كيف تجعل تطبيق الذكاء الاصطناعي الخاص بك يصمد عندما يختفي نموذج فجأة

كل مطوّر يبني على الذكاء الاصطناعي يتعلّم في النهاية الدرس نفسه بالطريقة الصعبة: النموذج الذي تعتمد عليه ليس مضموناً أن يكون هناك. يمكن أن يُقيَّد معدله عند ذروة الحركة، أو يُرجع رفضاً، أو يصطدم بخطأ تحميل زائد، أو — كما حدث مع Claude Fable 5 في يونيو 2026 — أن يُطفأ بالكامل لأسباب لا علاقة لها بكودك إطلاقاً. التطبيقات التي تنجو من هذه اللحظات ليست تلك ذات أفضل موجّه (prompt). بل تلك التي خطّطت لغياب النموذج.

يستعرض هذا الدليل نهجاً عملياً متعدد الطبقات للمرونة يعمل سواء استدعيت مزوّداً واحداً مباشرة أو وجّهت عبر بوابة (gateway).

الخطوة 1: لا تثبّت أبداً نموذجاً واحداً بشكل صلب

أكثر مواطن الهشاشة شيوعاً هو اسم نموذج مُضمَّن مباشرة في الطلب. في اللحظة التي يتوقف فيها ذلك النص عن العمل، يفشل كل استدعاء. بدلاً من ذلك، عرّف نماذجك كإعدادات — قائمة أولويات صغيرة، لا ثابتاً:

MODEL_CHAIN = [
    "claude-opus-4-8",      # primary
    "claude-sonnet-4-6",    # same provider, cheaper/faster
    "gpt-5.5",              # different provider entirely
]

هذا التغيير الواحد يعني أن تبديل المزوّدين أثناء حادث ما هو تعديل إعدادات، لا نشر كود. لاحظ أن الإدخال الثالث هو بائع مختلف. النسخ الاحتياطية من المزوّد نفسه تحميك من تعطّل نموذج واحد؛ بينما النسخ الاحتياطية عبر المزوّدين تحميك من تعطّل المزوّد بأكمله — أو من أمره بالتوقف.

الخطوة 2: استخدم سلسلة احتياطية، لا محاولة واحدة

النمط بسيط: جرّب كل نموذج بالترتيب، وانتقل إلى التالي عند الفشل، ولا تُظهر خطأً إلا إذا استُنفدت السلسلة بأكملها.

def call_with_fallback(messages):
    last_error = None
    for model in MODEL_CHAIN:
        try:
            return client.complete(model=model, messages=messages)
        except (RateLimitError, OverloadError, RefusalError) as e:
            last_error = e
            continue  # try the next model
    raise AllModelsFailedError(last_error)

ما الذي تعود إليه احتياطياً يهم. إعادة المحاولة على النموذج نفسه عند خطأ overloaded عابر (HTTP 529) منطقية بعد تراجع قصير (backoff). لكن خطأ مصادقة أو طلباً مُشوَّهاً سيفشل بشكل متطابق على كل نموذج — وتلك يجب أن تظهر فوراً بدلاً من حرق سلسلتك بأكملها.

الخطوة 3: اعتمد على المنصة عندما تقدّم نسخاً احتياطية أصلاً

لست مضطراً دائماً إلى صنع هذا يدوياً. عدة منصات تفعل ذلك الآن من جهة الخادم:

• واجهة Anthropic البرمجية (API) أضافت معامل fallbacks تجريبياً (beta) يعيد محاولة طلب مرفوض على نموذج بديل في رحلة واحدة ذهاباً وإياباً — مثلاً، تم ضبط Fable 5 ليعود احتياطياً إلى Opus 4.8 عندما يرفض مصنِّفوه طلباً. تتبع الفوترة النموذج الذي خدم الاستجابة فعلياً.
• OpenRouter يتيح لك تمرير مصفوفة models بترتيب الأولوية؛ وهو يتحوّل احتياطياً تلقائياً عند أخطاء طول السياق، وعلامات الإشراف، وحدود المعدل، والأعطال، ويفوتر لك بسعر أي نموذج أجاب.
• LiteLLM يأتي مع Router بإعادة محاولات مدمجة، ونسخ احتياطية، وموازنة حمل عبر عمليات النشر والبائعين، وتستضيفه ذاتياً لأقصى تحكّم.

بوابة مثل OpenRouter أو LiteLLM تمنحك نقطة نهاية موحّدة واحدة عبر العديد من المزوّدين، بحيث يكون النسخ الاحتياطي عبر المزوّدين مجرد إدخال آخر في قائمة بدلاً من حزمة تطوير برمجيات (SDK) ثانية للدمج.

الخطوة 4: أضف قاطع دائرة (circuit breaker) لتفشل بسرعة

إذا كان نموذج معطّلاً بوضوح، فأنت لا تريد أن ينتظر كل طلب انتهاء مهلته قبل أن يسقط إلى التالي. يتتبّع قاطع الدائرة حالات الفشل الأخيرة، وبمجرد تجاوز عتبة، يتخطّى النموذج المعطّل بالكامل لفترة تهدئة. تستقرّ فرق الإنتاج في 2026 عادةً حول خمس حالات فشل متتالية لقطع الدائرة وتهدئة تبلغ نحو 60 ثانية قبل اختبار التعافي. وبينما القاطع مفتوح، تذهب الحركة مباشرة إلى النموذج التالي في السلسلة — دون زمن استجابة مهدور.

الخطوة 5: قرّر ماذا يعني "التدهور" بالنسبة لمنتجك

العودة إلى نموذج أرخص ليست مجانية — تنخفض الجودة، وقد تتصرّف موجّهاتك بشكل مختلف. خطّط لذلك:

• اختبر موجّهاتك مقابل كل نموذج في السلسلة. موجّه مضبوط لنموذج واحد قد ينتج مخرجات أسوأ بشكل ملحوظ على نسخته الاحتياطية.
• أخبر المستخدم عندما تتدهور إذا كان ذلك يهم (مثلاً "يعمل في الوضع السريع")، بدلاً من شحن نتائج أقل جودة بصمت.
• سجّل أي نموذج خدم كل طلب فعلياً حتى تتمكن بعد حادث ما من معرفة كم من الحركة استوعبتها النسخ الاحتياطية.

الخلاصة

المرونة ليست ميزة تركّبها بعد الإطلاق — إنها قدر صغير من البنية تضيفه مبكراً: إعدادات بدلاً من ثوابت، وسلسلة أولويات بدلاً من استدعاء واحد، وقاطع دائرة لتفشل بسرعة، وموجّهات مُختبَرة في كل مستوى. الفرق التي ظلّت تطبيقاتها تعمل أثناء إيقاف Fable 5 في يونيو لم تكن محظوظة. لقد كانوا ببساطة قد أجابوا بالفعل عن السؤال الذي ينبغي لكل باني ذكاء اصطناعي أن يطرحه في اليوم الأول: ماذا يحدث عندما لا يكون هذا النموذج موجوداً غداً؟