Search⌘ K
AI Features

التلقين التكراري

تعرف على كيفية عمل التوجيه التكراري، ولماذا نادراً ما ينتج عن التوجيه الواحد أفضل إخراج، وكيفية تحسين التوجيهات الخاصة بك بشكل منهجي من خلال دورات التقييم والمراجعة المنظمة.

يتوقع معظم مستخدمي نماذج اللغة لأول مرة أن تكون استجابة الأولى هي النهائية. يكتبون سؤالًا، ويتلقون إخراج، ويحكمون على النموذج بناءً على هذا التبادل الوحيد. لكنّ الممارسين الأكثر فعالية في هندسة الأسئلة نادرًا ما يعملون بهذه الطريقة. فهم يتعاملون مع إخراج الأولى كمسودة، لا كمنتج نهائي.

يُشكّل هذا التحوّل في طريقة التفكير، من توقّع استجابة مثالية إلى توقّع نقطة انطلاق، أساسَ التوجيه التكراري. وهو من أكثر أساليب هندسة التوجيه عمليةً، ليس لاحتوائه على تقنيات معقدة، بل لأنه يعكس كيفية حدوث العمل الإبداعي والتحليلي في الواقع: من خلال التحسين المستمر، لا الوصول إلى الكمال من المحاولة الأولى.

لماذا نادراً ما يكون التوجيه الواحد كافياً؟

عندما نكتب نصًا توضيحيًا، تكون لدينا صورة واضحة في أذهاننا لما نريده. مع ذلك، فإن النموذج يعمل فقط بناءً على الكلمات التي كتبناها. فهو لا يستطيع فهم الافتراضات التي لم نذكرها، أو الشكل الذي تخيلناه، أو النبرة التي توقعناها. غالبًا ما تكون الفجوة بين ما كان يدور في أذهاننا وما ينتجه النموذج في المحاولة الأولى هي نفسها الفجوة بين ما قلناه وما قصدناه فعلاً.

هذا ليس عيباً في النموذج، بل هو نتيجة طبيعية للعمل مع نظام لا يستجيب إلا لما يُعطى له. يُظهر إخراج الأول هذه الفجوة، وتُسدها عملية التكرار.

إن فهم هذا الأمر يُعيد صياغة تجربة العمل مع نموذج اللغة بالكامل. فبدلاً من الحكم على الجودة من خلال استجابة الأولى، نستخدم استجابة الأولى كمصدر للمعلومات. فهي تُخبرنا بما لم نُحدده بدقة، وما فرضنا عليه قيوداً زائدة، أو ما السياق الذي أغفلناه.

ما هو التوجيه التكراري؟

التكرار في التوجيه هو ممارسة تحسين التوجيه عبر جولات متعددة من التوليد والتقييم حتى يفي إخراج بمعيار محدد. تُنتج كل جولة إخراج جديدًا، نقوم بتقييمه مقابل هدفنا، ونحدد مواطن القصور فيه، ونُعدّل التوجيه وفقًا لذلك، ثم نُعيد تشغيله.

إنّ التوجيه ليس أمرًا ينتج عنه نتيجة ثابتة. إنه بداية حوار مع نموذج، ومثل أي حوار، يتحسن مع تطور فهم الطرفين لما هو مطلوب.

يختلف التوجيه التكراري عن مجرد إعادة توليد التوجيه على أمل الحصول على نتيجة أفضل. السمة المميزة هي المراجعة المتعمدة. فنحن نغير شيئًا محددًا في التوجيه بناءً على ملاحظة محددة حول إخراج. إعادة التوليد العشوائية ليست تكرارًا.

دورة التلقين التكرارية

تتبع عملية التلقين التكراري حلقة منتظمة. إن فهم هذه الحلقة يجعل الممارسة منظمة بدلاً من أن تكون ارتجالية.

المراحل الأربع هي:

  1. التعليمات: اكتب التعليمات الأولية بأكبر قدر ممكن من الوضوح. قم بتضمين المهمة، وأي سياق ذي صلة، وتنسيق إخراج المطلوب.

  2. التقييم: اقرأ إخراج بعناية. قارنها بما كنت تحتاجه فعلاً، وليس فقط بما إذا كانت تبدو معقولة ظاهرياً.

  3. حدد الثغرة: شخّص بدقة ما هو الخطأ أو النقص. هل التنسيق غير مناسب؟ هل النبرة غير ملائمة؟ هل المعلومات مفتاح غائبة؟ هل الاستدلال غير مكتمل؟

  4. تحسين: غيّر التعليمات لمعالجة الثغرة المحددة. أعد تشغيلها ثم عد إلى الخطوة الثانية.

The iterative prompting cycle
The iterative prompting cycle

كل دورة في هذه الحلقة تُحسّن التوافق بين المطلوب إخراج المرجوة. معظم النتائج الجيدة لا تحتاج إلى أكثر من دورتين إلى أربع دورات للوصول إلى المسودة الأولى.

