توليد ملخصات تنفيذية من تقارير طويلة باستخدام نموذج محلي
خط معالجة محلي بالكامل يأخذ تقريراً PDF طويلاً (50–200 صفحة) ويُنتج ملخصاً تنفيذياً عربياً منظّماً (5–10 صفحات) جاهزاً للتدقيق البشري.
الهدف من مسار العمل
تسريع إعداد الـ executive summaries مع الحفاظ على خصوصية البيانات الحساسة عبر التشغيل المحلي.
خطوات التشغيل التفصيلية
الخطوات
مخطط سير العمل
رسم بياني مُولَّد تلقائيًا
التفاصيل البرمجية والتهيئة
مقدمة حول سير العمل
خط معالجة محلي بالكامل يأخذ تقريراً PDF طويلاً (50–200 صفحة) ويُنتج ملخصاً تنفيذياً عربياً منظّماً (5–10 صفحات) جاهزاً للتدقيق البشري.
الهدف من سير العمل
تسريع إعداد الـ executive summaries مع الحفاظ على خصوصية البيانات الحساسة عبر التشغيل المحلي.
الأدوات والتقنيات المستخدمة
تم استخدام الأدوات التالية: Ollama و Open WebUI و AnythingLLM
تفاصيل تنفيذ سير العمل
- مستوى الصعوبة: easy
- الوقت المتوقع للإعداد: ساعتان للإعداد، 10–15 دقيقة لكل تقرير
- محفز التشغيل (Trigger): manual عند الحاجة لكل تقرير
خطوات العمل (الآلية)
- تثبيت Ollama (https://ollama.com) وتنزيل نموذج: ollama pull qwen2.5:14b
- تثبيت Open WebUI عبر Docker وربطه بـ Ollama المحلي.
- إنشاء System Prompt مخصّص للملخصات (عربية فصحى، 5 أقسام: الخلفية، النتائج الرئيسية، التوصيات، المخاطر، الخطوات التالية).
- تحميل التقرير الأول كـ PDF attachment في المحادثة (Open WebUI يدعم رفع PDF).
- طلب الملخص بالـ prompt المُجهّز، ومراجعة المسودة.
- تعديل الـ system prompt حسب التعليقات لتحسين الجولات التالية.
- حفظ الـ template كـ Model في Open WebUI لإعادة الاستخدام.
- إنشاء checklist للمراجعة البشرية (الأرقام، الاقتباسات، الأسماء، التواريخ).
وصف مفصل
كثير من المنظمات تنتج أو تستهلك تقارير طويلة. صياغة executive summary عادةً تستغرق 4–6 ساعات من كاتب خبير. هذا الـ workflow يقترح خطّاً وسطاً: AI يُنتج مسوّدة منظّمة، الكاتب يُحرّر بدل أن يكتب من الصفر. الفرق العملي: 1–2 ساعة بدل 4–6. العنصر الأساسي هو Open WebUI (واجهة ChatGPT-like مفتوحة المصدر) متصلة بـ Ollama لتشغيل نموذج محلياً. الميزة الحرجة للمنظمات: المعلومات لا تغادر السيرفر الخاص بك. للتقارير التي تحتوي على بيانات مستفيدين أو مصادر سرية، هذا ليس ترفاً بل ضرورة. النموذج المُوصى به: qwen2.5:14b أو aya-23 (الأخير مُدرّب على لغات متعددة بما فيها العربية). الـ context window يجب أن يكون كافياً للتقرير الكامل (32k tokens فأكثر). الحدّ الجوهري: النماذج المحلية الصغيرة (7–14B parameters) أضعف بكثير من GPT-4 أو Claude في فهم الفروقات الدقيقة. الإخراج يحتاج مراجعة دقيقة، خاصة للأرقام والاقتباسات. لا يُنصح بنشر الملخص دون قراءة بشرية كاملة.