👨‍💻هندسة الطلبات 101

لقد تم دمج نماذج اللغة الكبيرة الآن في حياتنا اليومية. يعتمد ملايين الأشخاص على #AI models daily, yet most still treat prompting like a search query rather than a skill. The # جودة المخرجات غالبًا ما تحددها #quality of the input. Recently, the engineers behind # قامت Claude بإصدار ورشة عمل بعنوان "الطلب 101". إليك 5 مبادئ عامة وضعوها والتي يمكن أن تحسن بشكل كبير مخرجاتك #الذكاء_الاصطناعي 👇، 1️⃣ المهام الواضحة تؤدي إلى نتائج أفضل
تنتج معظم إخفاقات الطلب من الغموض. غالبًا ما يطلب المستخدمون من النماذج "تحليل هذا"، "مراجعة هذا"، أو "المساعدة في هذا" دون تحديد الهدف أو الجمهور أو النتيجة المرجوة. تؤدي النماذج أداءً أفضل بكثير عند إعطائها دورًا محددًا بوضوح ونتيجة محددة. طلب مثل:
🕊️"تحليل هذه الشركة" - يحتوي على تفسيرات غير محدودة تقريبًا. بينما:
🕊️"كباحث في الأسهم، أعد لإحاطة المستثمرين المؤسسيين، حدد أهم ثلاثة مخاطر، فرص، ومحركات تقييم" - يضيق فورًا مساحة المشكلة. غالبًا ما يزيل التحول #model now understands the context, the audience, and the expected format of the answer. This simple # الهلوسات، ويحسن جودة التفكير، ويولد مخرجات تتطلب تحريرًا أقل بكثير. تبدأ أعلى الطلبات أداءً دائمًا ببيان واضح للهدف قبل إضافة أي تعليمات إضافية.، 2️⃣ فصل السياق عن المهام يوسع سير العمل
واحدة من أكثر تقنيات الطلب التي يتم تجاهلها هي فصل التعليمات الدائمة عن التعليمات المؤقتة. غالبًا ما يقدم المستخدمون نفس السياق مرارًا وتكرارًا عند التفاعل مع النموذج. يعتبر المستخدمون ذوو الخبرة أن الطلبات أكثر شبهاً بـ #software architecture. 🕊️Stable information such as company policies, writing styles, evaluation frameworks, # منهجيات البحث، أو قواعد التشغيل التي يجب أن تظل ثابتة. يتغير فقط المهمة نفسها. يخلق هذا النهج طلبات أقصر، ومخرجات أكثر اتساقًا، واستهلاك رموز أقل، وموثوقية أكبر بشكل ملحوظ مع مرور الوقت. -
3️⃣ المخرجات المنظمة تقلل من معدلات الخطأ
واحدة من أقوى النتائج عبر أبحاث الطلب الحديثة هي أن النماذج تؤدي بشكل أفضل عندما يتم تحديد الوجهة قبل بدء التفكير. الطلبات غير المنظمة تنتج استجابات غير منظمة. الطلبات المنظمة تخلق نتائج متوقعة. بدلاً من طلب تحليل عام، يحدد المستخدمون المتقدمون الإطار الدقيق الذي يجب أن يتبعه النموذج، على سبيل المثال:
🕊️المشكلة
🕊️التحليل
🕊️التوصية
🕊️النتيجة المتوقعة
يعمل الهيكل كمسارات توجه التفكير نحو وجهة محددة مسبقًا.، 4️⃣ قواعد التفكير الصريحة تحسن الدقة
النماذج المتقدمة لا تعرف تلقائيًا كيف تفكر بشكل أفضل من خلال مشكلة. يجب أن يتعامل نموذج التفكير #quality often improves dramatically when the process itself is specified. The strongest prompts define how the # مع المشكلة وليس فقط تحديد ما يجب إنتاجه. على سبيل المثال:
🕊️"تحليل المعلومات المتاحة."
🕊️"تحديد الأدلة المفقودة."
🕊️"تقييم التفسيرات المتنافسة."
🕊️"تجنب الافتراضات."
🕊️"ذكر عدم اليقين عندما يكون الثقة منخفضة."
🕊️"استخلاص الاستنتاجات فقط من المعلومات الموثوقة."
تقلل هذه التعليمات من أحد أضعف نقاط نماذج اللغة الكبيرة: الميل لملء الفجوات بثقة بمعلومات محتملة ولكن غير مدعومة. ملاحظة: العديد من ممارسي #الذكاء_الاصطناعي ذوي الخبرة يكررون عمدًا التعليمات الحرجة في نهاية الطلبات لأن النماذج غالبًا ما تعطي وزنًا مفرطًا للقيود والتذكيرات النهائية. النتيجة هي تفكير أكثر انضباطًا وأخطاء أقل تكلفة. #العملات_الرقمية