مرحبًا بكم! وُلدت هذه المادة رقميةً عن قصد: فكما الأخبار والاكتشافات في هذا المجال، يمكن مراجعتها وتحديثها تقريبًا بالسرعة نفسها — وهو أمر مستحيل في كتاب مطبوع.

الهدف ليس إحيال الموضوع حتى ينفد، بل أن يكونمرجعًا عمليًا: مكان تستخرج منه معلومة محددة، وتنسخ منه prompt وتكيّفه مع حاجتك. لا حاجة للقراءة بالترتيب — انتقل مباشرة إلى ما تحتاجه.

مع إبقاء التعريفات النظرية عند الحد الأدنى الضروري: إن فهم كيفية عمل أدوات الذكاء الاصطناعي أمر أساسي لاستخراج أفضل ما فيها. ولهذا السبب فقط يستحق الأمر أن نفهم أساسيات عمل هذه الأدوات — ولن يكون ذلك معقدًا للغاية. وكما سمعت على الأرجح، يعمل ChatGPT (وما يشبهه) كأنه متنبئ ضخم بالنصوص. نحن معتادون إلى حد ما على هذه الميزة في بعض التطبيقات اليومية. فمثلًا، على الهاتف، عندما نرد على رسائل البريد الإلكتروني، نكاد نبدأ الرسالة حتى تظهر لنا اقتراح لما يلي من النص (الشكل 01).

يحدث هذا الإكمال التلقائي بسبب «السياق» وبسبب احتمالية ظهور الكلمات في تسلسل. إذا طلبت منك إكمال الجملة «السماء هي [___]»، فما الكلمة التي خطرت في ذهنك؟ احتمال أنك فكرت في «زرقاء» أو «واسعة» أعلى بكثير من احتمال أنك فكرت في «قرمزية». الجمل «السماء زرقاء» و«السماء واسعة» و«السماء قرمزية» كلها صحيحة تقنيًا، لكنها لا تُستخدم بالوتيرة نفسها في حياتنا اليومية.

كيف نطبّق ذلك على أدوات الذكاء الاصطناعي؟ لقد جرى «تدريبها» عبر تحليل مليارات — حرفيًا — من النصوص والمواد، بحيث تملك بيانات عن احتمالات تعاقب الكلمات. من الواضح أن الأمر أعقد من ذلك بكثير، لكن هذه الاستعارة ستساعدنا على استخدام أدوات الذكاء الاصطناعي بطريقة أكثر فاعلية.

في سياق هذا الكتاب الإلكتروني: treinamento، بطريقة بسيطة جدًا، هو الاسم المُعطى لعملية عرض مصادر من المواد (مثل نصوص بلغات مختلفة) على أنظمة الذكاء الاصطناعي، بحيث يتمكن النموذج من التعرف على الأنماط، ثم يقرر أي نص أو أي كلمة ينبغي أن يأتي في التسلسل.

عندما تفتح أدوات الذكاء الاصطناعي (مثل Gemini وChatGPT)، ستجد نفسك أمام إمكانية اختيار أنظمة ذكاء اصطناعي «مختلفة» — وهو ما نسميه النماذج. افهمها بوصفها «إصدارات» من هذه الأنظمة، تمامًا كما أن للدراجات تكوينات مختلفة (بدون تروس، أو بـ18 ترسًا، أو بنظام تعليق، أو من ألياف الكربون...) وللسيارات فئات مختلفة (أونيكس LT وLTZ وPremier...): المنطق واحد تقريبًا. لا توجد نماذج «صحيحة أو خاطئة»: بل توجد نماذج أنسب لكل مهمة، بقدرات وأسعار (أو حدود استخدام) مختلفة.

وهنا تبرز فئتان مهمتان: ما يسمى بنماذج التفكير (thinking models) والنماذج «العادية». من حيث المبدأ، نماذج التفكير أنسب للمهام المعقدة التي تتطلب الموازنة بين عوامل متعددة. فهي أعلى قدرةً على المعالجة، لكنها أيضًا أبطأ في توليد الإجابات.

عمليًا، لا تشغل بالك كثيرًا بهذا: حاليًا (2026) جميع النماذج المهمة تقريبًا تعمل بنمط التفكير افتراضيًا، وما يختلف هو مقدار ما «تفكر» فيه قبل الإجابة — كثير من الأدوات توفر اليوم مفتاحًا لاختيار شدة التفكير (شيء مثل «سريع» مقابل «فكر أكثر»)، بدلًا من منتجَين منفصلَين تمامًا. للمهام البسيطة (التلخيص، الترجمة، التنسيق)، اختر الخيار الأسرع؛ أما للتحليلات التي تتطلب تقاطع معلومات متعددة، فيستحق تشغيل التفكير الموسّع والانتظار قليلًا إضافيًا. الفكرة كما هي: جرّب بلا خوف كل المنتجات والنماذج المتاحة ولاحظ أيها يقدم أفضل الإجابات لكل مهمة.

سؤال متكرر أتلقاه هو: «ما أفضل أداة؟» أفضل إجابة ستظل دائمًا «يتوقف على الحال»، لكن دعني أفصّل. ما الأفضل: مطرقة أم مفك أم كماشة؟ يتوقف الأمر على ما تحتاج إلى إنجازه.

مع مساعدي الذكاء الاصطناعي، المنطق مشابه. إن GPT وGemini وClaude هي الأدوات الأشهر. يوفر GPT أفضل تجربة Deep Research متاحة (وضع البحث المتقدم — سيُشرح لاحقًا). ويتكامل Gemini مع منظومة Google وقد تحسن كثيرًا منذ انطلاقه. أما Claude فيقدم نتائج ممتازة في إنتاج النصوص وفي المهام المرتبطة بالبرمجة.

إذا كنت تفكر في الاشتراك في أحد هذه المساعدات، فاتبع الخطوات التالية:

1. اختبر النسخ المجانية من الخدمات التي تفكر في الاشتراك بها لمدة شهر إلى شهرين على الأقل.
2. لا تشترك في ما يسمى «مجمّعات الذكاء الاصطناعي» (مواقع تبيع الوصول إلى عدة نماذج بأسعار منخفضة أو ترويجية): فالغالب أنها لن تلبي احتياجاتك على النحو الصحيح. ومع وجود خطط ميسورة من Gemini وChatGPT، فاستخدام الوسطاء لا يبدو خيارًا مجديًا.
3. يمكنك استخدام نماذج Google مجانًا عبر https://ai.dev.

فيما يلي قائمة بأبرز أدوات الذكاء الاصطناعي المتاحة، المجانية منها والمدفوعة.

لنبدأ بالـ prompt. هذا مفهوم أساسي: prompt هو الاسم المُعطى للتعليمات التي نمرّرها إلى أدوات الذكاء الاصطناعي.

"سيُرسَل النص أدناه بوصفه ملخص عمل لمؤتمر في تخصص [علم النفس/الهندسة/القانون/الطب]. راجع قواعد النص وتماسكه وانسجامه، واقترح تعديلات عند الضرورة."

"An electrician came to my home and said I need to install a residual-current device (RCD). Explain what it is and what its function is."

"You will act as an expert radiology instructor. I have 20 days to learn the fundamentals of ultrasonography and you will be my teacher: build a detailed learning schedule for those 20 days, covering the key ultrasound concepts that an excellent introductory module should include."

"You will act as an English teacher specialized in teaching English as a foreign language. I have 20 minutes per day and you will be my instructor: build a detailed learning plan with basic, intermediate and advanced English content so that a foreign learner can communicate adequately.
                
