ملاحظة المؤلف: من زاويتَي بنية Agent Harness وبيئة الإضافات، نفكّك الأسباب الخمسة التي جعلت DeepSeek Harness (DSH) محطّ اهتمام، ثم نقدّم خطوات البدء في ربط API النموذج وتوصيات اختيار المزوّد.
في الآونة الأخيرة، كثر الحديث في مجتمعات المطوّرين عن DeepSeek Harness (ويُختصر إلى DSH) وبيئة إضافاته. البعض يضعه في مقارنة مع الوكلاء المكتبيين مثل WorkBuddy من تينسنت، والبعض الآخر يهتم بدور الشخصية المحورية التي يسمّيها المجتمع «ليانغ شنغ». الحماس للحديث عالٍ، لكن المحتوى الذي يشرح «أين تكمن ميزته فعلًا» ليس كثيرًا.
هذا ليس مقالًا للمديح المجارِي للموضة. المعلومات المتاحة للعموم عن DSH ما تزال متفرّقة، ولن نختلق في هذا المقال أرقامًا لا يمكن التحقّق منها مثل أرقام الإصدارات أو عدد الإضافات أو تواريخ الإصدار. سننطلق من البنية العامة لـ Agent Harness لنشرح لماذا تُعدّ بيئة الإضافات الجزء الأكثر استحقاقًا للاهتمام، وكيف يمكن للمطوّرين البدء في تجربتها عمليًا.
القيمة الأساسية: بعد قراءة هذا المقال، ستفهم موقع DeepSeek Harness وقيمة بيئة إضافاته، وتدرك الفرق بينه وبين الوكلاء المكتبيين المتكاملين، وستتمكّن من ربط النموذج عبر منصّات متوافقة مع صيغ واجهات OpenAI وAnthropic مثل APIYI.
النقاط الأساسية في DeepSeek Harness (DSH)
نبدأ بجدول يلخّص الأسباب الرئيسية التي تجعل DSH محطّ الأنظار. هذه الأحكام مبنية على المبادئ التصميمية العامة لأدوات من نوع Agent Harness، وعلى الآراء التي تتكرر في نقاشات المجتمع.
| النقطة | الشرح | القيمة بالنسبة للمطوّر |
|---|---|---|
| دور Harness | إطار تشغيل يغلّف نموذج اللغة الكبير، ويتولى استدعاء الأدوات وإدارة السياق وتنسيق المهام | لا حاجة لبناء إطار Agent من الصفر |
| منظومة الإضافات | تُوسَّع القدرات على شكل إضافات، ويمكن للمجتمع المساهمة فيها وإعادة استخدامها | تركيب القدرات حسب الحاجة وتقليل التطوير المتكرر |
| التوافق مع النموذج | تكييف مُصمَّم حول خصائص الاستدلال واستدعاء الأدوات في نماذج سلسلة DeepSeek | كفاءة استدعاء أعلى في المهام المماثلة |
| انفتاح وقابلية للتعديل | يمكن للمطوّرين المراجعة والتعديل وإعادة التطوير | يسهّل النشر الخاص والتخصيص |
| تكلفة قابلة للتحكم | يُستخدم مع واجهات API لنماذج ذات قيمة جيدة مقابل السعر | مناسب للمهام الطويلة وسيناريوهات الاستدعاء عالي التكرار |
ماذا يعني Harness في DeepSeek Harness
كلمة Harness تعني في الأصل «حزام الحمل»، وفي سياق هندسة الذكاء الاصطناعي تشير إلى طبقة إطار التشغيل التي تغلّف النموذج وتجعله قادرًا فعليًا على إنجاز العمل. النموذج وحده لا يقدر إلا على «الإجابة عن الأسئلة». أما بعد إضافة Harness فيصبح قادرًا على قراءة الملفات واستدعاء الأدوات وتشغيل الأوامر وتذكّر السياق، وتقسيم المهمة الكبيرة إلى خطوات متعددة التنفيذ.
لذلك، عند الحديث عن DeepSeek Harness فالمهم ليس «واجهة دردشة أخرى»، بل الطريقة التي يجمع بها قدرات النموذج وقدرات الأدوات وسير المهام معًا. وجودة هذا النوع من الأطر تعتمد بدرجة كبيرة على مدى انفتاح طبقة الأدوات، أي على مدى نشاط منظومة الإضافات.
