هل سئمت من الاعتماد على أدوات الذكاء الاصطناعي الخاصة لاحتياجات بحثك؟ لا تبحث أكثر من Ollama Deep Research، البديل المفتوح المصدر الذي يوفر المرونة والخصوصية وكفاءة التكلفة. في هذا الدليل الشامل، سنستعرض ما هو Ollama Deep Research، وكيفية استخدامه، ومميزاته مقارنةً بـ OpenAI Deep Researcher و Google’s Deep Research وغيرها.
ما هو Ollama Deep Research؟
Ollama Deep Research هو مساعد محلي بالكامل للبحث عبر الويب وكتابة التقارير مصمم لتبسيط عملية البحث الخاصة بك. يستخدم نماذج لغة كبيرة مستضافة محلياً، مما يتيح لك إدخال موضوع وتوليد استعلامات بحث ذات صلة عبر الويب. تقوم هذه الأداة بجمع نتائج البحث من الويب، وتلخيصها بفعالية، وتحديد الفجوات المعرفية من خلال عدة دورات تكرارية. الناتج النهائي هو ملخص شامل بتنسيق markdown يتضمن المصادر التي تم استشارتها، مما يجعله مثاليًا للباحثين والطلاب والمحترفين الذين يسعون لتعزيز قدراتهم في البحث عبر الويب.
كيف يعمل Ollama Deep Research؟
Ollama Deep Research مصمم لتبسيط عملية البحث الخاصة بك من خلال أتمتة مراحل البحث والتلخيص والتكرار. إليك شرح تفصيلي عن كيفية عمله:
الخطوة 1: ابدأ
مدخلات المستخدم: تبدأ العملية عندما تدخل موضوعًا أو استعلامًا في Ollama Deep Research. يمكن أن يكون هذا أي شيء من سؤال بسيط إلى موضوع بحث معقد.
الخطوة 2: توليد استعلام
توليد استعلام LLM: يستخدم Ollama نموذج لغة كبير مستضاف محليًا (LLM) لتوليد استعلام بحث دقيق عبر الويب بناءً على مدخلاتك. هذا الاستعلام مصمم لالتقاط المعلومات ذات الصلة من الويب.
الخطوة 3: بحث الويب
تكامل محرك البحث: يتم استخدام الاستعلام المتولد بعد ذلك لإجراء بحث عبر الويب باستخدام APIs مثل Tavily، وPerplexity، أو DuckDuckGo. تسترجع هذه المحركات المصادر ذات الصلة بموضوع البحث الخاص بك.
الخطوة 4: تلخيص المصادر
تلخيص LLM: يتم تلخيص المصادر المسترجعة باستخدام نفس LLM. هذه الخطوة تستخرج الأفكار الرئيسية ودمجها في ملخص متطور لموضوع بحثك.
الخطوة 5: التفكير في الملخص
تحديد فجوات المعرفة: يقوم LLM بالتفكير في الملخص لتحديد أي فجوات معرفية أو مجالات حيث تحتاج لمزيد من المعلومات. تعتبر هذه العملية التأملية ضرورية لضمان فهم شامل للموضوع.
الخطوة 6: إنهاء الملخص
تحسين تكراري: بناءً على الفجوات المحددة، يتم توليد استعلامات بحث جديدة لجمع معلومات إضافية. تتكرر عملية البحث والتلخيص والتفكير حتى يتم الوصول إلى عدد محدد مسبقًا من التكرارات أو حتى تحقيق المستوى المطلوب من التفاصيل.
الناتج النهائي: الناتج النهائي هو ملخص شامل بتنسيق markdown يتضمن جميع المصادر المستخدمة خلال عملية البحث. يوفر هذا الملخص نظرة عامة منظمة عن الموضوع، مع الاقتباسات لمزيد من المراجع.
الخطوة 7: النهاية
مراجعة المستخدم: بمجرد إنشاء الملخص النهائي، يمكنك مراجعته للتأكد من أنه يلبي احتياجات بحثك. تضمن العملية التكرارية أن يكون الملخص شاملاً ومرتبًا، مما يجعل من السهل فهمه وتوسيع نتائج بحثك.
تتيح لك هذه العملية خطوة بخطوة أن يقدم Ollama Deep Research ناتج بحث مفصل وشامل مع الحفاظ على الخصوصية والسيطرة على بياناتك.
