ملاحظة الكاتب: نستعرض، انطلاقًا من مبدأ Prose المعلن «الذكاء الاصطناعي محرر، لا كاتب بالنيابة»، إطارًا متكاملًا لتصميم مراجعة تعديلات الذكاء الاصطناعي، بدءًا من تحديد مواضعها وعرض الفروق، وصولًا إلى قبول كل تعديل على حدة والتراجع عنه وتأكيده بشريًا.
عندما تطلب من الذكاء الاصطناعي تنقيح نص، فإنه غالبًا ما يعيد كتابة الفقرة بأكملها. قد يصبح النص أكثر سلاسة، لكن معرفة الجمل المحذوفة، أو التحقق من بقاء أرقام المراجع وعدم تغيير البيانات المهمة، يترك للمستخدم مهمة المقارنة كلمة بكلمة. تركز هذه المقالة على تصميم مراجعة تعديلات الذكاء الاصطناعي موضعًا بموضع وإمكانية التراجع عنها، وتقدم إطارًا للتفاعل والتنفيذ الهندسي يمكن استخدامه مباشرة لبناء نموذج أولي.
هذه ليست مقالة تمهيدية أخرى عن «بناء أداة كتابة بمجرد ربط نموذج لغة كبير». سنحلل من زاويتَي تصميم المنتج والتنفيذ الهندسي سبب عدم ملاءمة استبدال الفقرة كاملة للكتابة الاحترافية، والمشكلات المحددة التي يجب أن تعالجها مراجعة كل تعديل على حدة.
القيمة الأساسية: بعد قراءة المقالة، ستحصل على منهج لتحليل تفاعلات تعديل النصوص بالذكاء الاصطناعي، يشمل تحديد مواضع التعديلات، وعرض الفروق، وقبول كل تعديل أو رفضه، والتراجع عنه، وحدود التأكيد البشري، بالإضافة إلى قائمة تحقق قابلة للتنفيذ.
أساسيات مراجعة تعديلات الذكاء الاصطناعي تعديلًا بتعديل
قبل البدء في التصميم، لننظر إلى مثال منشور. شارك أحد المطورين على V2EX أداة Prose التي أنشأها لكتابة النصوص الطويلة على سطح المكتب. وقد عبّر عن مبدأين لتصميمها بوضوح: «الذكاء الاصطناعي محرر، لا كاتب بالنيابة»، و«لا يُعتدّ إلا بما يمكن التحقق منه». يعني المبدأ الأول أن الذكاء الاصطناعي يقتصر على تحرير النص، وأن كل تعديل يحتاج إلى موافقة المستخدم. أما الثاني فيعني ضرورة إظهار الفروق بين النسختين، وإتاحة فتح المصادر للاطلاع على نصوصها الأصلية.
يصف المطور ميزة التحرير بأنها تتيح للذكاء الاصطناعي تعديل الملف مباشرة داخل المحرر، مع تمييز كل تعديل على حدة ليتمكن المستخدم من قبوله أو رفضه، والتراجع عنه إذا قبله عن طريق الخطأ. وقبل التحرير، يحدد الذكاء الاصطناعي القسم المعني ويعدّل الجمل اللازمة فقط، دون إعادة كتابة الفصل كله من أجل تغيير كلمة واحدة. تجدر الإشارة إلى أن تفاصيل التنفيذ التقني لـ Prose ليست منشورة؛ لذا فإن ما يلي إطار تصميم عام مستند إلى هذه المبادئ المعلنة، وليس وصفًا لتنفيذها الداخلي.