تقييم إخراج بفعالية

تعتمد جودة أي عملية تطوير كلياً على جودة التقييم الذي يسبقها. فالملاحظات المبهمة تُنتج تعديلات مبهمة، بينما يؤدي التشخيص الدقيق إلى تحسينات مُوجَّهة. عند مراجعة أي إخراج، هناك خمسة جوانب جديرة بالتحقق:

Dimension

Question to Ask

Accuracy

Is the information correct and grounded?

Format

Is the structure what I needed (bullets, prose, table, code)?

Tone

Does it match the audience and context?

Completeness

Does it cover everything the task require?

Relevance

Is there content that goes off-topic or is unnecessary?

لن تواجه جميع إخراج مشاكل في جميع الأبعاد الخمسة. يساعدنا تحديد أي منها يعاني من خلل في إجراء تغيير دقيق بدلاً من إعادة كتابة التعليمات البرمجية بالكامل من الصفر.

أنواع التحسينات

بمجرد تحديد الثغرة، توجد عدة طرق لمعالجتها. ويعتمد التحسين الأمثل على نوع الثغرة التي نتعامل معها.

  • إضافة السياق: هذا هو الحل الأكثر شيوعًا. إذا أنتج النموذج استجابة عامة بينما كنا نحتاج إلى شيء محدد، فغالبًا ما يكون ذلك بسبب عدم تزويده بالمعلومات الأساسية الكافية. إضافة تفاصيل حول الجمهور أو الغرض أو القيود تُقرّب إخراج من الهدف المنشود.

First prompt: Write a summary of how neural networks learn.


Refined prompt: Write a summary of how neural networks learn for a non-technical audience. Keep it under 150 words and avoid mathematical notation.

  • تعديل القيود: يعالج هذا الإجراء مشكلة المخرجات الطويلة جدًا، أو القصيرة جدًا، أو الواسعة جدًا، أو الضيقة جدًا. غالبًا ما يكون إضافة حدود صريحة على الطول أو النطاق أو العمق هو أبسط وأكثر التعديلات فعالية المتاحة.

  • إعادة هيكلة التعليمات: أحيانًا لا تكمن المشكلة في نقص المعلومات، بل في ترتيب عرضها. غالبًا ما يؤدي نقل التعليمات الأساسية إلى البداية، قبل السياق أو التحذيرات، إلى حل هذه المشكلة.

  • إضافة أمثلة أثناء عملية التكرار: هذه الطريقة موثوقة للغاية لحل مشكلات التنسيق أو الأسلوب. إذا فشلت الأوصاف، فإن عرض مثال واحد إخراج المطلوبة يكون عادةً أسرع.

Refined prompt: Explain the concept of overfitting in machine learning. Format your response like this example:


What it is: [one sentence definition]

Why it happens: [one to two sentences]

How to fix it: [two to three bullet points]

تحسينات سياقية للذكاء الاصطناعي

أحد أقوى جوانب التوجيه التكراري داخل المحادثة هو تحسين السياق بواسطة الذكاء الاصطناعي: الطريقة التي يتراكم بها السياق عبر الأدوار ويشكل تدريجياً كيفية فهم النموذج لطلباتنا.

عندما نعمل ضمن حوار متعدد الأدوار بدلاً من الاكتفاء بتوجيهات منفردة، فإن النموذج يحافظ على كل ما أسسناه: الدور الذي حددناه، والشكل الذي صححناه، والجمهور الذي وصفناه، والأمثلة التي قدمناها. كل تكرار لا يُحسّن إخراج واحداً فحسب، بل يُبني سياقاً مشتركاً أكثر ثراءً.

لهذا السبب، يبدأ الممارسون ذوو الخبرة جلسات العمل عادةً بتحديد السياق بدقة. ويُشكّل تبادلٌ تمهيديٌّ قصيرٌ يُغطي المهمة والجمهور والشكل أساسًا متينًا. وعندما نُحسّن النموذج انطلاقًا من هذا الأساس، فإنه يعمل بناءً على صورةٍ أكثر دقةً لما نحتاجه.

معرفة متى تتوقف

تصل فعالية التوجيه التكراري إلى حدٍّ معين. وإدراك هذا الحد لا يقل أهمية عن معرفة كيفية التكرار. ومن غير المرجح أن تُجدي بعض المؤشرات التي تدعو إلى مزيد من التحسين وحدها نفعاً.

  • تتكرر المشكلة نفسها على الرغم من المحاولات المتعددة والموجهة لإصلاحها.

  • كل إصدار جديد يصلح شيئاً واحداً ولكنه يُدخل مشكلة جديدة.

  • يغفل النموذج باستمرار عن شيء يتطلب معرفة متخصصة للغاية في المجال، قد لا يمتلكها.

في هذه الحالات، فكر في التحول إلى طريقة مختلفة، مثل التلقين القليل من الأمثلة (إضافة المزيد من الأمثلة) أو تسلسل التلقين (تقسيم المهمة إلى خطوات أصغر).

خاتمة

يعكس التوجيه التكراري حقيقة أوسع: أن أفضل النتائج تتحقق من خلال التعامل مع العملية كحوار لا كمعاملة. ولا يُعدّ التحسين حلاً بديلاً لقيود النموذج، بل هو طريقة طبيعية وفعّالة لسد الفجوة بين المسودة الأولى إخراج النهائية.