الأسبوع 04: هندسة الأوامر (Prompt Engineering)
فن وعلم صياغة التعليمات للذكاء الاصطناعي للحصول على نتائج دقيقة واحترافية
🧩 مقدمة: فن التحدث مع الذكاء الاصطناعي
هندسة الأوامر (Prompt Engineering) هي فن وعلم صياغة التعليمات التي نوجهها للذكاء الاصطناعي (مثل ChatGPT) بطريقة تجعله يفهمنا بدقة ويعطينا أفضل نتيجة ممكنة.
"كيف تتكلم مع الذكاء الاصطناعي ليعمل كما تريد بالضبط"
🔍 الفكرة الأساسية
الذكاء الاصطناعي لا يفهم النية الغامضة، بل يفهم:
- الكلمات - اختيار المفردات المناسبة
- السياق - المعلومات المحيطة بالسؤال
- الترتيب - تسلسل الأفكار والمعلومات
- القيود - حدود وشروط الإجابة
- الأمثلة - نماذج توضيحية للمطلوب
🎯 نتيجة الأمر الجيد
وكلما كان الأمر (Prompt) واضحًا ومصممًا بذكاء، كانت النتيجة:
- أدق - تتطابق مع المطلوب تمامًا
- أسرع - تقلل الحاجة لإعادة المحاولة
- أقرب لما في ذهنك - تعبر عن أفكارك بدقة
مثال بسيط يوضح الفرق
أمر ضعيف
أمر مُهندَس
نفس الطلب… لكن النتيجة مختلفة تمامًا
🎬 شاهد الفرق بنفسك
📋 عناصر الأمر القوي (The 5 Key Elements)
1️⃣ الدور
من تتحدث إليه؟
تحديد الدور
"تصرف كخبير إحصاء"
"كمصمم واجهات"
"كأستاذ جامعي"
"كمستشار مالي"
2️⃣ المهمة
ماذا تريد بالضبط؟
تحديد المهمة
"اشرح، حلل، صمّم، لخص، اقترح، قارن، اكتب كود، صحح خطأ"
3️⃣ السياق
ما المعلومات المحيطة؟
السياق
"رسالة ماستر"
"تطبيق جامعي"
"موقع جامعة"
"نظام بيداغوجي"
4️⃣ الشكل
كيف تريد الإجابة؟
الشكل المطلوب
"نقاط، جدول، كود، رسم بياني، شرح نظري، مخطط Wireframe، خريطة ذهنية"
5️⃣ القيود
ما الحدود والاستثناءات؟
القيود
"بدون إطالة، باللغة العربية، من اليمين لليسار، بدون معادلات، بحد أقصى 500 كلمة، دون تكرار الأرقام"
6️⃣ الأمثلة
نماذج توضيحية
الأمثلة (Few-shot)
"مثل: المدخلات A تؤدي إلى المخرجات B. الآن طبق نفس المنطق على المدخلات C"
🔧 مثال متكامل يطبق العناصر الخمسة
بصفتك خبير إحصاء، علّق على جدول الإحصاءات الوصفية لبيانات رسالة ماستر في التمويل، تشمل 120 مؤسسة مدرجة في البورصة، مع التركيز على الاتجاه العام والتشتت، دون تكرار القيم الرقمية، وبأسلوب أكاديمي مناسب للمستوى.
لاحظ كيف أن كل عنصر أضاف دقة وتخصيصًا للأمر
🌐 هندسة السياق: المستوى المتقدم
🎭 ما هي هندسة السياق؟
هندسة السياق (Context Engineering) هي فن إدارة وتشكيل المعلومات المحيطة بالطلب بحيث يفهم الذكاء الاصطناعي الصورة الكاملة قبل أن يُنتج الإجابة.
كيف تصيغ السؤال
ما الذي تضعه حول السؤال ليُفهم بشكل صحيح
لماذا هي مهمة؟
الذكاء الاصطناعي لا يعرف:
- مشروعك
- جمهورك
- مستوى طلابك
- هدفك النهائي
إلا إذا وفرت له السياق.
عناصر هندسة السياق
🔍 الفرق العملي بين سياق ضعيف وسياق قوي
📊 مثال 1: تعليق إحصائي
"علّق على الجدول"
الإجابة: يوضح الجدول المتوسطات والانحرافات المعيارية...
إجابة عامة، تصلح لأي جدول
"هذا جدول إحصاءات وصفية لبيانات رسالة ماستر في التمويل، يشمل أربع متغيرات تابعة و18 متغيرًا مستقلاً لعينة من مؤسسات مدرجة في سوق مالي. أريد تعليقًا أكاديميًا يركز على الاتجاه العام ومستوى التشتت دون تكرار القيم الرقمية."