| النقطة الأساسية | التوضيح | الفائدة للمستخدم |
|---|---|---|
| تحديد الموضع قبل التعديل | يحدد النموذج أولًا الأقسام والجمل التي تحتاج إلى تعديل، ثم ينشئ التعديلات | لا تُعاد كتابة فصل كامل بسبب كلمة واحدة |
| التعديلات وحدات مستقلة | كل تعديل كائن منظّم يحمل معرّفًا | يمكن مراجعة التعديلات واحدًا تلو الآخر بدلًا من قبولها كلها دفعة واحدة |
| عرض الفروق بصريًا | عرض الفروق بين النص الأصلي والجديد على مستوى الكلمات أو الجمل | يمكن معرفة ما حُذف وما أُضيف بنظرة واحدة |
| قبول كل تعديل أو رفضه على حدة | يُتخذ قرار مستقل بشأن كل وحدة تعديل | يحتفظ المستخدم بالتحكم النهائي |
| إمكانية التراجع | سجل للعمليات مع لقطات للإصدارات | يمكن استعادة النص حتى بعد قبول تعديل بالخطأ |
| تحديد ما يتطلب تأكيدًا بشريًا | تتطلب الكتابة في مكتبة خارجية والتعديلات الجماعية تأكيدًا | يمنع الذكاء الاصطناعي من تجاوز صلاحياته وتعديل أصول المستخدم |
لماذا لا ينبغي لـ AI استبدال النص كاملًا عند مراجعته؟
لا تكمن مشكلة الاستبدال الكامل في ضعف كتابة النموذج، بل في أن عبء المراجعة ينتقل بالكامل إلى المستخدم. فإذا كان النص الأصلي يتألف من 300 حرف والنص الجديد من 320 حرفًا، فعلى المستخدم إجراء مقارنة شاملة في ذهنه ليتأكد من عدم فقدان أي حجة مهمة. وفي النصوص المتخصصة، مثل الأبحاث والتقارير والعقود، قد يؤدي حذف كلمة تحدّ من نطاق المعنى دون تنبيه، أو تغيير رقم مرجع مثل [3] بالخطأ، إلى مشكلات حقيقية.
وتشير المواد المرجعية أيضًا إلى الوضع الحالي: تعطي أدوات الدردشة على الويب نصًا جديدًا وتترك المقارنة للعين المجردة، بينما تستبدل كثير من أدوات AI المدمجة في المستندات النص المحدد دفعة واحدة، ونادرًا ما تتيح مراجعته تغييرًا بتغيير. وهنا تأتي المراجعة التدريجية لتسد هذه الفجوة: فتستبدل عبارة «عليّ أن أثق بأن AI أجرى التعديلات بشكل صحيح» بعبارة «يمكنني التحقق مما غيّره AI».
نموذج الثقة وراء المراجعة التدريجية
تعني المراجعة التدريجية، في جوهرها، إعادة توزيع المسؤوليات بين الإنسان والنموذج. يكتشف النموذج المشكلات ويقترح التعديلات، ويتخذ المستخدم القرار النهائي، بينما يسجّل النظام كل قرار ويضمن إمكانية التراجع عنه. بهذا يصبح AI أقرب إلى محرر يضيف ملاحظاته، لا إلى كاتب يسلّم نصًا جاهزًا بدلًا منك.
وبمجرد اعتماد نموذج الثقة هذا، يصبح اتخاذ كثير من القرارات التصميمية أسهل. فعلى سبيل المثال، تتضح إجابة سؤال «هل نقبل كل التعديلات افتراضيًا؟»: ينبغي أن تكون الحالة الافتراضية «بانتظار المراجعة»، لا «تم التطبيق».
دليل سريع لتصميم تعديلات AI قابلة للمراجعة
فيما يلي تفصيل لميزة تعديل النصوص باستخدام AI، بحيث تكون قابلة للمراجعة والتراجع، إلى ست مراحل بحسب ترتيب تطويرها الفعلي. ولتسهيل تطبيقها عبر مختلف التقنيات، سنستخدم تعريفات الحقول وقوائم التحقق بدلًا من الشفرة البرمجية.
المرحلة الأولى: تحديد نطاق تعديلات AI
الخطوة الأولى ليست مطالبة النموذج بالتعديل، بل بالبحث عن مواضعه. عندما يقول المستخدم «اجعل حجة الفصل الثالث أكثر إحكامًا»، ينبغي للنظام أولًا أن يطلب من النموذج تحديد نطاق الفقرات التي تحتاج إلى تعديل، وأن يطلب تأكيد المستخدم عند الضرورة قبل الانتقال إلى إعادة الصياغة. لهذا فائدتان: تقليص السياق، ما يقلل احتمال تعديل النموذج لمحتوى غير ذي صلة؛ وإتاحة الفرصة للمستخدم لتصحيح المسار مبكرًا.
في المستندات الطويلة، يمكن أولًا تقسيم المستند بحسب العناوين لإنشاء فهرس للفصول، ثم مطالبة النموذج بإرجاع قائمة بمعرّفات الفقرات المستهدفة بناءً على الفهرس وتعليمات المستخدم. بعد ذلك، تُمرَّر النصوص الأصلية لهذه الفقرات وحدها إلى مرحلة إعادة الصياغة.
