Chain-of-Thought للمبتدئ: خلّي Claude يفكّر قبل ما يرد

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