شات بوت ذكاء اصطناعي خاص على سيرفرك: خصوصية كاملة بتكلفة ثابتة

الجواب المباشر: كيف تشغّل شات بوت خاص على سيرفرك

تشغيل شات بوت ذكاء اصطناعي خاص يعني تنصيب أداتين على خادم VPS واحد: Ollama الذي يُنزّل ويشغّل نماذج اللغة محلياً، وOpen WebUI الذي يعطيك واجهة محادثة تشبه ChatGPT بالكامل في المتصفح. النتيجة بديل خاص لا تغادر فيه أي رسالة سيرفرك، ولا تدفع فيه مقابل كل استعلام، بل تدفع إيجار الخادم فقط.

للبدء الفعلي تحتاج خادماً بذاكرة 16 GB على الأقل لتشغيل نموذج بحجم 7 مليار معامل بأريحية، ثم تنصّب Ollama بأمر واحد، وتسحب نموذجاً مثل Llama 3.1 8B أو Qwen2.5، وترفع Open WebUI عبر Docker، وتربطه بـ Ollama على المنفذ 11434. خلال أقل من 30 دقيقة يكون عندك نظام محادثة يعمل بالعربية والإنجليزية، مستضاف بالكامل داخل سيرفرك.

الفرق الجوهري عن الخدمات السحابية أن النموذج يعمل على معالجك أنت. لا مفتاح API خارجي، ولا حصة استخدام، ولا سجل محادثات عند طرف ثالث. شركة ترسل 50 ألف رسالة شهرياً لموظفيها قد تدفع في خدمة مدفوعة ما يفوق 1,500 ريال، بينما الخادم نفسه على كلاود يبدأ من 3,450 ريال سنوياً، أي أقل من 290 ريالاً شهرياً بلا سقف استخدام. هذا الدليل يشرح الموارد المطلوبة والتكلفة الحقيقية والخطوات العامة بالتفصيل.

لماذا شات بوت خاص بدل خدمة سحابية جاهزة

السبب الأول هو الخصوصية والسيادة على البيانات. حين يستخدم موظفوك خدمة ذكاء اصطناعي عامة، فإن كل عقد وكل رسالة عميل وكل مقطع من كودك المصدري يمر عبر خادم خارج المملكة، وقد يُخزَّن أو يُستخدم في التدريب حسب سياسة المزوّد. مع نموذج محلي يبقى النص كله داخل السيرفر، وهذا فرق حاسم للجهات الحكومية والشركات الملتزمة بمتطلبات النفاذ الوطني وحماية البيانات.

السبب الثاني هو التكلفة الثابتة. الخدمات المدفوعة تحاسبك على كل ألف رمز (token)، والفاتورة تتضخم مع الاستخدام. فريق من 20 شخصاً يستهلك بسهولة عدة ملايين رمز يومياً، وقد تتجاوز الفاتورة الشهرية 2,000 ريال في أوقات الذروة. النموذج المحلي يقلب المعادلة: تدفع إيجار خادم واحد، ثم كل استعلام بعد ذلك مجاني فعلياً، سواء أرسل فريقك ألف رسالة أو مليوناً.

السبب الثالث هو التحكم والاستمرارية. لا تتغير النماذج تحت قدميك، ولا تُوقف نسخة كنت تعتمد عليها، ولا يتغير السلوك فجأة بعد تحديث لا تسيطر عليه. تختار النموذج وتثبّته، ويبقى يعمل بنفس السلوك ما دام الخادم يعمل. للشركات التي تبني منتجاً فوق النموذج، هذه القابلية للتنبؤ لا تقدَّر بثمن.

ما دور Ollama و Open WebUI

الأداتان تكمّلان بعضهما وكل واحدة تحل مشكلة مختلفة. من المفيد فهم الفصل بينهما قبل التنصيب.