المرحلة الثانية: تصميم مخرجات التحرير بالذكاء الاصطناعي كتعديلات منظّمة
هذه هي النقطة التقنية الأساسية في الحل. بدلًا من أن يعيد النموذج النص المعدّل كاملًا، اجعله يعيد قائمة بالتعديلات، يمثّل كل عنصر فيها تعديلًا مستقلًا. يُنصح بتصميم الحقول على النحو التالي:
| الحقل | المعنى | اعتبارات التصميم |
|---|---|---|
id |
معرّف فريد للتعديل | ينشئه النظام لتسهيل المراجعة وتتبع التراجع عن التعديلات |
anchor_text |
المقطع الأصلي المراد استبداله | يجب أن يكون موجودًا في النص الأصلي حرفيًا |
context_before / context_after |
نص قصير قبل المقطع المحدد وبعده | يُستخدم لتحديد المقطع المقصود عند تكراره في النص الأصلي |
replacement |
النص البديل | يشير تركه فارغًا إلى الحذف |
reason |
سبب التعديل | شرح من جملة واحدة يُعرض للمستخدم |
category |
نوع التعديل | مثل النحو أو الصياغة أو المنطق أو الحقائق، ويُستخدم للتصفية |
هناك قرار مهم هنا: استخدام «اقتباس من النص الأصلي» لتحديد موضع التعديل بدلًا من «إزاحة المحارف». فحساب النموذج لمواضع المحارف غير موثوق، بينما يكون نقله لمقطع من النص الأصلي أكثر دقة. بعد أن يتلقى النظام anchor_text، يبحث عنه في النص الأصلي بمطابقة تامة؛ فإذا لم يجد أي تطابق، فهذا يعني أن النموذج لم ينقل النص بدقة، وإذا وجد أكثر من تطابق، يستخدم السياق لتحديد الموضع المقصود.
المرحلة الثالثة: التحقق من نقاط الارتكاز والتعامل مع فشل تعديلات AI
لا يمكن عرض تعديلات النموذج مباشرة؛ بل يجب التحقق منها أولًا. يُنصح بفحص الأمور التالية على الأقل:
- تفرّد نقطة الارتكاز: يجب ألا يظهر
anchor_textمع سياقه في النص الأصلي إلا مرة واحدة، وإلا يُوسم بأنه «يحتاج إلى تحديد موضعه يدويًا». - عدم تداخل التعديلات: يجب ألا تتقاطع نطاقات نقاط الارتكاز لتعديلين. وإذا تقاطعت، فيُدمجان أو يُستبعد التعديل الثاني.
- المحتوى المحمي: إذا اختفت علامات الاستشهاد مثل
[1]أو الأرقام أو الأسماء الخاصة أو الصيغ الرياضية أثناء الاستبدال، أو طرأ عليها تغيير، فيجب إبراز تحذير إضافي. - حجم التعديل: إذا كانت نسبة النص المستبدل في تعديل واحد مرتفعة جدًا، فاعرض تنبيهًا يقول «هذا التعديل يقترب من إعادة الكتابة» ليلفت انتباه المستخدم.
لا يلزم استبعاد التعديلات التي تفشل في التحقق مباشرة؛ بل يمكن عرضها كبطاقات «اقتراح» في الشريط الجانبي ليتعامل معها المستخدم يدويًا. وهذا أقرب إلى مبدأ «لا يُعتمد إلا ما يمكن التحقق منه» من تجاهل الأخطاء بصمت.
المرحلة الرابعة: طريقة عرض الفروق في تعديلات AI
تؤثر طريقة عرض الفروق في كفاءة المراجعة. وهناك ثلاثة أشكال شائعة: الشطب والإبراز داخل النص، والمقارنة في عمودين متجاورين، وبطاقات التعليقات في الشريط الجانبي. عند تحسين صياغة الجمل، يكون عرض الفروق على مستوى الكلمات داخل النص هو الأوضح؛ أما عند تعديل بنية الفقرات، فتكون المقارنة في عمودين أكثر وضوحًا؛ وبالنسبة إلى التعديلات المنطقية التي تحتاج إلى شرح أسبابها، تكون بطاقات التعليقات أنسب.
من الطرق العملية اعتماد العرض داخل النص أساسًا، مع وضع وسم صغير بجانب كل تعديل يعرض reason عند تمرير المؤشر فوقه. ويمكن أيضًا توفير مرشحات مثل «عرض التعديلات المتعلقة بالحقائق فقط» و«عرض تعديلات الصياغة فقط»، ليتمكن المستخدم من المراجعة حسب الأولوية.
