الصورة بواسطة المحرر
تُحدث نماذج اللغات الكبيرة (LLMs) مثل GPT-3 من OpenAI، وBERT من Google، وLLaMA من Meta، ثورة في مختلف القطاعات بفضل قدرتها على إنشاء مجموعة واسعة من النصوص؟ - بدءًا من النسخ التسويقية ونصوص علوم البيانات وحتى الشعر.
على الرغم من أن واجهة ChatGPT البديهية تمكنت من التواجد في أجهزة معظم الأشخاص اليوم، إلا أنه لا يزال هناك مجال واسع من الإمكانات غير المستغلة لاستخدام LLMs في عمليات تكامل البرامج المتنوعة.
المشكلة الأساسية؟
تتطلب معظم التطبيقات تواصلًا أكثر مرونة وأصليًا مع LLMs.
وهذا هو بالضبط المكان الذي يبدأ فيه LangChain!
إذا كنت مهتمًا بالذكاء الاصطناعي التوليدي والماجستير في إدارة الأعمال، فهذا البرنامج التعليمي مصمم خصيصًا لك.
دعنا نبدأ!
فقط في حال كنت تعيش داخل كهف ولم تحصل على أي أخبار مؤخرًا، سأشرح بإيجاز نماذج اللغات الكبيرة أو LLMs.
LLM هو نظام ذكاء اصطناعي متطور مصمم لتقليد فهم وتوليد النصوص الشبيهة بالإنسان. ومن خلال التدريب على مجموعات هائلة من البيانات، تتمكن هذه النماذج من تمييز الأنماط المعقدة، وفهم التفاصيل اللغوية الدقيقة، وإنتاج مخرجات متماسكة.
إذا كنت تتساءل عن كيفية التفاعل مع هذه النماذج التي تعمل بالذكاء الاصطناعي، فهناك طريقتان رئيسيتان للقيام بذلك:
- الطريقة الأكثر شيوعًا والمباشرة هي التحدث أو الدردشة مع العارضة. يتضمن ذلك صياغة مطالبة وإرسالها إلى النموذج الذي يعمل بالذكاء الاصطناعي والحصول على مخرجات نصية كرد.
- هناك طريقة أخرى وهي تحويل النص إلى صفائف رقمية. تتضمن هذه العملية إنشاء مطالبة للذكاء الاصطناعي وتلقي مصفوفة رقمية في المقابل. ما يعرف عادة باسم "التضمين". لقد شهدت طفرة حديثة في قواعد بيانات المتجهات والبحث الدلالي.
وهاتان المشكلتان الرئيسيتان على وجه التحديد هي التي تحاول LangChain معالجتها. إذا كنت مهتمًا بالمشكلات الرئيسية للتفاعل مع LLMs، فيمكنك مراجعة هذه المقالة هنا.
LangChain هو إطار عمل مفتوح المصدر مبني على LLMs. فهو يقدم إلى الطاولة ترسانة من الأدوات والمكونات والواجهات التي تعمل على تبسيط بنية التطبيقات التي تعتمد على LLM.
مع LangChain، أصبح التعامل مع نماذج اللغة والربط بين المكونات المتنوعة ودمج الأصول مثل واجهات برمجة التطبيقات وقواعد البيانات أمرًا سهلاً. يعمل هذا الإطار البديهي على تبسيط رحلة تطوير تطبيق LLM إلى حد كبير.
الفكرة الأساسية لـ Long Chain هي أنه يمكننا ربط مكونات أو وحدات مختلفة معًا، والمعروفة أيضًا باسم السلاسل، لإنشاء حلول أكثر تطوراً مدعومة بـ LLM.
فيما يلي بعض الميزات البارزة في LangChain:
- قوالب سريعة قابلة للتخصيص لتوحيد تفاعلاتنا.
- مكونات وصلة السلسلة مصممة خصيصًا لحالات الاستخدام المتطورة.
