المستوى المستهدف: مبتدئ — مناسب لأي حد كتب أول prompt لـ Claude أو ChatGPT وحابب يفهم ليه أحيانًا الرد بيكون غلط رغم إن السؤال واضح.

لو سألت Claude "عندي 23 تفاحة، أكلت 5، اشتريت 12 كمان، عطيت نص اللي معايا لأخويا، فضل عندي كام؟" ولقيت الرد غلط، المشكلة مش في Claude. المشكلة إنك مطلبتش منه يفكّر. سطر واحد إضافي في الـ prompt بيرفع الدقة على benchmark GSM8K من 17.9% لـ 56.9% طبقًا لورقة Wei et al. من Google Research 2022.

المشكلة باختصار

الـ Large Language Models زي Claude بترد بسرعة. لو سألته سؤال محتاج خطوتين حسابيتين أو منطقيتين وقلتله "اطّلع لي الإجابة فقط"، هيختار أول إجابة معقولة بصريًا ويكتبها. النتيجة: ردود سطحية على أي سؤال فيه استدلال متعدد الخطوات.

الأسلوب اللي بيحلّ المشكلة دي اسمه Chain-of-Thought Prompting — اختصارًا CoT. الفكرة بسيطة: بدل ما تطلب الإجابة، اطلب من النموذج يكتب خطوات تفكيره الأول، ويدّيك الإجابة في الآخر.

ازاي بتشتغل الفكرة — مثال طفل في الصف الخامس

تخيّل إنك بتسأل طفل في الصف الخامس نفس سؤال التفاحات اللي فوق. الطفل اللي بيرد فورًا "15 تفاحة" غالبًا غلط. الطفل اللي بياخد ورقة وقلم ويكتب:

• 23 ناقص 5 = 18
• 18 زائد 12 = 30
• 30 ÷ 2 = 15 (لأن عطى نص اللي معاه)

بيوصل لـ 15 تفاحة وبيكون صح. الفرق مش في ذكاء الطفل، الفرق إنه قسّم المشكلة. Chain-of-Thought هو نفس الفكرة بالظبط مع Claude: مش بتدّيله ذكاء جديد، إنت بتفتحله مساحة يكتب فيها الخطوات اللي بياخدها ذهنيًا أصلاً.

التعريف العلمي بدقة

Chain-of-Thought Prompting أسلوب prompting بتطلب فيه من النموذج كتابة خطوات استدلال intermediate reasoning steps قبل الإجابة النهائية. الفكرة اتنشرت رسميًا في ورقة "Chain-of-Thought Prompting Elicits Reasoning in Large Language Models" من Wei et al. على NeurIPS 2022.

الورقة بتثبت تجريبيًا حاجتين مهمين:

1. CoT بيرفع الأداء بشكل دراماتيكي على مهام الاستدلال (math، commonsense، symbolic)، لكن بشرط إن النموذج عنده ≥ 100B parameter. على نماذج أصغر، الفكرة بتبقى ضعيفة أو مالهاش تأثير.
2. التحسّن مش لأن النموذج "بيتعلّم" حاجة جديدة — التحسّن لأن مساحة الـ output الأطول بتسمحله يستهلك compute أكتر قبل اختيار الإجابة. ده اللي اتسمى لاحقًا "test-time compute".

كود Python شغّال على Anthropic SDK

المقارنة الفعلية بين prompt عادي وprompt بـ CoT على نفس المسألة. شغّل الكود ده وهتشوف الفرق مباشرة:

import anthropic

client = anthropic.Anthropic()

question = (
    "في فصل فيه 28 طالب. ثلاثة أرباعهم بيلعبوا كرة قدم، "
    "و60% من اللي بيلعبوا كرة بيلعبوا شطرنج كمان. "
    "كام طالب بيلعب الاتنين؟"
)

# (1) الطريقة العادية: اطلب الإجابة فقط
plain = client.messages.create(
    model="claude-opus-4-7",
    max_tokens=128,
    messages=[{
        "role": "user",
        "content": f"{question}\n\nاكتب الرقم النهائي فقط."
    }]
)
print("بدون CoT:", plain.content[0].text)

# (2) طريقة Chain-of-Thought: اطلب التفكير خطوة بخطوة
cot = client.messages.create(
    model="claude-opus-4-7",
    max_tokens=512,
    messages=[{
        "role": "user",
        "content": (
            f"{question}\n\n"
            "فكّر خطوة بخطوة، اكتب كل عملية حسابية على سطر، "
            "وبعدين اكتب الإجابة النهائية في سطر منفصل يبدأ بكلمة الإجابة."
        )
    }]
)
print("مع CoT:", cot.content[0].text)

