مستقبل الذكاء الاصطناعي التوليدي

القيود الحالية، والمشهد المتطور، وخطواتك القادمة في ثورة الذكاء الاصطناعي.

ما لا يستطيع الذكاء الاصطناعي فعله (حتى الآن)

فهم القيود لا يقل أهمية عن فهم القدرات.

🧮
فجوات الاستدلال العميق
الرياضيات متعددة الخطوات والمنطق الصوري لا تزال تربك حتى أفضل النماذج.
🌍
لا نموذج للعالم
نماذج اللغة الكبيرة لا “تفهم” حقاً الفيزياء أو الزمن أو العلاقات المكانية.
💡
الابتكار الحقيقي
الذكاء الاصطناعي يعيد مزج أنماط من بيانات التدريب. الاختراقات الحقيقية تبقى بشرية.
🏔️
المهام طويلة الأمد
المهام التي تمتد لأيام أو أسابيع مع مئات القرارات لا تزال تحتاج إشرافاً بشرياً.
بلغة مبسّطة

ببساطة: المشكلة ليست أنه يخفق. كل شيء يخفق أحيانًا. المشكلة أنه يخفق بالنبرة الفصيحة الواثقة نفسها التي يستعملها حين يصيب — فالإخفاق لا يعلن عن نفسه كما يفعل تردّد إنسان.

تقنيًّا: هذه الأربع قيود على النموذج السائد اليوم لا حقائق دائمة عن الآلات، والقول الأمين أننا لا نستطيع الجزم بأيّها سيتزحزح تاليًا. وما يجعلها مكلفة الآن هو غياب إشارة المعايرة: فصاحة المخرَج غير مرتبطة بصحّته، فالحدس البشري المعتاد لالتقاط عدم اليقين لا ينطبق. صمّم على أساس ذلك لا على أساس معدّل الإخفاق.

استخدام القيود لصالحك

كل قيد هو عامل تصميم يمكنك العمل معه، وليس ضده.

الاستراتيجية 1
تحقق دائماً
ادمج التحقق في كل سير عمل. الاختبارات والمحللات وCI/CD تكتشف أخطاء الذكاء الاصطناعي تلقائياً — واجعل ما يفحص العمل منفصلًا عمّا أنتجه.
الاستراتيجية 2
حدد نطاق المهام بدقة
قسّم المهام الكبيرة إلى أجزاء صغيرة قابلة للتحقق. كل جزء يحصل على حلقته الوكيلية الخاصة — عمل واحد، ومُخرَج واضح، وطريقة فشل ظاهرة.
الاستراتيجية 3
استند إلى المصادر
استخدم RAG والوصول إلى الأدوات لمنح النموذج بيانات حقيقية. لا تدعه يخمن عندما يمكنه البحث.
الاستراتيجية 4
شراكة الإنسان والذكاء الاصطناعي
البشر يحددون الاتجاه ويتخذون قرارات الحكم ويتحققون. الذكاء الاصطناعي يتولى التنفيذ على نطاق واسع.
بلغة مبسّطة

ببساطة: لن تسلّم زميلًا جديدًا مشروع ستة أشهر في يومه الأول وتعود إليه في النهاية. بل تعطيه شيئًا تستطيع النظر فيه يوم الجمعة. ولا واحدة من هذه الاستراتيجيات الأربع تجعل النموذج أفضل — بل تجعل أخطاءه رخيصة مبكّرة بدل أن تكون باهظة متأخّرة.

تقنيًّا: الأربع كلها تقصّر المسافة بين الخطأ واكتشافه. فتضييق النطاق يحدّ إلى أي مدى تنتشر خطوة خاطئة؛ والتحقّق يجعل الصحّة قابلة للفحص آليًّا بدل الفحص بالعين؛ والتأصيل يزيل صنف الأخطاء الناشئ عن التخمين في وقائع يمكن استرجاعها؛ والمراجعة البشرية هي الملاذ للبقيّة التي لا تلتقطها الثلاث الأخرى. والاستراتيجيات تتراكب، وأضعفها هو ما يحدّد أرضية الخطأ الفعلية عندك.

التحيّز والإنصاف والضرر

يتعلّم النموذج العالم من بيانات تدريبه — بما في ذلك انحيازات هذا العالم. التحيّز ليس عيباً نسي أحدهم إصلاحه؛ إنه الحالة الافتراضية، وإبعاده يحتاج عملاً متعمَّداً.