We can begin immediately, and your first task is to assess my current English level. Ask the necessary questions to evaluate my skills."

أنت مدرب مهني أول بخبرة 20 عامًا في الانتقالات المهنية، متخصص في مساعدة العاملين في تقنية المعلومات والهندسة والمجالات الإبداعية على تغيير مسارهم المهني بوضوح وثقة. أسلوبك متعاطف ومباشر وقائم على الأدلة، مستوحى من طرق مثل إيكيغاي وGROW.

**السياق**: يفكر المستخدم في انتقال مهني — تغيير الوظيفة أو القطاع أو حتى بدء عمل خاص — لكنه يحتاج إلى تفكير عميق لتجنب الندم. نحن في حوار تكراري لرسم المسار الأمثل.

**الهدف**: توجيه المستخدم للتفكير في وضعه الحالي، وتحديد الدوافع الحقيقية ونقاط القوة والعقبات، وبناء خطة انتقال مخصصة بخطوات واضحة قابلة للتنفيذ.

**المهام (السؤال العكسي)**: لا تقدم نصائح أو خططًا بعد. اطرح بدلًا من ذلك 5-7 أسئلة جوهرية مفتوحة لجمع المعلومات الأساسية، وصنّفها في مجموعات (مثل: "وضعك الحالي"، "الدوافع والقيم"، "المهارات والعلاقات"). بعد إجابات المستخدم، استخدمها لإعداد تقرير تأمل وخطة أولية.

الأسئلة الأولية التي تطرحها الآن:
1. ما مهنتك الحالية ومدة خبرتك وما أكثر ما يعجبك/لا يعجبك فيها؟
2. لماذا تريد الانتقال الآن؟ صف المحفزات العاطفية أو العملية.
3. ما مهاراتك الأساسية (التقنية والمهارات الناعمة) والإنجازات التي تفاخر بها أكثر؟
4. ما معنى "النجاح" في المهنة الجديدة بالنسبة لك (مثل: الراتب، المرونة، الأثر)؟
5. ما العقبات الحقيقية التي تتوقعها (المال، الأسرة، السوق)؟
6. صف شبكة علاقاتك المهنية ومن يمكن أن يساعدك في هذا الانتقال.
7. على مقياس من 1 إلى 10، ما مدى جاهزيتك للتغيير خلال الـ6-12 شهرًا القادمة؟

حلل الإجابات وأكِّد الفهم قبل المتابعة.

[السياق] نحن في تفاعل طويل حول [أدرج الموضوع، مثل: إعداد بروتوكول]. لكي لا نفقد تفاصيل مهمة ولمسح نافذة السياق في محادثة جديدة، أحتاج منك تلخيص كل ما قمنا به.

[المهمة] أنشئ "ملخصًا للحالة الراهنة" مفصلًا يتضمن:
1. الهدف الرئيسي الذي نسعى إليه.
2. كل القرارات المتخذة والمعتمدة (ما هو جاهز).
3. الحالة الراهنة الدقيقة للنقطة التي توقفنا عندها.
4. الخطوات التالية المباشرة التي كانت معلقة.
5. قيود الأسلوب أو تفضيلاته التي علمتك إياها في هذه المحادثة.

[الصيغة] يجب أن يكون الناتج نصًا منظمًا، جاهزًا للنسخ واللصق بوصفه أول prompt في محادثة جديدة، لتحكي مثيل الذكاء الاصطناعي الجديد العمل من حيث توقفنا تمامًا دون فقدان السياق.
                    

من نقاش القسم السابق ندرك أن بعض الـ prompts أنسب من غيرها لمهمة معينة. ومن هنا كثيرًا ما يطرح السؤال: هل توجد prompt «مثالية»؟ الجواب: لا توجد prompt مثالية واحدة، لكن توجد مكونات، حين تُنظَّم تنظيمًا جيدًا، تعطي نتائج ممتازة لمعظم المهام التي نحتاج إلى حلّها.

عناصر prompt جيدة البناء

1. Persona — من ينبغي أن «يجسّده» الذكاء الاصطناعي أثناء الإجابة.
2. الهدف — ما تريد تحقيقه من ذلك الناتج.
3. Contexto — المعلومات الخلفية التي تجعل المهمة محددة.
4. المهمة — الأمر الملموس، أي ما ينبغي على الذكاء الاصطناعي فعله.
5. القيود — ما يجب (أو لا يجب) أن يظهر في الإجابة.
6. تنسيق المخرجات — كيف ينبغي تنظيم النتيجة (جدول، قائمة، نص متصل...).

لاحظ أن ليس كل المكونات إلزامية. فعلى سبيل المثال، في مهمة بسيطة كتوليد نص، قد لا تحتاج إلى persona أو سياق أو قيود.

مثال 1

الشخصية:
ستعمل كمدير موارد بشرية.

الهدف:
وضع معايير موضوعية لتقييم الأداء الإداري.

السياق:
فريق إداري يتكون من مساعدين ومحللين.

المهمة:
1. تحديد معايير قابلة للقياس.
2. اقتراح سلم تقييم.
3. اقتراح دورية للتقييم.

صيغة الإجابة:
جدول بالمعايير والوصف وسلム التنقيط.

مثال 2

الشخصية:
ستعمل مستشارًا للتواصل المؤسسي.

الهدف:
صياغة تواصل داخلي حول تطبيق نظام إداري جديد.

السياق:
موظفون بمستويات متفاوتة من الإلمام بالتقنية.

المهمة:
1. شرح سبب التغيير.
2. إبراز الفوائد التشغيلية.
3. إبلاغ الخطوات القادمة.

القيود:
استخدم لغة بسيطة وميسورة.
تجنب المصطلحات الفنية والقدح.

صيغة الإجابة:
إعلان مؤسسي بنص متصل.

مثال 3

الشخصية:
ستعمل مسؤولًا للامتثال الداخلي.

الهدف:
تقييم المخاطر الإدارية في عملية التعاقد مع موردين.

السياق:
تعاقدات متكررة لخدمات من الأطراف الثالثة.

المهمة:
1. تحديد المخاطر التشغيلية.
2. تحديد المخاطر القانونية الأساسية.
3. اقتراح ضوابط إدارية بسيطة.

صيغة الإجابة:
جدول يليه استنتاج موجز.

من البسيط إلى المعقد: ثلاثة مستويات للـ prompt نفسه

بشكل عام، يمكن أن تكون الـ prompts أطول أو أقصر، وقد تحتوي على عناصر أكثر أو أقل. هناك سياقات تكفي فيها prompts بسيطة ومباشرة، وسياقات أخرى ستحتاج فيها إلى prompts ذات تفاصيل وعناصر أكثر بكثير. انظر أدناه أمثلة إضافية:

Basic

You are a text editor. Review the abstract below for grammar, cohesion and coherence. Structure it into paragraphs.

Intermediate

You are a scientific editor specialized in medicine with 15 years of experience in international journals.

This abstract will be submitted to JAMA as a structured abstract.

Review the abstract below for:
- Grammar and clarity in scientific English
- IMRAD structure (Introduction, Methods, Results, Discussion)
- A maximum length of 300 words

Expected format: paragraphs with bold subsection headings.

Advanced

[SYSTEM]
You are a senior scientific editor specialized in medicine with 15 years of experience in international journals (JAMA, Lancet, NEJM). Your task is to perform a critical editorial review.

[CONTEXT]
This abstract will be submitted to JAMA. Audience: editors, reviewers and international clinical readers. Expected standard: editorial excellence.

