Ollama: تنسيق النماذج المتعددة

تنسيق النماذج المتعددة هو عمل فريق الذكاء الاصطناعي — النماذج الصغيرة تقود الهجوم، النماذج الكبيرة توفر العمود الفقري، كل يؤدي دوره.

💡 نصيحة: جوهر استراتيجية توجيه النماذج المتعددة هو "التوزيع حسب المهمة" — الأسئلة الشائعة البسيطة تستخدم نموذجًا صغيرًا 3B (استجابة في ثانية واحدة، استهلاك GPU منخفض)، الاستنتاج المعقد يستخدم نموذجًا كبيرًا 8B (استجابة في 5 ثوانٍ، دقة عالية). يمكنك أيضًا "التوزيع حسب الحمل" — استخدم النماذج الصغيرة في ساعات الذروة للتعامل مع المزيد من الطلبات، وانتقل إلى النماذج الكبيرة في فترات الانخفاض للحصول على جودة أعلى. توجيه 80% من الطلبات إلى النماذج الصغيرة يمكن أن يقلل زمن الانتقال المتوسط بنسبة 50%.

📋 المتطلبات المسبقة: يجب أن تتقن أولاً ما يلي

1. ما ستتعلمه


2. قصة حقيقية من رائدة أعمال SaaS

ℹ️ معلومة: في تنسيق النماذج المتعددة، يجب تحميل كل نموذج بشكل مستقل في VRAM. نموذجان (3B + 8B) يقيمان في وقت واحد يتطلبان حوالي 10 جيجابايت VRAM. إذا كان VRAM غير كافٍ، يفرغ Ollama النماذج غير النشطة تلقائيًا، لكن التبديل يتكبد تأخير إعادة تحميل 5-30 ثانية.

(1) المشكلة: النماذج الكبيرة تهدر الموارد في الأسئلة البسيطة

وجدت Alice أن 80% من أسئلة SupportBot ("ما هي سياسة الإرجاع؟" "كيف أتحقق من الشحن؟") يمكن الإجابة عليها بنموذج صغير، لكن توجيه كل شيء عبر نموذج كبير يهدر موارد GPU وهو أبطأ.

(2) الحل: نمط التوجيه لتقسيم الحركة

نموذج صغير (3B) يصنف النية في ثانية واحدة؛ الأسئلة البسيطة تحصل على إجابات مباشرة، والأسئلة المعقدة تُوجّه إلى نموذج كبير (8B):

PYTHON
# Router pattern: small model classifies, large model handles complex
intent = small_model.classify(question)  # 1 second
if intent == "simple":
    answer = small_model.answer(question)  # 2 seconds
else:
    answer = large_model.answer(question)  # 5 seconds

3. ثلاثة أنماط تنسيق

⚠️ ملاحظة: نمط التصويت المتوازي لديه أعلى موثوقية لكن أيضًا أعلى تكلفة — كل طلب يتطلب استدعاء 3-5 نماذج، مما يضاعف حساب GPU. استخدمه فقط لسيناريوهات القرارات الحرجة (مثل المشورة الطبية، الأحكام القانونية)؛ نمط التوجيه يكفي لخدمة العملاء اليومية.

💡 نصيحة: نمط التوجيه هو أنجح طريقة تنسيق من حيث التكلفة — 80% من الطلبات البسيطة تستخدم نموذج 3B (استجابة في ثانية واحدة)، و20% فقط من الطلبات المعقدة تُوجّه إلى نموذج 8B. متوسط زمن الاستجابة الكلي ينخفض من 5 ثوانٍ إلى ثانيتين، مع انخفاض استخدام GPU بنسبة 60%.

