ما هي هندسة الأوامر؟ دليل إتقان Prompt Engineering خطوة بخطوة

هل طلبت يومًا من أداة ذكاء اصطناعي أن تكتب مقالًا أو تحلل ملفًا، ثم حصلت على إجابة عامة لا تناسب ما تحتاج إليه؟ في كثير من الحالات، لا تكون المشكلة في قدرة النموذج وحدها، بل في أن الطلب لم يوضح الهدف والسياق والقيود وشكل النتيجة المطلوبة.

هنا تأتي هندسة الأوامر (Prompt Engineering)، وهي عملية تصميم تعليمات تساعد النموذج على فهم المهمة وتنفيذها بطريقة أقرب إلى توقعات المستخدم. لا تعني هذه المهارة حفظ مجموعة من «الأوامر السحرية»، بل تعني تعلم كيفية تعريف المشكلة، وتزويد النموذج بالمعلومات الضرورية، وتحديد معايير الإجابة الجيدة، ثم اختبار النتائج وتحسين التعليمات.

ستتعلم في هذا الدليل طريقة بناء أمر فعّال للكتابة والتحليل والتلخيص والبحث والبرمجة، والفرق بين Prompt وSystem Prompt، وما المقصود بهندسة السياق، وكيف تقيم النتائج بدل الاكتفاء بأول إجابة تحصل عليها.

الإجابة المختصرة

هندسة الأوامر هي عملية كتابة واختبار وتحسين التعليمات المقدمة إلى نموذج ذكاء اصطناعي بهدف الحصول على مخرجات تحقق هدفًا محددًا بصورة أكثر دقة وثباتًا.

يتضمن الأمر الجيد عادةً: المهمة، والسياق، والمدخلات، والقيود، وشكل المخرجات، ومعايير الجودة، وقد يتضمن أمثلة توضح للنموذج ما الذي تعتبره إجابة ناجحة.

لا تضمن هندسة الأوامر أن تكون كل إجابة صحيحة، لكنها تقلل الغموض وتزيد احتمالية الحصول على نتيجة مفيدة. وتصف وثائق Google تصميم الأوامر بأنه إنشاء تعليمات تستخرج الاستجابة المطلوبة، بينما تشير إلى أن التعديل المتكرر للأمر وتقييم نتائجه يمثل جانبًا أساسيًا من هندسة الأوامر.

ما هي هندسة الأوامر؟

هندسة الأوامر (Prompt Engineering) هي أسلوب منظم للتواصل مع النماذج اللغوية الكبيرة (Large Language Models)، مثل النماذج المستخدمة في ChatGPT وClaude وGemini.

قد يكون الـPrompt سؤالًا قصيرًا، أو تعليمات طويلة، أو مجموعة مستندات وأمثلة وقواعد. لكن طول الأمر ليس هو العامل الحاسم؛ فقد يكون الأمر طويلًا ومربكًا، بينما ينجح أمر أقصر لأنه يحدد النتيجة المطلوبة بوضوح.

يمكن النظر إلى هندسة الأوامر باعتبارها دورة تتكون من أربع عمليات:

1. تحديد الهدف الذي تريد تحقيقه.
2. كتابة تعليمات أولية واضحة.
3. اختبار الأمر على حالات مختلفة.
4. تعديل التعليمات بناءً على الأخطاء الملحوظة.

وتوصي Anthropic قبل تحسين أي أمر بتحديد معايير نجاح واضحة، وامتلاك طريقة عملية لاختبار ما إذا كانت النتائج تستوفي تلك المعايير، لأن بعض المشكلات قد تحتاج إلى تغيير الأداة أو النموذج أو البيانات، وليس إلى إعادة صياغة الأمر فقط.

مثال بسيط

الأمر العام:

اكتب لي منشورًا عن التسويق.

الأمر الأكثر تحديدًا:

اكتب منشورًا باللغة العربية الفصحى من 120 كلمة لأصحاب المتاجر الإلكترونية المبتدئين. اشرح فيه ثلاث طرق لاستخدام البريد الإلكتروني لاستعادة السلات المتروكة، واستخدم أسلوبًا عمليًا من دون مبالغة أو وعود بزيادة المبيعات.

