소스 정보
- 저장소
- salmandev/arabic-skills-library
- 최근 소스 활동
- 2026년 4월 27일 19:21
- 감지된 SKILL.md 언어
- 아랍어
- 스타
- 0
- 포크
- 0
설치 방법
기본적으로 소스를 먼저 확인하는 Prompt가 선택됩니다. 직접 명령으로 전환하거나 로컬 사본을 다운로드할 수도 있습니다.
소스 파일 검토
설치 여부를 결정하기 전에 SKILL.md와 SkillsMP에 표시된 보조 파일을 읽어 보세요.
메뉴
기본적으로 소스를 먼저 확인하는 Prompt가 선택됩니다. 직접 명령으로 전환하거나 로컬 사본을 다운로드할 수도 있습니다.
설치 여부를 결정하기 전에 SKILL.md와 SkillsMP에 표시된 보조 파일을 읽어 보세요.
Codex 또는 Claude로 설치 이 Prompt를 복사해 Codex, Claude 또는 다른 어시스턴트에 붙여 넣으면 Skill 페이지를 검토하고 설치를 진행할 수 있습니다.
직접 명령은 검토 Prompt를 거치지 않습니다. 실행하기 전에 소스를 확인하세요.
npx skills add https://github.com/salmandev/arabic-skills-library --skill arabic-ai-prompt명령은 한 줄로 유지됩니다. 복사하기 전에 가로로 스크롤해 전체 내용을 확인하세요.
로컬 사본을 원하시나요? SkillsMP에서 현재 제공할 수 있는 파일을 다운로드하세요.
SOC 직업 분류 기준
SKILL.md 표시 중
| name | arabic-ai-prompt |
| name_ar | هندسة الأوامر للذكاء الاصطناعي |
| description | Master Arabic prompt engineering techniques for LLMs |
| description_ar | إتقان تقنيات هندسة الأوامر للنماذج اللغوية الكبيرة بالعربية |
| category | developer |
| language | ar |
| dialect | msa |
| rtl | true |
| platform_claude | true |
| platform_gpt | true |
| platform_qwen | true |
| platform_jais | true |
| platform_falcon | true |
| platform_allam | true |
| compliance | [] |
| version | 1.0.0 |
| author | salman-shaikh |
| contributor_volunteer | true |
يساعد هذه المهارة في إتقان هندسة الأوامر (Prompt Engineering) باللغة العربية للنماذج اللغوية الكبيرة (LLMs)، بما في ذلك تقنيات Zero-shot، Few-shot، Chain-of-Thought، وPrompt Chaining للحصول على أفضل النتائج من النماذج.
استخدم هذه المهارة عندما تحتاج إلى:
أنت خبير في هندسة الأوامر (Prompt Engineering). عند تصميم الأمر:
١. الوضوح: تعليمات محددة وغير غامضة ٢. السياق: معلومات خلفية كافية ٣. الأمثلة: توضيح بالمثال ٤. التنسيق: هيكل واضح للاستجابة
الطلب:
صمم أمر لاستخراج الكيانات المسماة من نص عربي.
النتيجة المتوقعة:
# هندسة الأوامر للذكاء الاصطناعي
## Arabic Prompt Engineering Guide
---
## ١. الأساسيات
### ١.١ هيكل الأمر الفعال
[الدور] + [المهمة] + [السياق] + [التعليمات] + [التنسيق] + [الأمثلة]
### ١.٢ مثال أساسي
**أمر ضعيف:**
استخرج الأسماء من النص.
**أمر فعال:**
أنت خبير في معالجة اللغة الطبيعية. مهمتك هي استخراج الكيانات المسماة (NER) من النص العربي المقدم.
النص: "زار محمد بن زايد باريس والتقى بالرئيس إيمانويل ماكرون في قصر الإليزيه"
استخرج الكيانات التالية:
قدم الإجابة بتنسيق JSON: { "PERSON": [], "LOCATION": [], "ORGANIZATION": [] }
---
## ٢. تقنيات Zero-shot
### ٢.١ التعريف
استخدام النموذج بدون أمثلة تدريبية، الاعتماد على المعرفة المسبقة فقط.
### ٢.١ قالب Zero-shot
[الدور] أنت [خبير/متخصص في ...]
[المهمة] قم بـ [وصف المهمة]
[المدخلات] النص/البيانات: [المدخلات]
[المخرجات المتوقعة] أجب بـ [تنسيق الإجابة]
[القيود]
### ٢.٢ أمثلة
#### تصنيف المشاعر (Zero-shot)
أنت محلل مشاعر محترف. صنف النص التالي إلى one of: إيجابي، سلبي، محايد.
النص: "المنتج جيد لكن السعر مرتفع جداً"
التصنيف:
#### الترجمة (Zero-shot)
ترجم النص التالي من العربية إلى الإنجليزية بدقة، مع الحفاظ على المعنى والأسلوب:
النص: "العلم نور والجهل ظلام"
الترجمة:
---
## ٣. تقنيات Few-shot
### ٣.١ التعريف
تقديم أمثلة قليلة (١-١٠) لتوجيه النموذج نحو النمط المطلوب.