- التكامل السلس مع نماذج اللغات الرائدة، بما في ذلك GPTs الخاصة بـ OpenAI وتلك الموجودة على HuggingFace Hub.
- مكونات معيارية لنهج المزيج والمطابقة لتقييم أي مشكلة أو مهمة محددة.
صورة المؤلف
تتميز LangChain بتركيزها على القدرة على التكيف والتصميم المعياري.
الفكرة الرئيسية وراء LangChain هي تقسيم تسلسل معالجة اللغة الطبيعية إلى أجزاء فردية، مما يسمح للمطورين بتخصيص سير العمل بناءً على متطلباتهم.
مثل هذا التنوع يضع LangChain كخيار رئيسي لبناء حلول الذكاء الاصطناعي في المواقف والصناعات المختلفة.
ومن أهم مكوناته…
صورة المؤلف
1. ماجستير في القانون
تعد LLMs مكونات أساسية تستفيد من كميات هائلة من بيانات التدريب لفهم وإنشاء نص يشبه الإنسان. وهي تشكل جوهر العديد من العمليات داخل LangChain، حيث توفر إمكانات معالجة اللغة اللازمة لتحليل إدخال النص وتفسيره والرد عليه.
الاستخدام: تشغيل روبوتات الدردشة، وإنشاء نص شبيه بالنص البشري لمختلف التطبيقات، والمساعدة في استرجاع المعلومات، وإجراء عمليات معالجة اللغات الأخرى
2. قوالب سريعة
تعد المطالبات أساسية للتفاعل مع LLM، وعند العمل على مهام محددة، تميل بنيتها إلى أن تكون متشابهة. تسمح قوالب الموجهات، وهي عبارة عن مطالبات معدة مسبقًا وقابلة للاستخدام عبر السلاسل، بتوحيد "المطالبات" عن طريق إضافة قيم محددة. وهذا يعزز القدرة على التكيف والتخصيص لأي LLM.
الاستخدام: توحيد عملية التفاعل مع LLMs.
3. موزعي الإخراج
محللو الإخراج عبارة عن مكونات تأخذ المخرجات الأولية من مرحلة سابقة في السلسلة وتحولها إلى تنسيق منظم. يمكن بعد ذلك استخدام هذه البيانات المنظمة بشكل أكثر فعالية في المراحل اللاحقة أو تسليمها كاستجابة للمستخدم النهائي.
الاستخدام: على سبيل المثال، في chatbot، قد يأخذ محلل الإخراج استجابة النص الخام من نموذج اللغة، ويستخرج أجزاء أساسية من المعلومات، وينسقها في رد منظم.
4. المكونات والسلاسل
في LangChain، يعمل كل مكون كوحدة مسؤولة عن مهمة معينة في تسلسل معالجة اللغة. يمكن توصيل هذه المكونات بالنموذج السلاسل لسير العمل المخصص.
الاستخدام: إنشاء سلاسل مولدات الكشف عن المشاعر والاستجابة في برنامج محادثة محدد.
5. ذاكرة
تشير الذاكرة في LangChain إلى مكون يوفر آلية تخزين واسترجاع المعلومات داخل سير العمل. يسمح هذا المكون بالتخزين المؤقت أو المستمر للبيانات التي يمكن الوصول إليها ومعالجتها بواسطة مكونات أخرى أثناء التفاعل مع LLM.
الاستخدام: يعد هذا مفيدًا في السيناريوهات التي يلزم فيها الاحتفاظ بالبيانات عبر مراحل مختلفة من المعالجة، على سبيل المثال، تخزين محفوظات المحادثة في chatbot لتوفير استجابات واعية بالسياق.
6. الوكلاء
الوكلاء عبارة عن مكونات مستقلة قادرة على اتخاذ الإجراءات بناءً على البيانات التي يعالجونها. يمكنهم التفاعل مع المكونات الأخرى أو الأنظمة الخارجية أو المستخدمين لأداء مهام محددة ضمن سير عمل LangChain.
