تشهد منصات الذكاء الاصطناعي تحولًا مهمًا في طريقة بناء المساعدات المخصصة. فقد اعتاد المستخدم في ChatGPT على إنشاء GPT مخصص لمهمة معينة، مثل مساعد للبحث العلمي أو الكتابة أو الترجمة، بينما قدمت Google الفكرة نفسها تقريبًا من خلال Gems في Gemini. وكان المستخدم يفتح هذا البوت أو الـGem كلما أراد تنفيذ المهمة التي صُمم من أجلها. الاتجاه الجديد مختلف قليلًا؛ إذ تتحول المنصات تدريجيًا من فكرة «بوت مستقل لكل مهمة» إلى فكرة «المهارات Skills». ويمكن فهم المهارة ببساطة على أنها مجموعة تعليمات محفوظة تخبر الذكاء الاصطناعي كيف ينفذ مهمة معينة. فبدل إنشاء مساعد كامل للكتابة الأكاديمية مثلًا، يمكن إنشاء مهارة خاصة بالكتابة الأكاديمية، ثم استخدامها متى احتجنا إليها داخل المحادثة. لكن طريقة التحول تختلف بين ChatGPT وGemini. في ChatGPT تخطط OpenAI لإيقاف GPTs المخصصة ونقلها إلى نظام Plugins. وعند ترحيل GPT أنشأه المستخدم، تتحول تعليماته إلى Skill داخل Plugin، وتُنقل ملفات المعرفة إلى ملفات مرجعية، ويمكن أيضًا إضافة التطبيقات والأدوات التي يحتاج إليها. وهذا يعني أن الـPlugin أصبح أشبه بحاوية يمكن أن تضم مهارة واحدة أو عدة مهارات وملفات وأدوات في مكان واحد. أما في Gemini فالأمر أكثر مباشرة؛ إذ تستبدل Google نظام Gems بنظام Skills. فالـGem الذي كان يعمل كمساعد مستقل يمكن أن يتحول إلى مهارة قابلة للاستخدام داخل محادثات Gemini المختلفة. كما يمكن استخدام أكثر من مهارة معًا في المحادثة نفسها، ويمكن لـGemini في بعض الحالات اختيار المهارة المناسبة تلقائيًا. وتبدأ Google بتحويل Gems للحسابات الشخصية اعتبارًا من نوفمبر 2026، ثم يمتد الانتقال إلى حسابات المؤسسات والتعليم في عام 2027. وبصورة مبسطة جدًا يمكن القول إن الفرق هو أن Gemini ينتقل من: Gem ← إلى → Skill بينما ChatGPT ينتقل من: GPT مخصص ← إلى → Plugin يحتوي Skills وملفات وأدوات. ماذا ينبغي لصاحب بوت مخصص أن يفعل قبل الترحيل؟ 1. يراجع تعليمات البوت ويحذف التكرار أو التعليمات القديمة، لأن هذه التعليمات ستصبح أساس المهارة الجديدة. 2. يحتفظ بنسخة من ملفات المعرفة المهمة ويتأكد من أنها مرتبة ومحدثة. 3. يسجل الأدوات أو الاتصالات الخارجية التي يعتمد عليها البوت؛ لأن بعض الاتصالات قد تحتاج إلى إعادة إعداد بعد الترحيل. 4. يجهز مجموعة من الأسئلة التي يعرف نتائج البوت فيها، ثم يستخدم الأسئلة نفسها بعد الترحيل للتأكد من أن المهارة الجديدة تعمل بالطريقة المطلوبة.

