---
title: "بنية الأوامر للتخزين المؤقت: تصميم بادئة ثابتة | BroadRouter"
description: "كيف ترتّب أوامر LLM لتبقى البادئة المخزّنة مؤقتًا متطابقة: أمر النظام، ومخططات الأدوات، والمستندات، وسجل يُضاف إليه فقط، مع اختبار يثبت أن البادئة يُعاد استخدامها."
url: https://broadrouter.com/ar/blog/prompt-structure-for-caching/
lang: ar
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

تُرجمت هذه الصفحة من الإنجليزية بمساعدة الذكاء الاصطناعي. [اقرأ الأصل الإنجليزي](https://broadrouter.com/blog/prompt-structure-for-caching/) (حُدّث في 2026-11-16).

# كيف تبني الأوامر لتُخزَّن بادئتها مؤقتًا؟

بقلم فريق BroadNet Inference · قراءة في 4 دقائق · تاريخ النشر 2026-11-14 · آخر تحديث 2026-11-16

رتّب كل طلب من الأكثر ثباتًا إلى الأقل ثباتًا: أمر النظام، ثم تعريفات الأدوات، ثم المستندات المرجعية، ثم سجل المحادثة، ثم الرسالة الجديدة. واجعل كل طبقة متطابقة بايتًا ببايت بين الاستدعاءات: لا طوابع زمنية ولا معرّفات في الأعلى، والأدوات مرتّبة، وJSON مسلسل بطريقة حتمية، والسجل يُضاف إليه فقط. ثم قِس cached\_tokens لتتأكد أن البادئة يُعاد استخدامها فعلًا.

## أبرز النقاط

-   تطابق الذاكرة المؤقتة بادئة مطابقة تمامًا. وبايت واحد متغيّر يُبطل كل ما بعده، لذا فترتيب الطبقات أهم من حجمها.
-   أربع طبقات، الأكثر ثباتًا أولًا: أمر النظام، والأدوات، والمستندات، والسجل. ودور المستخدم الجديد يأتي أخيرًا.
-   سلسل الأدوات ومستندات JSON بمفاتيح مرتّبة وفواصل ثابتة؛ فترتيب القاموس يُفسد الذاكرة المؤقتة بصمت.
-   قيّد الأدوات في كل استدعاء عبر tool\_choice بدل حذف تعريفات الأدوات.
-   اختبر ذلك: أرسل البادئة نفسها مرتين، وتحقق أن prompt\_tokens\_details.cached\_tokens يرتفع في الاستدعاء الثاني.

**في هذه الصفحة**

1.  لماذا يحدد ترتيب الأمر نسبة الإصابة في الذاكرة المؤقتة؟
2.  ما الترتيب الصحيح للطبقات؟
3.  ما الذي يكسر البادئة دون أن تلاحظ؟
4.  كيف تبني طلبًا ملائمًا للتخزين المؤقت في الشيفرة؟
5.  كيف تثبت أن البادئة مخزّنة مؤقتًا؟
6.  كيف يتغيّر هذا مع الوكلاء والسياق الطويل؟
7.  أين تقع BroadNet Inference من هذا؟

[رموز الإدخال المخزّنة مؤقتًا](https://broadrouter.com/ar/glossary/cached-input-tokens/) رخيصة، وفي BroadNet Inference يحتسبها DeepSeek V4.1 Flash بسعر $0.0055 لكل مليون بدل $0.175. ويغطي [شرح الرموز المخزّنة مؤقتًا](https://broadrouter.com/ar/blog/cached-input-tokens-explained/) السعر وكيفية قراءة حقل الاستخدام. أما هذا المقال فيتناول عمل التصميم: كيف ترتّب الأمر لتصيب الذاكرة المؤقتة فعلًا، وكيف تثبت ذلك.

## لماذا يحدد ترتيب الأمر نسبة الإصابة في الذاكرة المؤقتة؟

كل المزوّدين الكبار يخزّنون مؤقتًا حسب **البادئة**. يقول دليل OpenAI إن إعادة الاستخدام تتطلب أن تتطابق البادئة كاملة بعد تطبيق القالب. وتصف وثائق DeepSeek القاعدة نفسها: الطلب يصيب الذاكرة المؤقتة فقط إذا طابق بادئة مخزّنة بالكامل، والطلب الذي يتباعد عنها في منتصفها لا يصيب. وتبني Anthropic ذاكرتها المؤقتة بترتيب: الأدوات، ثم النظام، ثم الرسائل.