لماذا تُعدّ منظومة إضافات DSH محور الاهتمام
مهما كثرت الوظائف المدمجة في Harness، فهي لا تغطي احتياجات جميع الفرق. آلية الإضافات تسلّم «توسيع القدرات» إلى المجتمع: أحدهم يكتب إضافة لاستعلام قواعد البيانات، وآخر يكتب إضافة لمراجعة الشيفرة، وثالث يكتب إضافة للربط مع الأنظمة الداخلية للشركة. ويكفي أن يثبّت المستخدم ما يحتاجه ليحوّل Agent عامًا إلى أداة تناسب سياقه.
يتكرر في نقاشات المجتمع أن شعبية DSH مرتبطة بدفع المساهمين الأساسيين لتطوير مواصفات الإضافات والأمثلة والتوثيق، وكثيرًا ما يُذكر شخص يُلقّب على الإنترنت بـ«ليانغ شنغ». لكن تفاصيل المساهمات المحددة تفتقر حاليًا إلى مصادر أولية قابلة للتحقق، وننصح بالاعتماد على سجلات الإيداع (commits) والإعلانات في المستودع الرسمي، وعدم الثقة بالنقل من مصادر ثانوية.
يعرض الشكل أعلاه التقسيم الطبقي النموذجي لـ Agent Harness. يمكن استخدام طبقة API للنموذج في الأسفل مباشرة عبر الواجهة الرسمية، أو الوصول إليها عبر منصة واجهات موحّدة مثل APIYI (apiyi.com)، والأخيرة تسهّل التبديل والمقارنة بين عدة نماذج.
تحليل بنية DeepSeek Harness وطبقات الإضافات
لتحديد ما إذا كان نظام الإضافات في DSH يستحق العناء، عليك أولاً أن تفهم في أي طبقة من البنية تقع الإضافات وما المسؤولية المنوطة بها. يوضّح الجدول التالي مسؤوليات كل طبقة وفق البنية العامة لـ Agent Harness.
| طبقة البنية | المسؤولية الأساسية | العلاقة بالإضافات |
|---|---|---|
| طبقة النموذج | فهم التعليمات والاستدلال وتوليد طلبات استدعاء الأدوات | تُحقَن أوصاف الأدوات التي تقدّمها الإضافات في النموذج |
| طبقة التشغيل | إدارة الجلسات وجدولة استدعاءات الأدوات ومعالجة الاستثناءات | تتولى تحميل الإضافات وعزلها واستدعاءها |
| طبقة الإضافات | تغليف قدرات محددة مثل البحث وقراءة الملفات وكتابتها واستدعاء الواجهات | الجزء الأساسي من النظام البيئي |
| طبقة الذاكرة | حفظ السياق ومعلومات المشروع والنتائج السابقة | تستطيع بعض الإضافات توسيع تخزين الذاكرة |
| طبقة التفاعل | واجهة سطر الأوامر أو المحرر أو سطح المكتب | تُعرَض نتائج الإضافات هنا |
الأنواع الشائعة لإضافات DSH
بحسب الممارسات الشائعة لأدوات Agent، يمكن تقسيم الإضافات تقريبًا إلى الفئات التالية. كل فئة تعالج مشكلة مختلفة، ويمكن للفريق عند اختيار الأدوات أن يجرّب أولاً ما يناسب احتياجاته الفعلية.
- إضافات تطوير: البحث في الشفرة، تنفيذ الاختبارات، توليد رسائل الالتزام، مراجعة الشفرة — مناسبة للاستخدام اليومي لفرق التطوير.
- إضافات بيانات: الاستعلام من قواعد البيانات، تحليل الجداول، البحث في السجلات — مناسبة لسيناريوهات تحليل البيانات والعمليات.
- إضافات معرفة: البحث في المستندات، البحث على الويب، الأسئلة والأجوبة من قواعد المعرفة — مناسبة للمهام التي تحتاج إلى مصادر يمكن الرجوع إليها.
- إضافات مكتبية: التقويم، البريد، التعاون في المستندات — مناسبة لدمج الـ Agent في سير العمل اليومي.
- إضافات اتصال: الربط مع الأنظمة الداخلية للمؤسسة أو الخدمات الخارجية، وتحتاج عادةً إلى أن يطوّرها الفريق بنفسه.
القيم الثلاث التي يجلبها نظام الإضافات
القيمة الأولى هي إعادة الاستخدام. الإضافة المكتوبة بإتقان يمكن أن يستخدمها مئات أو آلاف الفرق، فيوفّر كل فريق على نفسه وقت التطوير المتكرر. وكلما زاد عدد الإضافات، صار على المستخدمين الجدد إيجاد حلول جاهزة أسهل، فزاد ميلهم للانضمام، وهذا يخلق حلقة إيجابية.
