هندسة الأوامر: كيف تقودتُوجّهتُبرمج عقل الآلة بالكلمات؟
في المحاضرة الأولى فهمنا كيف «يفكّر» النموذج. اليوم نتعلّم كيف نخاطبه. الأمر ليس «حِيَلًا سحرية» — بل هندسة: تحديد الدور، وضبط السياق، وإجبار النموذج على التفكير خطوةً بخطوة. وسنطبّق أول استراتيجيتين عمليًّا على OpenAI Platform وGoogle AI Studio.
ابدأ الرحلةخمس محطّات نمرّ بها اليوم
من «لماذا يهمّ هذا أصلًا؟» إلى تطبيق فعلي بيدك على منصّتين حقيقيتين — مع مصادر بحثية موثّقة بعد كل جزء.
لماذا تهمّ فعلًا؟
الفرق الحقيقي بين أمر رديء وأمر مهندَس — بتجربة حيّة أمامك.
02خريطة الاستراتيجيات
أين تقع Role وCoT من بقية عائلة استراتيجيات هندسة الأوامر.
03Role Prompting
باني أدوار تفاعلي: ركّب الدور والجمهور والنبرة وشاهد الأمر يُكتب.
04Chain-of-Thought
سباق حيّ: إجابة مباشرة تُخطئ، مقابل تفكير خطوة بخطوة يصيب.
05التطبيق العملي
خطوة بخطوة على OpenAI Platform وGoogle AI Studio بواجهات محاكية.
هندسة الأوامر: ليست حِيَلًا — بل تحديد دقيق للمطلوب
أكبر سوء فهم في هذا المجال أنه «كلمات سحرية». الحقيقة أبسط وأعمق: النموذج — كما رأينا في المحاضرة الأولى — يتنبّأ بالتوكن التالي بناءً على ما أعطيته. فكلّما ضيّقتَ الاحتمالات بدور واضح وسياق ومعايير وصيغة مطلوبة، ضاق مجال الخطأ. أنت لا «تُقنع» النموذج، أنت تُعرّف المهمّة.
محاكاة توضيحية لسلوك نموذج نموذجي أمام الأمرين — الفكرة هي الفارق، لا النص الحرفي.
🧩 تشريح الأمر المهندَس — اضغط أي جزء ملوّن
كل أمر محترف يتكوّن من لبنات. ليست كلها إلزامية دائمًا، لكن كلما زادت اللبنات الصحيحة قلّ الغموض:
لأن النموذج يحسب احتمال التوكن التالي مشروطًا بكل ما سبقه. جملة «أنت مترجم قانوني معتمد» تنقل التوزيع الاحتمالي كله نحو منطقة اللغة القانونية في فضاء المتجهات الذي رأيناه. أنت لا تعطيه معرفة جديدة — أنت تختار أي جزء من معرفته يستيقظ.
- OpenAI — Prompt engineering guide. الدليل الرسمي: التعليمات الواضحة، والسياق المرجعي، وتقسيم المهام المعقّدة. platform.openai.com/docs/guides/prompt-engineering
- Anthropic — Prompt engineering overview. الوضوح والأمثلة وتحديد الصيغة كأساس لجودة المخرجات. docs.anthropic.com
- Brown et al. (2020). «Language Models are Few-Shot Learners» (GPT-3). الورقة التي أظهرت أن صياغة الأمر نفسها تُغيّر الأداء جذريًّا. arXiv:2005.14165
خريطة استراتيجيات هندسة الأوامر
هندسة الأوامر ليست تقنية واحدة، بل عائلة من الاستراتيجيات لكلٍّ منها وظيفة. اليوم نتقن أول اثنتين بعمق — وهما الأساس الذي تُبنى عليه البقيّة في المحاضرات القادمة.
Roleتحديد الدور
تُسنِد للنموذج هويّة وخبرة وجمهورًا، فتضبط المفردات والنبرة وعمق التفاصيل.
CoTسلسلة التفكير
تُجبر النموذج على إظهار خطوات الاستدلال قبل الإجابة، فترتفع دقّته في المسائل المركّبة.
Zero / Few-shotبلا أمثلة / بأمثلة
إعطاء النموذج أمثلة محلولة داخل الأمر ليقلّد النمط والصيغة بدقّة.
Self-Consistencyالاتّساق الذاتي
توليد عدّة مسارات تفكير ثم اعتماد الإجابة الأكثر تكرارًا بدل مسار واحد.
ReActتفكير + أدوات
مزج الاستدلال باستدعاء أدوات خارجية — وهنا يبدأ الطريق نحو الـ Agent.
RAGالاسترجاع المعزّز
حقن مصادر موثوقة داخل الأمر لتقليل الهلوسة وتثبيت المصطلح.
