> ## Documentation Index
> Fetch the complete documentation index at: https://private-7c7dfe99-mintlify-fbfa8bee.mintlify.site/llms.txt
> Use this file to discover all available pages before exploring further.

# التحليلات المعتمدة على الوكلاء

> تعرّف على كيفية إتاحة ClickHouse للتحليلات المعتمدة على الوكلاء

export const Image = ({img, alt, size}) => {
  return <Frame>
      <img src={img} alt={alt} />
    </Frame>;
};

تفرض أحمال عمل الذكاء الاصطناعي مجموعة ثابتة من المتطلبات بغض النظر عن حالة الاستخدام:

* تزامنًا عاليًا للاستعلامات
* أزمنة استجابة أقل من ثانية
* بيانات كاملة الدقة على نطاق واسع

توضح هذه الوثيقة كيف يلبّي ClickHouse هذه المتطلبات عبر التحليلات في الوقت الفعلي، ومستودعات البيانات، والرصدية، وكيف تتقارب حالات الاستخدام هذه ضمن منصة بيانات موحّدة للتطبيقات القائمة على الوكلاء.

<div id="agentic-workloads">
  ## ClickHouse لأحمال العمل الوكيلة
</div>

<Tabs>
  <Tab title="التحليلات في الوقت الفعلي" icon="bolt">
    تتطلب ميزات التطبيقات المدعومة بالذكاء الاصطناعي، مثل الرؤى المُولَّدة، واكتشاف الشذوذ، والتوصيات، وواجهات اللغة الطبيعية لبيانات المنتج، حلقة تغذية راجعة محكمة بين الكتابات المعاملاتية والقراءات التحليلية.
    والبنية القياسية لذلك هي Postgres + ClickHouse:

    * يتولى Postgres المعاملات وحالة التطبيق، بينما يتولى ClickHouse التحليلات.
    * يوفّر ClickHouse استيعابًا سريعًا للبيانات، واستعلامات دون الثانية على مليارات الصفوف، ومستويات التزامن التي تتطلبها التطبيقات الموجّهة للعملاء.

    ومع تحوّل التطبيقات إلى نمط الوكلاء، تزداد أهمية هذا الاقتران.
    يجب على الوكلاء الاستعلام باستمرار عن بيانات المنتج الحية، مما يزيد كلاً من وتيرة الاستعلامات ومستوى التزامن.
    يعالج ClickHouse ذلك من خلال تكامل Postgres + ClickHouse أصلي يوفّر نسخًا متماثلًا تلقائيًا للبيانات وتجربة موحدة للمطورين، ما يلغي الحاجة إلى إدارة مسار CDC منفصل.
  </Tab>

  <Tab title="مستودعات البيانات" icon="database">
    تنتقل واجهات التحليلات باللغة الطبيعية (التي يُشار إليها أحيانًا باسم AI Analyst) من مرحلة التجريب إلى بيئات الإنتاج.
    يطرح المستخدمون أسئلة بلغة إنجليزية بسيطة ويتوقعون إجابات خلال ثوانٍ.

    وما يعنيه ذلك للبنية التحتية هو أن استعلامًا واحدًا باللغة الطبيعية لا يولّد استعلام SQL واحدًا، بل يولّد عادةً عشرات الاستعلامات المتتابعة بسرعة بينما يستكشف الوكيل مجموعات البيانات المتاحة ويقيّم مسارات استدلال متعددة.
    ونتيجة لذلك، تبدأ أحمال عمل المحللين الداخلية في التشابه مع أحمال العمل الخارجية الموجّهة للعملاء من حيث خصائص التزامن وزمن الاستجابة.

    صُممت مستودعات البيانات التقليدية لاستعلامات غير متكررة وموجّهة للدفعات. فهي مُحسّنة لتحقيق الإنتاجية الإجمالية عبر عدد كبير من الاستعلامات، لا لتحقيق أزمنة استجابة دون الثانية عند مستويات تزامن مرتفعة. ويؤدي تشغيل أحمال عمل AI Analyst على هذه البنية إما إلى زمن استجابة غير مقبول أو إلى تكاليف تنمو بوتيرة أسرع من القيمة المتحققة.

