أصبحت خيارات الخدمة الذاتية الفعالة ذات أهمية متزايدة لمراكز الاتصال، ولكن تنفيذها بشكل جيد يمثل تحديات فريدة من نوعها.
أمازون ليكس يوفر الخاص بك أمازون كونيكت مركز اتصال مزود بوظائف chatbot مثل التعرف التلقائي على الكلام (ASR) وإمكانيات فهم اللغة الطبيعية (NLU) من خلال القنوات الصوتية والنصية. يأخذ الروبوت الكلام باللغة الطبيعية أو إدخال النص، ويتعرف على القصد من وراء الإدخال، ويحقق نية المستخدم من خلال استدعاء الاستجابة المناسبة.
يمكن أن يكون لدى المتصلين لهجات ونطق وقواعد متنوعة. ومع وجود ضوضاء في الخلفية، يمكن أن يجعل ذلك من الصعب على التعرف على الكلام فهم البيانات بدقة. على سبيل المثال، قد يتم التعرف بشكل خاطئ على عبارة "أريد تتبع طلبي" على أنها "أريد نقل حاملي بالشاحنة". إن مثل هذه النوايا الفاشلة تحبط العملاء الذين يضطرون إلى تكرار أنفسهم، أو يتم توجيههم بشكل غير صحيح، أو يتم تصعيدهم إلى وكلاء مباشرين - مما يكلف الشركات المزيد.
أمازون بيدروك إضفاء الطابع الديمقراطي على وصول النموذج التأسيسي (FM) للمطورين لإنشاء وتوسيع نطاق التطبيقات المستندة إلى الذكاء الاصطناعي لمركز الاتصال الحديث. FMs التي تقدمها Amazon Bedrock، مثل أمازون تيتان و كلود الأنثروبي، تم تدريبهم مسبقًا على مجموعات البيانات على نطاق الإنترنت مما يمنحهم إمكانات قوية في التعامل مع اللغات الطبيعية مثل تصنيف الجمل والسؤال والجواب والفهم الدلالي المحسن على الرغم من أخطاء التعرف على الكلام.
في هذا المنشور، نستكشف حلاً يستخدم FMs التي تقدمها Amazon Bedrock لتعزيز التعرف على نوايا Amazon Lex المتكامل مع Amazon Connect، مما يوفر في النهاية تجربة خدمة ذاتية محسنة لعملائك.
نظرة عامة على الحل
يستخدم الحل أمازون كونيكت, أمازون ليكس , AWS لامداو أمازون بيدروك في الخطوات التالية:
- يتكامل تدفق جهات اتصال Amazon Connect مع روبوت Amazon Lex عبر
GetCustomerInput
منع. - عندما يفشل الروبوت في التعرف على نية المتصل ويختار النية الاحتياطية بشكل افتراضي، يتم تشغيل وظيفة Lambda.
- تأخذ وظيفة Lambda نص كلام العميل وتمريره إلى النموذج الأساسي في Amazon Bedrock
- وباستخدام قدرات اللغة الطبيعية المتقدمة، يحدد النموذج نية المتصل.
- تقوم وظيفة Lambda بعد ذلك بتوجيه الروبوت لتوجيه المكالمة إلى الهدف الصحيح للتنفيذ.
باستخدام نماذج مؤسسة Amazon Bedrock، يمكّن الحل روبوت Amazon Lex من فهم المقاصد على الرغم من أخطاء التعرف على الكلام. وينتج عن ذلك توجيه وتنفيذ سلس، مما يمنع التصعيد إلى الوكلاء والتكرار المحبط للمتصلين.
يوضح الرسم البياني التالي بنية الحل وسير العمل.
وفي الأقسام التالية، سنلقي نظرة على المكونات الرئيسية للحل بمزيد من التفصيل.
وظائف Lambda وإطار عمل LangChain
عندما يستدعي روبوت Amazon Lex وظيفة Lambda، فإنه يرسل رسالة حدث تحتوي على معلومات الروبوت ونسخ الكلام من المتصل. باستخدام رسالة الحدث هذه، تقوم وظيفة Lambda ديناميكيًا باسترداد الأغراض التي تم تكوينها للروبوت ووصف الغرض وعبارات الغرض وإنشاء مطالبة باستخدام لانجشينوهو إطار عمل مفتوح المصدر للتعلم الآلي (ML) يمكّن المطورين من دمج نماذج اللغات الكبيرة (LLMs) ومصادر البيانات والتطبيقات.