المرحلة الخامسة: قبول التغييرات ورفضها واحدًا تلو الآخر والتراجع عن تعديلات الذكاء الاصطناعي
يجب أن تكون لكل تغيير ثلاث حالات: قيد المراجعة، أو مقبول، أو مرفوض. ويجب تسجيل عمليتي القبول والرفض في سجل العمليات، مع معرّف التغيير ووقت العملية والنص قبلها وبعدها. أما التراجع فيتم بتنفيذ السجل بترتيب عكسي، سواء لإلغاء تغيير واحد أو للعودة إلى لقطة كاملة تسبق إحدى جولات التعديل بالذكاء الاصطناعي.
وهناك حالة يسهل إغفالها: قد يحرّر المستخدم المستند يدويًا أثناء المراجعة. عندها قد تصبح نقاط ارتكاز التغييرات التي لم تُراجع بعد غير صالحة، لذا يحتاج النظام إلى إعادة التحقق منها ووضع علامة «تغيّر النص الأصلي» على العناصر المتأثرة، بدلًا من فرض تطبيقها.
المرحلة السادسة: متى يلزم التأكيد البشري لتعديلات الذكاء الاصطناعي؟
لا تحتاج جميع العمليات إلى الدرجة نفسها من التأكيد. فوفقًا لنهج Prose، لا تُحفظ المراجع المكتشفة حديثًا في Zotero إلا بعد موافقة المستخدم، كما تخضع تعديلات الملاحظات بعد ربط Obsidian للمراجعة عبر عرض الفروق (diff) وتأكيدها واحدًا تلو الآخر. وهذا يحدد حدًا واضحًا: كل عملية تكتب في ملفات المستخدم أو بياناته الحالية تتطلب تأكيدًا صريحًا.
يمكن تصنيف العمليات بحسب مستوى المخاطر: يكفي إجراء مراجعة فردية لتعديل جملة داخل المحرر؛ أما التعديلات الجماعية عبر فصول متعددة فتحتاج إلى تأكيد نطاقها أولًا؛ وتتطلب الكتابة في مكتبة مراجع أو ملاحظات خارجية نافذة تأكيد منفصلة؛ بينما يستلزم حذف فقرة كاملة تأكيدًا ثانيًا.
🚀 اقتراح للنموذج الأولي: إذا كنت تختبر جدوى نهج «قائمة التغييرات المنظمة»، يمكنك البدء ببناء نموذج أولي بسيط عبر واجهة إكمال المحادثة المتوافقة مع تنسيق OpenAI على APIYI، عبر apiyi.com. تدعم المنصة استدعاء نماذج متعددة بطريقة موحّدة، ما يتيح لك التبديل بينها بسرعة باستخدام الموجه نفسه ومنطق التحقق نفسه، ومقارنة دقة نقاط الارتكاز التي تنتجها. راجع مركز توثيق APIYI للاطلاع على عنوان الواجهة والمعلمات المحددة.
مقارنة طرق التفاعل مع تعديلات الذكاء الاصطناعي على النصوص
| الطريقة | الميزة الأساسية | الاستخدام المناسب | التكلفة الرئيسية |
|---|---|---|---|
| استبدال المقطع بالكامل | يُستبدل النص المحدد مباشرة بنص جديد | مرحلة المسودة، والنصوص القصيرة، والمحتوى منخفض المخاطر | يقع عبء المراجعة بالكامل على المستخدم |
| بطاقات الاقتراحات | يعرض الشريط الجانبي اقتراحات التحسين، ويطبقها المستخدم يدويًا | اقتراحات المنطق أو البنية التي تحتاج إلى شرح الأسباب | يحتاج المستخدم إلى إجراء التعديلات بنفسه، ما يقلل الكفاءة |
| مراجعة الفروقات تعديلًا بتعديل | يُبرز كل تعديل على حدة، ويُقبل أو يُرفض بشكل مستقل | النصوص المهنية الطويلة، مثل الأوراق البحثية والتقارير والكتب | تتطلب مخرجات منظّمة، والتحقق من نقاط الارتكاز، وسجلات للتعديلات |
| النمط المختلط | تُراجع تعديلات الجمل عبر الفروقات، وتُعرض اقتراحات البنية في بطاقات | معظم منتجات الكتابة المتقدمة | تصميم التفاعل وإدارة الحالات أكثر تعقيدًا |
مقارنة أساليب مراجعة النصوص بالذكاء الاصطناعي
استبدال النص بالكامل: يتفوق هذا الأسلوب من حيث تكلفة التنفيذ، إذ لا يتطلب أي عمل هندسي إضافي تقريبًا. لكنه يترك مسؤولية التدقيق للمستخدم بالكامل، مما قد يؤدي بسهولة إلى إغفال القيود أو المراجع المحذوفة في الكتابة المتخصصة. في المقابل، تتيح مراجعة الفروق (diff) موضعًا بموضع تدقيقًا أفضل للنصوص المعدّة للتسليم.
