المهارات prompt-engineering
📦

prompt-engineering

آمن

إتقان تقنيات هندسة الأوامر

متاح أيضًا من: Doyajin174,inference-sh

تكافح مع مخرجات ذكاء اصطناعي غير متسقة وردود غير موثوقة؟ تعلم أنماط هندسة الأوامر المثبتة التي تعظم أداء النماذج اللغوية الكبيرة وموثوقيتها وقابليتها للتحكم.

يدعم: Claude Codex Code(CC)
🥉 75 برونزي
1

تنزيل ZIP المهارة

2

رفع في Claude

اذهب إلى Settings → Capabilities → Skills → Upload skill

3

فعّل وابدأ الاستخدام

اختبرها

استخدام "prompt-engineering". المستخدم يسأل: كيف أحسّن أوامري لمهام مراجعة الكود؟

النتيجة المتوقعة:

  • استخدم قالباً منظمًا مع السياق وكتلة الكود ومجالات التركيز المحددة
  • ضمّن 2-3 أمثلة لمراجعات تظهر العمق والتنسيق الذي تتوقعه
  • اطلب تحليلاً خطوة بخطوة قبل التوصيات النهائية
  • حدد تنسيق الإخراج: التحليل، التوصية، مثال الكود، المفاضلات

استخدام "prompt-engineering". المستخدم يريد إخراج JSON متسق من الذكاء الاصطناعي لتصنيف التذاكر

النتيجة المتوقعة:

  • قدّم 3-5 أزواج أمثلة للإدخال والإخراج توضح أنواع التذاكر المختلفة
  • ضمّن حالات خاصة مثل المعلومات المفقودة أو الطلبات الغامضة
  • أظهر مخطط JSON الدقيق مع قيم null للحقول المفقودة
  • أنهِ بـ "الآن عالج:" متبوعاً بالتذكرة الجديدة لتصنيفها

التدقيق الأمني

آمن
v1 • 2/24/2026

All static analysis findings are false positives. The skill is a documentation-only resource about prompt engineering techniques. The 'external_commands' patterns appear in markdown code examples (not executable code), and no cryptographic code exists in the file. The skill contains educational content about prompting strategies with no security risks.

1
الملفات التي تم فحصها
177
الأسطر التي تم تحليلها
0
النتائج
1
إجمالي عمليات التدقيق
لا توجد مشكلات أمنية
تم تدقيقه بواسطة: claude

درجة الجودة

38
الهندسة المعمارية
100
قابلية الصيانة
87
المحتوى
50
المجتمع
100
الأمان
100
الامتثال للمواصفات

ماذا يمكنك بناءه

مطور ذكاء اصطناعي يحسّن توليد الكود

يمكن لمطوري الواجهة الخلفية تعلم أنماط الأوامر لتوليد مراجعات كود أكثر دقة وتصاميم API وتوثيق من مساعدي الذكاء الاصطناعي.

صانع محتوى يحسّن مخرجات الذكاء الاصطناعي

يمكن للكتّاب ومسوقي المحتوى تطبيق التعلم بالأمثلة القليلة وأنظمة القوالب لإنتاج محتوى متسق ومتوافق مع العلامة التجارية على نطاق واسع.

محلل بيانات ينظم تحليل الذكاء الاصطناعي

يمكن للمحللين استخدام صياغة سلسلة التفكير للتحقق من منطق الذكاء الاصطناعي في مشاكل البيانات المعقدة وتقليل الأخطاء في المهام التحليلية.

جرّب هذه الموجهات

أساسي: تعليمات مباشرة
لخّص هذه المقالة في 3 نقاط رئيسية، مع التركيز على النتائج الأساسية.
متوسط: نمط الأمثلة القليلة
استخرج المعلومات الرئيسية من تذاكر الدعم:

الإدخال: "تسجيل الدخول لا يعمل وأستمر في الحصول على خطأ 403"
الإخراج: {"issue": "authentication", "error_code": "403", "priority": "high"}

الإدخال: "طلب ميزة: إضافة الوضع الداكن للإعدادات"
الإخراج: {"issue": "feature_request", "error_code": null, "priority": "low"}

الآن عالج: "لا يمكن تحميل ملفات أكبر من 10 ميجابايت، أحصل على مهلة انتهاء"
متقدم: استدلال سلسلة التفكير
حلّل تقرير الخطأ هذا وحدد السبب الجذري.