الاستخدام: على سبيل المثال، قد يتعامل الوكيل مع تفاعلات المستخدم، ويعالج الطلبات الواردة، وينسق تدفق البيانات عبر السلسلة لإنشاء الاستجابات المناسبة.
7. الفهارس والمستردون
تلعب الفهارس والمستردات دورًا حاسمًا في إدارة البيانات والوصول إليها بكفاءة. الفهارس هي هياكل بيانات تحتوي على معلومات وبيانات وصفية من بيانات تدريب النموذج. من ناحية أخرى، فإن المستردات هي آليات تتفاعل مع هذه الفهارس لجلب البيانات ذات الصلة بناءً على معايير محددة وتسمح للنموذج بالرد بشكل أفضل من خلال توفير السياق ذي الصلة.
الاستخدام: فهي مفيدة في جلب البيانات أو المستندات ذات الصلة بسرعة من مجموعة بيانات كبيرة، وهو أمر ضروري لمهام مثل استرجاع المعلومات أو الإجابة على الأسئلة.
8. محولات الوثيقة
في LangChain، تعد محولات المستندات عبارة عن مكونات متخصصة مصممة لمعالجة المستندات وتحويلها بطريقة تجعلها مناسبة لمزيد من التحليل أو المعالجة. قد تتضمن هذه التحويلات مهام مثل تطبيع النص أو استخراج الميزات أو تحويل النص إلى تنسيق مختلف.
الاستخدام: إعداد البيانات النصية لمراحل المعالجة اللاحقة، مثل التحليل بواسطة نماذج التعلم الآلي أو الفهرسة لاسترجاعها بكفاءة.
9. تضمين النماذج
يتم استخدامها لتحويل البيانات النصية إلى متجهات رقمية في مساحة عالية الأبعاد. تلتقط هذه النماذج العلاقات الدلالية بين الكلمات والعبارات، مما يتيح تمثيلًا يمكن قراءته آليًا. إنها تشكل الأساس لمختلف مهام معالجة اللغات الطبيعية (NLP) ضمن نظام LangChain البيئي.
الاستخدام: تسهيل عمليات البحث الدلالي ومقارنات التشابه ومهام التعلم الآلي الأخرى من خلال توفير تمثيل رقمي للنص.
10. مخازن المتجهات
نوع من نظام قواعد البيانات متخصص في تخزين المعلومات والبحث فيها عبر عمليات التضمين، ويقوم بشكل أساسي بتحليل التمثيلات الرقمية للبيانات الشبيهة بالنص. يعمل VectorStore كمرفق تخزين لهذه التضمينات.
الاستخدام: السماح بالبحث الفعال على أساس التشابه الدلالي.
تثبيته باستخدام PIP
أول شيء يتعين علينا القيام به هو التأكد من تثبيت LangChain في بيئتنا.
pip install langchain
بيئة الإعداد
يعني استخدام LangChain عادةً التكامل مع موفري النماذج المتنوعين، ومخازن البيانات، وواجهات برمجة التطبيقات، من بين مكونات أخرى. وكما تعلم بالفعل، مثل أي تكامل، فإن توفير مفاتيح واجهة برمجة التطبيقات ذات الصلة والصحيحة يعد أمرًا بالغ الأهمية لتشغيل LangChain.
تخيل أننا نريد استخدام OpenAI API الخاص بنا. ويمكننا تحقيق ذلك بسهولة بطريقتين:
- إعداد المفتاح كمتغير بيئة
OPENAI_API_KEY="..."
or
import os
os.environ['OPENAI_API_KEY'] = “...”
إذا اخترت عدم إنشاء متغير بيئة، فلديك خيار توفير المفتاح مباشرة من خلال المعلمة المسماة openai_api_key عند بدء فئة OpenAI LLM:
- قم بإعداد المفتاح مباشرة في الفئة ذات الصلة.
from langchain.llms import OpenAI
llm = OpenAI(openai_api_key="...")