إجابة مخصصة، لغة أكاديمية، تخدم هدف التحليل
👨💻 مثال 2: خطأ برمجي Django
"عندي خطأ RelatedObjectDoesNotExist"
الإجابة: يحدث هذا الخطأ عندما لا يكون الكائن المرتبط موجودًا...
صحيح لكن غير مفيد عمليًا
"أعمل على نظام بيداغوجي بـ Django 5.2، لدي علاقة OneToOne بين User و Teacher، وعند الدخول إلى /social/ يظهر الخطأ RelatedObjectDoesNotExist: User has no teacher. لا أريد إنشاء Teacher تلقائيًا، بل أريد التحقق من وجوده والتصرف بناءً على ذلك."
إجابة دقيقة، مطابقة للطلب، بدون حلول غير مرغوبة
🎨 مثال 3: تصميم واجهة UI/UX
"اقترح ألوان لموقع جامعة"
الإجابة: يمكنك استخدام الأزرق والأخضر لأنها ألوان مريحة...
كلام عام
"أصمم موقع جامعة رسمي، الجمهور طلبة وأساتذة، التصميم يجب أن يكون أكاديميًا، عربي من اليمين لليسار، ويشبه مواقع الجامعات الحكومية. أريد لوحة ألوان هادئة مع تدرج مناسب للـ Header."
إجابة قابلة للتنفيذ مباشرة
🧠 القاعدة الذهبية:
إذا كانت الإجابة عامة → فالسياق ضعيف
إذا شعرت أن الإجابة كُتبت خصيصًا لك → فالسياق قوي
🔄 هندسة الأوامر vs إعادة التدريب (Fine-tuning)
🎯 هل تغنيك هندسة الأوامر عن إعادة تدريب النموذج؟
نعم… ولكن ليس دائمًا
متى تكفي هندسة الأوامر؟
-
1
أسلوب خاص أو لغة معينة:
أكاديمي، إداري، تقني، عربي رسمي
-
2
قواعد عمل واضحة:
تنسيق محدد، منع تكرار القيم، طريقة تحليل ثابتة
-
3
نطاق معرفي عام:
برمجة، إحصاء، تصميم، إدارة، فقه مشهور
-
4
تطبيقات تفاعلية (RAG):
تمرير جداول، نصوص، ملفات، سياسات وقت الطلب
متى لا تكفي؟ (تحتاج Fine-tuning)
-
1
معرفة خاصة جدًا وغير منشورة:
وثائق داخلية، فتاوى خاصة، سياسات سرية
-
2
نمط ثابت يجب الالتزام به دائمًا:
نفس الصياغة، نفس المنهج في كل مرة دون تذكير
-
3
حجم ضخم من البيانات المتخصصة:
آلاف التقارير، مئات الجداول، أسلوب مؤلف واحد
-
4
متطلبات قانونية أو حساسة:
تشخيص طبي، قرارات قانونية ملزمة، أنظمة حرجة
🧠 تشبيه ذكي
تشرح للخبير المشكلة جيدًا
تعلّم الخبير مهنة جديدة بالكامل
لا تعلّم الخبير من الصفر… إلا إذا كان مضطرًا
📌 قاعدة عملية احفظها:
إذا كان بإمكانك شرح المطلوب في صفحة واحدة → لا تُدرّب
إذا احتجت كتابًا كاملًا لشرحه → درّب النموذج
⚡ تقنيات متقدمة في هندسة الأوامر
1. Few-shot Prompting (التعلم ببضع أمثلة)
إعطاء النموذج أمثلة على المدخلات والمخرجات المطلوبة قبل الطلب الفعلي.
مثال:
المدخل: "السماء زرقاء" → المخرج: "سماء زرقاء"
المدخل: "العشب أخضر" → المخرج: "عشب أخضر"
المدخل: "الكتاب مفيد" → المخرج: "كتاب مفيد"
الآن: "السيارة سريعة" → ؟
2. Chain-of-Thought (سلسلة الأفكار)
توجيه النموذج للتفكير خطوة بخطوة قبل الإجابة، خاصة للمسائل المنطقية والرياضية.
مثال:
س: إذا كان سعر كتاب 20 ريالًا وخصم 15%، فما السعر بعد الخصم؟
فكر خطوة بخطوة:
الخطوة 1: حساب قيمة الخصم = 20 × 0.15 = 3 ريالات
الخطوة 2: السعر بعد الخصم = 20 - 3 = 17 ريالًا
الإجابة: 17 ريالًا
3. Self-Consistency (الاتساق الذاتي)
توليد عدة إجابات لنفس السؤال واختيار الأكثر تكرارًا أو اتساقًا.
مثال:
اطلب من النموذج حل مسألة رياضية بثلاث طرق مختلفة، ثم قارن النتائج.
