كل المقالات

التقنية · July 21, 2026 · 8 دقائق قراءة

هندسة الأوامر لمهندسي البرمجيات: الأوامر بوصفها مراجعة كود بالمقلوب

بالنسبة للمهندسين، ليست الأوامر حيلة في الصياغة — إنها تصميم أنظمة إضافةً إلى مراجعة كود. حدّد القيود، وأدرج الاختبارات، واقرأ المخرجات، والتقط الاستدعاء المهجور. دليل عملي مع مثال مطبّق وكيفية تقييمه.

بقلم Jakir Patel · Founder, Hanzomon

مشاركة
التقنية
في هذه الصفحة

كان المهندسون أول المحترفين الذين عاشوا مع مساعد ذكاء اصطناعي في كل يوم عمل، لذا يستحق الأمر أن نكون دقيقين بشأن هذه المهارة. إنها ليست كتابة أمر ذكي والأمل في النتيجة. المهندسون الذين يحصلون على قيمة حقيقية من الذكاء الاصطناعي يتعاملون مع الأوامر كما يتعاملون مع أي واجهة: يحدّدون العقد والقيود وأنماط الفشل، ثم يتحققون مما يعود إليهم. هذه هي المقالة الخاصة بهندسة البرمجيات ضمن سلسلتنا عن هندسة الأوامر بحسب الدور، وهي من أوضح ما تُبرزه AI Sandbox.

في AI Sandbox يعمل المهندس على مهمة برمجية حقيقية مع توافر أدوات الذكاء الاصطناعي — والإشارة الدالة هي كيفية توجيهه للمخرجات وقراءتها وتصحيحها.

الأوامر هي مراجعة كود بالمقلوب

أفضل ممارسة تصمد أمام كل دراسة حديثة تبدو مملة على السطح: حدّد معايير النجاح والقيود قبل أن تطلب، وامنح النموذج مدخلات منظّمة، وحدّد المخرجات الدقيقة التي تريدها. لم تصبح هندسة الأوامر 'كتابة أوامر أطول' — بل أصبحت 'كتابة مواصفات أوضح.' لهذا السبب تُجبر المهندسين على التفكير كمهندسي أنظمة. لكن الجزء الذي يفصل فعليًا بين القوي والضعيف هو ما يحدث بعد ظهور الكود: قراءته بعين ناقدة والتقاط المشكلة الدقيقة — استدعاء مهجور، أو إعادة محاولة تبتلع خطأ 4xx كان ينبغي إظهاره، أو حالة حدّية غير معالجة. هذه هي الطلاقة في الذكاء الاصطناعي مطبّقةً على الكود.

مثال مطبّق

اطلب من مساعد عميل واجهة برمجية غير متزامن مع منطق إعادة المحاولة. الأمر الضعيف هو 'اكتب دالة لجلب مستخدم مع إعادة محاولات.' أما الأمر القوي فيثبّت العقد والقيود و — وهذا هو الأهم — الاختبارات التي يجب أن يجتازها الكود. بعد ذلك يقرأ المهندس النتيجة، فيكتشف أن حلقة إعادة المحاولة المولّدة تتراجع عند خطأ 404 كان ينبغي لها أن تطلق استثناءً عنده، فيصلحه، ثم يشغّل الاختبار للتأكيد.

Prompt
## TASK
Write an async fetchUser(id) client method in TypeScript.

## CONSTRAINTS
- Modern async/await fetch — no deprecated request libraries
- Retry on 5xx and network errors only, never on 4xx
- Exponential backoff with jitter, max 3 attempts, 5s per-attempt timeout

## TESTS IT MUST PASS
- Returns parsed JSON on 200
- Throws immediately on 404 (no retry)
- Gives up after 3 failed attempts

## OUTPUT
Code first, then one line on any assumption you made.
  • جيد: يقيّد الطلب، ويسلّم النموذج اختباراته، ويقرأ المخرجات، ويلتقط الكود المهجور أو غير الآمن، ويتحقق بتشغيل سريع.
  • ضعيف: يلصق 'اكتب دالة جلب مع إعادة محاولات'، ويقبل أول دالة تبدو معقولة، ويشحنها وبها خطأ 4xx كما هو.

ممارسات فضلى تُحدث فرقًا فعليًا

  • البنية قبل الطول. قسّم الطلب إلى أقسام — المهمة، والمدخلات، والقيود، وصيغة المخرجات — بدلًا من فقرة واحدة طويلة. تميل جودة الاستدلال إلى التدهور قبل أن تنفد المساحة بكثير، لذا فالإحكام والوضوح يتفوقان على الإطالة المشتّتة.
  • سلّم النموذج اختباراتك. أدرج الحالات التي يجب أن يجتازها الكود، لا المتطلبات فقط. عندها يكتب وفق معيارك أنت لا وفق معيار عام.
  • اجعله يُظهر استدلاله قبل الكود، حتى يصبح الافتراض الخاطئ ظاهرًا قبل أن تجد نفسك تقرأ تنفيذًا مبنيًا عليه.
  • عامل مجموعة اختباراتك بوصفها التقييم. المخرجات ليست جاهزة لأنها تبدو صحيحة — بل تكون جاهزة حين تجتاز الاختبارات.

