قام مطور بسد فجوة كبيرة في منظومة الذكاء الاصطناعي بإنشاء أول 10 مهارات وكيل مفتوحة المصدر لمعالجات AMD ROCm الرسومية، مما يجعل تطوير الذكاء الاصطناعي أسهل بكثير لمستخدمي AMD.
هل تعلم أن معالجات AMD ROCm الرسومية كانت تفتقر تمامًا إلى مهارات وكيل الذكاء الاصطناعي؟ هذا صحيح، بينما كانت منافستها إنفيديا تتباهى بأكثر من 428 مهارة وكيل على منصة skills.sh، كان لدى AMD صفرًا كاملاً. تخيل أنك مطور تستخدم أجهزة AMD مثل MI300X أو MI250 أو حتى Radeon RX 7900 للعمل بالذكاء الاصطناعي، وليس لديك أي أدوات مساعدة تلقائية. كان عليك أن تتعامل مع كل إعداد لوحدة معالجة الرسوميات (GPU) وكل تكوين لـ Docker وكل نشر للاستدلال يدويًا، بالاعتماد على التوثيق والنسخ واللصق. هذا يعني الكثير من الوقت الضائع والجهد الإضافي.
لكن الخبر الجيد وصل أخيرًا! قام مطور اسمه ييتشوا سيلفا (Yechua Silva) بسد هذه الفجوة الضخمة. لقد قام ببناء أول مجموعة مفتوحة المصدر من 10 مهارات وكيل جاهزة للإنتاج خصيصًا لأعباء عمل وحدات معالجة الرسوميات من AMD ROCm. هذه المهارات هي مجموعات تعليمات قابلة لإعادة الاستخدام تعلم وكلاء البرمجة بالذكاء الاصطناعي، مثل Claude Code وOpenCode وCursor، كيفية أداء مهام محددة. إنها بمثابة اللبنات الأساسية لسير عمل الوكلاء، حيث تقوم بمهام مثل «إعداد وحدة معالجة الرسوميات الخاصة بي» أو «نشر vLLM».
الآن، بفضل هذه المهارات الجديدة، يمكن لمطوري AMD الاستفادة من وظائف حيوية مثل «rocm-setup» لتثبيت ROCm وتكوينه، و«rocm-docker» لتكوينات Docker مع تمرير وحدة معالجة الرسوميات، و«vllm-rocm-deploy» لنشر vLLM لاستدلال النماذج اللغوية الكبيرة (LLM/VLM)، وحتى «yolo-rocm-deploy» لتشغيل YOLOv8. هذا يعني أن تطوير الذكاء الاصطناعي على أجهزة AMD أصبح الآن أسهل بكثير وأكثر كفاءة. هذه خطوة كبيرة إلى الأمام لمجتمع مطوري AMD بالكامل، وتجعل منظومة الذكاء الاصطناعي أكثر شمولاً وتنافسية.
لكن الخبر الجيد وصل أخيرًا! قام مطور اسمه ييتشوا سيلفا (Yechua Silva) بسد هذه الفجوة الضخمة. لقد قام ببناء أول مجموعة مفتوحة المصدر من 10 مهارات وكيل جاهزة للإنتاج خصيصًا لأعباء عمل وحدات معالجة الرسوميات من AMD ROCm. هذه المهارات هي مجموعات تعليمات قابلة لإعادة الاستخدام تعلم وكلاء البرمجة بالذكاء الاصطناعي، مثل Claude Code وOpenCode وCursor، كيفية أداء مهام محددة. إنها بمثابة اللبنات الأساسية لسير عمل الوكلاء، حيث تقوم بمهام مثل «إعداد وحدة معالجة الرسوميات الخاصة بي» أو «نشر vLLM».
الآن، بفضل هذه المهارات الجديدة، يمكن لمطوري AMD الاستفادة من وظائف حيوية مثل «rocm-setup» لتثبيت ROCm وتكوينه، و«rocm-docker» لتكوينات Docker مع تمرير وحدة معالجة الرسوميات، و«vllm-rocm-deploy» لنشر vLLM لاستدلال النماذج اللغوية الكبيرة (LLM/VLM)، وحتى «yolo-rocm-deploy» لتشغيل YOLOv8. هذا يعني أن تطوير الذكاء الاصطناعي على أجهزة AMD أصبح الآن أسهل بكثير وأكثر كفاءة. هذه خطوة كبيرة إلى الأمام لمجتمع مطوري AMD بالكامل، وتجعل منظومة الذكاء الاصطناعي أكثر شمولاً وتنافسية.