القيمة الثانية هي فك الارتباط. تبقى نواة التشغيل بسيطة ومستقرة، وتُضاف القدرات الجديدة عبر تكرار الإضافات، دون الحاجة إلى ترقية الإطار بالكامل في كل مرة. وعند حدوث مشكلة يصبح تحديد مصدرها سهلًا: هل هي مشكلة في الإضافة أم في النواة؟ الجواب واضح.
القيمة الثالثة هي التحكم. آلية الإضافات المفتوحة تعني أن المؤسسة يمكنها مراجعة صلاحيات كل إضافة وسلوكها، وتفعيل ما تثق به فقط. هذه النقطة مهمة بشكل خاص للفرق التي لديها متطلبات أمان وامتثال، وهي أيضًا سبب تفضيل كثيرين لمسار النظام البيئي المفتوح.
البدء السريع مع DeepSeek Harness
فيما يلي طريقة عامة للبدء. وبما أن أوامر التثبيت وتنسيق ملفات الإعداد في DSH قد تتغير حسب الإصدار، فارجع في الأجزاء المتعلقة بالأوامر تحديدًا إلى أحدث التعليمات في المستودع الرسمي. وسنوضح هنا بشكل أساسي ما ينبغي فعله في كل خطوة.
الخطوة الأولى: تجهيز API النموذج
لا يتضمن Harness نفسه أي نموذج، لذا يجب الاتصال بواجهة API لنموذج. يمكنك استخدام واجهة DeepSeek الرسمية، أو استخدام منصة تجميع مثل APIYI. توفر APIYI استدعاء نماذج سلسلة DeepSeek المذكورة في هذا المقال، كما أنها متوافقة مع تنسيقي واجهات OpenAI وAnthropic، ويمكن لمعظم أطر Agent الاتصال بها مباشرة.
إذا كان الإطار يعتمد بروتوكولًا متوافقًا مع OpenAI، فسيحتاج عادةً إلى ضبط ثلاث معاملات: base_url وapi_key وmodel. يوضح الجدول التالي معاني عناصر الإعداد الشائعة.
| عنصر الإعداد | المعنى | اقتراح القيمة |
|---|---|---|
base_url |
عنوان واجهة النموذج | عند استخدام APIYI أدخل https://api.apiyi.com/v1، وفقًا لوثائق APIYI |
api_key |
بيانات اعتماد الاستدعاء | أنشئه في لوحة تحكم المنصة، ولا تكتبه في مستودع عام |
model |
اسم النموذج | استخدم الاسم الفعلي من قائمة نماذج APIYI |
| بروتوكول الواجهة | تنسيق OpenAI أو Anthropic | اختر حسب البروتوكول الذي يدعمه DSH؛ APIYI متوافقة مع كليهما |
| المهلة وإعادة المحاولة | معاملات استقرار المهام الطويلة | مهام Agent تستغرق وقتًا أطول، لذا يُنصح بزيادة المهلة بشكل مناسب |
الخطوة الثانية: تثبيت DSH وإتمام الإعدادات الأساسية
بعد تثبيت بيئة تشغيل DSH وفق التعليمات الرسمية، اكتب المعاملات التي حصلت عليها في الخطوة السابقة داخل ملف الإعدادات أو في متغيرات البيئة. ويُفضّل أن تحفظ api_key في متغيرات البيئة بدلاً من ملفات المشروع، حتى لا يتسرّب المفتاح مع بقية الملفات. وبعد أن تنتهي من الإعداد، اختبر الاتصال أولاً بمهمة بسيطة، مثل أن تطلب منه تلخيص ملفات الشرح الموجودة في المجلد الحالي.
وإذا فشل الاتصال، فعادةً ما يكون السبب في واحد من ثلاثة مواضع: هل يتضمّن base_url المسار الصحيح؟ وهل اسم model مطابق لما هو مدرج في قائمة المنصة؟ وهل لدى المفتاح رصيد كافٍ أو صلاحيات مناسبة؟ هذه النقاط الثلاث تغطي معظم مشكلات الوصول.
