هل يمكنك فهم مجال جديد في نصف ساعة فقط؟ كيف تبني إطار معرفي بسرعة باستخدام الذكاء الاصطناعي؟

عنوان النص الأصلي: 《مشاركة طريقة بحث عميق استخدمتها لمدة عامين، تساعدك في فهم أي مجال غريب خلال نصف ساعة.》

مؤلف النص الأصلي: كازك كارديف الحياة الرقمية

المصدر:

إعادة النشر: مارس فاينانس

قبل يومين أنهيت مؤتمرًا، ثم أمس في عطلة نهاية الأسبوع تناولت الطعام مع صديق، وأثناء الحديث فجأة وضع شوكته ونظر إلي وقال: مش أخوي، كيف تعرف كل شيء شويه؟

قلت له: أنا مش عارف.

قال لي: إحساسي إنك تقدر تتكلم عن أي حاجة، من Harness، إلى Claude Code، إلى علم النفس، إلى لعبة قتل الزنزانة 2، إلى أساطير كوسولور، وأنت لسه تلاقي وقت تلعب بوكيمون popakia، كم ساعة عندك في اليوم؟

وقتها اتفاجأت شويه.

لأنه بصراحة، الكلام والتمويه مش مشكلة، أنا فعلاً مش شايف نفسي عارف كل حاجة، أنا بس فضولي لأشياء كتير، وعندي طريقة تخليني أقدر بسرعة ألامس معظم جوانب حاجة غريبة.

هو سأل تاني: إيه الطريقة دي؟

قلت له: إطار بحث أنا عملته بنفسي، ومعاها الذكاء الاصطناعي، خلال نص ساعة أطلع تقرير بحثي من ألفين لثلاثة آلاف كلمة، يساعدك بسرعة تدخل في الموضوع.

هو حط الشوكة على الطبق تاني.

وبعدين قال: «اكتب ده كله».

ومن هنا جات المقالة دي…

مش عارف إذا كانت هتفيد الكل، بس دي فعلاً منهجيتي اللي كنت أستخدمها قبل تلات سنين وأنا في القطاع المالي، في دراسة الشركات والصناعات، وبعد ظهور الذكاء الاصطناعي، ظهرت طرق بحث عميقة متنوعة، وكنت أنا كمان عدلت وطورّت المنهجية دي، ولففتها في Prompt مخصص لبحث عميق باستخدام AI، وبتنطبق على أي حاجة أبحث عنها. بصراحة، دي واحدة من الأدوات اللي بستخدمها بأكثر راحة في السنتين اللي فاتوا.

مش بقدر أقول إن البحث اللي بيطلع من الطريقة دي عميق جدًا، لكن على الأقل بيساعدني أبني إطار معرفي متكامل بسرعة، وأقدر أعمق فيه بعد كده.

المنهجية دي كنت بسميها قبل كده.

طريقة التحليل الأفقي والعمودي.

خليني أقول إيه هي دي.

في الحقيقة، بسيطة جدًا، فيها محورين.

المحور الأول، عمودي. هو تتبع الزمن، وإعادة بناء قصة كاملة عن حاجة من بدايتها لحد دلوقتي. إزاي ظهرت؟ مين اللي عملها؟ إيه اللي حصل في النص؟ ليه فجأة انفجرت، أو فجأة غيرت اتجاهها؟ لو فهمت الخط ده، هتقدر تفهم التاريخ والأسباب بشكل عام.

المحور التاني، أفقي. هو مقارنة الحاجة دي مع غيرها في نفس المجال دلوقتي. إيه اللي بيفرقها عن المنافسين؟ ليه المستخدمين يختاروها مش غيرها؟ فين مكانها في السوق؟ لو فهمت النقطة دي، هتقدر تحدد مكانها وميزاتها.

وأهم خطوة، إنك تدمج بين المحورين دول.

العمودي بيقولك إزاي وصلت لليوم، والأفقي بيحدد مكانها النهارده. لما تدمج الاتنين، هتشوف حاجات مش ممكن تلاحظها لو نظرت لكل محور لوحده. مثلا، ميزة معينة النهارده، كانت قرار بسيط اتاخد من تلات سنين، وراكم عليها بشكل تدريجي. أو، عيب معين، كان قرار منطقي في البداية، لكنه بقى عبء.

العمودي يركز على الزمن، والأفقي على المكان، والتقاطع بينهم يديك حكم شامل.

ببساطة.