في الداخل، يعيد الخادم استخدام [ذاكرة KV المؤقتة](https://broadrouter.com/ar/glossary/kv-cache/) التي بناها لتلك البادئة. لذا فالذاكرة المؤقتة خط مستقيم يبدأ من الرمز الأول. وأول بايت يختلف عن الاستدعاء السابق ينهي الجزء القابل لإعادة الاستخدام. فطابع زمني من سطر واحد في أعلى أمر من 50,000 رمز يكلّفك الـ 50,000 رمز كلها بالسعر الكامل.

## ما الترتيب الصحيح للطبقات؟

| الطبقة | تتغيّر | مثال | القاعدة |
| --- | --- | --- | --- |
| 1\. أمر النظام | مع كل نشر | الدور والقواعد وصيغة الإخراج | لا تواريخ ولا معرّفات ولا أسماء مستخدمين |
| 2\. تعريفات الأدوات | مع كل نشر | مخططات الدوال | JSON مرتّب وحتمي |
| 3\. المادة المرجعية | مع كل جلسة أو مهمة | ملفات المستودع والعقود ووثائق المنتج | ترتيب ثابت وعناوين ثابتة |
| 4\. سجل المحادثة | مع كل دور، بالإضافة فقط | أدوار المستخدم والمساعد السابقة | لا تعدّل أبدًا؛ أضف فقط |
| 5\. الرسالة الجديدة | في كل استدعاء | السؤال، مع الوقت الحالي إن لزم | البيانات المتغيّرة مكانها هنا |

الطبقة 5 هي مكان كل ما هو متغيّر: التاريخ الحالي، ولغة المستخدم وإعداداته المحلية، ومعرّف الطلب، والمقتطفات المسترجعة التي تختلف من سؤال إلى آخر.

## ما الذي يكسر البادئة دون أن تلاحظ؟

1.  **ترتيب القاموس.** كثيرًا ما تبني أطر العمل مصفوفة `tools` من قاموس أو سجل. فإذا حُمّلت الإضافات بترتيب مختلف، تتغيّر البايتات.
2.  **تنسيق JSON.** `json.dumps(x)` و`json.dumps(x, indent=2)` بادئتان مختلفتان. وكذلك أداتا تسلسل بترتيبين مختلفين للمفاتيح.
3.  **المسافات في القوالب.** مسافة زائدة في نهاية السطر، أو `\r\n` من مسار في الشيفرة و`\n` من مسار آخر.
4.  **قوائم الأدوات الديناميكية.** حذف الأدوات التي لا يستطيع المستخدم استخدامها يغيّر البادئة. وينصح دليل OpenAI بإبقاء التعريفات ثابتة وتقييد الاستخدام عبر `tool_choice` أو إعداد للأدوات المسموحة.
5.  **تلخيص السجل في مكانه.** إعادة كتابة الأدوار القديمة في ملخص تعيد ضبط كل ما بعد أمر النظام. لخّص نادرًا وعلى خطوات كبيرة.
6.  **الاسترجاع قبل التعليمات.** مقتطفات RAG الموضوعة بين أمر النظام والأدوات تختلف مع كل استعلام، فتكسر طبقة الأدوات أيضًا.

## كيف تبني طلبًا ملائمًا للتخزين المؤقت في الشيفرة؟

اجعل كل طبقة دالة في مدخلات ثابتة فقط، وسلسلها بطريقة حتمية:

```python
import json, os
from openai import OpenAI

client = OpenAI(base_url="https://inference.broadnet.ai/v1", api_key=os.environ["BROADNET_API_KEY"])

SYSTEM = open("prompts/system.md").read()  # versioned file, no templating

def stable_tools(registry: dict) -> list:
    # Sort by name, sort keys inside each schema.
    return [json.loads(json.dumps(registry[name], sort_keys=True)) for name in sorted(registry)]

def docs_block(paths: list[str]) -> str:
    parts = [f"=== {p} ===\n{open(p).read()}" for p in sorted(paths)]
    return "\n\n".join(parts)

def build_messages(history: list, user_text: str, now_iso: str, doc_paths: list[str]):
    return (
        [{"role": "system", "content": SYSTEM},
         {"role": "user", "content": docs_block(doc_paths)}]
        + history                                   # append-only
        + [{"role": "user", "content": f"(now: {now_iso})\n{user_text}"}]
    )

resp = client.chat.completions.create(
    model="broadnet/deepseek-v4.1-flash",
    messages=build_messages(history, question, now_iso, files),
    tools=stable_tools(TOOLS),
)
history += [{"role": "user", "content": question}, resp.choices[0].message.model_dump(exclude_none=True)]
```

تفصيلان. الوقت الحالي يوضع في الرسالة الأخيرة، لا في أمر النظام. والسجل يخزّن رسالة المساعد كما عادت تمامًا، فيعيد الاستدعاء التالي إرسال البايتات نفسها.

