مكدس ذكاء اصطناعي ذاتي: Gitea‏ و‏Ollama على خادم VPS

لماذا نجمع هذا المكدس على خادم VPS

‏GitHub Actions‏ وواجهات برمجة نماذج اللغة السحابية يشتركان في نفس العيب: نقل المعالجة إلى الخارج. في الحالة الأولى، يعمل الكود المصدري على عُمَّال مشتركين؛ وفي الثانية، يُرسل سياق طلباتك إلى طرف ثالث. بالنسبة لوكالة أو مطور مستقل يدير كودًا لعملاء بموجب اتفاقية سرية، لا يكفي إصلاح أحدهما دون الآخر.

‏Gitea‏ يتضمن محرك إجراءات متوافقًا مع ‏GitHub Actions‏ بدءًا من الإصدار 1.19. ‏Ollama‏ يعرض واجهة ‏REST‏ محلية على شبكة ‏Docker‏ الداخلية. حاوية ‏act_runner‏ تقرأ ملفات ‏.yml‏ الخاصة بك تمامًا كما يفعل ‏GitHub‏ — وتستدعي ‏Ollama‏ بدلًا من واجهة برمجة سحابية. يعمل المكدس بأكمله بأمر ‏docker compose up -d‏ ولا يُنشئ أي حركة مرور خارجية نحو واجهات النماذج الكبيرة.

الفوائد العملية لهذه البنية

سرية الكود التامة: تعمل عُمَّال التشغيل على خادم ‏VPS‏ الخاص بك، ولا يغادر الكود المستنسخ شبكة ‏Docker‏ الداخلية قط.
لا يُرسَل أي توكن للخارج: يُقدّم ‏Ollama‏ الاستدلال محليًا؛ لا توجد أي طلبات نحو ‏openai.com‏ أو ‏anthropic.com‏.
تكلفة ثابتة وقابلة للتنبؤ: لا فوترة لكل تشغيل للـworkflow، ولا فوترة لكل توكن — سطر ميزانية شهري واحد بغض النظر عن الحمل.
إعادة استخدام workflows‏ GitHub Actions: ‏Gitea Actions‏ متوافق مع صيغة ‏.github/workflows/‏؛ خطوط أنابيبك تنتقل دون إعادة كتابة.
تبديل النماذج بحرية: ‏Qwen2.5-Coder‏ أو ‏DeepSeek-Coder‏ أو ‏Llama 3.1‏ أو ‏Mistral‏ — أمر ollama pull واحد لتغيير النموذج دون لمس خط الأنابيب.
تدقيق وتتبع كاملان: سجلات عُمَّال التشغيل، وسجل النماذج المُحمَّلة، وسجلات ‏nginx‏ تبقى على بنيتك التحتية وتعود إليك.

المتطلبات المسبقة للأجهزة والبرامج

القيد الحاسم هو ذاكرة الوصول العشوائي: يجب أن يتسع النموذج بالكامل في الذاكرة ليبقى الاستدلال سريع الاستجابة. يتطلب نموذج ‏7B‏ المكمَّم بصيغة ‏Q4_K_M‏ حوالي 5 إلى 6 غيغابايت من الذاكرة؛ بإضافة ‏Gitea‏ (أقل من 100 ميغابايت عند الخمول) والـrunner، احسب 8 غيغابايت كحد أدنى لنموذج ‏7B‏ و16 غيغابايت موصى بها لنموذج ‏13B‏.

بالنسبة للمعالج، يكفي اثنان من ‏vCPU‏ لـ‏Gitea‏ والـrunners؛ الاستدلال على المعالج فقط لنموذج ‏7B‏ يستغرق بضع ثوانٍ لكل رد، وهو مقبول لمراجعة الكود الآلية. يُقلل وحدة معالجة الرسومات المخصصة هذا التأخير إلى أقل من ثانية، لكنها غير مطلوبة للاستخدام في خط أنابيب ‏CI‏.

