هندسة الأوامر للمبتدئين: كيف تكتب تعليمات تحصل بها على نتائج أفضل؟

مقدمة: الجودة تبدأ من السؤال

يتعامل كثيرون مع نماذج الذكاء الاصطناعي كأنها محرك بحث، يكتبون كلمة أو جملة قصيرة، ثم يخيب أملهم من الإجابة العامة. والحقيقة أن النموذج يجيب بحسب ما يفهمه من تعليماتك، فكلما كانت التعليمات أوضح وأغنى بالسياق، كانت النتيجة أقرب إلى حاجتك.

هذا هو جوهر هندسة الأوامر (Prompt Engineering): فن وممارسة تحويل الفكرة في ذهنك إلى تعليمات واضحة يفهمها النموذج. وليست هذه المهارة معقدة، لكنها تحتاج عادة وممارسة.

ما هو الأمر (Prompt)؟

الأمر هو كل ما تكتبه للنموذج لتوجيه إجابته، ويشمل السؤال والتعليمات والسياق والأمثلة وشكل الإجابة المطلوب. وقد يكون الأمر سطراً واحداً، وقد يكون وثيقة كاملة تتضمن بيانات ومعايير.

وكلما زادت المعلومات الصحيحة التي تعطيها، قلّ اعتماد النموذج على التخمين، وقلّ احتمال أن يملأ الفراغ بمعلومات عامة أو مختلقة.

الأركان الأربعة لأمر جيد

1. الدور: من تريد أن يكون النموذج؟ مثلاً: “أنت مدرب لغة إنجليزية للمبتدئين”.
2. المهمة: ماذا تريد بالضبط؟ مثلاً: “اكتب ملخصاً لهذا النص في ثلاث نقاط”.
3. السياق: ما الخلفية والجمهور والهدف؟ مثلاً: “الجمهور موظفون غير تقنيين”.
4. شكل الإجابة: الطول والأسلوب والتنسيق. مثلاً: “قائمة نقطية، لا تزيد عن 80 كلمة”.

ليس من الضروري أن تكتب الأركان الأربعة في كل مرة، لكن الأمر الذي يحتوي على اثنين أو ثلاثة منها يتفوق عادة على السؤال المجرد.

مثال قبل وبعد

الأمر الضعيف: “اكتب عن التسويق.”

الأمر الأقوى: “أنت مستشار تسويق لمتجر ملابس صغير. اكتب خطة تسويق من ثلاث خطوات لشهر واحد، ميزانيتها أقل من 200 دولار، وركّز على إنستغرام. اكتب الإجابة كقائمة مرقمة، وكل خطوة في جملتين.”

الفرق واضح: الأمر الثاني يحدد الدور والمهمة والميزانية والمنصة وشكل الإجابة، فتحصل على نتيجة قابلة للتنفيذ مباشرة.

تقنية الأمثلة (Few-shot)

إذا أردت شكلاً معيناً، فأعطِ النموذج مثالاً أو مثالين. مثلاً إذا أردت وصفاً قصيراً للمنتجات بنفس الأسلوب، ألصق وصفين من وصفاتك السابقة، ثم قل: “اكتب وصفاً بالأسلوب نفسه لهذا المنتج”. النموذج يلتقط النمط بسرعة، وغالباً أفضل من شرح الأسلوب بكلمات عامة.

تقنية خطوة بخطوة

عندما تحتاج مهمة معقدة، اطلب من النموذج أن يفكر خطوة خطوة، أو أن يقسم العمل إلى مراحل قبل الإجابة النهائية. قد يساعد تقسيم المهمة أو تقديم أمثلة محلولة في بعض النماذج والمهام، لكنه ليس ضمانًا؛ لا تحتاج نماذج الاستدلال بالضرورة إلى طلب عرض التفكير الداخلي. اطلب نتيجة قابلة للفحص وتفسيرًا موجزًا وخطوات حساب يمكن التحقق منها. ولكن تذكر أنك لا تحتاج دائماً إلى عرض كل الخطوات، فيمكنك أن تطلب الخلاصة فقط بعد المراجعة.

تقنية التحقق الذاتي

بعد الإجابة، اطلب من النموذج أن يراجعها: “راجع الإجابة السابقة، وابحث عن أي معلومة غير مؤكدة أو تناقض، ثم صحّحها.” قد تكشف هذه الخطوة بعض الأخطاء الواضحة وقد تكررها أو تضيف أخطاء، لكنها لا تغني عن تحققك من المعلومات المهمة.

تقنية تحديد القيود

القيود تجعل الإجابة أكثر فائدة. مثلاً: “لا تستخدم مصطلحات تقنية”، أو “اكتب بالعربية الفصحى المبسطة”، أو “لا تتجاوز 150 كلمة”، أو “إن لم تكن متأكداً، فقل ذلك”. القيود الواضحة تحد من الحشو والتخمين.

