أدلة الصور وARGUS

ألصق أو أرفق لقطات شاشة في المحادثة — بصيغة PNG أو JPEG أو WebP — واطرح أسئلة حول ما تراه. يوجّه ContextMint الرؤية عبر Ollama المحلي افتراضياً (بدون الحاجة لمفتاح API). يتوفر دعم اختياري للنماذج متعددة الوسائط عبر السحابة عند تفعيله بـBYOK. يشغّل ARGUS تدقيقاً بصرياً منظَّماً على الصورة نفسها — نتائج مصنَّفة وفق WCAG، تقارير فقط، ولا إصلاح تلقائي أبداً.

لماذا أدلة الصور

يلصق المهندسون نماذج واجهة المستخدم ومربعات حوار الأخطاء ولقطات لوحات المعلومات كل يوم. يعامل ContextMint الصور كأدلة من الدرجة الأولى إلى جانب مقاطع الكود المسترجَعة — بنفس البوابات البشرية: معاينة Context Lens قبل الاستدلال، وشارة التوجيه بعده، وبدون كتابات صامتة.

  • الأولوية محلية — تعمل نماذج الرؤية على جهازك عبر Ollama عند تثبيته
  • لا حاجة لمفتاح سحابي — إرفاق صورة لا يفرض التوجيه السحابي
  • واعٍ بالمسار — تدعم مساري Work وHybrid الصورة + الحزم؛ يجمع مسار Repo بين الصورة وRAG
  • حريص على الخصوصية — إشعار حساسية عند أول إرفاق؛ إزالة بيانات EXIF؛ لا تُسجَّل الصور أبداً كـbase64

إرفاق الصور في المحادثة

طرق إضافة صورة

  • اللصق — انسخ لقطة شاشة وألصقها في شريط الإنشاء
  • السحب والإفلات — أفلت ملفات الصور في منطقة الإنشاء
  • منتقي الملفات — استخدم عنصر التحكم بالإرفاق واختر ملف صورة

الحدود والصيغ

  • الصيغ: PNG، JPEG، WebP (تُرفَض SVG وأنواع أخرى)
  • حتى 3 صور لكل رسالة (قابل للتهيئة)
  • الحد الأقصى 5 ميبيبايت لكل صورة؛ يُعاد تحجيم الصور الكبيرة إلى بُعد أقصى (الافتراضي 2048 بكسل)
  • تظهر شرائح الصور بجانب شرائح مرفقات الملفات في شريط الإنشاء

في المرة الأولى التي ترفق فيها صورة ضمن جلسة، قد يعرض ContextMint إشعار حساسية — إذ قد تحتوي لقطات الشاشة على بيانات اعتماد أو معلومات تعريف شخصية أو روابط داخلية. راجع Context Lens قبل الإرسال عندما تكون بوابة الثقة مفعّلة.

توجيه الرؤية (المحلي افتراضياً)

عند إرفاق الصور، يختار ContextMint نموذجاً قادراً على الرؤية — وليس نموذج ترميز نصي فقط. المسار الافتراضي هو Ollama المحلي باستخدام نماذج مثل moondream أو llava أو qwen2-vl.

تسمية العدسة/الشارة المعنى
local سيعمل نموذج رؤية Ollama المحلي — الافتراضي والموصى به لسير العمل السيادي
cloud اخترت صراحةً نموذج رؤية سحابياً وBYOK مفعَّل بمفتاح صالح
needs_vlm لا يوجد نموذج رؤية مثبَّت — اسحب واحداً من Engine ← النماذج (الإجراء الأساسي)؛ السحابة خيار ثانوي

مهم: إعداد مفتاح API سحابي لا يرسل الصور تلقائياً إلى السحابة. تبقى الصور على مسار الرؤية المحلي ما لم تختر صراحةً نموذج رؤية سحابياً. هذا يحافظ على الافتراضي السيادي للبيئات المنظَّمة والمعزولة.

اسحب نموذج رؤية

إذا لم يكن هناك نموذج رؤية مثبَّتاً، يعرض Context Lens اسحب نموذج رؤية — رابطاً مباشراً إلى Engine ← النماذج حيث يمكنك سحب moondream (صغير وسريع) أو llava. نماذج الرؤية منفصلة عن نماذج المحادثة والتضمين لديك؛ يمكن أن يتعايش كلاهما في Ollama.

Context Lens مع الصور

عند تفعيل معاينة Context Lens، تظهر الصور المرفَقة في درج الأدلة إلى جانب المقاطع المسترجَعة:

  • معاينة مصغَّرة لكل صورة مرفَقة
  • تسمية مسار الرؤية (local أو cloud أو needs_vlm)
  • عدد المقاطع وأدلة RAG (عند تفعيل مسار Repo أو Hybrid)
  • إجراءات: إرسال (محادثة متعددة الوسائط) وتشغيل التدقيق البصري (ARGUS)

يمكن لبوابة الثقة أن تطلب تأكيداً صريحاً عند وجود صور — نفس نمط الإنسان في الحلقة المستخدم عند إرسال نصوص حساسة. انظر Context Lens والحزم.

إجابات المحادثة مع الصور

بعد الإرسال، يجيب المساعد باستخدام الصورة إضافةً إلى أي سياق مسترجَع. تُظهر شارة التوجيه على الإجابة طبقة رؤية local أو cloud. تتضمن بيانات المفتش/xAI الوصفية image_count وvision_route لمسارات التدقيق — وليس بايتات الصورة الخام.