بطاقات الاقتراحات: تتميز بطاقات الاقتراحات بقدرتها على الشرح، وتناسب مشكلات مثل «حجج هذه الفقرة غير كافية»، التي لا يمكن حلها بتعديل موضع واحد. لكنها لا تعدّل النص مباشرة، لذا يتعين على المستخدم صياغة التعديل بنفسه. أما في حالات تحسين الصياغة والقواعد، فتظل مراجعة الفروق موضعًا بموضع خيارًا أكثر أمانًا.
عمليًا، يكون الجمع بين الأسلوبين هو الحل الأكثر فائدة غالبًا. فالمساعد الإرشادي «شياو P» الذي أتاحته Prose يطرح سؤالًا واحدًا في كل مرة، ويتابع الاستفسار عن سؤال البحث والحجج من منظور المرشد أو المراجع. وهذا النوع من المخرجات يناسب البطاقات بطبيعته، بينما تُترك مراجعة الفروق لتحسين صياغة الجمل.
معايير تقييم النماذج المختلفة في تحرير النصوص بالذكاء الاصطناعي
يعتمد أسلوب مراجعة كل تعديل على حدة بدرجة كبيرة على مدى التزام النموذج بالتعليمات. لا تتوفر حاليًا بيانات منشورة عن فعالية النماذج، مثل دقة التعديلات أو معدل قبول المستخدمين لها، لذا لن نقدم ترتيبًا محددًا، بل نستعرض المعايير التي ينبغي اختبارها عمليًا في مرحلة النموذج الأولي:
| معيار التقييم | ما الذي يُختبر؟ | لماذا يهم؟ | منصة أو طريقة الاختبار |
|---|---|---|---|
| دقة إعادة إنتاج النص المرجعي | هل يمكن مطابقة anchor_text تمامًا مع النص الأصلي؟ |
تحدد ما إذا كان بالإمكان تطبيق التعديل | التبديل بين النماذج عبر APIYI apiyi.com |
| استقرار المخرجات المهيكلة | هل يعيد النموذج قائمة تعديلات بصيغة صالحة باستمرار؟ | يحدد معدل فشل تحليل المخرجات | يجب تأكيد دعم هذه القدرة في الوثائق الرسمية |
| الاقتصاد في التعديلات | هل يغيّر النموذج المواضع التي تحتاج إلى تعديل فقط؟ | يحدد عبء المراجعة | المقارنة باستخدام مجموعة اختبار ثابتة |
| الحفاظ على المحتوى المحمي | هل تُعدّل أرقام المراجع والأرقام الأخرى عن طريق الخطأ؟ | يحدد مدى موثوقية النص المهني | تصميم فقرات اختبار تتضمن مراجع |
| جودة التبرير | هل reason واضح ومحدد؟ |
تحدد سرعة مراجعة المستخدم | تقييم عينات يدويًا |
💡 نصيحة للاختيار: يختلف دعم المخرجات المهيكلة واستدعاء الأدوات وغيرها من القدرات من نموذج إلى آخر، لذا يُنصح بالرجوع إلى الوثائق الرسمية لكل نموذج وإجراء اختبارات عملية. باستخدام واجهة APIYI الموحدة، يمكنك مقارنة عدة نماذج على مجموعة فقرات الاختبار نفسها، وتسجيل معدل فشل مطابقة النص المرجعي وعدد مرات تعديل المحتوى المحمي عن طريق الخطأ، ثم اختيار النموذج الأساسي.