👨‍🎓 الطالب: يا روبوت، أنا أسمع كلمات كثيرة في الذكاء الاصطناعي: برومبت إنجنيرينق، كونتكست إنجنيرينق، لوب إنجنيرينق، هارنيس إنجنيرينق، قراف إنجنيرينق. بصراحة أشعر أنها معقدة. 🤖 الروبوت: لا تقلق. سنفهمها واحدة واحدة، وبمنطق بسيط جدًا. لن نحفظ المصطلحات، بل سنبني الفكرة من البداية. 👨‍🎓 الطالب: طيب، من أين نبدأ؟ 🤖 الروبوت: تخيل أنك تريد مني إعداد خطة بحث. ماذا ستكتب لي؟ 👨‍🎓 الطالب: أكتب: «أنشئ لي خطة بحث نوعي عن أثر الذكاء الاصطناعي في التعليم». 🤖 الروبوت: ممتاز. أنت الآن استخدمت أول مستوى: Prompt Engineering — هندسة البرومبت 👨‍🎓 الطالب: يعني مجرد كتابة السؤال؟ 🤖 الروبوت: ليس مجرد سؤال. هندسة البرومبت تعني أن تصوغ لي التعليمات بطريقة تجعلني أفهم بدقة: ماذا تريد، وما دوري، وما المهمة، وما القيود، وما شكل الإجابة. 👨‍🎓 الطالب: أعطني مثالًا. 🤖 الروبوت: بدل أن تقول: «اعمل لي خطة بحث»، تقول: «أنت مساعد متخصص في البحث النوعي. أنشئ خطة بحث أكاديمية عن استخدام الذكاء الاصطناعي في التعليم، وتشمل المشكلة، والأسئلة، والأهداف، والمنهج، والعينة، وأداة جمع البيانات». 👨‍🎓 الطالب: إذن البرومبت هو: ماذا أقول للروبوت؟ 🤖 الروبوت: بالضبط. احفظها هكذا: Prompt = ماذا أطلب من الروبوت؟ 👨‍🎓 الطالب: جميل. هل إذا كتبت برومبت ممتازًا سأحصل دائمًا على نتيجة ممتازة؟ 🤖 الروبوت: ليس بالضرورة. 👨‍🎓 الطالب: لماذا؟ 🤖 الروبوت: لأن جودة التعليمات وحدها لا تكفي. أحيانًا أحتاج معلومات إضافية حتى أفهم المهمة بشكل صحيح. 👨‍🎓 الطالب: مثل ماذا؟ 🤖 الروبوت: مثل نوع البحث، تخصصك، دليل الجامعة، الدراسات السابقة، الملف الذي تعمل عليه، أو ما دار في المحادثة سابقًا. 👨‍🎓 الطالب: وهذه تسمى ماذا؟ 🤖 الروبوت: هنا ننتقل إلى المستوى الثاني: Context Engineering — هندسة السياق 👨‍🎓 الطالب: وما الفرق بينها وبين البرومبت؟ 🤖 الروبوت: الفرق بسيط جدًا: البرومبت يحدد ما الذي تريد مني فعله. أما: السياق فيحدد ما الذي أحتاج إلى معرفته حتى أفعله جيدًا. 👨‍🎓 الطالب: أعطني مثالًا. 🤖 الروبوت: إذا قلت لي: «أنشئ خطة بحث»، فهذا برومبت. لكن إذا أضفنا: أن البحث نوعي. التخصص إدارة أعمال. الجامعة تشترط صيغة محددة. هناك ملف تعليمات يجب اتباعه. لديك دراسات سابقة تريد الاستفادة منها. فكل هذه المعلومات تشكل السياق الذي أعمل داخله. 👨‍🎓 الطالب: إذن أستطيع أن أحفظها هكذا؟