[ACTION]
Review and rewrite the abstract below while preserving scientific integrity and maximizing clarity.

[POSITIVE CONSTRAINTS]
- Structure: IMRAD with bold subsection headings
- Length: maximum 300 words
- Style: formal scientific English, active voice whenever possible
- Citations: use bracketed numbers [1], [2], etc.
- Data: preserve all original numbers and values exactly

[NEGATIVE CONSTRAINTS]
- Do not speculate beyond the presented data
- Do not use nonstandard jargon or undefined abbreviations
- Do not alter the scientific conclusions; only clarify expression

[EXPECTED FORMAT EXAMPLE]
**Introduction.** [2-3 sentences on the problem and the knowledge gap]
**Methods.** [Design, population, intervention]
**Results.** [Main findings with values]
**Discussion.** [Clinical meaning, limitations, next steps]

[VALIDATION]
Before answering, confirm:
✓ Does every claim have a supporting source or citation?
✓ Is the length within 300 words?
✓ Is the IMRAD structure preserved?

If any criterion is not met, state which one before delivering the revision.

المستوى المتقدم: قائمة التحقق من الجودة

لتقييم ما إذا كانت الـ prompt الخاصة بك «جيدة بما يكفي»، استخدم قائمة التحقق هذه:

"أجب عن فعالية فيتامين د في كوفيد-19. يجب أن تقدّم إجابات تستند فقط إلى الأدلة العلمية. اذكر مصادرَك صراحة."

رغم أن المعنى واحد، فإن النسخة أ تحقق التزامًا أعلى غالبًا لأن النموذج يقرأ القيد أولًا ويعامله كسياسة موجهة للمهمة.

الحداثة والأولوية

تُظهر النماذج عادةً نمطًا يمنح المعلومات الأولى والأخيرة وزنًا أكبر:

- التعليمات في بداية الـ prompt تؤثر أكثر في "السياسة العامة" للإجابة. فإذا حدّدت النبرة أو persona أو القيود الجوهرية في البداية، تعامل معها الأداة بوصفها مبادئ موجِّهة (أثر الأولية).

- التعليمات في نهاية الـ prompt تؤثر أكثر في الفعل المباشر. فإذا كانت آخر عبارة هي "أجب في 100 كلمة"، فغالبًا ستُعطى هذه القاعدة أولوية في المخرج الحالي حتى لو وُجدت إشارات سابقة متعارضة (أثر الحداثة).

هذا يقود إلى مشكلة مهمة: التعليمات الموجودة في منتصف الـ prompt تضيع كثيرًا، خصوصًا في prompts الطويلة. وهي أقل المواضع التزامًا.

مثال:
قيود المصادر (PubMed فقط، آخر 5 سنوات) تُظهر امتثالًا أقل حين توضع في المنتصف مقارنة بوضعها مباشرة بعد الشخصية — هذا التعديل الصغير قد يعني أداءً أفضل بشكل ملحوظ.

مثال:

البداية: "يجب أن تقتبس فقط من المصادر الأولية."
النهاية: "قبل الإنهاء، أكّد أن جميع الادعاءات تحمل استشهادًا من مصدر أولي."

تقسيم الـ prompt إلى كتل

في بعض الحالات، قد تضطر إلى كتابة prompt طويل بالضرورة. إحدى أفضل التقنيات لتنفيذ prompt طويل بنتائج جيدة هي تقسيمه إلى كتل/أقسام واستخدام صيغ محددة (markup أو JSON). وبدلًا من prompt من 2000 كلمة بتعليمات متفرقة، أنشئ:

كتلة 1: [الشخصية + القيود الأساسية]
كتلة 2: [السياق + المشكلة]
كتلة 3: [الإجراء + الصيغة المتوقعة + التحقق]

اللمسة الأخيرة
هناك تقنيات أكثر تقدمًا لفحص المخرجات (وستجدها في قسم لاحق من هذا الكتاب)، لكن هناك أمر بسيط يمكنك إضافته إلى نهاية أي prompt factual: "راجع المخرج قبل نسخه، وإذا وجدت عدم توافق مع المطلوب فأعد التنفيذ. استمر حتى تختفي التعارضات أو اللااتساقات."

مثال: "[ضع prompt النظام هنا] لتأكيد أنك قرأت هذه التعليمات، ابدأ إجابتك بعبارة: 'فهمت أن عليّ [تلخيص موجز للتعليمات الحرجة].' ثم واصل الإجابة."

📐 الترتيب الموصى به لـ prompts المهنية

يمكن تخصيص الـ GPT بما يتوافق مع الاستخدام اليومي وجعله أكثر ملاءمة لاحتياجاتنا. افتح إعدادات ChatGPT وانتقل إلى «التخصيص»:

الـ prompt "الرئيسي" العام

افتراضيًا، أتوقع أن تكون الإجابات رسمية وموجزة وجيدة التنظيم. معظم طلباتي يتعلق مباشرة أو غير مباشرة بإنتاج وثائق علمية.

لا توافقني أو تعارضني تلقائيًا. حلل طلباتي وأجب بأكثر قدر من الموضوعية.

لضمان مراعاة هذه الإرشادات فعليًا، سأبدأ دائمًا تفاعلاتي بـ "let's work" أو "vamos trabalhar" وأتوقع أن تخاطبني بـ ["[اسمك]"]. في هذه الحالات يجب أن تكون الإجابات محايدة تمامًا: لا تبحث عن موافقتي أو مخالفتي في شكوكي وأفكاري وآرائي. حلل النص المقدَّم بروح نقدية وقدِّم أنسب إجابة، متجنبًا بصرامة الأخطاء وعدم الدقة والهلوسة.

Projects: مساحات عمل مخصصة

تعرّف OpenAI نفسها الـ Projects بوصفها «مساحات عمل» متخصصة. تخيّل أنك تمارس أكثر من دور داخل الشركة نفسها أو عبر شركات مختلفة: يمكنك إنشاء Project مستقل لكل سياق، مع تعليمات وملفات مرجعية مخصصة له.

كل project يسمح بوجود prompt رئيسي مرتبط بتلك المهمة، إضافةً إلى ملفات مرجعية. وعندما يجتمع prompt دقيق مع وثائق مهمة، يتحول الـ project إلى مساعد شخصي حقيقي وذا فائدة كبيرة. وللتوضيح: يسمّي Gemini هذه المساحات «Gems»، بينما يسمّيها Claude «Projects». وأغلب أدوات الذكاء الاصطناعي تملك شكلًا قريبًا من هذا النوع من التخصيص.

مثال على prompt لمشروع لتعليم اللغات

ستعمل كمعلم ومستشار متخصص في تعليم اللغات للبالغين، بانطلاق من منهجيات معاصرة مثل التعلم القائم على المهام والتعليم التواصلي للغة وغيرها من المقاربات القريبة.

ستستخدم علم تعليم البالغين والعلم العصبي التربوي لتصميم برامج تعليمية بأي لغة، مع أولوية للكفاءة التواصلية والطلاقة الوظيفية قبل الدقة النحوية.