قائمة التحقق لتنفيذ تعديلات النصوص بالذكاء الاصطناعي
إليك قائمة تختصر المراحل الست السابقة، ويمكن التحقق من بنودها واحدًا تلو الآخر قبل الإطلاق:
| المرحلة | بند التحقق | معيار النجاح |
|---|---|---|
| تحديد النطاق | هل تُحدَّد الفقرة المستهدفة قبل إعادة الكتابة؟ | يستطيع المستخدم رؤيتها وتعديلها |
| المخرجات المنظمة | هل تُعرض التعديلات في قائمة؟ | يتضمن كل بند نقطة ارتكاز والنص البديل والسبب |
| التحقق من نقاط الارتكاز | هل يُتحقق من تفرّد النقاط وعدم تداخلها؟ | تتحول البنود التي تفشل إلى اقتراحات، ولا تُحذف بصمت |
| المحتوى المحمي | هل تُراقَب الاستشهادات والأرقام والمعادلات؟ | يظهر تحذير واضح عند تعديلها |
| عرض الفروقات | هل يُدعَم عرض الفروقات على مستوى الكلمات أو الجمل؟ | يمكن تمييز النص المحذوف والمضاف |
| المراجعة | هل يمكن قبول كل تعديل أو رفضه على حدة؟ | تتوفر أيضًا إجراءات جماعية، لكنها ليست الخيار الافتراضي |
| التراجع | هل يوجد سجل للعمليات ولقطات محفوظة؟ | يمكن التراجع عن تعديل واحد أو استعادة النسخة كاملة |
| التحرير المتزامن | هل تُعالَج التعديلات اليدوية أثناء المراجعة؟ | يُعاد التحقق من التعديلات التي لم تعد صالحة |
| حدود التأكيد | هل تتطلب الكتابة في مكتبة خارجية تأكيدًا منفصلًا؟ | لا تُحفَظ التغييرات قبل التأكيد |
أكثر بندين عرضة للاستبعاد هما «التحرير المتزامن» و«المحتوى المحمي»، لأنهما نادرًا ما يظهران أثناء العروض التجريبية. لكن المستخدمين كثيرًا ما يعدّلون النص يدويًا أثناء المراجعة، كما قد يغيّر النموذج أرقام الاستشهادات دون قصد. لذلك يُنصح بإدراج هذين البندين منذ مرحلة النموذج الأولي.
🎯 نصيحة تقنية: عند اختبار النموذج الأولي، جهّز «مجموعة اختبارات صعبة» تحتوي على أرقام استشهادات وأرقام وجمل متكررة، ثم استدعِ عدة نماذج مرشحة بالتتابع عبر APIYI على apiyi.com لتطبيق بنود التحقق الواردة في القائمة. بهذه الطريقة يمكنك معرفة حدود استقرار كل نموذج في إعادة كتابة أجزاء من النص قبل البدء بتطوير الواجهة النهائية.
الأسئلة الشائعة حول مراجعة النصوص بالذكاء الاصطناعي
س1: ما المقصود بمراجعة تعديلات الذكاء الاصطناعي تعديلًا بتعديل؟
تعني هذه المراجعة أن الذكاء الاصطناعي لا يستبدل النص كاملًا مباشرة، بل يقسّم التغييرات إلى تعديلات مستقلة، ويوضح الفرق في كل موضع. ثم يقبل المستخدم كل تعديل أو يرفضه على حدة، ويمكنه التراجع عنه لاحقًا. والفكرة الأساسية هي أن يكون كل تعديل قابلًا للتحقق والتراجع.
س2: ما الفرق بين مراجعة كل تعديل على حدة واستبدال النص كاملًا؟
استبدال النص كاملًا هو الأسهل تنفيذًا، لكن المستخدم لا يستطيع سوى قبول النص كله أو رفضه، وعليه مقارنة النسختين بصريًا للتحقق من التغييرات. أما مراجعة كل تعديل على حدة فتتطلب مخرجات منظّمة والتحقق من نقاط الارتكاز، ما يزيد تكلفة التطوير. في المقابل، تمنح المستخدم تحكمًا دقيقًا في كل تعديل، وتناسب النصوص المعدّة للتسليم مثل الأبحاث والتقارير.
س3: لماذا يُستخدم اقتباس من النص الأصلي بدلًا من موضع الأحرف لتحديد مكان التعديل؟
لا يُعتمد على نماذج اللغة الكبيرة في حساب إزاحات الأحرف بدقة؛ فأي انحراف طفيف قد يؤدي إلى تعديل الموضع الخطأ. أما إعادة عرض مقتطف من النص الأصلي ومطابقته برمجيًا فهي أكثر استقرارًا، كما يساعد استخدام السياق السابق واللاحق على التعامل مع المقاطع المتكررة. وعند فشل المطابقة، يسهل اكتشاف ذلك وإحالة التعديل إلى المعالجة اليدوية.
