Qoralia: تخطيط مناخي للمدن بمساعدة الذكاء الاصطناعي
مساحة عمل يبحث فيها مسؤولو المدن في اللوائح والمنح وكتالوجات التدخلات خلال ثوانٍ، ويرون المنح المناسبة لهم، ويحسبون التكلفة وأثر انبعاثات CO₂ لمسار خفض انبعاثات كامل. الذكاء الاصطناعي يجد المرشحين، وقواعد يستطيع المسؤول تتبعها تحسم الأهلية.
السياق
كان مسؤولو المدن الذين يخططون لخفض الانبعاثات يعملون من جداول متفرقة وتقارير استشاريين. إيجاد التدخلات الممكنة، ومطابقتها مع التمويل، وحساب أثرها على انبعاثات CO₂، كانت ثلاث مهام منفصلة في ثلاثة أماكن منفصلة.
تجمعها Qoralia في مساحة عمل واحدة، والذكاء الاصطناعي هو ما يجعل المهمتين الأوليين سريعتين: فاللوائح ودعوات المنح وكتالوجات التدخلات التي يجب أن يقرأها المخطط أكبر من أن يُبحث فيها يدويًا.
الجزء الصعب
النموذج اللغوي بارع في إيجاد منح وتدخلات مرشحة وسط كومة من اللوائح، لكنه لا يصلح أن يكون من يقرر أن المدينة مؤهلة. فالمسؤول يجب أن يستطيع الدفاع عن هذه الإجابة، و«النموذج قال ذلك» ليس دفاعًا.
- يجب أن تأتي الإجابات من المصادر المناخية الفعلية، لا مما يتذكره النموذج.
- ويجب أن تكون أهلية المنحة قابلة للتتبع إلى قاعدة يستطيع شخص التحقق منها.
- ويجب أن تبقى بيانات انبعاثات كل مدينة في مساحة عملها، وأن تُفحص قبل أن تُحتسب.
كيف يعمل الذكاء الاصطناعي
قاعدة التصميم بسيطة: النموذج يقترح والقواعد تحسم. يتولى الذكاء الاصطناعي البحث والاستخراج، حيث يتفوق. وكل ما سيُحاسَب عليه المسؤول يحسمه منطق ثابت، تكون إجابته واحدة في كل مرة ويمكن شرحها.
وتمر طلبات النماذج عبر OpenRouter، وهي بوابة متعددة النماذج، بدل الاتصال المباشر بمزود واحد، فلا ترتبط المنصة بنموذج أو مزود بعينه.
استرجاع من المصادر المناخية (RAG)
تُحوَّل اللوائح ودعوات المنح وكتالوجات التدخلات إلى متجهات وتُخزَّن في PostgreSQL مع pgvector. ويُجاب عن السؤال من المقاطع المسترجعة له، فتستند الإجابات إلى المستندات المصدرية لا إلى ذاكرة النموذج.
النموذج يقترح والقواعد تحسم
يستخرج النموذج المنح والتدخلات المرشحة، ثم تحسم خطوة تقييم ثابتة الأهلية، وتُظهر الواجهة القاعدة التي اتخذت القرار، فيستطيع المسؤول تتبع الإجابة والدفاع عنها.
المنصة من حوله
- مسارات كاملة لا مشاريع منفردة: التكلفة وأثر انبعاثات CO₂ والجدوى محسوبة عبر مسار خفض انبعاثات كامل.
- استيراد مرحلي للبيانات: تُجهَّز بيانات الانبعاثات المستوردة بالجملة ويُتحقق منها قبل أن تدخل السجلات.
- مساحة عمل لكل مدينة: نظام متعدد المستأجرين بصلاحيات حسب الدور، فلا يرى كل فريق إلا بياناته.
- تسجيل دخول عبر Auth0 وبيئات منفصلة خلف Nginx.
- واجهة خلفية بـ FastAPI وواجهة أمامية بـ React.
أين وصل
الموقع العام لـ Qoralia يعمل على beta.qoralia.io. أما مساحة العمل نفسها فخلف تسجيل الدخول وتحمل بيانات كل مدينة، ولهذا تصف هذه الصفحة المعمارية بدل عرضها.
- مساحة عمل واحدة لإيجاد التدخلات ومطابقة التمويل وحساب أثر انبعاثات CO₂، بدل الجداول المتفرقة وتقارير الاستشاريين.
- إجابات أهلية يستطيع المسؤول تتبعها إلى قاعدة، لا مجرد رأي نموذج.
- لا يرى فريق كل مدينة إلا بياناته.
إن كنت تضيف الذكاء الاصطناعي إلى منتجك
التقسيم نفسه يصلح لمعظم برمجيات الأعمال: دع النموذج يبحث ويلخّص ويصوغ المسودات، وأبقِ كل ما يجب أن يعتمده شخص — الأهلية والتسعير والموافقات والامتثال — في قواعد يمكن اختبارها وشرحها. هذا هو الفرق بين ميزة ذكاء اصطناعي يثق بها الفريق، وأخرى يتوقف عن استخدامها بصمت.
من نفّذ العمل: بناه مهندس من ديزرت لونش عمل على الواجهة الخلفية بـ FastAPI والواجهة الأمامية بـ React في Qoralia. المنتج وعلامته ونتائجه ملك لـ Qoralia.
تضيف الذكاء الاصطناعي إلى منتجك؟
بحث في مستنداتك أنت، ومساعدات تصوغ المسودات، وقرارات يثق بها الناس — مصممة ليساعد النموذج وتبقى القواعد هي الحاكمة.