البرامج المطلوبة على الخادم: ‏Docker Engine‏ و‏Docker Compose v2‏، واسم نطاق يشير إلى خادمك (لشهادات ‏TLS‏ لـ‏Gitea‏)، والمنافذ 3000 (‏Gitea‏) و11434 (‏Ollama‏، الشبكة الداخلية فقط) متاحة.

النماذج الموصى بها حسب ذاكرة RAM المتاحة

‏Qwen2.5-Coder:7B‏ (صيغة ‏Q4_K_M‏، ~5 ‏GB‏ من ‏RAM‏) — نسبة جودة/موارد متوازنة لمراجعات الكود في 2026؛ يفهم السياق الممتد وأعراف الأسلوب البرمجي.
‏DeepSeek-Coder:6.7B‏ (صيغة ‏Q4‏، ~4.5 ‏GB‏ من ‏RAM‏) — بديل مدمج حين تكون الذاكرة محدودة؛ دقيق في ‏Python‏ و‏JavaScript‏ والـ‏diffs‏ الأقل من 200 سطر.
‏Llama 3.1:8B‏ (صيغة ‏Q4_K_M‏، ~5.5 ‏GB‏ من ‏RAM‏) — نموذج متعدد اللغات للاستخدام العام، مفيد حين تمزج مشاريعك الكود بالتوثيق بلغات متعددة.
‏Mistral:7B‏ (صيغة ‏Q4_K_M‏، ~4.5 ‏GB‏ من ‏RAM‏) — ردود قصيرة ومباشرة، مثالي لملخص الـ‏diff‏ بدلًا من تحليل مفصّل.
الانتقال إلى نموذج 13B‏ — على خادم ‏VPS‏ بـ16 ‏GB‏ أو أكثر، تُحسّن codellama:13b أو qwen2.5-coder:14b المراجعات على الـ‏diffs‏ الكبيرة؛ يرتفع وقت الاستدلال على المعالج من ~5 ث إلى ~15 ث لكل استدعاء.

نشر مكدس Gitea + Ollama + runner

إنشاء هيكل الملفات

أنشئ دليل مشروع وملف ‏docker-compose.yml‏ يُعلن عن ثلاثة خدمات: ‏gitea‏ و‏ollama‏ و‏runner‏. ضع جميع ‏volumes‏ في مجلد فرعي ‏data/‏ لتسهيل النسخ الاحتياطي.

mkdir -p ~/gitea-stack/data/{gitea,ollama,runner}
cd ~/gitea-stack

كتابة ملف docker-compose.yml

يُعلن الملف عن شبكة داخلية ‏ai-net‏ تتواصل عبرها الخدمات الثلاث. لا يُعرض ‏Ollama‏ على المضيف: فقط الـrunner يمكنه الوصول إليه عبر شبكة ‏Docker‏.

cat > docker-compose.yml << 'EOF'
version: "3.8"

networks:
  ai-net:
    driver: bridge

volumes:
  gitea-data:
  ollama-data:
  runner-data:

services:
  gitea:
    image: gitea/gitea:latest
    restart: unless-stopped
    networks: [ai-net]
    ports:
      - "3000:3000"
      - "2222:22"
    volumes:
      - gitea-data:/data
    environment:
      - GITEA__server__DOMAIN=git.yourdomain.com
      - GITEA__server__ROOT_URL=https://git.yourdomain.com
      - GITEA__actions__ENABLED=true

  ollama:
    image: ollama/ollama:latest
    restart: unless-stopped
    networks: [ai-net]
    volumes:
      - ollama-data:/root/.ollama

  runner:
    image: gitea/act_runner:latest
    restart: unless-stopped
    networks: [ai-net]
    volumes:
      - runner-data:/data
      - /var/run/docker.sock:/var/run/docker.sock
    environment:
      - GITEA_INSTANCE_URL=http://gitea:3000
      - GITEA_RUNNER_REGISTRATION_TOKEN=${RUNNER_TOKEN}
      - GITEA_RUNNER_NAME=local-runner
      - OLLAMA_URL=http://ollama:11434
EOF

تشغيل Gitea واسترداد توكن الـrunner

شغِّل ‏Gitea‏ أولًا فقط لإتمام الإعداد الأولي وتوليد رمز تسجيل الـrunner.

docker compose up -d gitea

افتح ‏http://<ip-الخادم>:3000‏ في متصفحك، أكمل معالج الإعداد، ثم اذهب إلى إعدادات الموقع ← الإجراءات ← عُمَّال التشغيل لإنشاء رمز التسجيل. دوِّن هذا الرمز — ستحتاجه في الخطوة التالية.