🩻
من أين يتسلل التحيّز
بيانات التدريب، والتوسيم البشري، وحلقات التغذية الراجعة — كلٌّ يضيف ميله الخاص.
⚖️
تعريفات متضاربة للإنصاف
هناك عدة تعريفات لـ“الإنصاف” — وعادةً لا يمكنك تحقيقها كلها معاً.
🎭
نوعان من الضرر
الضرر التمثيلي يشكّل كيف تُصوَّر الفئات؛ والضرر التوزيعي يقرر من يحصل على ماذا.
🛠️
ما الذي يفيد فعلاً
إجراءات ملموسة: بيانات متوازنة، وقياس، وإنسان في الحلقة.
بلغة مبسّطة

ببساطة: المرآة ليست قاسية حين تريك ياقة معوجّة. درّب نظامًا على سجلّات كيف اتُّخذت القرارات في الماضي فسيعيد إنتاج كيف اتُّخذت — بما في ذلك ما لا يدافع عنه أحد جهرًا. ولا يلزم أن يخطئ شيء ليحدث ذلك؛ فهذا هو النظام وهو يعمل.

تقنيًّا: يدخل التحيّز في كل مرحلة — تركيب المدوّنة، والتوسيم، واختيار دالة الهدف، وحلقة التغذية الراجعة بعد النشر — فلا موضع واحد لإصلاحه. والنقطة الأصعب أن «الإنصاف» ليس هدفًا واحدًا: فعدّة معايير إنصاف صورية غير متوافقة برهانًا إلا في حالات منحلّة، فأنت تختار أيّ تعريف تحقّقه لا هل تكون منصفًا. وهذا الاختيار إما قرار معلَن قابل للمراجعة، أو قرار غير معلَن.

لماذا تخدعك المعايير القياسية

“الأفضل على MMLU” تبدو عبارة حاسمة. لكنها ليست كذلك عادةً. المعيار القياسي يقيس الأداء على اختبار واحد مجمّد — وهناك أربعة أسباب وجيهة تجعل هذا الرقم لا يطابق ما تراه في الإنتاج الفعلي.

🧫
التلوّث
إن تسرّبت أسئلة الاختبار إلى بيانات التدريب، فالنموذج يستذكر — لا يستدل.
📈
التدريس من أجل الاختبار
تحسين النموذج لمعيار قياسي يرفع الدرجة دون أن يرفع المهارة خلفها.
🌉
فجوة المعيار
أسئلة الاختيار من متعدد النظيفة لا تشبه إطلاقاً مدخلاتك الواقعية الفوضوية.
🏆
كيف تقرأ ادعاء “الأفضل”
ما الذي تتحقق منه قبل أن يعني “الأفضل على X” شيئاً لاستخدامك أنت.
بلغة مبسّطة

ببساطة: اختبار القيادة يخبرك أن أحدهم يستطيع اجتياز اختبار قيادة. وهذا دليل حقيقي — وليس هو ادّعاء «آمن على طريق سريع غير مألوف تحت المطر». فالدرجة حقيقية؛ لكن ما يفعله الناس بها أن يرقّوها بهدوء إلى وعد لم تقطعه قط.

تقنيًّا: المعيار قياس على توزيع واحد مجمَّد ومعلَن، وكل خاصّية تجعله صالحًا للاستعمال تجعله قابلًا للتسرّب: فكونه معلَنًا يستدعي التلوّث، وكونه ثابتًا يستدعي التحسين عليه، وكونه نظيفًا يزيل الالتباس الذي يسيطر على مُدخلات الإنتاج. ولا شيء من ذلك يجعل الرقم بلا معنى — بل يجعله قياسًا عليك أن تذكر نطاقه. والعادة القابلة للنقل أن تسأل: ماذا قِيس، وعلى ماذا، ومتى، ومن قاسه، وأن تعامل الرقم غير الموسوم كأنه غير مقيس.

شكل حوكمة الذكاء الاصطناعي

القوانين ستتغير؛ أما شكل الحوكمة الجيدة فأكثر ثباتاً. أينما نظرت تتكرر أربع ركائز — وهي تنطبق بوضوح على الطريقة التي يجب أن تدير بها ميزات الذكاء الاصطناعي عندك.