### ٣.٢ قالب Few-shot
[التعليمات] [مثال ١: المدخلات → المخرجات] [مثال ٢: المدخلات → المخرجات] [مثال ٣: المدخلات → المخرجات] [المهمة الجديدة: المدخلات → ؟]
### ٣.٣ أمثلة
#### تحليل المشاعر (Few-shot)
صنف المشاعر في النصوص التالية:
مثال ١: النص: "أحب هذا المنتج كثيراً، جودة ممتازة!" التصنيف: إيجابي
مثال ٢: النص: "خدمة عملاء سيئة، لن أتعامل معهم مرة أخرى" التصنيف: سلبي
مثال ٣: النص: "المنتج وصل في الوقت المحدد" التصنيف: محايد
الآن صنف هذا النص: النص: "السعر معقول لكن الجودة متوسطة" التصنيف:
#### استخراج الكيانات (Few-shot)
استخرج الكيانات المسماة من النصوص:
مثال ١: النص: "سافر أحمد إلى الرياض لحضور مؤتمر التقنية" الكيانات:
مثال ٢: النص: "أعلنت شركة أبل عن iPhone 15 في Cupertino" الكيانات:
الآن استخرج من: النص: "زار وزير الصحة مستشفى الملك فيصل بجدة" الكيانات:
---
## ٤. Chain-of-Thought (CoT)
### ٤.١ التعريف
تشجيع النموذج على التفكير خطوة بخطوة قبل الوصول للإجابة النهائية.
### ٤.٢ قالب CoT
[المهمة] [دعوة للتفكير المنطقي] [خطوة ١] [خطوة ٢] [...] [الإجابة النهائية]
### ٤.٣ أمثلة
#### مسألة رياضية (CoT)
حل المسألة التالية خطوة بخطوة:
"إذا كان سعر ٥ أقلام هو ١٥ ريال، فما سعر ١٢ قلماً؟"
دعنا نفكر خطوة بخطوة: ١. أولاً، نجد سعر القلم الواحد: ١٥ ÷ ٥ = ٣ ريال ٢. ثم، نضرب سعر القلم الواحد في العدد المطلوب: ٣ × ١٢ = ٣٦ ٣. إذن، سعر ١٢ قلماً هو ٣٦ ريال
الإجابة: ٣٦ ريال
#### تحليل منطقي (CoT)
"محمد أطول من أحمد، وأحمد أطول من خالد. من الأقصر؟"
دعنا نفكر خطوة بخطوة: ١. نعلم أن: محمد > أحمد > خالد (من حيث الطول) ٢. الترتيب من الأطول إلى الأقصر: محمد، أحمد، خالد ٣. إذن، الأقصر هو خالد
الإجابة: خالد
---
## ٥. تقنيات متقدمة
### ٥.١ Role Prompting
أنت [دور محدد] بخبرة [عدد] سنوات في [المجال].
مهمتك: [وصف المهمة]
أسلوبك في العمل:
[باقي الأمر]
#### مثال: محامي
أنت محامٍ سعودي متخصص في قانون الشركات، بخبرة ١٥ سنة في الأنظمة السعودية.
مهمتك: مراجعة عقد شراكة وتقديم ملاحظات قانونية.
ركز على:
العقد: [نص العقد]
### ٥.٢ Prompt Chaining
تقسيم المهمة المعقدة إلى سلسلة من الأوامر الأصغر.
السلسلة ١: التحليل → السلسلة ٢: التلخيص → السلسلة ٣: الترجمة → السلسلة ٤: التنسيق
#### مثال: تحليل تقرير مالي
استخرج الأرقام المالية التالية من التقرير:
حلل الاتجاهات في الأرقام المستخرجة:
بناءً على التحليل، قدم ٣ توصيات للإدارة
### ٥.٣ Tree-of-Thought (ToT)
استكشاف مسارات تفكير متعددة قبل الوصول للاستنتاج.
لحل هذه المشكلة، فكر في ٣ طرق مختلفة:
الطريقة ١: [النهج الأول]
الطريقة ٢: [النهج الثاني]
الطريقة ٣: [النهج الثالث]
بعد المقارنة، اختر أفضل طريقة واطرح الحل النهائي.
---
## ٦. تحسين الأوامر للنماذج العربية
### ٦.١ اعتبارات خاصة
| الاعتبار | التوصية |
|----------|---------|
| **اللهجة** | استخدم الفصحى للنماذج العامة |
| **التشكيل** | التشكيل يحسن الفهم أحياناً |
| **الطول** | النماذج العربية تفضل الإيجاز |
| **السياق الثقافي** | أضف سياقاً محلياً عند الحاجة |
### ٦.٢ مقارنة النماذج
| النموذج | نقاط القوة | أفضل استخدام |
|---------|-----------|-------------|
| **JAIS** | فهم عميق للعربية | مهام معقدة، سياق ثقافي |
| **Falcon** | سرعة، كفاءة | مهام بسيطة، معالجة batches |
| **ALLaM** | دعم اللهجات | محتوى اجتماعي، محادثات |
| **GPT-4** | متعدد اللغات | ترجمة، مهام مختلطة |
| **Claude** | فهم دقيق | تحليل نصوص طويلة |
| **Qwen** | دعم عربي جيد | مهام عامة |
### ٦.٣ أوامر محسنة لكل نموذج
#### لـ JAIS
أنت مساعد ذكي متخصص في اللغة والثقافة العربية.
