فرز مجاني لمستودع OpenClaw باستخدام نماذج الذكاء الاصطناعي المحلية

مؤلفو مدونة Hugging Face شرحوا كيف بنوا نظامًا للفرز الفوري للمهام وطلبات السحب (PR) في مستودع OpenClaw، باستخدام نماذج مفتوحة الوزن محلية Gemma 4 26B و Qwen 3.6 35B ضمن إطار وكيل Pi. نشأت الفكرة بعد أن حذفت Anthropic أحدث نموذج لها Claude Fable 5، مما يؤكد أن النماذج المغلقة قد تختفي في أي لحظة. يعمل النظام على جهاز NVIDIA GB10 محلي بذاكرة موحدة بسعة 128 جيجابايت. للتصنيف، يُستخدم وكيل يحصل على العنوان والجسم ومقتطف من طلب السحب، ولا يمكنه تنفيذ إلا أوامر القراءة فقط عبر reposhell (bash مقيد) أو استدعاء JSON النهائي بالنتيجة. هذا يحمي من حقن الأوامر. تم بناء التنسيق باستخدام gitcrawl للمرآة المحلية و localpager لقائمة المهام. أظهر الاختبار على 330 مشكلة وطلب سحب أن Gemma تحقق F1 بقيمة 0.800 بزمن 1.41 ثانية لكل سطر ومعدل 402.6 رمز مخرج في الثانية، بينما Qwen تحقق F1 بقيمة 0.824 بزمن 13.51 ثانية لكل سطر و 145.3 رمز/ثانية، و DeepSeek-V4-Flash (284B) تحقق F1 بقيمة 0.811 ولكن بزمن 144 ثانية لكل سطر. بلغ عدد الإنذارات الكاذبة لـ Gemma 227، ولـ Qwen 106، ولـ DeepSeek 30. يلاحظ المؤلفون أن الدقة تتحسن بفضل تقنية الكم NVFP4 على معمارية Blackwell وتحسينات vLLM، وأن التكلفة تقتصر على الكهرباء.