الركيزة 1
مستويات الخطورة
طابق القواعد مع حجم المخاطر. مرشّح البريد المزعج ونموذج الموافقة على القروض لا يستحقان التدقيق نفسه.
الركيزة 2
الشفافية والإفصاح
يجب أن يعرف الناس متى يتعاملون مع ذكاء اصطناعي — وعلى أي بيانات دُرّب.
الركيزة 3
الإشراف البشري
يستطيع شخصٌ مراجعة القرارات عالية المخاطر وتجاوزها، ويمكن الطعن أمامه فيها.
الركيزة 4
المساءلة
حين يسبب النظام ضرراً، يكون هناك شخصٌ مسمّى مسؤولاً — لا “الخوارزمية”.
مثال تطبيقي — قانون الذكاء الاصطناعي الأوروبي: يصنّف الأنظمة إلى مستويات حسب الخطورة. بعض الاستخدامات محظورة ببساطة؛ و“عالية الخطورة” (التوظيف، الائتمان، الطب) تحمل التزامات صارمة؛ ومعظم الأدوات اليومية تواجه قواعد إفصاح خفيفة فقط. الفكرة نفسها التي تستخدمها في الهندسة: أنفق ميزانية الأمان حيث يكون نطاق الضرر أكبر.
بلغة مبسّطة

ببساطة: لوائح البناء لا تخبرك كيف تصمّم بيتًا. تخبرك أن الدرج يحتاج درابزينًا، وأن على أحدهم اعتماد التمديدات الكهربائية، وأنه إن سقط السقف فثمّة اسم على الشهادة. وحوكمة الذكاء الاصطناعي الجيّدة هي الحيلة نفسها مطبَّقة على أنظمة تتّخذ قرارات في حقّ الناس.

تقنيًّا: الركائز الأربع قائمة على النتائج لا على التقنية، ولهذا عمّرت أطول من عدّة موجات من التنظيم المحدّد: فهي تقيّد ما يجب أن يستطيع النظام إثباته، لا كيف يجب أن يُبنى. وهذا أيضًا ما يجعلها قابلة للنقل إلى الممارسة الهندسية — فتدرّج المخاطر هو أين تنفق جهد المراجعة، والشفافية هي ما تسجّله، والإشراف هو مسار التجاوز عندك، والمساءلة هي مالك مُسمّى. والتشريعات ستظل تتغيّر؛ وهذه الأربع تظل تعود.

الاتجاهات الرئيسية التي تشكل المستقبل

ستة اتجاهات يتحرك فيها المجال، مأخوذة من حيث تتركّز فعلاً جهود البحث وإصدارات المنتجات. كل بطاقة عنوان — افتح واحدة لتعرف ما تعنيه عمليًا، وتعامل مع أرقام القدرات داخلها كصورة للحظة لا كرقم ثابت.

👁️
متعدد الوسائط
نص وصور وصوت وفيديو — كلها في نموذج واحد
🤖
وكيلي
ذكاء اصطناعي يعمل باستقلالية مع الأدوات
🧠
الاستدلال
التفكير الموسع وسلسلة الأفكار
⚡
السرعة والتكلفة
النماذج تصبح أسرع وأرخص بشكل أُسّي
📐
سياق أطول
من 4 آلاف إلى 200 ألف إلى مليون+ رمز
🌐
نظام بيئي مفتوح
MCP ومعايير مفتوحة وقابلية التشغيل البيني
بلغة مبسّطة

ببساطة: ستة اتجاهات، والشيء الوحيد المشترك بينها أن لا واحد منها خطّ نهاية. فالاتجاه وصفٌ لأين ذهب الجهد، وهذا ادّعاء أضعف بكثير من التنبؤ — فقد ذهب الجهد من قبل في اتجاهات تبيّن أنها طرق مسدودة.

تقنيًّا: اقرأ هذه بوصفها مجالات تركّز فيها البحث والاستثمار المنتَجي، لا خريطة طريق. واثنان منها يتعارضان على نحو يستحق الالتفات: فالسياق الأطول والكلفة الأدنى لكل مهمة يشدّان في اتجاهين متضادّين، إذ تنمو كلفة الانتباه نموًّا فوق خطّي في طول التسلسل، وعلاجاتها تقريبات لها مفاضلاتها الخاصّة. وأي رقم قدرة محدّد يُلحَق بها — أحجام النوافذ والأسعار وأزمنة الاستجابة — لقطة زمنية، وهذا الدرس أخبرك أصلًا بما تفعله برقم بلا تاريخ.

