🤖 AI

Token Optimization Strategies for LLM-Based Oracle-to-PostgreSQL Migration

تُصوّر هذه الورقة تحسين الرموز (token optimization) كمسألة تحويل متعددة الأهداف ومقيدة لعملية الهجرة من Oracle إلى PostgreSQL القائمة على النماذج اللغوية الكبيرة (LLM)، حيث تقيم اثنتي عشرة استراتيجية لتثبت أنه بينما يؤدي الضغط الشديد إلى خفض الدقة الدلالية بشكل جذري، فإن التوجيه التكيفي وتقليم السياق الطفيف يقدمان أكثر المقايضات فعالية بين كفاءة الرموز وجودة الكود.

المؤلفون الأصليون: Oleg Grynets, Dmytro Babarytskyi, Vasyl Lyashkevych

نُشر 2026-05-28

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Oleg Grynets, Dmytro Babarytskyi, Vasyl Lyashkevych

البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

تخيل أنك تحاول نقل مكتبة ضخمة وعريقة من مبنى إلى آخر. المبنى القديم (Oracle) يحتوي على كتب مكتوبة بلهجة محددة ومعقدة للغاية، بينما يتحدث المبنى الجديد (PostgreSQL) لغة مختلفة قليلاً. لقد استأجرت مترجماً بارعاً (ذكاء اصطناعي أو نموذج لغوي كبير) لإعادة كتابة كل كتاب بحيث يصبح مفهوماً في المبنى الجديد.

ومع ذلك، هناك عقبة: المترجم يتقاضى أجره بناءً على الكلمة (أو "الرمز/Token") التي يقرؤها ويكتبها. إذا سلمت إليه مكتبة تحتوي على الكثير من الكلمات، فستصبح الفاتورة فلكية، وقد يصاب المترجم بالإرهاق، مما يجعله ينسى الأجزاء المهمة من القصة في منتصف كومة الكتب.

هذه الورقة البحثية تدور حول إيجاد أذكى طريقة لـ "تقليم الدهون" من الكتب قبل تسليمها للمترجم، دون قطع حبكة القصة بالخطاً.

المشكلة: الكثير من الضجيج

وجد المؤلفون أنه عندما تضع كود Oracle الخام مباشرة أمام الذكاء الاصطناعي، فكأنك تعطي المترجم كتاباً مليئاً بـ:

التعليقات: ملاحظات كتبها المؤلف الأصلي لنفسه (مثل: "أصلح هذا لاحقاً").
التفاصيل الفيزيائية: تعليمات حول كيفية تخزين الكتاب في الرف (مثل: "احفظ في غرفة جافة")، وهي أمور لا تهم في المبنى الجديد.
المساحات البيضاء الزائدة: فجوات ضخمة بين الكلمات.

هذه الأشياء تشغل مساحة (رموز/Tokens) لكنها لا تساعد المترجم على فهم القصة (منطق العمل/Business Logic).

التجربة: 12 طريقة لتقليص حجم الكتب

اختبر الباحثون 12 استراتيجية مختلفة لتقليص حجم المدخلات للذكاء الاصطناعي. فكر في هذه الاستراتيجيات كطرق مختلفة لتحرير المخطوطة:

"المسح النظيف" (تقليم السياق - Context Pruning): قاموا ببساطة بحذف ملاحظات المؤلف وتعليمات التخزين على الرفوف.
- النتيجة: كان هذا هو الخيار الأكثر أماناً. وفر بعض المال وجعل الترجمة أفضل لأن الذكاء الاصطناعي لم يتشتت بالنفايات.
"العصر" (التصغير - Minification): قاموا بإزالة جميع المسافات والأسطر الجديدة، وضغطوا النص معاً مثل الملفات المضغوطة.
- النتيجة: وفروا بعض الكلمات، لكن ذلك لم يحسن القصة كثيراً.
"الشيفرة السرية" (قناع الأسماء/المعرفات - DSL/Identifier Masking): استبدلوا الأسماء الطويلة والوصفية (مثل CustomerOrderProcessingTable) برموز قصيرة (مثل X_1).
- النتيجة: وفر هذا الكثير من الكلمات، لكن المترجم ارتبك. بدون الأسماء الحقيقية، لم يستطع الذكاء الاصطناعي تخمين الغرض من الجدول، مما أدى إلى ترجمات سيئة.
"الجوهر فقط" (تقطير المخطط - Schema Distillation): رموا كل شيء تقريباً باستثناء الهيكل العظمي الأساسي.
- النتيجة: وفر هذا مبالغ هائلة (رموز/Tokens)، لكن القصة أصبحت غير قابلة للتمييز. أنتج الذكاء الاصطناعي جملًا تبدو صحيحة هيكلياً ولكنها لا تحمل أي معنى منطقي.
"المحرر الذكي" (التوجيه التكيفي - Adaptive Routing): كان هذا هو الفائز. بدلاً من استخدام قاعدة واحدة لكل كتاب، قام النظام بفحص كل كتاب أولاً. إذا كان الكتاب بسيطاً، استخدموا لمسة خفيفة. وإذا كان معقداً، استخدموا استراتيجية مختلفة.
- النتيجة: وفروا قدراً جيداً من المال (حوالي 8-9% كلمات أقل) مع الحفاظ على دقة القصة بنسبة 99%.