الأمر الثاني لا يحتوي على كلمات سرية؛ لكنه حدد الجمهور والموضوع والطول والنبرة والنقاط المطلوبة.

كيف تفهم النماذج اللغوية طلباتك؟

النموذج اللغوي لا يقرأ نيتك بالطريقة التي يفهم بها شخص يعرف مشروعك وخلفيتك. إنه يعالج النص على هيئة وحدات تسمى Tokens، ويولد الاستجابة اعتمادًا على الأنماط التي تعلمها والسياق المتاح في المحادثة.

تتعلم النماذج الأساسية خلال التدريب العلاقات بين الكلمات والعبارات، ثم تستخدم تلك العلاقات لتوقع الكلمات أو الرموز التالية المناسبة للسياق. ولهذا قد تنتج إجابة تبدو مقنعة لغويًا حتى عندما تكون بعض معلوماتها غير صحيحة.

يمكن استخلاص ثلاث نتائج عملية من ذلك:

النموذج لا يعرف السياق الذي لم تزوده به

عبارة مثل «اكتب الصفحة بالطريقة التي نستخدمها عادة» لن تكون كافية في محادثة جديدة ما لم تقدم مثالًا أو دليل أسلوب أو وصفًا للطريقة المطلوبة.

الكلمات الغامضة تفتح احتمالات كثيرة

قد تعني كلمة «مختصر» سطرين لشخص، و500 كلمة لشخص آخر. الأفضل تحديد نطاق مثل: «بين 120 و150 كلمة».

المخرجات احتمالية وليست قاعدة بيانات مضمونة

حتى مع أمر جيد، يجب مراجعة الأسماء والتواريخ والمراجع والأرقام. تحسين الأمر يقلل الأخطاء، لكنه لا يلغي الحاجة إلى التحقق.

عناصر الأمر الجيد

لا تحتاج جميع الأوامر إلى العناصر نفسها، لكن القالب التالي يصلح كنقطة بداية لمعظم المهام:

1. الهدف أو المهمة

ابدأ بفعل واضح يصف ما يجب على النموذج فعله:

• حلّل.
• لخّص.
• قارن.
• استخرج.
• أعد كتابة.
• أنشئ خطة.
• راجع الكود.

اكتب «حلّل أسباب انخفاض التسجيلات» بدل «ما رأيك في هذه البيانات؟».

2. الدور

يمكن للدور أن يحدد زاوية المعالجة ومستوى الشرح، مثل:

تعامل مع المهمة كمحلل بيانات يشرح النتائج لمدير تسويق غير تقني.

لكن الدور لا يمنح النموذج معرفة أو صلاحيات غير موجودة. كتابة «أنت أفضل طبيب في العالم» لا تحول الإجابة إلى تشخيص طبي موثوق.

3. السياق

يتضمن السياق المعلومات اللازمة لفهم المهمة، مثل:

• الجمهور المستهدف.
• طبيعة المشروع.
• الهدف التجاري أو التعليمي.
• ما تم إنجازه سابقًا.
• القيود التي تؤثر في القرار.
• المصطلحات الخاصة بالمؤسسة.

كلما كان السياق ذا صلة مباشرة بالمهمة، كانت فائدته أكبر. أما إضافة مستندات طويلة لا يحتاج إليها النموذج فقد تزيد الضوضاء بدل تحسين الإجابة.

4. المدخلات

افصل المادة التي تريد معالجتها عن التعليمات، خاصةً عند إدخال مقال أو بيانات أو رسائل.

مثال:

لخص النص الموجود بين العلامتين <article> و</article>، ولا تستخدم معلومات من خارج النص.

استخدام العناوين أو الفواصل أو وسوم XML يساعد في تمييز التعليمات عن المحتوى، وتوصي إرشادات Anthropic باستخدام بنية واضحة وأمثلة متسقة عندما تصبح الأوامر أكثر تعقيدًا.

5. القيود

حدد ما يجب الالتزام به، مثل:

• الحد الأقصى للطول.
• اللغة.
• مستوى القارئ.
• المعلومات التي يجب تجنبها.
• المصادر المقبولة.
• الفترة الزمنية.
• الحاجة إلى إظهار عدم اليقين.

