Prompt Chaining: كيف تقسّم المهام الكبيرة إلى تسلسل يستطيع الذكاء الاصطناعي التعامل معه فعليًا

حين تطلب من أداة ذكاء اصطناعي "اكتب لي خطة تسويقية كاملة لمنتجي الجديد" في رسالة واحدة، غالبًا تحصل على نص عام يغطي كل شيء بشكل سطحي دون عمق حقيقي في أي جزء. المشكلة ليست في قدرة النموذج، بل في طريقة تقديم المهمة له.

ما هو Prompt Chaining؟

Prompt Chaining هو تقسيم مهمة كبيرة إلى سلسلة من البرومبتات الأصغر، حيث تُستخدم نتيجة كل خطوة كمدخل للخطوة التالية. بدل طلب الخطة الكاملة دفعة واحدة، تطلب أولًا تحليل الجمهور المستهدف، ثم تبني على هذا التحليل لصياغة الرسالة التسويقية، ثم تبني على الاثنين معًا لكتابة خطة القنوات، وهكذا.

لماذا هذا امتداد طبيعي لـChain-of-Thought

تقنية Chain-of-Thought تطلب من النموذج أن "يفكر خطوة بخطوة" داخل رد واحد. Prompt Chaining يأخذ نفس الفكرة إلى مستوى المحادثة كلها: بدل خطوات تفكير داخل رد واحد، لديك خطوات فعلية منفصلة، وكل خطوة نتيجة قابلة للمراجعة والتعديل قبل الانتقال للخطوة التالية، وهذا يمنحك تحكمًا لا توفره طريقة الطلب دفعة واحدة.

النموذج لا يتعب من الخطوات الكثيرة؛ هو فقط يعمل بشكل أفضل حين تكون كل خطوة واضحة الحدود.

مثال عملي مبسّط

لكتابة مقال طويل: الخطوة الأولى اطلب مخططًا هيكليًا فقط. الخطوة الثانية راجع المخطط وعدّله، ثم اطلب توسيع كل قسم على حدة. الخطوة الثالثة اطلب مراجعة الأسلوب والانسجام بين الأقسام بعد تجميعها. كل خطوة مهمة صغيرة يسهل التحكم بجودتها، بدل مهمة ضخمة يصعب تصحيحها بعد إنجازها.

الخلاصة

المهام المعقدة لا تحتاج برومبتًا أذكى؛ تحتاج تقسيمًا أذكى. Prompt Chaining يحوّل مهمة يصعب تقييمها إلى سلسلة قرارات صغيرة يسهل توجيهها والتحكم بها.