كيفية استخدام Ollama Deep Research: دليل خطوة بخطوة
يتضمن استخدام Ollama Deep Research إعداد بيئتك، وتكوين محرك البحث الخاص بك، وتشغيل المساعد. إليك دليل تفصيلي لمساعدتك في البدء:
الخطوة 1: إعداد بيئتك
تحميل تطبيق أولاما: قم بتحميل أحدث إصدار من Ollama من الموقع الرسمي المتوافق مع نظام التشغيل الخاص بك (Windows، MacOs أو Linux).
سحب LLM محلي: استخدم الأمر ollama pull deepseek-r1:8b لتنزيل نموذج لغة كبير محلي (LLM) مثل DeepSeek.
نسخ المستودع: انسخ مستودع Ollama Deep Researcher باستخدام Git:
git clone https://github.com/langchain-ai/ollama-deep-researcher.git cd ollama-deep-researcherإنشاء بيئة افتراضية (موصى به):
لـ Mac/Linux:
python -m venv .venv source .venv/bin/activateلـ Windows:
python -m venv .venv .venv\Scripts\Activate.ps1الخطوة 2: تكوين محرك البحث الخاص بك
محرك البحث الافتراضي: بشكل افتراضي، يستخدم أولاما DuckDuckGo في عمليات البحث عبر الويب، والذي لا يتطلب مفتاح API.
محركات البحث البديلة: لاستخدام Tavily أو Perplexity، تحتاج إلى إضافة مفاتيح API الخاصة بهم إلى ملف البيئة الخاص بك:
# إنشاء ملف ".env"
cp .env.example .env
# إضافة المفاتيح الخاصة بك
echo "Tavily_API_KEY='TYPE-YOUR-KEY-HERE'" >> .envقم بتعيين متغير SEARCH_API إلى tavily أو perplexity، وأضف المفتاح المناسب لـ API (TAVILY_API_KEY أو PERPLEXITY_API_KEY).
الخطوة 3: تشغيل المساعد
تثبيت الاعتمادات: قم بتثبيت الحزم اللازمة باستخدام pip:
pip install -e .pip install -U "langgraph-cli[inmem]"بدء خادم LangGraph: قم بتشغيل خادم LangGraph:
langgraph devالوصول إلى LangGraph Studio: افتح واجهة ويب LangGraph Studio عبر عنوان URL المقدم في مخرجات الطرفية (على سبيل المثال، https://smith.langchain.com/studio/?baseUrl=http://127.0.0.1:2024).
تكوين في LangGraph Studio: في علامة التبويب التكوين، اختر أداة بحث الويب الخاصة بك. يتكامل Ollama Deep Research بسلاسة مع محركات بحث ويب قوية مثل DuckDuckGo، وPerplexity وTavily، حيث تقدم كل منها مزايا فريدة تعزز تجربة بحثك.
حدد اسم LLM المحلي الخاص بك (مثل llama3.2 أو deepseek-r1:8b) وقم بضبط عمق تكرارات البحث إذا لزم الأمر (الافتراضي هو 3).
الخطوة 4: أدخل استعلامك
أدخل موضوعك: بمجرد التكوين، أدخل موضوع بحثك أو استعلامك في واجهة LangGraph Studio.
توليد التقرير: سيقوم Ollama بإنشاء تقرير شامل بتنسيق markdown استنادًا إلى مدخلاتك، باستخدام محرك البحث و LLM المحددين.
تتيح لك هذه الإعدادات الاستفادة من قوة Ollama Deep Research للبحث الفعال والخاص، مع المرونة لاختيار محرك البحث و LLM المفضلين لديك.
لماذا يجب استخدام Ollama Deep Research بدلاً من الآخرين؟
يوفر Ollama Deep Research عدة مزايا مقارنةً بالأدوات الخاصة مثل OpenAI Deep Researcher و Google’s Deep Research:
الخصوصية والتحكم:
بما أن Ollama تعمل بالكامل على جهازك المحلي، فإنك تحتفظ بكامل التحكم في بياناتك وعملية البحث الخاصة بك. هذه المسألة مهمة بشكل خاص للمواضيع الحساسة حيث تكون خصوصية البيانات حاسمة.
