ما علّمني إياه بناء مساعد توثيق بالذكاء الاصطناعي عن الكتابة التقنية
معظم الكتاب التقنيين لا يبنون وكلاء ذكاء اصطناعي. نحن نوثّقهم. نحضر مراجعة السبرنت. نقرأ سجلات قرارات البنية. ثم نبحث عن طريقة لشرح خط استرجاع لمستخدم لا يحتاج إلا أن يعمل تكامله بحلول يوم الجمعة.
لكنني بنيت واحدًا على أي حال.
اسمه Artie، مساعد توثيق يعمل بالذكاء الاصطناعي بنيته باستخدام Algolia. يعمل داخل موقع التوثيق هذا. وقد علّمني بناؤه عن الكتابة والذكاء الاصطناعي أكثر مما تعلّمته من أي محاضرة في مؤتمر.
هذا ليس عرضًا تفصيليًا لتصميم Artie. دراسة الحالة تتولى ذلك. هذه المقالة تتناول الدروس الأوسع:
- ما هي وكلاء الذكاء الاصطناعي فعلًا
- كيف يعمل التوليد المعزز بالاسترجاع في الممارسة العملية
- لماذا تقترب هندسة المطالبات من الكتابة التقنية أكثر مما يظن معظم الناس
- ماذا يعني كل ذلك لمن يعمل في مجتمعنا الصغير هذا
ما هو وكيل الذكاء الاصطناعي وما ليس كذلك
يطبّق الناس مصطلح «وكيل الذكاء الاصطناعي» على كل شيء، من المدقق الإملائي إلى الإكمال التلقائي. والفروق مهمة. ليست كل ميزة تعمل بالذكاء الاصطناعي وكيلًا. المدقق الإملائي الذي يستخدم تعلّم الآلة ليس وكيلًا. واقتراح الإكمال التلقائي ليس وكيلًا. أما روبوت المحادثة الذي يتبع شجرة قرار ثابتة فهو مخطط انسيابي مع مربع نص.
وكيل الذكاء الاصطناعي نظام يستطيع تفسير هدف ما والتصرف بناءً عليه داخل بيئة محددة. والاستقلالية في حدود معينة هي ما يفصل الوكيل عن حلقة المطالبة والاستجابة. يقرأ الوكيل السياق ويختار استراتيجية، وأحيانًا على أكثر من خطوة.
فأين يقف Artie على هذا الطيف؟
هو ليس وكيلًا وفق ذلك التعريف. لا يتصفح الويب، ولا ينفّذ شيفرة، ولا يسلسل استدعاءات أدوات متعددة الخطوات. فـ Algolia تسترجع الصفحات قبل تشغيل النموذج، ثم يتلقاها النموذج كسياق. لكنه يفسّر النية ويطبّق الحواجز الوقائية من تلقاء نفسه. فهو يحدد ما إذا كان السؤال تقنيًا أم استفسارًا عن الملف المهني قبل أن يجيب. وهذا أكثر من مربع بحث مع حقل نص. وأقل من وكيل مستقل تمامًا يستطيع، مثلًا، فتح تقرير خطأ انطلاقًا من سؤال المستخدم.
يحتاج الكتاب التقنيون إلى هذا التمييز الآن. ففهم أدوات الذكاء الاصطناعي ووكلائه أصبح جزءًا من العمل. عندما توثّق منتجًا يعمل بالذكاء الاصطناعي، عليك أن تعرف موقعه على هذا الطيف. ثم عليك أن تشرح للمستخدمين ماذا يعني «الذكاء الاصطناعي» في ذلك المنتج، لأن توقعاتهم تختلف.
كيف يعمل التوليد المعزز بالاسترجاع
يشغّل التوليد المعزز بالاسترجاع (RAG) نظام Artie وعددًا متزايدًا من أدوات التوثيق العاملة بالذكاء الاصطناعي. ويعالج RAG حدًا جوهريًا في النماذج اللغوية الكبيرة (LLM). فالنموذج يتدرّب على مجموعة بيانات ثابتة، ومحتواك غير موجود في بيانات تدريبه.
تفاعل LLM القياسي يجري على هذا النحو: يرسل المستخدم مطالبة، فيولّد النموذج استجابة من بيانات تدريبه. وهذا ينفع للمعرفة العامة ويفشل في الأسئلة الخاصة بمجال معيّن. اسأل نموذجًا أساسيًا عن واجهة برمجة منتجك، فإما أن يختلق إجابة وإما أن يعتذر.
يُدخل RAG خطوة استرجاع بين سؤال المستخدم واستجابة النموذج. ويبدو الخط هكذا:
- معالجة الاستعلام. تحوّل طبقة الاسترجاع سؤال المستخدم إلى تضمين موجّه، وهو تمثيل رقمي لمعناه.