بدلًا من كتابة «لا تجعل الإجابة سيئة»، وضّح السلوك المطلوب إيجابيًا: «استخدم لغة مباشرة، واشرح كل مصطلح تقني عند ظهوره لأول مرة».

6. شكل المخرجات

قد يكون المطلوب:

• فقرات.
• جدولًا.
• قائمة خطوات.
• JSON.
• رسالة بريد إلكتروني.
• عنوانًا ووصفًا ووسومًا.
• تقريرًا يتضمن النتائج والأدلة والتوصيات.

تؤكد إرشادات Google أهمية تحديد القيود ومتطلبات تنسيق المخرجات بوضوح.

7. معيار النجاح

أخبر النموذج بما يجعل الإجابة صالحة للاستخدام:

يجب أن تتضمن النتيجة توصية قابلة للتنفيذ، والدليل الذي يدعمها، وأهم مخاطرة قد تغير القرار.

وتوصي إرشادات OpenAI الحديثة للأعمال المعقدة بأن يركز الأمر على النتيجة، مع تحديد الهدف والسياق والقيود والأدلة المطلوبة ومعايير النجاح وشكل المخرجات.

قالب عملي لبناء أي Prompt

يمكنك استخدام القالب التالي وتعديل أقسامه:

الدور: تعامل مع المهمة بصفتك [الدور المناسب].
المهمة: أريد منك [النتيجة المحددة].
السياق: [المعلومات التي يحتاج إليها النموذج].
المدخلات: [النص أو البيانات أو المشكلة].
القيود: التزم بـ[اللغة، الطول، المصادر، الحدود].
شكل المخرجات: قدم النتيجة في صورة [فقرات، جدول، خطوات].
معيار الجودة: يجب أن تتضمن الإجابة [الشروط التي تحدد النجاح].
عند نقص المعلومات: اذكر ما ينقص أو اطلب التوضيح بدل التخمين.

ليس مطلوبًا استخدام كل سطر في كل مرة. حذف العناصر غير الضرورية أفضل من تكرار تعليمات لا تؤثر في النتيجة.

كيف تستخدم الأمثلة داخل الأمر؟

يسمى تقديم أمثلة للنموذج أحيانًا Few-shot Prompting. وتكون الأمثلة مفيدة عندما يصعب وصف الشكل المطلوب بالكلمات وحدها، مثل تصنيف رسائل العملاء أو توحيد أسلوب العناوين.

مثال:

صنّف الرسائل إلى: شكوى، استفسار، طلب إلغاء.

الرسالة: «وصلني المنتج بلون مختلف.»
التصنيف: شكوى

الرسالة: «هل يتوفر المقاس الكبير؟»
التصنيف: استفسار

الرسالة الجديدة: «أريد إيقاف الطلب قبل شحنه.»
التصنيف:

اختر أمثلة صحيحة ومتنوعة وتمثل الحالات الفعلية. فإذا كانت جميع الأمثلة قصيرة ورسمية، فقد يقلد النموذج ذلك الأسلوب حتى لو لم تطلبه صراحةً.

تقسيم المهام المعقدة إلى خطوات

عندما تطلب من النموذج البحث والتحليل والكتابة والتدقيق والتنسيق في أمر واحد، يصبح اكتشاف موضع الخطأ صعبًا. الأفضل تحويل المهمة إلى مراحل ذات مخرجات واضحة.

في إعداد تقرير عن منافس، يمكن تقسيم العمل إلى:

1. استخراج الادعاءات والمعلومات الأساسية.
2. تحديد المعلومات التي تحتاج إلى تحقق.
3. جمع الأدلة من المصادر المسموح بها.
4. مقارنة النتائج بمعايير محددة.
5. كتابة التقرير النهائي.
6. مراجعة التقرير للتأكد من وجود المصادر والتحفظات.

لا يعني ذلك أن تطلب من النموذج كشف تفكيره الداخلي التفصيلي. المطلوب هو تنظيم سير العمل والنتائج المرئية: حقائق، أدلة، استنتاجات، ونقاط تحتاج إلى مراجعة.

