لفترة طويلة كان التعامل مع الذكاء الاصطناعي يدور حول سؤال بسيط: كيف أكتب Prompt أفضل؟ ثم تطورت الأدوات، وأصبح الذكاء الاصطناعي قادرًا على استخدام الملفات والأدوات وواجهات البرمجة وقراءة المشاريع وتنفيذ الأوامر. عندها تغيّر السؤال: كيف أجعل الذكاء الاصطناعي يعمل بطريقة منظمة وموثوقة، وليس فقط يعطي إجابة جيدة؟
هنا تظهر مفاهيم Context Engineering وAgent Engineering وHarness Engineering وAgent Security. ومن المشاريع المفتوحة المصدر التي تجسد هذه الفكرة عمليًا مشروع Everything Claude Code (ECC)، الذي يقدم منظومة من الوكلاء المتخصصين والمهارات والقواعد والـHooks والذاكرة وأدوات الاختبار والمراجعة والأمان.
1. عندما لم يعد الـPrompt كافيًا
كان من الممكن أن يقول المستخدم: «اكتب لي تطبيقًا لإدارة الطلاب»، فيحصل على كود. لكن المشروع الكبير يحتاج إلى فهم المتطلبات، وضع خطة، كتابة الاختبارات، التنفيذ، اكتشاف الأخطاء، المراجعة، الاختبار، وتذكر القرارات المهمة. لذلك يصبح Prompt واحد غير كافٍ لإدارة دورة عمل طويلة.
2. ما هو Context Engineering؟
يمكن النظر إلى Prompt Engineering باعتباره محاولة لصياغة التعليمات المناسبة للنموذج. أما Context Engineering فهو أوسع: السياق قد يتضمن تعليمات النظام، Prompt المستخدم، الملفات، نتائج الأدوات، سجل المحادثة، الذاكرة، MCP والبيانات الخارجية.
وتشرح Anthropic أن Context Engineering أصبح امتدادًا طبيعيًا لـPrompt Engineering مع انتقالنا من المهام البسيطة إلى الوكلاء الذين يعملون عبر عدة دورات من الاستدلال واستخدام الأدوات.
Prompt Engineering = ماذا أقول للذكاء الاصطناعي؟
Context Engineering = ما المعلومات والأدوات والقيود التي يجب أن تكون أمامه عندما يعمل؟
3. من نموذج يجيب إلى Agent يعمل
يمكن تبسيط فكرة AI Agent إلى نظام يستطيع فيه نموذج الذكاء الاصطناعي استخدام الأدوات بصورة مستقلة ضمن دورة من الخطوات لتحقيق هدف معين. بدلًا من «سؤال → إجابة» نصبح أمام: هدف → تخطيط → استخدام أدوات → ملاحظة النتائج → اتخاذ قرار → إجراء آخر → تحقق.
لكن كلما زادت قدرة الوكيل، زادت الحاجة إلى تنظيم طريقة عمله، خصوصًا عندما يتعامل مع الملفات والأوامر وMCP والصلاحيات.
4. ECC: تحويل الوكيل إلى نظام عمل
مشروع Everything Claude Code (ECC) يقدّم مجموعة من الأدوات والمنهجيات التي تنظم دورة العمل بدل أن يبدأ الوكيل بالتنفيذ مباشرة.
يمكن تلخيص الدورة الأساسية في:
Plan → Test → Implement → Review → Verify → Remember → Improve
أي: خطط → اختبر → نفّذ → راجع → تحقق → تذكّر → حسّن.
والقيمة الأساسية ليست في الأوامر الفردية، بل في تحويل طريقة العمل نفسها إلى نظام متكرر وقابل للتحسين.
5. كيف تعمل المنهجية عمليًا؟
Plan
يفهم الوكيل المتطلبات ويحدد الملفات والمكونات المتأثرة قبل التنفيذ.
Test
يحدد كيف يمكن التأكد من أن الحل يعمل، ويضع الاختبارات المناسبة.
Implement
ينفذ التغيير المطلوب.
Review
تتم مراجعة العمل بدل افتراض أنه صحيح لمجرد أن النموذج قال ذلك.
Verify
تشغيل الاختبارات والتحقق من النتيجة.
Remember
حفظ القرارات والمعلومات التي تستحق الاحتفاظ بها للمراحل اللاحقة.
Improve
تحويل المشكلات المتكررة والحلول الناجحة إلى معرفة أو Skills قابلة لإعادة الاستخدام.
6. لماذا قد تكون المراجعة من Fresh Context مفيدة؟
إذا قضى الوكيل وقتًا طويلًا في بناء حل معين، فقد يصبح لديه سياق متراكم يفسر من خلاله قراراته السابقة. إعطاء مهمة المراجعة إلى سياق جديد يمكن أن يساعد في اكتشاف أخطاء أو افتراضات أو نقاط لم تُختبر.