تشغيل Ollama وتنزيل نموذج

شغِّل ‏Ollama‏ ونزِّل نموذجك. لخط أنابيب مراجعة الكود، يُقدم ‏qwen2.5-coder:7b‏ أو ‏deepseek-coder:6.7b‏ نسبة جيدة بين الجودة والموارد.

docker compose up -d ollama
# تنزيل نموذج للكود
docker exec gitea-stack-ollama-1 ollama pull qwen2.5-coder:7b
# التحقق من أن الـAPI يستجيب على الشبكة الداخلية
docker run --rm --network gitea-stack_ai-net curlimages/curl \
  http://ollama:11434/api/tags

استجابة ‏JSON‏ تُدرج النماذج المتاحة — تأكيد أن ‏API‏ الخاص بـ‏Ollama‏ في متناول شبكة ‏Docker‏ الداخلية.

تسجيل الـrunner وتشغيل المكدس بالكامل

أنشئ ملف ‏.env‏ بالرمز المسترد في الخطوة 3، ثم شغِّل الـrunner.

echo "RUNNER_TOKEN=رمزك_هنا" > .env
docker compose up -d runner
# التحقق من تسجيل الـrunner بنجاح
docker compose logs runner | tail -20

تحقق في إعدادات الموقع ← الإجراءات ← عُمَّال التشغيل من ظهور عامل التشغيل بحالة نشط.

إنشاء workflow يستدعي Ollama

في مستودع ‏Gitea‏، أنشئ ‏.gitea/workflows/review.yml‏. يستنسخ الـworkflow الكود، ويستدعي نقطة نهاية ‏/api/chat‏ الخاصة بـ‏Ollama‏ عبر ‏curl‏، وينشر النتيجة كتعليق على طلب السحب.

cat > .gitea/workflows/review.yml << 'EOF'
name: AI Code Review
on:
  pull_request:
    types: [opened, synchronize]

jobs:
  review:
    runs-on: ubuntu-latest
    steps:
      - uses: actions/checkout@v4
      - name: مراجعة الكود عبر Ollama
        run: |
          DIFF=$(git diff HEAD~1 --unified=5 | head -200)
          curl -s ${OLLAMA_URL:-http://ollama:11434}/api/chat \
            -H 'Content-Type: application/json' \
            -d "{\"model\": \"qwen2.5-coder:7b\", \"stream\": false,
                 \"messages\": [{\"role\": \"user\",
                 \"content\": \"راجع هذا الـdiff: $DIFF\"}]}" \
            | jq -r '.message.content'
EOF

ادفع هذا الملف إلى forge ‏Gitea‏ الخاص بك — يكتشفه الـrunner ويُشغِّل المهمة على الشبكة الداخلية، دون أي وصول إلى الإنترنت.

وضع Gitea خلف وكيل عكسي HTTPS

ضع ‏Gitea‏ خلف ‏nginx‏ أو ‏Caddy‏ مع شهادة ‏Let's Encrypt‏ لعرض الـforge على ‏git.yourdomain.com‏. يجب ألا يكون المنفذ 3000 في متناول الخارج مباشرةً بعد الآن.

# مثال nginx مبسط
cat > /etc/nginx/sites-available/gitea.conf << 'EOF'
server {
    listen 443 ssl;
    server_name git.yourdomain.com;
    ssl_certificate /etc/letsencrypt/live/git.yourdomain.com/fullchain.pem;
    ssl_certificate_key /etc/letsencrypt/live/git.yourdomain.com/privkey.pem;

    location / {
        proxy_pass http://127.0.0.1:3000;
        proxy_set_header Host $host;
        proxy_set_header X-Real-IP $remote_addr;
    }
}
EOF
nginx -t && systemctl reload nginx

يبقى ‏Ollama‏ حصريًا على شبكة ‏Docker‏ الداخلية ولا يُعرض أبدًا على الإنترنت.

