أطلقت LangChain Promptim، وهي مكتبة للتحسين التلقائي للـ prompts

أطلقت LangChain مكتبة Promptim — وهي مكتبة مفتوحة المصدر تجريبية لتحسين المحفزات (Prompts) بشكل تلقائي. تستهدف الأداة مطوري تطبيقات الذكاء الاصطناعي الذين يرغبون في قضاء وقت أقل في الاختيار اليدوي للتعليمات الخاصة بنماذج اللغة.

ما هي Promptim؟

هندسة المحفزات — كتابة تعليمات دقيقة لنماذج اللغة — تستهلك جزءاً كبيراً من وقت مطوري الذكاء الاصطناعي. محفز يعمل بشكل مثالي مع GPT-4 قد ينتج نتائج غير مستقرة مع Claude أو Llama 3. عند التبديل بين النماذج أو تغيير المهمة، يتعين البدء من جديد بالضبط اليدوي، واختبار الفرضيات والتكرار. تحل Promptim هذه المشكلة بشكل منهجي: يحدد المطور معايير الجودة، وتولد المكتبة تلقائياً متغيرات من المحفزات، وتختبرها على أمثلة حقيقية، وتختار الأفضل. تشبه العملية اختبار A/B، باستثناء أنه بدلاً من متخصص التسويق، تتولى الخوارزمية عملية التحسين. تم إصدار المكتبة كنسخة تجريبية — قد يتغير البرنامج الواجهة (API) وبعض الميزات لا تزال قيد التطوير. لكن يمكن الآن ربطها بمشاريع LangChain والبدء في توفير الوقت على الضبط اليدوي.

كيفية عمل التحسين

تتكون دورة Promptim على عدة خطوات رئيسية:

• تحديد المقاييس — يكتب المطور دالة تقييم: دقة الإجابة، توافق الصيغة، الطول، وجود العناصر المطلوبة
• توليد المرشحين — يقترح النظام متغيرات من المحفزات بناءً على الحالة الحالية والسجل المتراكم للتحسينات السابقة
• الاختبار المتوازي — يتم اختبار جميع المرشحين على مجموعة من أمثلة الاختبار بشكل متزامن
• اختيار الفائز — يصبح المحفز ذو أفضل درجة أساساً للتكرار التالي
• التكرار — تستمر الدورة حتى تحقيق مستوى الجودة المطلوب أو حد التكرارات

تم دمج العملية بالكامل مع LangSmith — منصة مراقبة أنظمة الذكاء الاصطناعي من نفس فريق LangChain. يتيح هذا رؤية ليس فقط المحفز النهائي، بل كامل سجل التحسين: أي المتغيرات تم اختبارها، وأين تم تسجيل قفزات الجودة ولماذا اتخذت الخوارزمية اختياراً دون آخر.

ثلاثة سيناريوهات عملية

التبديل السريع بين النماذج. عند إصدار نسخة جديدة من GPT أو Claude، تقضي الفرق أياماً في إعادة ضبط الصيغ يدوياً لتناسب خصائص النموذج الجديد. مع Promptim، يمكن أتمتة هذه العملية: ستختار المكتبة تلقائياً التعليمات التي تكون فعالة بالتحديد له.

التوسع. إذا كان منتج الذكاء الاصطناعي يعالج مئات أنواع الطلبات لكل منها محفزها الخاص، فمن غير العملي تحسين كل واحد يدوياً. تسمح Promptim بتشغيل التحسين بالتوازي لمجمل المجموعة ومراقبة التقدم من خلال واجهة LangSmith موحدة.

اختبار الانحدار للمحفزات. عند تحديث الصيغة، قد تكسر الحالات الجديدة السيناريوهات التي تعمل بالفعل. تساعد Promptim في الحفاظ على الجودة على كامل مجموعة أمثلة الاختبار في نفس الوقت — ليس فقط تلك التي يتم تحسين السلوك الجديد لها.

ما يعنيه هذا

تصبح أتمتة هندسة المحفزات طبقة منفصلة في مكدس الذكاء الاصطناعي إلى جانب الأوركسترا والمراقبة وتقييم الجودة. يشير ظهور Promptim إلى اتجاه: الاختيار اليدوي للتعليمات لنماذج اللغة يصبح من الماضي تماماً كما اختفت معايرة المعاملات اليدوية ذات مرة في التعلم الآلي الكلاسيكي. بالنسبة للفرق التي تبني بنشاط منتجات الذكاء الاصطناعي، فهذا يمثل توفيراً حقيقياً للوقت وتكيفاً أسرع مع النماذج المحدثة باستمرار.