👨🎓 الطالب: يا روبوت، أنا أسمع كلمات كثيرة في الذكاء الاصطناعي: برومبت إنجنيرينق، كونتكست إنجنيرينق، لوب إنجنيرينق، هارنيس إنجنيرينق، قراف إنجنيرينق. بصراحة أشعر أنها معقدة.
🤖 الروبوت: لا تقلق. سنفهمها واحدة واحدة، وبمنطق بسيط جدًا. لن نحفظ المصطلحات، بل سنبني الفكرة من البداية.
👨🎓 الطالب: طيب، من أين نبدأ؟
🤖 الروبوت: تخيل أنك تريد مني إعداد خطة بحث. ماذا ستكتب لي؟
👨🎓 الطالب: أكتب: «أنشئ لي خطة بحث نوعي عن أثر الذكاء الاصطناعي في التعليم».
🤖 الروبوت: ممتاز. أنت الآن استخدمت أول مستوى:
Prompt Engineering — هندسة البرومبت
👨🎓 الطالب: يعني مجرد كتابة السؤال؟
🤖 الروبوت: ليس مجرد سؤال. هندسة البرومبت تعني أن تصوغ لي التعليمات بطريقة تجعلني أفهم بدقة: ماذا تريد، وما دوري، وما المهمة، وما القيود، وما شكل الإجابة.
👨🎓 الطالب: أعطني مثالًا.
🤖 الروبوت: بدل أن تقول: «اعمل لي خطة بحث»، تقول: «أنت مساعد متخصص في البحث النوعي. أنشئ خطة بحث أكاديمية عن استخدام الذكاء الاصطناعي في التعليم، وتشمل المشكلة، والأسئلة، والأهداف، والمنهج، والعينة، وأداة جمع البيانات».
👨🎓 الطالب: إذن البرومبت هو: ماذا أقول للروبوت؟
🤖 الروبوت: بالضبط. احفظها هكذا:
Prompt = ماذا أطلب من الروبوت؟
👨🎓 الطالب: جميل. هل إذا كتبت برومبت ممتازًا سأحصل دائمًا على نتيجة ممتازة؟
🤖 الروبوت: ليس بالضرورة.
👨🎓 الطالب: لماذا؟
🤖 الروبوت: لأن جودة التعليمات وحدها لا تكفي. أحيانًا أحتاج معلومات إضافية حتى أفهم المهمة بشكل صحيح.
👨🎓 الطالب: مثل ماذا؟
🤖 الروبوت: مثل نوع البحث، تخصصك، دليل الجامعة، الدراسات السابقة، الملف الذي تعمل عليه، أو ما دار في المحادثة سابقًا.
👨🎓 الطالب: وهذه تسمى ماذا؟
🤖 الروبوت: هنا ننتقل إلى المستوى الثاني:
Context Engineering — هندسة السياق
👨🎓 الطالب: وما الفرق بينها وبين البرومبت؟
🤖 الروبوت: الفرق بسيط جدًا:
البرومبت يحدد ما الذي تريد مني فعله.
أما:
السياق فيحدد ما الذي أحتاج إلى معرفته حتى أفعله جيدًا.
👨🎓 الطالب: أعطني مثالًا.
🤖 الروبوت: إذا قلت لي: «أنشئ خطة بحث»، فهذا برومبت.
لكن إذا أضفنا:
أن البحث نوعي.
التخصص إدارة أعمال.
الجامعة تشترط صيغة محددة.
هناك ملف تعليمات يجب اتباعه.
لديك دراسات سابقة تريد الاستفادة منها.
فكل هذه المعلومات تشكل السياق الذي أعمل داخله.
👨🎓 الطالب: إذن أستطيع أن أحفظها هكذا؟
Prompt = ماذا أطلب؟
Context = ماذا يجب أن يعرف الروبوت؟
🤖 الروبوت: ممتاز جدًا.
👨🎓 الطالب: طيب، الآن أعطيتك برومبت ممتازًا وسياقًا ممتازًا. هل انتهى الموضوع؟
🤖 الروبوت: ليس دائمًا.
👨🎓 الطالب: ما المشكلة هذه المرة؟
🤖 الروبوت: قد أنفذ المهمة، ثم تظهر مشكلة في النتيجة.
👨🎓 الطالب: مثل ماذا؟
🤖 الروبوت: قد يكون عنوان البحث واسعًا جدًا. أو أحد الأسئلة غير مناسب. أو يوجد جزء ناقص.
👨🎓 الطالب: وماذا نفعل؟
🤖 الروبوت: نفحص النتيجة. إذا كانت غير مناسبة، نعدلها ثم نفحصها مرة أخرى.
👨🎓 الطالب: يعني نكرر العملية؟
🤖 الروبوت: صحيح. وهنا يظهر المستوى الثالث:
Loop Engineering — هندسة الحلقات
👨🎓 الطالب: وما المقصود بالحلقة؟
🤖 الروبوت: أن النظام لا ينفذ المهمة مرة واحدة فقط، بل يعمل بهذه الصورة:
تنفيذ ثم فحص ثم اكتشاف الخطأ
ثم تعديل ثم إعادة التنفيذ
ثم فحص جديد
ويستمر ذلك حتى يتحقق الشرط المطلوب.
👨🎓 الطالب: مثل طالب يكتب البحث ثم يراجعه ثم يصلحه؟
🤖 الروبوت: بالضبط.
👨🎓 الطالب: إذن:
Loop = ماذا نفعل إذا لم تكن النتيجة جيدة من أول مرة؟
🤖 الروبوت: هذا تعريف ممتاز للمبتدئ.