## كيف تثبت أن البادئة مخزّنة مؤقتًا؟

شغّل اختبارًا من استدعاءين في CI أو في دفتر ملاحظات (notebook):

1.  ابنِ طلبًا بأمر النظام والأدوات والمستندات الحقيقية لديك.
2.  أرسله. ودوّن `usage.prompt_tokens`.
3.  غيّر رسالة المستخدم الأخيرة فقط وأرسله مجددًا.
4.  اقرأ `usage.prompt_tokens_details.cached_tokens` في الاستدعاء الثاني. يجب أن يغطي البادئة المشتركة كلها تقريبًا.
5.  إذا كان صفرًا أو صغيرًا، فقارن جسمي الطلبين المسلسلين بايتًا ببايت. أول اختلاف هو ما يكسر ذاكرتك المؤقتة.

التخزين المؤقت لدى معظم المزوّدين بأفضل جهد، وتقول وثائق DeepSeek ذلك صراحة، لذا فإن إخفاقًا واحدًا ليس دليلًا على خلل. أما الإخفاق المتكرر فهو كذلك. تابع نسبة الرموز المخزّنة مؤقتًا إلى رموز الأمر لكل طلب في [سجلات الاستخدام](https://broadrouter.com/ar/blog/llm-api-usage-logging/) لديك، واستخدم [حاسبة التخزين المؤقت للأوامر](https://broadrouter.com/tools/prompt-caching-calculator/) لترى ما توفّره نسبة إصابة أعلى.

## كيف يتغيّر هذا مع الوكلاء والسياق الطويل؟

الوكلاء هم أكثر المستفيدين لأنهم يعيدون إرسال البادئة الكبيرة نفسها عشرات المرات في كل مهمة. وهناك عادتان مهمتان:

-   **محادثة واحدة لكل مهمة.** بدء محادثة جديدة لكل خطوة فرعية يرمي البادئة.
-   **اقرأ الملفات مرة واحدة، قرب البداية.** إذا أعاد الوكيل قراءة ملف، فأضف النسخة الجديدة بدل استبدال القديمة، ما لم يكن الملف قد تغيّر.

ومع [نافذة سياق من مليون رمز](https://broadrouter.com/ar/blog/million-token-context-window-guide/)، تستطيع الطبقة 3 أن تحمل مستودعًا كاملًا. وهذا معقول التكلفة بمفتاح الدفع لكل رمز فقط حين يُخزَّن مؤقتًا، ولهذا يزداد ترتيب الطبقات أهمية كلما كبرت الأوامر. والبادئات المخزّنة مؤقتًا تميل أيضًا إلى تقليص الوقت حتى أول رمز؛ راجع [TTFT مقابل الإنتاجية](https://broadrouter.com/ar/blog/llm-latency-ttft-throughput/).

## أين تقع BroadNet Inference من هذا؟

في BroadNet Inference، تبلّغ كتلة usage عن `prompt_tokens_details.cached_tokens` حين يبلّغ عنه النموذج، ويُحتسب الإدخال المخزّن مؤقتًا في [DeepSeek V4.1 Flash](https://broadrouter.com/ar/models/deepseek-v4.1-flash/) و[GLM 5.3](https://broadrouter.com/ar/models/glm-5.3/) و[Qwen3.8 27B](https://broadrouter.com/ar/models/qwen3.8-27b/) بالسعر الأقل المذكور في [صفحة الأسعار](https://broadrouter.com/ar/pricing/). ولا تقدّم BroadNet في وثائقها نقاط فصل صريحة للذاكرة المؤقتة ولا معامل مفتاح للذاكرة المؤقتة، لذا فالترتيب أعلاه هو الأسلوب كله. وفي الخطة غير المحدودة لا تغيّر الذاكرة المؤقتة الفاتورة، لأن الجلسات بلا عدّاد رموز، لكن البنية نفسها تظل تساعد في زمن الاستجابة.