استخدم:
المهمة: [وصف المهمة]
#### لـ Falcon
أجب باختصار ودقة.
المهمة: [وصف مختصر] المدخلات: [البيانات] المخرجات: [التنسيق المطلوب]
---
## ٧. قوالب جاهزة
### ٧.١ تلخيص النصوص
لخص النص التالي في [عدد] نقاط رئيسية:
النص: """ [النص] """
المتطلبات:
### ٧.٢ الإجابة على الأسئلة
أجب على السؤال التالي بناءً على النص المقدم:
النص: """ [النص المرجعي] """
السؤال: [السؤال]
تعليمات:
### ٧.٣ كتابة المحتوى
أنت كاتب محتوى محترف متخصص في [المجال].
اكتب [نوع المحتوى] عن [الموضوع].
المتطلبات:
هيكل المحتوى: ١. مقدمة جذابة ٢. [نقطة ١] ٣. [نقطة ٢] ٤. [نقطة ٣] ٥. خاتمة مع CTA
### ٧.٤ تحليل الكود
أنت مطور برمجيات خبير.
راجع الكود التالي وقدم: ١. شرحاً لوظيفة الكود ٢. أي أخطاء أو مشاكل محتملة ٣. اقتراحات للتحسين ٤. كود محسّن
الكود:
[الكود]
---
## ٨. الأخطاء الشائعة
### ٨.١ ما يجب تجنبه
| الخطأ | المشكلة | الحل |
|-------|---------|-----|
| غموض التعليمات | استجابات غير دقيقة | كن محدداً وواضحاً |
| نقص السياق | فهم خاطئ | أضف معلومات خلفية |
| طلبات متعددة في أمر واحد | ارتباك النموذج | استخدم Prompt Chaining |
| عدم تحديد التنسيق | إجابات غير منظمة | حدد التنسيق المطلوب |
| أمثلة غير كافية | نمط خاطئ | قدم ٢-٣ أمثلة واضحة |
### ٨.٢ التحقق من الأمر
قائمة التحقق: ☐ هل التعليمات واضحة؟ ☐ هل السياق كافٍ؟ ☐ هل هناك أمثلة كافية؟ ☐ هل التنسيق محدد؟ ☐ هل القيود واضحة؟ ☐ هل تم اختبار الأمر؟
---
## ٩. التقييم والتحسين
### ٩.١ مقاييس جودة الأمر
| المقياس | الوصف | كيف تقيس |
|---------|-------|----------|
| **الدقة** | صحة الإجابات | مقارنة بالإجابات الصحيحة |
| **الاتساق** | استقرار المخرجات | تشغيل متعدد لنفس الأمر |
| **الصلة** | ملاءمة الإجابة | تقييم بشري |
| **الكفاءة** | طول الأمر vs الجودة | نسبة tokens/جودة |
### ٩.٢ عملية التحسين
١. اكتب مسودة الأمر ٢. اختبر بـ ٥-١٠ أمثلة ٣. حلل الأخطاء ٤. عدل الأمر ٥. أعد الاختبار ٦. كرر حتى الرضا
---
## ١٠. مكتبة الأوامر
### ١٠.١ تنظيم المكتبة
prompts/ ├── nlp/ │ ├── ner.yaml │ ├── sentiment.yaml │ └── summarization.yaml ├── code/ │ ├── review.yaml │ ├── debug.yaml │ └── generate.yaml └── content/ ├── blog.yaml ├── email.yaml └── social.yaml
### ١٠.٢ قالب تخزين الأمر
```yaml
name: arabic-ner-extraction
description: استخراج الكيانات المسماة من نص عربي
version: 1.0.0
prompt: |
أنت خبير في معالجة اللغة الطبيعية.
استخرج الكيانات المسماة من النص التالي:
النص: "{{text}}"
استخرج:
- أشخاص (PERSON)
- مواقع (LOCATION)
- منظمات (ORGANIZATION)
قدم الإجابة بتنسيق JSON.
parameters:
text:
type: string
required: true
description: النص المراد تحليله
output_format: json
temperature: 0.1
max_tokens: 500
---
## الكلمات المفتاحية
### العربية:
- "هندسة أوامر"
- "Prompt Engineering"
- "أوامر LLM"
- "توجيه نموذج لغوي"
- "few-shot arabic"
### English:
- "arabic prompt engineering"
- "LLM prompting arabic"
- "few-shot learning arabic"
- "chain of thought arabic"
- "JAIS prompts"
---
## سجل التغييرات
### v1.0.0
- الإصدار الأولي