س4: ما أكثر حالات الاستخدام ملاءمة لمراجعة كل تعديل على حدة؟
تناسب هذه الطريقة الحالات التالية بشكل خاص:
– **الكتابة الأكاديمية**: عند تنقيح الأبحاث، يجب ضمان عدم تغيير أرقام المراجع والبيانات عن طريق الخطأ
– **تقارير الأعمال**: قد تؤثر التغييرات الطفيفة في صياغة الاستنتاجات على المعنى، لذا يلزم تدقيق كل جملة
– **المخطوطات والروايات الطويلة**: قد يرغب الكاتب في الحفاظ على أسلوبه الشخصي وقبول بعض الاقتراحات فقط
– **صيانة قواعد الملاحظات**: عند قراءة الذكاء الاصطناعي لقاعدة المعرفة الشخصية والكتابة فيها، يجب تأكيد كل تغيير
س5: كيف يمكن إنشاء نموذج أولي لمراجعة النصوص بالذكاء الاصطناعي بسرعة لاختبار الفكرة؟
يُنصح بالبدء باختبار أولي بسيط باستخدام منصة واجهات تدعم نماذج متعددة:
1. سجّل في APIYI عبر apiyi.com واحصل على مفتاح API
2. راجع وصف الواجهة في مركز التوثيق، وأرسل طلبًا باستخدام واجهة إكمال المحادثة المتوافقة مع صيغة OpenAI
3. اطلب من النموذج إرجاع قائمة بالتعديلات وفق تصميم الحقول الوارد في هذا المقال، ثم تحقّق برمجيًا من نقاط الارتكاز
بما أن APIYI تدعم استدعاء العديد من النماذج الشائعة عبر واجهة موحّدة، يمكن للنموذج الأولي نفسه التبديل سريعًا بين النماذج لمقارنة النتائج. وللتأكد من مدى دعم كل نموذج للمخرجات المنظّمة، ارجع إلى الوثائق الرسمية ونتائج الاختبار العملي.
س6: ماذا لو عدّل المستخدم المستند يدويًا في منتصف المراجعة؟
قد تصبح نقاط ارتكاز التعديلات التي لم تُراجع بعد غير صالحة. على النظام إعادة التحقق من نقاط ارتكاز جميع التعديلات المعلّقة، والإبقاء على ما لا يزال مطابقًا، ووضع علامة «تغيّر النص الأصلي» على ما فشلت مطابقته. بعدها يقرر المستخدم ما إذا كان يريد إعادة توليد تلك التعديلات، بدلًا من تطبيق التعديلات القديمة قسرًا.
س7: كيف نضبط تكلفة اختبار تنقيح النصوص بالذكاء الاصطناعي عند مقارنة عدة نماذج؟
يُفضّل البدء بمجموعة اختبار ثابتة صغيرة ومليئة بالحالات الصعبة، مثل بضع عشرة فقرة تتضمن اقتباسات وأرقامًا وجملًا مكررة، بدلًا من اختبار مقال طويل كامل مباشرةً. ومن خلال واجهة APIYI الموحدة، يمكن استدعاء عدة نماذج على دفعات وتسجيل المؤشرات الأساسية فقط، مثل معدل مطابقة المواضع المرجعية وعدد التعديلات الخاطئة، لاختيار النماذج المرشحة بتكلفة أقل.
س8: ما القيود المعروفة لمراجعة تعديلات الذكاء الاصطناعي موضعًا بموضع؟
هناك بعض القيود التي يجدر الانتباه إليها: أولًا، يعتمد الحل على قدرة النموذج على إخراج نتائج منظّمة باستمرار، ما يتطلب خطة بديلة عند فشل تحليلها؛ ثانيًا، لا يناسب إعادة الهيكلة الواسعة للنص، ومن الأفضل عرض هذا النوع من التعديلات في بطاقات اقتراحات؛ ثالثًا، لا تتوفر حاليًا بيانات منشورة في المجال عن معدلات القبول والدقة، لذا يجب التحقق من فعالية الحل بنفسك في نموذج أولي. وقد أقرّ مطوّر Prose أيضًا بأن بعض الحالات، مثل التصدير إلى تنسيق Word وإعادة الاستيراد منه، لا تزال تُعالج على نحو غير مثالي، مما يبيّن أن سلسلة العمل الكاملة للكتابة لا تزال تنطوي على تحديات هندسية عديدة.
