logo
  • البيئات
  • الشركات
  • الأسعار
TeamMar 10, 2026

بناء صفحة هبوط صناعية عصبية باستخدام Eigent

Celine XieCeline Xie
بناء صفحة هبوط صناعية عصبية باستخدام Eigent
Automate Everything with
AI Workforce on Desktop
Download Eigent

التصميم بما يتجاوز المظهر العام المعتاد للذكاء الاصطناعي

معظم صفحات الهبوط الخاصة بالذكاء الاصطناعي تبدو متشابهة تمامًا — زوايا دائرية، وتدرجات لونية ناعمة، والرسوم التوضيحية العامة نفسها. في كل مرة أتصفح فيها أداة جديدة، أرى لوحة ألوان SaaS الزرقاء نفسها والمرئيات الودودة لكنها غير المميزة. يبدو أننا نفقد الحدة التي كانت تتمتع بها أدوات الهندسة عالية الأداء.

عندما بدأت في بناء الواجهة الخاصة بـ EigentFlow — وهي مجموعة خيالية لإدارة المشاريع مدعومة بالذكاء الاصطناعي — كنت أريد شيئًا مختلفًا. أردته أن يبدو مثل IDE عالي المستوى أو مركز قيادة قائم على الطرفية، لكن مع صقل تجربة ويب حديثة. أسمي هذا الأسلوب الجمالي: صناعي عصبي.

استخدمت مهارة تصميم الواجهة الأمامية في Eigent لردم الفجوة بين فلسفة التصميم المجردة هذه والتنفيذ الجاهز للإنتاج. إليك كيف بنيته.

1تحديد الهوية البصرية

كانت الخطوة الأولى هي وضع القيود الخاصة بنظام التصميم. لم أكن أريد وضعًا فاتحًا عامًا؛ كنت أريد خلفية سوداء عميقة بلون أوبسيديان مع لمسات سماوية عالية التباين تشبه الدوائر الإلكترونية المتوهجة.

بدأت بتعريف نظام متغيرات CSS الذي سيقود المشروع بأكمله. استقررنا على لوحة داكنة (#0A0A0B) و"Neural Cyan" نابضة بالحياة (#00F5FF). أما بالنسبة للطباعة، فقد مزجت خط serif للعناوين لإضفاء طابع نخبوّي تحريري، مع خط monospace للتفاصيل التقنية.

2توجيه الوكيل

بدلاً من كتابة الهيكل الأساسي بنفسي، أعطيت Eigent prompt شديد التحديد تضمّن فلسفة التصميم والوحدات التفاعلية المطلوبة.

استخدم مهارة تصميم الواجهة الأمامية لتصميم وبناء صفحة هبوط احترافية لـ EigentFlow. استخدم ثيم صناعي عصبي مع لوحة داكنة، ولمسات سماوية، ومزيج من خطي Playfair Display و JetBrains Mono. أدرج وحدة عرض تفاعلية يمكن للمستخدمين فيها التلاعب بـ Contextual Density.

بدأ Eigent فورًا في هندسة البنية، مع إعطاء الأولوية لنهج الملف الواحد لضمان أن تكون التجربة كاملة ومتكاملة وسهلة النشر.

3إنشاء العمق باستخدام الملمس

إحدى المشكلات الكبيرة في تصاميم الوضع الداكن هي أنها قد تبدو مسطحة. ولحل ذلك، طلبت من Eigent تنفيذ طبقة حبيبية وخلفية شبكية شعاعية.

الطبقة الحبيبية هي نسيج ضوضاء SVG مثبت على إطار العرض بشفافية منخفضة — ما يمنح الشاشة جودة مادية ولمسية. وتحته توجد خلفية شبكية ديناميكية تُحجب بتدرج شعاعي، بحيث تتلاشى الخطوط نحو حواف الشاشة، ما يوجّه عين المستخدم نحو المركز. هذه اللمسات الدقيقة هي ما يفصل "القالب" عن التصميم المخصص.

