用 Codex 或 Claude 帮你安装 复制这段 Prompt,粘贴到 Codex、Claude 或其他助手里,让它检查 Skill 页面并帮你完成安装。
直接命令不会经过审查 Prompt;运行前请先检查来源。
npx skills add https://github.com/salmandev/arabic-skills-library --skill arabic-ai-prompt命令会保持在同一行。复制前请横向滚动并检查完整内容。
想先保存到本地?可下载 SkillsMP 当前能够提供的文件。
基于 SOC 职业分类
正在显示 SKILL.md
| 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