الدروس الكبرى (المقايضة)

تعلمنا هذه الورقة درساً حاسماً حول هجرة البيانات باستخدام الذكاء الاصطناعي: لا يمكنك مجرد قطع الكلمات لتوفير المال.

تأثير "الضياع في المنتصف" (Lost in the Middle): إذا جعلت النص طويلاً جداً، سينسى الذكاء الاصطناعي التعليمات المهمة المدفونة في المنتصف.
فخ "الاقتصاد الزائف" (False Economy): الاستراتيجيات التي تقطع أكبر عدد من الكلمات (مثل "التقطير" أو "القناع") غالباً ما تدمر المعنى. الأمر يشبه ترجمة رواية عبر الاحتفاظ بالحرف الأول فقط من كل كلمة؛ النص سيكون قصيراً، لكنه بلا معنى.
بنية الجملة مقابل المعنى (Syntax vs. Meaning): في بعض الأحيان يمكن للذكاء الاصطناعي كتابة جملة سليمة نحوياً (بنية صحيحة) ولكنها خاطئة تماماً في المعنى (انحراف دلالي). يجب عليك التحقق من كليهما.

الحل: "الموجه الذكي" (The Smart Router)

خلصت الورقة إلى أن أفضل نهج ليس "ممحاة سحرية" واحدة. بل هو "موجه ذكي".

تخيل مراقب حركة المرور في المطار:

إذا كانت الطائرة صغيرة وبسيطة، يرسلها عبر فحص أمني سريع وخفيف.
إذا كانت الطائرة ضخمة ومعقدة، يرسلها عبر مسار أكثر تخصصاً وتدقيقاً.

بنفس الطريقة، فإن أفضل استراتيجية هي تحليل الكود أولاً. إذا كان بسيطاً، قم بتقليم الدهون. وإذا كان معقداً، كن لطيفاً وحافظ على التفاصيل المهمة. هذا النهج "التوجيه التكيفي" وفر المال مع الحفاظ على دقة المعنى.

الملخص

نقل قواعد البيانات باستخدام الذكاء الاصطناعي يشبه نقل مكتبة مع مترجم يتقاضى أجره بالكلمة.

لا تلقِ بكل شيء للمترجم؛ فهذا مكلف ومربك للغاية.
لا تقطع الأسماء والتفاصيل المهمة لمجرد توفير بضعة سنتات؛ ستفقد المعنى.
استخدم نظاماً ذكياً يقرر مقدار التقليم بناءً على مدى تعقيد قطعة الكود المحددة. هذا يوفر المال مع الحفاظ على دقة الترجمة.

ملخص تقني: استراتيجيات تحسين الرموز (Tokens) لعمليات هجرة قواعد البيانات من Oracle إلى PostgreSQL القائمة على النماذج اللغوية الكبيرة (LLMs)

1. بيان المشكلة

تعد عملية هجرة آثار (artifacts) لغة Oracle SQL و PL/SQL القديمة إلى PostgreSQL مكوناً حاسماً في تحديث البرمجيات المؤسسية. وبينما توفر النماذج اللغوية الكبيرة (LLMs) إمكانات للأتمتة في هذا التحول، إلا أن العملية تواجه حالياً قيوداً تتمثل في الاستهلاك العالي للرموز (tokens)، وتدهور السياق الطويل (ظاهرة "الضياع في المنتصف" - lost in the middle)، ومخاطر الانحراف الدلالي (semantic drift).