يتم بعد ذلك استدعاء نموذج مؤسسة Amazon Bedrock باستخدام الموجه ويتم تلقي الاستجابة بمستوى النية والثقة المتوقع. إذا كان مستوى الثقة أكبر من الحد المحدد، على سبيل المثال 80%، فإن الوظيفة ترجع النية المحددة إلى Amazon Lex مع إجراء مندوب. إذا كان مستوى الثقة أقل من الحد الأدنى، فإنه يعود إلى الوضع الافتراضي FallbackIntent
وإجراءات لإغلاقه.
التعلم في السياق، والهندسة السريعة، واستدعاء النماذج
نحن نستخدم التعلم في السياق لنكون قادرين على استخدام النموذج الأساسي لإنجاز هذه المهمة. التعلم في السياق هو قدرة طلاب LLM على تعلم المهمة باستخدام ما هو موجود في الموجه فقط دون تدريب مسبق أو ضبط دقيق لمهمة معينة.
في الموجه، نقدم أولاً التعليمات التي توضح بالتفصيل ما يجب القيام به. بعد ذلك، تقوم وظيفة Lambda ديناميكيًا باسترداد وإدراج المقاصد التي تم تكوينها لروبوت Amazon Lex وأوصاف الأغراض وعبارات النوايا في الموجه. وأخيراً نقدم له تعليمات حول كيفية إخراج تفكيره والنتيجة النهائية.
تم اختبار قالب المطالبة التالي على نماذج إنشاء النص Anthropic Claude Instant v1.2 وAnthropic Claude v2. نحن نستخدم علامات XML لتحسين أداء النموذج بشكل أفضل. نضيف أيضًا مساحة للنموذج للتفكير قبل تحديد النية النهائية لتحسين أسباب اختيار النية الصحيحة بشكل أفضل. ال {intent_block}
يحتوي على معرفات النوايا وأوصاف النوايا وألفاظ النوايا. ال {input}
تحتوي الكتلة على الكلام المكتوب من المتصل. تتم إضافة ثلاث علامات خلفية ("`) في النهاية لمساعدة النموذج على إخراج كتلة التعليمات البرمجية بشكل أكثر اتساقًا. أ <STOP>
تتم إضافة التسلسل لمنعه من التوليد أكثر.
بعد استدعاء النموذج، نتلقى الاستجابة التالية من النموذج الأساسي:
قم بتصفية الأغراض المتاحة بناءً على سمات جلسة تدفق جهات الاتصال
عند استخدام الحل كجزء من تدفق جهات اتصال Amazon Connect، يمكنك تعزيز قدرة LLM على تحديد الهدف الصحيح من خلال تحديد سمة الجلسة available_intents
في ال "الحصول على مدخلات العملاء" كتلة مع قائمة نوايا مفصولة بفواصل، كما هو موضح في الصورة التالية. ومن خلال القيام بذلك، ستتضمن وظيفة Lambda هذه المقاصد المحددة فقط كجزء من المطالبة إلى LLM، مما يقلل من عدد المقاصد التي يتعين على LLM التفكير من خلالها. إذا available_intents
لم يتم تحديد سمة الجلسة، وسيتم استخدام جميع الأغراض في روبوت Amazon Lex بشكل افتراضي.
استجابة وظيفة Lambda لـ Amazon Lex
بعد أن يحدد LLM النية، تستجيب وظيفة Lambda في شكل محدد المطلوبة من قبل Amazon Lex لمعالجة الرد.
إذا تم العثور على نية مطابقة أعلى من حد الثقة، فسيتم إرجاع نوع إجراء الحوار Delegate
لتوجيه Amazon Lex لاستخدام الهدف المحدد ومن ثم إرجاع الهدف المكتمل مرة أخرى إلى Amazon Connect. مخرجات الرد هي كما يلي:
إذا كان مستوى الثقة أقل من الحد أو لم يتم التعرف على القصد، نوع إجراء الحوار اغلاق يتم إرجاعه لتوجيه Amazon Lex لإغلاق FallbackIntent
، وأعد التحكم مرة أخرى إلى Amazon Connect. مخرجات الرد هي كما يلي:
الكود المصدري الكامل لهذه العينة متاح في GitHub جيثب:.
