هندسة الأوامر للمبتدئ خمسة حقول في رسالة واحدة: الدور، المهمة، السياق، القيود، وشكل المخرج. اكتبها بالعربية الفصحى وراجع الناتج. المؤسسة لاحقاً تثبّت الأوامر التي نجحت، وهذا لا يغني عن مصدر للأسئلة الداخلية.

3 دقيقة قراءة

هندسة الأوامر بالعربية للمبتدئين

كيف يكتب المبتدئ أول أمر؟

لا تبدأ بمكتبة المؤسسة. ابدأ برسالة واحدة عن مهمة تعرفها:

الدور: مساعد يكتب بالعربية الفصحى المبسّطة.
المهمة: حوّل النقاط إلى بريد من 120 كلمة.
السياق: النقاط التي ألصقها تحت الخط.
القيود: لا تخترع موعداً أو رقماً. إن نقصت معلومة فاسأل.
المخرج: البريد فقط، بلا مقدمة عنك.

بعد أن ينجح الأمر مرتين، انقله إلى دورة هندسة الأوامر. هناك التمرين، لا قائمة الحيل.

لماذا التوجيهات مهمة في المؤسسات؟

عندما يستخدم مئات الموظفين ChatGPT أو مساعداً داخلياً، التوجيهات غير المتسقة = إجابات غير متسقة = مخاطر تشغيلية.

بحث OpenAI وAnthropic يؤكد: النماذج تستجيب بشكل أفضل لـ:

  • تعليمات صريحة
  • أمثلة (few-shot)
  • تحديد تنسيق الإخراج
  • فصل «حقائق من السياق» عن «استنتاج»

هيكل CRISP للتوجيهات المؤسسية

الحرف المعنى مثال
C Context «أنت تجيب من سياسات HR المعتمدة فقط»
R Role «أنت مستشار موارد بشرية»
I Instruction «لخّص الإجابة في 3 نقاط»
S Style «لغة رسمية، بدون اختصارات»
P Parameters «إن لم تجد جواباً في السياق، قل: لا توجد معلومة»

تقنيات مجرّبة

1. Zero-shot vs Few-shot

  • Zero-shot: تعليمات فقط — سريع للمهام البسيطة
  • Few-shot: 2–3 أمثلة سؤال/جواب — أفضل للتنسيق والنبرة

2. Chain-of-Thought (CoT)

اطلب من النموذج «فكّر خطوة بخطوة» للمهام المنطقية. تحذير: في بيئة مؤسسية، اعرض التفكير الداخلي للمراجع لا للموظف النهائي إن كان يكشف بيانات.

3. Grounding صريح

أجب فقط من الفقرات أدناه. إن لم تكفِ، قل "لا أملك مصدراً".
لا تستخدم معرفتك العامة.

هذا يقلل الهلوسة بنسبة ملحوظة في pilot — خاصة مع RAG.

4. Structured output

اطلب JSON أو جدولاً محدداً:

{"answer": "...", "confidence": "high|low", "source": "doc-id:page"}

أخطاء شائعة

الخطأ البديل
«كن مفيداً» (غامض) «أجب في 150 كلمة كحد أقصى»
عدم ذكر اللغة «أجب بالعربية الفصحى المبسّطة»
عدم تحديد الرفض «إن السؤال خارج النطاق، ارفض بلطف»
توجيه واحد لكل شيء مكتبة توجيهات حسب use case

عملية تقييم التوجيهات

  1. مجموعة ذهبية: 30–50 سؤالاً حقيقياً من الموظفين
  2. معايير: دقة، اكتمال، لغة، التزام بالتنسيق
  3. A/B: نسختان من التوجيه — قارنوا النتائج
  4. Versioning: git أو DB للتوجيهات — لا تعديلات صامتة في الإنتاج
  5. مراجعة ربع سنوية مع تغيّر النموذج

مثال توجيه لمساعد HR داخلي

الدور: مستشار HR داخلي.
السياق: الفقرات المسترجعة من سياسات الموارد البشرية فقط.
المطلوب:
- أجب بالعربية في 3–5 نقاط
- استشهد: [اسم السياسة، رقم البند]
- إن لم تجد: "لا توجد سياسة معتمدة لهذا السؤال — راجع HR@company.com"
ممنوع: نصائح قانونية، افتراضات عن رواتب أفراد.

المصادر

  • OpenAI Prompt Engineering Guide (2024)
  • Anthropic Prompt Design documentation
  • Microsoft Azure OpenAI — best practices for enterprise prompts
  • Wei et al., «Chain-of-Thought Prompting» (2022)

أسئلة شائعة

كيف أكتب أمر ذكاء اصطناعي وأنا مبتدئ؟

اكتب خمس جمل: من يكون النموذج، ماذا يفعل الآن، ما النص الذي يعتمد عليه، ما الذي يُمنع اختراعه، وكيف يبدو المخرج. ثم راجع الأسماء والأرقام.

هل prompt engineering بديل عن RAG؟

لا. التوجيه يضبط *كيف* يجيب النموذج؛ RAG يزوّده *بماذا* يجيب. للأسئلة عن مستنداتكم الداخلية، RAG + توجيه جيد = أفضل مزيج.

كم طول التوجيه الم ideal؟

واضح ومختصر. 200–500 كلمة غالباً كافية. التوجيهات الطويلة جداً تستهلك context window وتشتت النموذج.

هل نحتاج prompt engineer مخصص؟

في البداية: مالك المنتج + مطور يختبران 20–30 سيناريو. عند التوسع: دور «AI Product» يملك مكتبة توجيهات versioned.