  • Repo / Hybrid — صورة + بحث هجين (متجهات + BM25 + grep) عند الفهرسة
  • Work — صورة + حزم الجلسة ومرفقات الملفات؛ بدون بحث متجهات في المستودع
  • Plan / Agent + صورة — شريط معلومات؛ لا تُطلق الصور تطبيقاً تلقائياً للملفات

عند وجود صور، تُعطَّل بثوث «التفكير» الممتدة للنماذج المحلية المتوافقة تجنُّباً لتعارض أوضاع الوسائط المتعددة مع أوضاع التفكير.

ARGUS — التدقيق البصري

ARGUS (مراجعة آلية لقابلية استخدام واجهة المستخدم والمعايير) هي طبقة التدقيق البصري المنظَّم في ContextMint. تستخدم نفس مكدس الرؤية المحلي المستخدم في المحادثة، لكنها تعيد تقرير نتائج بدلاً من إجابة حوارية.

تدقيق اللصق (من المحادثة)

  1. أرفق لقطة شاشة لواجهة المستخدم في شريط الإنشاء.
  2. افتح Context Lens (أو استخدم إجراء الرسالة بعد الإرسال).
  3. انقر تشغيل التدقيق البصري.
  4. راجع النتائج ضمن السياق: الخطورة، الفئة، الوصف، مرجع قاعدة WCAG الاختياري، مصغَّرة لقطة الشاشة.

يعيد التدقيق استخدام نفس كتلة الصورة المطبَّعة — بدون رفع ثانٍ. يفترض ARGUS الرؤية المحلية افتراضياً؛ ولا يتطلب مفاتيح سحابية.

تدقيق الصندوق الرملي (من شجرة عمل المعاينة)

عند تفعيل معاينة Git sandbox، شغّل من لوحة الأوامر: ContextMint: تشغيل التدقيق البصري على الصندوق الرملي. يقوم ContextMint بتمهيد التبعيات في شجرة العمل المعزولة، ويلتقط لقطة شاشة عبر Playwright للمعاينة قيد التشغيل، ويشغّل نفس مخطط تدقيق نموذج الرؤية اللغوي.

  • عند فشل تمهيد التبعيات، تحصل على نتيجة منظَّمة deps_unavailable — لا يوجد تدقيق لصفحة فارغة أبداً
  • تُخزَّن التقارير بمدة صلاحية (7 أيام افتراضياً) ضمن دليل بيانات المشغّل

صيغة النتائج

تتضمن كل نتيجة:

  • severity (الخطورة) — مثل حرجة، رئيسية، بسيطة، معلوماتية
  • category (الفئة) — إمكانية الوصول، التباين، التخطيط، النص، التفاعل، …
  • description (الوصف) — ما رصده النموذج
  • wcag_rule — مرجع WCAG اختياري عند الانطباق
  • bbox — تلميح منطقة اختياري على لقطة الشاشة

السلامة — تقارير فقط

لا يصلح ARGUS تلقائياً قاعدة الكود لديك أبداً. إذا تصرّفت بناءً على نتيجة، يمكن لـContextMint التسليم إلى معاينة التصحيح المُساعَدة (البوابة 2) — وستظل تراجع الفروقات الموحّدة قبل التطبيق. انظر التصحيحات والحوكمة.

الرؤية السحابية الاختيارية (BYOK)

يمكن للفرق التي توافق على الاستدلال الخارجي تفعيل النماذج متعددة الوسائط عبر السحابة عندما يكون contextmint.cloudEnabled مفعَّلاً ومفتاح المزوّد مُهيَّأ. يجب عليك اختيار نموذج رؤية سحابي صراحةً؛ لا تُرسَل الصور بصمت إلى نماذج سحابية نصية فقط.

يُجمَّع السياق متعدد الوسائط ويُنقَّح في الإضافة؛ تبقى مفاتيح API في SecretStorage الخاص بـVS Code. التفاصيل: BYOK والمؤسسات.

مرجع الإعدادات

إعدادات الإضافة الرئيسية (ابحث عن «ContextMint» في إعدادات VS Code):

  • contextmint.chat.imageAttachmentsEnabled — تفعيل اللصق / الإفلات / المنتقي
  • contextmint.chat.imageMaxCountPerMessage — الحد الأقصى للصور لكل إرسال
  • contextmint.chat.imageMaxBytes — سقف حجم الملف الواحد
  • contextmint.chat.imageSensitivityNotice — نص إشعار أول إرفاق
  • contextmint.argus.auditButtonLabel — تسمية إجراء العدسة (الافتراضي «تشغيل التدقيق البصري»)

تعيش قابليات ضبط الخادم (chat.image_*، argus.*) في إعدادات المشغّل الافتراضية على مضيف API. القائمة الكاملة: الإعدادات ← أدلة الصور وARGUS.

قائمة تحقق المشغّل

  1. Engine ← تشغيل الكل — الخادم وOllama بحالة سليمة
  2. Engine ← النماذج — اسحب نموذج رؤية واحداً (يوصى بـmoondream للحواسيب المحمولة)
  3. VS Code ← ألصق لقطة شاشة ← تأكد أن العدسة تُظهر مسار local
  4. اختياري ← تشغيل التدقيق البصري على لقطة شاشة للتحقق من ARGUS

المشكلات: استكشاف الأخطاء وإصلاحها ← أدلة الصور وARGUS. المفاهيم: المسرد · المحادثة والمسارات.