البناء على الاستجابات السابقة
المحادثات متعددة التبادلات: الإشارة إلى المخرجات السابقة في مطالبات المتابعة
البناء على الاستجابات السابقة درس مجاني في AI Prompt Engineering على CoddyKit. هذا هو الدرس 3 من أصل 4. يمكنك قراءة الدرس كاملاً أدناه مجاناً — ثم تمرن عليه مباشرة في المتصفح باستخدام محرر أكواد مدمج ومدرس ذكاء اصطناعي متاح 24/7. هذا الدرس جزء من مسار التعلم في AI Prompt Engineering، وتقدمك يتزامن عبر الويب وتطبيق CoddyKit. تتضمن دورة AI Prompt Engineering 4 دروس في المجموع.
المحادثات متعددة الأدوار
المحادثة متعددة الأدوار مع نموذج للذكاء الاصطناعي هي بناء تعاوني — إذ تضيف كل مراسلة شيئًا جديدًا بدلًا من استبدال ما سبقها.
ويختلف هذا عن استخدام مطالبات المتابعة لإصلاح الأخطاء. فالبناء على الإجابات السابقة يعني استخدام مخرجات النموذج السابقة مادةً خامًا: بتوسيعها، أو الاختيار منها، أو إعادة دمجها، أو تطبيق منظور جديد عليها.
يتيح لكم إتقان هذا النمط إنتاج مخرجات معقدة ومتعددة الطبقات، يستحيل إنتاجها في مطالبة واحدة.
الإشارة إلى المخرجات السابقة
أبسط نمط للبناء هو الإشارة إلى ما كتبه النموذج للتو:
- "استنادًا إلى ما كتبته أعلاه، ما أكبر ثلاثة مخاطر؟"
- "خذ الإطار الذي وصفته وطبّقه على سياق الرعاية الصحية."
- "باستخدام النبرة نفسها التي اتبعتها في استجابتك الأخيرة، أعد كتابة هذه الفقرة الجديدة."
- "من القائمة التي أنشأتها، أي عنصر ستعطيه الأولوية أولًا، ولماذا؟"
تحافظ هذه الإشارات على ارتباط النموذج بعمله السابق، مما يحقق الاستمرارية عبر الجولات.
الاختيار والتوسيع
عندما ينشئ النموذج قائمة أو مجموعة من الخيارات، يمكنك اختيار عنصر واحد وطلب توسيعه:
- "خذ الخيار الثاني من قائمتك ووسّعه ليصبح خطة كاملة."
- "أفضّل النهج الثالث. اكتب دليلًا من 300 كلمة لتنفيذه."
- "الخيار B هو الأقرب إلى ما أحتاج إليه. طوّره أكثر بإضافة خطوات محددة وجدول زمني."
يُعد هذا النمط فعّالًا في سير عمل توليد الأفكار: أنشئ الخيارات في جولة، ثم اختر أحدها وطوّره في الجولة التالية.
استخدام بنية استجابة سابقة
يمكنك أن تطلب من النموذج تطبيق بنية إحدى الاستجابات على محتوى جديد:
- "باستخدام البنية نفسها التي اتبعتها في استجابتك الأخيرة، حلّل المنافس B."
- "طبّق التنسيق نفسه المؤلف من خمسة أقسام على هذا المنتج الجديد."
- "اتبع المخطط الذي أنشأته أعلاه، لكن املأه لجمهور من الشركات بدلًا من المستهلكين."
يفيد ذلك كثيرًا في إنشاء مستندات متوازية ومتسقة، مثل التقارير والمقارنات والتحليلات التي يجب أن تتبع القالب نفسه عند تناول موضوعات متعددة.
التعمّق التدريجي: التعمّق مع كل جولة
تتيح لك المحادثات متعددة الجولات زيادة مستوى التفصيل تدريجيًا:
- الجولة 1: "أعطني نظرة عامة عالية المستوى على مسارات تعلّم الآلة."
- الجولة 2: "تعمّق أكثر في خطوة المعالجة المسبقة للبيانات."
- الجولة 3: "أعطني مثالًا برمجيًا بلغة Python للتعامل مع القيم المفقودة في خطوة المعالجة المسبقة تلك."