4هندسة تجربة الـ Hero

يجب أن يفعل قسم الـ hero أكثر من مجرد عرض عنوان؛ يجب أن يحدد إيقاع الصفحة. استخدمت حركات ظهور متدرجة أثناء التمرير لإدخال العناصر واحدة تلو الأخرى.

كتب Eigent سكربتًا مخصصًا باستخدام intersection observer في Vanilla JS للتعامل مع ذلك. أثناء التمرير، تظهر وسم "Neural Engine Status" أولاً، تليها العناوين المائلة ثم أزرار الدعوة إلى الإجراء. هذا التدرج المقصود يجعل الأداة تبدو قوية ومقصودة بدلًا من أن تكون مجرد صفحة ثابتة.

5بناء عرض المحرك التفاعلي

القطعة المحورية في صفحة الهبوط هي عرض "Autonomous Task Architecture". أردت أن يتمكن المستخدمون من "التفاعل" مع الحالة الداخلية للذكاء الاصطناعي.

بنينا وحدة تتضمن شريط تمرير بعنوان "Contextual Density". ومع تحريك المستخدم للشريط، تؤدي JavaScript الأساسية إلى تحديثات بصرية: دائرة عصبية متحركة عبر CSS تتمدد وتنكمش، ويتسارع تدفق بيانات محاكى في الخلفية. هذا ليس مجرد زينة بصرية — بل يوضح "سيولة" محرك الذكاء الاصطناعي بطريقة لا تستطيع الكلمات وحدها نقلها.

6التحسين من أجل الأداء

أخيرًا، تأكدت من تحسين قاعدة الشيفرة بالكامل. حتى مع الحركات المخصصة والاستخدام المكثف للخطوط، يبقى ملف index.html النهائي خفيفًا وسريع الاستجابة بدرجة عالية.

وباستخدام متغيرات CSS لجميع عناصر التصميم الأساسية، أصبح من السهل جدًا تغيير ألوان العلامة التجارية لاحقًا. حتى أن Eigent أدرج أيقونات Lucide عبر CDN، ما حافظ على حجم الأصول عند الحد الأدنى مع ضمان جودة رسومية متجهة عالية عبر جميع أحجام الأجهزة.

لماذا يهم هذا

يوضح سير العمل هذا شيئًا أساسيًا حول كيفية عمل Eigent: القوة الحقيقية لوكلاء الذكاء الاصطناعي ليست مجرد توليد الشيفرة — بل القدرة على تفسير التوجيهات الجمالية عالية المستوى وترجمتها إلى بنية تقنية متماسكة.

لم أكن مضطرًا لتحديد كل قيمة hex أو مدة حركة في الـ prompt الأولي. وبما أن مهارة تصميم الواجهة الأمامية تفهم مبادئ التصميم، فقد تمكنت من ملء الفراغات بين رؤيتي لثيم صناعي عصبي والتنفيذ الفعلي لـ CSS.

ما الذي يجب تجربته لاحقًا

أنشئ لوحة تحليلات ذات ثيم داكن باستخدام نظام التصميم الصناعي العصبي نفسه. ابنِ صفحة توثيق لواجهة EigentFlow API تتوافق مع الطباعة ولوحة الألوان في صفحة الهبوط هذه. أضف مفتاح تبديل 'terminal mode' يستبدل العناوين serif بـ JetBrains Mono في جميع أنحاء الموقع.

كل واحد من هذه الخيارات يستفيد من نفس رموز التصميم والمنطق الجمالي — دون الحاجة إلى إعداد إضافي.

