أطلقت OpenAI إصدار Codex لسطح المكتب مؤخرًا ميزة «الحيوانات الأليفة» (Pets)، ما يتيح للمطوّرين متابعة حالة مهام Codex فورًا أثناء البرمجة عبر شخصيات صغيرة متحركة تظهر عند التحويم. ووفقًا لوثائق OpenAI الرسمية، تتبدّل طبقة الحيوانات الأليفة (pet overlay) بين 3 أنواع من الإشعارات بحسب الحالة الحالية لـ Codex (running / waiting for input / ready for review)، ويمكن كذلك «فقس» حيوان أليف مخصص بناءً على لغة البرمجة التي يكتبها المستخدم مؤخرًا—فعلى سبيل المثال، قد تؤدي الكتابة المتواصلة بلغة Rust لمدة أسبوع إلى فقس شخصية سلطعون. وجرى تداول الميزة بعد أن قام المراقِب لدى منصة X xiaohu (@xiaohu) بنشر مقطع يعرضها في 2 مايو، ثم انتشرت داخل الأوساط الناطقة بالصينية.
نشرت Codex أيضًا ميزة الحيوانات الأليفة
8 أنماط
3 إشعارات حالات: running（يعمل） / waiting for input（بانتظار ردّك） / ready for review（بانتظار أن ترى diff）
طريقة الفتح: اكتب /pet في مربع الإدخال أو انتقل إلى Settings → Appearance → Pets
يمكنك اختيار حيوان أليف مدمج مباشرة، وكذلك صنع واحد بنفسك، بحيث ينشئه بناءً على الكود الذي تكتبه مؤخرًا. على سبيل المثال، هذا الأسبوع ما زلت تكتب… pic.twitter.com/dRHu0Y96Nv
— 小互 (@xiaohu) May 2, 2026
ميزة طبقة الحيوانات الأليفة في Codex: 8 أنماط مدمجة و3 إشعارات حالات
تظهر ميزة حيوان Codex الأليف كشخصية متحركة صغيرة فوق نوافذ التطبيقات الأخرى، بحيث يمكن للمستخدم رؤية الحالة الحالية لوكيل Codex حتى عند التبديل إلى المتصفح أو أدوات أخرى. وتتمثل الحالات الثلاث في: running（تنفيذ المهمة）、waiting for input（انتظار إدخال المستخدم）、ready for review（اكتملت المهمة وتنتظر تدقيق diff）。 ترافق شخصية الحيوان الأليف رسائل تقدم قصيرة، ما يعفي المطورين من الرجوع مرارًا إلى نافذة Codex.
توفّر OpenAI رسميًا 8 أنماط حيوانات أليفة مدمجة يمكن اختيارها مباشرة. صُمم تصميم واجهة الحيوانات الأليفة لتقليل احتكاك سير عمل «البرمجة الوكيلة» (agentic coding) الذي يتكرر فيه أن يحتاج المطور إلى تبديل النوافذ كثيرًا للتأكد من حالة الوكيل—خصوصًا عندما تمتد مهام الوكيل أحيانًا من عدة دقائق إلى عشرات الدقائق، فإن إشعارات الحالة السلبية تكون أقل كلفة معرفية من التبديل المتكرر إلى نافذة منفصلة.
طريقة الفتح: أمر /pet، وSettings، وزر الاختصار Cmd+K
يمكن للمستخدم فتح حيوانات Codex الأليفة عبر ثلاث طرق: (1) إدخال الأمر /pet في مربع الإدخال؛ (2) فتح Settings → Appearance → Pets لاختيار نمط مدمج أو تحميل حيوان أليف مخصص؛ (3) الضغط على Cmd+K (macOS) أو Ctrl+K (Windows/Linux) ثم تنفيذ «Wake Pet» أو «Tuck Away Pet» للتبديل بين العرض والإخفاء.
حيوان أليف مخصص: مهارة hatch-pet تفقس بناءً على لغة المستخدم
إضافة إلى الأنماط المدمجة، يدعم Codex أيضًا حيوانات أليفة من إعداد المستخدم. الخطوات تتمثل في تثبيت مهارة hatch-pet (skill) أولًا، ثم بعد الضغط على Cmd+K اختر «Force Reload Skills»، وبعد ذلك اطلب من تلك المهارة إنتاج حيوان أليف جديد اعتمادًا على الكود الذي يكتبه المستخدم مؤخرًا—فمثلاً، قد تؤدي الكتابة المتواصلة بلغة Rust لمدة أسبوع إلى فقس شخصية سلطعون، وقد تؤدي الكتابة المتواصلة بلغة Python إلى فقس ثعبان. يضفي تخصيص مظهر الحيوان الأليف طابعًا أكثر قربًا من أسلوب عمل المطور الشخصي، ليبتعد واجهة Codex خطوة عن كونها مجرد أداة.
هذه المقالة حول إضافة ميزة الحيوانات الأليفة في نسخة Codex لسطح المكتب: 3 إشعارات حالات، و«فقس» مخصص حسب لغة الاستخدام، ظهرت لأول مرة في ABMedia أخبار السلسلة.