أخطاء شائعة

• الأمر القصير جداً: فيترك للنموذج تخمين كل شيء.
• تعدد المهام في سطر واحد: اطلب مهمة واحدة في كل مرة أو قسّمها بوضوح.
• غياب الجمهور: الشرح لطالب يختلف عن شرح لمدير تنفيذي.
• الثقة المطلقة بالنتيجة: راجعها دائماً قبل الاستخدام.
• عدم تعديل الأمر: إذا لم تعجبك الإجابة، عدّل الأمر بدل تكرار الكلمات نفسها.

كيف تطور مهارتك؟

1. احتفظ بأوامرك الناجحة في ملف، واستخدمها قالباً عند الحاجة.
2. قارن نفس المهمة بصياغتين مختلفتين، ولاحظ الفرق في الجودة.
3. اطلب من النموذج أن يقترح تحسيناً لأمرك قبل تنفيذه.
4. اجمع أمثلة من مجالك، مثل التسويق أو التعليم أو البرمجة.
5. لا تعتمد على حيلة واحدة، فالمهارة في المواءمة بين الأدوات والمهام.

مثال على قالب مفيد

“أنت [الدور]. هدفي هو [المهمة]. الجمهور هو [الجمهور]. المعطيات: [البيانات]. اكتب الإجابة بصيغة [الشكل]، بطول [الطول]، وتجنب [القيود]. إن كانت أي معلومة غير واضحة، فاسألني قبل الإجابة.”

هذا القالب بسيط، لكنه يغطي معظم الحالات اليومية، وأهم جزء فيه هو السطر الأخير الذي يسمح للنموذج بطرح الأسئلة بدل التخمين.

ابدأ بتجربة قابلة للتقييم

اختر مهمة متكررة من عملك أو دراستك، واكتب معياراً بسيطاً للحكم على النتيجة قبل أن تسأل النموذج. إذا كنت تريد ملخصاً، فحدد هل يجب أن يحافظ على الأرقام والأسماء، وما طول الملخص، ومن سيقرأه. اطلب نتيجة أولى، ثم قارنها بالمعيار وسجل ما أخفق فيه الأمر. غيّر عنصراً واحداً في المحاولة التالية كي تعرف أي تعديل أحدث فرقاً.

يمكنك الاحتفاظ بنسخة من الطلب والنتيجة بعد حذف أي معلومات خاصة. هذا السجل يساعدك على تمييز التعليمات التي تنفع في مهمة معينة من التعليمات العامة، ويمنعك من إعادة الاختبار من الصفر في كل مرة. لا تجمع بيانات أشخاص أو معلومات سرية في سجل تجاربك ما لم يكن لديك أساس واضح وموافقة وسياسة آمنة للحفظ.

أعطِ النموذج معلومات كافية من دون كشف أسرار

السياق يجعل الإجابة أكثر ملاءمة، لكنه لا يعني نسخ كل ما لديك إلى نافذة المحادثة. احذف الأسماء وأرقام الحسابات والعناوين والتفاصيل التجارية، أو استبدلها بعناصر افتراضية مثل «العميل أ» و«المشروع ب». لا تدخل كلمات مرور أو رموز دخول أو بيانات صحية ومالية حساسة. إذا كانت المهمة تتطلب معالجة معلومات حقيقية، فتحقق من سياسة الأداة وشروط العميل، واستخدم خدمة معتمدة ومناسبة لمستوى الحساسية.

اذكر ما يستطيع النموذج الاعتماد عليه، وما ينبغي اعتباره غير معروف. يمكن أن تقول: «استخدم المعلومات أدناه فقط، ولا تخترع أرقاماً؛ ضع علامة على أي افتراض». هذا لا يمنع الأخطاء، لكنه يوضح الفرق بين المعطيات والاستنتاجات، ويسهل عليك التحقق منها.

قسّم المهام الطويلة إلى مراحل

عندما تطلب مشروعاً كاملاً في رسالة واحدة، قد يختصر النموذج أجزاء مهمة أو يخلط بين المتطلبات. قسّم العمل إلى مراحل: جمع الأسئلة، ثم وضع مخطط، ثم إنتاج مسودة لقسم واحد، ثم مراجعة التناسق. في نهاية كل مرحلة تحقق من النتيجة قبل متابعة الخطوة التالية، وقدم تصحيحاً محدداً إذا كان هناك نقص.

استخدم قائمة تحقق ثابتة للمهام المتكررة. مثلاً، قبل إعداد خطة محتوى، حدد الجمهور والهدف والمنصة والموعد والموارد المتاحة، ثم اطلب جدولاً بأعمدة واضحة. إذا تغيرت إحدى هذه القيود، أخبر النموذج بها صراحة بدلاً من توقع أن يستنتجها من سياق قديم.

تعرّف على متى لا تكفي صياغة أفضل

بعض الأخطاء ليست مشكلة في الأمر، بل حدوداً في معرفة النموذج أو في البيانات المتاحة له. قد يعطي جواباً واثقاً عن معلومة حديثة لا يعرفها، أو يخلط بين مصادر متشابهة، أو يعجز عن تقييم ملف غير مرفق. اطلب منه ذكر مواضع عدم اليقين، ثم تحقق من الوقائع المهمة في مصادر أولية موثوقة. لا تستخدمه بديلاً عن مختص في قرار طبي أو قانوني أو مالي.