تشمل المهام:
- إعداد برامج منظمة ببنية وحدات، ملائمة لمستوى المتعلم وفق CEFR (A1-C2) وأهدافه الخاصة
- إدارة محادثات عملية بانغماس تدريجي
- إنتاج تمارين قائمة على التكرار المتباعد والتنويع واسترجاع المعلومة
- تغذية راجعة فورية ومحددة وقابلة للتنفيذ
- تقويم تكويني مستمر مع تعديل ديناميكي للصعوبة

الفرق بين Projects و GPTs

ما يُسمى اليوم «GPT» داخل ChatGPT كان يُسمى سابقًا «plugin» وكان مختلفًا بوضوح عن الـ Projects. ومع تطور الأداتين، أصبحتا أكثر تشابهًا. عمليًا: يمكن النظر إلى الـ GPTs بوصفها «بيئات عمل» مخصصة صُممت للمشاركة مع الآخرين، بينما صُممت الـ Projects أساسًا للاستخدام الفردي، حتى لو كان يمكن مشاركتها أيضًا.

البحث التقليدي (عبر Google أو عبر مساعد ذكاء اصطناعي عام) يشبه سؤال أمين مكتبة عن موضوع ما فيعطيك آخر كتاب قرأه. تحصل على معلومة سريعة، لكنها محدودة. أما وضع Deep Researchيشبه توظيف باحث محترف: فهو (1) يضع خطة بحث، (2) يقرأ عشرات المقالات والمصادر، (3) يقارن بين المعلومات المتعارضة، (4) يعود إلى المصادر الأولية لحسم الخلاف، و(5) يكتب تقريرًا موحدًا. يستغرق ذلك وقتًا أطول — من بضع دقائق إلى نحو نصف ساعة — لكنه ينتج نتيجة أعمق بكثير.

يفيد Deep Research في طرفي الطيف المعرفي معًا: عندما «لا تعرف شيئًا تقريبًا» فتحتاج إلى بناء حد أدنى من الخلفية قبل اجتماع مع مختص، وعندما «تعرف الكثير» لكنك تريد تحديثًا سريعًا لأحدث ما ورد في الأدبيات. حدّد بوضوح المصادر التي ينبغي على Deep Research إعطاؤها الأولوية: المقالات كاملة النص في PubMed، أو أحكام محكمة بعينها، أو بروتوكولات وزارة الصحة، وما إلى ذلك.

ستجري بحثًا معمقًا حول الصحة النفسية واستخدام LLMs (نماذج اللغة الكبيرة).

قدّم أمثلة أو حالات، والمخاطر، والانتشار العالمي والبرازيلي لأشيع الاضطرابات النفسية، وناقش كيف يمكن لاستخدام LLMs أن يشكل تهديدًا محتملاً أو لا يشكل تهديدًا لعامة الناس.

قدّم أيضًا تغطية صحفية للموضوع وبيّن كيف تتعامل كبرى شركات التكنولوجيا معه.

إضافة إلى ذلك، ابحث عن المقالات العلمية ذات الصلة وحللها (وفق معايير EBM مع مستوى دليل A/B، مع الاكتفاء بالمقالات ذات النص الكامل المتاح في PubMed/Medline) ثم لخّص أبرز نتائجها.

مقارنة: Deep Research مقابل Deep Search

خلاصة الاختيار: تحتاج إلى ملف تقني متكامل؟ ChatGPT ou Gemini. تحتاج إلى التحقق من الوقائع والأخبار؟ Perplexity ou Grok. تريد تحليل 50 ملف PDF لديك أصلًا؟ Claude ou Gemini Notebook (سنصل إليه الآن).

ملاحظة: أداة ZCode من Z.ai (المذكورة في جدول الأدوات الوكيلة) ليست أداة بحث — بل هي بيئة تطوير وكيلة للبرمجة بنماذج GLM، تعادل Claude Code أو Codex. ولهذا لا تظهر في جدول Deep Research هذا.

يتيح لك وضع Canvas تحرير المحتوى الجاري بناؤه ومراجعته. لنأخذ مثالًا عمليًا: لديك وثيقة أنشأتها بنفسك (محضر اجتماع أو مقال أو فصل كتاب...) وبدلًا من أن تطلب من الذكاء الاصطناعي أن «يحررها» عنك بالكامل، يمكنك فتح النص داخل Canvas والعمل عليه معه مباشرةً، فتعدل ما ترى أنه يحتاج إلى تعديل، وتطلب منه تنفيذ مهام موضعية أخرى، مثل تلخيص فقرة أو توسيع قسم معين.

انتبه إلى تغيير حديث: ChatGPT removeu وضع Canvas من نماذجها الرئيسية في 2026 — وأصبح تحرير النصوص والأكواد يتم مباشرةً داخل المحادثة نفسها، عبر «كتل» قابلة للتحرير، من دون لوحة منفصلة. أما اليوم، فيُعد Gemini المرجع الأول بين أدوات مساحات التحرير التعاونية المتخصصة، وعليه يعمل المثال أدناه بأفضل شكل.

قد يكون Canvas أداة قوية جدًا لتحرير الشيفرات والصفحات (HTML) وحتى المستندات. أنا شخصيًا أفضل تحرير نصوصي بنفسي، ولهذا سأشارك الـ prompt الذي أستخدمه في الحقل أدناه حتى تتمكن من نسخه وتكييفه مع واقعك:

ستراجع النص المرفق بحثًا عن أخطاء نحوية أو مطبعية محتملة. قيّمه من حيث الاتساق والانسجام، لكن من دون تحريره مباشرة: ضع تنسيق "مشطوب" على الأجزاء التي تقترح حذفها، وأضف بجانبها اقتراحاتك بصيغة غامقة حتى أتمكن من تمييز الأجزاء التي ينبغي تعديلها والحكم عليها بنفسي.
            

تذكّر أن هذا النوع من الميزات يتغير بسرعة — فـ Canvas الخاص بـ GPT نفسه ظهر وتوقف خلال عمر هذا الكتاب الإلكتروني. وأفضل وسيلة لفهم إمكانات الأداة والتعلم منها فعليًا هي الممارسة المباشرة، فلنبدأ العمل إذن!

في يوليو 2026، أعادت Google تسمية NotebookLM إلى Gemini Notebook، ضمن تكامل أوثق مع بقية منظومة Gemini. إنها الأداة نفسها، بالغرض نفسه — فإذا كنت تستخدم NotebookLM، فدفاترك ما زالت في مكانها تمامًا، والروابط القديمة ما تزال تعمل. وفي هذا الكتاب سأستخدم تسمية «Gemini Notebook» من الآن فصاعدًا، فلا تستغرب إن صادفت الاسم القديم في مكان آخر.

إنها أداتي المفضلة في الذكاء الاصطناعي، وسأشرح السبب. قبل فترة اشتهرت بسبب قدرتها على إنتاج «ملخصات صوتية»، ورغم أن ذلك ميزة ممتازة، فليس هذا هو السبب الأساسي الذي يدفعني لاستخدامها كثيرًا.

لنعُد إلى موضوع الهلوسات: عبر ضبط الـ prompt وتثبيت الإجابات على المصادر (grounding) يمكن تقليل معدل الهلوسة إلى أدنى حد ممكن. وهذا بالضبط ما يفعله Gemini Notebook: فهو لا يستشير ولا يجيب إلا انطلاقًا من المصادر التي تختار أنت استخدامها.

عندما تنشئ دفترًا جديدًا، تكون الشاشة الأولى مخصصة لاختيار المصادر. يمكنك إضافة مستندات، وملفات من Drive، وGoogle Docs (بما في ذلك الجداول)، وفيديوهات YouTube، وروابط مواقع، وملفات صوتية. كل هذا يتحول إلى قاعدة مصادرك، وtodas الإجابات المستخرجة من promptsك ستأتي حصريًا من تلك المصادر. وإذا كنت قد سمعت عن RAG (retrieval augmented generation) فهذه، بشكل مبسط، هي الفكرة التي يطبقها Gemini Notebook — لتقليل الأخطاء والهلوسات قدر الإمكان.

