News

نشر نماذج Hugging Face على SageMaker AI باستخدام وكلاء البرمجة

توضح AWS سير عمل موجهاً لنشر نماذج Hugging Face على Amazon SageMaker AI باستخدام وكلاء البرمجة، مع خيارات بنية تحتية صريحة وإجراء إنهاء.
Sep 21, 2026·2 min read
نشر نماذج Hugging Face على SageMaker AI باستخدام وكلاء البرمجة

#

النقاط الرئيسية

  • نشرت AWS شرحاً تقنياً في 18 سبتمبر 2026.
  • يستخدم سير العمل ست مهارات مفتوحة المصدر لتوجيه قرارات النشر.
  • يهدف إلى إبقاء خيارات البنية التحتية صريحة وقابلة للتحقق.
  • يتضمن المثال التوسّع التلقائي والمراقبة ومساراً للإنهاء.
  • كما تقارن AWS هذا المسار الموجّه بوكيل غير موجّه فشل في التنفيذ.

ما الذي تصفه AWS

نشرت AWS شرحاً تقنياً حول نشر نماذج Hugging Face على Amazon SageMaker AI باستخدام وكلاء البرمجة. يركز المقال على سير عمل يحافظ على قرارات البنية التحتية صريحة. ويستخدم ست مهارات مفتوحة المصدر لتوجيه الوكيل خلال خطوات النشر.

تغطي المهارات اكتشاف سياق AWS، وإعداد بيئة Python، والتحقق المسبق من IAM، واختيار صورة الخدمة، والإعدادات الافتراضية للإنتاج. تقول AWS إن سير العمل يمكنه إرجاع نقطة نهاية في الوقت الفعلي مع التوسّع التلقائي وتنبيهات CloudWatch. كما يتضمن حاوية AWS Deep Learning المناسبة ومسار إنهاء موثق.

كيف يعمل سير العمل الموجّه

يصف المنشور نهجاً موجهاً يتبع فيه وكيل البرمجة مهارات محددة بدلاً من اتخاذ كل قرار بمفرده. في المثال، تستخدم المهارات vLLM مع Qwen3. كما أنها تحدد صورة حالية من كتالوج AWS، وتضبط بيئة معزولة، وتربط المراقبة.

وتقارن AWS ذلك بوكيل غير موجّه. في تلك الحالة، اختار الوكيل حاوية غير مناسبة وأنتج نقطة نهاية فشلت دون خطأ واضح. يستخدم المقال هذه المقارنة لإظهار سبب أهمية الخطوات الموجّهة عندما تؤثر خيارات البنية التحتية في النتيجة.

أوضاع النشر المذكورة

تقول AWS إن سير العمل نفسه يدعم عدة أوضاع للنشر. وتشمل هذه النقاط النهائية في الوقت الفعلي، والتوسّع إلى الصفر، والاستدلال بدون خوادم، والاستدلال غير المتزامن، والتحويل الدفعي، وBedrock Custom Model Import. يعرض المقال هذه الخيارات كخيارات مدعومة ضمن سير العمل.

ويشير المنشور أيضاً إلى أن النقاط النهائية في الوقت الفعلي تُحتسب تكلفتها بشكل مستمر. ويقول إنه يجب حذفها عندما لا تعود مطلوبة. هذه نقطة تشغيلية، وليست ادعاءً عاماً بشأن التكلفة.

بيئة المثال في المقال

يستخدم نشر المثال Qwen/Qwen3-0.6B على نقطة نهاية واحدة من نوع ml.g5.xlarge في us-east-1. تصف AWS اختبار التحقق السريع والإنهاء في ذلك المثال. هذه شروط مثال فقط.

لا تقدمها المصدر على أنها إرشادات أداء عامة. كما أنه لا يدعي توفر المغرب أو أي مسار نشر خاص بالمغرب. ينبغي للقراء التعامل مع المثال كإعداد تعليمي، لا كنموذج عالمي.

اعتبارات تشغيلية وحوكمة

الموضوع التشغيلي الرئيسي في المقال هو التحكم. يتحقق سير العمل من السياق، وإعداد البيئة، وIAM، واختيار صورة الخدمة قبل النشر. كما يضيف المراقبة ومساراً للإنهاء.

هذا الهيكل يقلل التخمين. كما يجعل النشر أسهل في التحقق. لا يضيف المصدر سياسة حوكمة أوسع تتجاوز هذه الخطوات التقنية.

الصلة بالمغرب

لا يورد المصدر أي حقيقة أو إعلان خاص بالمغرب. والدرس العالمي المشروط هو أن خطوات النشر الموجّهة يمكن أن تساعد القراء على إبقاء خيارات البنية التحتية صريحة عند استخدام وكلاء البرمجة.

سياق المصدر

يعتمد هذا المنشور على مادة من AWS Machine Learning Blog نُشرت في 18 سبتمبر 2026. وهو برنامج تعليمي تقني مع بيئة مثال محددة. ويشير المصدر أيضاً إلى أن آلية الرجوع مفيدة لكنها محفوظة خلف إصدارات المنتج.

تابعونا على Google

أضفوا Intelligence Artificielle Maroc إلى مصادركم المفضلة لرؤية المزيد من أخبارنا ذات الصلة في بحث Google.

إضافتنا كمصدر مفضّل
تطوير منصات الذكاء الاصطناعي

ما الذي ترغب في بنائه؟

نحن نبني منصات ذكاء اصطناعي مخصصة ومنتجات SaaS وتطبيقات أعمال ذكية وأنظمة أتمتة.

هذا النموذج مخصص لطلبات المشاريع وليس للأسئلة العامة حول الذكاء الاصطناعي.

الاسم *
البريد الإلكتروني المهني *
المؤسسة (اختياري)
الحل *
وصف مختصر للمشروع *

Related Articles

featured
J
Jawad
·Sep 21, 2026

Amazon SageMaker Inference: مراجعة إطلاقات 2026

featured
J
Jawad
·Sep 21, 2026

أساسيات الأمن لا تزال مهمة في عصر الذكاء الاصطناعي

featured
J
Jawad
·Sep 21, 2026

EnvHarness من Google يساعد وكلاء الذكاء الاصطناعي على التدريب في بيئات متغيرة

featured
J
Jawad
·Sep 21, 2026

Amazon SageMaker HyperPod Inference Gateway: ما الذي أعلنته AWS