إذا لم تكن المهمة مناسبة للنموذج، غيّر الأداة أو نفذها بطريقة تقليدية. إذا كان المطلوب حساباً دقيقاً، استخدم آلة أو برنامجاً قابلاً للتحقق. وإذا كان المطلوب حكماً إنسانياً حساساً، اجعل النموذج مساعداً في ترتيب الأسئلة لا صاحب القرار. المهارة ليست استخراج إجابة بأي ثمن، بل اختيار الطريقة الآمنة والملائمة.

راجع الناتج قبل نشره أو إرساله

قبل تسليم نص أو كود، افحص الأسماء والتواريخ والأرقام والروابط، وتأكد من أن النبرة تناسب جمهورك. ابحث عن التكرار والادعاءات التي لا تدعمها المصادر، ولا تترك اقتباساً أو مرجعاً لم تتحقق من وجوده. في الكود، شغّل الاختبارات وراجع الأمان والاعتمادات بدلاً من افتراض أن المخرجات صحيحة لأنها تبدو مقنعة.

احتفظ بمسؤولية النتيجة النهائية. يمكنك الإفصاح عن استخدام المساعدة الآلية عندما يتطلب العميل أو القانون أو المنصة ذلك، ووضح حدود المراجعة التي أجريتها. لا تنشر مخرجات النموذج كما لو أنها خبرتك الشخصية أو رأي متخصص لم يقدمه.

أسئلة شائعة

هل أحتاج تعلم برمجة لهندسة الأوامر؟ لا، فهي مهارة لغوية وتفكيرية قبل كل شيء. البرمجة تفيد فقط إذا أردت بناء أنظمة متقدمة.

هل تعمل نفس الأوامر على كل النماذج؟ غالباً تعمل بتفاوت، لذلك جرّب الأمر على أكثر من نموذج إن كان مهماً.

هل الأوامر الطويلة أفضل دائماً؟ لا، المهم أن تكون المعلومات الطويلة ذات فائدة. الحشو يضعف النتيجة.

هل يمكن للنموذج أن يطلب توضيحاً؟ نعم، وهذا مفيد جداً في المهام الغامضة، ويمكن أن تطلبه صراحة في الأمر.

الخلاصة

هندسة الأوامر ليست سحراً، بل وضوح في التفكير والتعبير. حدد الدور والمهمة والسياق وشكل الإجابة، واستخدم الأمثلة والقيود، وراجع النتيجة قبل اعتمادها. كلما تدربت أكثر، أصبحت أوامرك أدق، ووفرت وقتاً أكبر في الحصول على ما تحتاجه.

أخطاء شائعة عند المبتدئين

• الأوامر المتشابكة: كتابة عدة مهام في فقرة واحدة تجعل النموذج يختار الأهم عشوائياً.
• التعليمات المتناقضة: طلب الاختصار والتفصيل في نفس الوقت ينتج نتيجة مشوشة.
• النسخ المباشر: قبول النص كما هو دون مراجعة يضعف أثرك الشخصي.
• التكرار بلا تعديل: إعادة نفس الأمر بنفس الصيغة لن تغير النتيجة كثيراً.

تطبيق عملي: أمر لكتابة وصف منتج

الأمر الجيد لوصف منتج صغير سيحدد الجمهور، والنبرة، وطول الوصف، والمزايا المطلوب إبرازها. ويطلب من النموذج أن يستفسر إن نقصت معلومة، وهذا سلوك يقلل التخمين.

مقالات ذات صلة

• أخلاقيات الذكاء الاصطناعي والتحيز: متى تنحاز الخوارزمية ومن يحاسبها؟
• الذكاء الاصطناعي ومستقبل الوظائف: أي المهارات تبقى وأيها يتغير؟
• هلوسة الذكاء الاصطناعي: لماذا تكذب الآلة بثقة؟
• خصوصية الذكاء الاصطناعي: ماذا تشارك مع الأدوات الذكية وماذا تحجب؟
• كلمات المرور وفق توصيات NIST: ما الذي تغيّر؟

مراجعة الدقة وحدود المعلومات

مراجعة تحريرية: 10 أكتوبر 2026. قُرئت ملخصات few-shot وchain-of-thought؛ تحسن ضمن تجاربهما لا يضمن تحسن كل نموذج أو كل طلب في 2026. الدور والسياق والأمثلة وسائل تنظيم وليست إثبات خبرة النموذج. قِس الجودة على حالات ممثلة؛ المراجعة الذاتية وطلب «لا تخترع» لا يعوضان مصدرًا مستقلًا. لا تنسخ أسرارًا لزيادة السياق.

المصادر الرسمية المباشرة

• Brown وآخرون: التعلم بأمثلة داخل السياق، 2020
• Wei وآخرون: تجارب chain-of-thought، 2022

مصادر إضافية

• ورقة التعلم بالأمثلة القليلة (Few-shot): arXiv - Language Models are Few-Shot Learners
• ورقة سلسلة التفكير (Chain-of-Thought): arXiv - Chain-of-Thought Prompting
• إطار إدارة المخاطر من NIST: NIST AI Risk Management Framework