إن تغذية النماذج اللغوية الكبيرة مباشرة بمخططات (schemas) Oracle الضخمة، والمنطق الإجرائي، وقواعد الهجرة يزيد من تكاليف واجهة برمجة التطبيقات (API) وغالباً ما يؤدي إلى تدهور جودة التوليد. ولا تعالج الأساليب الحالية لضغط المطالبات (prompts) أو توليد SQL من النص (Text-to-SQL) بشكل عام قيود الهجرة بين اللهجات البرمجية، حيث يكون الحفاظ على الدلالات الإجرائية، وقيود المخطط، ومعاني المعرفات أمراً بالغ الأهمية. تكمن المشكلة الجوهرية في كيفية تقليل حجم السياق دون فقدان المعلومات الدلالية المطلوبة لضمان هجرة صحيحة وصالحة من الناحية النحوية (syntactically valid).

2. المنهجية

تصيغ الدراسة تحسين الرموز كمسألة تحويل مقيدة ضمن "التطوير القائم على المواصفات" (Specification-Driven Development - SDD). يقترح المؤلفون مسار عمل (pipeline) يتم فيه تحويل سياق الهجرة (الكود المصدري، المواصفات، القواعد) بواسطة دالة استراتيجية $f_i$ قبل تمريرها إلى دالة التوليد الخاصة بالنموذج اللغوي الكبير $G$ .

أ. تصنيف الاستراتيجيات

تم تحديد وتقييم اثنتي عشرة استراتيجية متميزة لتحسين الرموز:

الأساس (Baseline): لغة Oracle SQL/PL/SQL الخام دون تعديل.
تقليم السياق (Context Pruning): إزالة التعليقات والمعلمات الفيزيائية الخاصة بـ Oracle (مثل TABLESPACE و STORAGE).
التصغير (Minification): تقليص المسافات البيضاء والأسطر الجديدة الزائدة.
الضغط الدلالي (Semantic Compression - DSL): ربط هياكل SQL المتكررة بأشكال رمزية مدمجة.
تعزيز البيانات الوصفية (Metadata Augmentation): حقن خصائص المخطط والمعلمات الرئيسية كمرتكزات دلالية.
إعادة هيكلة السياق (Context Refactoring): إزالة علامات الاقتباس غير الضرورية من المعرفات.
تقطير المخطط (Schema Distillation): إزالة التعريفات الإجرائية الثانوية للاحتفاظ بمنطق المخطط الأساسي فقط.
التوجيه التكيفي (Adaptive Routing): الاختيار الديناميكي لاستراتيجية التحسين بناءً على تعقيد بنية المدخلات (مثل نسبة PL/SQL).
التصغير القائم على شجرة الإعراب المجردة (AST-Based Minification): تحليل SQL إلى شجرة إعراب مجردة (AST) لإزالة العقد الزائدة قبل التسلسل (serialization).
قناع المعرفات (Identifier Masking): استبدال أسماء الجداول/الأعمدة المطولة بأسماء مستعارة قصيرة وحتمية.
فرض قيود المخرجات (Output Constraint Enforcement): تقييد مطالبة النظام (system prompt) لمنع المخرجات الحوارية، أو تنسيقات Markdown، أو التنسيقات الإضافية.
التحسين الهجين (Hybrid Optimization): الجمع بين ضغط المدخلات التكيفي وقيود المخرات.

ب. الإعداد التجريبي

مجموعة البيانات: مجموعتان فرعيتان من آثار Oracle SQL/PL/SQL المقترنة بترجمات PostgreSQL مصادق عليها: عينة من 10 استعلامات للتحقق الأولي، وعينة من 100 استعلام لضمان المتانة الإحصائية.
النموذج: تم استخدام GPT-4o كنموذج لغوي كبير مستهدف.
مقاييس التقييم:
- معدل الصحة النحوية (VSR): نسبة المخرجات التي يمكن تحليلها كـ PostgreSQL صالحة.
- المطابقة التامة (EM): مطابقة حرفية مع المرجع.
- المطابقة الدلالية (SM): التكافؤ الوظيفي عبر مقارنة AST أو تقييم الخبراء.
- CodeBLEU: مقياس التشابه الهيكلي.
- كفاءة الرموز (TE): العائد الدلالي مقابل تكلفة الرموز ( $SM / (T_{in} + T_{out})$ ).

