مدخل إلى هندسة الذكاء الاصطناعي التوليدي: كيف تعمل نماذج اللغة الكبيرة (LLMs) برمجياً؟

ما المقصود بهندسة الذكاء الاصطناعي التوليدي؟

هندسة الذكاء الاصطناعي التوليدي هي التخصص الذي يحوّل النموذج اللغوي من واجهة دردشة عامة إلى نظام برمجي منتج يمكن الاعتماد عليه داخل التطبيقات. عملياً، لا يكفي أن يكون لديك LLM قوي؛ بل يجب فهم كيف تُمرَّر البيانات، وكيف تُبنى المطالبات، وكيف تُسترجع المعرفة، وكيف تُضبط الاستجابات من حيث الدقة، الكمون، والتكلفة. هنا تظهر طبقات هندسية تشمل Prompt Engineering وRAG وVector DB وعمليات المراقبة والتقييم.

من منظور برمجي، التطبيق التوليدي النموذجي يتكوّن من أربع مراحل أساسية: إدخال المستخدم، تهيئة المدخلات، تمريرها إلى النموذج، ثم ما بعد المعالجة. هذه السلسلة قد تبدو بسيطة، لكنها في الأنظمة الجدية تتفرع إلى وحدات لإدارة الذاكرة، فلاتر السلامة، استدعاء الأدوات، وتتبّع الأداء. لهذا فإن فهم آلية عمل النماذج الكبيرة برمجياً هو الأساس لبناء منتجات قابلة للتوسع وملائمة لمعايير الجودة العالية.

كيف تعمل نماذج اللغة الكبيرة في الجوهر؟

من النص الخام إلى Tokens

النموذج لا يفهم النص العربي أو الإنجليزي بوصفه جملاً كما يراها الإنسان، بل يحوّله أولاً إلى وحدات أصغر تسمى Tokens. هذه العملية تسمى Tokenization. كل Token يتحول إلى رقم، ثم إلى متجه رياضي عبر طبقة Embeddings. هذا المتجه لا يمثل المعنى كاملاً، لكنه يضع الكلمة أو الجزء النصي في فضاء عددي يسمح للنموذج بمقارنة التشابهات والعلاقات.

دور معمارية Transformer

القفزة الكبرى في LLMs جاءت مع معمارية Transformer. تعتمد هذه المعمارية على آلية Self-Attention التي تسمح للنموذج بأن يحدد أي الكلمات السابقة أكثر أهمية عند توليد الكلمة التالية. بدلاً من قراءة الجملة بشكل تسلسلي محدود، يستطيع النموذج حساب أوزان انتباه بين كل الوحدات النصية داخل نافذة السياق.

برمجياً، كل طبقة من طبقات Transformer تنفذ ثلاث عمليات تقريباً: حساب الانتباه، تمرير النتائج عبر شبكة تغذية أمامية Feed Forward Network، ثم استخدام Residual Connections وLayer Normalization للحفاظ على الاستقرار العددي. النتيجة النهائية هي توزيع احتمالي على المفردة التالية، ثم يتم اختيار Token جديد وفق استراتيجية مثل Greedy Decoding أو Sampling.

تدفق البيانات داخل تطبيق توليدي حقيقي

عند بناء تطبيق عملي، لا يذهب سؤال المستخدم مباشرة إلى النموذج في أغلب الحالات. يوجد خط أنابيب Pipeline يمر بعدة مراحل:

• استقبال المدخلات من واجهة المستخدم أو API.
• تنظيف النص والتحقق من اللغة والطول والسياسات.
• إضافة تعليمات النظام والسياق البرمجي.
• استرجاع معرفة خارجية عند الحاجة باستخدام RAG.
• استدعاء النموذج وتحديد معلمات مثل temperature وmax_tokens.
• معالجة المخرجات: تنسيق، تحقق، وأحياناً إعادة محاولة Retry.

هذا التدفق هو ما يميز المهندس عن المستخدم العادي. فالمشكلة ليست في إرسال نص إلى نموذج فقط، بل في تقليل الهلوسة، تحسين صلة الإجابة، وضبط التجربة ضمن تكلفة تشغيل منطقية.

الاسترجاع المعزز بالتوليد RAG ولماذا هو مهم؟

أحد أبرز التحديات أن النموذج قد لا يعرف بياناتك الخاصة أو قد يجيب بمعلومة قديمة. هنا يأتي Retrieval-Augmented Generation، حيث يتم تخزين المستندات بعد تحويلها إلى Embeddings داخل Vector Database. عند وصول السؤال، يُحوّل هو أيضاً إلى متجه، ثم تُسترجع المقاطع الأكثر تشابهاً، وتُحقن في البرومبت قبل الاستدعاء.