الخطوة الثالثة: تثبيت الإضافات حسب الحاجة
لا تبدأ بتثبيت مجموعة كبيرة من الإضافات دفعة واحدة. فكلما زاد عدد الإضافات، طال وصف الأدوات الذي يُحقن في النموذج، وهذا لا يستهلك رموزًا (tokens) أكثر فحسب، بل قد يجعل النموذج مترددًا عند اختيار الأداة المناسبة. من الأفضل أن تبدأ بإضافة واحدة أو إثباتين قريبين من طبيعة عملك، وبعد أن تعمل بشكل سليم تبدأ بالتوسّع تدريجيًا.
وقبل تثبيت أي إضافة من طرف ثالث، ألقِ نظرة على الصلاحيات التي تطلبها. أما الإضافات القادرة على تنفيذ أوامر أو قراءة الملفات وكتابتها أو الوصول إلى الشبكة، فمن الأفضل تشغيلها أولاً في بيئة اختبار، والتأكد من أن سلوكها كما تتوقع، قبل استخدامها في مشروع حقيقي.
الخطوة الرابعة: مراقبة التكلفة والنتائج
تتميّز مهام الوكيل (Agent) بكثرة دورات الاستدعاء وطول السياق، لذا تكون التكلفة أعلى بكثير من المحادثة العادية. من المستحسن أن تسجّل أثناء مرحلة التجربة عدد الاستدعاءات واستهلاك الـ tokens لكل مهمة، ثم تقرر أي نموذج ستستخدم يوميًا. أما بخصوص أسعار الإدخال والإخراج وأسعار إصابة ذاكرة التخزين المؤقت (cache hit) وغيرها من معايير الفوترة، فالمرجع هو البيانات الفعلية المنشورة في صفحة أسعار APIYI على https://docs.apiyi.com/models، ولا تعرض هذه المقالة أرقامًا محددة.
🚀 اقتراح للبدء السريع: إذا رغبت في التحقق أولًا من نتائج استخدام DSH مع نماذج مختلفة، يمكنك إنشاء مفتاح على APIYI عبر apiyi.com، ثم استخدام الإعدادات نفسها مع تبديل اسم النموذج لإجراء المقارنة. طريقة الربط موضّحة في مركز توثيق APIYI على https://docs.apiyi.com، والأسعار معتمدة من https://docs.apiyi.com/models.
DeepSeek Harness مقابل Tencent WorkBuddy
كثيرون يضعون DSH وTencent WorkBuddy في مقارنة واحدة. وبالدقة، فإن مسار المنتجين ليس متطابقًا تمامًا: يميل DSH أكثر إلى كونه إطارًا مفتوحًا قابلاً للتعديل من المطورين، بينما يميل WorkBuddy أكثر إلى كونه منتجًا متكاملًا موجّهًا لسيناريوهات العمل المكتبي. يقارن الجدول التالي بينهما على مستوى المسار، دون التطرق إلى معاملات محددة لا يمكن التحقق منها.
| البُعد | DeepSeek Harness (DSH) | الوكيل المكتبي المتكامل (مثل WorkBuddy) |
|---|---|---|
| شكل المنتج | إطار مفتوح، يميل إلى المطورين | تطبيق جاهز، يميل إلى مستخدمي العمل المكتبي |
| توسيع القدرات | إضافات المجتمع، تركيب حر | يعتمد أساسًا على القدرات التي يوفرها المزوّد الرسمي |
| اختيار النموذج | يمكنك إعداد API النموذج بنفسك | عادةً ما يوفره مزوّد المنتج بشكل موحد |
| حاجز البدء | يتطلب قدرة معينة على الإعداد | جاهز للاستخدام مباشرة، والعتبة منخفضة |
| مساحة التخصيص | واسعة، وقابلة للتطوير الثانوي | محدودة نسبيًا |
| طريقة الوصول إلى النماذج | API الرسمي، ومنصات متوافقة مثل APIYI apiyi.com | وفقًا لما هو مدمج في المنتج |
قراءة المقارنة
تحليل مسار WorkBuddy: يتمتع الوكيل المكتبي المتكامل بميزة واضحة في تجربة الاستخدام المباشر والتكامل مع بيئة العمل المكتبي، فلا يحتاج المستخدم العادي تقريبًا إلى أي إعداد ليبدأ. لكن حدود قدراته يحددها مزوّد المنتج أساسًا، وعند الرغبة في الربط بأنظمة داخلية أو تغيير النموذج تكون حرية التعديل محدودة نسبيًا.