(1) مقارنة الأنماط

النمط التدفق حالة الاستخدام زمن الانتقال التكلفة
التوجيه تصنيف → توزيع توجيه خدمة العملاء، تصنيف المهام منخفض منخفض
التسلسل مسودة → تحسين → تنسيق توليد الأكواد، إنشاء المحتوى متوسط متوسط
التصويت المتوازي نماذج متعددة → تصويت/دمج قرارات عالية الموثوقية مرتفع مرتفع
100%
flowchart TD
    subgraph Router
        R1[الإدخال] --> R2[المصنف<br/>نموذج 3B]
        R2 -->|بسيط| R3[إجابة النموذج الصغير]
        R2 -->|معقد| R4[إجابة النموذج الكبير]
    end

    subgraph Cascade
        C1[الإدخال] --> C2[مسودة<br/>نموذج 3B]
        C2 --> C3[تحسين<br/>نموذج 8B]
        C3 --> C4[تنسيق<br/>نموذج 3B]
    end

    subgraph Voting
        V1[الإدخال] --> V2[النموذج A]
        V1 --> V3[النموذج B]
        V1 --> V4[النموذج C]
        V2 --> V5[تصويت الأغلبية]
        V3 --> V5
        V4 --> V5
    end

4. نمط التوجيه

(1) بنية التوجيه

100%
sequenceDiagram
    participant U as المستخدم
    participant C as المصنف (3B)
    participant S as النموذج الصغير (3B)
    participant L as النموذج الكبير (8B)
    U->>C: "أريد استرداد أموالي"
    C-->>C: النية: استرداد (بسيط)
    C->>S: توجيه إلى النموذج الصغير
    S-->>U: إجابة سياسة الاسترداد
    U->>C: "قارن شروط الضمان لـ 3 منتجات"
    C-->>C: النية: مقارنة (معقد)
    C->>L: توجيه إلى النموذج الكبير
    L-->>U: مقارنة تفصيلية

(2) تصميم وسوم تصنيف النية

الوسم التعقيد هدف التوجيه سؤال مثال
faq بسيط النموذج الصغير "ما هي سياسة الإرجاع؟"
order_status بسيط النموذج الصغير "أين الطلب #12345؟"
product_info متوسط النموذج المتوسط "هل تدعم سماعات الرأس هذه Bluetooth 5.3؟"
comparison معقد النموذج الكبير "قارن بين 3 موديلات سماعات رأس"
complaint معقد النموذج الكبير "المنتج الذي استلمته مختلف تمامًا عن الوصف"

(1) ▶ مثال: تنفيذ نمط التوجيه

PYTHON
import ollama
import json
from dataclasses import dataclass
from typing import Optional

@dataclass
class ModelRouter:
    classifier_model: str = "llama3.2:3b"
    small_model: str = "llama3.2:3b"
    large_model: str = "qwen2.5"

    INTENTS = {
        "faq": "simple",
        "order_status": "simple",
        "product_info": "medium",
        "comparison": "complex",
        "complaint": "complex"
    }

    def classify(self, question: str) -> dict:
        response = ollama.chat(
            model=self.classifier_model,
            messages=[{
                "role": "user",
                "content": f"""Classify this customer question.
Return JSON: {{"intent": "faq|order_status|product_info|comparison|complaint", "complexity": "simple|medium|complex"}}
Question: {question}"""
            }],
            format="json",
            stream=False,
            options={"temperature": 0.1}
        )
        return json.loads(response["message"]["content"])

    def route(self, question: str, system: str = "") -> str:
        intent_data = self.classify(question)
        complexity = intent_data.get("complexity", "simple")

        model = self.small_model if complexity == "simple" else self.large_model
        messages = []
        if system:
            messages.append({"role": "system", "content": system})
        messages.append({"role": "user", "content": question})

        response = ollama.chat(model=model, messages=messages,
                               stream=False, options={"temperature": 0.3})
        return response["message"]["content"], model, intent_data

# Usage
router = ModelRouter()
questions = [
    "What is the return policy?",
    "Compare the 3 wireless headphones you sell",
    "Where is order #88765?"
]
for q in questions:
    answer, model_used, intent = router.route(q, system="You are SupportBot.")
    print(f"Q: {q}")
    print(f"Intent: {intent}, Model: {model_used}")
    print(f"A: {answer[:100]}...\n")