Structured Outputمخرجات منظّمة
إلزام النموذج بصيغة JSON أو جدول ثابت ليتكامل مع أدواتك آليًّا.
Prompt Chainingتسلسل الأوامر
تقسيم المهمّة الكبيرة إلى أوامر متتابعة، مخرج كلٍّ منها مدخل التالي.
Role تضبط مَن يتكلّم، وCoT تضبط كيف يفكّر. هاتان الركيزتان تدخلان تقريبًا في كل استراتيجية لاحقة — لذلك نبدأ بهما.
الاستراتيجية الأولى: Role Prompting — إسناد الدور
أن تبدأ أمرك بـ«أنت مترجم قانوني معتمد…» ليس تجميلًا. أنت تحدّد للنموذج: أي مفردات يختار، وأي مستوى تفصيل يفترضه، ولمن يتكلّم، وما الذي يُعدّ خطأً في هذا المجال. الدور هو أسرع طريقة لضبط النبرة والمصطلح ومعيار الجودة دفعةً واحدة.
🧱 باني الدور — ركّب أمرك واضغط نسخ
اختر لبنة من كل صف وشاهد الأمر يُبنى حيًّا بالأسفل:
جرّب تغيير «الجمهور» وحده وستلاحظ كيف يتغيّر الأمر كلّه — هذا جوهر الاستراتيجية.
👤 نفس السؤال… أربعة أدوار مختلفة
السؤال: «ما معنى مصطلح force majeure؟» — اضغط أي دور:
صياغات توضيحية تُظهر أثر الدور على النبرة والعمق والمصطلح.
الحقيقة الكاملة: متى لا يفيد الدور؟
حتى نكون أمناء علميًّا: دراسة Zheng et al. (2023) اختبرت مئات الشخصيات في رسائل النظام ووجدت أنها لا تُحسّن الأداء على أسئلة المعرفة الموضوعية تحسّنًا موثوقًا — وقد تضرّه أحيانًا. الخلاصة المهنية: الدور أداة قوية لضبط الأسلوب والمصطلح والجمهور والصيغة، وليس وسيلة لزيادة «ذكاء» النموذج أو معرفته. لا تقل «أنت خبير رياضيات» وتتوقّع حسابًا أصحّ — لذلك نحتاج الاستراتيجية الثانية.
- Zheng et al. (2023). «When "A Helpful Assistant" Is Not Really Helpful: Personas in System Prompts Do Not Improve Performances of Large Language Models». الدراسة النقدية لحدود إسناد الشخصية. arXiv:2311.10054
- Shanahan, McDonell & Reynolds (2023). «Role play with large language models». إطار نظري في دورية Nature لفهم النموذج كمؤدٍّ لأدوار. Nature 623
- OpenAI — Docs: رسائل النظام والأدوار (system / developer / user). كيفية إسناد الدور تقنيًّا في الواجهة والـ API. platform.openai.com/docs
الاستراتيجية الثانية: Chain-of-Thought — سلسلة التفكير
تذكّر: النموذج يولّد توكنًا بعد توكن. فإذا طلبت الإجابة النهائية فورًا، فهو يقفز إلى ما «يبدو» جوابًا محتملًا. أمّا حين تطلب منه أن يعرض خطواته، فإنه يولّد خطوات وسيطة تصبح هي نفسها جزءًا من السياق الذي يبني عليه — أي أنك تمنحه مساحة حسابية ليفكّر فيها قبل أن يلتزم بإجابة.
🧮 جرّب بنفسك — نفس المسألة، أسلوبان
محاكاة تعليمية توضّح نمط الخطأ الشائع عند القفز للإجابة — الأرقام في المسألة حقيقية وقابلة للتحقّق يدويًّا.
🔑 عبارات التحفيز — اضغط لتنسخها
أشهرها عبارة واحدة أثبتت ورقة Kojima وزملائه (2022) أنها ترفع الأداء دون أي أمثلة (Zero-shot CoT):
CoT ليست للرياضيات فقط. في الترجمة القانونية استخدمها هكذا: «قبل الترجمة، حدّد أولًا نوع البند، ثم استخرج المصطلحات الملزِمة، ثم اذكر مقابلاتها المعتمدة مع سبب الاختيار، ثم اكتب الترجمة النهائية.» ستحصل على ترجمة أدقّ — والأهم: على مسار مراجعة يمكنك تدقيقه بدل صندوق أسود.