تحليل مسار DSH: عتبة DeepSeek Harness أعلى، إذ يتعين عليك إعداد النموذج بنفسك، واختيار الإضافات، وإدارة الصلاحيات. لكن المقابل هو مساحة تخصيص أكبر، ويمكن للفريق دمجه بعمق في عمليات التطوير والبيانات. وبالنسبة للفرق التي تملك قدرات تقنية ولديها احتياجات مميزة نوعًا ما، غالبًا ما تكون بيئة الإضافات المفتوحة أكثر قيمة على المدى الطويل.
💡 توصية بالاختيار: المستخدمون غير التقنيين الذين يبحثون عن الراحة يمكنهم إعطاء الأولوية للمنتج المتكامل؛ أما فرق البحث والتطوير التي تحتاج إلى التخصيص واختيار النموذج بنفسها فإن إطارًا مفتوحًا مثل DSH أنسب لها. وبخصوص فروق الأداء على مستوى النموذج، يُنصح بتشغيل المهام فعليًا عبر واجهة موحدة من خلال APIYI apiyi.com قبل الحكم.
الأسئلة الشائعة
س1: ما هو DeepSeek Harness (DSH)؟
DeepSeek Harness هو إطار تشغيل للوكلاء (Agents) مبني حول نماذج اللغة الكبيرة، يتولى استدعاء الأدوات وإدارة السياق وتنسيق المهام، ويوسّع قدراته عبر آلية الإضافات. قيمته الأساسية لا تكمن في المحادثة نفسها، بل في تمكين النموذج من تنفيذ مهام متعددة الخطوات فعليًا.
س2: ما الفرق بين منظومة إضافات DSH واستدعاء الأدوات العادي؟
استدعاء الأدوات العادي يعني عادةً أن يكتب المطوّر عددًا من الدوال مباشرة في الشفرة، وعند الانتقال إلى مشروع آخر يضطر إلى إعادة كتابتها. أما منظومة الإضافات فتُغلّف القدرات في وحدات قابلة للتوزيع وإعادة الاستخدام، يمكن للمجتمع مشاركتها. الأول يحل مشكلة مشروع واحد، والثاني يعالج العمل المتكرر لدى مجتمع المطوّرين بأكمله.
س3: من أين أتحقق من أحدث إصدار لـ DSH وتاريخ إصداره؟
توجد حاليًا معلومات غير مباشرة كثيرة عن DSH على الإنترنت، وأرقام الإصدارات والتواريخ المذكورة متضاربة. يُنصح بالرجوع مباشرة إلى سجلات Release في مستودع الشفرة الرسمي وإلى الإعلانات الرسمية؛ وهذا المقال لا يستشهد بأي تواريخ أو أرقام إصدارات لا يمكن التحقق منها.
س4: ما أكثر سيناريوهات الاستخدام ملاءمةً لـ DeepSeek Harness؟
يصلح بشكل أساسي للسيناريوهات التالية:
– **مساعدة التطوير**: البحث في الشفرة، وإعادة الهيكلة على دفعات، وتشغيل الاختبارات وتحليل النتائج.
– **معالجة البيانات**: تتبّع السجلات (logs)، والاستعلام من قواعد البيانات، والتحليل الأولي للتقارير.
– **الربط بالأنظمة الداخلية**: ربط الوكيل بأنظمة التذاكر وقواعد المعرفة وغيرها من الأدوات الداخلية عبر إضافات مطوّرة داخليًا.
س5: كيف أربط واجهة API الخاصة بالنموذج بـ DSH؟
الخطوات الموصى بها كالتالي:
1. سجّل في APIYI على apiyi.com وأنشئ مفتاح API.
2. في إعدادات DSH، املأ `base_url` و`api_key` و`model`، مع الاعتماد على وثائق APIYI على https://docs.apiyi.com لتحديد عنوان الواجهة واسم النموذج.
3. تحقّق من الاتصال بمهمة بسيطة، ثم ثبّت الإضافات تدريجيًا.
APIYI متوافق في الوقت نفسه مع صيغتي واجهة OpenAI وAnthropic، ما يسهّل التبديل والمقارنة بين نماذج مختلفة.
س6: كيف أقدّر التكلفة عند استخدام DSH؟
تتضمن مهام الوكيل دورات استدعاء كثيرة وسياقًا طويلًا، لذا تعتمد التكلفة أساسًا على سعر النموذج للوحدة، واستهلاك الـ tokens، ونسبة إصابة الذاكرة المؤقتة (cache). أما أسعار الإدخال والإخراج وأسعار التخزين المؤقت تحديدًا، فيُرجى الرجوع إلى البيانات الفعلية في صفحة أسعار APIYI على https://docs.apiyi.com/models. في مرحلة التجربة يُنصح بتسجيل استهلاك كل مهمة، ثم تحديد النموذج الذي ستستخدمه يوميًا.
