استخدِم crewAI لبناء أنظمة متعددة الوكلاء ومتعددة الوسائط لتحسين رفوف البيع بالتجزئة باستخدام watsonx.ai.

تخيَّل تحويل أداء متجرك للبيع بالتجزئة فقط باستخدام هاتف ذكي وإمكانات الذكاء الاصطناعي (AI). وهذا ليس سيناريو بعيد المنال؛ بل واقع يمكن للمتاجر الصغيرة والمتوسطة تطبيقه اليوم! في هذا البرنامج التعليمي، سنستعرض حالة استخدام حقيقية ومذهلة حيث يمكن لأصحاب ومديري المتاجر استخدام الذكاء الاصطناعي لتحسين ترتيب الرفوف، وزيادة المبيعات وتعزيز تجربة العملاء. سنستفيد في هذا المشروع من أحدث نموذج Granite من IBM بالإضافة إلى نموذج الرؤية Llama 3.2 من Meta.

مع ظهور الذكاء الاصطناعي التوليدي، أصبح بإمكان المتاجر الصغيرة والمتوسطة الوصول إلى تحليلات وتوصيات على مستوى الخبراء، كانت في السابق حكرًا على المؤسسات الكبرى التي تمتلك فرقًا متخصصة في علوم البيانات. وهذا الانتشار الواسع لتقنيات الذكاء الاصطناعي يمكن أن يكون نقطة تحوُّل لمتجرك المحلي، أو لمتجر الأزياء المتخصص، أو حتى لسلسلة إقليمية.

إليك ما يميِّز هذا الأسلوب ويجعله ثوريًا:

• البساطة: كل ما تحتاجه للبدء هو صورة بسيطة لممر متجرك.
• الخبرة عند الطلب: يعمل وكلاء الذكاء الاصطناعي كفريقك الشخصي من خبراء البيع بالتجزئة، حيث يحللون مساحتك وتوجهات السوق الحالية.
• الرؤى القابلة للتنفيذ: ستحصل على خطة تفصيلية وعملية لإعادة ترتيب رفوفك؛ بهدف زيادة المبيعات وتعزيز رضا العملاء.
• الفاعلية من حيث التكلفة: هذا النهج يُلغي الحاجة إلى مستشارين باهظي الثمن أو أنظمة برمجية معقدة.
• القدرة على التكيُّف: مع تغيُّر توجهات السوق، يمكنك إعادة التحليل بسرعة وتعديل تصميم متجرك للبقاء في الصدارة.

دعنا نتعمَّق في التفاصيل التقنية لنتعرَّف على كيفية عمل تحسين البيع بالتجزئة المدعوم بالذكاء الاصطناعي، خطوة بخطوة. بحلول نهاية هذا البرنامج التعليمي، سيكون لديك فهم واضح حول كيفية تطبيق هذا النظام في متجرك الخاص، ما قد يُحدث تغييرًا جذريًا في مجال التخزين باستخدام قوة الذكاء الاصطناعي.

سارة مالكة متجر بقالة محلي كانت تواجه صعوبة في منافسة السلاسل الكبرى. على الرغم من بذلها قصارى جهدها، لاحظت أن بعض المنتجات لم تكن تُباع كما ينبغي، بينما كانت أخرى تنفد باستمرار. في أحد الأيام، وبينما كانت تُعيد ترتيب قسم المنتجات الطازجة للمرة الثالثة خلال ذلك الشهر، تساءلت عمّا إذا كان هناك أسلوب أفضل.

وهنا يأتي دور حلنا المدعوم بالذكاء الاصطناعي. وباستخدام هاتفها الذكي ونظامنا الذكي فقط، تمكَّنت سارة من إحداث تحول في أداء متجرها. دعنا نتعمق في كيفية بناء مثل هذا النظام.

يمكننا استخدام crewAI، وهو إطار عمل مفتوح المصدر ينسِّق التفاعلات بين الوكلاء داخل الطواقم. يُشير مصطلح "الطاقم" إلى الأنظمة متعددة الوكلاء. يتكوَّن فريقنا من مجموعة من الوكلاء الذين يتقمَّصون دور خبراء البيع بالتجزئة، متاحين على مدار الساعة طوال الأسبوع، ولكل منهم تخصصه الخاص. يمكن تعيين المهام مباشرةً إلى وكيل معين، أو التعامل معها من خلال العملية الهرمية في crewAI التي تقوم بتقييم الأدوار المحددة وتوافرها.

للمبتدئين في استخدام crewAI، اطَّلِع على توضيح crewAI مع الوثائق الرسمية. في مستودع crewAI على GitHub الرسمي، يمكنك أيضًا العثور على أمثلة لفرق تقوم بتحليل المخزون، وتحليل البيانات، والتوليد المعزز بالاسترجاع (RAG)، وتكامل LangGraph، وغير ذلك الكثير.

لنلقِ نظرة على فريق خبراء البيع بالتجزئة المعتمدين على الوكلاء الذي سنستخدمه في هذا البرنامج التعليمي.