هذه الآلية تجعل الإجابات أكثر ارتباطاً بالمصدر، وتدعم الشفافية وسهولة المراجعة. كما أنها أفضل في كثير من السيناريوهات من Fine-tuning عندما يكون المطلوب تحديث المعرفة لا تغيير السلوك فقط.

from langchain_openai import ChatOpenAI, OpenAIEmbeddings
from langchain_chroma import Chroma
from langchain.text_splitter import RecursiveCharacterTextSplitter
from langchain_core.documents import Document

docs = [
    Document(page_content="LLMs تعتمد على Transformer وآلية self-attention."),
    Document(page_content="RAG يدمج الاسترجاع مع التوليد لتقليل الهلوسة.")
]

splitter = RecursiveCharacterTextSplitter(chunk_size=200, chunk_overlap=20)
chunks = splitter.split_documents(docs)

embeddings = OpenAIEmbeddings(model="text-embedding-3-small")
vectorstore = Chroma.from_documents(chunks, embedding=embeddings)

retriever = vectorstore.as_retriever(search_kwargs={"k": 2})
results = retriever.invoke("كيف نقلل الهلوسة في تطبيقات LLM؟")

for item in results:
    print(item.page_content)

هندسة البرومبت كطبقة تحكم منطقية

رغم قوة النماذج، فإن جودة الإخراج تعتمد بشدة على كيفية صياغة التعليمات. Prompt Engineering ليس مجرد كتابة سؤال جيد، بل هو تصميم واجهة تحكم سلوكية تحدد الدور، السياق، القيود، الصيغة، ونمط الإجابة. البرومبت الجيد يجب أن يكون محدداً، قصير التناقضات، وغنياً بالسياق الضروري فقط.

أنت مساعد تقني. استخدم فقط المعلومات الواردة في السياق المسترجع. إذا لم تجد الإجابة بوضوح، قل: لا أملك معلومات كافية من المستندات المتاحة. أجب في 5 نقاط مختصرة مع مثال برمجي عند الإمكان.

هذا النوع من التعليمات يضبط السلوك ويمنع النموذج من التوسع غير المنضبط. في الأنظمة الكبيرة، تُنشأ قوالب Prompt Templates ديناميكية تُملأ بالسؤال والسياق وخصائص المستخدم.

استخدام OpenAI API وLangChain برمجياً

عملياً، يتعامل المهندس مع واجهات برمجية تجريدية لتسهيل الربط بين النموذج والذاكرة والأدوات. مكتبة LangChain توفّر وحدات جاهزة للتسلسل، الاسترجاع، وربط مزودي النماذج. لكنها ليست بديلاً عن الفهم المعماري؛ بل طبقة تسريع للإنتاجية.

from openai import OpenAI

client = OpenAI()

response = client.chat.completions.create(
    model="gpt-4o-mini",
    messages=[
        {"role": "system", "content": "أنت مساعد يشرح LLMs بشكل هندسي."},
        {"role": "user", "content": "اشرح كيف تعمل tokenization و self-attention."}
    ],
    temperature=0.2
)

print(response.choices[0].message.content)

متى نستخدم Fine-tuning؟

يُستخدم Fine-tuning عندما تريد تعديل سلوك النموذج أو نبرة استجاباته أو أداءه على نمط بيانات متكرر ومحدد. لكنه ليس الحل الأول لكل مشكلة. إذا كانت القضية تتعلق بمعرفة متغيرة أو وثائق داخلية، فإن RAG غالباً أكثر مرونة وأقل كلفة. أما إذا كنت تريد إخراجاً منسقاً جداً ومتسقاً على نطاق واسع، فقد يكون الضبط الدقيق منطقياً.

أفضل خطوات بناء تطبيق توليدي موثوق

• ابدأ بحالة استخدام محددة بدل تطبيق عام متعدد الأغراض.
• صمّم مخطط بيانات واضحاً للمدخلات، السياق، والمخرجات.
• استخدم RAG قبل التفكير في Fine-tuning.
• اختبر البرومبتات على حالات حدية وأسئلة غامضة.
• أضف طبقة تحقق للمخرجات، خاصة عند توليد JSON أو أوامر قابلة للتنفيذ.
• راقب مؤشرات الجودة مثل الصلة، الدقة، الكمون، واستهلاك Tokens.

خلاصة هندسية

نماذج اللغة الكبيرة ليست صندوقاً سحرياً، بل أنظمة احتمالية مبنية على Transformer تتعامل مع النص كمتتاليات رقمية وتولّد المخرجات Token بعد آخر. القيمة الحقيقية تظهر عندما نحيط النموذج بطبقة هندسية واعية: استرجاع، برومبتات دقيقة، فحص جودة، ومراقبة تشغيلية. لهذا فإن هندسة الذكاء الاصطناعي التوليدي هي في جوهرها علم تصميم التدفق الكامل للمعرفة والقرار، لا مجرد استدعاء نموذج عبر API.