هندسة سياق الذكاء الاصطناعي: لماذا لا تكفي الأوامر (Prompts) وحدها

قبل عامين، كان الجميع يتحدث عن هندسة الأوامر (Prompt Engineering).

شارك الناس أوامر لكتابة الأكواد أو للتصرف كخبراء. كانت الفكرة بسيطة: أمر أفضل يعني نتيجة أفضل.

لكن المهندسين الذين يبنون منتجات ذكاء اصطناعي حقيقية اكتشفوا حقيقة ما؛ فالأمر ليس سوى جزء واحد من اللغز.

لا تعتمد أدوات الذكاء الاصطناعي الحديثة مثل Claude أو Cursor أو GitHub Copilot على أمر واحد فقط، بل تستخدم هندسة السياق (Context Engineering).

هندسة الأوامر تسأل: "ماذا يجب أن أسأل النموذج؟"

هندسة السياق تسأل: "ما هي المعلومات التي يحتاجها النموذج ليجيب بشكل جيد؟"

فكر في المطور؛ إذا قلت له "التطبيق معطل"، فلن يتمكن من مساعدتك، بل سيطرح عليك الكثير من الأسئلة.

أما إذا زودته بسجلات الأخطاء (error logs)، وتتبعات المكدس (stack traces)، وعمليات النشر الأخيرة، فسيقوم بإصلاحه بسرعة. لم يصبح المطور أكثر ذكاءً، بل أنت من منحته سياقاً أفضل.

يعمل الذكاء الاصطناعي بنفس الطريقة.

إذا طلبت من الذكاء الاصطناعي استعلام SQL، فقد يخمن الإجابة. ولكن إذا أعطيته أسماء الجداول، وأنواع الأعمدة، والقواعد المحددة، ستصبح الإجابة دقيقة. ظل الأمر بسيطاً، لكن السياق هو ما تغير.

في أنظمة الذكاء الاصطناعي المخصصة للإنتاج، يتلقى النموذج ما هو أكثر بكثير من مجرد نصك. فغالباً ما يحصل على:

  • تعليمات النظام (System instructions)
  • سجل المحادثة (Conversation history)
  • سجلات قاعدة البيانات (Database records)
  • ملفات المشروع (Project files)
  • مخرجات الأدوات (Tool outputs)

يعرف مساعد البرمجة بالذكاء الاصطناعي عما تتحدث لأن لديه رؤية للملفات المفتوحة وهيكل المجلدات لديك. أنت تكتب أربع كلمات فقط، لكن النموذج يتلقى آلاف الرموز (tokens) من البيانات.

توقف عن قضاء ساعات في تعديل صياغة الأمر. بدلاً من ذلك، اسأل نفسك: "ما هي المعلومات التي تنقص النموذج؟"

إن توفير وثائق أفضل، أو مخططات واجهة برمجة التطبيقات (API schemas)، أو قواعد العمل، يعد أكثر فعالية من البحث عن أمر "سحري".

هندسة السياق تتعلق بمنح النموذج البيانات الصحيحة في الوقت الصحيح.

في الجزء الثاني، سأغطي:

  • نوافذ السياق والرموز (Context windows and tokens)
  • لماذا لا يعني السياق الأكبر دائماً نتائج أفضل
  • كيف تعمل الذاكرة في الذكاء الاصطناعي

تعتمد أنظمة الذكاء الاصطناعي العظيمة على البيانات التي تعمل خلف الكواليس، وليس فقط على الكلمات التي تكتبها.

المصدر: https://dev.to/fazal_mansuri_/ai-context-engineering-why-great-ai-systems-need-more-than-great-prompts-part-1-25dd

مجتمع تعليمي اختياري: https://t.me/GyaanSetuAi