قوالب أوامر للمهام الشائعة

أمر للكتابة

اكتب مقدمة من 150 كلمة لمقال يشرح [الموضوع] لجمهور [الجمهور]. ابدأ بالمشكلة التي يواجهها القارئ، وقدّم إجابة أولية مباشرة. استخدم العربية الفصحى السهلة، وتجنب العبارات التسويقية والمعلومات التي لا يمكن التحقق منها.

أمر للتحليل

حلّل البيانات المرفقة بهدف معرفة أسباب تراجع التحويلات. ابدأ بفحص جودة البيانات، ثم حدد أهم ثلاثة تغيرات مدعومة بالأرقام. افصل بين الملاحظة والاستنتاج، واذكر أي معلومات ناقصة قد تؤثر في النتيجة.

أمر للتلخيص

لخّص المستند في 250 كلمة. حافظ على الأرقام والشروط والاستثناءات المهمة. لا تضف معلومات من خارج المستند. بعد الملخص، أضف ثلاثة أسئلة لم يجب عنها النص بوضوح.

أمر للبحث

ابحث عن أحدث المعلومات حول [الموضوع] حتى [التاريخ]. أعط الأولوية للمصادر الرسمية والأبحاث الأصلية. لكل ادعاء رئيسي، اذكر المصدر وتاريخ النشر، وميّز بين الحقيقة والاستنتاج والمعلومة غير المؤكدة.

وجود كلمة «ابحث» لا يعني أن كل أداة أو نموذج يمتلك اتصالًا بالإنترنت. تحقق من تفعيل ميزة البحث، وراجع المصادر المفتوحة بدل الاعتماد على الصياغة النهائية وحدها.

أمر للبرمجة

راجع الدالة التالية بلغة Python. حدد الأخطاء التي قد تسبب نتائج غير صحيحة أو مشكلات أمنية، ثم اقترح أقل تعديل ممكن لإصلاحها. اشرح كل تغيير، واكتب اختبارات تغطي الحالة الطبيعية وحالتي فشل. لا تغير واجهة الدالة إلا عند الضرورة.

معرفة البرمجة ليست شرطًا لاستخدام هندسة الأوامر في الكتابة والعمل، لكنها تصبح مهمة عند بناء تطبيقات تعتمد على APIs أو مخرجات منظمة أو أدوات ووكلاء ينفذون إجراءات.

ما الفرق بين Prompt وSystem Prompt؟

الـPrompt العادي هو الطلب المرتبط بالمهمة الحالية، مثل: «لخص هذا التقرير».

أما System Prompt فهو مجموعة تعليمات أعلى أولوية تُستخدم لتحديد سلوك التطبيق أو المساعد عبر المهام، مثل اللغة المعتمدة، وحدود الصلاحيات، وطريقة التعامل مع البيانات، وشكل الإجابات.

قد لا يرى المستخدم النهائي الـSystem Prompt، لأنه يُعد عادةً داخل التطبيق. وتختلف أسماء طبقات التعليمات بين المنصات وواجهات البرمجة؛ ففي بعض واجهات OpenAI الحديثة تستخدم رسائل المطور (Developer Messages) لتقديم تعليمات ذات أولوية أعلى من رسالة المستخدم، بينما ما تزال مصطلحات System Message أو System Prompt مستخدمة في منتجات وواجهات أخرى.

مثال مبسط:

System Prompt:

أنت مساعد لخدمة العملاء. استخدم المعلومات الموجودة في قاعدة المعرفة فقط، ولا تؤكد استرداد الأموال قبل التحقق من حالة الطلب.

User Prompt:

العميل يقول إن طلبه تأخر خمسة أيام. اكتب ردًا مناسبًا.

لا ينبغي وضع أسرار أو كلمات مرور داخل System Prompt على افتراض أن المستخدم لن يتمكن من الوصول إليها؛ فالتعليمات ليست خزنة آمنة.

ما المقصود بهندسة السياق Context Engineering؟

هندسة السياق (Context Engineering) أوسع من كتابة Prompt واحد. وهي عملية تحديد كل ما يجب أن يكون متاحًا للنموذج عند تنفيذ المهمة، مثل:

• تعليمات النظام.
• رسالة المستخدم.
• تاريخ المحادثة ذي الصلة.
• المستندات المسترجعة.
• بيانات العميل المصرح بها.
• الأدوات المتاحة ووصفها.
• الذاكرة.
• نتائج الخطوات السابقة.
• الصلاحيات وحدود تنفيذ الإجراءات.