على عكس OpenAI Deep Researcher، الذي يتطلب إرسال البيانات إلى خوادمهم، يحتفظ Ollama بكل بحثك داخل المؤسسة.
كفاءة التكلفة:
Ollama هو مفتوح المصدر ويمكن تشغيله مجانًا إذا كان لديك العتاد اللازم. وهذا يلغي الحاجة إلى مكالمات API المكلفة أو رسوم الاشتراك المرتبطة بالنماذج الخاصة.
كان OpenAI Deep Researcher، على سبيل المثال، متاحًا في البداية فقط مع اشتراك ChatGPT Enterprise/Pro، والذي يعتبر أغلى بكثير.
التخصيص:
مع Ollama، يمكنك الاختيار من بين مجموعة متنوعة من النماذج المحلية أو حتى تعديلها باستخدام مجموعات بيانات محددة للمجال. تتيح لك هذه المرونة تخصيص أداة البحث الخاصة بك وفقًا لاحتياجاتك المحددة.
توفر الأدوات الخاصة مثل OpenAI Deep Researcher تخصيصًا أقل وتعتمد على نماذجها الخاصة، مما يحد من قدرتك على ضبط المعلمات أو دمج الأدوات المخصصة.
ميزات Ollama Deep Research
Ollama Deep Research يأتي مع عدة ميزات رئيسية تجعل منه خيارًا جذابًا للباحثين:
1. دعم النموذج المحلي:
يدعم أي LLM مستضاف محليًا، مما يسمح لك باختيار نماذج مثل LLaMA-2 أو DeepSeek بناءً على احتياجاتك ومواردك. تضمن هذه المرونة أنك تستطيع تحسين الأداء والدقة وفقًا لقدرات النموذج.
2. بحث وتلخيص تكراري:
تؤدي الأداة دورات متعددة من البحث والتلخيص لضمان تغطية شاملة للموضوع وتحديد الفجوات المعرفية. تساعد هذه الطريقة التكرارية في تحسين الناتج البحثي وتوفير نظرة عامة شاملة.
3. إنشاء تقرير بتنسيق Markdown:
ينشئ Ollama تقارير بتنسيق markdown، والذي من السهل قراءته وتحريره. تتضمن التقارير جميع المصادر المستخدمة، مما يجعل من السهل الإشارة إليها وتوسيع البحث.
4. الحفاظ على الخصوصية:
نظرًا لأن الأداة تعمل محليًا، فإنها تضمن بقاء بيانات بحثك خاصة وآمنة. يتم إرسال الاستعلامات فقط إلى المحركات الخارجية، وحتى تلك يمكن تكوينها لاستخدام خيارات غير تتبع مثل DuckDuckGo.
التسعير
واحدة من أكبر مزايا Ollama Deep Research هي نموذج التسعير الخاص به. كأداة مفتوحة المصدر، فهي مجانية للاستخدام بمجرد أن يكون لديك العتاد اللازم. التكاليف الوحيدة المعنية هي تلك المتعلقة بالحفاظ على إعدادك المحلي، مثل الكهرباء وصيانة العتاد. هذا يمثل تباينًا واضحًا مع الأدوات الخاصة مثل OpenAI Deep Researcher، التي تتطلب اشتراكات مكلفة أو رسوم لط Calls API.
بالمقارنة، Google’s Deep Research مدرج في خطة Google One Premium بحوالي 20 دولارًا شهريًا، مما يجعلها أكثر سهولة من عروض OpenAI ولكن لا تزال أقل فعالية من حيث التكلفة مقارنةً بـ Ollama بالنسبة لأولئك الذين لديهم إعداد硬件 المطلوب.
الخلاصة
Ollama Deep Research هو بديل مفتوح المصدر قوي لأدوات البحث العميق الخاصة مثل OpenAI Deep Researcher. يوفر خصوصية وتخصيص وكفاءة تكلفة لا مثيل لها، مما يجعله خيارًا مثاليًا للباحثين الذين يقدرون التحكم في بياناتهم وعملية البحث الخاصة بهم. سواء كنت طالبًا أو محترفًا أو ببساطة شخصًا مهتمًا بتعميق فهمه لموضوع معين، يوفر لك Ollama Deep Research أدوات ومرونة تحتاجها لتحقيق أهدافك.