فكّر خطوة بخطوة:
1. ما هو السلوك المتوقع؟
2. ما هو السلوك الفعلي؟
3. ما الذي تغير مؤخراً وقد يسبب هذا؟
4. ما هي المكونات المتورطة؟
5. ما هو السبب الجذري الأكثر احتمالاً؟

الخطأ: "لا يمكن للمستخدمين حفظ المسودات بعد نشر تحديث الذاكرة المؤقتة أمس"
خبير: نظام قوالب مع متغيرات
راجّع كود {language} هذا للتركيز على {focus_area}.

الكود:
{code_block}

قدّم ملاحظات حول:
{checklist}

أفضل الممارسات

  • ابدأ ببساطة وكرّر - ابدأ بتعليمات مباشرة، وأضف التعقيد فقط عند الحاجة بناءً على النتائج الملاحظة
  • أظهر أمثلة بدلاً من وصف القواعد - 2-5 أزواج إدخال-إخراج تتفوق باستمرار على الشروحات المطوّلة
  • اختبر بشكل مكثف على مدخلات متنوعة بما في ذلك الحالات الخاصة قبل نشر الأوامر في سير العمل الإنتاجي

تجنب

  • الإفراط في هندسة الأوامر بهياكل معقدة قبل تجربة التعليمات المباشرة البسيطة أولاً
  • استخدام أمثلة لا تتطابق مع المهمة المستهدفة، مما يسبب سلوكاً مرتبكاً أو غير متسق للنموذج
  • تجاوز حدود الرموز بأمثلة مفرطة تدفع السياق ذي الصلة خارج نافذة الأمر

الأسئلة المتكررة

كم عدد الأمثلة التي يجب أن أضمّنها للتعلم بالأمثلة القليلة؟
ابدأ بـ 2-5 أزواج إدخال-إخراج. المزيد من الأمثلة تحسّن الدقة لكنها تستهلك رموزاً.وازن بناءً على تعقيد المهمة وميزانية الرموز الخاصة بك.
ما هي صياغة سلسلة التفكير ومتى يجب استخدامها؟
سلسلة التفكير تطلب من النموذج إظهار الاستدلال خطوة بخطوة قبل الإجابة النهائية. استخدمها للمشاكل المعقدة والاستدلال الرياضي أو عندما تحتاج للتحقق من منطق النموذج. يمكنها تحسين الدقة بنسبة 30-50% في المهام التحليلية.
كيف أعرف إذا كان أمري يحتاج لتحسين؟
اختبر على مدخلات متنوعة وقس الدقة والاتساق واستخدام الرموز. إذا كانت النتائج تختلف بشكل كبير أو تفوت متطلبات أساسية، يمكن لاختبار A/B المنهجي لتباينات الأمر تحديد التحسينات.
ما الفرق بين أوامر النظام وأوامر المستخدم؟
أوامر النظام تحدد السلوك العام والدور والقيود التي تستمر عبر المحادثة. أوامر المستخدم تحتوي على محتوى متغير وتعليمات محددة لكل جولة. استخدم أوامر النظام للتعليمات المستقرة.
هل يمكنني استخدام هذه التقنيات مع أي نموذج ذكاء اصطناعي؟
نعم، هذه الأنماط تعمل عبر Claude و Codex و LLMs أخرى. ومع ذلك، الفعالية تختلف حسب النموذج. اختبر واعدّل بناءً على النموذج المحدد الذي تستخدمه.
كيف أتعامل مع الحالات الخاصة والأخطاء في الأوامر؟
ضمّن تعليمات احتياطية، واطلب درجات الثقة، وحدد كيفية الإشارة إلى المعلومات المفقودة. اطلب تفسيرات بديلة عندما يكون النموذج غير متأكد من الإدخال.

تفاصيل المطور

المؤلف

sickn33

الترخيص

MIT

مرجع

main

بنية الملفات

📄 SKILL.md