- الجولة 4: "أضف الآن معالجة الأخطاء والتسجيل إلى مثال الشيفرة البرمجية هذا."
تقرّبك كل جولة من مستوى أعمق. وهذا أكثر تحكمًا من طلب كل شيء دفعة واحدة في مطالبة واحدة معقدة.
الربط بين عدة جولات سابقة
في المحادثات الطويلة، يمكنك جمع عناصر من عدة جولات سابقة:
- "اجمع بين شخصيات المستخدمين من الجولة 2 وميزات المنتج من الجولة 4، واكتب عرضًا موجّهًا لكل شخصية."
- "خذ المخاطر التي حددتها سابقًا واستراتيجيات التخفيف من استجابتك الأخيرة، وأنشئ مصفوفة مخاطر."
يعمل ذلك بأفضل صورة عندما تنتج كل جولة سابقة جزءًا واضحًا ومميزًا من المحتوى مع وضع عناوين له. أما الجولات السابقة غير المنظمة فتجعل الربط بينها مربكًا لك وللنموذج.
قيود نافذة السياق
للمحادثات متعددة الجولات حد عملي يتمثل في نافذة السياق الخاصة بالنموذج. تُدرج كل رسالة، رسائلك ورسائل النموذج، في السياق المُرسل إلى API. ومع ازدياد طول المحادثة، قد تُقتطع الرسائل الأقدم.
استراتيجيات عملية:
- لخّص الجولات السابقة واختصرها عندما لا تعود مطلوبة بالتفصيل الكامل
- ابدأ محادثة جديدة عندما يتغير الموضوع تغييرًا جوهريًا
- اجعل الاستجابات الفردية موجزة لتمديد المدى الذي يستطيع النموذج رؤية الرسائل السابقة ضمنه
إدارة سياق المحادثات متعددة الجولات في الشيفرة
في Python، تحافظ على سياق المحادثة متعددة الجولات بإضافة كل زوج من الرسائل إلى قائمة سجل المحادثة:
import openai
client = openai.OpenAI(api_key='sk-...')
conversation = []
def chat(user_message):
conversation.append({'role': 'user', 'content': user_message})
response = client.chat.completions.create(
model='gpt-4o-mini',
messages=conversation
)
reply = response.choices[0].message.content
conversation.append({'role': 'assistant', 'content': reply})
return reply
# Turn 1: Generate options
print(chat('Give me 3 app name ideas for a meditation app.'))
# Turn 2: Select and expand
print(chat('Take the second option and write a tagline and a 50-word app description for it.'))
# Turn 3: Apply structure to another item
print(chat('Now do the same for the first option: tagline and 50-word description.'))تحديد المراجع بوضوح
عند الإشارة إلى مخرجات سابقة، كن دقيقًا بشأن ما تقصده. فالإشارات المبهمة تدفع النموذج إلى التخمين:
- مبهم: "وسّع ما قلته سابقًا."
- واضح: "وسّع النقطة الثالثة في استجابتك السابقة، وهي النقطة المتعلقة بصعوبات تهيئة المستخدمين."
إذا كانت الاستجابة السابقة تتضمن عدة أقسام، فاذكر اسم القسم. وإذا كانت قائمة، فأشر إلى رقم العنصر. وكلما حدّدت مرجعك بدقة أكبر، اتبع النموذج طلبك بموثوقية أكبر.
بناء المستندات على مراحل
يُعد البناء عبر جولات متعددة مثاليًا لإنشاء مستندات منظمة، مثل التقارير أو الخطط أو المقترحات:
- الجولة 1: إنشاء المخطط
- الجولة 2: كتابة القسم 1
- الجولة 3: كتابة القسم 2، مع الحفاظ على نبرة القسم 1
- الجولة 4: كتابة الملخص التنفيذي استنادًا إلى القسمين 1 و2
يمنحك هذا النهج المرحلي تحكمًا في كل قسم قبل الانتقال إلى القسم التالي، كما يتيح لك تعديل الاتجاه أثناء إعداد المستند دون فقدان كل شيء.