تصف إحدى مواد OpenAI التطبيقية هندسة السياق بأنها تشكيل ما يعرفه النموذج في لحظة معينة. ولذلك قد يكون حل المشكلة هو إحضار المستند الصحيح أو حذف معلومات قديمة من المحادثة، لا إعادة صياغة الطلب فقط.

يمكن تلخيص الفرق كالتالي:

كيف تقيم النتائج وتحسن الأمر؟

لا تقيم الأمر بناءً على إجابة واحدة أعجبتك. قد ينجح في مثال ويفشل عند تغير الموضوع أو طول النص أو نوع المستخدم.

1. حدد معايير النجاح

في مهمة تلخيص، قد تكون المعايير:

• عدم إسقاط القرارات الأساسية.
• الحفاظ على الأرقام.
• عدم إضافة معلومات خارجية.
• الالتزام بالطول.
• استخدام لغة مناسبة للجمهور.

2. أنشئ مجموعة حالات اختبار

استخدم من 10 إلى 20 مثالًا يمثل الحالات العادية والصعبة، مثل مستند قصير، ومستند طويل، ومدخل ناقص، ونص يحتوي على تعليمات مضللة.

3. سجّل الأخطاء

لا تكتب «النتيجة ليست جيدة». حدد الخطأ:

• حذف الاستثناءات.
• اختراع مصدر.
• استخدام نبرة غير مناسبة.
• عدم الالتزام بالتنسيق.
• الخلط بين الرأي والحقيقة.

4. غيّر عنصرًا واحدًا في كل مرة

عدّل صياغة المهمة أو أضف مثالًا أو غيّر شكل المخرجات، ثم أعد تشغيل الحالات نفسها. بهذه الطريقة تعرف ما الذي أحدث التحسن.

5. اختبر الثبات

جرّب الأمر أكثر من مرة، ومع مدخلات جديدة. توصي وثائق Google بالتحسين التدريجي، كما توفر منصات المطورين أنظمة تقييم لاختبار الأوامر والنماذج على معايير ومجموعات بيانات محددة.

الأخطاء الشائعة في كتابة الأوامر

استخدام طلب عام جدًا

«اكتب تقريرًا احترافيًا» لا يحدد موضوع التقرير أو قارئه أو الهدف منه.

جمع تعليمات متعارضة

مثل: «اكتب شرحًا شاملًا للغاية في 100 كلمة، وغطِّ جميع التفاصيل والأمثلة والاستثناءات».

عند وجود تعارض، حدد الأولوية: الدقة أهم من الاختصار، أو الالتزام بالطول أهم من التفاصيل الثانوية.

الإفراط في تحديد الدور

إضافة سلسلة من الألقاب، مثل «أنت خبير عالمي ومفكر عبقري»، لا تعوض نقص البيانات ومعايير الجودة.

الاعتماد على النفي فقط

بدل «لا تكن عامًا ولا تكرر ولا تستخدم كلمات صعبة»، اكتب السلوك المطلوب: «قدم ثلاث توصيات محددة، واشرح المصطلحات بلغة يفهمها المبتدئ».

تقديم سياق طويل بلا تنظيم

ضع التعليمات في قسم، والبيانات في قسم آخر، وحدد المستندات التي يجب الاعتماد عليها.

طلب مصادر من دون تفعيل البحث

قد يولد النموذج أسماء مراجع تبدو صحيحة. اطلب فتح المصادر والتحقق من محتواها، ولا تعتمد على قائمة مراجع مولدة لغويًا فقط.

تعديل الأمر بلا تقييم

إضافة المزيد من الجمل ليست تحسينًا تلقائيًا. قد تصبح الأوامر المتكررة والطويلة أقل كفاءة؛ وتوصي إرشادات OpenAI الحديثة بكتابة تعليمات مركزة، وعدم تكرار القاعدة نفسها، والاحتفاظ بالأمثلة التي تعالج حاجة فعلية فقط.