الـ prompt الأول بيرجّع غالبًا "12" أو "13" — قريب لكن مش مظبوط دايمًا. الـ prompt التاني بيكتب:

1. عدد لاعبي الكرة = 28 × 3/4 = 21
2. اللي بيلعبوا شطرنج كمان = 21 × 60% = 12.6
3. الإجابة: 12 طالب (لأن نص طالب مينفعش)

الأرقام اللي تستاهل تحفظها

على benchmark اسمه GSM8K (8500 مسألة حسابية مستوى ابتدائي، من ورقة Cobbe et al. 2021)، الفرق المقاس على نموذج PaLM-540B في ورقة Wei:

• بدون CoT (standard prompting): 17.9% دقة.
• مع CoT: 56.9% دقة. زيادة 3.2× بسطر واحد في الـ prompt.
• طول الرد: بيكبر 4 لـ 8 مرات. رد عادي 50 token، رد CoT يوصل 400.
• زمن الاستجابة: الـ TTFT (أول token) واحد، بس إجمالي الوقت بيزيد 3 لـ 6 ثواني على Claude Opus 4.7.

الافتراض هنا: الأرقام دي مقاسة على نماذج كبيرة (≥ 100B parameter). على Claude Haiku 4.5 الفرق أصغر بشكل ملحوظ، وعلى نموذج 7B local التأثير ممكن يكون سلبي.

Trade-offs لازم تعرفها قبل ما تستخدمها في الإنتاج

CoT مش مجاني. كل توصية معاها ثمنها:

1. التكلفة: output tokens بتزيد 4–8 مرات. على Claude Opus 4.7 بسعر $15 لكل مليون output token، لو عندك 100K request شهريًا بمتوسط 50 token الفرق $52 شهريًا. على 1M request الفرق $525. مش كارثة، بس مش صفر.
2. زمن الاستجابة: لو بتبني chatbot مباشر للعميل وبيستنى 6 ثواني للرد بدل 1.5، التجربة بتسوء. الحل: استخدم streaming وخلّي العميل يشوف الخطوات وهي بتتكتب.
3. تجربة المستخدم: مش كل تطبيق المفروض المستخدم النهائي يشوف "تفكير" Claude. لو الرد للـ end user، خفّي الخطوات في صندوق منفصل أو احذفها من الـ output النهائي.

متى لا تستخدم Chain-of-Thought

الفكرة دي مش للأسئلة البسيطة. لو بتسأل Claude:

• "ما هي عاصمة فرنسا؟" — معلومة مباشرة، CoT بيهدر tokens بدون مكسب.
• "لخّص الفقرة دي في جملة" — مهمة لغوية، مش استدلال.
• "اكتب لي إيميل احترافي يطلب اجتماع" — توليد إبداعي، مفيش خطوات منطقية تفصيلية.
• "حوّل النص ده من إنجليزي لعربي" — ترجمة مباشرة.

القاعدة: استخدم CoT لما السؤال يحتاج خطوتين أو أكتر من الاستدلال (حساب، مقارنة منطقية، استنتاج متعدد المراحل، تحليل سيناريو شرطي). غير ذلك بتدفع زيادة من غير ما تكسب دقة.

الخطوة التالية

افتح أحدث prompt في تطبيقك بتسأل فيه Claude سؤال متعدد الخطوات. ضيف في آخره الجملة دي بالظبط: "فكّر خطوة بخطوة قبل ما تكتب الإجابة النهائية، واكتب الإجابة في سطر منفصل في الآخر". شغّله على 50 سؤال على الأقل من الـ test set بتاعك، وقس الفرق في الدقة. لو الزيادة أقل من 10%، السؤال بسيط ومش محتاج CoT — رجّع الـ prompt القديم ووفّر الـ tokens.

مصادر

• Wei et al., 2022 — Chain-of-Thought Prompting Elicits Reasoning in Large Language Models (NeurIPS 2022): arxiv.org/abs/2201.11903
• Cobbe et al., 2021 — Training Verifiers to Solve Math Word Problems (ورقة GSM8K benchmark): arxiv.org/abs/2110.14168
• Anthropic Documentation — Chain-of-Thought Prompting: docs.anthropic.com/.../chain-of-thought
• Anthropic Pricing (مايو 2026): anthropic.com/pricing
• Kojima et al., 2022 — Large Language Models are Zero-Shot Reasoners ("Let's think step by step"): arxiv.org/abs/2205.11916