شكل العمل

وكيل واحد، وسلسلة طويلة واحدة، ونافذة سياق واحدة. وحين يصبح ذلك بطيئًا ومكلفًا تكون الغريزة إعادة كتابة الأمر النصّي — لكن الأمر النصّي سليم غالبًا والشكل هو الخطأ، لأن التسلسل ليس تبعية. اسأل ذلك عن كل سهم: هل الخطوة التالية تقرأ فعلًا مُخرَج الخطوة السابقة؟ وحيث تكون الإجابة لا، فالانتظار متخيّل وحذفه لا يكلّف شيئًا. وأربعة أشكال تغطّي كل شيء تقريبًا هندسة المخطّطات

سلسلة
كل انتظار انتظارٌ حقيقي
توزيع ثم تجميع مرّة واحدة
لا تنتظر إلّا للمجموعة كاملة
مسار رخيص ومسار عميق
أنفِق بقدر ما يستحقّ
حلقة مُتحقَّق منها
أعِد بدليل فقط
لا رخيصٌ ولا صامدٌ تلقائيًّا. فأسطولٌ لكل طلب يستهلك أكثر بكثير من السلسلة التي حلّ مكانها — وكل تشغيل يطول بما يكفي لأن يُقطَع عليه أن يعرف من أين يستأنف، وإلّا فانهيار في الدقيقة الأربعين يكلّفك أربعين دقيقة.
بلغة مبسّطة

ببساطة: أربعة أشخاص يطبخون عشاءً واحدًا لا يقفون في صفّ عند لوح التقطيع نفسه. يقسّمون ما هو مستقلّ، ويلتقون عند النقطة التي يجب أن يتجمّع فيها الطبق، ويتذوّقه أحدهم قبل أن يخرج من المطبخ — والتذوّق عمل منفصل عن الطبخ، لأن من صنعه هو أسوأ من يحكم عليه.

تقنيًّا: اثنان من هذه نُقلا طبقةً إلى الخارج من استراتيجيتين سابقتين في هذه الوحدة. فـ«تحقّق دائمًا» تصبح عقدة وظيفتها الوحيدة منع العمل الضعيف من المرور إلى ما بعدها؛ و«حدِّد نطاق المهام بإحكام» تصبح عملًا واحدًا محدودًا لكل عقدة يُعيد قيمة مُهيكَلة، وهو ما تزيد أهميته كلما طال التشغيل، لأن النصّ الحرّ يُلخَّص عند كل انتقال وكل تلخيص يفقد شيئًا. وبشأن التسمية: الممارسة موثّقة — فقد نشرت Anthropic عن وكيل قائد ينسّق وكلاء فرعيين متوازيين مع مرحلة إسناد منفصلة، وتذكر نتائج أفضل في العمل الاستكشافي العريض بكلفة رموز أعلى بدرجة معتبرة — لكن المصطلح نحتُ مُمارِس لا مفردة مستقرّة. تعلّم الأشكال، وأمسِك الاسم بيد رخوة.

التأثير على تطوير البرمجيات

النسخة الصادقة من هذه الشريحة لا تحمل أي رقم. أرقام الإنتاجية في التطوير بمساعدة الذكاء الاصطناعي تُنقل كثيرًا وتُقاس بسوء — فهي تتغيّر مع المهمة واللغة وقاعدة الكود والأدوات والشهر، والوحدة التي قرأتها للتوّ تخبرك بما تفعله برقم يصلك بدون هذا كله. أما ما يمكن وصفه بلا رقم فهو شكل التغيير، وهذا الشكل ثابت لم يتبدّل.

التحول: الذكاء الاصطناعي لا يحل محل المطورين — بل يغير معنى “التطوير”. كتابة أقل، تفكير أكثر. تصحيح أقل، تصميم أكثر. تكرار أقل، إبداع أكثر.
✍️
الكتابة تتوقف عن كونها العمل
الكود النمطي والهياكل الجاهزة ونقطة النهاية الرابعة شبه المتطابقة: هذا أوّل ما يمتصّه الذكاء الاصطناعي. ما يتبقّى هو أن تقرّر ما ينبغي أن يوجد — وهو النصف الأصعب دائمًا.
🔍
المراجعة تصبح مهارة أساسية
تقرأ كودًا أكثر مما تكتب، وكثير منه ليس كودك. أن تحكم بسرعة على صحّة إجابة — ودون أن تشغّلها — مهارة يومية الآن، لا مهارة عارضة.
✅
التحقق ينتقل إلى المقدمة
الاختبارات والأنواع وأدوات الفحص والتكامل المستمر تتوقف عن كونها نظافة روتينية، وتصبح الآلية التي تجعل التفويض آمنًا. هذه هي الاستراتيجية الأولى من هذه الوحدة، مطبَّقة على سير عملك كلّه — والسبب في أن خطوة الفحص يجب أن تكون خطوة منفصلة لا رأيًا ثانيًا من الكاتب نفسه.
🧱
تحديد النطاق هو الحرفة الجديدة
العمل يصلك كمهامّ تُسلّمها، فالمهارة هي تقطيع المشكلة إلى قطع صغيرة بما يكفي لفحصها — وملاحظة أيّها لم يكن بحاجة إلى انتظار الآخر أصلًا. مُبهم يدخل، مُبهم يخرج — والمهمة سيئة التحديد تفشل فشلًا مكلفًا.
بلغة مبسّطة