أدوات مجانية لهذا الموضوع (بالإنجليزية)

-   [OpenAI to BroadNet migration helper](https://broadrouter.com/tools/openai-to-broadnet-migration/) Paste OpenAI SDK code; get base URL, key and model edits, a diff and the checks that remain.
-   [max\_tokens calculator for reasoning models](https://broadrouter.com/tools/reasoning-token-budget/) Answer length + reasoning budget + margin = a max\_tokens that does not cut the answer off.
-   [JSON schema generator for LLM structured output](https://broadrouter.com/tools/json-schema-generator/) Sample JSON to strict schema, Pydantic, Zod and a ready request.
-   [LLM JSON output validator](https://broadrouter.com/tools/llm-json-output-validator/) Parse errors by line and column, safe repairs, cut-off detection and JSON Schema checks for model output.

[أدوات مجانية (بالإنجليزية)](https://broadrouter.com/tools/)

## مصطلحات في هذا المقال

[الرمز (التوكن، Token)](https://broadrouter.com/ar/glossary/token/)

الرمز (التوكن) هو وحدة النص التي يقرؤها نموذج اللغة ويكتبها: كلمة، أو جزء من كلمة، أو علامة ترقيم، أو تسلسل بايتات ينتجه مجزّئ النموذج (tokenizer). وتَعُدّ واجهات LLM API الاستهلاك بالرموز، وتضع حدودها بها، وتحتسب تكلفتها بها عادةً.

[استدعاء الأدوات (Tool calling)](https://broadrouter.com/ar/glossary/tool-calling/)

استدعاء الأدوات، ويُسمّى أيضًا استدعاء الدوال (function calling)، ميزة في واجهات LLM API يُرجع فيها النموذج طلبًا منظَّمًا لتشغيل دالة عرّفها المطوّر، مع معاملات بصيغة JSON. ويشغّل التطبيق الدالة ويعيد النتيجة؛ فالنموذج لا يشغّل الشيفرة بنفسه أبدًا.

[أمر النظام (System prompt)](https://broadrouter.com/ar/glossary/system-prompt/)

أمر النظام (system prompt) هو نص التعليمات الذي يرسله التطبيق إلى النموذج اللغوي قبل المحادثة، عادةً في رسالة بالدور system أو developer. وهو يحدد دور النموذج وقواعده ونبرته وصيغة مخرجاته، ويُفترض أن يلتزم به النموذج إذا تعارض مع رسائل المستخدم.

[الإنتاجية (Throughput)](https://broadrouter.com/ar/glossary/throughput/)

الإنتاجية (throughput) في تقديم نماذج LLM هي إجمالي العمل الذي ينجزه النظام في وحدة الزمن عبر كل الطلبات المتزامنة، وتُقاس عادةً برموز الإخراج في الثانية أو الطلبات في الثانية. وهي تختلف عن سرعة التدفق الواحد، أي مدى سرعة وصول الرموز إلى طلب واحد.

[الدفع حسب الاستخدام (Pay-as-you-go)](https://broadrouter.com/ar/glossary/pay-as-you-go/)

الدفع حسب الاستخدام هو نموذج تسعير تدفع فيه مقابل ما تستخدمه فقط، مقيسًا بوحدات مثل الرموز (التوكنات) أو الطلبات أو دقائق الصوت، دون اشتراك أو حد أدنى للالتزام. وتحتسب معظم واجهات LLM API تكلفتها بهذه الطريقة، من رصيد مدفوع مسبقًا أو بفاتورة دورية.

[ذاكرة KV المؤقتة (KV cache)](https://broadrouter.com/ar/glossary/kv-cache/)

ذاكرة KV المؤقتة (KV cache) هي الذاكرة التي يخزّن فيها نموذج لغة من نوع transformer مفاتيح الانتباه وقيمه المحسوبة لكل رمز عالجه، فيعيد كل رمز جديد استخدامها بدل إعادة حساب التسلسل كله. وتكبر مع طول السياق، وكثيرًا ما تحدّ من عدد الطلبات التي تخدمها وحدة GPU.

[رموز الإدخال المخزّنة مؤقتًا (Cached input tokens)](https://broadrouter.com/ar/glossary/cached-input-tokens/)

رموز الإدخال المخزّنة مؤقتًا هي رموز من الأمر (prompt) عالجها مزوّد نماذج اللغة مؤخرًا ويستطيع إعادة استخدامها من ذاكرة مؤقتة بدل حسابها من جديد، وهي عادةً بادئة متكررة مثل أمر النظام أو مستند. ويحتسبها المزوّدون بسعر أقل من رموز الإدخال الجديدة.

