هندسة الأوامر (Prompt Engineering): هل تختفي مع تطور الذكاء الاصطناعي؟
المقدمة:
قبل سنوات قليلة، كان الحصول على نتيجة جيدة من الذكاء الاصطناعي يحتاج إلى معرفة كيفية كتابة «البرومبت» بطريقة دقيقة جدًا.
كان المستخدم يحدد الدور، ويشرح المهمة، ويضيف السياق، ويضع شروطًا للتنسيق، وربما يكتب أمثلة حتى يحصل على النتيجة التي يريدها.
لكن الذكاء الاصطناعي يتغير بسرعة.
فالنماذج الحديثة أصبحت أفضل في فهم اللغة الطبيعية والسياق والتعليمات المعقدة، وأصبح بإمكان المستخدم أحيانًا أن يشرح هدفه بأسلوب بسيط بدل كتابة أوامر طويلة ومعقدة. وتشير الإرشادات الحديثة في مجال النماذج اللغوية إلى أن التركيز يتجه أكثر نحو وضوح الهدف والسياق والتحسين التدريجي بدل البحث عن «صيغة سحرية» للبرومبت. (OpenAI Help Center)
فهل يعني ذلك أن هندسة الأوامر ستختفي؟
الإجابة ليست نعم أو لا.
الأقرب أن هندسة الأوامر ستتغير بدل أن تختفي.
ما المقصود بهندسة الأوامر؟
هندسة الأوامر، أو Prompt Engineering، هي عملية تصميم وتحسين التعليمات التي تقدمها لنموذج الذكاء الاصطناعي للحصول على نتيجة أكثر دقة وملاءمة لهدفك.
فمثلًا، بدل أن تقول:
«اكتب لي مقالًا عن الذكاء الاصطناعي.»
يمكنك تحديد الموضوع والجمهور وطول المقال وأسلوبه والنتيجة المطلوبة.
كلما كان الهدف والسياق أوضح، أصبح من الأسهل على النموذج إنتاج إجابة مناسبة. وتوصي الأدلة الحديثة باستخدام تعليمات واضحة ومحددة، وتقديم السياق الضروري، وتحديد الشكل المطلوب للإجابة. (OpenAI Help Center)
لكن هندسة الأوامر ليست مجرد كتابة نص طويل.
هي في جوهرها مهارة التواصل مع نظام ذكي بطريقة تساعده على فهم المطلوب.
لماذا كانت هندسة الأوامر مهمة جدًا؟
عندما بدأت أدوات الذكاء الاصطناعي التوليدي بالانتشار، كان الفرق بين الطلب البسيط والطلب المنظم واضحًا جدًا.
قد يعطيك البرومبت القصير إجابة عامة، بينما يؤدي البرومبت الذي يحتوي على المهمة والسياق والجمهور والشكل المطلوب إلى نتيجة أكثر تحديدًا.
ولهذا ظهرت مجموعة من الأساليب مثل:
- تحديد الدور أو المهمة.
- إعطاء السياق.
- تحديد النتيجة المطلوبة.
- تحديد شكل الإجابة.
- تقديم أمثلة.
- تقسيم المهمة المعقدة إلى خطوات.
- مراجعة النتيجة وتحسين الطلب.
وتؤكد الأدلة الحديثة أن التعامل مع الذكاء الاصطناعي يمكن أن يكون عملية تكرارية: تبدأ بطلب أولي، تراجع النتيجة، ثم تعدّل التعليمات حتى تصل إلى النتيجة المناسبة. (OpenAI Help Center)
هل انتهى عصر البرومبتات الطويلة؟
ليس تمامًا.
لكن هناك تغير واضح في طريقة استخدامها.
في الماضي، كان المستخدم قد يقضي وقتًا طويلًا في محاولة صياغة كل كلمة في البرومبت.
أما الآن، فأصبحت النماذج أكثر قدرة على فهم التعليمات الطبيعية والسياق، وهذا يقلل الحاجة إلى استخدام أوامر معقدة لمجرد الحصول على نتيجة جيدة.
بل إن بعض الإرشادات الحديثة للنماذج تشير إلى أن البرومبت الأقصر والمنظم جيدًا قد يكون أفضل من البرومبت المليء بالتعليمات المتكررة. (OpenAI Developers)
وهذا يعني أن المستقبل قد لا يكون لمن يكتب أطول برومبت، بل لمن يعرف ما الذي يريد تحقيقه وكيف يشرح الهدف بوضوح.
من Prompt Engineering إلى Context Engineering
هنا تظهر واحدة من أهم التحولات في طريقة التعامل مع الذكاء الاصطناعي.
بدل التركيز فقط على الجملة التي تكتبها في مربع المحادثة، بدأ الاهتمام يتوسع إلى مفهوم أوسع يمكن تسميته هندسة السياق (Context Engineering).
الفكرة هي أن جودة النتيجة لا تعتمد على البرومبت وحده، وإنما على المعلومات والسياق والأدوات والبيانات التي يحصل عليها النموذج أثناء تنفيذ المهمة.