ببساطة: حين وصلت العدّة الكهربائية لم تكفّ النجارة عن كونها حرفة — بل كفّ النشر عن كونه الجزء الصعب، وصار العلم بما تبنيه هو العمل كلّه. والتحوّلات الأربعة في هذه الشريحة صيغ من تلك الجملة الواحدة.

تقنيًّا: انتبه لما تخلو منه هذه الشريحة عمدًا: رقم. فادّعاءات الإنتاجية في التطوير المدعوم بالذكاء الاصطناعي تتباين بحسب المهمة واللغة وقاعدة الشيفرة والأدوات وطريقة القياس، وكثيرًا ما تكون ذاتية التبليغ — فمُضاعِفٌ واحد ليس كمّية تستطيع التصرّف بناءً عليها. أما ما يمكن قوله بلا رقم فهو إعادة توزيع الجهد: يصير التوليد رخيصًا، فتصير المراجعة والتحقّق والتفكيك هي عنق الزجاجة وبالتالي هي المهارة.

الخيارات القادمة

ما وراء سؤال “أي نموذج أذكى” تجلس ثلاثة خيارات تشكّل التكلفة والخصوصية والتحكّم. لا يملك أيٌّ منها إجابة واحدة صحيحة — إنها مفاضلات تختارها حسب كل حالة استخدام.

🔓
مفتوح مقابل مغلق
أوزان مفتوحة قابلة للتنزيل مقابل نماذج متطورة عبر API فقط — تحكّم مقابل قدرة.
📱
على الجهاز مقابل السحابة
النماذج المحلية تبقي بياناتك على هاتفك؛ والسحابة تجلب القوة الخام. خصوصية مقابل قدرة.
🐜
نماذج أصغر وأحدّ
نموذج صغير مضبوط يتفوق غالباً على نموذج عملاق في مهمة ضيّقة — بجزء بسيط من التكلفة.
🔭
حدود البحث
نماذج العالم، والتخطيط، والاستدلال — حيث تُطارَد القفزات القادمة.
بلغة مبسّطة

ببساطة: امتلاك سيارة واستدعاء سيارة أجرة جوابان صحيحان — لسؤالين مختلفين عن كم تقود ومن تريد أن يمسك المفاتيح. ومن يخبرك أن لأحد هذه الخيارات الثلاثة جوابًا كونيًّا فإنما يبيعك أحد طرفيه.

تقنيًّا: كلٌّ منها مفاضلة على محور مختلف. فالأوزان المفتوحة تشتري قابلية الفحص والتشغيل دون اتصال وانعدام التبعية للمورّد، بكلفة أن تتولّى أنت عمل الخدمة والسلامة والتحديث. والتشغيل على الجهاز يشتري محلّية البيانات وزمن استجابة متوقّعًا، محكومًا بميزانية الذاكرة والطاقة في الجهاز. وأما تفوّق نموذج صغير مضبوط على نموذج عام كبير في مهمة ضيّقة فادّعاء تستطيع اختباره بكلفة زهيدة على مهمتك أنت — وهذا ما يجعله الوحيد من الثلاثة الجدير بالقياس بدل الجدال.

اختبار المعرفة

ثمانية أسئلة على هذه الوحدة. أجب لترى السبب — يظهر الشرح سواء أصبتَ أم أخطأت.

السؤال 1 من 0
النتيجة 0/0

ما تعلمته

سبع وحدات وخيط واحد يجمعها: من أين جاءت هذه الأنظمة، وما هي، وكيف تتحدّث إليها، وكيف تدعها تعمل، وكيف تغذّيها بالسياق الصحيح، وكيف تشغّلها كما ينبغي، وأيّ الأوراق أتاحت كل خطوة. وهو هنا مجموعًا في مكان واحد.

