الأمر (prompt) مواصفة، وهندسة الأوامر هي أن تكتبه جيدًا وتتحقق من أن النموذج يتبعه.
كيف تعمل
يعرّف دليل OpenAI هندسة الأوامر بأنها “the process of writing effective instructions for a model” (ترجمة: عملية كتابة تعليمات فعّالة للنموذج) بحيث “consistently generates content that meets your requirements” (ترجمة: يولّد باستمرار محتوى يفي بمتطلباتك). وتتقاطع الأساليب الأساسية بين المزوّدين:
| الأسلوب | ما الذي تفعله |
|---|---|
| الأدوار | ضع القواعد في أمر النظام (أو رسالة developer)، والطلب في رسالة المستخدم |
| البنية | رتّب أمر النظام: الهوية، ثم التعليمات، ثم الأمثلة، ثم السياق؛ واستخدم عناوين Markdown ووسوم XML لتمييز الأقسام |
| الأمثلة | أضف بضعة أزواج من المدخلات والمخرجات (التلقين بأمثلة قليلة) تغطي حالات مختلفة |
| الاستدلال | اطلب تفكيرًا خطوة بخطوة (سلسلة التفكير)، أو استخدم نموذج استدلال منطقي |
| صيغة المخرجات | اطلب صيغة ثابتة، أو استخدم المخرجات المنظَّمة حيث تدعمها الواجهة |
| الثبات | ثبّت إصدار النموذج حتى لا يتغيّر سلوكه دون علمك |
تقول نظرة Anthropic العامة إن البداية تكون بثلاثة أشياء: معايير نجاح واضحة، وطريقة لاختبار الأمر عليها، ومسودة أولى للأمر. وهذا يعني عمليًا مجموعة تقييم.
مثال قصير، قبل وبعد:
Before: Summarize this ticket.
After: You summarize support tickets for an engineering team.
Write 3 bullet points: the problem, the customer impact, the next step.
Use the customer's words for error messages. Do not guess at causes.
<ticket>...</ticket>
في حالة الوكلاء، الأمر جزء من سياق أكبر. ويفصل مقال Anthropic عن هندسة السياق بين هندسة الأوامر، أي “methods for writing and organizing LLM instructions” (ترجمة: أساليب كتابة تعليمات LLM وتنظيمها)، وهندسة السياق التي تدير كل ما عدا ذلك مما يراه النموذج.
لماذا تهم
- جودة دون تدريب. الأمر الأفضل هو أرخص إصلاح يمكن تجربته، قبل الضبط الدقيق أو نموذج أكبر.
- التكلفة. يُعاد إرسال أمر النظام مع كل طلب. احذف ما لا يغيّر المخرجات؛ راجع تقليل رموز الأوامر.
- الانتقال بين النماذج. الأمر المضبوط على نموذج قد يتصرف بشكل مختلف على نموذج آخر. أعد تشغيل مجموعة التقييم حين تنتقل.
في BroadNet Inference
تأخذ نماذج المحادثة في BroadNet قائمة messages القياسية في Chat Completions، فتعمل أدوار system وuser وassistant والأمثلة القليلة كالمعتاد. ويمكنك تجربة الأوامر في ساحة التجربة (playground) قبل كتابة الشيفرة. وللمخرجات العربية، يغطي مقال هندسة الأوامر بالعربية المستوى اللغوي واللهجة والأرقام والتنسيق من اليمين إلى اليسار.
المخرجات المنظَّمة موثّقة لنموذجَي GLM 5.3 وQwen3.8 27B. وفي DeepSeek V4.1 Flash وGLM 5.3 وQwen3.8 27B يُحتسب الاستدلال المنطقي ضمن max_tokens، لذا فإن أمرًا مثل “think step by step” يحتاج أيضًا إلى مساحة في الميزانية.