كيفية إضافة المصادر في Gemini Notebook

بعد إضافة المصادر، تصبح الواجهة منظمة على النحو الآتي: في اليسار المصادر نفسها (يمكنك حذفها أو إضافة غيرها)، وفي الوسط واجهة الـ prompt، وفي اليمين موارد التفاعل التي يتيحها Gemini Notebook.

الموارد المتاحة في Gemini Notebook

لوحة الموارد تتضمن:

• ملخص صوتي (بودكاست فيه مقدمان يناقشان مصادرَك)
• دليل دراسة (يتضمن أسئلة اختيار من متعدد، وإجابات قصيرة، وأسئلة مقالية)
• FAQ (أسئلة شائعة حول المحتوى)
• ملخصًا وخطًا زمنيًا
• وثيقة briefing (ملخصًا تنفيذيًا)
• خريطة ذهنية
• إنفوغرافيك
• بطاقات flashcards واختبارات Quiz
• تحليل بيانات مع الشيفرة (ميزة أحدث: بيئة آمنة في السحابة تكتب الشيفرة وتنفذها لتقاطع مصادرك، فتولّد منها رسومًا بيانية وجداول وتقارير)

تكاد كل هذه الموارد تعرض أيقونة «القلم»، وهذا يعني أنك تستطيع تعديل التعليمات الافتراضية الخاصة بكل مورد عبر إضافة prompt مخصص.

تحرير الموارد — مثال للصوت

ستنتج ملفًا صوتيًا بأكبر قدر من التفصيل والإطالة، متناولًا التفاصيل المنهجية بدقة وإحكام: صف بعمق كيف أُنشئت بنية المنتج المطوَّر، وتفاصيل prompt النقاش (هل كانت استراتيجية ذكاء اصطناعي وكيلًا بشخصيات متعددة أم استُخدم فعلًا وكلاء مختلفون). أخيرًا، توقف عند النتائج: بوصفها تفصيلًا وشرحًا لانعكاساتها على الصحة.

نافذة سياق واسعة

يوفر Gemini Notebook نافذة سياق بحجم مليون token، ما يسمح بالتفاعل المتزامن مع عدة مستندات طويلة جدًا، مثل كتب كاملة ومقالات علمية ومحاضر اجتماعات. وخلافًا لأدوات الذكاء الاصطناعي العامة، فقد صُمم خصيصًا للتعامل المهني مع مجموعات الملفات: تبقى المصادر منفصلة عن نافذة المحادثة، لكنها تظل متاحة بالكامل للنموذج. وهذا يتيح لك التحاور مع الوثائق مطولًا من دون أن يؤدي حجمها إلى إرباك ذاكرة المحادثة.

تأتي كل إجابة مصحوبة بإحالة دقيقة إلى المقطع الأصلي من وثيقتك، ما يسهّل التحقق ويرفع موثوقية الاستخدام المهني بدرجة كبيرة.

منظومة Google: تكامل وتحديث ديناميكي

يتكامل Gemini Notebook مع منظومة Google، بحيث يمكنك استخدام مجلدات Google Drive ومستنداته كمصادر. وأكثر نقطة عملية هنا أنك عندما تربط Google Docs كمصدر، يحتفظ Gemini Notebook بالصلة مع الملف الأصلي نفسه، وهو ما يتيح لك تحديثه متى شئت. وعندما يكتشف أن النسخة الأخيرة تغيرت، يعرض زرًا لتحديث المصدر.

تفريغ الصوت والفيديو

يتيح لك Gemini Notebook تفريغ الملفات الصوتية والمرئية بالكامل: يكفي أن تضيفها كمصادر ثم تطلب، عبر prompt، نسخ محتواها. ويمكنك إدراج تعليمات إبراز خاصة: تخيّل مثلًا أنك سجلت اجتماعًا تريد تحويله إلى محضر، أو محاضرة يكرر فيها الأستاذ إبراز النقاط المهمة. أمثلة:

انسخ محتوى المصدر كاملًا، مع محاولة تحديد المتحدثين المختلفين كلما أمكن ذلك.

بعد ذلك، اكتب محضرًا رسميًا للاجتماع يضم العناصر التالية: التاريخ، المشاركون المحددون، جدول الأعمال الذي نوقش، القرارات المتخذة، والخطوات اللاحقة مع المسؤول عن كل منها.

‏Gemini Notebook المجاني مقابل المدفوع

توجد فروق بين النسختين المجانية والمدفوعة، تشمل عدد الدفاتر التي يمكن إنشاؤها، وعدد المصادر في كل دفتر، وعدد الموارد المولّدة يوميًا، وربما أيضًا سرعة إنتاج بعض الموارد (انطباع شخصي). اقتراحي العملي: ابدأ بالنسخة المجانية، وبعد أن تتعرف جيدًا على الأداة فقط، فكّر في الانتقال إلى النسخة المدفوعة إذا احتجت. والنسخة المدفوعة لا تُباع منفصلة: إنها مدرجة في اشتراكات Google AI Plus وPro وUltra.

• دفاتر أكثر ومصادر أكثر لكل دفتر (بحدود أعلى من النسخة المجانية)
• توليد غير محدود عمليًا للملخصات الصوتية يوميًا
• ملفات صوتية أطول وأكثر تفصيلًا
• تكامل أعمق مع Google Workspace
• إمكانات مشاركة الدفاتر مع الفرق
• دعم ذو أولوية ووصول مبكر إلى الميزات الجديدة

يُعد Gemini Notebook مفيدًا للغاية في السياقات الأكاديمية. أستخدمه كثيرًا للتفاعل مع النصوص الأكاديمية، مثل المقالات بصيغة PDF — والآن أيضًا ملفات EPUB.

• مراجعة الأدبيات: أضف المقالات المختارة واستخدم الـ prompt لتلخيص النتائج الأساسية، ومقارنة المنهجيات، أو كشف فجوات المعرفة.
• دراسة الإرشادات: حمّل أحدث الإرشادات لتخصص معين واطرح أسئلة سريرية عليها مباشرة
• تحضير العروض: استخدم ميزتي دليل الدراسة والأسئلة الشائعة لتوليد أسئلة عن محتوى المحاضرات أو الدروس
• سجل التعلم: احتفظ بمستند Google Docs بملاحظات يومية واربطه بـ Gemini Notebook؛ وفي نهاية الأسبوع، ولّد ملخصًا أو اختبارًا عما تعلمته.
• نصيحة «احترافية»: استخدم Gemini Notebook كمعلّم شخصي. ادرس مقالًا واشرحه له، واطلب منه أن يصحح ويستكمل النقاط الحرجة التي أخطأت فيها أو فاتتك.

ما هو OpenEvidence؟

‏OpenEvidence منصة دعم للقرار السريري تعتمد على الذكاء الاصطناعي، طُوّرت خصيصًا للأطباء والمهنيين الصحيين. وخلافًا للنماذج العامة (مثل ChatGPT وGemini)، جرى تدريب OpenEvidence وتحسينه للاستشارات الطبية، مع وصول إلى أدبيات طبية متخصصة تنقّها هيئة تحريره.