العادة الأعلى قيمة على الإطلاق: ضع الاختبارات في الأمر. المهندس الذي يخبر النموذج بمعنى 'الصحيح' يحصل على كود صحيح أكثر بكثير ممن يصف الميزة ويأمل.

أنماط الفشل الشائعة

  • اللصق والشحن: الوثوق بكود يبدو واثقًا دون قراءته.
  • طلبات غامضة: بلا قيود ولا صيغة مخرجات، فيخمّن النموذج — ويخمّن بشكل عام.
  • غياب خطوة التحقق: الكود يُترجَم، إذن لا بد أنه صحيح (وهو ليس كذلك بشكل موثوق).

كيف نقيّمه

لا يمكنك قياس أيٍّ من هذا باختبار قصير عن صياغة الأوامر، ولا تتعلم شيئًا بمنع الذكاء الاصطناعي في المقابلة. تضع المرشّح في مهمة هندسية واقعية بالأدوات التي سيستخدمها فعلًا وتراقب كيف يوجّه ويقرأ ويصحّح — وهو تمامًا ما يفعله تقييم AI Sandbox، وكيف تُسجَّل الطلاقة في الذكاء الاصطناعي بوصفها ركيزة. اطّلع على ما يغطّيه أيضًا تقييم مهندس البرمجيات القوي، ولماذا تُعدّ هذه الطريقة الصادقة لاختبار العمل في التوظيف المتمحور حول الذكاء الاصطناعي، أو شاهد كيف يُركَّب تقييم مضبوط حسب الدور.

Generated question
Phase 1
Structural rules
Phase 2
AI judge · 5 dimensions
Pass — banked clean
Borderline — human review
Fail — quarantined

A different model judges the maker's output — cross-model review, not a rubber stamp.

أقوى المهندسين لا يطلبون كودًا. يطلبون مسوّدة، ثم يحملون إليها القدر نفسه من التشكيك الذي يحملونه إلى أي طلب دمج — وهذا التشكيك هو ما يستحق التوظيف من أجله.
Prompt engineeringSoftware engineeringAI fluencyAI Sandbox
J

بقلم

Jakir Patel · Founder, Hanzomon

Building H-Evaluate — AI-native, quality-gated hiring assessments. Writes about assessment engineering, hiring integrity and compliance-first AI.

الأسئلة الشائعة

هل هندسة الأوامر مجرد ميزة إضافية لطيفة بالنسبة للمهندسين؟

لا. في معظم الفرق صار المساعد يكتب اليوم حصة حقيقية من مسوّدة الكود الأولى. مدى جودة توجيه المهندس لتلك الأداة — ومدى موثوقيته في التقاط أخطائها — يصبّ مباشرةً في جودة ما يُشحن وفي عبء المراجعة. لقد أصبحت جزءًا من الكفاءة الأساسية، لا مهارة جانبية.

ألا تعني الأوامر الجيدة مجرد معرفة العبارات الصحيحة؟

تلك هي الأسطورة. المهندسون الذين يحصلون على أقصى استفادة من الذكاء الاصطناعي يتعاملون مع الأوامر كتصميم أنظمة: يحدّدون معايير النجاح والقيود مسبقًا، ويدرجون الاختبارات التي يجب أن يجتازها الكود، ثم يقرؤون المخرجات بعين ناقدة. الصياغة لا تكاد تهم؛ المهم هو المواصفات والتحقق.

كيف تقيّمون هذا في توظيف فعلي؟

تمنح المرشّح مهمة هندسية واقعية مع توافر أدوات الذكاء الاصطناعي وتراقب كيف يعمل — وهو AI Sandbox. أنت تنظر إلى ما إذا كان يقيّد الطلب جيدًا، وما إذا كان يلتقط استدعاءً مهجورًا أو خطأً مبتلَعًا، وما إذا كان الكود النهائي يتجاوز المعيار فعلًا. أما اختبار قصير عن صياغة الأوامر فلا يخبرك بأيٍّ من ذلك.

مقالات ذات صلة

جرّبه على وصفك الوظيفي

انضم إلى قائمة الوصول المبكر وشاهد H-Evaluate ينشئ تقييمًا لوظيفة حقيقية.

جرّبه على وصفك الوظيفي