تحذير مهني: الخطوات المعروضة ليست دائمًا «تفكيره الحقيقي»
أظهرت دراسة Turpin et al. (2023) أن النماذج قد تُنتج سلسلة تفكير مقنِعة لا تعكس فعليًّا السبب الذي قادها للإجابة (عدم الوفاء / Unfaithfulness). لذلك: استخدم CoT لرفع الدقّة ولتسهيل مراجعتك أنت — لا كدليل قاطع على صحّة الاستدلال. وفي المهام الملزِمة، تحقّق من كل خطوة بنفسك. ملاحظة عملية: نماذج «الاستدلال» الحديثة تُنفّذ جزءًا من هذا داخليًّا، لكن طلب الخطوات صراحةً يظل مفيدًا لأنه يمنحك مخرجًا قابلًا للتدقيق.
- Wei et al. (2022). «Chain-of-Thought Prompting Elicits Reasoning in Large Language Models». الورقة المؤسِّسة للاستراتيجية. arXiv:2201.11903
- Kojima et al. (2022). «Large Language Models are Zero-Shot Reasoners». أصل عبارة «Let's think step by step» دون أمثلة. arXiv:2205.11916
- Wang et al. (2022). «Self-Consistency Improves Chain of Thought Reasoning». التطوير التالي: عدّة مسارات ثم التصويت. arXiv:2203.11171
- Turpin et al. (2023). «Language Models Don't Always Say What They Think». حدود مصداقية سلسلة التفكير المعروضة. arXiv:2305.04388
التطبيق العملي: أين نكتب الدور وأين نكتب المهمّة؟
أهم مبدأ عملي في المنصّتين: الدور والقواعد الثابتة تُكتب في حقل التعليمات العليا (System / System instructions)، والمهمّة والنص المتغيّر يُكتبان في رسالة المستخدم. هذا الفصل هو ما يجعل أمرك قابلًا لإعادة الاستخدام على مئات الملفات.
افتح الـ Playground
ادخل على platform.openai.com ثم اختر Playground من القائمة الجانبية. ستحتاج حسابًا ورصيدًا في الـ API.
اكتب الدور في خانة System
الصق مخرجات «باني الدور» من المحطّة الثالثة في حقل System — هذه هي هويّة النموذج الثابتة في كل الجلسة.
اكتب المهمّة في خانة User
ضع النص المطلوب ترجمته + عبارة تحفيز CoT مثل «فكّر خطوة بخطوة». غيّر هذا الحقل فقط مع كل ملف جديد.
اضبط الإعدادات ثم شغّل
اخفض Temperature إلى ~0.2 للنصوص القانونية، وارفعها للنصوص الإبداعية. اضغط Run وقارن النتائج.
احفظ الأمر كقالب
استخدم Save / Presets لحفظ الإعداد كاملًا، أو انسخ الكود من View code لاستخدامه في أداتك.
ادخل بحساب Google
افتح aistudio.google.com وسجّل الدخول. الاستخدام التجريبي متاح مجانًا ضمن حدود معيّنة — ميزة كبيرة للطلاب.
ابدأ محادثة جديدة
اختر Chat / New prompt، ثم افتح حقل System instructions في أعلى الصفحة.
الصق الدور في System instructions
هذا مكافئ حقل System في OpenAI — نفس المبدأ تمامًا: الهويّة والقواعد الثابتة هنا، لا المهمّة.
اكتب المهمّة مع تحفيز CoT
في صندوق المحادثة ضع النص + «فكّر خطوة بخطوة»، واضبط Temperature من اللوحة الجانبية ثم شغّل.
احفظ وشارك
احفظ الـ prompt في Drive، أو استخدم Get code لتوليد الكود — مفيد جدًّا لبناء أدواتك لاحقًا في الدبلومة.
افتح المنصّتين جنبًا إلى جنب. ضع نفس الدور ونفس النص في كليهما، وشغّل مرّتين: مرّة بلا «فكّر خطوة بخطوة» ومرّة بها. سجّل في جدول: أيّهما أدقّ مصطلحيًّا؟ أيّهما أطول؟ وأين اختلف الاستدلال؟ هذه هي بداية مهارة تقييم النماذج التي سنعمّقها لاحقًا.
- OpenAI Platform — Playground & Prompt engineering docs. حقول System/User، والإعدادات، وتوليد الكود. platform.openai.com
- Google AI Studio — Documentation. حقل System instructions وضبط المعاملات وGet code. aistudio.google.com · ai.google.dev
- ملاحظة: واجهات المنصّتين تتغيّر باستمرار؛ المحاكاة أعلاه تُوضّح المبدأ (أين الدور وأين المهمّة) لا الشكل الحرفي للواجهة وقت مشاهدتك.
اختبر فهمك
جاوب في ذهنك أولًا، ثم اضغط «أظهر الإجابة النموذجية». الأسئلة الأخيرة تطبيقية — نفّذها فعلًا على المنصّتين.