حدود هندسة الأوامر

هندسة الأوامر لا تستطيع:

• منح النموذج معلومات لم يتدرب عليها ولا يستطيع الوصول إليها.
• ضمان صحة كل حقيقة أو رقم.
• إصلاح بيانات رديئة أو ناقصة.
• منح أداة صلاحيات غير متاحة.
• استبدال الخبرة البشرية في القرارات الطبية والقانونية والمالية الحساسة.
• ضمان النتيجة نفسها عند تغيير النموذج أو نسخته.

قد تختلف الاستجابة عند انتقالك من نموذج إلى آخر، ولذلك تحتاج الأوامر المستخدمة في العمليات المهمة إلى اختبارات دورية، خاصةً بعد تحديث النموذج أو الأدوات.

الخصوصية وأمن البيانات

لا تضع في الأوامر كلمات مرور، أو مفاتيح API، أو بيانات مصرفية، أو سجلات صحية، أو عقودًا سرية، أو معلومات عملاء غير مصرح بمشاركتها.

قبل رفع ملفات المؤسسة، راجع:

• سياسة المنصة الخاصة باستخدام البيانات.
• إعدادات الاحتفاظ بالمحادثات.
• خيارات منع استخدام المحتوى في التدريب.
• متطلبات المؤسسة والقوانين المحلية.
• صلاحيات التطبيقات المتصلة.

توفر بعض المنتجات إعدادات للتحكم في استخدام المحادثات؛ فمثلًا تسمح إعدادات Data Controls في ChatGPT للمستخدم بإدارة ما إذا كانت المحادثات الجديدة ستستخدم لتحسين النماذج، لكن الخيارات والسياسات تختلف بحسب المنتج والخطة، وقد تتغير بمرور الوقت.

ويجب على مطوري التطبيقات الانتباه إلى حقن الأوامر (Prompt Injection)، حيث قد يحتوي مستند أو موقع أو رسالة بريد إلكتروني على تعليمات خبيثة تحاول تغيير سلوك النموذج. وتوضح OWASP أن الفصل بين البيانات والتعليمات داخل النماذج ليس ضمانًا كاملًا؛ لذلك يجب تقييد الصلاحيات، والتحقق من المدخلات والمخرجات، وطلب موافقة بشرية قبل الإجراءات الحساسة.

أدوات مناسبة لتعلم هندسة الأوامر

يمكن للمبتدئ التدرب باستخدام واجهة محادثة عادية، لكن بيئات الاختبار المخصصة تسهل مقارنة التعليمات والنماذج والإعدادات.

من الخيارات المتاحة حاليًا:

• ChatGPT: للتدرب على المحادثات والكتابة والتحليل والملفات بحسب المزايا المتاحة للحساب.
• OpenAI Playground: لتجربة نماذج API والتعليمات وإعدادات المخرجات.
• Claude وAnthropic Console Workbench: لاختبار الأوامر وبناء أمثلة وتقييمها.
• Google AI Studio: لتجربة نماذج Gemini وتعديل تعليمات النظام واختبار أثر التغييرات على سلوك النموذج. وتصف وثائق Google الحالية AI Studio بأنه بيئة لتجربة النماذج والأوامر وتطويرها بسرعة.

ابدأ بأداة واحدة حتى تتعلم المبادئ، ثم اختبر الأمر نفسه على أكثر من نموذج لتلاحظ الاختلافات.

خريطة تعلم هندسة الأوامر للمبتدئين

المدة التالية مرنة؛ فقد يحتاج بعض الأشخاص إلى أيام، بينما يحتاج آخرون إلى عدة أسابيع بحسب الوقت والخبرة.

يمكن تأجيل APIs والبرمجة والمخرجات المنظمة إلى مرحلة لاحقة إذا كان هدفك استخدام الأدوات في الدراسة أو الكتابة. أما بناء منتج أو أتمتة أو وكيل ذكي فيتطلب تعلم أساسيات البرمجة والواجهات البرمجية وإدارة البيانات والصلاحيات.

مشروع عملي للمبتدئين: بناء مكتبة أوامر قابلة للتقييم

الهدف

إنشاء مساعد يساعدك في تحويل ملاحظات غير منظمة إلى ملخص عملي، مع الحفاظ على المعلومات المهمة وعدم اختراع تفاصيل جديدة.

