تصنيف مجاني لمستودع OpenClaw باستخدام نماذج الذكاء الاصطناعي المحلية
Hugging Face
Google/DeepMind
DeepSeek
Anthropic
تصف مدونة Hugging Face كيفية استخدام نماذج مفتوحة الوزن محلية (Gemma 4 26B و Qwen 3.6 35B) لتصنيف المشكلات وطلبات السحب في مستودع OpenClaw في الوقت الفعلي، لتحل محل النماذج المغلقة الباهظة الثمن. يستخدم النظام إطار وكيل مع غلاف مقيد (reposhell) لعمليات قراءة آمنة، ويحقق إنتاجية عالية على نظام NVIDIA GB10.
توضح المدونة كيف استبدل المؤلفون نماذج الذكاء الاصطناعي المغلقة بنماذج مفتوحة الوزن محلية لتصنيف المشكلات وطلبات السحب في مستودع OpenClaw، مدفوعين بخطر إزالة النماذج المغلقة (مستشهدين بإزالة نموذج Claude Fable 5 من Anthropic). باستخدام أداة تسمى 'localpager-agent' مع reposhell (قشرة مقيدة للقراءة فقط)، يصنف النظام كل عنصر إلى فئات مثل local_models وself_hosted_inference وغيرها. اختبروا Gemma 4 26B وQwen 3.6 35B على نظام NVIDIA GB10 (ذاكرة موحدة 128 جيجابايت). حققت Gemma استدعاءً أعلى (0.905) وإنتاجية أعلى (1.41 ثانية لكل صف، 16 عاملاً متزامناً)، بينما كان لـ Qwen دقة أعلى (0.831) وتطابق تام (0.540)، لكنها استغرقت 13.51 ثانية لكل صف مع 4 عمال فقط. تستخدم بنية شبه وكيلة نموذج اللغة الكبير فقط للتصنيف؛ أما الإشعارات فقائمة على القواعد. يعالج النظام العناصر عبر مرآة gitcrawl، ويخزن النتائج في SQLite، ويُرسل الإشعارات عبر Discord.
المصدر: Hugging Face blog —
الأصلي