أداة بحث آلية — ليست المشروع الأصلي.

هذا المستودع عبارة عن مختبر قابل للتصرف مبني بواسطة نظام آلي لأطروحة ماجستير في جامعة لافال حول إعادة إنتاج ثغرات سير عمل GitHub Actions المنشورة. وهو لقطة حرفية من openlit/openlit عند الالتزام 8529a7746ce2cae946bd2346cb3792c22f86cbee (2026-02-24)، معاد توزيعه بموجب ترخيص المشروع نفسه، الذي تم تضمين ملفه دون تغيير في هذه اللقطة.

المشروع الأصلي ليس مشاركًا، ولا يُستهدف أبدًا، والثغرة المدروسة هنا عامة بالفعل. كل سر ومتغير في هذا المستودع هو قيمة وهمية مولّدة عشوائيًا — لا توجد أي بيانات اعتماد حقيقية موجودة. مراجع الإجراءات وصور المشغّل مثبتة على ما تم حله في 2026-02-24؛ راجع pinning.md في مخرجات النظام الآلي لمعرفة كل تغيير تم إجراؤه على اللقطة.

الأسئلة أو الاعتراضات: [email protected]

المراقبة، التقييمات، الحواجز الوقائية، المطالبات، الخزنة، الملعب، FleetHub

منصة مفتوحة المصدر لهندسة الذكاء الاصطناعي

التوثيق | البدء السريع | Python SDK | Typescript SDK |

❤️ ادعم هذا المشروع ❤️

https://github.com/user-attachments/assets/6909bf4a-f5b4-4060-bde3-95e91fa36168

OpenLIT يتيح لك تبسيط سير عمل تطوير الذكاء الاصطناعي، خاصةً للذكاء الاصطناعي التوليدي ونماذج اللغات الكبيرة (LLMs). فهو يبسّط المهام الأساسية مثل التجربة مع نماذج اللغات الكبيرة، وتنظيم المطالبات وإدارة إصداراتها، والتعامل الآمن مع مفاتيح API. بسطر واحد فقط من التعليمات البرمجية، يمكنك تفعيل مراقبة أصلية لـ OpenTelemetry، مما يوفر مراقبة شاملة تشمل نماذج اللغات الكبيرة وقواعد بيانات المتجهات ووحدات معالجة الرسومات (GPUs). وهذا يمكّن المطورين من بناء ميزات وتطبيقات الذكاء الاصطناعي بثقة، والانتقال بسلاسة من الاختبار إلى الإنتاج.

يفتخر هذا المشروع باتباع والحفاظ على الاتفاقيات الدلالية مع مجتمع OpenTelemetry، ويتم تحديثه باستمرار ليتوافق مع أحدث المعايير في المراقبة.

⚡ الميزات

• 📈 لوحة التحليلات: راقب صحة وأداء تطبيق الذكاء الاصطناعي الخاص بك من خلال لوحات تفصيلية تتبع المقاييس والتكاليف وتفاعلات المستخدمين، مما يوفر رؤية واضحة للكفاءة العامة.

• 🔌 SDKs مراقبة أصلية لـ OpenTelemetry: SDKs محايدة تجاه البائعين لإرسال التتبعات والمقاييس إلى أدوات المراقبة الحالية لديك.

• 💲 تتبع التكاليف للنماذج المخصصة والمضبوطة بدقة: خصّص تقديرات التكلفة لنماذج محددة باستخدام ملفات تسعير مخصصة لوضع ميزانية دقيقة.

• 🐛 لوحة مراقبة الاستثناءات: اكتشف المشكلات وحلّها بسرعة من خلال تتبع الاستثناءات والأخطاء الشائعة باستخدام لوحة مراقبة مخصصة.

• 💭 إدارة المطالبات: أدر المطالبات وتحكم في إصداراتها باستخدام Prompt Hub للوصول السهل والمتسق عبر التطبيقات.

