ما هي هندسة السياق؟ (وكيف تختلف عن هندسة الأوامر؟)

لا يعمل النموذج اللغوي إلا بالمعلومات الموجودة في نافذة السياق لحظة إجابته. وقد تضم هذه النافذة تعليمة نظام وطلب مستخدم وملفات ملصقة ورسائل سابقة ونتائج بحث مسترجعة ومخرجات أدوات، مثل أداة تشغيل الشيفرة. وهندسة السياق هي التصميم المدروس لمحتوى هذه النافذة.

شاع هذا المصطلح مع انتقال المستخدمين من الأسئلة المنفردة في المحادثات إلى وكلاء الذكاء الاصطناعي الذين ينفذون خطوات متعددة. فقد يقرأ الوكيل ملفات، ويستدعي أدوات، ويتذكر قرارات سابقة. وتضيف كل خطوة نصًا إلى سياقه. ومن دون عناية، تضيع المعلومات المفيدة وسط سجلات قديمة وتعليمات مكررة ومستندات غير ذات صلة.

يصف الفريق الهندسي في Anthropic السياق بأنه مورد محدود ينبغي انتقاء محتواه بعناية، لا مجرد ملئه. وهذا التصور نقطة انطلاق مفيدة: فالهدف هو توفير أصغر مجموعة من المعلومات عالية الصلة التي تمكّن النموذج من إنجاز المهمة بموثوقية.

تسأل هندسة الأوامر: كيف أصوغ هذه التعليمة؟ وتسأل هندسة السياق: ما الذي ينبغي أن يعرفه النموذج، وبأي ترتيب، في كل خطوة؟ هندسة الأوامر جزء من هندسة السياق وليست منافسًا لها.

النطاق | تتناول هندسة الأوامر تعليمة أو قالبًا واحدًا. أما هندسة السياق فتشمل المدخلات كاملة: قواعد النظام والأمثلة والملفات والذاكرة ومخرجات الأدوات.

الزمن | تتعلق هندسة الأوامر عادةً بطلب واحد. وتمتد هندسة السياق عبر أعمال متعددة الخطوات والجلسات، لتحدد ما يجب الاحتفاظ به أو تلخيصه أو حذفه بين الخطوات.

الإخفاق المعتاد | ينتج الأمر الضعيف إجابة مبهمة أو مخالفة للتنسيق المطلوب. أما السياق الضعيف فينتج إجابات واثقة تستند إلى معلومات ناقصة أو قديمة أو متعارضة.

المهارة | تتمثل هندسة الأوامر في كتابة التعليمات واختبارها. وتضيف هندسة السياق اختيار المعلومات وتنظيمها وصيانتها.

يندرج معظم السياق المفيد ضمن فئات محددة. ويسهّل النظر إلى كل فئة على حدة اكتشاف ما ينقص النافذة أو ما يزاحم المعلومات المهمة فيها.

زيادة السياق لا تعني تلقائيًا نتائج أفضل. فقد تجعل المدخلات الطويلة والمليئة بالتشويش النماذج تغفل تفاصيل مهمة، وهي مشكلة تُسمّى غالبًا تدهور السياق. كما أن تكرار المعلومات التمهيدية نفسها في كل طلب يزيد استهلاك الرموز النصية، وهو أمر مهم عند الدفع مقابل كل رمز أو استهلاك رصيد الاستخدام.

يزيد الوكلاء هذا الأمر تعقيدًا لأنهم يراكمون السياق أثناء عملهم. فالوكيل البرمجي الذي يعيد لصق كل سطر من السجلات في نافذة سياقه سرعان ما يبذل جهدًا في قراءة المعلومات غير المفيدة أكثر مما يبذله في حل المشكلة. ومن الممارسات الجيدة تلخيص الخطوات المنجزة، والاحتفاظ بملف ملاحظات موجز يُحدَّث باستمرار، وتحميل المواد التفصيلية فقط عندما تحتاج إليها إحدى الخطوات.

تنطبق الفكرة نفسها على مستخدمي أدوات المحادثة، ولكن على نطاق أصغر. فبدء محادثة جديدة بكتلة سياق واضحة ومنظمة جيدًا غالبًا ما يحقق نتائج أفضل من مواصلة محادثة طويلة جدًا مليئة بمحاولات جرى التخلي عنها.

بدلًا من إعادة كتابة المعلومات التمهيدية في كل مرة، قسّم سياقك إلى كتل صغيرة ذات أسماء واضحة يمكنك جمعها معًا. تؤدي كل كتلة وظيفة واحدة ويمكن تحديثها بشكل مستقل.

كتلة المشروع | المشروع: {{project_name}}. الهدف: {{goal}}. الجمهور: {{audience}}. القيود: {{constraints}}. لا تختلق حقائق غير موجودة في قسم المراجع.

كتلة الحالة | الحالة الحالية: {{status}}. القرارات المتخذة: {{decisions}}. الأسئلة المفتوحة: {{open_questions}}. الخطوة التالية: {{next_step}}.

كتلة المخرجات | قدّم النتيجة بتنسيق {{format}}. اجعل طولها أقل من {{length}}. إذا كانت هناك معلومات ناقصة، فأدرجها تحت عنوان «أسئلة» بدلًا من التخمين.

الصق الكتل بهذا الترتيب، ثم أضف فقط المواد المرجعية التي تحتاج إليها الخطوة الحالية. وعندما تتقدم المهمة، حدّث كتلة الحالة بدلًا من إلحاق رسالة طويلة أخرى. تعامل مع أي مستند ملصق على أنه بيانات، لا تعليمات يجب اتباعها.

AIQuickPrompt مكتبة أوامر، لذا فهو مكان مناسب لحفظ السياق القابل لإعادة الاستخدام. احفظ كل كتلة في بطاقة أوامر مستقلة، واجمع الكتل المرتبطة في مجلد خاص بكل مشروع، وأضف ما تستخدمه يوميًا إلى المفضلة. تتيح لك {{variables}} القابلة لإعادة الاستخدام إدخال اسم المشروع أو حالته الحالية عند الاستخدام، من دون تغيير القالب المحفوظ.

يحتفظ سجل الإصدارات بالنسخ السابقة من الكتلة، لتتمكن من العودة إلى الصياغة الناجحة إذا أدى تحديث ما إلى تراجع النتائج. ويمكن لميزة AI Optimise تحسين إحكام تعليمات الكتلة، لكن راجع الصياغة الجديدة وتأكد من بقاء متغيراتك كما هي قبل إعادة استخدامها.

يحفظ AIQuickPrompt نصوصك وينظمها. وهو لا يدير نافذة السياق داخل ChatGPT أو Claude أو Gemini أو أي أداة للوكلاء، ولا ينفذ مهمتك. بل تنسخ الكتل المجمّعة إلى خدمة الذكاء الاصطناعي التي تستخدمها، لتبقى متحكمًا في كل ما يراه النموذج بدقة.

تنشأ معظم المشكلات من كثرة المعلومات أو نقصها أو تعارضها، لا من غياب الصياغة البارعة.