الانتقال إلى المحتوى الرئيسي

إطلاق قوة الذكاء الاصطناعي التعاوني

تخيل أن لديك فريقًا من Agents الذكاء الاصطناعي المتخصصة تعمل معًا بسلاسة لحل مشكلات معقدة، كل منها يساهم بمهاراته الفريدة لتحقيق هدف مشترك. هذه هي قوة CrewAI - إطار عمل يمكّنك من إنشاء أنظمة ذكاء اصطناعي تعاونية يمكنها إنجاز مهام تفوق بكثير ما يمكن لـ AI واحد تحقيقه بمفرده. في هذا الدليل، سنمشي عبر إنشاء Crew بحث يساعدنا في البحث والتحليل حول موضوع ما، ثم إنشاء تقرير شامل. يوضح هذا المثال العملي كيف يمكن لـ Agents الذكاء الاصطناعي التعاون لإنجاز مهام معقدة، لكنه مجرد البداية لما هو ممكن مع CrewAI.

ما ستبنيه وتتعلمه

بنهاية هذا الدليل، ستكون قد:
  1. أنشأت فريق بحث AI متخصص بأدوار ومسؤوليات مميزة
  2. نسّقت التعاون بين عدة Agents ذكاء اصطناعي
  3. أتممت سير عمل معقد يتضمن جمع المعلومات والتحليل وإنشاء التقارير
  4. بنيت مهارات أساسية يمكنك تطبيقها على مشاريع أكثر طموحًا

المتطلبات المسبقة

قبل البدء، تأكد من:
  1. تثبيت CrewAI باتباع دليل التثبيت
  2. إعداد مفتاح API لنموذج LLM في بيئتك، باتباع دليل إعداد LLM
  3. فهم أساسي لـ Python

الخطوة 1: إنشاء مشروع CrewAI جديد

أولاً، لننشئ مشروع CrewAI جديد باستخدام CLI. سينشئ هذا الأمر هيكل مشروع كامل بجميع الملفات الضرورية.
سينتج هيكل مشروع بالبنية الأساسية المطلوبة لـ Crew. ينشئ CLI تلقائيًا:
  • مجلد مشروع بالملفات اللازمة
  • ملفات تهيئة للـ Agents والمهام
  • تطبيق Crew أساسي
  • سكريبت رئيسي لتشغيل الـ Crew
نظرة عامة على إطار عمل CrewAI

نظرة عامة على إطار عمل CrewAI

الخطوة 2: استكشاف هيكل المشروع

لنخصص لحظة لفهم هيكل المشروع الذي أنشأه CLI.
يتبع هذا الهيكل أفضل الممارسات لمشاريع Python ويسهّل تنظيم الكود. فصل ملفات التهيئة (YAML) عن كود التنفيذ (Python) يسهّل تعديل سلوك Crew دون تغيير الكود الأساسي.

الخطوة 3: تهيئة الـ Agents

الآن يأتي الجزء الممتع - تعريف Agents الذكاء الاصطناعي! في CrewAI، الـ Agents هي كيانات متخصصة بأدوار وأهداف وخلفيات محددة تشكّل سلوكها. لـ Crew البحث لدينا، سننشئ Agent اثنين:
  1. باحث يتفوق في إيجاد وتنظيم المعلومات
  2. محلل يمكنه تفسير نتائج البحث وإنشاء تقارير ثاقبة
لنعدّل ملف agents.yaml. تأكد من تعيين llm للمزود الذي تستخدمه.
لاحظ كيف أن لكل Agent دور وهدف وخلفية مميزة. هذه العناصر ليست وصفية فحسب - بل تشكّل بنشاط كيف يتعامل الـ Agent مع مهامه.

الخطوة 4: تعريف المهام

مع تعريف الـ Agents، نحتاج الآن لمنحهم مهام محددة. لنعدّل ملف tasks.yaml:
لاحظ حقل context في مهمة التحليل - هذه ميزة قوية تتيح للمحلل الوصول إلى مخرجات مهمة البحث.

الخطوة 5: تهيئة الـ Crew

الآن حان الوقت لجمع كل شيء معًا. لنعدّل ملف crew.py:

الخطوة 6: إعداد السكريبت الرئيسي

الخطوة 7: إعداد متغيرات البيئة

أنشئ ملف .env في جذر مشروعك بمفاتيح API:
راجع دليل إعداد LLM لتفاصيل تهيئة المزود المفضل لديك. يمكنك الحصول على مفتاح Serper API من Serper.dev.

الخطوة 8: تثبيت التبعيات

الخطوة 9: تشغيل الـ Crew

الآن اللحظة المثيرة - حان وقت تشغيل Crew ومشاهدة التعاون بين الـ AI!
عند تشغيل هذا الأمر، سترى Crew يعمل. سيجمع الباحث معلومات حول الموضوع المحدد، ثم سينشئ المحلل تقريرًا شاملاً بناءً على ذلك البحث.

الخطوة 10: مراجعة المخرجات

بمجرد إتمام Crew عمله، ستجد التقرير النهائي في ملف output/report.md. سيتضمن التقرير:
  1. ملخص تنفيذي
  2. معلومات مفصلة عن الموضوع
  3. تحليل ورؤى
  4. توصيات أو اعتبارات مستقبلية

استكشاف أوامر CLI الأخرى

يوفر CrewAI عدة أوامر CLI مفيدة للعمل مع Crews:

ما بعد أول Crew: فن الممكن

ما بنيته في هذا الدليل مجرد البداية. يمكنك توسيع Crew البحث الأساسي بإضافة Agents متخصصة أخرى وأدوات وقدرات إضافية وسير عمل أكثر تعقيدًا. يمكن تطبيق نفس الأنماط لإنشاء Crews لإنشاء المحتوى وخدمة العملاء وتطوير المنتجات وتحليل البيانات.

الخطوات التالية

  1. جرّب تهيئات وشخصيات Agent مختلفة
  2. جرب هياكل مهام وسير عمل أكثر تعقيدًا
  3. طبّق أدوات مخصصة لمنح الـ Agents قدرات جديدة
  4. طبّق Crew على مواضيع أو مجالات مشكلات مختلفة
  5. استكشف CrewAI Flows لسير عمل أكثر تقدمًا مع البرمجة الإجرائية
تهانينا! لقد بنيت بنجاح أول CrewAI Crew يمكنه البحث والتحليل في أي موضوع تقدمه. هذه التجربة الأساسية أهّلتك بالمهارات لإنشاء أنظمة AI متطورة بشكل متزايد يمكنها معالجة مشكلات معقدة متعددة المراحل من خلال الذكاء التعاوني.