أبرز نقاط تصميم تعديلات AI القابلة للمراجعة
- التعريف الأساسي: يجب أن تكون تعديلات AI اقتراحات تحريرية يمكن مراجعتها واحدةً تلو الأخرى، لا نصوصًا يكتبها بدلًا من المستخدم ويستبدل بها فقرات كاملة.
- حدّد الموضع قبل التعديل: حدّد القسم والفقرة أولًا، لتضييق نطاق التعديل والسياق المطلوب.
- نظّم التعديلات: اجعل كل تعديل وحدة مستقلة تضم مرجعًا في النص الأصلي، والنص البديل، والسبب.
- التحقق ضروري: تأكد قبل العرض من أن المرجع فريد، وأن التعديلات لا تتداخل، وأن المحتوى المحمي لم يتأثر.
- إمكانية التراجع شرط أساسي: استخدم سجل العمليات واللقطات لدعم التراجع عن تعديل واحد أو استعادة النسخة السابقة بالكامل.
- درجات التأكيد: يجب تأكيد عمليات الكتابة في مكتبات المراجع أو الملاحظات الخارجية كلٌّ على حدة.
- اختبار النموذج الأولي: يمكن الاستفادة من واجهة APIYI الموحدة للنماذج المتعددة لاختبار مدى ثبات النماذج المختلفة في إعادة الصياغة الموضعية.
الخلاصة
أبرز عناصر تجربة تعديل النصوص باستخدام AI:
- نموذج الثقة: يقترح AI، ويقرر المستخدم، ويتولى النظام التسجيل وضمان إمكانية التراجع.
- الجانب الهندسي: قائمة تعديلات منظمة مع التحقق من مراجع النص الأصلي هي أساس المراجعة تعديلًا بتعديل.
- خيارات التفاعل: استخدم عرض الفروق (diff) لتحسين الجمل، وبطاقات الاقتراحات للمشكلات البنيوية؛ والنمط المختلط هو الأكثر عملية.
- حدود التأكيد: كلما اقتربت عملية الكتابة من محتوى المستخدم الحالي، وجب أن يكون التأكيد أكثر صرامة.
يوفر مبدآ Prose المعلنان، «AI محرر لا كاتب بديل» و«ما يمكن التحقق منه هو ما يُعتد به»، اتجاهًا واضحًا لمنتجات الكتابة بالذكاء الاصطناعي: وضع تحكم المستخدم في صميم التصميم، بدلًا من السعي إلى التوليد بنقرة واحدة. والخطوة التالية هي بناء نموذج أولي بسيط وفق قائمة التحقق في هذا المقال، واختبار حدود النموذج باستخدام نصوص حقيقية.
ننصح باستخدام APIYI على apiyi.com لبناء النموذج الأولي والتبديل بين عدة نماذج للمقارنة، ثم استخدام مجموعة الاختبار نفسها للعثور على أنسب حل لإعادة الصياغة الموضعية.
📚 المراجع
- V2EX – طوّرتُ لصديقتي Prose، وكيلًا للكتابة المطوّلة بالذكاء الاصطناعي يجمع بين سهولة الاستخدام والاحترافية: مبادئ التصميم والميزات التي نشرها مؤلف Prose
- الرابط:
v2ex.com/t/1254240 -
الوصف: يتضمن أربعة مبادئ للتصميم، منها «الذكاء الاصطناعي محرّر، وليس كاتبًا بالنيابة»، إلى جانب ميزات مثل مراجعة تعديلات النص عبر عرض الفروق (diff)، والبحث عن المراجع، والتكامل مع Zotero وObsidian
-
الموقع الرسمي لـ Prose: أداة للكتابة المطوّلة بالذكاء الاصطناعي على سطح المكتب
- الرابط:
prose-ai.cn - الوصف: يتيح تجربة مراجعة التعديلات موضعًا بموضع، ويمكن الاستفادة منه مرجعًا لتصميم المنتجات
الكاتب: الفريق التقني في APIYI
للتواصل التقني: يمكنكم التواصل معنا عبر الصفحة الرئيسية لموقع APIYI، والاطلاع على المزيد من معلومات واجهات البرمجة في مركز التوثيق docs.apiyi.com