نصائح للحصول على نتائج أفضل

  • استخدم صفات تركّز على التصميم. كلمات مثل Neural Industrial أو Obsidian أو Cinematic تساعد Eigent على تضييق النطاق الجمالي بشكل أفضل من nice أو modern.
  • حدّد أزواج الخطوط. إذا كنت تريد طابعًا معينًا، أخبر Eigent بالخطوط التي تريد مزجها (مثلًا: Serif للعناوين، وMonospace للبيانات).
  • اطلب العمق بشكل محدد. إذا بدا التصميم مسطحًا، اطلب من Eigent إضافة نسيج حبيبي، أو أقنعة شعاعية، أو ظلال إسقاط خفيفة.
  • التسليم في ملف واحد. طلب حل بملف واحد (HTML/CSS/JS في ملف واحد) يجعل من الأسهل بكثير مراجعة واجهة المستخدم واختبارها بالكامل فورًا.

Other use cases

إقرار ضريبة القيمة المضافة الآلي من الإيصالات والفواتير

إقرار ضريبة القيمة المضافة الآلي من الإيصالات والفواتير

يرجى معالجة جميع الإيصالات والفواتير في مجلد "VAT"، بما في ذلك الصور وملفات PDF الممسوحة ضوئيًا والفواتير الرقمية. يجب أن يتضمن الناتج النهائي ملفين فقط: (1) vat_return.xlsx — يجب أن يتضمن ملف Excel صفًا واحدًا لكل إيصال أو فاتورة، وأن يسرد جميع الحقول المستخرجة، ويعرض ما إذا كان كل بند مؤهلًا لاسترداد ضريبة القيمة المضافة، ويعرض مبلغ ضريبة القيمة المضافة القابل للاسترداد لكل بند مؤهل، ويشمل سبب الاستبعاد للبنود غير القابلة للاسترداد، ويضع علامة واضحة على البنود التي تتطلب مراجعة يدوية، ويشمل ورقة ملخص تعرض إجمالي مبلغ ضريبة القيمة المضافة القابل للاسترداد. (2) vat_return.html — أنشئ ملف HTML مستقلًا يمكن فتحه مباشرة ومشاركته مع فريق المحاسبة. يجب أن يعرض ملف HTML جميع بنود استرداد ضريبة القيمة المضافة، ومبلغ ضريبة القيمة المضافة القابل للاسترداد لكل بند، والبنود المستبعدة وأسباب الاستبعاد، والبنود التي تتطلب مراجعة يدوية، وإجمالي مبلغ ضريبة القيمة المضافة القابل للاسترداد. لا تخمّن أي معلومات غير مؤكدة.

