إتقان التشغيل الآلي للمهام باستخدام Gemini 3 على Vertex AI

Lisa Ernst · 18.03.2026 · الذكاء الاصطناعي · 11 دقيقة

تمنح Gemini 3 على Vertex AI المطورين طريقة عملية لبناء تطبيقات متعددة الوسائط يمكنها الاستدلال، واستخدام الأدوات، ومعالجة المدخلات المعقدة، والتوسع إلى الإنتاج. بدلاً من التعامل مع الذكاء الاصطناعي كمولد نصوص مستقل، فإن Vertex AI تحول Gemini إلى جزء من سير عمل أكبر يتضمن الاختبار، والتحكم في الوصول، والمراقبة، والنشر.

المصدر: تعكس هذه الصورة الجانب التقني لتطوير الذكاء الاصطناعي الحديث، حيث تجتمع التعليمات البرمجية، والأتمتة، والنماذج متعددة الوسائط داخل Google Cloud.

توفر منصة Vertex AI من Google Cloud بيئة موحدة للعمل مع Gemini والنماذج الأساسية الأخرى. بالنسبة للفرق التي تبني تطبيقات حقيقية، فإن هذا مهم لأن التطوير لا يتوقف عند الاستعلام. يؤثر المصادقة، واختيار النموذج، والتقييم، واستخدام الأدوات، وطرح الإنتاج جميعها على ما إذا كان نظام الذكاء الاصطناعي يظل نموذجًا أوليًا أم يصبح مفيدًا حقًا.

ملخص سريع:

• منصة موحدة: تجمع Vertex AI بين الوصول إلى النموذج والاختبار والنشر والأدوات التشغيلية في بيئة واحدة.
• اتجاه SDK الحديث: تركز سير عمل Gemini الجديدة على Vertex AI بشكل متزايد حول Google Gen AI SDK.
• ملاحظة هامة حول الترحيل: تم إيقاف الوحدات التوليدية الأقدم في Vertex AI SDK وجدولة لإزالتها، لذلك يجب على المشاريع الجديدة تجنب البناء على مساحات أسماء قديمة.
• قدرات متعددة الوسائط: يمكن لـ Gemini 3 معالجة النصوص والتعليمات البرمجية والصور والصوت والفيديو وملفات PDF، اعتمادًا على متغير النموذج.
• ضوابط الأداء: تساعد معلمات مثل thinking_level و media_resolution في الموازنة بين الجودة والسرعة واستخدام الرموز.
• قيمة التشغيل الآلي: تجعل ميزات مثل استدعاء الدالة وتنفيذ التعليمات البرمجية Gemini أكثر فائدة للأتمتة المنظمة للمهام من حالات الاستخدام البسيطة للمحادثة.

لماذا Gemini 3 على Vertex AI مهم

Gemini 3 وثيق الصلة بشكل خاص بالتطبيقات التي تحتاج إلى أكثر من مجرد إخراج نص عادي. على Vertex AI، يمكن استخدامه للفهم متعدد الوسائط، وسير العمل المعتمد على الاستدلال، وحل المشكلات بمساعدة التعليمات البرمجية، والأتمتة الشبيهة بالوكلاء. هذا يجعله مناسبًا بشكل أفضل لتحليل المستندات، وأتمتة سير العمل، وأدوات المطورين، والمساعدين المؤسسيين الداخليين بدلاً من إعداد دردشة بسيطة مقتصرة عليها.

تضيف Vertex AI أيضًا ميزات المنصة المحيطة التي تحتاجها العديد من الفرق في النهاية على أي حال. وتشمل هذه التحكم في الوصول من خلال IAM، واختبار المطالبات في Vertex AI Studio، والمراقبة التشغيلية، والانتقال السلس من التجريب إلى أنظمة الإنتاج. بالنسبة للمطورين، هذا يعني أدوات أقل انفصالًا. بالنسبة للمؤسسات، يعني ذلك مزيدًا من التحكم في كيفية تقديم أنظمة الذكاء الاصطناعي وصيانتها.

تغييرات هامة في SDK والمصادقة

أحد أهم التحديثات التقنية هو انتقال SDK. يتم إيقاف الوحدات القديمة للذكاء الاصطناعي التوليدي في Vertex AI SDK، بما في ذلك vertexai.generative_models و vertexai.language_models و vertexai.vision_models و vertexai.tuning و vertexai.caching، وهي مجدولة للإزالة. بالنسبة لتكاملات Gemini الجديدة على Vertex AI، فإن المسار الموصى به هو Google Gen AI SDK.