Ollama: محرّك التشغيل

Ollama هو الطبقة التي تحمّل النموذج إلى الذاكرة وتنفّذ الاستدلال (inference). يتعامل مع تنسيق GGUF المضغوط، ويدير التكميم (quantization) الذي يقلّص حجم النموذج بنسبة قد تصل إلى 75% مع خسارة دقة محدودة جداً. بأمر واحد مثل سحب نموذج بحجم 8 مليار معامل، ينزّل Ollama نحو 4.7 GB ويشغّله فوراً، ويعرض واجهة برمجية على المنفذ 11434 يتحدث معها أي تطبيق. النماذج المدعومة تتجاوز 100 نموذج، من Llama و Qwen و Gemma إلى نماذج مخصصة للأكواد.

Open WebUI: واجهة المستخدم

Open WebUI يعطي المحرّك وجهاً بشرياً، واجهة محادثة كاملة بالعربية، إدارة مستخدمين وصلاحيات، سجل محادثات محلي، دعم رفع الملفات وطرح الأسئلة عليها (RAG)، وإمكانية تبديل النماذج من قائمة منسدلة. المشروع مفتوح المصدر ويتجاوز 50 ألف نجمة على GitHub، ويُحدَّث أسبوعياً تقريباً. يعمل كحاوية Docker واحدة، ويتصل بـ Ollama عبر الشبكة الداخلية، فتحصل على تجربة قريبة جداً من ChatGPT لكن على بنيتك أنت.

الموارد المطلوبة: كم خادماً تحتاج فعلاً

هذا هو السؤال الذي يحدد التكلفة، والجواب يعتمد على حجم النموذج الذي تريده. القاعدة العملية أن كل مليار معامل يحتاج تقريباً نصف إلى واحد جيجابايت من الذاكرة بعد التكميم.

ذاكرة الوصول العشوائي RAM

• نموذج 3 مليار معامل: يكفيه 8 GB، مناسب للمهام الخفيفة والردود السريعة.
• نموذج 7 إلى 8 مليار معامل: يحتاج 16 GB، وهو الخيار المتوازن لأغلب الشركات.
• نموذج 14 مليار معامل: يريحه 32 GB، ويعطي جودة أقرب للنماذج التجارية.
• نموذج 70 مليار معامل: يتطلب 48 GB فأكثر، وعادة معالج رسومي.

المعالج CPU مقابل GPU

يمكن تشغيل النماذج حتى 8 مليار معامل على معالج CPU وحده، وهذا يكفي تماماً لفريق صغير. تتراوح سرعة التوليد على معالج حديث بين 5 و15 رمزاً في الثانية، أي سرعة قراءة مريحة لشخص واحد. لكن حين يتحدث عدة موظفين في وقت واحد، أو حين تستخدم نماذج أكبر، يصبح المعالج الرسومي ضرورة إذ يرفع السرعة إلى ما بين 40 و80 رمزاً في الثانية، أي ضعف السرعة أربع مرات أو أكثر. التخزين لا يقل أهمية: خصّص 40 GB على الأقل من قرص SSD، فبعض النماذج المتقدمة يتجاوز حجم ملفها 20 GB لوحدها.

حساب التكلفة الحقيقية

لنقارن سيناريو واقعياً. شركة من 15 موظفاً تريد مساعداً داخلياً لصياغة الردود ومراجعة المستندات. على خادم نمو من كلاود بذاكرة قابلة للترقية إلى 16 GB، تبدأ من 6,900 ريال سنوياً شاملة الضريبة، أي نحو 575 ريالاً شهرياً بلا حد استخدام مهما بلغ عدد الرسائل.

في المقابل، الخدمة السحابية المدفوعة بنموذج متوسط قد تكلّف الفريق نفسه ما بين 1,200 و2,500 ريال شهرياً حسب الحجم، أي بين 14 ألفاً و30 ألف ريال سنوياً. الفرق يتجاوز 20 ألف ريال في السنة، ويزداد كلما نما الاستخدام لأن التكلفة المحلية ثابتة بينما السحابية خطية مع كل رمز. أضف إلى ذلك أن كل بايت يبقى داخل المملكة، وأن زمن الاستجابة من الرياض نحو 8 مللي ثانية مقابل 100 إلى 120 مللي ثانية للخوادم الخارجية، ما يجعل التجربة أسرع وأكثر انسيابية.