يكون سير عمل المهمة على النحو التالي:

يمكنك العثور على هذا المشروع في Github.

نحتاج أولًا إلى إعداد البيئة. يمكنك العثور على هذه الخطوات في ملف Markdown على GitHub أو من خلال المتابعة هنا.

• تأكَّد من أن لديك Python >=3.10 <=3.13 مثبَّت على نظامك. يمكنك التحقق من إصدار Python الخاص بك باستخدام أمرpython3 --version .
• قم بإعداد بيئة افتراضية لتجنُّب تعارضات اعتماد حزمة Python.

• انسخ المستودع باستخدام الرابط HTTPS التالي: https://github.com/IBM/ibmdotcom-tutorials.git. لمزيد من التفاصيل حول كيفية استنساخ مستودع، راجِع وثائق GitHub.

يجب أن يشبه هيكل مشروع دليلcrew-ai-projects الشكل التالي:

src/my_retail_advisor/

├── config/
│ ├── agents.yaml # Agent configurations
│ └── tasks.yaml # Task definitions
├── tool/
│ ├── custom_tool.py # Custom crewAI tool implementations
│ └── tool_helper.py # Vision helper functions
├── crew.py # Crew orchestration
└── main.py # Application entry point

1.  سجِّل الدخول إلى watsonx.ai باستخدام حساب IBM Cloud الخاص بك.
2. أنشئ مشروع watsonx.ai. دوِّن معرِّف المشروع الخاص بك من: المشروع > إدارة > عام > معرِّف المشروع.  ستحتاج إلى هذا المعرِّف في هذا البرنامج التعليمي.
3. أنشئ مثيل خدمة watsonx.ai Runtime (اختَر خطة Lite، وهي مثيل مجاني).
4. أنشئ مفتاح واجهة برمجة تطبيقات watsonx.
5. اربط مثيل خدمة watsonx.ai Runtime بالمشروع الذي أنشأته في watsonx.ai.

أنشئ مفتاح Serper API المجاني الخاص بك ودوِّنه. تُعَد Serper واجهة برمجة تطبيقات للبحث في Google والتي سنستخدمها في هذا المشروع.

نحن بحاجة إلى تثبيت إطار عمل crewAI لهذا البرنامج التعليمي وتحديد بيانات اعتماد watsonx.ai التي أنشأناها في الخطوة 2.

لتثبيت crewAI، شغِّل الأمر التالي في محطتك الطرفية.

في ملف .env‎  على مستوى الدليل نفسه مثل ملف .env_sample‎ ، عيِّن بيانات الاعتماد الخاصة بك كسلاسل نصية على النحو التالي:

يمكن تهيئة crewAI لاستخدام أي نموذج لغوي كبير (LLM) مفتوح المصدر. يمكن ربط نماذج LLM من خلال Ollama والعديد من واجهات برمجة التطبيقات الأخرى مثل ™IBM watsonx وOpenAI. يمكن للمستخدمين أيضًا الاستفادة من الأدوات الجاهزة المتوفرة من خلال مجموعة أدوات crewAI وكذلك أدوات LangChain.

أداة البحث المرئي المخصصة لدينا مدعومة llama-3-2-90b-vision-instruct بالنموذج باستخدام watsonx.ai. فيما يلي نظرة على أداة البحث المرئي المخصصة في دليل الأدوات.

هناك العديد من الطرق التي يمكنك من خلالها تخصيص طاقمك:

• عدِّل src/my_retail_advisor/config/agents.yaml لتحديد عملائك.
• عدِّل src/my_retail_advisor/config/tasks.yaml  لتحديد مهامك.
• عدِّل src/my_retail_advisor/crew.py لإضافة المنطق والأدوات الخاصة بك والحجج المحددة.
• عدِّل src/my_retail_advisor/main.py لإضافة مدخلات مخصصة لوكلائك ومهامك.
• عدِّل src/my_retail_advisor/tool/custom_tool.py لإضافة أدوات مخصصة لوكلائك ومهامك.
• عدِّل src/my_retail_advisor/tool/tool_helper.py لتغيير أداة الرؤية المخصصة بناءً على نموذج Llama متعدد الوسائط.
• استبدِل images/shelf.jpg بصورة خاصة بك.

تأكَّد من أنك في دليل العمل الصحيح لهذا المشروع. يمكنك تغيير الدلائل عن طريق تشغيل الأمر التالي في المحطة الطرفية.

لبدء تشغيل فريق وكلاء الذكاء الاصطناعي لديك وبدء تنفيذ المهام، قم بتشغيل هذا الأمر من المجلد الجذر لمشروعك. لاحِظ أن الطاقم قد يستمر في العمل لعدة دقائق قبل إرجاع نتيجة نهائية.

يقوم هذا الأمر بتهيئة فريق my-retail-advisor، حيث يجمع الوكلاء ويُسند لهم المهام كما هو مُعرَّف في إعداداتك. في هذا المثال، ودون أي تعديل، سيتم استخدام Granite على watsonx.ai لإنشاء ملف report.mdيحتوي على المخرجات. يمكن لـ crewAI إرجاع JSON ونماذج Pydantic والسلاسل الخام كمخرجات. فيما يلي مثال على المخرجات التي يُنتجها الطاقم.