دي أكتر طريقة بستخدمها في السنتين اللي فاتوا.

المنهجية دي مستوحاة من دراسات العلوم الاجتماعية واللسانيات.

في اللسانيات، فيه تحليلين أساسيين، اللي اقترحهم سوسور، اسموه التحليل التاريخي واللحظي.

يعني، تقدر تدرس حاجة من خلال بعدين: واحد زمني، يتابع تطورها من الماضي لليوم، والتاني حالي، يشوفها في لحظة معينة ضمن نظام ومقارنات.

وفي العلوم الاجتماعية، فيه برضه نفس الرؤية، اللي هي الدراسة الطولية والمقطعية. الدراسة الطولية بتتبع تغيرات الكائن عبر الزمن، والمقطعية بتشوف الحالة في نقطة زمنية معينة وتقارنها.

أنا استخلصت الرؤيتين دول، ودمجت معاها أفكار من استراتيجيات الأعمال والمنافسة، وطلعت بمنهجية بحث عامة باستخدام AI.

دلوقتي فيه إصدارين، واحد Prompt وواحد Skill.

وكله متاح على جهازي على Github:

[رابط]

إصدار Prompt، مع أدوات بحث عميق، بيشتغل بشكل ممتاز مع AI زي ChatGPT DeepResearch، Claude، و أدوات متخصصة زي Expert Mode من Doubao، و DeepSeek، وكمان عدلت أسلوب الكتابة باستخدام قدرات من مهارات كازك، عشان تضمن إن التقرير يطلع سهل القراءة، مش زي كتاب معقد صعب الفهم…

حطيت الـPrompt هنا، لو حابب تنسخه، أو تقدر تنزله من الـGithub.

طريقة الاستخدام بسيطة جدًا، غير بس الكلمة اللي بعد علامة المساواة، وخليها اسم الحاجة اللي عايز تبحث عنها.

مثلاً، الحاجة اللي عليها تريند دلوقتي، hermes agent، أو Harness، أو CLI، أو تأثير شركة Anthropic على سوق SaaS، أو حتى مواضيع تانية زي عالم لوك ورلد، أو ممالك ملوك الظلام، أو الحرب بين إيران وأمريكا، أو تقلبات ترامب، وهكذا.

حتى لو عايز تدرس عالم “مملكة لوك” أو “ممالك الألعاب” أو الحرب بين إيران وأمريكا، كله ممكن.

مثال على كده، استخدمت مؤخرًا Harness + Claude في بحث عميق.

غيرت الـPrompt، وحطيت Harness مكان المعادلة، وفتحت وضع البحث العميق من Claude.

أرسلت الطلب.

Claude سألني: إيه هو Harness بالضبط؟ أضفت له شرح بسيط.

وبدأت أكتب.

بعد 13 دقيقة، كانت النتيجة تقرير كامل عن Harness.

شوف النتيجة، التحليل العمودي كويس جدًا، التاريخ واضح جدًا، متى ظهر، متى انفجر، وأهم النقاط.

ولماذا ظهر في الوقت ده، منطقي جدًا.

وفي التحليل الأفقي، قارنته مع مفاهيم زي Prompt Engineering، Context Engineering، وAgent Engineering.

وأي حد فاهم في Agents، مش هيسأل عن مدى احترافية المقارنة، هيفهم بسرعة الفرق بين المفاهيم.

وكمان، استعرضت الاتجاهات المستقبلية.

التقرير ده حوالي ألف كلمة، ولو أنت مهتم بـHarness، وعايز تعرف عنها كل حاجة بسرعة، التقرير ده أفضلك من معظم المقالات الملخصة.

شامل وسهل القراءة.

ممكن يكون موضوع الدراسة منتج زي Cursor، أو Claude Code، أو Hermes Agent، أو شركة زي Anthropic، أو ByteDance، أو مفهوم تقني زي MCP أو RAG، أو حتى شخصية مهمة في المجال.

الـPrompt بيتكيف تلقائيًا مع نوع الموضوع، ويحدد التركيز في التحليل الأفقي والعمودي. لو دراسة منتج، يركز على الإصدارات والميزات، لو شركة، يركز على التمويل والنموذج التجاري، لو شخصية، يركز على المسار المهني والمقارنات.

ولو بتحب تستخدم أدوات زي Cowork، أو Claude Code، أو Codex، أو Agents تانية، عدت المنهجية دي كـSkill باسم hv-analysis، ومتاحة على الـGithub.

