Qwen 3.5-Plus عُرض كأداة لبناء برومبتات خطوة بخطوة وأتمتة المهام الروتينية

في مقالة حول هندسة الأوامر (Prompt Engineering)، يُوضح المؤلف كيفية تحويل الشبكة العصبية من مُولِّد لإجابات "متوسطة" إلى أداة للعمل الروتيني المنتظم. مستخدمًا Qwen 3.5-Plus مثالًا، يُحلِّل الدورة الكاملة: من توضيح المهمة إلى الحصول على أمر عمل جاهز للاستخدام.

لماذا يعمل هذا

الفكرة الرئيسية في النص هي أن الشبكة العصبية لا تفهم المهمة "بطريقة بشرية"، بل تختار الإجابة الأكثر احتمالًا داخل فضاء دلالي واسع. إذا كان الطلب غامضًا، فإن النموذج يُنتج بصورة شبه حتمية نتيجةً آمنةً وحسنة الصياغة، لكنها قليلة الفائدة. لذلك يقترح المؤلف عدم مطالبة الذكاء الاصطناعي بـ"صنع شيء جميل"، بل تضييق مجال الاختيارات بصورة تدريجية: تحديد الدور والهدف والقيود وترتيب الإجراءات. كلما كان الإطار أكثر دقةً، كانت العشوائية في الإجابة النهائية أقل.

يُولي المؤلف اهتمامًا خاصًا بسياق العمل. بالنسبة للمهام المتكررة، يوصي باستخدام المشاريع أو مجلدات المحادثات أو على الأقل رسالة بداية مثبّتة تتضمن التعليمات. هذا ليس من أجل راحة الواجهة، بل من أجل عزل أنواع مختلفة من العمل. على سبيل المثال، لمنع اختلاط سيناريو إعداد المواد التعليمية مع مهام البرمجة أو التخطيط للإجازة أو المراسلات الشخصية. يُقلِّل هذا النهج من الضجيج ويجعل استجابات النموذج أكثر استقرارًا من جلسة إلى أخرى.

ثلاث طبقات للأمر (Prompt)

يُبنى المخطط العملي في المقالة حول ثلاث طبقات. الأولى هي السياق العام: الدور الذي يجب أن يؤديه النموذج والنتيجة المطلوبة منه. الثانية هي المنطق التدريجي خطوةً بخطوة: الترتيب الذي يجب أن تعالج به الذكاء الاصطناعي المهمة والمواضع التي يجب أن تطلب فيها توضيحات. الثالثة هي قواعد التفاعل: كيفية عرض النتيجة بالضبط، وما الذي يجب إخراجه في كل رسالة، وبأي تنسيق يُسلَّم المادة النهائية.

في جوهره، هذا محاولة لاستبدال طلب واحد كبير وغامض بعملية خاضعة للتحكم.

• الدور: من بالضبط أمامنا — محرر، أخصائي منهج، محلل
• الهدف: ما النتيجة التي تُعدُّ ناجحة
• الخطوات: الترتيب الذي تُعالَج به المهمة
• التنسيق: كيفية إظهار التقدم والإجابة النهائية

"أظهر الخطوة الحالية فقط. أظهر التقدم في كل رسالة."

يُشدِّد المؤلف بشكل خاص على أن الدور يجب تحديده بصورة موضوعية وليس بمصطلحات عامة. ليس مجرد "أنت مساعد"، بل على سبيل المثال "أنت أخصائي منهج ومحرر مواد تعليمية". بهذا يحصل النموذج على سياق مهني أضيق ويحافظ بسهولة أكبر على الأسلوب المطلوب. فضلًا عن ذلك، من المفيد تحديد قواعد الإخراج مسبقًا: تجنب القوائم غير الضرورية، وتقسيم النص إلى كتل، وعرض الأجزاء المشكوك فيها بصورة منفصلة، وعدم تغيير المصطلحات دون ضرورة. كثيرًا ما تؤثر هذه القيود الصغيرة في الجودة تأثيرًا أقوى من محاولة إيجاد "العبارة السحرية المثالية".

قالب للروتين

بوصفه دراسة حالة، تتناول المقالة معلمًا يُعِدُّ ملاحظات الدروس ويحوِّلها إلى عرض تقديمي وفق قالب صارم. يظل محتوى الدرس نفسه مهمةً بشريةً، في حين يمكن إسناد التنسيق والتنظيم ونقل المادة إلى تنسيق قابل للتكرار إلى النموذج.

قبل تجميع الأمر النهائي، يقترح المؤلف أولًا مطالبة الذكاء الاصطناعي بطرح أسئلة توضيحية: هذا يُسهِّل رصد المتطلبات الخفية التي يُنسى تحديدها عادةً في المرة الأولى. بالنسبة للميّالين إلى التسويف، يُقلِّل هذا النوع من الحوار أيضًا من حاجز الدخول.

من هذا الحوار، تُجمَع سلسلة عمل تدريجية:

• تحليل وتصفية النص المصدر
• وسم المادة وفق القالب
• تقسيمها إلى شرائح منفصلة
• توليد ملاحظات المتحدث
• التنسيق النهائي والمراجعة

بعيدًا عن قائمة الخطوات في حد ذاتها، تبرز أهمية انضباط التنفيذ. يُنصح المؤلف بمطالبة النموذج بعرض الخطوة الحالية فقط، وعدم التقدم إلى الأمام، وتذكير نفسه بالخطوة التي يوجد فيها. إذا كانت المهمة طويلة، يمكن معالجة كل مرحلة في رسائل منفصلة أو حتى في محادثة جديدة إذا بدأ السياق يتشعب. مع ذلك، لا تبيع المقالة وصفةً شاملةً لجميع الحالات: بل على العكس، تُظهر أن نفس الإطار يحتاج إلى التكيف مع العملية المحددة وحجم المواد ومعايير جودة النتيجة.

ما الذي يعنيه هذا

تُوضِّح المادة بجلاء تحولًا في نهج العمل مع نماذج اللغة الكبيرة (LLM). القيمة هنا لا تكمن في أمر موفَّق وحيد، بل في تصميم عملية مصغَّرة تمر فيها الشبكة العصبية بمراحل واضحة وتعمل ضمن قواعد صارمة. بالنسبة للأعمال والتعليم وأي روتين مكتبي، هذه نتيجة مهمة: أفضل النتائج لا تأتي من النموذج "الأذكى" بمفرده، بل من السياق المُجمَّع بشكل صحيح الذي يحوِّله إلى أداة قابلة للتنبؤ.