س7: ما القيود المعروفة في DeepSeek Harness؟
بموضوعية، هناك ثلاث نقاط رئيسية:
– **حاجز البدء**: يتطلب إعداد النموذج والإضافات بنفسك، وهو ليس سهلًا على المستخدمين غير التقنيين.
– **تفاوت جودة الإضافات**: مستوى إضافات المجتمع متفاوت، ويجب مراجعة الصلاحيات والاستقرار بنفسك.
– **تشتّت المصادر**: المواد المتاحة للعموم مبعثرة حاليًا، وبعض العبارات يصعب التحقق منها، لذا يجب الاعتماد على القنوات الرسمية.
النقاط الأساسية لـ DeepSeek Harness
- تعريف Harness: DSH هو إطار تشغيل يحيط بالنموذج، ومسؤول عن جعل النموذج ينفذ المهام فعلاً.
- المنظومة هي الأساس: آلية الإضافات تجعل القدرات قابلة لإعادة الاستخدام والتركيب، وهي السبب الرئيسي وراء الاهتمام به.
- الانفتاح وقابلية التحكم: يمكن للمطورين مراجعة أذونات الإضافات، وهو مناسب للفرق التي لديها متطلبات أمان وامتثال.
- اختلاف المسار: مقارنةً بالوكلاء المكتبيين المتكاملين، يملك DSH عتبة دخول أعلى ولكن مساحة تخصيص أكبر.
- إضافات قليلة ومتخصصة: ابدأ بإضافة أو اثنتين، لتجنب أن تؤثر أوصاف الأدوات الطويلة على الفاعلية والتكلفة.
- طريقة البدء: اتصل بالنموذج عبر واجهة APIYI المتوافقة، والأسعار وفقًا لصفحة الأسعار الرسمية.
الخلاصة
أهم النقاط التي جلبت الاهتمام إلى DeepSeek Harness (DSH):
- القيمة المعمارية: إنه يحل مشكلة “كيف يعمل النموذج فعلاً”، وليس مجرد توفير المحادثة.
- قيمة المنظومة: آلية الإضافات تتيح للمجتمع مشاركة القدرات، وتشكل حلقة إيجابية من إعادة الاستخدام والتوسع.
- قيمة الاختيار: بالنسبة لفرق البحث والتطوير، فإن الجمع بين إطار مفتوح ونموذج مختار يدويًا أكثر مرونة وأسهل في التحكم بالتكاليف.
إذا كنت تقيّم إطار Agent، فمن المستحسن أولاً تشغيل DSH بمهمة صغيرة حقيقية، ثم تحديد ما إذا كنت ستستخدمه بعمق بناءً على النتائج والاستهلاك. يمكن إتمام ربط النموذج عبر APIYI apiyi.com، والمنصة متوافقة مع تنسيقي واجهات OpenAI وAnthropic، وتعليمات الربط متاحة على https://docs.apiyi.com، وبيانات الفوترة وفقًا لـ https://docs.apiyi.com/models.
📚 المراجع
- مركز توثيق APIYI: تنسيقات الواجهة، وإعداد
base_url، وتعليمات دمج النماذج - الرابط:
docs.apiyi.com -
الوصف: المرجع الأساسي لإعداد API النموذج عند دمج DSH
-
صفحة النماذج والأسعار في APIYI: قائمة النماذج، وأسعار الوحدات للمدخلات والمخرجات، وقواعد احتساب التخزين المؤقت
- الرابط:
docs.apiyi.com/models -
الوصف: جميع معلومات الأسعار الواردة في هذا المقال تعتمد على هذه الصفحة
-
توثيق API الرسمي لـ DeepSeek: شرح قدرات نماذج سلسلة DeepSeek ومعاملاتها
- الرابط:
api-docs.deepseek.com - الوصف: مصدر أساسي للتعرف على خصائص استدعاء الأدوات والاستدلال في النموذج
المؤلف: فريق APIYI التقني
للتواصل التقني: نرحب بتواصلكم معنا عبر الصفحة الرئيسية لـ APIYI على apiyi.com لتبادل الخبرات حول دمج إطارات عمل الوكيل (Agent)، ولمزيد من المواد يمكنكم زيارة مركز التوثيق docs.apiyi.com