يصبح التبديل بين LLMs أمرًا سهلاً
توفر LangChain فصل LLM الذي يسمح لنا بالتفاعل مع موفري نماذج اللغة المختلفين، مثل OpenAI وHugging Face.
من السهل جدًا البدء في أي ماجستير في القانون، حيث أن الوظيفة الأساسية والأسهل في التنفيذ لأي ماجستير في القانون هي مجرد إنشاء نص.
ومع ذلك، فإن طرح نفس المطالبة على ماجستير إدارة أعمال مختلفين في وقت واحد ليس بالأمر السهل.
هذا هو المكان الذي يبدأ فيه LangChain ...
بالعودة إلى أسهل وظيفة في أي ماجستير إدارة أعمال، يمكننا بسهولة إنشاء تطبيق باستخدام LangChain الذي يحصل على سلسلة مطالبة ويعيد مخرجات ماجستير إدارة الأعمال المعين لدينا.
كود المؤلف
يمكننا ببساطة استخدام نفس الموجه والحصول على استجابة نموذجين مختلفين في غضون بضعة أسطر من التعليمات البرمجية!
كود المؤلف
مثير للإعجاب... أليس كذلك؟
إعطاء هيكل لمطالباتنا باستخدام قوالب سريعة
إحدى المشكلات الشائعة في نماذج اللغة (LLMs) هي عدم قدرتها على تصعيد التطبيقات المعقدة. تعالج LangChain هذه المشكلة من خلال تقديم حل لتبسيط عملية إنشاء المطالبات، والتي غالبًا ما تكون أكثر تعقيدًا من مجرد تحديد مهمة لأنها تتطلب تحديد شخصية الذكاء الاصطناعي وضمان الدقة الواقعية. يتضمن جزء كبير من هذا نصًا معياريًا متكررًا. تعمل شركة LangChain على تخفيف هذه المشكلة من خلال تقديم قوالب موجهة، والتي تتضمن نصًا معياريًا تلقائيًا في المطالبات الجديدة، وبالتالي تبسيط الإنشاء الفوري وضمان الاتساق عبر المهام المختلفة.
كود المؤلف
الحصول على استجابات منظمة باستخدام موزعي الإخراج
في التفاعلات القائمة على الدردشة، تكون مخرجات النموذج مجرد نص. ومع ذلك، في التطبيقات البرمجية، يفضل الحصول على مخرجات منظمة لأنها تسمح بمزيد من إجراءات البرمجة. على سبيل المثال، عند إنشاء مجموعة بيانات، من المرغوب فيه تلقي الاستجابة بتنسيق معين مثل CSV أو JSON. بافتراض إمكانية صياغة مطالبة للحصول على استجابة متسقة ومنسقة بشكل مناسب من الذكاء الاصطناعي، هناك حاجة إلى أدوات لإدارة هذا الناتج. يلبي LangChain هذا المطلب من خلال تقديم أدوات محلل الإخراج للتعامل مع المخرجات المنظمة واستخدامها بشكل فعال.
كود المؤلف
يمكنك الذهاب للتحقق من الكود بأكمله على my GitHub جيثب:.
منذ وقت ليس ببعيد، تركتنا القدرات المتقدمة لـ ChatGPT في حالة من الرهبة. ومع ذلك، فإن البيئة التكنولوجية تتغير باستمرار، والآن أصبحت أدوات مثل LangChain في متناول أيدينا، مما يسمح لنا بصياغة نماذج أولية رائعة من أجهزة الكمبيوتر الشخصية الخاصة بنا في غضون ساعات قليلة.