تعتمد المصادقة على كيفية وصولك إلى Vertex AI، ولكن الأساليب الشائعة تشمل بيانات الاعتماد الافتراضية للتطبيق (ADC)، أو بيانات اعتماد gcloud، أو الوصول المستند إلى مفتاح API في السيناريوهات المدعومة مثل وضع express. في مشروع Google Cloud قياسي، تحتاج عادةً إلى تمكين الفوترة، وتنشيط Vertex AI API، ولديك دور roles/aiplatform.user IAM أو دور مخصص مكافئ. تُستخدم متغيرات البيئة مثل GOOGLE_CLOUD_PROJECT و GOOGLE_CLOUD_LOCATION=global و GOOGLE_GENAI_USE_VERTEXAI=True بشكل شائع في الإعدادات المستندة إلى SDK.

التفاعل مع نماذج Gemini

يُستخدم Gemini API في Vertex AI لإرسال طلبات متعددة الوسائط وتلقي مخرجات النموذج من خلال طرق مثل generateContent. اعتمادًا على النموذج المحدد، يمكن لـ Gemini العمل مع مجموعات من مدخلات النص والتعليمات البرمجية والصور والصوت والفيديو وملفات PDF. هذا مفيد بشكل خاص عند بناء أنظمة تحتاج إلى تلخيص المستندات، أو فحص لقطات الشاشة، أو استخلاص المعنى من الوسائط المختلطة، أو دمج الاستدلال مع الأتمتة المنظمة.

اختيار النموذج مهم. على سبيل المثال، gemini-3.1-pro-preview مصمم للاستدلال المتقدم وسير العمل الشبيه بالوكيل، ولكنه لا يدعم إخراج الصور. يجب على المطورين الذين يعملون على إصدارات معاينة أقدم أيضًا ملاحظة أن gemini-3-pro-preview يتم إيقافه، مما يجعل تخطيط الترحيل مهمًا إذا كان التطبيق لا يزال يعتمد عليه.

قدرة ملحوظة أخرى هي تنفيذ التعليمات البرمجية. بدلاً من مجرد وصف حل، يمكن لـ Gemini إنشاء وتنفيذ تعليمات برمجية Python كأداة، وفحص النتيجة، والاستمرار في التكرار من هناك. هذا يجعله مفيدًا بشكل خاص للحسابات، ومعالجة البيانات المنظمة، ومنطق التحويل، والمهام الأخرى حيث يفيد الاستدلال التنفيذ الفعلي بدلاً من التنبؤ النصي النقي.

تحسين التفاعلات والأداء

يساعد Vertex AI Studio المطورين على اختبار المطالبات، ومقارنة السلوكيات، والتحقق من الأفكار قبل دمجها في تعليمات برمجية للإنتاج. هذا مهم لأن العديد من مشكلات النموذج لا تنتج عن النموذج نفسه، بل عن تعليمات غير واضحة، أو بنية إدخال سيئة، أو اختيار نموذج خاطئ. تضيف Vertex AI أيضًا تحسين المطالبات، وأدوات التقييم، وميزات الإدارة التي تصبح ذات قيمة متزايدة مع نمو المشاريع.

التحكم في سلوك Gemini 3

#!يقدم Gemini 3 معلمة thinking_level، مما يمنح المطورين تحكمًا مباشرًا أكثر في مقدار الاستدلال الداخلي الذي يجب أن يستخدمه النموذج. يساعد هذا في الموازنة بين جودة الاستجابة ووقت الاستجابة والتكلفة اعتمادًا على المهمة.

بالنسبة للمدخلات متعددة الوسائط، توفر media_resolution مزيدًا من التحكم. تقلل الإعدادات المنخفضة من استهلاك الرموز وزمن الاستجابة، بينما تساعد الإعدادات الأعلى عندما يحتاج النموذج إلى فحص التفاصيل الدقيقة، مثل لقطات الشاشة الكثيفة، أو ملفات PDF الممسوحة ضوئيًا، أو عناصر الواجهة الصغيرة. نتيجة لذلك، لا يتعلق ضبط الأداء بالمطالبات فقط؛ بل يتعلق أيضًا باختيار إعدادات الاستدلال والوسائط الصحيحة لعبء العمل.

إدارة السياق وأفضل الممارسات للطرح

تدعم نماذج Gemini 3 نافذة سياق إدخال كبيرة، مما يجعلها مفيدة للمستندات الطويلة، وسلاسل المطالبات الكبيرة، وسياق المهام الأوسع. ومع ذلك، لا يزال انضباط المطالبات مهمًا. التعليمات الواضحة، والقيود الصريحة، والإرشادات المستمرة على مستوى النظام تنتج عادةً مخرجات أكثر موثوقية من المطالبات الواسعة للغاية. لسير العمل الأساسي، غالبًا ما يكون من الأفضل إخبار النموذج بالضبط بالمصادر التي يمكنه استخدامها والافتراضات التي يجب عليه تجنبها.