الإخراج:

TEXT
# Function defined successfully

5. نمط التسلسل

(1) تفاصيل بنية التسلسل

المرحلة النموذج المهمة المعاملات
المسودة 3B مسودة سريعة temperature=0.5
التحسين 8B تحسين عميق temperature=0.3
التنسيق 3B تنسيق الإخراج temperature=0.1

(2) ▶ مثال: توليد محتوى متسلسل

PYTHON
import ollama

class CascadePipeline:
    def __init__(self):
        self.draft_model = "llama3.2:3b"
        self.refine_model = "qwen2.5"
        self.format_model = "llama3.2:3b"

    def generate(self, topic: str) -> dict:
        # Stage 1: Draft
        draft = ollama.chat(
            model=self.draft_model,
            messages=[{"role": "user",
                       "content": f"Write a brief draft about: {topic}"}],
            stream=False, options={"temperature": 0.5}
        )["message"]["content"]

        # Stage 2: Refine
        refined = ollama.chat(
            model=self.refine_model,
            messages=[
                {"role": "system", "content": "Improve the following text. Add details and fix errors."},
                {"role": "user", "content": draft}
            ],
            stream=False, options={"temperature": 0.3}
        )["message"]["content"]

        # Stage 3: Format
        formatted = ollama.chat(
            model=self.format_model,
            messages=[
                {"role": "system", "content": "Format this text as a professional product description with bullet points."},
                {"role": "user", "content": refined}
            ],
            stream=False, options={"temperature": 0.1}
        )["message"]["content"]

        return {"draft": draft, "refined": refined, "formatted": formatted}

pipeline = CascadePipeline()
result = pipeline.generate("wireless noise-cancelling headphones")
print("=== Final Output ===")
print(result["formatted"])

الإخراج:

TEXT
=== Final Output ===

6. التصويت المتوازي وasyncio المتزامن

(1) بنية التصويت المتوازي

النمط عدد النماذج طريقة القرار حالة الاستخدام
تصويت الأغلبية 3+ أخذ إجابة إجماع الأغلبية أحكام واقعية
متوسط مرجح 2+ ترجيح حسب جودة النموذج مهام التسجيل
أفضل اختيار 2+ اختيار الأكثر تفصيلًا/مصداقية أسئلة مفتوحة

(3) ▶ مثال: استدعاء asyncio المتزامن

PYTHON
import asyncio
import ollama
from dataclasses import dataclass

@dataclass
class ParallelVoter:
    models: list[str] = None

    def __post_init__(self):
        if self.models is None:
            self.models = ["llama3.2:3b", "qwen2.5", "mistral"]

    async def query_model(self, model: str, question: str) -> dict:
        client = ollama.AsyncClient()
        response = await client.chat(
            model=model,
            messages=[{"role": "user", "content": question}],
            stream=False,
            options={"temperature": 0.3}
        )
        return {"model": model, "answer": response["message"]["content"]}

    async def vote(self, question: str) -> dict:
        tasks = [self.query_model(m, question) for m in self.models]
        results = await asyncio.gather(*tasks)

        # Simple voting: check for consensus
        answers = [r["answer"] for r in results]
        return {
            "question": question,
            "results": results,
            "consensus": len(set(a[:50] for a in answers)) == 1
        }

# Usage
async def main():
    voter = ParallelVoter()
    result = await voter.vote("Is 2+2 equal to 4?")
    for r in result["results"]:
        print(f"{r['model']}: {r['answer'][:80]}")

asyncio.run(main())

الإخراج:

TEXT
# Function defined successfully

(4) ▶ مثال: المجموعة المرجحة

PYTHON
import ollama

def weighted_ensemble(question: str, models: list[dict]) -> str:
    """Query multiple models and select the best response."""
    responses = []
    for m in models:
        resp = ollama.chat(
            model=m["name"],
            messages=[{"role": "user", "content": question}],
            stream=False,
            options={"temperature": m.get("temperature", 0.3)}
        )
        responses.append({
            "model": m["name"],
            "answer": resp["message"]["content"],
            "weight": m.get("weight", 1.0),
            "length": len(resp["message"]["content"])
        })

    # Select longest response from highest-weight model
    responses.sort(key=lambda x: x["weight"] * x["length"], reverse=True)
    return responses[0]["answer"]

models = [
    {"name": "qwen2.5", "weight": 1.5, "temperature": 0.3},
    {"name": "llama3.2:3b", "weight": 0.8, "temperature": 0.5},
]

result = weighted_ensemble("Explain the benefits of local AI", models)
print(result)

الإخراج:

TEXT
# Function defined successfully

7. مثال شامل: نظام توجيه SupportBot V4

PYTHON
# ============================================
# Comprehensive: SupportBot V4 with Router
# Multi-model routing for e-commerce support
# ============================================

import ollama
import json
import time
from dataclasses import dataclass, field
from typing import Optional

@dataclass
class SupportBotV4:
    classifier: str = "llama3.2:3b"
    simple_model: str = "llama3.2:3b"
    complex_model: str = "qwen2.5"
    system_prompt: str = "You are SupportBot for GlobalShop e-commerce. Be polite and concise."

    INTENT_MAP: dict = field(default_factory=lambda: {
        "faq": "simple",
        "order_status": "simple",
        "shipping": "simple",
        "product_info": "complex",
        "comparison": "complex",
        "complaint": "complex",
        "refund": "complex"
    })

    def classify_intent(self, question: str) -> tuple[str, str]:
        """Classify intent and determine complexity."""
        response = ollama.chat(
            model=self.classifier,
            messages=[{
                "role": "user",
                "content": f"""Classify intent (one word): {question}
Categories: faq, order_status, shipping, product_info, comparison, complaint, refund
Reply with just the category word."""
            }],
            stream=False,
            options={"temperature": 0.0}
        )
        intent = response["message"]["content"].strip().lower()
        for key in self.INTENT_MAP:
            if key in intent:
                return key, self.INTENT_MAP[key]
        return "faq", "simple"

    def answer(self, question: str) -> dict:
        """Route question and generate answer."""
        start = time.time()
        intent, complexity = self.classify_intent(question)

        model = self.simple_model if complexity == "simple" else self.complex_model
        response = ollama.chat(
            model=model,
            messages=[
                {"role": "system", "content": self.system_prompt},
                {"role": "user", "content": question}
            ],
            stream=False,
            options={"temperature": 0.3 if complexity == "simple" else 0.4}
        )
        elapsed = time.time() - start

        return {
            "question": question,
            "intent": intent,
            "complexity": complexity,
            "model_used": model,
            "answer": response["message"]["content"],
            "latency_s": round(elapsed, 2)
        }

    def batch_process(self, questions: list[str]) -> list[dict]:
        """Process multiple questions and show routing stats."""
        results = [self.answer(q) for q in questions]

        simple_count = sum(1 for r in results if r["complexity"] == "simple")
        avg_simple = sum(r["latency_s"] for r in results if r["complexity"] == "simple") / max(simple_count, 1)
        complex_count = len(results) - simple_count
        avg_complex = sum(r["latency_s"] for r in results if r["complexity"] == "complex") / max(complex_count, 1)

        print(f"=== Routing Stats ===")
        print(f"Simple: {simple_count}/{len(results)} (avg {avg_simple:.1f}s)")
        print(f"Complex: {complex_count}/{len(results)} (avg {avg_complex:.1f}s)")
        print(f"Cost saving: ~{simple_count * 60}% of queries use small model")

        return results

# Usage
if __name__ == "__main__":
    bot = SupportBotV4()
    questions = [
        "What is the return policy?",
        "Where is my order #88765?",
        "Do you ship internationally?",
        "Compare the 3 headphone models in detail",
        "I received a completely wrong item, this is unacceptable!",
        "What are the warranty terms for electronics?",
        "Analyze which laptop is best for a graphic designer under $1000",
    ]
    results = bot.batch_process(questions)
    for r in results:
        print(f"\n[{r['complexity'].upper()}|{r['model_used']}] {r['intent']}")
        print(f"  Q: {r['question']}")
        print(f"  A: {r['answer'][:100]}... ({r['latency_s']}s)")