المتطلبات الأساسية المسبقة
قبل أن تبدأ ، تأكد من توفر المتطلبات الأساسية التالية لديك:
تنفيذ الحل
لتنفيذ الحل ، أكمل الخطوات التالية:
- استنساخ المستودع
- قم بتشغيل الأمر التالي لتهيئة البيئة وإنشاء ملف سجل الأمازون المرنة للحاويات مستودع (Amazon ECR) لصورة وظيفة Lambda الخاصة بنا. قم بتوفير اسم مستودع منطقة AWS وECR الذي ترغب في إنشائه.
- تحديث
ParameterValue
الحقول فيscripts/parameters.json
ملف:ParameterKey ("AmazonECRImageUri")
– أدخل عنوان URL للمستودع من الخطوة السابقة.ParameterKey ("AmazonConnectName")
- أدخل اسمًا فريدًا.ParameterKey ("AmazonLexBotName")
- أدخل اسمًا فريدًا.ParameterKey ("AmazonLexBotAliasName")
- الإعداد الافتراضي هو "prodversion"؛ يمكنك تغييره إذا لزم الأمر.ParameterKey ("LoggingLevel")
- الإعداد الافتراضي هو "INFO"؛ يمكنك تغييره إذا لزم الأمر. القيم الصالحة هي DEBUG وWARN وERROR.ParameterKey ("ModelID")
- الإعداد الافتراضي هو "anthropic.clude-instant-v1"؛ يمكنك تغييره إذا كنت بحاجة إلى استخدام نموذج مختلف.ParameterKey ("AmazonConnectName")
- الافتراضي هو "0.75"؛ يمكنك تغييره إذا كنت بحاجة إلى تحديث درجة الثقة.
- قم بتشغيل الأمر لإنشاء مكدس CloudFormation ونشر الموارد:
إذا كنت لا ترغب في إنشاء تدفق جهات الاتصال من البداية في Amazon Connect، فيمكنك استيراد نموذج التدفق المقدم مع هذا المستودع filelocation: /contactflowsample/samplecontactflow.json
.
- تسجيل الدخول إلى الخاص بك مثيل Amazon Connect. يجب أن يتم تعيين ملف تعريف أمان للحساب يتضمن أذونات التحرير للتدفقات.
- على وحدة تحكم Amazon Connect، في جزء التنقل، أسفل التوجيه، اختر تدفقات الاتصال.
- قم بإنشاء تدفق جديد من نفس النوع الذي تقوم باستيراده.
- اختار حفظ واستيراد التدفق.
- حدد الملف المراد استيراده واختياره استيراد.
عندما يتم استيراد التدفق إلى تدفق موجود، يتم تحديث اسم التدفق الموجود أيضًا.
- قم بمراجعة وتحديث أي مراجع تم حلها أو لم يتم حلها حسب الضرورة.
- لحفظ التدفق المستورد، اختر حفظ. للنشر، اختر احفظ وانشر.
- بعد تحميل تدفق جهة الاتصال، قم بتحديث التكوينات التالية:
- تحديث
GetCustomerInput
الكتل التي تحتوي على اسم وإصدار روبوت Amazon Lex الصحيح. - ضمن إدارة رقم الهاتف، قم بتحديث الرقم بتدفق جهة الاتصال أو الرد الصوتي التفاعلي (IVR) الذي تم استيراده مسبقًا.
- تحديث
تحقق من التكوين
تأكد من أن وظيفة Lambda التي تم إنشاؤها باستخدام مكدس CloudFormation لها دور IAM مع أذونات لاسترداد الروبوتات ومعلومات الهدف من Amazon Lex (أذونات القائمة والقراءة)، وأذونات Amazon Bedrock المناسبة (أذونات القائمة والقراءة).
في روبوت Amazon Lex الخاص بك، بالنسبة للاسم المستعار واللغة التي تم تكوينها، تأكد من إعداد وظيفة Lambda بشكل صحيح. ل FallBackIntent
، تأكيد ذلك Fulfillmentis
تعيين إلى Active
لتتمكن من تشغيل الوظيفة كلما FallBackIntent
يتم تشغيل.
في هذه المرحلة، سيقوم روبوت Amazon Lex بتشغيل وظيفة Lambda تلقائيًا ويجب أن يعمل الحل بسلاسة.
اختبر المحلول
دعونا نلقي نظرة على نموذج الهدف والوصف وتكوين الكلام في Amazon Lex ونرى مدى جودة أداء LLM مع نماذج المدخلات التي تحتوي على أخطاء مطبعية وأخطاء نحوية وحتى لغة مختلفة.