عندما يفشل البناء: فقدان سياق المحادثة
قد يفشل البناء عبر جولات متعددة عندما يفقد النموذج تتبع السياق السابق. ومن علامات فقدان سياق المحادثة:
- يناقض النموذج شيئًا قاله قبل جولتين
- يتجاهل قيدًا وُضع في بداية المحادثة
- يعود إلى تقديم نصائح عامة بدلًا من الإطار المحدد الذي بنيته
الحل: أعد ذكر السياق الأساسي صراحةً في رسالتك التالية بدلًا من افتراض أن النموذج يتذكره. "كما سبق أن قررنا، الجمهور من التنفيذيين غير التقنيين. وبناءً على ذلك..."
اختبار المعرفة: البناء عبر جولات متعددة
لديك محادثة من ثلاث جولات. أنتجت الجولة 1 مخططًا من خمسة أقسام لتقرير أعمال. وأنتجت الجولة 2 النص الكامل للقسم 1، وهو تحليل السوق. تريد الآن أن يتبع القسم 2، وهو المشهد التنافسي، البنية والنبرة نفسيهما للقسم 1.
ما مطالبة الجولة 3 الأكثر فعالية؟
مراجعة: البناء على الاستجابات السابقة
تُعد المحادثات متعددة الجولات وسيلة فعّالة لبناء مخرجات معقدة تدريجيًا. وتشمل التقنيات الأساسية: الإشارة إلى المخرجات السابقة بالاسم أو الرقم، واختيار عناصر محددة وتوسيعها، وتطبيق بنية إحدى الاستجابات على محتوى جديد، وزيادة مستوى التفصيل تدريجيًا مع كل جولة.
يُعد التحديد الدقيق للمراجع والوعي بحدود نافذة السياق المهارتين الأساسيتين لمنع المحادثات متعددة الجولات من فقدان ترابطها.
في الدرس التالي، ستتعلّم متى تتخلى عن محادثة وتبدأ من جديد بدلًا من مواصلة البناء عليها.
الأسئلة الشائعة
هل درس «البناء على الاستجابات السابقة» مجاني؟
نعم — نص درس «البناء على الاستجابات السابقة» كامل متاح مجاناً هنا على الويب. لتمرينه بشكل تفاعلي (محرر أكواد مدمج ومدرس ذكاء اصطناعي متاح 24/7) وفتح باقي دورة AI Prompt Engineering، انتقل إلى CoddyKit PRO. تتضمن دورة AI Prompt Engineering 4 دروس في المجموع.
ماذا ستتعلم في «البناء على الاستجابات السابقة»؟
المحادثات متعددة التبادلات: الإشارة إلى المخرجات السابقة في مطالبات المتابعة تتمرن على AI Prompt Engineering مع أكواد عملية تشغلها مباشرة في المتصفح، ومدرس ذكاء اصطناعي متاح 24/7 يجيب على أسئلتك أثناء عملك.
هل أحتاج إلى خبرة سابقة لأبدأ AI Prompt Engineering؟
لا تُشترط خبرة سابقة. AI Prompt Engineering على CoddyKit منظم للمبتدئين حتى المتقدمين، لذا يمكنك البدء من هنا أو من البداية والتقدم بسرعتك الخاصة. هذا هو الدرس 3 من أصل 4.
كم من الوقت يستغرق درس «البناء على الاستجابات السابقة»؟
معظم دروس CoddyKit تستغرق حوالي 5–10 دقائق. كل منها موجز وتفاعلي، لذا تحرز تقدماً مستمراً وتستأنف من حيث توقفت عبر الويب والتطبيق.
هل يمكنني كتابة وتشغيل أكواد في درس AI Prompt Engineering هذا؟
نعم. كل درس في AI Prompt Engineering يتضمن محرر أكواد مدمج، لذا تكتب وتشغل أكواداً حقيقية مباشرة في متصفحك وتحصل على تعليقات فورية من الذكاء الاصطناعي — بدون إعداد محلي.
جميع الدروس في هذه الدورة
- قراءة مخرجات الذكاء الاصطناعي وتقييمها
- كتابة مطالبات متابعة فعالة
- البناء على الاستجابات السابقة
- متى تُنقّح ومتى تبدأ من جديد