توفر LangChain، وهي منصة Python متاحة مجانًا، وسيلة للمستخدمين لتطوير التطبيقات المرتبطة بـ LLMs (نماذج نماذج اللغة). توفر هذه المنصة واجهة مرنة لمجموعة متنوعة من النماذج الأساسية، وتبسيط المعالجة السريعة والعمل كحلقة وصل لعناصر مثل قوالب المطالبة والمزيد من شهادات LLM والمعلومات الخارجية والموارد الأخرى عبر الوكلاء، اعتبارًا من الوثائق الحالية.
تخيل روبوتات الدردشة، والمساعدين الرقميين، وأدوات ترجمة اللغة، وأدوات تحليل المشاعر؛ كل هذه التطبيقات التي تدعم LLM تنبض بالحياة مع LangChain. يستخدم المطورون هذه المنصة لصياغة حلول نماذج لغة مصممة خصيصًا لتلبية المتطلبات المميزة.
مع اتساع أفق معالجة اللغة الطبيعية، وتعمق اعتمادها، يبدو مجال تطبيقاتها لا حدود له.
جوزيب فيرير هو مهندس تحليلات من برشلونة. تخرج في هندسة الفيزياء ويعمل حاليًا في مجال علوم البيانات المطبق على التنقل البشري. وهو منشئ محتوى بدوام جزئي يركز على علوم البيانات والتكنولوجيا. يمكنك الاتصال به على لينكدين:, تويتر or متوسط.
- محتوى مدعوم من تحسين محركات البحث وتوزيع العلاقات العامة. تضخيم اليوم.
- PlatoData.Network Vertical Generative Ai. تمكين نفسك. الوصول هنا.
- أفلاطونايستريم. ذكاء Web3. تضخيم المعرفة. الوصول هنا.
- أفلاطون كربون، كلينتك ، الطاقة، بيئة، شمسي، إدارة المخلفات. الوصول هنا.
- أفلاطون هيلث. التكنولوجيا الحيوية وذكاء التجارب السريرية. الوصول هنا.
- المصدر https://www.kdnuggets.com/how-to-make-large-language-models-play-nice-with-your-software-using-langchain?utm_source=rss&utm_medium=rss&utm_campaign=how-to-make-large-language-models-play-nice-with-your-software-using-langchain
- :لديها
- :يكون
- :ليس
- :أين
- $ UP
- 7
- a
- القدرة
- الوصول
- الوصول
- إنجاز
- دقة
- في
- التمثيل
- الإجراءات
- الأفعال
- مضيفا
- العنوان
- عناوين
- معالجة
- تبني
- متقدم
- الوكيل
- عملاء
- منذ
- AI
- AI-بالطاقة
- الكل
- السماح
- السماح
- يسمح
- سابقا
- أيضا
- من بين
- المبالغ
- an
- تحليل
- تحليلات
- تحليل
- تحليل
- الراسية
- و
- أي وقت
- API
- واجهات برمجة التطبيقات
- تطبيق
- تطوير التطبيقات
- التطبيقات
- تطبيقي
- نهج
- مناسب
- هندسة معمارية
- هي
- حول
- مجموعة
- ارسنال
- البند
- مصطنع
- الذكاء الاصطناعي
- AS
- يسأل
- تقييم
- ممتلكات
- مساعدين
- At
- مستقل
- متاح
- ممتاز
- الى الخلف
- برشلونة
- على أساس
- الأساسية
- BE
- أصبح
- يصبح
- كان
- وراء
- أفضل
- ما بين
- غير محدود
- كسر
- موجز
- يجلب
- نساعدك في بناء
- ابني
- بنيت
- by
- CAN
- قدرات