يوضح الشكل التالي لقطات شاشة لمثالنا. يعرض الجانب الأيسر اسم الهدف ووصفه ونموذج الكلام المكون من كلمة واحدة. بدون الكثير من التكوين في Amazon Lex، يستطيع LLM التنبؤ بالقصد الصحيح (الجانب الأيمن). في هذا الاختبار، لدينا رسالة إنجاز بسيطة من النية الصحيحة.
تنظيف
لتنظيف مواردك، قم بتشغيل الأمر التالي لحذف مستودع ECR ومكدس CloudFormation:
وفي الختام
باستخدام Amazon Lex المعزز ببرامج LLM المقدمة من Amazon Bedrock، يمكنك تحسين أداء التعرف على النوايا لروبوتاتك. وهذا يوفر تجربة خدمة ذاتية سلسة لمجموعة متنوعة من العملاء، مما يسد الفجوة بين اللهجات وخصائص الكلام الفريدة، ويعزز في نهاية المطاف رضا العملاء.
للتعمق أكثر ومعرفة المزيد حول الذكاء الاصطناعي التوليدي، راجع هذه الموارد الإضافية:
لمزيد من المعلومات حول كيفية تجربة حل الخدمة الذاتية المولد بالذكاء الاصطناعي، راجع انشر الإجابة على أسئلة الخدمة الذاتية باستخدام حل QnABot on AWS المدعوم من Amazon Lex مع Amazon Kendra ونماذج اللغات الكبيرة.
حول المؤلف
حمزة نديم هو مهندس حلول متخصص في Amazon Connect في AWS، ومقره في تورونتو. إنه يعمل مع العملاء في جميع أنحاء كندا لتحديث مراكز الاتصال الخاصة بهم وتقديم حلول لتحديات مشاركة العملاء الفريدة ومتطلبات العمل. في أوقات فراغه، يستمتع حمزة بالسفر وكرة القدم وتجربة وصفات جديدة مع زوجته.
باراج سريفاستافا هو مهندس الحلول في Amazon Web Services (AWS)، حيث يساعد عملاء المؤسسات في اعتماد السحابة وترحيلها بنجاح. خلال حياته المهنية، شارك على نطاق واسع في مشاريع التحول الرقمي المعقدة. وهو أيضًا متحمس لبناء حلول مبتكرة حول الجوانب الجغرافية المكانية للعناوين.
روس للأسف هو مهندس الحلول في AWS ومقرها في تورونتو، كندا. إنه يساعد العملاء على الابتكار باستخدام حلول الذكاء الاصطناعي/التعلم الآلي والذكاء الاصطناعي التوليدي التي تؤدي إلى نتائج أعمال حقيقية. لقد عمل مع مجموعة متنوعة من العملاء من البيع بالتجزئة والخدمات المالية والتكنولوجيا والأدوية وغيرها. وفي أوقات فراغه، يحب الهواء الطلق والاستمتاع بالطبيعة مع عائلته.
سانجيثا كاماتكار هو مهندس الحلول في Amazon Web Services (AWS)، حيث يساعد العملاء في اعتماد السحابة وترحيلها بنجاح. إنها تعمل مع العملاء لصياغة بنيات سحابية قابلة للتطوير ومرنة ومرنة للغاية لمعالجة مشكلات أعمال العملاء. تستمع في أوقات فراغها إلى الموسيقى وتشاهد الأفلام وتستمتع بأعمال البستنة خلال فصل الصيف.
- محتوى مدعوم من تحسين محركات البحث وتوزيع العلاقات العامة. تضخيم اليوم.
- PlatoData.Network Vertical Generative Ai. تمكين نفسك. الوصول هنا.
- أفلاطونايستريم. ذكاء Web3. تضخيم المعرفة. الوصول هنا.
- أفلاطون كربون، كلينتك ، الطاقة، بيئة، شمسي، إدارة المخلفات. الوصول هنا.
- أفلاطون هيلث. التكنولوجيا الحيوية وذكاء التجارب السريرية. الوصول هنا.