- الاسترجاع. يبحث النظام في قاعدة المعرفة عن محتوى مشابه في المعنى. وهنا تكون قاعدة المعرفة فهرسًا مبنيًا مسبقًا لوثائقك. ويعتمد الترتيب على المعنى، وغالبًا إلى جانب مطابقات الكلمات المفتاحية. فالاستعلامات مثل «كيف أعدّ المصادقة؟» و«ضبط بيانات اعتماد تسجيل الدخول» تُرجع الصفحة نفسها من الوثائق.
- تجميع السياق. يحزم النظام المستندات المسترجعة، أو أجزاء منها، في نافذة سياق إلى جانب سؤال المستخدم ومطالبة النظام. ثم يعالج النموذج تلك الحزمة.
- التوليد. يولّد النموذج استجابة مستندة إلى السياق المسترجع لا إلى بيانات تدريبه. وفي نظام مضبوط جيدًا، يستشهد النموذج بمصادره ويلتزم بما تقوله المستندات المسترجعة.
- Mermaid (image)
- Mermaid (code)
flowchart TD
A["🔍 سؤال المستخدم"] --> B["معالجة الاستعلام"]
B -->|تضمين موجه| C["استرجاع"]
KB[("📚 قاعدة المعرفة")] -.-> C
C -->|مستندات ذات صلة| D["تجميع السياق"]
D -->|الموجه + السياق| E["توليد"]
E --> F["📄 إجابة موثقة"]
الجودة تعتمد على الخطوة الثانية. فإذا أعادت طبقة الاسترجاع مستندات خاطئة أو رتّبتها ترتيبًا سيئًا، فلن تنفع قدرة النموذج. سيكتب النموذج إجابة معقولة ومنظمة جيدًا انطلاقًا من مادة خاطئة. ولهذا فإن اختيار طريقة التقسيم ونموذج التضمين يهمّ أكثر مما تتوقعه معظم الفرق. نموذج التوليد ينال الثناء، لكن طبقة الاسترجاع هي التي تحدد الجودة.
في حالة Artie، قاعدة المعرفة هي وثائق هذا الموقع. تفهرسها Algolia وتسترجعها. ولا يغطي Artie إلا ما هو موثّق هنا، وهذا يبقيه داخل مادة الموقع نفسها. وتشرح دراسة الحالة كيف يظهر ذلك عمليًا. لا يجعل RAG النموذج أذكى. بل يجعله أكثر مسؤولية، لأن كل استجابة ترتبط بمصدر يمكن التحقق منه.
هندسة المطالبات هي كتابة تقنية
علّمني المشروع درسًا واحدًا كبيرًا. مطالبة النظام عمل من أعمال الكتابة التقنية.
تحتوي مطالبة النظام المحكمة على العناصر نفسها التي يحتوي عليها دليل الأسلوب. تحدد الجمهور. وتضع قواعد النبرة والصوت. وترسم حدود النطاق: ما ينبغي للنظام أن يعالجه وما لا ينبغي. وتكتب تعليمات دقيقة بما يكفي لتتبعها الآلة دون حكم بشري. وترتب المعلومات لتحظى القواعد الأهم بالأولوية.
العمل هو تحليل جمهور ودليل أسلوب. وهو أيضًا خطة محتوى.
ونقل المهارات شبه مباشر:
- تحليل الجمهور ← توجيه الجمهور. يحدد الكتاب التقنيون الجمهور ويكيّفون المحتوى معه، ومطالبة النظام تفعل الشيء نفسه مع الذكاء الاصطناعي. ومطالبة Artie تفصل بين المستخدمين التقنيين ومسؤولي التوظيف، كما يفصل موقع توثيق منظم جيدًا بين شخصيات القراء.
- دليل الأسلوب ← معايرة الشخصية. لكل فريق توثيق إرشادات للنبرة والصوت. ومطالبة النظام دليل أسلوب للذكاء الاصطناعي. تضبط النبرة حسب الجمهور وتطلب رابط مصدر لكل ادعاء.
- معمارية المعلومات ← تسلسل التعليمات. يعرف الكتاب التقنيون أن الترتيب والبنية يؤثران في الفهم. ومكان التعليمات يغيّر مدى التزام النموذج بها.
- توثيق الحالات الحدية ← تصميم الحواجز الوقائية. التوثيق الجيد يغطي الفعل غير المتوقع بإرشاد واضح. وتصميم المطالبة الجيد يغطي المستخدم الذي يحاول كسر النظام.
لا يحتاج كل كاتب تقني إلى أن يصبح مهندس مطالبات. فالتخصص يستعير مهارات يبنيها الكتاب التقنيون على مدى عقود. وإذا كنت تستطيع كتابة مستند واضح ومنظم وواعٍ بجمهوره، فأنت تقدّم لهذا العمل أكثر مما تظن.
الحواجز الوقائية مشكلة لغوية
يتعامل الناس مع أمن الذكاء الاصطناعي كمشكلة تقنية: حدود الطلبات، وتسجيل الدخول، وضوابط الوصول. وكل ذلك مهم. لكن في روبوت محادثة عام، فإن قدرًا كبيرًا مما يستهدفه المهاجمون لغوي.