    صُمم ClickHouse للاستعلامات التفاعلية عالية التزامن: بيانات على مستوى البيتابايت، وآلاف المستخدمين المتزامنين، وأزمنة استجابة دون الثانية على مليارات الصفوف.
  </Tab>

  <Tab title="الرصدية" icon="eye">
    تُبنى مكدسات الرصدية التقليدية على ثلاث ركائز منفصلة — المقاييس والسجلات والتتبعات — مع تجميع البيانات مسبقًا وأخذ عينات منها للتحكم في تكاليف التخزين. هذه المقايضة مقبولة في سير العمل الذي يقوده البشر، لكنها لا تنجح مع AI SRE.
    يتطلب الفرز الآلي للحوادث، وتحليل السبب الجذري، وربط الحالات الشاذة بيانات دقيقة ومرتفعة الكاردينالية وذات احتفاظ طويل. ولا يمكن لوكيل ذكاء اصطناعي يربط نمط خطأ بحدث نشر وقع قبل ثلاثة أيام أن يعمل مع سجلات مأخوذة بالعينات أو مقاييس مخفّضة العينات.

    البنية التي تدعم AI SRE هي مصدر موحّد للحقيقة قائم على أحداث مهيكلة واسعة مخزنة في تخزين عمودي. تُخزَّن الأحداث الكاملة الدقة مرة واحدة، وتُشتق منها المقاييس والتتبعات وSLOs عند وقت الاستعلام بدلًا من تجميعها مسبقًا عند الاستيعاب.
    ClickHouse مناسب جدًا لهذا النموذج:

    * ضغط عالٍ لبيانات السجلات والأحداث
    * استعلامات دون الثانية على wide events عالية الكاردينالية
    * استيعاب فعّال للبيانات على أحجام البنية التحتية في بيئات الإنتاج
    * نموذج تكلفة قائم على compute وStorage، وليس على رسوم استيعاب البيانات لكل GB

    ClickStack هو مكدس الرصدية الخاص بـ ClickHouse والمبني على هذا النموذج، ويستخدم OpenTelemetry كطبقة جمع البيانات.
    وهو متاح بصفته open source وكخدمة مُدارة.
  </Tab>
</Tabs>

<div id="convergence-dwh-o11y">
  ## تقارب مستودعات البيانات والرصدية
</div>

لطالما كانت مستودعات البيانات والرصدية مجالين منفصلين، لكلٍ منهما مورّدوه ومشتروه ومكدسه التقني الخاص. لكن هذا الفصل أصبح اليوم، بشكل متزايد، مجرد عُرف أكثر من كونه متطلبًا تقنيًا.
يعتمد كلا المجالين الآن على تخزين الكائنات. ويتطلب كلاهما استعلامات تفاعلية منخفضة الكمون عند مستويات تزامن عالية. وعلى مستوى البيانات، غالبًا ما تُخزَّن الأحداث نفسها مرتين — مرة في منصة رصدية ومرة في مستودع بيانات — مع طبقة مزامنة هشة بينهما.
إن تخزين كل ذلك مرة واحدة فقط بتنسيقات مفتوحة، بحيث يمكن لأدوات AI Analyst وAI SRE الاستعلام عنه، يزيل هذا التكرار ويجعل السياق متاحًا عبر سيرَي العمل كليهما.

<div id="platform-layer">
  ## طبقة المنصة: واجهات جاهزة للوكلاء والرصدية نماذج اللغة الكبيرة
</div>

يلزم وجود مكوّنين إضافيين إلى جانب قاعدة البيانات لبناء منصة التحليل المعتمد على الوكلاء متكاملة.

**واجهات جاهزة للوكلاء**

عندما تكون وكلاء الذكاء الاصطناعي هي الواجهة الأساسية للبيانات، تحتاج منصة البيانات إلى إتاحة قدراتها بطرق يمكن للوكلاء التعامل معها — مثل واجهات برمجة التطبيقات المتوافقة مع MCP، وواجهات اللغة الطبيعية، وأطر عمل الوكلاء التي تتكامل من دون تخصيص منفصل لكل حالة استخدام. يجمع Agentic Data Stack بين ClickHouse وLibreChat لتوفير طريقة جاهزة لنشر وكلاء التحليلات على بياناتك.

**الرصدية نماذج اللغة الكبيرة**

مع تزايد انتشار الوكلاء، يصبح تتبّع تنفيذهم، ومراقبة أداء النماذج، وتتبع التكاليف، واستكشاف الإخفاقات وإصلاحها عبر مسارات العمل متعددة الخطوات متطلبًا هندسيًا أساسيًا. يعمل Langfuse على ClickHouse Cloud لتوفير الرصدية نماذج اللغة الكبيرة في الوقت الفعلي وعلى نطاق واسع.