لا تستخدم النموذج الأكبر دائمًا. اختر بحسب: عمق المهمّة، التكلفة، الخصوصية، السرعة.

لا تعرف كيف تسأل؟ اسأل: «What's the best prompt to get X?» — يكتب لك أمرًا أفضل من أيّ خبير.

بعد كلّ إخراج، اسأل: «ما 3 ضعفات في هذا الجواب؟ كيف تُحسّنه؟» — تستفيد من ذكائه ضدّ نفسه.

قبل الموافقة على أيّ فكرة كبيرة، اسأل: ما أرخص وأسرع نسخة يمكن اختبارها خلال أسبوع، بدل انتظار خطّة كاملة تستغرق أشهرًا؟

RAG (Retrieval-Augmented Generation) يجلب وثائق حقيقية للنموذج قبل الإجابة. اعرف الفرق.

أضف «think step-by-step inside <thinking> tags before answering» — ترفع دقّة المسائل المركّبة 30-40%.

الميزة التنافسيّة الحقيقيّة تأتي من 7 قوى فقط. أيّ منها تملك شركتك؟ أيّها تستطيع بناءه؟

أيّ سؤال عن أحداث/أسعار/إصدارات حديثة: تحقّق من تاريخ تدريب النموذج، فعدمه = إجابة خاطئة بثقة.

قبل تنفيذ قرار مهمّ، اطلب من AI أن يهاجم خطّتك بأقوى الحجج الممكنة — لا أن يوافق عليها بلطف.

درّب نفسك على ملاحظة أنّ AI يتحدّث بنفس الثقة اللغوية سواء كان محقًّا 100% أو مخطئًا كليًا — الثقة اللفظية ليست مؤشّر دقّة.

عيّن 5 أشخاص يمثّلون «مجلس إدارتك المهني» وراجع معهم قراراتك الكبرى سنويًّا.

صياغة كلّ تغذية راجعة في 3 جمل: الموقف، السلوك المحدّد، الأثر — بلا تفسير.

قبل تأكيد قرار، خصّص 10 دقائق لكتابة الحجّة المعاكسة بقوّة.

وزّع استثماراتك ووقت قيادتك بين تشغيل الأعمال الحالية، توسيع الناشئة، وبذور المستقبل.

المنتجات الحاليّة المربحة تقتل ابتكاراتك المستقبليّة. هذا التمرين يفصل وحدة الابتكار قبل فوات الأوان.

اكتب أمرًا يُعطي نموذج الذكاء الاصطناعي السياق والدور والمهمة والصيغة المطلوبة بدقّة.

اعرض على النموذج 2-5 أمثلة لإخراج مماثل لما تريد، ليلتزم النمط بدقّة عالية.

افصل أجزاء الأمر بوسوم XML (instructions, examples, document) ليتعامل النموذج معها بدقّة.

تعلّم 4 إشارات تكشف أنّ النموذج اختلق معلومة بدلاً من ذكر حقيقة موثّقة.

اجعل النموذج يلعب دور خبير + طالب يسأل أسئلة غبيّة — تستخرج المعرفة الضمنيّة.

اضبط «system instructions» مرّة واحدة في حسابك = كلّ محادثة تبدأ من سياقك تلقائيًا.

اطلب من النموذج تفكيك المسألة وإظهار تفكيره قبل الإجابة، لرفع الدقّة في المسائل المركّبة.

اطلب من النموذج كتابة مخطّط مرقّم للمهمة أولاً، وانتظر موافقتك قبل التنفيذ.

اطلب من النموذج بعد إجابته أن ينتقد إجابته نفسها ويصلحها قبل تسليمها.

اطلب من النموذج شرح فكرة معقّدة لطفل عمره 5 سنوات، ثم اطلبه يرفع المستوى تدريجيًا.

النموذج لا يعرف ما حدث بعد تاريخ تدريبه. اعرف cutoff كلّ نموذج تستخدمه.

اطلب من النموذج أن يطرح عليك أسئلة بدلاً من الإجابة، ليكشف فهمك ويعمّقه.

أعطِ النموذج 2-3 أمثلة كاملة (مدخل وإخراج) قبل طلبك، بدل شرح القاعدة كلاميًا.

اطلب من النموذج أن «يفكّر بصوت عالٍ» خطوة بخطوة قبل إعطاء الجواب النهائي، خصوصًا في المسائل المنطقية والحسابية.

تطبيق مبدأ Siegel: تسمية الشعور تنشّط القشرة الجبهيّة وتهدّئ اللوزة الدماغيّة.

حدّد للنموذج خلفية وخبرة محدّدة قبل أن يجيب، ليصبح الجواب مطابقًا لمستوى خبير حقيقي.

اطلب الإخراج بصيغة JSON بمخطّط محدّد، لتسهيل المعالجة الآلية بدون تحليل نصّي يدوي.

لا تستخدم معلومة من الذكاء الاصطناعي قبل التحقّق منها في مصدرَين مستقلَّين خارجَين.

في few-shot، تنوّع الأمثلة عمدًا (إيجابي/سلبي/حالة حافّة) أهمّ من العدد.

«لا تتجاوز 80 كلمة، لا تستخدم "ابتكار"، ابدأ بفعل أمر» أقوى من «اجعلها قصيرة وواضحة».

«وفقًا لدراسة 2019»، «كما ذكرت أكاديميّة...»، «أرقام تقريبيّة لكنّها...» — هذه إشارات تحقّق فوري.