بعد ما تثبتها، تقول للـAgent: “ساعدني أبحث عن xxx”، وهي تتبع إطار التحليل ده.

وكمان، الـSkill ده بيعمل بحث على الإنترنت، وبيستخدم API من arxiv، وبيبحث في الأوراق العلمية، وفي النهاية بيطلع تقرير PDF منسق وسهل القراءة، بأسلوب أكثر حرية وتنوع.

طبعًا، لازم أكون صريح، إن الطريقة دي ليها حدود.

مش كل حاجة، ومش دايمًا، تقدر تحل محل البحث العميق الشخصي.

وكمان، المعلومات اللي AI بيجمعها، مع تطور النماذج، بقت أقل عرضة للأخطاء، لكن لسه ممكن يكون فيها أخطاء.

فمش مفروض تعتمد على التقرير النهائي كحكم نهائي، هو بس نقطة بداية، عشان ترسم خريطة، وتكمل أنت البحث.

وكمان، جودة التقرير بتعتمد على النموذج والأدوات اللي بتستخدمها. أدوات زي DeepResearch، أو أدوات بتدعم البحث العميق، غالبًا تعطي نتائج أدق، لأنها بتبحث وتتحقق من المعلومات، وبتاخد وقت أكتر.

ولو استخدمت أدوات عادية، أو أدوات بتبحث بسرعة، النتائج ممكن تكون أقل دقة.

أنا عادة، بعد ما أطلع التقرير، أقرأه بسرعة، وأحدد النقاط اللي محتاج أبحث عنها أكتر، وأكمل البحث بشكل أعمق.

ده، مع استخدامي للطريقة دي، بيخليني أشتغل بكفاءة أعلى من البداية من الصفر.

وفي النهاية، في زمن الذكاء الاصطناعي، مش لازم تشتغل من الصفر، ده مضيعة للوقت.

وأحيانًا، أفتكر إن أهم حاجة في البحث، مش المعلومات، لكن فضولك عن العالم.

لو سألتني، هل أنا فعلاً عارف كتير أو متخصص؟، مش بالضرورة، أنا بس عندي فضول بسيط، وده اللي بيخليني أبحث وأسأل.

أسئلة زي: إزاي الحاجة دي ظهرت؟ ليه دلوقتي؟ إيه علاقتها بالحاجة التانية؟ الناس اللي كانت بتشتغل عليها قبل كده، كانوا بيعملوا إيه؟ لو الإجابة مش واضحة، بحس بعدم راحة، ومش قادر أرتاح إلا لما ألاقي الإجابة.

المعلومات وفيرة جدًا، والذكاء الاصطناعي خفض تكلفة الوصول ليها جدًا.

لكن، السؤال هو: إزاي تسأل، وإزاي تنظم المعلومات، وتبني حكم منطقي، ده اللي AI مش دايمًا يقدر يعمله لوحده، أو يقدر يساعدك بس بعد ما تحدد الاتجاه.

طريقة التحليل الأفقي والعمودي، هي إطار أسئلتك لنفسك. كل مرة تواجه حاجة غريبة، مش محتاج تفكر إيه الأسئلة اللي تسألها، الإطار ده جاهز.

تتبع الزمن، وتحدد المكان، وتجمع الحكم، في ثلاث خطوات، وتكون بنيت إطار معرفتك.

بقى أسهل من زمان، مش محتاج تضيّع 3 أيام في جمع المعلومات، نص ساعة كفاية لبناء الإطار، والباقي تركز فيه، وتتابع الصورة الكاملة، وتقول: “آه، كده هو ده”.

اللحظة دي، لحظة الفهم، ممتعة جدًا.

مش متأكد إذا كانت الطريقة دي مناسبة للجميع، لكن لو أنت من الناس اللي دايمًا عندك أسئلة، وبتحس إن جمع المعلومات بياخد وقت، جربها.

القدماء اليونانيين قالوا: الفلسفة تبدأ بالدهشة.

وأنا أقول، البحث كمان، يبدأ من فضولك الحقيقي عن حاجة، الأدوات والمنهجيات بعدين.

بدون فضول، حتى أحسن منهجية مش هتفيدك.

لكن مع الفضول، حتى لو كانت الطرق بسيطة، هتلاقي الإجابة.

والحقيقة، دلوقتي، الإجابة أسرع بكتير من قبل.

ويمكن تدي لنفسك فرصة تسأل عن حاجات أكتر.

خليك دايمًا فضولي.