المبدأ هنا بسيط: من المفيد أحيانًا أن يكون من يراجع الحل أقل ارتباطًا بالسياق الذي أنتجه.
7. Skills: تحويل المعرفة المتكررة إلى قدرة قابلة لإعادة الاستخدام
من العناصر المهمة في ECC مفهوم Skills. بدل إعادة كتابة نفس التعليمات في كل مرة، يمكن تحويل المعرفة أو طريقة تنفيذ مهمة إلى Skill قابلة لإعادة الاستخدام، مثل مهارات الاختبار والبحث والأمان والتوثيق وتطوير الواجهات.
الفكرة ليست أن يكون الذكاء الاصطناعي جيدًا فقط بسبب Prompt طويل، بل أن يمتلك قدرات منظمة وقابلة لإعادة الاستخدام.
8. Agents متخصصة بدل Agent واحد يفعل كل شيء
يمكن توزيع الأدوار بين وكلاء متخصصين: Planner للتخطيط، Reviewer للمراجعة، Security Agent للتحليل الأمني، Architecture Agent لمراجعة التصميم، وBuild Repair Agent لمعالجة أخطاء البناء والاختبارات.
الفكرة تشبه فريقًا هندسيًا صغيرًا، لكن أفراده وكلاء ذكاء اصطناعي، بحيث يكون لكل واحد دور وسياق ومهمة واضحة.
9. الذاكرة ليست مجرد حفظ المحادثة
ليس من المفيد إرسال كل ما حدث في المشروع إلى النموذج في كل مرة. تشير Anthropic إلى أن السياق مورد محدود، وأن المهام الطويلة تحتاج إلى تقنيات مثل compaction وتدوين الملاحظات المنظمة والهندسة متعددة الوكلاء للحفاظ على المعلومات المهمة دون إغراق السياق.
الهدف ليس أن يتذكر الوكيل كل شيء، بل أن يتذكر الأشياء التي يحتاج إليها عندما يحتاج إليها.
10. الأمان يصبح جزءًا من هندسة الـAgent
في مقال الأمان السابق ركزنا على فحص مخرجات الذكاء الاصطناعي. هنا نطرح سؤالًا مختلفًا وأوسع: هل بيئة الـAgent نفسها آمنة؟
فالوكيل قد يتعامل مع ملفات حساسة، ومفاتيح API، وأوامر Shell، وخوادم MCP، وHooks، وصلاحيات واسعة، وتعليمات موجودة داخل الملفات، ومحتوى خارجي غير موثوق.
لذلك يجب ألا نركز على المخرجات فقط، بل على البيئة التي تمنح الوكيل الأدوات والصلاحيات.
11. AgentShield: فحص بيئة الوكيل
يتضمن ECC أداة AgentShield لفحص إعدادات وكلاء الذكاء الاصطناعي بحثًا عن مشكلات أمنية وسوء إعدادات ومخاطر مرتبطة بـPrompt Injection. وتشمل الفحوصات الأسرار والمفاتيح، والصلاحيات الواسعة، وHooks، وMCP servers، وإعدادات الوكلاء وبعض أنماط Prompt Injection.
للاطلاع على المشروع مباشرة: AgentShield على GitHub.
كما يوفر ECC أمرًا مخصصًا لـSecurity Scan للمساعدة في تحويل نتائج الفحص إلى خطة لمعالجة المخاطر: ECC Security Scan.
12. MCP وHooks: قوة إضافية ومسؤولية إضافية
كلما زادت الأدوات التي يستطيع Agent استخدامها، زادت قدرته، لكنها تزيد أيضًا سطح المخاطر. فقد يمنح MCP الوكيل الوصول إلى خدمة أو بيانات أو وظيفة خارجية، بينما قد ينفذ Hook أوامر تلقائيًا عند أحداث معينة.
ولهذا ينبغي التعامل مع Hooks وMCP والصلاحيات كعناصر أمنية وليست مجرد إعدادات تقنية ثانوية.
لا تمنح Agent صلاحية لمجرد أن من الممكن منحه إياها. الصلاحية يجب أن تكون مرتبطة بالمهمة والحاجة الفعلية.
13. Agent تقليدي أم Agent بهندسة منظمة؟
| Agent تقليدي | Agent بهندسة منظمة |
|---|---|
| يستقبل Prompt | يستقبل هدفًا وسياقًا منظمًا |
| يبدأ التنفيذ | يخطط قبل التنفيذ |
| يكتب الحل | يكتب ويختبر |
| يراجع نفسه ضمن السياق نفسه | يمكن أن يستخدم سياقًا مستقلًا للمراجعة |
| يكرر التعليمات يدويًا | يستخدم Skills قابلة لإعادة الاستخدام |
| ذاكرة غير منظمة | ذاكرة وسياق مُداران |
| الأمن غالبًا مرحلة لاحقة | الأمن جزء من البيئة |
| النتيجة هي التركيز الأساسي | العملية والنتيجة والتحقق كلها مهمة |
الفارق الحقيقي هنا ليس فقط «ذكاء النموذج»، بل هندسة النظام المحيط بالنموذج.