🤖 تخيّل أن الـPlugin عبارة عن مؤسسة صغيرة داخل ChatGPT، لها اسم ومجال عمل، وتحتوي عددًا من الموظفين المتخصصين. 🧑‍🎓 ومن هم الموظفون؟ 🤖 الموظفون هم الـSkills. فقد يكون داخل المكوّن: Skill لاقتراح عنوان بحث نوعي. Skill لاقتراح عنوان بحث كمي. Skill لخطة البحث. Skill للدراسات السابقة. Skill للفجوة البحثية. كل Skill لها وظيفة محددة. 🧑‍🎓 وهل تعمل جميع الـSkills معًا؟ 🤖 لا. الأصل أن يختار النظام المهارة الأنسب لطلبك. 🧑‍🎓 كيف يعرف النظام أي Skill يختار؟ 🤖 لكل Skill وصف قصير يوضح: متى تستخدم؟ ومتى لا تستخدم؟ هذا الوصف يعمل مثل لافتة على باب الموظف. مثلًا: استخدم هذه المهارة للبحث عن الدراسات السابقة، ولا تستخدمها لبناء خطة البحث. كلما كانت هذه اللافتة دقيقة، أصبح اختيار Skill أدق. 🧑‍🎓 إذن أين توجد التعليمات الحقيقية للمهارة؟ 🤖 داخل ملف يسمى: SKILL.md وهذا يمكن تشبيهه بـ: دليل إجراءات الموظف. فهو يقول له: ماذا يفعل، وما المدخلات التي يحتاجها، وما الخطوات التي يتبعها، وما الذي يمنع عليه فعله، وما شكل النتيجة التي يجب أن يقدمها. 🧑‍🎓 هل SKILL.md هو نفسه Master Prompt؟ 🤖 هو أقرب شيء إليه، لكن ليس هناك بالضرورة Master Prompt واحد يحكم الـPlugin كله. كل Skill يمكن أن يكون لها SKILL.md خاص بها. بمعنى أن لديك بدلًا من «موظف واحد لديه تعليمات ضخمة»: عدة موظفين، ولكل واحد دليل عمل مستقل. 🧑‍🎓 وما دور ملف المعرفة؟ 🤖 ملف المعرفة هو مكتبة الموظف. مثلًا Skill الدراسات السابقة قد يكون لديها ملف معرفة يحتوي على: طرق البحث، معايير اختيار الدراسات، قواعد التحقق، قوالب عرض الدراسات، وكيفية اكتشاف أوجه التشابه والاختلاف. إذن: SKILL.md = كيف يعمل. Knowledge = ما المعرفة التي يستند إليها أثناء العمل. 🧑‍🎓 وما الفرق بين تعليمات النظام وتعليمات Skill؟ 🤖 تخيّلها كالتالي: تعليمات النظام هي أنظمة الدولة. تعليمات الـPlugin هي سياسة المؤسسة. تعليمات Skill هي دليل الموظف. وطلب المستخدم هو المهمة التي جاء بها العميل. ولا يستطيع دليل الموظف مخالفة الأنظمة الأعلى منه. 🧑‍🎓 أين يأتي MCP هنا؟ 🤖 هنا ننتقل من «المعرفة الموجودة داخل المكتب» إلى «العالم الخارجي». MCP هو تقريبًا: الباب الذي تستخدمه Skill للوصول إلى خدمات خارجية. مثلًا Skill الدراسات السابقة قد تحتاج الاتصال بأدوات خارجية للبحث عن أبحاث منشورة حديثًا.

OpenAI من «نموذج يجيب» إلى منظومة متكاملة لبناء تطبيقات ووكلاء -------------------------------------------------. إطلاق عائلة GPT-6: ‏Astra للأعمال الأعقد واستخدام الحاسوب والبرمجة، وSol للمهام اليومية المعقدة، وLuna للأحمال الكبيرة والمهام المحددة. كما تشير النشرة إلى أن أسعار API لـ Sol وLuna أقل بـ50 % من الأسعار الترويجية السابقة لـ GPT-5.6. Agents API أصبح في مرحلة Public Beta، ويتيح بناء وتشغيل وكلاء سحابيين طويلة المدى باستخدام Codex، مع إدارة OpenAI للتنسيق والسياق والجلسات الطويلة. GPT-Live-1 نموذج صوتي لحظي جديد، يحافظ على تدفق الصوت بينما يتولى نموذج خلفي الاستدلال واستدعاء الأدوات. GPT-Image-2.5 أصبح متاحًا عبر API بنسختين: Flare لسرعة أعلى وزمن استجابة أقل، وSunburst