[رموز الإدخال والإخراج (Input and output tokens)](https://broadrouter.com/ar/glossary/input-and-output-tokens/)

رموز الإدخال هي الرموز (التوكنات) التي يقرؤها نموذج اللغة في الطلب، ومنها أمر النظام وسجل المحادثة وتعريفات الأدوات والصور. ورموز الإخراج هي الرموز التي يولّدها في الرد، بما فيها الاستدلال المنطقي. وتسعّر واجهات LLM API كلًّا منهما على حدة عادةً، والإخراج أغلى في الغالب.

## أسئلة شائعة

### لماذا نسبة الإصابة في الذاكرة المؤقتة للأوامر لديّ منخفضة؟

شيء قرب بداية الأمر يتغيّر في كل استدعاء. والأسباب المعتادة طابع زمني أو معرّف طلب في أمر النظام، أو أدوات تُسلسَل بترتيب مختلف، أو مستندات مسترجعة موضوعة قبل التعليمات، أو سجل يُلخَّص ويُعاد كتابته.

### هل يأتي سؤال المستخدم قبل المستندات الطويلة أم بعدها؟

بعدها. ضع المستندات أولًا والسؤال أخيرًا. فتشكّل المستندات حينئذ بادئة قابلة لإعادة الاستخدام، وكثير من النماذج تجيب أيضًا بشكل أفضل حين يأتي السؤال بعد المادة.

### هل تُفسد تعريفات الأدوات التخزين المؤقت للأوامر؟

فقط إذا تغيّرت. الأدوات جزء من البادئة، فأبقِ المجموعة نفسها بالترتيب نفسه وبصيغة JSON نفسها. ولتقييد الأدوات في استدعاء واحد، استخدم tool\_choice بدل تعديل القائمة.

### هل يهم ترتيب أمثلة few-shot للتخزين المؤقت؟

نعم. الأمثلة المخلوطة عشوائيًا تنتج بادئة مختلفة في كل مرة. ثبّت الترتيب، أو ضع الأمثلة التي تتغيّر مع كل طلب بعد الجزء الثابت.

## تابع القراءة

-   [رموز الإدخال المخزّنة مؤقتًا: كيف تخفّض فاتورة LLM API](https://broadrouter.com/ar/blog/cached-input-tokens-explained/)
-   [متى تستحق نافذة سياق بمليون رمز (ومتى لا تستحق)؟](https://broadrouter.com/ar/blog/million-token-context-window-guide/)
-   [LLM API بسعر ثابت أم الدفع لكل رمز؟ حساب نقطة التعادل](https://broadrouter.com/ar/blog/flat-rate-vs-pay-per-token-llm-api/)
-   [عتاد GPU لدى BroadNet وطريقة تقديم النماذج، كما تصفها BroadNet](https://broadrouter.com/ar/blog/broadnet-gpu-fleet-and-serving/)
-   [تخزين استجابات LLM API مؤقتًا لخفض التكلفة: تطابق تام بـ Python](https://broadrouter.com/ar/blog/cache-llm-responses-cut-cost/)
-   [دليل: البث المتدفق لإكمال المحادثات والتعامل مع انقطاع الاتصال](https://broadrouter.com/ar/guides/streaming-chat-completions/)
-   [دليل: استخدام OpenAI Python SDK مع BroadNet Inference](https://broadrouter.com/ar/guides/openai-python-sdk/)

جرّبه على مهامك الفعلية. تبدأ الحسابات الجديدة برصيد قدره $5 لاستخدام Gemma والتفريغ الصوتي. أما DeepSeek وGLM وQwen3.8 فتتطلب شحن الرصيد.

[ابدأ الآن](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=ar-blog-prompt-structure-for-caching&utm_content=page-cta) ·

**المصادر**

-   [المرجع التقني لواجهة BroadNet Inference، الرموز المخزّنة مؤقتًا في بيانات الاستخدام (تاريخ المراجعة 2026-11-16) (بالإنجليزية)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=ar-blog-prompt-structure-for-caching&utm_content=sources)
-   [دليل التخزين المؤقت للأوامر من OpenAI، مطابقة البادئة ونصائح البنية (تاريخ المراجعة 2026-11-14)](https://developers.openai.com/api/docs/guides/prompt-caching)
-   [وثائق التخزين المؤقت للأوامر من Anthropic، ترتيب الذاكرة المؤقتة الأدوات ثم النظام ثم الرسائل (تاريخ المراجعة 2026-11-16)](https://platform.claude.com/docs/en/build-with-claude/prompt-caching)
-   [وثائق DeepSeek API، التخزين المؤقت للسياق (تاريخ المراجعة 2026-11-14)](https://api-docs.deepseek.com/guides/kv_cache)