وهذا مهم خصوصًا عندما يصبح الذكاء الاصطناعي جزءًا من أنظمة أكبر، وليس مجرد روبوت محادثة.
وتشير أبحاث حديثة إلى انتقال الاهتمام من التحكم اللغوي المباشر في المدخلات إلى إدارة السياق وتنظيم المعلومات والأنظمة التي يعتمد عليها النموذج. (ساينس دايركت)
تخيلي الفرق بهذه الطريقة
الطريقة القديمة:
أنتِ → تكتبين برومبت → الذكاء الاصطناعي → يعطيك إجابة
الطريقة الجديدة:
أنتِ → تحددين الهدف → النظام يفهم السياق → يجمع المعلومات المناسبة → ينفذ المهمة → يراجع النتيجة
وهنا تبدأ حدود هندسة الأوامر التقليدية في التغير.
لم يعد السؤال فقط:
«كيف أكتب البرومبت؟»
بل أصبح:
«كيف أجعل نظام الذكاء الاصطناعي يفهم ما أريده ويملك المعلومات والأدوات اللازمة لتنفيذه؟»
هل سيختفي Prompt Engineer كوظيفة؟
هذه النقطة تحتاج إلى قدر من الحذر.
من السهل أن نقرأ عناوين تقول إن «وظيفة مهندس الأوامر ستختفي»، لكن الواقع أكثر تعقيدًا.
فمهارة كتابة التعليمات للذكاء الاصطناعي ما زالت مفيدة، ولا تزال الشركات والمطورون والباحثون بحاجة إلى تصميم تعليمات واختبار النتائج وتحسينها.
لكن من المحتمل أن تتحول هذه المهارة من وظيفة منفصلة في بعض الحالات إلى مهارة مشتركة داخل وظائف أخرى.
فالمبرمج قد يحتاج إلى تحسين تعليماته للنموذج.
والمصمم قد يستخدم الذكاء الاصطناعي بطريقة مختلفة.
والكاتب قد يحتاج إلى توجيه النموذج وفق أسلوب محدد.
والمحلل قد يحتاج إلى إعطائه بيانات وسياقًا مناسبًا.
أي أن «فهم كيفية التعامل مع الذكاء الاصطناعي» قد يصبح مهارة عامة بدل أن يكون تخصصًا منفصلًا في كل حالة.
لماذا لا تزال هندسة الأوامر مهمة؟
رغم تطور النماذج، لا يعني ذلك أن المستخدم يستطيع دائمًا كتابة أي شيء والحصول على أفضل نتيجة.
فالذكاء الاصطناعي قد يسيء فهم طلب غامض، أو يركز على جزء من المهمة ويتجاهل جزءًا آخر، أو ينتج إجابة لا تناسب الهدف الحقيقي للمستخدم.
لذلك تظل مهارات مثل:
- تحديد الهدف.
- تقديم السياق.
- وضع القيود.
- تحديد شكل النتيجة.
- مراجعة الإجابة.
- اكتشاف الأخطاء.
- تحسين التعليمات.
مهمة جدًا.
وتوصي الأدلة الحديثة بأن تكون التعليمات واضحة ومحددة، وأن يُذكر السياق والنتيجة المطلوبة وشكل الإخراج بوضوح. (OpenAI Help Center)
الذكاء الاصطناعي يتعلم فهم نيتك أكثر
من أكبر التغيرات التي نشهدها أن التفاعل مع الذكاء الاصطناعي أصبح أقرب إلى التحدث مع مساعد يفهم السياق بدل التعامل مع محرك بحث يحتاج إلى كلمات مفتاحية دقيقة.
فبدل أن تقول:
«اكتب 700 كلمة عن الطاقة الشمسية.»
يمكنك أن تقول:
«أحتاج مقالًا مبسطًا عن الطاقة الشمسية للقارئ العادي، اجعله جذابًا، واشرح الفوائد والتحديات بأمثلة واضحة.»
الطلب الثاني ليس بالضرورة «برومبتًا سحريًا»، لكنه يحتوي على نية واضحة وسياق ونتيجة مطلوبة.
وهذه هي المهارة التي يبدو أنها ستبقى مهمة حتى مع تطور النماذج.
ماذا سيحدث عندما تصبح المساعدات أكثر ذكاءً؟
كلما أصبحت أنظمة الذكاء الاصطناعي أفضل في فهم السياق وتنفيذ المهام، ستقل الحاجة إلى إخبارها بكل تفصيلة صغيرة.
يمكن أن تقول مستقبلًا:
«جهز لي خطة لهذا المشروع.»
وبدل أن تحتاج إلى كتابة عشرات التعليمات، قد يفهم النظام هدف المشروع، والجمهور، والموارد المتاحة، والقيود، ثم يقترح خطة مناسبة.
لكن هذا لا يعني أن المستخدم سيتوقف عن التوجيه.