تملك المنصة اتفاقيات محتوى مع منظمات مرجعية متعددة مثل NEJM (المجلة الطبية النيوجلندية)، JAMA, NCCN (الشبكة الوطنية الشاملة للسرطان)، Cochrane, Wiley, ACC (الكلية الأمريكية لأمراض القلب)، ADA (الجمعية الأمريكية للسكري) وجمعيات طبية أخرى.

كيف يعمل؟

التشغيل بسيط وشبيه جدًا بالمنطق الكامن وراء بقية نماذج اللغة الكبيرة:

1. تطرح سؤالًا سريريًا باللغة الإنجليزية أو البرتغالية
2. تبحث الأداة في قواعد بياناتها الخاصة من الأدبيات الطبية
3. تعيد إليك إجابة مع اقتباسات وروابط إلى المصادر الأصلية
4. يمكنك متابعة الأسئلة في الجلسة نفسها لتعميق الإجابة

Access it at: www.openevidence.com

أفضل ممارسات الـ prompt في OpenEvidence

كأي أداة ذكاء اصطناعي، تعتمد جودة الإجابة على جودة السؤال. وفي OpenEvidence، الممارسات التالية تصنع فرقًا واضحًا:

1. أدرج السياق السريري ذي الصلة بالمريض

بدلًا من سؤال عام مثل «ما علاج ارتفاع ضغط الدم؟»، قدّم سياقًا:

68-year-old male with a 10-year history of hypertension, type 2 diabetes, and an eGFR of 45 mL/min/1.73m². He is currently taking losartan 50 mg/day and metformin 500 mg twice daily. Current blood pressure: 155/95 mmHg. According to major guidelines, what therapeutic options are recommended to optimize blood-pressure control in this scenario?

2. حدّد نوع المعلومة التي تريدها

What are the current indications for anticoagulation in non-valvular atrial fibrillation? Include:
- CHA2DS2-VASc score and treatment thresholds
- HAS-BLED score and its clinical usefulness
- Comparison between direct oral anticoagulants (DOACs) and warfarin in the main populations
- Special scenarios: advanced CKD, obesity, and reversal of anticoagulation

3. اطلب مستوى الدليل وجودة الدراسات

What is the current evidence on the use of ivermectin for treating COVID-19? Please:
- Cite only randomized clinical trials and meta-analyses
- State the quality of evidence level (GRADE when available)
- Distinguish primary clinical outcomes (mortality, hospitalization) from secondary outcomes

4. قارن مباشرة بين الخيارات العلاجية

Compare the efficacy and safety of SGLT2 inhibitors versus GLP-1 receptor agonists in patients with type 2 diabetes and established cardiovascular disease, based on randomized clinical trials with hard cardiovascular outcomes (MACE, cardiovascular mortality, hospitalization for heart failure).

5. استخدم أسئلة المتابعة للتعمق

يتيح OpenEvidence أسئلة متابعة في الجلسة نفسها. مثلًا، بعد الحصول على إجابة حول العلاج المبدئي، يمكنك أن تسأل:

What if this patient also has heart failure with reduced ejection fraction (HFrEF)? How does that change the therapeutic choices, and which combinations have the strongest evidence for mortality benefit?

تنبيهات أساسية عند استخدام OpenEvidence

‏OpenEvidence أداة قوية، لكن سوء استخدامها قد يقود إلى أخطاء سريرية. ثلاث تحفظات مهمة بشكل خاص:

ورغم أن أنظمة الذكاء الاصطناعي أدوات قوية، فإن استخدامها يتطلب مسؤولية ومعرفة بحدودها، خصوصًا في المجالات الحرجة كالصحة. وفيما يلي نبرز أربع نقاط انتباه أساسية.

1) الهلوسة (Hallucination)

يشير مصطلح «الهلوسة» في الذكاء الاصطناعي إلى توليد معلومات تبدو صحيحة وتُقدَّم بثقة عالية، لكنها زائفة أو مختلَقة. يحدث هذا لأن النموذج يتنبأ بالكلمة التالية الأكثر احتمالًا، لا بالحقيقة بالضرورة. وفي الصحة، قد يعني ذلك اختراع توصيات سريرية أو جرعات دوائية أو استشهادات بمقالات لا وجود لها. تحقق دائمًا من المصادر.

2) خطر الانحياز (Bias)

تُدرَّب نماذج الذكاء الاصطناعي على مجموعات بيانات هائلة من الإنترنت تحمل تحيزات المجتمع وأحكامه المسبقة. قد يؤدي ذلك إلى إجابات تديم الصور النمطية الجندرية أو العنصرية أو الاجتماعية-الاقتصادية، أو تتضمن تحيزًا في التشخيصات الطبية (كتشخيص بعض الحالات بصورة ناقصة في فئات سكانية بعينها). كن يقظًا تجاه هذه التشوهات.

3) نموذج "الصندوق الأسود" (Black Box)

لا نعرف على وجه الدقة como أو por que أو لماذا وصل الذكاء الاصطناعي إلى استنتاج معين. ولا نعرف ما المواد التي استُخدمت في التدريب، ولا ما المصادر المحددة التي سندت إجابة بعينها. إضافة إلى أن العمليات الداخلية للشبكات العصبية معقدة وقليلة الشفافية. وهذا أمر حاسم في الممارسة السريرية، حيث تُعد القابلية للتفسير أساسًا لسلامة القرار والثقة به.

4) ما تقوله التنظيمات البرازيلية

منذ 26 أغسطس 2026، أصبح استخدام الذكاء الاصطناعي في الممارسة الطبية في البرازيل خاضعًا لـقرار المجلس الاتحادي للطب رقم 2.454/2026. لست بحاجة إلى حفظ التفاصيل، لكن من المفيد معرفة المبادئ الأساسية، لأنها تؤكد — والآن بوصفها قاعدة نافذة — عين ما كنا نؤكده في هذا الكتاب:

وكأي قاعدة حديثة، قد تظهر تحديثات أو تنظيمات مكمّلة بعد نشر هذا المادة — من المفيد مراجعة النص النافذ مباشرةً في موقع المجلس الاتحادي للطب (cfm.org.br) قبل بناء أي قرار امتثال عليه.

يعمل هذا القسم بوصفه فهرسًا للمراجعة: تقنيات prompting أكثر تقدمًا، لكل منها مثال عام (جاهز للتحرير)، وفي معظم الحالات مثال ثانٍ مطبق أصلًا على سياق — سريري أو قانوني أو إداري — لترى النمط وهو يعمل. لا حاجة لحفظ الأسماء الإنجليزية؛ عد إلى هنا كلما احتجت إلى نسخ أحد هذه القوالب وتكييفه مع مهمتك الحالية.

‏ prompt لتقسيم المهام المعقدة (للإنتاجية)

[TASK DECOMPOSITION - REAL EXAMPLE]

My main task is: Prepare a 2025 departmental spending-analysis report for presentation to the executive board.

Please break this down into sequential subtasks, numbered from 1 to N.

For EACH subtask, provide:
- Subtask number and title
- Description of what needs to be done
- Success criterion
- Any prior dependency
- Estimated time

Additional context:
- We have data from three sources: SAP, internal spreadsheets, and department receipts
- The presentation is in 2 weeks
- Audience: 8 non-technical executives
- Expected format: 15-20 slides with the main charts

مثال قابل للتعديل

[TASK DECOMPOSITION]

My main task is: [DESCRIBE THE OVERALL TASK]

Please break it into sequential subtasks, numbered from 1 to N.

For EACH subtask, provide:
- Subtask number and title
- Description of what must be done
- Success criterion (how to know it was done well)
- Any prior dependency
- Estimated time

Then present a recommended execution timeline.