إخلاء المسؤولية: قد تكون المعلومات الواردة في هذه الصفحة من مصادر خارجية ولا تمثل آراء أو مواقف Gate. المحتوى المعروض في هذه الصفحة هو لأغراض مرجعية فقط ولا يشكّل أي نصيحة مالية أو استثمارية أو قانونية. لا تضمن Gate دقة أو اكتمال المعلومات، ولا تتحمّل أي مسؤولية عن أي خسائر ناتجة عن استخدام هذه المعلومات. تنطوي الاستثمارات في الأصول الافتراضية على مخاطر عالية وتخضع لتقلبات سعرية كبيرة. قد تخسر كامل رأس المال المستثمر. يرجى فهم المخاطر ذات الصلة فهمًا كاملًا واتخاذ قرارات مدروسة بناءً على وضعك المالي وقدرتك على تحمّل المخاطر. للتفاصيل، يرجى الرجوع إلى
إخلاء المسؤولية.
مقالات ذات صلة
تطلق Particle Network خريطة طريق الحسابات الشاملة، وتطرح حزمة تطوير الإيداع الشاملة (SDK) وحسابات وكيل ذكاء اصطناعي
وفقاً لـChainCatcher، أطلقت Particle Network اليوم خارطة طريق المرحلة التالية للحسابات الشاملة (Universal Accounts)، مقدمة منتجين جديدين خلال الأشهر المقبلة: Universal Deposit SDK، الذي يمكّن المطورين من إضافة إيداعات متعددة السلاسل بحوالي 10 أسطر من الشيفرة، وUniversal Agent Accounts،
GateNewsمنذ 40 د
إطلاق برنامج ذكاء اصطناعي من Roblox لمنافسة Unity وEpic Games
وفقاً لـ Bloomberg، تطلق Roblox برنامجاً جديداً للذكاء الاصطناعي للتنافس مع Unity Technologies وEpic Games، اللتين تهيمن محركاتهما على تطوير ألعاب بميزانيات كبيرة. قال الرئيس التنفيذي Dave Baszucki إن الأداة تهدف إلى مساعدة المبدعين على إنشاء ألعاب متعددة اللاعبين برسومات فوتوغرافية واقعية بسهولة أكبر، مدعومة بـ ar
GateNewsمنذ 5 س
الأسطول البحري الأمريكي يوقّع عقداً بقيمة تقارب 100 مليون دولار مع Domino Data Lab لتأمين الكشف عن الألغام في مضيق هرمز
وفقاً لوكالة أنباء شينخوا، وقّعت قيادة أنظمة الحرب المعلوماتية التابعة للبحرية الأميركية مؤخراً عقداً مع شركة للذكاء الاصطناعي مقرها سان فرانسيسكو هي Domino Data Lab لاقتناء ونشر حلول برمجيات تعلّم الآلة. تبلغ قيمة العقد قرابة 100 مليون دولار إذا تم تنفيذه بالكامل، ويهدف إلى
GateNewsمنذ 7 س
XAI Grok يدعم الأصوات المخصّصة: استنساخ مدته دقيقتان والتحقق من الهوية على مرحلتين
أطلقت xAI Grok Custom Voices، حيث يمكن عبر وحدة التحكم تسجيل صوت لمدة نحو دقيقة واحدة، وإنتاج نموذج صوتي مخصص جاهز للاستخدام في TTS وVoice Agent API خلال دقيقتين. وتم في الوقت نفسه طرح Grok 4.3 وVoice Library. ولمنع الاستنساخ، تستخدم المنصة تحققاً على مرحلتين: يقرأ المستخدم جملة للتحقق أولاً، ثم تتم مقارنة speaker embedding لضمان أن الشخص نفسه فقط يمكنه إنشاء الصوت. ويُوحّد Voice Library إدارة الأصوات المخصصة والأصوات المبنية مسبقاً، ويضم أكثر من 80 نوعاً وبـ 28 لغة، مع التوسع لاحقاً.
ChainNewsAbmediaمنذ 9 س
مُنصة MoonPay تطلق بطاقة MoonAgents، وهي ماستركارد افتراضية لوكلاء الذكاء الاصطناعي، يوم الجمعة
ووفقاً لما ذكرته The Block، أطلقت MoonPay بطاقة MoonAgents Card، وهي بطاقة خصم افتراضية من ماستركارد، يوم الجمعة. صُممت البطاقة لتخدم كلًا من وكلاء الذكاء الاصطناعي والمستخدمين، إذ تحوّل العملات المستقرة إلى عملة ورقية عند نقطة الدفع، وتمكّن من الإنفاق لدى أي تاجر عبر الإنترنت في أنحاء العالم يقبل ماستركارد.
البطاقة هي
GateNewsمنذ 21 س
تحليل Berkeley GEPA: يمكن للذكاء الاصطناعي تعلم مهام جديدة دون تحديث الأوزان، بتكلفة تدريب أقل بـ35 مرة مقارنة بالتعلم التعزيزي (RL)
GEPA هو أسلوب جديد لتدريب الذكاء الاصطناعي اقترحه فريق من جامعة كاليفورنيا في بيركلي: لا يتطلب تحديث الأوزان، ولا يحتاج إلى وحدات GPU، ويعتمد على جعل نموذج LLM «يتأمل» سجلات المهمة كاملة ثم يعيد كتابة التعليمات، بدلاً من الاكتفاء بتغذية راجعة على شكل درجات. بلغ متوسط الفوز على مهام من ستة مهام 6%، وبلغت النسبة الأعلى 20%، كما انخفضت rollouts الخاصة بالتدريب بمقدار 35 مرة. وبالدمج مع DSPy، يُحسّن Full Program Adapter بشكل ملحوظ الأداء في المهام الرياضية وسير العمل متعدد الوسائط، بنسبة دقة بلغت 93%. تم نشر الكود كمصدر مفتوح، ويضم المؤلفون كلًا من Matei Zaharia وآخرين.
ChainNewsAbmedia05-02 05:48