14. هل ECC يجعل الـAgent آمنًا؟
لا. وجود أداة فحص لا يعني أن النظام أصبح آمنًا تلقائيًا. يمكن لـECC وAgentShield المساعدة في اكتشاف أنواع معينة من المخاطر، لكن الأمن يحتاج إلى مراجعة بشرية، وضبط للصلاحيات، واختبارات، وتحقق مستمر.
وتوضح وثائق ECC أهمية التمييز بين نتائج الفحص الفعلية وبين الحكم اللاحق عليها، وعدم اختراع نتائج لم ينتجها الفاحص.
15. من Prompt Engineering إلى Agent Engineering
Prompt Engineering
كيف أصيغ التعليمات؟
↓
Context Engineering
ما المعلومات والأدوات التي يجب أن تصل إلى النموذج؟
↓
Agent Engineering
كيف أجعل النموذج يعمل بصورة مستقلة ضمن دورة منظمة؟
↓
Harness Engineering
كيف أبني البيئة والقواعد والأدوات والاختبارات التي تضبط عمل الوكيل؟
↓
Agent Security
كيف أحمي الوكيل وبيئته وأدواته من المخاطر؟
16. هل هذه هي نهاية Prompt Engineering؟
ليس بالضرورة. سيظل Prompt مهمًا، لكن دوره يصبح مكوّنًا واحدًا داخل منظومة أكبر. في التطبيقات البسيطة قد يكون Prompt هو الجزء الأكبر من النظام، أما في التطبيقات الوكيلة المعقدة فيصبح Prompt جزءًا من Context وWorkflow وTools وMemory وSecurity.
17. ماذا نتعلم من ECC حتى لو لم نستخدمه؟
- لا تبدأ دائمًا بالتنفيذ: ابدأ بفهم المهمة والتخطيط.
- اختبر بدل أن تثق: لا تعتبر المخرجات صحيحة لمجرد أن النموذج قال إنها صحيحة.
- افصل التنفيذ عن المراجعة: استخدم سياقًا مستقلًا للمراجعة عندما يكون ذلك مفيدًا.
- اجعل المعرفة قابلة لإعادة الاستخدام: حوّل الإجراءات المتكررة إلى Skills أو قواعد.
- تعامل مع السياق كمورد: المزيد من المعلومات لا يعني دائمًا نتيجة أفضل.
- قلل الصلاحيات: أعط Agent ما يحتاج إليه فقط.
- افحص بيئة الوكيل: لا تركز على المخرجات وحدها.
- اجعل التحسين مستمرًا: المشكلة المتكررة يمكن أن تتحول إلى قاعدة تمنع تكرارها.
الخلاصة
ربما كان السؤال الصحيح في بداية عصر الذكاء الاصطناعي: كيف أكتب Prompt أفضل؟
أما السؤال الذي بدأ يظهر مع انتشار AI Agents فهو: كيف أبني نظامًا يجعل الذكاء الاصطناعي يعمل بطريقة أفضل؟
وهذا هو التحول من Prompt Engineering إلى Agent Engineering.
ومشروع ECC يمثل مثالًا عمليًا مثيرًا للاهتمام على هذا الاتجاه؛ فهو يحاول تحويل مجموعة من الممارسات الموزعة بين Prompts وتعليمات وأدوات وعمليات مراجعة إلى نظام عمل متكامل للوكيل.
والفكرة الأهم ليست ECC نفسه، بل أن مستقبل العمل مع وكلاء الذكاء الاصطناعي قد لا يعتمد فقط على الحصول على نموذج أكثر ذكاءً، وإنما على بناء بيئة أفضل حول النموذج:
سياق أفضل → أدوات أفضل → صلاحيات محسوبة → اختبارات → مراجعة → أمان → ذاكرة → تحسين مستمر.
وهنا يتحول الذكاء الاصطناعي من مجرد أداة نطلب منها تنفيذ مهمة، إلى نظام عمل هندسي يمكن تصميمه واختباره وتحسينه.
مصادر ومراجع
- ECC – Everything Claude Code
- ECC Security Scan
- AgentShield
- Anthropic – Effective Context Engineering for AI Agents
🎥 فيديو مرتبط
سيتم إضافة Instagram Reel هنا بعد توفره والتحقق من محتواه وملاءمته للمقال.