- المصدر https://aws.amazon.com/blogs/machine-learning/enhance-amazon-connect-and-lex-with-generative-ai-capabilities/
- :لديها
- :يكون
- :ليس
- :أين
- $ UP
- 1
- 100
- 11
- 14
- 7
- 8
- 9
- a
- القدرة
- ماهرون
- من نحن
- فوق
- الوصول
- إنجاز
- حسابي
- بدقة
- اكشن
- تضيف
- وأضاف
- إضافي
- العنوان
- عناوين
- تبني
- متقدم
- الوكيل
- عملاء
- AI
- AI-بالطاقة
- AI / ML
- الكل
- أيضا
- أمازون
- أمازون كندرا
- أمازون ليكس
- أمازون ويب سيرفيسز
- أمازون ويب سيرفيسز (أوس)
- an
- و
- إجابة
- الإجابة
- أنثروبي
- أي وقت
- التطبيقات
- مناسب
- هندسة معمارية
- أبنية
- هي
- حول
- AS
- يسأل
- الجوانب
- تعيين
- المساعد
- At
- أوتوماتيك
- تلقائيا
- متاح
- AWS
- الى الخلف
- خلفية
- على أساس
- BE
- أن تصبح
- كان
- قبل
- وراء
- يجري
- أقل من
- أفضل
- ما بين
- حظر
- Blocks
- أحذية طويلة
- البوتات
- سد
- نساعدك في بناء
- ابني
- يبني
- الأعمال
- الأعمال
- لكن
- by
- دعوة
- مركز الاتصال
- المتصل
- CAN
- كندا
- قدرات
- التوظيف
- صنف
- CD
- مركز
- مراكز
- التحديات
- تحدي
- تغيير
- قنوات
- الخصائص
- chatbot
- التحقق
- تدقيق
- اختار
- اختيار
- تصنيف
- نظيف
- اغلاق
- سحابة
- اعتماد السحابة
- الكود
- الجمع بين
- إكمال
- الطلب مكتمل
- مجمع
- مكونات
- الثقة
- الاعداد
- تكوين
- أكد
- التواصل
- باتساق
- كنسولات
- التواصل
- مركز الاتصال
- وعاء
- يحتوي
- مراقبة
- تصحيح
- بشكل صحيح
- حرفة
- خلق
- خلق
- حرج
- زبون
- إشراك العملاء
- رضا العملاء
- العملاء
- البيانات
- قواعد البيانات
- اتخاذ القرار
- أعمق
- الترتيب
- الافتراضات
- تم التوصيل
- تقديم
- دمقرطة
- نشر
- وصف
- على الرغم من
- التفاصيل
- تفصيل
- مصمم
- يحدد
- المطورين
- رسم بياني
- حوار
- مختلف
- رقمي
- التحول الرقمي
- يوجه
- غطس
- عدة
- هل
- فعل
- فعل
- لا
- أثناء
- حيوي
- في وقت سابق
- جهد
- تمكن
- النهاية
- اشتباك
- الهندسة
- تعزيز
- تعزيز
- تعزيز
- استمتع
- تتمتع
- أدخل
- مشروع
- البيئة
- خطأ
- أخطاء
- التصعيد
- حتى
- الحدث/الفعالية
- مثال
- القائمة
- الخبره في مجال الغطس
- تجربة
- اكتشف
- على نطاق واسع
- فشل
- فشل
- للعائلات
- مجال
- الشكل
- قم بتقديم
- نهائي
- أخيرا
- مالي
- الخدمات المالية
- الاسم الأول
- مرن
- تدفق
- يطفو
- متابعيك
- متابعات
- في حالة
- شكل
- وجدت
- دورة تأسيسية
- التأسيسية
- الإطار
- تبدأ من
- محبط
- وظيفة
- وظائف
- وظائف
- إضافي
- فجوة
- توليد
- توليد
- جيل
- توليدي
- الذكاء الاصطناعي التوليدي
- دولار فقط واحصل على خصم XNUMX% على جميع
- معطى
- يعطي
- قواعد
- أكبر
- يملك
- he
- مساعدة
- مساعدة
- يساعد
- لها
- جدا
- له
- حائز
- كيفية
- كيفية
- HTTP
- HTTPS
- الانسان
- محدد
- تحديد
- تحديد
- IDS
- if
- يوضح
- صورة
- تنفيذ
- تحقيق
- استيراد
- استيراد
- تحسن
- تحسن
- in
- تتضمن
- يشمل
- غير صحيح
- على نحو متزايد
- معلومات
- الابتكار
- مبتكرة
- إدخال
- المدخلات
- لحظة
- تعليمات
- دمج
- المتكاملة
- يدمج
- نية
- إلى
- التذرع
- يتضرع
- المشاركة
- IT
- انها
- JPG
- م
- القفل
- لغة
- كبير
- يؤدي
- تعلم
- تعلم
- اليسار
- مستوى
- مثل
- على الأرجح
- قائمة
- يستمع
- حي
- LLM
- بحث
- يحب
- آلة
- آلة التعلم
- جعل
- إدارة
- مباراة
- اعواد الثقاب
- مطابقة
- مايو..