مثال على المخرجات:

خطة عمل لإعادة ترتيب وتحسين رف الخضراوات

الهدف:
إنشاء قسم منتجات جذاب ومنظم مرئيًا يعرض الخضراوات الأكثر شعبية ويزيد المبيعات ويعزز رضا العملاء.

تتضمن توصيات محلل السوق ما يلي:

1. إنشاء نقطة جذب عبر عرض ملون ولافت للأنظار يضم الخضراوات الأكثر شعبية.
2. استخدام مجموعة متنوعة من الألوان والأنسجة والارتفاعات لتكوين جاذبية بصرية.
3. جمع الخضراوات المتشابهة معًا.
4. استخدام السلال أو الصناديق أو غيرها من الحاويات لتكوين أجواء طبيعية وريفية.
5. استخدام الإضاءة لتسليط الضوء على منتجات أو عروض ترويجية محددة.
   ...

خطة عمل لمدير المتجر ومشتري المتجر:

...

الخطوة 1: عرض النقطة المحورية

• مدير المتجر: تخصيص منطقة محورية على الرف لأكثر الخضراوات رواجًا (الطماطم، والبطاطس، والبصل، والخس، والجزر، والفلفل، والخيار، والكرفس).
• مشتري المتجر: التأكُّد من توفير مخزون كافٍ من هذه الخضراوات للحفاظ على عرض كامل وجذاب.
• الفريق: ترتيب الخضراوات بطريقة جذابة بصريًا، باستخدام مزيج من الألوان والنسيج والارتفاعات.

...

الخطوة 4: العروض ذات الطابع الخاص والميزات الإضافية

• مدير المتجر: تخطيط عروض ذات طابع خاص وتنفيذها (مثل حفلات الشواء الصيفية أو المناسبات والأعياد) لجذب العملاء والترويج للمنتجات ذات الصلة.
• مشتري المتجر: التأكُّد من توفُّر مخزون كافٍ من مواد العروض ذات الطابع الخاص والمنتجات المرتبطة بها.
• الفريق: استخدام رفوف أو حوامل الخضراوات لإضافة مساحة عرض إضافية وتقديم عرض جذاب بصريًا.

كما هو موضَّح في نموذج المخرجات، يستطيع النظام متعدد الوكلاء تنفيذ العملية التسلسلية لمعالجة المدخلات، واستدعاء الأدوات، وصياغة النتائج.

هل تتذكر مشكلة سارة في ممر المنتجات الطازجة؟ إليك كيف ساعدها النظام:

1. التحليل المرئي: التقطت سارة صورة لممر الخضراوات باستخدام هاتفها الذكي. قام الوكيل مدير المتجر بتحليل الصورة ولاحَظ أن الرفوف مزدحمة بكثافة وتحتاج إلى صيانة.
2. أبحاث السوق: استخدَم وكيل محلل السوق توجهات السوق الحالية لمبيعات الخضراوات وتفضيلات العملاء لتقديم توصيات قابلة للتنفيذ لإعادة ترتيب رفوف الخضراوات.
3. خطة العمل: استنادًا إلى هذه الرؤى، تلقت سارة خطة تفصيلية تتضمن تعليمات لتنفيذ ما يلي:
   • إنشاء عرض ملون وملفت للنظر.
   • استخدام السلال أو الصناديق لإضفاء طابع طبيعي على العرض.
   • إضافة عرض ذي طابع خاص، مثل عرض للشواء الصيفي أو عرض موسمي للأعياد، لجذب العملاء نحو المنتجات ذات الصلة.
   • إضافة مساحة بين أنواع الخضراوات المختلفة لتقليل الفوضى.
   • تحسين الإضاءة.

باختصار، يتكوَّن طاقمmy-retail-advisor من العديد من وكلاء الذكاء الاصطناعي، ولكل منهم أدوار وأهداف وأدوات فريدة. يتعاون هؤلاء الوكلاء في سلسلة من المهام المحددة في config/tasks.yaml ، مع الاستفادة من مهاراتهم الجماعية لتحقيق أهداف معقدة. يحدِّد ملف config/agents.yaml القدرات والتكوينات لكل وكيل في طاقمك.

باستخدام أدوات مدعومة بالذكاء الاصطناعي مثل هذه، يمكن لأصحاب متاجر التجزئة الصغيرة والمتوسطة تبسيط عملية اتخاذ القرار. تمامًا مثل سارة، يمكنك تحويل أداء متجرك من خلال التقنية التي يسهُل الوصول إليها وبأسعار معقولة وفعَّالة. تتيح هذه البنية أيضًا فرصًا أخرى للذكاء الاصطناعي في مجالات متعددة، مثل تصميم المنتجات وتحسين تجربة العملاء. كما أن مرونتها تجعلها ذات قيمة تتجاوز البيع بالتجزئة، ما يمكِّن الشركات من الابتكار والتفوق في المهام الخاصة بالصناعة.