /provider anthropic أثناء الجلسة للتبديل صراحةً. تظل المحادثة السابقة المحفوظة متاحة لأن كلا المهايئين يستهلكان بنية الرسائل الداخلية نفسها.

يعني حفظ رسالة المستخدم قبل إرسال الطلب أن الطلب المتقطع أو الفاشل يظل مرئياً في السجل المحلي. وهذا مفيد لأداة محلية، لكنه قد يترك دور مستخدم دون رد من المساعد. ويمكن لعملية نشر أكبر إضافة حالات تسليم مثل قيد الانتظار، ومكتمل، وفاشل.

اختبر طبقة التخزين

أنشئ tests/test_storage.py. تستخدم هذه الاختبارات قاعدة بيانات SQLite مؤقتة ولا تتطلب مفاتيح API أو استدعاءات شبكة للموفر.

from storage import ChatStore


def test_recent_messages_are_chronological(tmp_path):
    store = ChatStore(tmp_path / "test.sqlite3")
    session = store.create_session()
    store.add(session, "user", "one")
    store.add(session, "assistant", "two", "openai")
    store.add(session, "user", "three")

    messages = store.recent(session, 2)

    assert [(message.role, message.content) for message in messages] == [
        ("assistant", "two"),
        ("user", "three"),
    ]
    store.close()


def test_clear_preserves_session(tmp_path):
    store = ChatStore(tmp_path / "test.sqlite3")
    session = store.create_session()
    store.add(session, "user", "remove")
    store.clear(session)

    assert store.exists(session)
    assert store.recent(session, 20) == []
    store.close()
python -m pytest -q
python -m py_compile config.py providers.py storage.py chat.py
python chat.py --provider anthropic

حدود الإنتاج قبل إضافة الوكلاء

صُمم Claude Sonnet ٥ لأعمال أكثر اعتماداً على الوكلاء، بما يشمل التخطيط واستخدام الأدوات. تعامل مع هذه القدرة بوصفها سبباً لتعزيز حدود تطبيقك، لا لإضعافها. افصل الاقتراحات التي ينشئها النموذج عن التنفيذ. استخدم أدوات ضمن قوائم سماح، ومدخلات محددة النوع، ومهلاً زمنية قصيرة، وفحوص الهوية والتفويض، وسجلات تدقيق، وخطوات موافقة للعمليات ذات الأثر المترتب.

بالنسبة إلى تطبيق ويب متعدد المستخدمين، استبدل واجهة الطرفية المحلية بخلفية مصادَق عليها، وانتقل من SQLite المحلية إلى قاعدة بيانات تناسب احتياجات التزامن في بيئة النشر، وأبقِ مفاتيح API الخاصة بالموفر على الخادم. أضف سجلات تشغيل منظمة تسجل أنواع الأحداث وأسماء الموفرين من دون تخزين المطالبات الخام افتراضياً. فقد تحتوي المطالبات على معلومات أعمال سرية أو كود مصدر أو بيانات شخصية أو مواد تخص العملاء.

وأخيراً، قيّم النماذج باستخدام مهام ممثلة من مؤسستك. قارن جودة المخرجات وزمن الاستجابة وبيانات استخدام الرموز الوصفية عند إرجاعها ونتائج المراجعة البشرية. تعد مجموعة تقييم صريحة أكثر فائدة من افتراض أن موفراً واحداً هو الأفضل لكل أعباء العمل. تمنح طبقة المهايئ المبنية هنا فرق دول الخليج أساساً صغيراً قابلاً للفحص لهذه المقارنة، مع الحفاظ على مسار واضح نحو سير عمل وكلاء أكثر قدرةً وتحكماً.

Share:
🚀 جاهز لنقل أعمالك إلى بيئة ذكاء اصطناعي إنتاجية؟

اختر مسار التنفيذ الأنسب لحجم شركتك

سواء كنت رائد أعمال تبحث عن تشغيل فوري بنظام الخدمة الذاتية، أو مؤسسة كبرى تحتاج إلى بنية تحتية خاصة ومعزولة.

⚡ خدمة ذاتية • للأفراد والشركات الصغيرة 14 يوماً مجاناً

تشغيل استوديو Micro-ERP

صف سير العمل بصوتك أو نصك، واحصل على تطبيق سحابي كامل مدعوم بقاعدة بيانات PostgreSQL وعرض تحليلي فوري في أقل من 60 ثانية.

ابدأ تجربتك المجانية لمدة 14 يوماً ←
🛡️ مؤسسي • سيادة البيانات Docker / VPC / On-Prem

بنية تحتية مخصصة أو استضافة Docker ذاتية؟

استشارات معمارية، نماذج إثبات مفهوم (Sandbox POCs)، وتطوير أنظمة خاصة تحت إدارة مهندسي GateOfAI مع حماية الضمان المالي الكامل (Escrow).

استكشف حلول المؤسسات الكبرى ←

هل كان هذا الشرح مفيداً؟

هل لديك سؤال حول هذا الشرح؟

مساعدنا الذكي قرأ هذا الشرح وهو جاهز للإجابة على استفساراتك المعمارية والبرمجية فوراً.

🤖
مرحباً بك! يمكنك سؤالي عن أي كود أو مفهوم تقني ورد في هذا الشرح.
مساعد الذكاء الاصطناعي متاح مجاناً للمهندسين والمشتركين.
تسجيل دخول مجاني لبدء المحادثة
🛡️ سوق حلول الإنتاج المؤسسية (0% عمولة رموز BYOK)

أنظمة وأكواد جاهزة للتشغيل مرتبطة بهذا الموضوع

تصفح سوق الحلول بالكامل →
أدوات المطورين • BYOK 🛡️ من $14/شهرياً

معماري أوامر المطورين والوكلاء (BYOK)

بيئة هندسية لبناء أوامر النظام (System Prompts)، قوالب LangGraph و CrewAI، مع دعم مفاتيح BYOK الخاصة بك.

Custom Chatbots • BYOK $1,187

SkillForge AI – AI-Powered Learning Management System

An AI-powered learning platform for discovering courses, generating learning content, managing students and instructors, and delivering a complete…

Other • BYOK $499

AI SaaS Website Analyzer Tool

Instantly analyze any website URL and get detailed AI-powered insights, website quality assessments, SEO analysis, and actionable recommendations.

📚 Related Engineering Guides & Ecosystem Tools

Deep-dive into architectural guides and vetted production alternatives

Browse All Guides →
مرشد بوابة الذكاء الاصطناعي
نشط للخدمة
مرحباً بك في بوابة الذكاء الاصطناعي! أنا مرشدك هنا لمساعدتك في فهم خدمات المنصة، باقات التشغيل وخطط الضمان المالي. كيف يمكنني إرشادك اليوم؟