- قادر على
- أسر
- حقيبة
- الحالات
- يلبي
- كهف
- سلسلة
- السلاسل
- chatbot
- chatbots
- شات جي بي تي
- الدردشة
- التحقق
- خيار
- اختار
- فئة
- الكود
- متماسك
- تأتي
- مشترك
- عادة
- Communication
- مقارنات
- مجمع
- عنصر
- مكونات
- أجهزة الكمبيوتر
- التواصل
- متصل
- ثابتة
- التواصل
- محتوى
- سياق الكلام
- محادثة
- تحويل
- تحول
- التحول
- رابطة
- جوهر
- تصحيح
- حرفة
- وضعت
- خلق
- خلق
- خلق
- الخالق
- المعايير
- حاسم
- حالياًّ
- حاليا
- التخصيص
- تصميم
- حسب الطلب
- البيانات
- علم البيانات
- مجموعات البيانات
- قاعدة البيانات
- قواعد البيانات
- تعمق
- تحديد
- تم التوصيل
- يسلم
- تصميم
- محدد
- تصميم
- مطلوب
- كشف
- تطوير
- المطورين
- التطوير التجاري
- الأجهزة
- مختلف
- رقمي
- مباشرة
- مباشرة
- تبين
- خامد
- متميزه
- عدة
- do
- وثيقة
- توثيق
- وثائق
- إلى أسفل
- أثناء
- كل
- أسهل
- بسهولة
- سهل
- النظام الإيكولوجي
- على نحو فعال
- فعال
- بكفاءة
- عناصر
- تضمين
- تمكين
- النهاية
- جذاب
- مهندس
- الهندسة
- يعزز
- ضخم
- ضمان
- البيئة
- يتصعد
- أساسي
- أساسيا
- إنشاء
- الأثير (ETH)
- دائم التغير
- مثال
- توسع
- تمكنت
- شرح
- خارجي
- استخراج
- استخلاص
- الوجه
- تسهيل
- واقعي
- الميزات
- المميزات
- قليل
- حقل
- الأصابع
- الاسم الأول
- مرن
- تدفق
- مائع
- تركز
- ركز
- في حالة
- النموذج المرفق
- شكل
- دورة تأسيسية
- التأسيسية
- الإطار
- بحرية
- تبدأ من
- وظيفة
- أساسي
- إضافي
- توليد
- توليد
- جيل
- توليدي
- الذكاء الاصطناعي التوليدي
- مولد كهربائي
- دولار فقط واحصل على خصم XNUMX% على جميع
- الحصول على
- Go
- جوجل
- يفهم، يمسك، يقبض
- يد
- مقبض
- معالجة
- يملك
- وجود
- he
- وسلم
- تاريخ
- عقد
- الأفق
- ساعات العمل
- كيفية
- كيفية
- HTTPS
- محور
- تعانق الوجه
- الانسان
- سوف
- فكرة
- if
- استيراد
- أهمية
- in
- عجز
- تتضمن
- بما فيه
- الوارد
- دمج
- الفهارس
- فرد
- الصناعات
- معلومات
- اعداد
- إدخال
- تثبيت
- مثل
- دور فعال
- دمج
- التكامل
- التكاملات
- رؤيتنا
- تفاعل
- التفاعل
- تفاعل
- التفاعلات
- يستفد
- السطح البيني
- واجهات
- الترابط
- إلى
- معقد
- حدسي
- ينطوي
- قضية
- IT
- انها
- رحلة
- جسون
- م
- KD nuggets
- القفل
- مفاتيح
- الركلات
- علم
- معروف
- المشهد
- لغة
- كبير
- قيادة
- تعلم
- اليسار
- الرافعة المالية
- الحياة
- مثل
- خطوط
- LINK
- لينكدين:
- الذين يعيشون
- اللاما نوع من الجمال
- طويل
- آلة
- آلة التعلم
- الرئيسية
- جعل
- يصنع
- إدارة
- تمكن
- إدارة
- التلاعب
- كثير
- التسويق
- مايو..