مهمة طويلة الأفق: GLM-5.1 مقابل GLM-5.2 على Eigent

مهمة طويلة الأفق: GLM-5.1 مقابل GLM-5.2 على Eigent

قم بإجراء بحث معمّق حول 26 شركة في منظومة البنية التحتية للذكاء الاصطناعي — وهو المسار الرئيسي الأكثر وضوحًا في سلسلة القيمة الكاملة للذكاء الاصطناعي. غطِّ هذه القطاعات الفرعية الستة (اختر شركات تمثيلية في كل منها، من القادة ذوي القيمة السوقية الكبيرة حتى اللاعبين الأصغر): مركز بيانات الذكاء الاصطناعي (بنية الحوسبة التحتية / التوسع الإنشائي)؛ وحدات معالجة الرسوميات / شرائح الذكاء الاصطناعي (سيليكون التدريب والاستدلال، ASICs، الملكية الفكرية)؛ الخوادم والشبكات والوحدات الضوئية (المبدلات، NICs، الربط الضوئي)؛ الطاقة والتبريد السائل وتخزين الطاقة (إمدادات الطاقة، الإدارة الحرارية، إدارة الطاقة)؛ سحابة الذكاء الاصطناعي / منصة الحوسبة (مزوّدو الحوسبة فائقة النطاق، سحابات GPU، منصات تأجير الحوسبة)؛ المنظومة الداعمة (HBM / التغليف المتقدم، المصانع، الموصلات والمكونات الحيوية الأخرى). لكل شركة، ابحث عن: اسم الشركة، القطاع الفرعي، المقر / الدولة؛ المنتجات الأساسية ودورها المحدد في سلسلة الذكاء الاصطناعي؛ عامة أم خاصة (الرمز + البورصة إذا كانت مدرجة؛ وإذا كانت خاصة، اذكر أحدث التقييم / جولة التمويل)؛ القيمة السوقية أو حجم التقييم (يُستخدم للترتيب)؛ التموضع وميزة الحماية في المنظومة (1–2 جمل)؛ العملاء / المنافسون الرئيسيون. الترتيب: داخل كل قطاع فرعي، رتّب من الأكبر إلى الأصغر (حسب القيمة السوقية / التقييم). نظّم العمل كله من الأعلى إلى الأسفل: من المشهد الكامل لمنظومة العتاد إلى كل شركة على حدة. متطلبات الإخراج: أولًا، أنشئ ملف بيانات منظّم ai_infra_data.json — يتضمن جميع الشركات الـ26 مع الحقول المذكورة أعلاه، وتصنيفات القطاعات الفرعية الستة، وعلامة عام/خاص، ومصفوفة مقارنة عبر الشركات (القطاع الفرعي × الأبعاد الرئيسية). ثم أنشئ تقرير HTML مصقولًا انطلاقًا من ذلك JSON: يتضمن مخططًا لمنظر المنظومة / مخططًا طبقيًا، وأقسامًا حسب القطاع، وبطاقات للشركات، ومؤشرًا بصريًا واضحًا للعامة مقابل الخاصة (وسوم أو ترميز لوني)، ومخطط ترتيب القيمة السوقية، وجدول مقارنة قابل للفرز / التصفية. اجعل التصميم احترافيًا، كثيف المعلومات، وتفاعليًا. تحقّق أولًا من دقة بيانات البحث (حالة الإدراج، الرموز، التقييمات — استخدم أحدث الأرقام واذكر المصادر)، ثم أنشئ التقرير. أرسل المهمة في وضع الوكيل الأحادي.

بناء 10 ألعاب HTML5 لرأس السنة الصينية بـ Eigent

بناء 10 ألعاب HTML5 لرأس السنة الصينية بـ Eigent

أنشئ 10 ألعاب منفصلة وكاملة تمامًا بمواضيع مرتبطة برأس السنة الصينية 2026 (الحصان) باستخدام HTML وCSS وJS (من دون مكتبات). يجب أن تكون الألعاب ممتعة وأصلية ومصقولة ومتوافقة مع الأجهزة المحمولة. أضف نظام تسجيل، وتدرجًا في الصعوبة، وأزرار إعادة التشغيل، ومؤثرات بصرية سلسة. تشمل: لعبة أركيد، ولعبة ألغاز، ولعبة عدّاء لا نهائي، ولعبة رد فعل، ولعبة استراتيجية، ولعبة ذاكرة، ولعبة محلية لشخصين، ولعبة خاملة، ولعبة بكسل ريترو، ولعبة تجريبية واحدة.

Automate everything with AI workforce on desktop
Download Eigent

جرّب Eigent اليوم

حمّل تطبيق سطح المكتب مفتوح المصدر وابدأ الأتمتة بقوة عمل ذكاء اصطناعي على جهازك.

تنزيل Eigent
Eigent

احصل على أحدث التحديثات والدروس حول أتمتة Workforce بالذكاء الاصطناعي.

المنتجEigentالبيئاتالأسعارالمؤسسات
استكشافالحلولحالات الاستخدامالمهاراتالإضافاتالمدونة
المطورونالوثائقGitHubCAMEL-AIصندوق المصدر المفتوحشريك
تنزيلللإصدار مفتوح المصدر
الشركةمن نحنالعلامة التجاريةالوظائفشروط الاستخدامسياسة الخصوصيةالأمان والثقةسياسة ملفات تعريف الارتباطسياسة الاسترداد والتجربة

جميع الحقوق محفوظة © 2026 EIGENT UK LTD

تم إصدار النسخة الجديدة من Eigent 1.0!download