- الرسالة
- هجرة
- الأخطاء
- ML
- نموذج
- عارضات ازياء
- تقدم
- تحديث
- الأكثر من ذلك
- أفلام
- كثيرا
- موسيقى
- يجب
- my
- الاسم
- طبيعي
- الطبيعة
- قائمة الإختيارات
- ضروري
- حاجة
- بحاجة
- إحتياجات
- جديد
- نلو
- ضجيج
- عدد
- of
- on
- ONE
- فقط
- جاكيت
- المصدر المفتوح
- مزيد من الخيارات
- or
- طلب
- أخرى
- لنا
- خارج
- النتائج
- في الهواء الطلق
- الناتج
- خبز
- جزء
- خاص
- يمر
- عاطفي
- أداء
- ينفذ
- أذونات
- الأدوية
- للهواتف
- أفلاطون
- الذكاء افلاطون البيانات
- أفلاطون داتا
- البوينت
- منشور
- مدعوم
- تنبأ
- وتوقع
- الشروط
- الهدايا
- منع
- سابق
- مشاكل
- عملية المعالجة
- محترف
- ملفي الشخصي
- مشروع ناجح
- تزود
- المقدمة
- ويوفر
- نشر
- وضع
- QnaBot
- سؤال
- عرض
- حقيقي
- سبب
- تسلم
- تلقى
- اعتراف
- الاعتراف
- المعترف بها
- يعترف
- تقليص
- المراجع
- منطقة
- كرر
- مستودع
- مطلوب
- المتطلبات الأساسية
- مرن
- حل
- الموارد
- الرد
- استجابة
- نتيجة
- النتائج
- بيع بالتجزئة
- عائد أعلى
- عائدات
- حق
- النوع
- غرفة
- طريق
- توجيه
- التوجيه
- يجري
- نفسه
- عينة
- رضا
- حفظ
- تحجيم
- حجم
- أحرز هدفاً
- خدش
- لقطات
- سلس
- بسلاسة
- أقسام
- أمن
- انظر تعريف
- مختار
- خدمة ذاتية، إخدم نفسك بنفسك
- دلالات الألفاظ
- يرسل
- عقوبة
- تسلسل
- خدماتنا
- الجلسة
- طقم
- هي
- ينبغي
- أظهرت
- يظهر
- جانب
- الاشارات
- كمنعم
- So
- كرة القدم
- حل
- الحلول
- مصدر
- شفرة المصدر
- مصادر
- متخصص
- محدد
- تحديد
- خطاب
- التعرف على الكلام
- كومة
- بدأت
- الولايه او المحافظه
- البيانات
- الحالة
- خطوة
- خطوات
- قلة النوم
- قوي
- بعد ذلك
- ناجح
- هذه
- الصيف
- بالتأكيد
- يأخذ
- مهمة
- تكنولوجيا
- قالب
- تجربه بالعربي
- اختبار
- نص
- من
- أن
- •
- من مشاركة
- منهم
- أنفسهم
- then
- تشبه
- اعتقد
- تفكير
- ثلاثة
- عتبة
- عبر
- طوال
- الوقت
- إلى
- جدا
- تورونتو
- مسار
- النص الكامل
- تحول
- السفر
- أثار
- شاحنة
- محاولة
- يحاول
- نوع
- في النهاية
- مع
- فهم
- فهم
- فريد من نوعه
- تحديث
- تحديث
- URL
- تستخدم
- مستعمل
- يستخدم
- استخدام
- v1
- صالح
- القيم
- تشكيلة
- تحقق من
- الإصدار
- بواسطة
- صوت
- تريد
- وكان
- شاهد
- we
- الويب
- خدمات ويب
- حسن
- ابحث عن
- كلما
- التي
- من الذى
- زوجة
- سوف
- مع
- بدون
- للعمل
- عمل
- سير العمل
- أعمال
- سوف
- XML
- أنت
- حل متجر العقارات الشامل الخاص بك في جورجيا
- زفيرنت