الأدوات المطلوبة

أداة محادثة واحدة، وملف نصي أو جدول لتسجيل التجارب، وعشر مجموعات مختلفة من الملاحظات.

خطوات التنفيذ

1. اجمع عشر ملاحظات تتفاوت في الطول والتنظيم.
2. حدد النتيجة المطلوبة: ملخص، قرارات، مهام، ومسؤول كل مهمة.
3. اكتب الأمر الأول باستخدام قالب الدور والمهمة والسياق والمخرجات.
4. شغّل الأمر على الحالات العشر.
5. سجل الأخطاء في جدول بسيط.
6. أضف تعليمات تعالج الأخطاء المتكررة فقط.
7. اختبر النسخة الجديدة على الحالات نفسها.
8. احتفظ بالإصدار الأفضل مع تاريخ التعديل.

نموذج الأمر

حوّل ملاحظات الاجتماع الموجودة بين <notes> و</notes> إلى ملخص عملي.

أخرج النتيجة في أربعة أقسام: الموضوعات، القرارات المؤكدة، المهام، والأسئلة المفتوحة. لا تحول الاقتراحات إلى قرارات. إذا لم يُذكر مسؤول المهمة أو موعدها، اكتب «غير محدد». لا تضف معلومات من خارج الملاحظات.

النتيجة المتوقعة

ستحصل على قالب قابل لإعادة الاستخدام، مع دليل يوضح الحالات التي ينجح فيها والحالات التي تحتاج إلى مراجعة بشرية.

المهارات التي ستتعلمها

ستتدرب على فصل التعليمات عن البيانات، وتحديد معيار النجاح، ومنع التخمين، واختبار الثبات، وتحسين الأمر بناءً على أخطاء فعلية.

ماذا تضيف إلى ملف الأعمال؟

أضف وصف المشكلة، والإصدار الأول من الأمر، وأمثلة الأخطاء، والتعديلات التي أجريتها، ونتيجة المقارنة. لا تعرض بيانات حقيقية سرية؛ استخدم محتوى عامًا أو بيانات مصطنعة ومعلنة بوضوح.

يمكن تطوير المشروع لاحقًا إلى أداة صغيرة باستخدام API، أو ربطه بنظام اجتماعات بعد دراسة الصلاحيات والخصوصية.

كيف تختار مصادر تعلم هندسة الأوامر؟

أعط الأولوية لوثائق الشركات المطورة للنماذج، لأنها توضح السلوك الحالي والخصائص المتاحة. لكن لا تحفظ أمثلة مرتبطة بنموذج واحد باعتبارها قواعد ثابتة لجميع الأدوات.

ابحث عن المصادر التي تتضمن:

• شرحًا لسبب استخدام التقنية.
• أمثلة قبل التحسين وبعده.
• أسلوبًا لتقييم النتائج.
• تاريخ تحديث واضحًا.
• تحذيرات بشأن الحدود والخصوصية.
• تدريبات قابلة للتنفيذ.

وتجنب المحتوى الذي يقدم مئات الأوامر المنسوخة من دون شرح، أو يدّعي وجود جملة واحدة تضمن نتائج صحيحة دائمًا.

أسئلة شائعة عن هندسة الأوامر

هل تحتاج هندسة الأوامر إلى البرمجة؟

لا تحتاج إلى البرمجة لكتابة أوامر للبحث أو الدراسة أو المحتوى أو المهام المكتبية. تحتاج إلى معرفة تقنية عندما تريد دمج الأوامر داخل تطبيق، أو استخدام API، أو إنشاء وكيل ينفذ إجراءات، أو معالجة مخرجات JSON آليًا.

هل يمكن تعلم Prompt Engineering بالعربية؟

نعم. تستطيع النماذج الحديثة معالجة العربية، ويمكنك كتابة التعليمات باللغة التي تناسب المهمة. قد يفيد استخدام المصطلح الإنجليزي بجانب العربي عند التعامل مع وثائق تقنية أو أسماء حقول وأدوات.

هل الأمر الأطول أفضل دائمًا؟

لا. الأفضل هو الأمر الذي يحتوي على المعلومات الضرورية من دون تكرار أو تعارض. قد يكون الأمر القصير كافيًا لمهمة بسيطة، بينما تحتاج المهام المعقدة إلى سياق وأمثلة ومعايير تقييم.