التحقق من عدم خروج أي توكن من خادمك

للتأكد من أن استدعاءات النماذج تبقى على خادم ‏VPS‏ الخاص بك، التقط حركة الشبكة الصادرة أثناء تشغيل ‏workflow‏: ‏tcpdump -i eth0 -n 'dst port 443 and dst host openai.com'‏. صفر حزم مُلتقطة يُؤكد العزل. يمكنك أيضًا فحص سجلات ‏Ollama‏ (‏docker compose logs ollama‏): يُسجَّل كل طلب استدلال مع عنوان مصدره — يجب أن يكون دائمًا عنوان ‏IP‏ لشبكة ‏Docker‏ الداخلية، وليس عنوانًا خارجيًا.

مقارنة التكلفة: VPS ذاتي مقابل API سحابي

يعالج نموذج ‏7B‏ ما بين 30 000 و50 000 توكن في الدقيقة على اثنين من ‏vCPU‏. تستهلك مراجعة ‏diff‏ من 150 سطرًا نحو 800 توكن (الطلب + الرد). في 1 000 مراجعة شهرية — حجم واقعي لفريق مؤلف من خمسة مطورين — يبلغ الإجمالي 800 000 توكن.

على صعيد السحابة، يُفاتر ‏gpt-4o-mini‏ بـ0.15 دولار لكل مليون توكن مُدخَل و0.60 دولار لكل مليون توكن مُخرَج (أسعار ‏OpenAI‏ في سبتمبر 2026). في 800 000 توكن: نحو 0.70 دولار شهريًا. ‏Claude Haiku‏ في النطاق ذاته. الحجة المالية إذن ضعيفة عند الأحجام المعتدلة.

ما يصمد هو حجة السرية: ‏diffs‏ كود العملاء، ومفاتيح ‏API‏ الظاهرة في رسائل الخطأ، وأسماء المتغيرات التجارية — كل ذلك يغادر شبكتك مع كل استدعاء لواجهة خارجية. على خادم ‏ServOrbit VPS‏ بـ8 ‏GB‏ من ‏RAM‏ (نحو 15 يورو شهريًا)، لا يُضاف أي تكلفة إضافية للاستدلال المحلي، ولا يغادر أي توكن خادمك.

المزيد: مراقبة خط الأنابيب وإثراؤه

بمجرد تشغيل المكدس الأساسي، يُعدّ توسيعان أمرًا طبيعيًا. الأول هو إضافة ‏Langfuse‏ كخدمة خامسة: تتبع كل استدعاء للنموذج (النموذج، المدة، التوكنات المستهلكة، النتيجة)، مما يتيح قياس جودة المراجعات، واكتشاف تراجعات النموذج، ومقارنة النتائج على مجموعة بياناتك الحقيقية قبل تغيير الإصدار. الثاني هو توازي عُمَّال التشغيل: يمكن لـ‏act_runner‏ ثانٍ بتسمية مختلفة (مثلًا ‏gpu‏) استهداف عقدة ذات وصول لـ‏GPU‏ للمهام الثقيلة، بينما تستمر المهام الخفيفة (الفحص، اختبارات الوحدة) على الـrunner الأساسي المعتمد على المعالج.

للنسخ الاحتياطي، تحتوي ‏volumes‏ الخاصة بـ‏gitea-data‏ و‏ollama-data‏ على المستودعات والنماذج المُنزَّلة على التوالي. يكفي لقطة يومية من هذين الـvolume لاستعادة المكدس بالكامل في أقل من عشر دقائق. بما أن نماذج ‏Ollama‏ يمكن إعادة تنزيلها عند الطلب من السجل العام، فإن ‏gitea-data‏ فقط هو الحيوي فعلًا لاستمرارية الخدمة والحفاظ على سجل ‏Git‏.