Prompt Engineering وتحسين LLM للمطورين
أصبحت نماذج اللغة الكبيرة طبقة عملية في البرامج الإنتاجية — تُستخدم لتوليد الكود واستخراج البيانات والتلخيص والوكلاء المستقلة. يُعلمك هذا المسار كيفية التواصل مع تلك النماذج بدقة وموثوقية، وكيفية تقييم ومراجعة مخرجاتها، وكيفية دمجها في التطبيقات الفعلية دون تكاليف جامحة أو سلوك غير متوقع. التركيز عملي وموجه للمطورين: كل موضوع يرتبط بالقرارات التي تتخذها عند البناء باستخدام واجهات برمجية مثل OpenAI أو Anthropic أو النماذج مفتوحة الوزن.
ما ستتعلمه
ستبدأ بأساسيات Prompt Engineering — وضوح التعليمات والإطار الدوري والأنماط القليلة الأمثلة — ثم تنتقل إلى استراتيجيات متقدمة تشمل chain-of-thought والاتساق الذاتي وقيود المخرجات. الدورات اللاحقة تتناول دمج LLMs في سير عمل المطورين، وهندسة المحفزات خصيصاً لتوليد الكود والمهام البيانية، وبناء التطبيقات المدعومة بـ LLM من البداية إلى النهاية. يغطي المسار أيضاً تقييم ومراجعة مخرجات النموذج، وتحديد أنماط الفشل، والدفاع ضد حقن المحفزات. تتعامل الدورات الأخيرة مع ضبط الأداء وتحسين التكاليف والضبط الدقيق الخاص بالمجال والأنماط الذكية للوكيل مع استخدام الأدوات والتنسيق، والخط الكامل لإنتاج ومقياس حلول LLM.
مسار التعلم
اثنتا عشرة دورة تتقدم من A1 عبر C1. تؤسس الدورة الافتتاحية، أساسيات Prompt Engineering، المفردات والنموذج العقلي. الدورات المتوسطة — دمج LLMs في سير عمل المطورين وPrompt Engineering للكود والبيانات وبناء التطبيقات المدعومة بـ LLM — تحركك إلى البناء العملي. يُغلق المسار في C1 بـ Advanced Agentic AI والتنسيق وتخصيص LLMs لمجالات محددة وإنتاج ومقياس حلول LLM، وتغطي الاهتمامات الهندسية التي تنشأ عندما تذهب ميزات LLM إلى الإنتاج بحجم كبير.
كيف يعمل
تُقسم كل دورة إلى دروس قصيرة ومركزة تكملها مع ملاحظات فورية وموجه ذكي متاح عندما تواجه صعوبة. التمارين عملية: تكتب وتختبر وتكرر على المحفزات وكود التكامل مباشرة في المحرر المدمج، ترى تأثير كل تغيير على الفور بدلاً من قراءته بشكل مجرد.