- يعني
- آلية
- آليات
- مجرد
- البيانات الوصفية
- طريقة
- ربما
- التنقل
- نموذج
- عارضات ازياء
- وحدات
- وحدة
- الوحدات
- الأكثر من ذلك
- أكثر
- my
- عين
- محلي
- طبيعي
- اللغة الطبيعية
- معالجة اللغات الطبيعية
- ضروري
- حاجة
- إحتياجات
- جديد
- أخبار
- رابطة
- رحلة جميلة
- البرمجة اللغوية العصبية
- الآن
- of
- الوهب
- غالبا
- on
- مرة
- المصدر المفتوح
- OpenAI
- عملية
- عمليات
- خيار
- or
- OS
- أخرى
- لنا
- يحدد
- الناتج
- النتائج
- معلقة
- المعلمة
- جزء
- خاص
- أجزاء
- أنماط
- مجتمع
- نفذ
- أداء
- الشخصية
- حواسيب شخصية
- عبارات
- فيزياء
- قطعة
- المنصة
- أفلاطون
- الذكاء افلاطون البيانات
- أفلاطون داتا
- بلايستشن
- الشعر
- مواقف
- محتمل
- على وجه التحديد
- أفضل
- رئيسي
- المشكلة
- مشاكل
- عملية المعالجة
- معالجة
- إنتاج
- برمجة وتطوير
- مطالبات
- نماذج
- تزود
- مقدمي
- ويوفر
- توفير
- بايثون
- سؤال
- بسرعة
- تماما
- الخام
- مملكة
- يستلم
- الأخيرة
- يشير
- العلاقات
- ذات الصلة
- تكرارية
- الرد
- التمثيل
- طلبات
- تطلب
- المتطلبات
- المتطلبات الأساسية
- يتطلب
- الموارد
- الرد
- استجابة
- ردود
- مسؤول
- المحتجزة
- عائد أعلى
- عائدات
- ثورة
- حق
- النوع
- s
- نفسه
- سيناريوهات
- علوم
- العلوم والتكنولوجيا
- مخطوطات
- بحث
- البحث
- قطاعات
- يبدو
- إرسال
- عاطفة
- تسلسل
- يخدم
- طقم
- باكجات
- ضبط
- هام
- مماثل
- يبسط
- تبسيط
- ببساطة
- حالات
- So
- تطبيقات الكمبيوتر
- حل
- الحلول
- بعض
- متطور
- الفضاء
- متخصص
- تتخصص
- محدد
- محدد
- المسرح
- مراحل
- التقييس
- بدأت
- لا يزال
- تخزين
- متجر
- فروعنا
- تبسيط
- تبسيط
- خيط
- بناء
- منظم
- الهياكل
- لاحق
- جوهريا
- هذه
- مناسب
- تموين
- بالتأكيد
- موجة
- نظام
- أنظمة
- جدول
- تناسب
- أخذ
- مع الأخذ
- الحديث
- مهمة
- المهام
- التكنولوجية
- تكنولوجيا
- النماذج
- مؤقت
- يميل
- نص
- نصي
- من
- أن
- •
- من مشاركة
- منهم
- then
- هناك.
- تشبه
- هم
- شيء
- هؤلاء
- على الرغم من؟
- عبر
- وهكذا
- إلى
- اليوم
- سويا
- أدوات
- قادة الإيمان
- تحول
- التحولات
- محولات
- خدمات ترجمة
- البرنامج التعليمي
- اثنان
- عادة
- فهم
- فهم
- غير مستغل
- us
- صالح للإستعمال
- تستخدم
- مستعمل
- مستخدم
- المستخدمين
- استخدام
- خدمات
- الاستفادة من
- القيم
- متغير
- تشكيلة
- مختلف
- كبير
- طلاقة الحركة
- جدا
- بواسطة
- تريد
- طريق..
- طرق
- we
- ابحث عن
- ما هي تفاصيل
- متى
- التي
- كامل
- واسع
- مع
- في غضون
- عجب
- كلمات
- سير العمل
- سير العمل
- عامل
- حتى الآن
- لصحتك!
- حل متجر العقارات الشامل الخاص بك في جورجيا
- زفيرنت