3. النتائج الرئيسية

كشف التقييم على عينة الـ 100 استعلام عن مقايضات كبيرة بين تقليل الرموز وجودة الهجرة:

الاستراتيجيات الآمنة: كان تقليم السياق هو التحسين الأكثر أماناً، حيث قلل رموز المدخلات بنسبة 1.19% ورموز المخرجات بنسبة 1.08% مع الحفاظ على مطابقة دلالية بلغت 89.75% (وهي نسبة قريبة جداً من أساس الـ 89.80%).
المقايضة المثلى: وفر التوجيه التكيفي أفضل توازن عملي؛ حيث قلل رموز المدخلات بنسبة 8.72% ورموز المخرجات بنسبة 5.49%، مع الحفاظ على مطابقة دلالية بنسبة 88.40% وزيادة كفاءة الرموز بنسبة 6.67%.
الاستراتيجيات العدوانية عالية المخاطر:
- حقق تقطير المخطط تخفيضات هائلة في الرموز (81.72% للمدخلات، 74.64% للمخرجات) وزيادة بنسبة 132.22% في كفاءة الرموز. ومع ذلك، جاء ذلك على حساب انخفاض قدره 44.50 نقطة مئوية في المطابقة الدلالية، مما جعل المخرجات غير صحيحة وظيفياً للمنطق المعقد.
- أدى قناع المعرفات إلى تقليل رموز المدخلات بنسبة 33.30% ولكن تسبب في انخفاض قدره 30.08 نقطة مئوية في المطابقة الدلالية، مما يؤكد أن المعرفات الخاصة بالمجال ضرورية لاستنتاج منطق الأعمال.
قيود المخرجات: أدى تقييد تنسيق المخرجات إلى تقليل رموز المخرات بنسبة 15.05% ولكنه أدى إلى تدهور معدل الصحة النحوية بنسبة 7 نقاط مئوية والمطابقة الدلالية بنسبة 10.78 نقطة مئوية، مما يشير إلى أن القيود الصارمة للغاية تعيق قدرة النموذج على توليد SQL صحيح.

4. المساهمات الرئيسية

اقتراح التصنيف: تقدم الورقة تصنيفاً رسمياً لاثنتي عشرة استراتيجية لتحسين الرموز مصممة خصيصاً للهجرة من Oracle إلى PostgreSQL.
صياغة المشكلة: تصيغ الورقة تحسين الرموز ليس كمجرد تقصير للمطالبات، بل كمسألة تحويل متعددة الأهداف ومقيدة توازن بين التكلفة، والصحة النحوية، والحفاظ على الدلالات.
الأدلة التجريبية: توفر الدراسة مقارنة تجريبية صارمة لهذه الاستراتيجيات عبر مستويات مختلفة من تعقيد الاستعلامات، مما يوضح أن الضغط العدواني غالباً ما يؤدي إلى انحراف دلالي.
نموذج اتخاذ القرار: تقترح الورقة نموذجاً عملياً لاختيار الاستراتيجية، ينصح باستخدام التقليم الخفيف للاحتياجات عالية الدقة، والتوجيه التكيفي لعمليات الهجرة المتنوعة والقابلة للتوسع، مع التحذير من التقطير العدواني للمنطق الإجرائي.

5. الأهمية والادعاءات

تدعي الورقة أن تحسين الرموز في عمليات هجرة قواعد البيانات القائمة على LLM لا يمكن معاملته كمهمة تقليل تكلفة أحادية البعد. وتثبت النتائج أن التقليل العدواني للرموز يؤدي غالباً إلى تدهور دلالي، مما يجعل مخرجات الهجرة عديمة الفائدة وظيفياً رغم ارتفاع مقاييس كفاءة الرموز.

تكمن الأهمية الأساسية في إثبات أن الضغط التكيفي للسياق يتفوق على الضغط الموحد. فمن خلال توجيه المدخلات ديناميكياً بناءً على التعقيد الهيكلي (مثل التمييز بين DDL الصرف و PL/SQL المعقد)، يمكن للمؤسسات تحقيق تقليل "آمن" في استخدام الرموز (حوالي 8-9%) دون المساس بالسلامة الدلالية للكود المهاجر. وتخلص الدراسة إلى أن الهجرة الناجحة تعتمد على الموازنة بين التكلفة والدقة الهيكلية، حيث يمثل التقليم الخفيف والتوجيه التكيفي أكثر استراتيجيات الإنتاج جدوى.