هندسة الأوامر (Prompt Engineering) هي كتابة تعليمات واضحة ومحددة لنموذج الذكاء الاصطناعي كي يقوم فعلاً بما تريده — تماماً كما يحصل موظف جديد على نتائج أفضل عندما يتلقى تعليمات واضحة بدل تعليمات غامضة. هذه ليست مهارة برمجية يقتصر تعلّمها على المطورين، بل أقرب إلى مهارة كتابة طلب عمل واضح، وهي بالنسبة لمعظم فرق الأعمال العامل الأهم في تحديد ما إذا كانت أداة الذكاء الاصطناعي مفيدة فعلاً أم مخيّبة للآمال.
ما هي هندسة الأوامر بالضبط؟
الأمر (Prompt) هو ببساطة التعليمات التي تكتبها في أداة الذكاء الاصطناعي. أما هندسة الأوامر فهي الممارسة المتعمدة لصياغة تلك التعليمات — بإضافة السياق والبنية والأمثلة والقيود — بدل كتابة أول جملة تخطر ببالك. النموذج نفسه لا يتغير بين الأمر الغامض والأمر المُتقن، لكن النتيجة قد تختلف تماماً. تخيّل الذكاء الاصطناعي كموظف جديد ذكي وراغب في العمل في يومه الأول: لا يعرف شركتك ولا عملاءك ولا أسلوبك في الكتابة، ولا يعرف كيف يبدو "العمل الجيد" ما لم تخبره. طلب من سطر واحد يحصل على إجابة عامة ومخمَّنة، بينما طلب مفصّل جيداً يحصل على نتيجة قريبة مما كنت لتكتبه بنفسك.
ما هي التقنيات التي تُحدث الفرق الأكبر في أمر الأعمال؟
معظم التحسن في نتائج الذكاء الاصطناعي يأتي من عدد قليل من العادات، لا من حفظ حيل أو صيغ خاصة:
- حدّد شكل الإخراج الذي تريده — بريد إلكتروني قصير، ثلاث نقاط، جدول، عدد كلمات محدد — بدل ترك الأمر للتخمين.
- أعطِ سياقاً ومعلومات ذات صلة بدل افتراض أن النموذج يعرف شركتك أو جمهورك أو قراراتك السابقة. فهو لا يعرف إلا ما تضعه أمامه.
- قسّم المهمة المعقدة إلى خطوات — مخطط أولي، ثم مسودة، ثم تنقيح — بدل طلب نتيجة نهائية دفعة واحدة.
- أخبره بما يجب ألا يفعله حين يكون ذلك مهماً: لا تخترع أرقاماً، لا تستخدم مصطلحات تقنية، لا تعد بخصم، لا تتجاوز 150 كلمة.
- اعرض عليه مثالاً واحداً على النبرة أو الشكل أو الجودة التي تريدها. مثال واحد جيد يتفوق غالباً على فقرة كاملة من الوصف.
كيف يبدو الفرق بين أمر غامض وأمر مُتقن؟
أسهل طريقة لرؤية الفرق هي المقارنة المباشرة. لنأخذ مهمة شائعة: طلب من الذكاء الاصطناعي صياغة رد على شكوى عميل غاضب بسبب تأخر في التسليم.
أمر غامض
"اكتب لي رداً على شكوى عميل."
أمر مُتقن
"اكتب رداً قصيراً (أقل من 100 كلمة) على عميل غاضب لأن طلبه تأخر ثلاثة أيام عن الموعد المتفق عليه. النبرة: متعاطفة وهادئة، لا دفاعية. اعتذر بوضوح، اشرح السبب باختصار دون تبرير مفرط، وأعرض عليه خصماً 10% على الطلب القادم. لا تستخدم عبارات رسمية جامدة، ولا تعد بموعد تسليم جديد قبل أن أراجعه. إليك مثال على أسلوبنا المعتاد في الردود: [الصق رداً سابقاً]."