4. Tree of Thoughts (شجرة الأفكار)
استكشاف مسارات تفكير متعددة وتقييمها قبل اختيار الأفضل.
مثال:
في حل مشكلة معقدة، اطلب من النموذج اقتراح 3 استراتيجيات مختلفة، ثم تقييم كل منها، ثم اختيار الأنسب.
5. Role-Playing (لعب الأدوار)
إعطاء النموذج شخصية محددة ليستجيب من منظورها.
مثال:
"تحدث إلي كمستشار مالي خبير في الأسواق الناشئة، وقدم نصائح استثمارية لشخص يريد بدء محفظة بـ 10,000 دولار."
6. Zero-shot CoT
إضافة عبارة "دعنا نفكر خطوة بخطوة" دون إعطاء أمثلة.
مثال:
"إذا كان 5 أقلام تكلف 25 ريالًا، فكم تكلف 8 أقلام؟ دعنا نفكر خطوة بخطوة."
📝 قوالب أوامر جاهزة (Prompt Templates)
🗂️ قوالب جاهزة للاستخدام الفوري
لتحليل إحصائي
بصفتك [خبير إحصاء]،
[حلل/علق على/فسر] هذه البيانات:
[ألصق البيانات هنا]
السياق: [رسالة ماستر/بحث/تقرير] في مجال [التمويل/الاقتصاد/الطب].
المطلوب: التركيز على [الاتجاهات/العلاقات/التشتت].
القيود: [بدون تكرار الأرقام/لغة أكاديمية/بحد أقصى 300 كلمة].
للبرمجة وحل المشكلات
بصفتك [مطور Django خبير/مطور Frontend]،
أحتاج [حلاً/كودًا/تفسيرًا] للمشكلة التالية:
[وصف المشكلة أو الخطأ]
البيئة: [Django 5.2/Python 3.11/React 18]
المتطلبات: [أداء عالٍ/أمان/توافق مع RTL]
القيود: [لا تستخدم مكتبات إضافية/قدم تعليقات في الكود]
للكتابة الأكاديمية
بصفتك [أستاذ جامعي/باحث أكاديمي]،
[اكتب/لخص/راجع]:
[النص أو الموضوع]
لـ [طلبة بكالوريوس/ماستر/دكتوراه]
الأسلوب: [رسمي/أكاديمي/نقدي]
القيود: [مع ذكر المراجع/بدون حشو/في حدود 1000 كلمة]
للتصميم والإبداع
بصفتك [مصمم UI/UX محترف]،
[اقترح/صمم/طور] [واجهة/شعار/لوحة ألوان] لـ:
[وصف المشروع]
الجمهور: [طلاب/أكاديميون/عامة]
الهوية: [رسمية/عصرية/بسيطة]
القيود: [RTL/ألوان هادئة/متوافق مع WCAG]
✍️ تمرين تفاعلي: حسّن هذه الأوامر
🎯 حاول تحويل الأوامر الضعيفة إلى أوامر قوية
التمرين 1: طلب تحليل بيانات
ضعيف"حلل هذه البيانات"
التمرين 2: طلب برمجي
ضعيف"عندي خطأ في Django"
التمرين 3: طلب كتابة محتوى
ضعيف"اكتب عن التضخم"
🧩 لعبة المطابقة: عناصر الأمر
🎯 اسحب كل عنصر إلى مكانه الصحيح
عناصر الأمر
العناصر المتاحة
🧠 اختبار الأسبوع الرابع: هندسة الأوامر
1. ما هي هندسة الأوامر (Prompt Engineering)؟
2. أي من العناصر التالية ليس من عناصر الأمر القوي؟
3. ما الفرق بين هندسة الأوامر وهندسة السياق؟
4. أي من هذه التقنيات تعني "إعطاء النموذج أمثلة على المدخلات والمخرجات المطلوبة"؟
5. متى قد نحتاج إلى إعادة تدريب النموذج (Fine-tuning) بدلاً من الاعتماد على هندسة الأوامر؟
📝 ملخص الأسبوع الرابع
المفهوم الأساسي
- هندسة الأوامر = فن التحدث مع الذكاء الاصطناعي
- AI لا يفهم النية الغامضة، بل يفهم الكلمات والترتيب والسياق
- الأمر الجيد = نتيجة دقيقة ومخصصة
العناصر الخمسة
- الدور: تصرف كـ...
- المهمة: ماذا تريد؟
- السياق: المعلومات المحيطة
- الشكل: كيف تريد الإجابة؟
- القيود: الحدود والاستثناءات
تقنيات متقدمة
- Few-shot: التعلم بالأمثلة
- Chain-of-Thought: التفكير خطوة بخطوة
- Role-Playing: لعب الأدوار
خريطة مفاهيم هندسة الأوامر
سيتم تحديث تقدمك في الكتاب عند النقر