للتحرير الدقيق والأعمال الإبداعية التفصيلية. كشفت OpenAI عن Jalapeño، أول شريحة استدلال مخصصة لها، وتهدف إلى زيادة معدل المعالجة مع خفض زمن الاستجابة، بما يخدم تطبيقات الوكلاء. وبالنسبة لسمارت مودلز، أهم ثلاثة أشياء تستحق المتابعة مباشرة هي: GPT-6 Astra، ثم Agents API، ثم GPT-Image-2.5؛ لأنها الأقرب لبناء نماذج وبوتات ومكونات إضافية أكثر استقلالية وقدرة على التنفيذ.👤

👨‍🎓 الطالب: كلما قرأت عن المكونات الإضافية أجد كلمات كثيرة، مثل: Plugin، Skill، MCP، Script، Hook... وأشعر أنها كلها شيء واحد! 🤖 البوت: هي تعمل معًا أحيانًا، لكنها ليست شيئًا واحدًا. 👨‍🎓 الطالب: ممتاز. إذن من أين نبدأ؟ 🤖 البوت: تخيّل أنك تريد بناء مساعد ذكي للبحث العلمي. أول سؤال: أين ستجمع كل قدراته؟ 👨‍🎓 الطالب: ربما في الـPlugin؟ 🤖 البوت: بالضبط. Plugin أو المكون الإضافي هو الحزمة الكاملة. يمكن أن تجمع داخله طريقة العمل، والأدوات، والاتصالات الخارجية، والملفات المساندة، وبعض آليات التشغيل. 👨‍🎓 الطالب: إذن Plugin مثل المبنى؟ 🤖 **البوت:** تشبيه جيد. لكنه لا يخبرنا بما يوجد داخل المبنى. 👨‍🎓 **الطالب:** إذن ماذا يوجد داخله؟ 🤖 **البوت:** لنكتشف ذلك خطوة خطوة. تخيّل أننا نريد إنشاء مكوّن إضافي يساعد الطالب في إعداد بحثه. أول شيء نحتاج إليه هو أن نخبر المساعد: ماذا يفعل عندما يطلب منه الطالب مهمة معينة؟ 👨‍🎓 **الطالب:** يعني نعطيه تعليمات؟ 🤖 **البوت:** بالضبط. وهنا تأتي **Skill**. هي التي تقول للمساعد: عندما يطلب الطالب هذه المهمة، ابدأ من هنا، ثم افعل كذا، ثم انتقل إلى الخطوة التالية، وفي النهاية أعطِه النتيجة بهذا الشكل. 👨‍🎓 **الطالب:** يعني Skill هي طريقة العمل؟ 🤖 **البوت:** نعم. يمكنك أن تتذكرها هكذا: **Skill أو المهارة هي = كيف أنفذ المهمة؟** 👨‍🎓 **الطالب:** مثلاً لو طلبت منه مراجعة بحث؟ 🤖 **البوت:** يمكن أن تقول Skill: اقرأ البحث، حدّد المشكلة، راجع المنهج، افحص النتائج، ثم أعطِ الطالب ملاحظات مرتبة. 👨‍🎓 **الطالب:** واضح. لكن ماذا لو احتاج معلومات ليست موجودة داخله؟ 🤖 **البوت:** هنا نصل إلى **MCP**. تخيّل أن الطالب قال: أحضر لي بيانات من نظام الجامعة. أو: ابحث في قاعدة بيانات خارجية. أو: أرسل هذه المعلومات إلى منصة أخرى. هنا لا تكفي التعليمات وحدها. يحتاج المساعد إلى **باب يصل من خلاله إلى النظام الخارجي**. هذا الباب يمكن أن يكون MCP. 👨‍🎓 **الطالب:** إذن MCP يشبه الباب الخارجي؟ 🤖 **البوت:** تشبيه مناسب. ومن خلال هذا الباب يستطيع المساعد استخدام أدوات أو بيانات خارجية، إذا كانت متاحة له ومصرحًا باستخدامها. 👨‍🎓 **الطالب:** إذن الفرق أصبح: Skill تقول له كيف يعمل. وMCP يفتح له بابًا إلى أدوات أو بيانات يستدعيها من الخارج. 🤖 **البوت:** صحيح. 👨‍🎓 **الطالب:**