الأمر الأول يجبر النموذج على تخمين الجمهور والنبرة والطول وحجم الحل المطلوب — فينتج رداً عاماً يحتاج إعادة كتابة كاملة. أما الأمر الثاني فيزيل كل تخمين: الشكل، الطول، النبرة، الحل، والشيء الذي يجب تجنبه، ومثال حقيقي. الهدف ليس أن يكون الأمر أطول لمجرد الطول — كل جملة مضافة تزيل قراراً كان النموذج سيتخذه بشكل خاطئ لو تُرك له.
لماذا يأتي معظم خيبة الأمل من الذكاء الاصطناعي في العمل من طريقة الكتابة لا من النموذج؟
عندما يجرّب فريق أداة ذكاء اصطناعي ويحصل على نتيجة سطحية أو عامة ثم يستنتج أنها "غير كافية لعملنا"، نادراً ما يكون النموذج هو المشكلة الفعلية — بل الأمر الذي كُتب له. طلب من سطر واحد يُقابل بجهد من سطر واحد. هذا مهم لتبنّي الذكاء الاصطناعي داخل الشركات لأنه فخ سهل الوقوع فيه: يجرّب أحدهم أمراً غامضاً مرة واحدة، يحصل على إجابة متوسطة، ثم يحكم على الأداة كلها بدل الحكم على الطلب نفسه. الفرق الأكثر استفادة من الذكاء الاصطناعي ليست دائماً تستخدم نموذجاً أفضل — بل أفراد أفضل في وصف ما يريدونه، وهي نفس المهارة التي تجعل الشخص جيداً في تكليف موظف جديد أو مستقل بمهمة.
هل تحتاج إلى خلفية تقنية لتتقن هذه المهارة؟
لا. هندسة الأوامر مهارة كتابة وتواصل، لا مهارة برمجة. أسرع طريقة للتحسّن هي التعامل مع أول إجابة يقدمها الذكاء الاصطناعي كمسودة أولية لا كإجابة نهائية، وتنقيحها بلغة بسيطة: "اجعلها أقصر"، "بأسلوب أكثر رسمية"، "أضف رقماً هنا". قائمة سريعة تغطي معظم الحالات:
- اذكر الهدف بجملة واحدة واضحة.
- أضف السياق الذي لا يستطيع النموذج تخمينه — الجمهور، طبيعة الشركة، أمثلة سابقة.
- حدّد الشكل والطول المطلوبَين.
- نقّح النتيجة بلغة بسيطة بدل البدء من الصفر في كل مرة.
أسئلة شائعة
ما هي هندسة الأوامر (Prompt Engineering) بكلمات بسيطة؟
هي كتابة تعليمات واضحة ومحددة لنموذج الذكاء الاصطناعي — تتضمن سياقاً وشكلاً وأمثلة — كي ينتج ما تريده فعلاً، بدل تخمين عام مبني على طلب غامض.
ما الذي يجعل الأمر (Prompt) "مُتقناً"؟
الأمر المُتقن يذكر الهدف بوضوح، يقدّم السياق الذي كان النموذج سيضطر لتخمينه، يحدّد الشكل والطول المطلوبين، يتضمن مثالاً إن أمكن، ويوضح أي قيود صارمة — أي ما يجب ألا يفعله الذكاء الاصطناعي.
هل يمكنك إعطائي مثالاً بسيطاً على أمر سيئ مقابل أمر جيد؟
أمر سيئ: "اكتب لي رداً على شكوى عميل." أمر جيد: "اكتب رداً قصيراً (أقل من 100 كلمة) على عميل غاضب بسبب تأخر التسليم ثلاثة أيام، بنبرة متعاطفة وهادئة، مع اعتذار واضح وعرض خصم 10%، دون الوعد بموعد تسليم جديد." الأمر الثاني يزيل كل تخمين كان النموذج سيقوم به.
لماذا تبدو نتائج الذكاء الاصطناعي التي يحصل عليها فريقي غير متسقة أو مخيّبة للآمال؟
غالباً السبب هو تفاوت مستوى التحديد في الأوامر المكتوبة، لا عدم موثوقية النموذج نفسه. الأوامر الغامضة القصيرة تنتج نتائج عامة، بينما إضافة السياق والشكل والأمثلة تنتج نتائج أفضل وأكثر اتساقاً من الأداة نفسها.