تفصيل عملي آخر هو توقيعات التفكير في سير العمل متعدد الأدوار. عندما يعتمد سير العمل على الاستدلال المستمر عبر الطلبات، يجب الحفاظ على هذه التوقيعات بشكل صحيح. تجاهلها يمكن أن يؤدي إلى أخطاء في الطلب أو سلوك غير متناسق. يصبح هذا ذا صلة بشكل خاص في التدفقات الشبيهة بالوكيل أو المدفوعة بالأدوات حيث يعالج النموذج الخطوات المتوسطة عبر عدة أدوار.

من التطوير إلى النشر: تطبيقات العالم الواقعي

تصبح القوة الحقيقية لـ Gemini على Vertex AI أوضح عندما يتم ربطها بالمنتجات وسير عمل الأعمال الفعلية. بدلاً من الإجابة على استعلامات معزولة، يمكن دمج Gemini مع أدوات خارجية وأنظمة داخلية وخدمات سحابية لأتمتة إجراءات محددة، أو دعم المستخدمين الداخليين، أو تحسين تجارب العملاء. هذا هو المكان الذي تصبح فيه Vertex AI أكثر من مجرد نقطة نهاية للنموذج.

دراسة حالة: MAIA من MOGUL.sg

مثال مفيد هو MAIA من MOGUL.sg، وهو مساعد ذكاء اصطناعي مستخدم على WhatsApp للتفاعلات المتعلقة بالعقارات. يوضح كيف يمكن لـ Gemini دعم سير عمل المحادثة التي تتجاوز توليد النصوص من خلال الجمع بين استدلال النموذج والبيانات الخارجية والمنطق التجاري المنظمة.

المصدر: cloud.google.com

توضح هذه الصورة سير عمل مساعد ذكاء اصطناعي يعتمد على الهاتف الذكي، وتوضح كيف يمكن للأنظمة المدعومة بـ Gemini دعم تفاعلات العملاء الحقيقية في بيئات المراسلة.

أمثلة مثل هذه مهمة لأنها تظهر الاتجاه العملي للمنصة. عادةً ما تجمع عمليات النشر الناجحة بين نموذج قوي وتصميم سير عمل واضح، واستخدام أدوات محددة جيدًا، وبيانات تجارية تمنح التطبيق فائدة حقيقية.

المصدر: firebase.google.com

تكمل Firebase AI Logic تطوير Gemini للمنتجات المحمولة والويب من خلال مساعدة الفرق على دمج ميزات الذكاء الاصطناعي في التطبيقات بشكل أكثر أمانًا وكفاءة.

الميزات المؤسسية والقيمة التشغيلية

تضيف Vertex AI أيضًا خدمات ذات مستوى مؤسسي حول Gemini، بما في ذلك أدوات التقييم، وإدارة النماذج، وأدوات المطالبات، والمراقبة التشغيلية. هذه ليست إضافات بسيطة. تساعد الفرق على مقارنة سلوك النموذج، وتتبع التغييرات أثناء الترحيل، وتقليل مخاطر دفع منطق المطالبات غير المستقرة مباشرة إلى الإنتاج. بالنسبة للمنظمات التي لديها متطلبات الامتثال والجودة أو الموثوقية، غالبًا ما تكون هذه الطبقة المحيطة مهمة مثل النموذج نفسه.

هذا هو أيضًا سبب جاذبية Vertex AI للأتمتة. يمكنك الانتقال من مفهوم بسيط إلى سير عمل قابل للقياس، ومتكرر، وأسهل في الحكم. عمليًا، هذا يعني عددًا أقل من التعديلات الهشة للمطالبات وأنظمة أكثر تنظيمًا يمكن أن تتطور بمرور الوقت.

أسئلة متكررة

خاتمة

يعد الجمع بين Gemini 3 و Vertex AI جذابًا لأنه يتجاوز الوصول الخام إلى النموذج. إنه يمنح المطورين طريقة لبناء أنظمة ذكاء اصطناعي قادرة على الاستدلال واستخدام الأدوات ومتعددة الوسائط داخل منصة تدعم أيضًا الحوكمة والاختبار والنشر. هذا يجعله ذا قيمة خاصة للفرق التي تحتاج إلى أكثر من مجرد عرض توضيحي وتريد مسارًا واقعيًا من التجريب إلى الإنتاج.

بالنسبة للمنظمات التي تستكشف أتمتة الذكاء الاصطناعي، تكمن الفائدة الحقيقية في التحكم. اختيار النموذج والمصادقة وطرح المطالبات والأدوات التشغيلية واستراتيجية الترحيل كلها تشكل النتيجة النهائية. تجمع Vertex AI هذه القطع معًا، وهذا ما يجعل Gemini 3 أكثر فائدة بشكل كبير من مجرد نقطة نهاية نموذج مستقلة.