🔮
ثورة الذكاء الاصطناعي
الشبكات العصبية والپرسپترون والتعلّم العميق والانتباه — والسنوات السبع من GPT-1 إلى اليوم. كيف وصل هذا المجال إلى هنا.
🧠
كيف تعمل نماذج اللغة الكبيرة
الرموز والتضمينات والانتباه ودرجة الحرارة — المحرك تحت الغطاء.
✍️
هندسة الأوامر
أوامر النظام والأمثلة القليلة وعلامات XML وسلسلة الأفكار — فن التواصل مع الذكاء الاصطناعي.
🤖
الذكاء الاصطناعي الوكيلي
الحلقة (اجمع/نفذ/تحقق/كرر)، الأدوات، MCP، المهارات، الوكلاء الفرعيون — ما وراء الدردشة.
🔧
السياق والاسترجاع
نافذة السياق كميزانية، واختيار النموذج، وRAG، والتقطيع، والبحث الوكيلي — أي تغذيتها بالأشياء الصحيحة.
🔧
المستخدم المتقدم
المهارات وخوادم MCP والوكلاء الفرعيون والخطافات والصلاحيات والتنسيق — مجموعة الأدوات الكاملة.
📄
الأوراق البحثية المفصلية
الانتباه، GPT وBERT، LoRA وPEFT، ViT، VAE وGANs، الانتشار، RAG — من حيث جاء كل ذلك.

خطواتك التالية

هذا الأسبوع
تدرب يومياً
استخدم Claude Code لمهمة حقيقية واحدة كل يوم. ابدأ صغيراً وابنِ الثقة.
هذا الشهر
أنشئ ملف CLAUDE.md الخاص بك
أنشئ ملف CLAUDE.md لكل مشروع تعمل عليه. وثّق مجموعتك التقنية وقواعدك وأنماطك.
هذا الربع
أنشئ خادم MCP
غلّف إحدى أدوات فريقك الداخلية كخادم MCP. شاهد القوة بنفسك.
مستمر
علّم الآخرين
أفضل طريقة لإتقان الذكاء الاصطناعي هي تعليمه. شارك ما تعلمته مع فريقك.

أكملت GenAI 101

بدأت من سؤال “ما هو الرمز؟” وتنتهي وأنت تعرف لماذا لا تكون درجة المقياس وعدًا. هذا هو القوس كلّه: ليس قائمة أدوات، بل ما يكفي من فهم الآلة لتحكم على دعوى، وتختار طريقًا، وتميّز نتيجة جيدة من نتيجة تبدو معقولة فقط.

LLMsPromptingAgentic LoopToolsMCPSkillsRAGSubagentsHooksOrchestrationLandmark Papers
🎯
ما تستطيع فعله الآن
أن تكتب أمرًا يحدّد المهمة بدل أن يلمّح إليها. أن تُطلق وكيلًا على مهمة وتبني التحقق الذي يجعل ذلك آمنًا. أن تقرّر إن كانت المشكلة تريد استرجاعًا أم ضبطًا دقيقًا أم لا شيء منهما. أن تقرأ ملخّص ورقة بحثية وتعرف تقريبًا موضعها بين الأوراق العشر في الوحدة السابعة.
🛤️
إلى أين تتجه بعد ذلك
الشريحة السابقة هي الخطة، وهي صغيرة بقصد: مهمة حقيقية واحدة كل يوم هذا الأسبوع، وملف CLAUDE.md لكل مشروع هذا الشهر، وأداة داخلية واحدة تُغلّفها كخادم MCP هذا الربع. ثم علّمها — أن تشرح الحلقة الوكيلية لزميل أسرع طريقة تكتشف بها الجزء الذي تفهمه نصف فهم.
شيء واحد يستحق أن تحتفظ به. كل تفصيل تقريبًا في هذه الدورة له تاريخ انتهاء — أسماء النماذج، وأحجام السياق، والأسعار، وأيّ تقنية صارت رائجة. ما سيبقى صحيحًا هو ما يمكنك أن تستنتج منه: الحلقة، وميزانية السياق، والفرق بين استرجاع المعرفة وتغيير السلوك، وعادة أن تسأل الرقم من أين جاء. راجع التفاصيل من جديد؛ واحتفظ بالاستنتاج.