هل يمكن أن تمنع هندسة الأوامر الهلوسة؟

يمكنها تقليلها عبر تقييد المصادر، وطلب إظهار عدم اليقين، والتحقق من الأدلة، لكنها لا تمنعها بصورة كاملة. يجب مراجعة المعلومات المهمة من مصادر أصلية.

هل هندسة الأوامر وظيفة مستقلة؟

توجد مهام وأدوار تتضمن تصميم الأوامر والتقييم، لكن المهارة تحقق قيمة أكبر عند دمجها بخبرة أخرى مثل التسويق أو التعليم أو تحليل البيانات أو البرمجة أو تصميم المنتجات.

هل Prompt Engineering وContext Engineering شيء واحد؟

لا. هندسة الأوامر تركز على صياغة التعليمات، بينما تشمل هندسة السياق اختيار المستندات والذاكرة والأدوات وتاريخ المحادثة والصلاحيات التي تصل إلى النموذج.

ماذا تتعلم بعد ذلك؟

بعد إتقان العناصر الأساسية للأمر الجيد، اختر الخطوة التالية وفق هدفك:

• [كيف تستخدم ChatGPT باحتراف في الدراسة والعمل؟] لتطبيق القوالب في المهام اليومية.
• [ما هي AI Agents وكيف تعمل؟] لفهم انتقال النماذج من الإجابة إلى استخدام الأدوات وتنفيذ سير عمل متعدد الخطوات.
• [استخدام الذكاء الاصطناعي في الأعمال] لتطوير حالات استخدام قابلة للقياس داخل الشركات.

ملخص المقالة

هندسة الأوامر ليست حفظ عبارات جاهزة، بل عملية تبدأ بتحديد الهدف، ثم تقديم السياق والمدخلات والقيود وشكل المخرجات ومعيار النجاح.

للحصول على نتائج أفضل:

1. اكتب المهمة بفعل واضح.
2. قدم السياق الضروري فقط.
3. افصل البيانات عن التعليمات.
4. حدد شكل النتيجة ومعايير جودتها.
5. استخدم أمثلة عند الحاجة.
6. اختبر الأمر على حالات متعددة.
7. عدّل عنصرًا واحدًا في كل تجربة.
8. تحقق من المعلومات المهمة.
9. لا تشارك بيانات حساسة.
10. تعامل مع هندسة السياق والأمان بجدية عند بناء التطبيقات.

الخاتمة

إتقان هندسة الأوامر لا يعني الوصول إلى صياغة مثالية تعمل إلى الأبد، بل يعني امتلاك طريقة منظمة لتحويل الحاجة إلى تعليمات قابلة للاختبار والتحسين. الأمر الناجح يوضح للنموذج ما الذي يجب إنجازه، وما المعلومات التي يعتمد عليها، وما القيود التي يلتزم بها، وكيف تبدو النتيجة المقبولة.

ابدأ اليوم باختيار مهمة متكررة تنفذها في الدراسة أو العمل. اكتب الأمر المستخدم حاليًا، وحدد ثلاثة أخطاء تظهر في نتائجه، ثم أضف معيار نجاح واضحًا واختبر النسخة الجديدة على عدة أمثلة. هذه العملية البسيطة أكثر فائدة من جمع عشرات القوالب غير المختبرة، وهي الأساس الحقيقي لتعلم هندسة الأوامر واستخدام الذكاء الاصطناعي بصورة عملية ومسؤولة.

المصادر والمراجع:

• OpenAI: Model Guidance — Prompting Best Practices.
• OpenAI: Why Language Models Hallucinate.
• OpenAI: Context Engineering for Personalization.
• OpenAI: Evals API Reference.
• Anthropic: Prompt Engineering Overview.
• Anthropic: Prompting Best Practices.
• Google Cloud: Introduction to Prompt Design.
• Google Cloud: Give Clear and Specific Instructions.
• Google AI for Developers: Google AI Studio Quickstart.
• OWASP: LLM Prompt Injection Prevention Cheat Sheet.
• OpenAI Help Center: Data Controls FAQ.