سلسلة التفكير (Chain of Thought)

مثال قابل للتعديل:

[Chain of Thought - EDITABLE]
You are a [SPECIALIST IN WHAT?].
Analyze: [DESCRIBE THE CASE / PROBLEM]

Think step by step:
1. [WHAT IS THE FIRST LOGICAL STEP?]
2. [WHAT IS THE SECOND STEP?]
3. [WHAT IS THE THIRD STEP?]

Respond by detailing each step of your reasoning.

مثال كامل:

[Chain of Thought - FULL]
You are a project manager. Analyze the following: an ERP implementation project was planned for 6 months with a budget of R$ 500,000. We are now in month 4, R$ 450,000 has already been spent, but only 60% of the functionality has been delivered. The client is dissatisfied.

Think step by step:
1. Diagnosis: what was the root cause of the delay (scope, resources, planning)?
2. Impact analysis: how much extra time and cost will be required?
3. Strategy: what options exist (extension, scope reduction, larger team)?

Respond by detailing each stage.

شجرة التفكير (Tree of Thought)

مثال قابل للتعديل:

[Tree of Thought - قابل للتحرير]
حلّل: [صِف سيناريو معقدًا ذا خيارات متعددة]

أنشئ شجرة أفكار تحاكي سيناريوهات متعددة:

السيناريو 1: [الخيار الأول]
- نتيجة فرعية 1a: [...]
- نتيجة فرعية 1b: [...]
- النتيجة المرجحة: [...]

السيناريو 2: [الخيار الثاني]
- نتيجة فرعية 2a: [...]
- نتيجة فرعية 2b: [...]
- النتيجة المرجحة: [...]

السيناريو 3: [الخيار الثالث]
- نتيجة فرعية 3a: [...]
- نتيجة فرعية 3b: [...]
- النتيجة المرجحة: [...]

خلاصة: أي السيناريوهات يحمل أعلى احتمالًا للنجاح؟

مثال كامل:

[Tree of Thought - كامل]
تحتاج شركة إلى اتخاذ قرار بشأن التوسع الدولي. حلّل السيناريوهات الثلاثة الرئيسية:

السيناريو 1: سوق آسيا (مخاطر عالية، عائد مرتفع)
- الاستثمار الأولي: 10 ملايين دولار
- الحواجز التنظيمية: عالية
- إمكانات السوق: 500 مليون شخص
- النتيجة المرجحة: استرداد خلال 4-5 سنوات إذا نجح الدخول

السيناريو 2: سوق أمريكا اللاتينية (مخاطر متوسطة، عائد متوسط)
- الاستثمار الأولي: 5 ملايين دولار
- الحواجز التنظيمية: متوسطة
- إمكانات السوق: 150 مليون شخص
- النتيجة المرجحة: استرداد خلال 2-3 سنوات

السيناريو 3: السوق الأوروبي (مخاطر منخفضة، عائد منخفض)
- الاستثمار الأولي: 3 ملايين دولار
- الحواجز التنظيمية: عالية
- إمكانات السوق: 100 مليون شخص
- النتيجة المرجحة: عائد مستقر خلال 1-2 سنة

خلاصة: توفر أمريكا اللاتينية أفضل توازن بين المخاطر والعائد للتوسع في الأجل القصير.

سلسلة التعلم (Chain of Learning)

مثال قابل للتعديل:

[Chain of Learning - مثال قابل للتعديل]
ستعمل كمحاكي تفاعلي لتدريبي في [ما المجال؟].

[دورك]
1. أنشئ سيناريو أو مشكلة أولية حول [موضوع محدد]
2. لا تكشف الحل مباشرة
3. قدّم معلومات محايدة كلما تقدمت
4. عدّل الصعوبة وفقًا لأدائي
5. راجع طريقة تفكيري وحدد الفجوات

[صيغة التفاعل]
- أقدّم أنا التحليل أو الحل
- تقدّم أنت تغذية راجعة بناءة
- نكرر العملية حتى أصل إلى إتقان الموضوع

أنا جاهز. ما المجال والموضوع؟

مثال كامل:

[Chain of Learning - مثال كامل]
ستعمل كمحاكي تفاعلي لتدريبي في علم الوبائيات السريرية.

[دورك كأستاذ ومحاكي]
1. أنشئ سيناريو واقعيًا لتفشٍ وبائي (مثل: "رصدنا 15 حالة التهاب معدي معوي في حضانة خلال 3 أيام")
2. لا تكشف السبب المرجح مباشرة
3. قدّم البيانات عندما أطلبها (الأعراض، فترة الحضانة، التعرضات، المختبر)
4. زد التعقيد كلما أظهرت فهمًا أكبر (مثل عوامل الإرباك)
5. راجع استدلالي الوبائي (هل كانت فرضيتي الأولى مناسبة؟)

[طريقتي]
- سأصوغ فرضيات حول المصدر وطريقة الانتقال
- سأطلب بيانات محددة لاختبار الفرضيات
- ستقدّم لي تغذية راجعة حول مدى كفاية التحقيق

أنا جاهز. اعرض سيناريو التفشي.

[Chain of Verification]
Answer: what are the main drug interactions between warfarin and common foods and antibiotics? After answering, follow this verification protocol: 1. Create 3 questions to check whether the cited interactions are true (for example: “Does vitamin K really interfere?”). 2. Answer those questions independently. 3. Provide a revised and corrected final answer based on those checks.

[Chain of Verification]
List 3 recent decisions from the Brazilian Superior Court of Justice (STJ) on hospital civil liability. Follow the CoVe protocol: 1. Generate questions to confirm case number and year. 2. Answer whether the cases exist and actually concern the topic. 3. Deliver only the confirmed cases.

[Chain of Debate] ستتقمص شخصية طبيبَين متخصصَين يتناظران في داخلهما. السياق: مريض مسن هشّ لديه عدة أمراض مصاحبة وتشخيص حديث بسرطان متقدم. المهمة: حاكي نقاشًا داخليًا منظمًا: يدافع الاختصاصي A عن العلاج العدواني ويدافع الاختصاصي B عن الرعاية التلطيفية المبكرة. على كل منهما عرض حججه ودحض حجج الآخر والاعتراف بالقيود. اختم بتوليفة متوازنة.

[Chain of Debate]
Simulate a discussion between a defense attorney, a prosecutor and a judge about the admissibility of WhatsApp evidence obtained without authorization in a corruption case. Debate “Fruit of the Poisonous Tree” versus “Public Interest.”

[Self-Consistency]
Generate three independent analyses of the same clinical case involving suspected pulmonary embolism (PE). Produce three separate diagnostic reasoning paths. Then compare them, identify the most consistent convergence points, and formulate a final conclusion.

[Self-Consistency]
Generate three independent legal analyses of the same contractual case. Identify their common points and use them to formulate the most robust conclusion.

[Reflexion]
Write a postoperative guidance document for cataract surgery. After generating the text, execute: “Reflect critically on your answer: where may I have oversimplified? Which assumptions may be wrong? What additional information would change my conclusion?” After that reflection, refine your original answer.

[Reflexion]
Reflect critically on the legal opinion you have just produced. Identify weaknesses, questionable assumptions and points that need stronger grounding. Revise the opinion after that analysis.

[Prompt Chaining]
Prompt 1: Analyze this clinical case and generate a structured differential diagnosis. Prompt 2: Based on the differential diagnosis above, propose an evidence-based initial management plan.