الخطوات العامة للتشغيل

المسار من خادم فارغ إلى شات بوت عامل بسيط ومباشر. هذه المراحل العامة دون الدخول في تفاصيل كل أمر:

• اختر خادم VPS بمواصفات تناسب النموذج المستهدف، وابدأ بـ 16 GB ذاكرة إن كنت مبتدئاً.
• نصّب نظام Linux محدّثاً، ثم ثبّت Docker الذي يشغّل الحاويات.
• ثبّت Ollama بأمر التنصيب الرسمي، فيعمل تلقائياً كخدمة على المنفذ 11434.
• اسحب النموذج المطلوب مثل Llama 3.1 8B أو Qwen2.5 7B، وانتظر اكتمال التنزيل.
• شغّل Open WebUI كحاوية Docker، واربطها بعنوان Ollama الداخلي.
• افتح الواجهة في المتصفح، أنشئ حساب المدير الأول، وأضف بقية المستخدمين.
• فعّل شهادة SSL ونطاقاً فرعياً حتى يكون الوصول مشفّراً وآمناً.

خلال أقل من نصف ساعة يكون النظام جاهزاً. على كلاود يمكن اختصار جزء من هذه الخطوات عبر قوالب الذكاء الاصطناعي الجاهزة التي تنصّب Open WebUI و Ollama معاً بنقرة واحدة، فتبدأ المحادثة مباشرة بعد اختيار حجم الخادم والدفع.

اعتبارات الإنتاج والأمان

تشغيل النموذج للتجربة شيء، وإدخاله للإنتاج الجاد شيء آخر يتطلب انتباهاً. أول اعتبار هو التحكم في الوصول: لا تترك واجهة Ollama مكشوفة على الإنترنت العام أبداً، فالمنفذ 11434 يجب أن يبقى خلف الجدار الناري ولا يصله إلا Open WebUI. ثانياً فعّل تسجيل الدخول الإجباري في الواجهة، وامنح كل موظف حساباً بصلاحيات محددة بدل حساب مشترك.

الاعتبار الثالث هو النسخ الاحتياطي. سجل المحادثات وقواعد المعرفة المرفوعة أصول قيّمة، لذا خذ نسخة يومية على الأقل، وهي مشمولة أصلاً في كل باقات كلاود بلا كلفة إضافية. الاعتبار الرابع هو المراقبة: راقب استهلاك الذاكرة، فتحميل نموذجين كبيرين في وقت واحد قد يستنفد 32 GB بسرعة ويوقف الخدمة. أخيراً خطّط للترقية، فحين يزيد عدد المستخدمين المتزامنين عن 10، فكّر في إضافة معالج رسومي أو توزيع الحمل على أكثر من خادم. على كلاود يمكنك ترقية vCPU والذاكرة بدفع الفرق للمدة المتبقية فقط، فتنمو البنية مع نمو الفريق دون إعادة بناء.

هل هذا الحل يناسبك

الشات بوت الخاص يناسب تحديداً الشركات التي تتعامل مع بيانات حساسة لا يجوز أن تغادر المملكة، والفرق التقنية التي تريد تكلفة يمكن التنبؤ بها، والجهات الحكومية الملتزمة بمتطلبات السيادة الرقمية. إن كان استخدامك خفيفاً جداً ومتقطعاً فقد تكفيك خدمة مدفوعة، لكن مع أي حجم جدي تصبح الأرقام في صف الحل المحلي بوضوح. مع خادم سعودي يبدأ من 3,450 ريال سنوياً، وزمن استجابة 8 مللي ثانية، وتزويد تلقائي خلال ثوانٍ، يصبح تشغيل ذكائك الاصطناعي الخاص قراراً هندسياً واقتصادياً في آن واحد.