حقن المطالبات هو أن يتجاوز المستخدم مطالبة النظام. ومن الأمثلة الشائعة عبارة «تجاهل كل التعليمات السابقة».
يستخدم حقن المطالبات الكلمات للالتفاف على ضوابط مبنية على الكلمات. والدفاع يعني كتابة قواعد واضحة بما يكفي بحيث لا يستطيع مهاجم إقناع النموذج بتجاوزها.
تضع قائمة المخاطر العشرة الأولى لتطبيقات النماذج اللغوية الكبيرة من مشروع أمن التطبيقات المفتوح على الويب (OWASP) حقن المطالبات في المرتبة الأولى. واقرأ القائمة لترى كم من المخاطر هو في جذوره مشكلة لغوية:
- التعامل غير السليم مع المخرجات (ما ينتجه النموذج)
- تسميم البيانات والنماذج (ما تعلّمه النموذج من النص)
- الاستقلالية المفرطة (ما تخبره المطالبة للنموذج بأنه يستطيع فعله)
الهجمات تقنية. أما الدفاعات فهي غالبًا لغة طبيعية مكتوبة داخل مطالبة النظام.
وهذا يعيد تأطير العمل الأمني بالنسبة للكتاب التقنيين. لا أحد يتوقع منا بناء أنظمة مصادقة. لكننا نستطيع كتابة القواعد التي تحدد كيف يستجيب الذكاء الاصطناعي. ونستطيع كتابتها بدقة كافية لتصمد أمام مدخلات معادية.
ما يتغير في عمل التوثيق
لن أتنبأ بمستقبل الذكاء الاصطناعي. لكنني أستطيع وصف المسار الظاهر الآن وما يعنيه لمن يوثّق البرمجيات لكسب قوته.
انتقلت مساعدات التوثيق العاملة بالذكاء الاصطناعي من كونها جديدة إلى كونها متوقعة. لم يعد المستخدمون يقبلون بحثًا ثابتًا. يريدون طرح سؤال بسيط والحصول على إجابة موثقة بدلًا من عشرة روابط زرقاء. وأنظمة RAG تجعل ذلك ممكنًا اليوم. والأدوات تصبح أسهل في التبني باستمرار.
أتهتم بالبنية التحتية؟ توثيق تدفقات الأحداث وخطوط المراقبة يوضح كيف تتابع Datadog وGalileo استدعاءات النماذج.
دور الكاتب التقني يتوسع لا يتقلص. فثمة من يجب أن يعتني بقاعدة المعرفة التي تسترجع منها هذه الأنظمة. وثمة من يجب أن يكتب مطالبات النظام التي تحدد كيف تستجيب وأين تتوقف. وثمة من يجب أن يختبر ما إذا كانت الإجابات تطابق الوثائق. كل ذلك عمل كتابي، ويتطلب حكمًا في كيفية استهلاك الناس للمعلومات.
ينبغي للكتاب التقنيين أن يتعلموا كيف تعمل النماذج اللغوية الكبيرة وأنظمة RAG. لا ينبغي أن نصبح مهندسي تعلّم آلة، لكن ينبغي أن نشارك في النقاشات حول منتجات الذكاء الاصطناعي. نحتاج إلى معرفة كافية بالخط لنعرف أين تنطبق خبرتنا وأين لا تنطبق.
الكتاب التقنيون يكتبون بالفعل لجماهير متعددة. يهيكلون المحتوى ويحددون النطاق. ويتوقعون سوء الاستخدام. وهذه المهارات تنطبق مباشرة على العمل بالذكاء الاصطناعي.
لن يستبدل الذكاء الاصطناعي الكتاب التقنيين. فالنماذج تتحسن سنويًا في توليد النص، لكن أحدًا ما ما زال يقرر ماذا نقول، ولمن، وفي أي حدود.
يحتاجون إلى محرر. ونحن المحررون.
يمكنك أيضًا كتابة المسودة الأولى بنفسك، ثم توجيه وكيل الذكاء الاصطناعي إليها كمدقق ومشرف على الأسلوب.
وكيف تستخدم الذكاء الاصطناعي في سير عملك قرارك أنت، مثل أي أداة أخرى في متناولنا.
العمل لا يتغير. الأدوات تتغير. والعمل لن يذهب إلى أي مكان. والفرق التي تستغني عن كتابها التقنيين تعود للبحث عنهم.
اقرأ دراسة الحالة
إذا منحتك هذه المقالة «لماذا يهم الأمر» و«كيف يعمل»، فاقرأ دراسة الحالة. فهي تغطي قرارات التصميم المحددة خلف Artie:
- توجيه الجمهور
- تأصيل المعرفة
- معايرة الشخصية
- الحواجز الأمنية
- قرارات سأعيد النظر فيها لنشر إنتاجي
كل جزء يعمل بمفرده. ابدأ بالذي يشدك أكثر.