بل قد ينتقل التوجيه من مستوى:
«افعل هذه الخطوات واحدة واحدة.»
إلى مستوى:
«هذا هو الهدف، وهذه هي القيود، وهذه هي النتيجة التي أريد الوصول إليها.»
وهذا تحول مهم من هندسة الأوامر إلى هندسة الأهداف والسياق.
هل سيصبح الذكاء الاصطناعي قادرًا على فهم أي طلب؟
ليس بعد.
حتى النماذج المتقدمة يمكن أن تواجه مشكلات عندما تكون التعليمات غامضة أو تحتوي على معلومات متناقضة أو عندما تكون المهمة طويلة ومعقدة.
وتشير أبحاث حديثة إلى أن فهم النية والتعليمات المعقدة لا يزال يمثل تحديًا للنماذج اللغوية، خصوصًا عندما يكون السياق طويلًا أو غامضًا. (ساينس دايركت)
ولهذا ستظل قدرة الإنسان على التفكير النقدي وتحديد الهدف والتحقق من النتيجة مهمة جدًا.
مهارة جديدة قد تكون أهم من كتابة البرومبت
ربما يكون أهم تطور في السنوات القادمة هو أن يصبح المستخدم جيدًا في إدارة الحوار مع الذكاء الاصطناعي.
أي أن المستخدم لا يحاول كتابة برومبت مثالي من المحاولة الأولى.
بل يتعامل مع العملية كالتالي:
حدد الهدف → اطلب النتيجة → راجعها → اكتشف المشكلة → أعطِ ملاحظات → حسّن النتيجة.
وهذا قريب من الطريقة التي نعمل بها مع أي مساعد بشري.
بدل إعطاء تعليمات ضخمة من البداية، يمكنك الوصول إلى نتيجة أفضل من خلال الحوار والتعديل المستمر.
هل يحتاج الشخص العادي إلى تعلم Prompt Engineering؟
نعم، ولكن ليس بالضرورة بالطريقة التي كانت تُقدم بها هذه المهارة في بدايات الذكاء الاصطناعي التوليدي.
لا تحتاج إلى حفظ عشرات القواعد أو البحث عن «الكلمات السحرية».
يكفي أن تتعلم أساسيات بسيطة:
1. وضّح المهمة
قل للذكاء الاصطناعي ما الذي تريد إنجازه تحديدًا.
2. أعطه السياق
إذا كانت هناك معلومات مهمة لفهم المهمة، قدمها له.
3. حدد النتيجة
هل تريد جدولًا؟ مقالًا؟ ملخصًا؟ خطة؟ أفكارًا؟
4. حدد القيود المهمة
مثل الطول أو الجمهور أو اللغة أو الأسلوب.
5. راجع النتيجة
لا تفترض أن أول إجابة هي الأفضل.
6. عدّل طلبك
إذا كانت النتيجة غير مناسبة، اشرح ما الذي تريد تغييره.
هذه المبادئ تتوافق مع إرشادات حديثة تركز على الوضوح والسياق وتحديد النتيجة والتحسين التكراري. (OpenAI Help Center)
مستقبل هندسة الأوامر: اختفاء أم تطور؟
ربما يكون السؤال نفسه بحاجة إلى تغيير.
بدل أن نسأل:
«هل ستختفي هندسة الأوامر؟»
الأفضل أن نسأل:
«كيف ستتغير طريقة تواصل الإنسان مع الذكاء الاصطناعي؟»
في البداية، كان علينا أن نتعلم كيف نصوغ الطلب.
ثم أصبح علينا أن نتعلم كيف نعطي السياق.
والآن أصبحنا نقترب من مرحلة يحتاج فيها المستخدم إلى فهم كيفية إدارة المعلومات والأهداف والأدوات والنتائج التي يعمل معها الذكاء الاصطناعي.
وهذا يعني أن هندسة الأوامر قد لا تختفي، لكنها قد تصبح جزءًا من مهارة أكبر.
الخلاصة
هندسة الأوامر لن تختفي غدًا، لكنها بالتأكيد تتغير.
النماذج الحديثة أصبحت أفضل في فهم اللغة الطبيعية والتعليمات والسياق، ولذلك لم يعد النجاح يعتمد فقط على كتابة برومبت طويل ومعقد.
في المستقبل، قد تصبح المهارة الأهم هي القدرة على تحديد الهدف بوضوح، وتوفير السياق المناسب، وإدارة الحوار، ومراجعة النتائج، والتأكد من أن الذكاء الاصطناعي يعمل في الاتجاه الصحيح.
وبدل أن يكون مستقبل الذكاء الاصطناعي قائمًا على السؤال:
«ما أفضل برومبت أكتبه؟»
قد يصبح السؤال:
«كيف أجعل الذكاء الاصطناعي يفهم ما أريده فعلًا؟»
وهنا قد تكون المفاجأة: هندسة الأوامر لا تموت… بل تتحول إلى مهارة أكبر وأكثر ذكاءً.
0 تعليقات