❓ أسئلة شائعة

س ماذا لو كان تصنيف التوجيه غير دقيق؟
ج استخدم مصنفًا أفضل. النماذج الصغيرة (3B) لديها دقة تصنيف حوالي 85%، ونماذج 8B حوالي 92%. يمكنك أيضًا التصفية المسبقة بمطابقة الكلمات المفتاحية، وإترك للنموذج التعامل فقط مع الحالات الغامضة.
س هل نمط التسلسل أفضل من استخدام نموذج كبير مباشرة؟
ج يعتمد على السيناريو. إجمالي زمن انتقال التسلسل = مجموع جميع المراحل، لكن كل مرحلة أسرع. مناسب للسيناريوهات التي تحتاج مسودة + تحسين (الكتابة، الأكواد). الأسئلة والأجوبة البسيطة لا تحتاج تسلسل.
س هل التصويت المتوازي يستهلك 3 أضعاف موارد GPU؟
ج نعم. 3 نماذج تعمل استنتاجًا في وقت واحد تحتاج 3 أضعاف VRAM. يمكنك استدعاء 3 نماذج بالتسلسل لتجنب OOM، لكنك تفقد ميزة التوازي.
س هل يوجد فرق سرعة كبير بين asyncio المتزامن والاستدعاءات المتسلسلة؟
ج يعتمد على GPU. مع GPU واحد، يصطف Ollama داخليًا، لذا التزامن لا يساعد. مع وحدات GPU متعددة أو مزيج وحدة معالجة مركزية+GPU، يمكن لـ asyncio تشغيل نماذج مختلفة بشكل متزامن.
س كيف أقيّم فعالية تقسيم الحركة للتوجيه؟
ج تتبع نسبة التوجيه، زمن الانتقال لكل فئة، ورضا المستخدم. الهدف: 80% من الطلبات إلى النماذج الصغيرة، انخفاض زمن انتقال متوسط بنسبة 50%+، بدون انخفاض في الرضا.
س هل يجب أن تستخدم النماذج الصغيرة والكبيرة نفس موجه النظام؟
ج يُوصى بالحفاظ على الاتساق لتجربة مستخدم موحدة. لكن يمكنك الضبط الدقيق لمستويات تعقيد مختلفة — موجه النموذج الكبير يمكن أن يكون أكثر تفصيلًا.

📖 ملخص


📝 تمارين

  1. أساسي (⭐): نفّذ موجه ثنائي بسيط — الأسئلة الشائعة تذهب للنموذج الصغير، وكل شيء آخر للنموذج الكبير. اختبر بـ 5 أسئلة.
  2. متوسط (⭐⭐): نفّذ خط أنابيب تسلسلي ثلاثي المراحل — مسودة → تحسين → تنسيق. قارن الجودة مع الإخراج المباشر بنموذج واحد.
  3. متقدم (⭐⭐⭐): نفّذ نظام توجيه كامل لـ SupportBot V4، يتضمن تصنيف النية، إحصائيات التوجيه، مراقبة زمن الانتقال، وإخراج تقرير فعالية التوجيه.
Web-Tutorial.com

فريق Web-Tutorial التقني

منصة دروس برمجية يديرها عدة مطورين. كل درس يتم كتابته ومراجعته بواسطة مطورين متخصصين في المجال. نعمل على ضمان دقة وموثوقية المحتوى — إذا لاحظت أي مشكلة، فيرجى إخبارنا.

100%