[Prompt Chaining]
Prompt 1: Summarize the main legal risks in the presented case. Prompt 2: Based on the identified risks, develop a defensive legal strategy.

[Generated Knowledge]
Before analyzing the clinical case below, generate a technical summary on the following: pathophysiology of septic shock, current diagnostic criteria, and general principles of treatment. Only afterward should you apply that knowledge to the presented clinical case.

[Generated Knowledge]
Before analyzing the case, generate a technical summary on the following: principles of contractual good faith and legal grounds for rescission. Then apply that knowledge to the concrete case.

[Least-to-Most]
First explain, in simple language, what heart failure is. Then: 1. Explain the pathophysiological mechanisms. 2. Differentiate HF with preserved versus reduced ejection fraction. 3. Relate that distinction to therapeutic choice.

[Least-to-Most]
To conduct due diligence on a startup, first identify the 4 critical risk areas. Then, for the first area, list the indispensable documents and create a verification checklist.

[Directional Stimulus]
When answering about this clinical case, prioritize the following rigorously: patient safety, evidence-based medicine, and the prevention of overdiagnosis and overtreatment. [Describe the clinical case here].

[Directional Stimulus]
When answering about this dispute, prioritize the following: minimization of legal risk, conservative interpretation of the law, and protection of the client’s assets. [Describe the case.]

[Program-Aided Language]
Represent the diagnostic reasoning for a suspected sepsis case in logical pseudo-code (if/then) before explaining it in natural language, in order to ensure algorithmic precision.

[Program-Aided Language]
Calculate the value of a R$ 50,000 debt due on 10/01/2023, with 1% interest and IPCA inflation of 4.5%. Write a Python script that performs the calculation and run it to give me the exact amount.

[ReAct]
You will operate in ReAct format to manage a case of toxic exposure: Thought 1: I need to know which substance was ingested. Action 1: Ask the user. Thought 2: Based on the response, I should check the antidote. Action 2: Provide the dose. Continue the cycle until stabilization.

وفي سياق قانوني:

[ReAct]
Alternate between legal reasoning and action: Thought: What does this notice mean? Action: Which document should be reviewed? Thought: What are the implications? Action: What response is recommended? Continue until a final strategy is reached.

إذا كنت قد لاحظت أن «الـ ChatGPT نفسه» يتصرّف بطرق مختلفة جدًا بحسب onde تستخدمه فيه؟ المنطق تقريبًا كما يلي: الـ GPT هو النموذج، ويوضع في سياقات مختلفة عدة: فمن خلال صفحة الويب أنت تستخدم chatGPT؛ وعلى الحاسوب، لتوليد الشيفرة، تستخدم codex — النموذج نفسه، لكن الأدوات التي يمكنه الوصول إليها والتعليمات الأساسية التي تحدد ما يستطيع فعله أو لا تفعلُه مختلفة. هذه البيئة المحيطة بالنموذج هي ما نسميه harness.

الكلمة مشتقة من سرج الحصان (وحزام الأمان)

Harness، في الإنجليزية، هو سرج الحصان، وحزام صدر الكلب، وحزام أمان متسلق الجبال (وأمثلة أخرى، دون تحيز). هذه البنية التي تُلبس حول الشخص تحدد سياق عمله، وسلامته، وبأي أدوات سيعمل... والصورة تشرح نفسها بنفسها

في الذكاء الاصطناعي، الـ harness هو بالضبط هذا: طبقة البرمجيات التي تحتوي النموذج الذي يمنحه أدوات وذاكرة وأذونات وتحققًا وقدرة على الفعل. إنها البنية التحتية التي تحوّل «متنبئًا للنصوص» (النموذج) إلى «مساعد يقوم بأشياء مختلفة» (بحسب الـ harness).

النموذج وحده لا يفعل القليل فحسب

لنسترجع ما رأيناه في قسم Basic mechanics: نموذج لغوي (LLM) معزول لا يفعل شيئًا واحدًا فقط — يستقبل نصًا ويعيد اللاحقة الأكثر ترجيحًا، رمزًا بعد رمز. وحده، فإن النموذج لا يتصفح الإنترنت، ولا يشغّل الشيفرة، ولا يفتح ملفاتك، ولا يتذكر محادثة الأمس، ولا ينفذ أي إجراء في العالم. إنه يولّد النصوص فقط.

كل ما يبدو أن «الذكاء الاصطناعي يفعله» — البحث، وقراءة PDF، وتنفيذ عملية حسابية، وتوليد جدول بيانات، والاستشهاد بالمصدر الدقيق، وتذكر تفضيلاتك — هو harness يعمل حول النموذج.

كيف يعمل الـ harness عمليًا

عندما ترسل مهمة، ينفذ الـ harness هذا الدورة تقريبًا:

1. يستقبل المهمة ويجمع السياق (يجمع طلبك، والتعليمات الثابتة، والذاكرة ذات الصلة، وإن اقتضى الحال مقاطع من وثائق بحث عنها لأجلك).
2. يرسله إلى النموذج ويقرأ الإجابة.
3. إذا «طلب» النموذج أداة (البحث في الويب، أو تنفيذ شيفرة، أو قراءة ملف، أو استعلام API)، فالـ harness هو من ينفذ فعليًا ذلك الإجراء ويعيد النتيجة إلى النموذج.
4. يعيد الدورة بعدد المرات اللازمة — يفكر، وينفذ، ويراقب النتيجة، ويفكر من جديد — حتى تكتمل المهمة.
5. يطبّق الضوابط (guardrails): ما هو مسموح، وما يتطلب تأكيدك، وما يلزم التحقق منه.
6. يسلّم النتيجة — كثيرًا ما يكون مع سجل بالخطوات والمصادر (القابلية للرصد).

تشبيه المحرك والمركبة

إنها المنطق نفسه الذي استخدمته في قسم نماذج الذكاء الاصطناعي، مرحلةً واحدةً أعلى. وللتذكير: بمحرك «فوسكا» (بيتل) يمكنك أن تصنع Herbie أو طائرة خفيفة جدًا. النموذج هو المحرك، والهيكل — ما حوله — هو الـ harness. وفي هذا المثال الغريب واضح أن الـ harness يمنح النموذج وظائف وخصائص مختلفة تمامًا!

لهذا فإن سؤال «ما أفضل نموذج؟» سؤال ناقص. عمليًا، أنت لا تستخدم نموذجًا خامًا في الغالب: بل تستخدم نموذج + harness. عندما تقارن ChatGPT بـ Gemini Notebook، أو Claude على الموقع مع Claude داخل محرر أكواد، فإن جزءًا كبيرًا من الفرق الذي تشعر به يعود إلى الـ harness وليس النموذج.

من أداة إلى وكيل

عندما يمنح الـ harness النموذج استقلالية للـالتخطيط، والتنفيذ على دورات، واتخاذ خطواته بنفسه — وأحيانًا، استدعاء «وكلاء فرعيين» متخصصين (واحد للشيفرة، وواحد للصور، وواحد للبحث) — فهذا ما يقصده الناس حين يقولون agente de IA أو ذكاء اصطناعي وكيل. الوكيل، ببساطة، هو نموذج + harness مع حرية الفعل.

أمثلة على harnesses استخدمتها على الأرجح

باختصار: النموذج هو ما يفكر؛ والـ harness هو ما يتيح التفكير بالأدوات، والتنفيذ بحدود، والمساءلة عما فُعل. بدون harness، لا يعمل النموذج في العالم الحقيقي — وهو ما تشتريه وتضبطه وتراقبه عمليًا.