👨🎓 الطالب: الآن أصبح عندي برومبت وسياق وحلقة مراجعة. هل هذا هو النظام كله؟
🤖 الروبوت: لا. الآن نحتاج شيئًا يدير كل هذه الأشياء.
👨🎓 الطالب: ماذا تقصد بـ«يديرها»؟
🤖 الروبوت: من الذي يختار النموذج؟ من الذي يرسل التعليمات؟ من الذي يجلب الملفات؟ من الذي يشغل الأدوات؟ من الذي يعالج الأخطاء؟ من الذي يعيد المحاولة إذا فشل الاتصال؟ من الذي يحفظ سجل التنفيذ؟
👨🎓 الطالب: صحيح. هذه أشياء كثيرة خارج البرومبت نفسه.
🤖 الروبوت: وهنا نصل إلى:
Harness Engineering — هندسة بيئة التشغيل
👨🎓 الطالب: ما معنى Harness بطريقة بسيطة؟
🤖 الروبوت: تخيل أنني محرك سيارة.
المحرك مهم، لكنه لا يعمل وحده. هناك ناقل حركة، ومكابح، ولوحة قيادة، وحساسات، وأنظمة أمان.
بنفس الطريقة، النموذج اللغوي هو جزء من النظام، والـHarness هو البيئة التي تجعله يعمل بطريقة منظمة وآمنة.
👨🎓 الطالب: يعني الـHarness يحيط بالنموذج؟
🤖 الروبوت: نعم. وقد يشمل:
اختيار النموذج.
إدارة الأدوات.
إدارة الملفات.
التحكم في الصلاحيات.
معالجة الأخطاء.
تسجيل العمليات.
مراقبة الأداء.
إدارة الذاكرة والحالة.
إعادة المحاولة عند الفشل.
👨🎓 الطالب: إذن:
Harness = من يدير تشغيل الروبوت وكل ما حوله؟
🤖 الروبوت: بالضبط.
👨🎓 الطالب: بقي Graph Engineering. أشعر أن هذا هو الأصعب.
🤖 الروبوت: هو أسهل مما يبدو إذا وصلنا إليه بهذه الطريقة.
👨🎓 الطالب: اشرح.
🤖 الروبوت: تخيل أن منصة الذكاء الاصطناعي لم تعد تحتوي على خطوة واحدة فقط.
قد يدخل المستخدم بطلب، ثم يحدث الآتي:
أولًا نصنف الطلب.
إذا كان نوعيًا نرسله إلى مسار.
إذا كان كميًا نرسله إلى مسار آخر.
إذا كان يحتاج بحثًا، نستدعي أداة البحث.
إذا كان لديه ملف، نستدعي أداة قراءة الملفات.
بعد ذلك نرسل النتائج إلى نموذج آخر للمراجعة.
إذا فشل الفحص، نعيده إلى مرحلة سابقة.
إذا نجح، نظهر النتيجة للمستخدم.
👨🎓 الطالب: يعني أصبحت لدينا خريطة فيها عدة طرق؟
🤖 الروبوت: بالضبط. وهذه هي فكرة:
Graph Engineering — هندسة القراف أو شبكة سير العمل
👨🎓 الطالب: يعني بدل أن يكون النظام خطًا واحدًا مثل:
A → B → C
يصبح مثل شبكة فيها تفرعات؟
🤖 الروبوت: صحيح.
قد يصبح مثل:
طلب المستخدم
→ تصنيف
→ مسار نوعي أو كمي
→ أداة أو ملف
→ تحليل
→ مراجعة
→ قبول أو إعادة معالجة
→ نتيجة
👨🎓 الطالب: إذن Graph Engineering تجيب عن سؤال:
كيف نربط جميع الخطوات والمسارات والأدوات ببعضها؟
🤖 الروبوت: ممتاز.
👨🎓 الطالب: دعني أحاول جمع الخمسة.
Prompt Engineering: ماذا أطلب من الروبوت؟
Context Engineering: ماذا يجب أن يعرف الروبوت؟
Loop Engineering: ماذا نفعل إذا لم تنجح النتيجة من أول مرة؟
Harness Engineering: ما البيئة التي تدير تشغيل الروبوت والأدوات؟
Graph Engineering: كيف نربط الخطوات والمسارات كلها معًا؟
🤖 الروبوت: ممتاز. وهذه هي الفكرة الأساسية كلها.
👨🎓 الطالب: وهل أستطيع فهمها كتدرج؟
🤖 الروبوت: نعم، بصورة تعليمية مبسطة:
أعطي الروبوت تعليمات
ثم أعطيه المعلومات التي يحتاجها
ثم أجعله يراجع ويعيد المحاولة عند الحاجة
ثم أبني البيئة التي تدير تشغيله
ثم أربط جميع العمليات في شبكة عمل متكاملة
👨🎓 الطالب: الآن فهمت لماذا لا يكفي أن نقول إن كل شيء مجرد «برومبت».
🤖 الروبوت: بالضبط. البرومبت هو البداية، لكنه ليس النظام كاملًا.
👨🎓 الطالب: إذن يمكن أن نقول باختصار:
Prompt = التعليمات
Context = المعلومات
Loop = التكرار والمراجعة
Harness = التشغيل والإدارة
Graph = الربط والتنظيم
🤖 الروبوت: نعم. وإذا ثبتت هذه الخمس في ذهنك، فسيصبح فهم مفاهيم مثل Agent وTool وSkill وMCP وWorkflow أسهل بكثير.