• 🔑 إدارة مفاتيح API والأسرار: تعامل بأمان مع مفاتيح API والأسرار الخاصة بك بشكل مركزي، متجنبًا الممارسات غير الآمنة.

• 🎮 جرّب نماذج لغات كبيرة مختلفة: استخدم OpenGround لاستكشاف واختبار ومقارنة نماذج لغات كبيرة متنوعة جنبًا إلى جنب.

• 🚀 Fleet Hub لإدارة OpAMP: أدر وراقب مجمعات OpenTelemetry Collectors مركزيًا عبر البنية التحتية الخاصة بك باستخدام بروتوكول OpAMP (بروتوكول إدارة الوكلاء المفتوح) مع اتصال TLS آمن.

🚀 البدء مع مراقبة نماذج اللغات الكبيرة (LLM Observability)```mermaid

flowchart TB; subgraph " " direction LR; subgraph " " direction LR; OpenLIT_SDK[OpenLIT SDK] -->|Sends Traces & Metrics| OTC[OpenTelemetry Collector]; OTC -->|Stores Data| ClickHouseDB[ClickHouse]; end subgraph " " direction RL; OpenLIT_UI[OpenLIT] -->|Pulls Data| ClickHouseDB; end end

### الخطوة 1: نشر حزمة OpenLIT

1. استنساخ مستودع OpenLIT عبر Git

   افتح سطر الأوامر أو الطرفية وشغّل:   ```shell
   git clone [email protected]:openlit/openlit.git

2. الاستضافة الذاتية باستخدام Docker

   قم بنشر وتشغيل OpenLIT باستخدام الأمر التالي: ```shell docker compose up -d

للحصول على تعليمات التثبيت في Kubernetes باستخدام Helm، راجع دليل تثبيت Kubernetes Helm.

الخطوة 2: تثبيت OpenLIT SDK

افتح سطر الأوامر أو الطرفية لديك وقم بتشغيل:```bash pip install openlit

> للحصول على إرشادات حول استخدام TypeScript SDK، تفضل بزيارة [دليل تثبيت TypeScript SDK](https://github.com/openlit/openlit/tree/main/sdk/typescript#-installation).

### الخطوة 3: تهيئة OpenLIT في تطبيقك

قم بدمج OpenLIT في تطبيقات الذكاء الاصطناعي الخاصة بك عن طريق إضافة الأسطر التالية إلى الكود الخاص بك.```python
import openlit

openlit.init()

قم بتكوين وجهة بيانات القياس عن بُعد (Telemetry) كما يلي:

💡 معلومات: إذا لم يتم توفير otlp_endpoint أو OTEL_EXPORTER_OTLP_ENDPOINT، فسيقوم OpenLIT SDK بإخراج التتبعات (traces) مباشرة إلى وحدة التحكم الخاصة بك، وهو ما يُنصح به خلال مرحلة التطوير.

مثال

</details>

---

<details>

---

<summary>التهيئة باستخدام متغيرات البيئة</summary>

أضف السطرين التاليين إلى كود تطبيقك:  ```python
import openlit

openlit.init()

</details>

---

### الخطوة 4: التصور والتحسين

مع جمع بيانات المراقبة وإرسالها الآن إلى OpenLIT، تتمثل الخطوة التالية في تصور هذه البيانات وتحليلها للحصول على رؤى حول أداء تطبيق الذكاء الاصطناعي الخاص بك وسلوكه وتحديد مجالات التحسين.

فقط توجه إلى OpenLIT على `127.0.0.1:3000` في متصفحك لبدء الاستكشاف. يمكنك تسجيل الدخول باستخدام بيانات الاعتماد الافتراضية:

- **البريد الإلكتروني**: `[email protected]`
- **كلمة المرور**: `openlituser`

![](https://raw.githubusercontent.com/openlit/.github/main/profile/assets/openlit-client-1.png?raw=true)
![](https://raw.githubusercontent.com/openlit/.github/main/profile/assets/openlit-client-2.png?raw=true)

## 📦 التكاملات المدعومة