باختصار
حدّدوا الحد الأقصى لطول المخرجات في استدعاء API، وأخبروا النموذج في الموجّه (prompt) بالصيغة والطول المطلوبين، واستخدموا تسلسلات الإيقاف أو المخرجات المنظمة لينتهي حين تنتهي المهمة. فالطاقة تزداد مع عدد الرموز (tokens) التي يولّدها النموذج، لذا يُعد تحديد سقف للمخرجات من أبسط أوجه التوفير في أي تطبيق.
الخطوات
- حدّدوا أطول إجابة مفيدة لكل ميزة، واضبطوا الحد الأقصى لرموز المخرجات في API بما يطابقها.
- اذكروا الصيغة والطول في الموجّه، مثل "ثلاث نقاط".
- استخدموا المخرجات المنظمة، مثل مخطط JSON، حين لا تحتاج شيفرتكم إلا إلى حقول.
- أضيفوا تسلسلات إيقاف حيث يكون للإجابة علامة نهاية طبيعية.
- اكتشفوا الإجابات التي قطعها الحد وتعاملوا معها بدلًا من إعادة المحاولة بصمت.
أخبروا النموذج، وواجهة API، بالقدر الذي تريدونه. فالنماذج تولّد رمزًا (token) واحدًا في كل مرة، وكل رمز يكلّف حوسبة.
لماذا يهم ذلك؟
وجد Delavande وPierrard وLuccioni أن الطاقة تزداد خطيًا مع طول التوليد، وأن النماذج الأكبر لا تستهلك طاقة أكثر لكل رمز فحسب، بل تميل أيضًا إلى كتابة ردود أطول. ووجدت UNESCO وUniversity College London أن الموجّهات والإجابات الأقصر يمكن أن تخفّض استهلاك الطاقة بأكثر من النصف.
أي أدوات التحكم أستخدم؟
- الحد الأقصى لرموز المخرجات. لكل واجهة API رئيسية مُعامل لذلك. اضبطوه لكل ميزة، لا قيمة عامة واحدة سخية.
- التعليمات. عبارات مثل "أجب بجملة واحدة" أو "أعد اسم الفئة فقط" أنجع من حد صارم وحده، لأن النموذج يخطط لإجابة قصيرة بدلًا من أن يُقطع.
- المخرجات المنظمة. إن كانت شيفرتكم تحلّل حقولًا، فاطلبوا JSON وفق مخطط، واستغنوا عن النص النثري.
- تسلسلات الإيقاف. أنهوا التوليد عند علامة مثل وسم إغلاق.
- جهد الاستدلال. حيث يقدّم النموذج إعدادًا للتفكير أو الاستدلال، استخدموا أدنى مستوى يجتاز اختباراتكم: راجعوا متى تستخدمون أنماط الاستدلال.
أخطاء شائعة
- حدود ضيقة جدًا تُقطع معها الإجابات، تليها إعادة محاولة تلقائية بحد أعلى. فهذا يكلّف أكثر من ضبط الطول الصحيح من البداية.
- طلب شروح لا يقرؤها أحد، مثل "اشرح منطقك" في مسار تصنيف.
- عدم تسجيل رموز المخرجات لكل ميزة، فتبقى أكثر الميزات إسهابًا مخفية.
وللعادات الموجّهة إلى المستخدمين، اقرؤوا استخدموا الذكاء الاصطناعي بكفاءة.
المصادر
- Small talk, big impact: the energy cost of thanking AI, Delavande, Pierrard and Luccioni (arXiv 2601.22357) (2026)
- Smarter, smaller, stronger: resource-efficient generative AI and the future of digital transformation, UNESCO and University College London (2025)
- What are tokens and how to count them?, OpenAI Help Center (2025)
ذو صلة
كيف أكتب طلبات (prompts) للذكاء الاصطناعي تستهلك طاقة أقل؟
كيف تكتبون طلبات للذكاء الاصطناعي تحتاج إلى حوسبة أقل: كونوا محددين، وحدّدوا الطول، والصقوا ما يهم فقط، واحصلوا على الإجابة الصحيحة من أول مرة بدل إعادة المحاولة.
كيف أمنع روبوت المحادثة من إعادة إرسال المحادثة كاملة في كل مرة؟
كيف تبقون سياق روبوت المحادثة صغيرًا: حدّدوا عدد الأدوار السابقة، ولخّصوا الرسائل القديمة، واسترجعوا ما يلزم، وخزّنوا الطلبات الثابتة مؤقتًا.
متى أستخدم وضع «التفكير» أو الاستدلال في الذكاء الاصطناعي؟
متى يستحق وضع الاستدلال أو «التفكير» في الذكاء الاصطناعي كلفته، ومتى يكفي نموذج عادي، ولماذا قد يستهلك الاستدلال أضعاف الطاقة لكل إجابة.
استخدموا الذكاء الاصطناعي بكفاءة: عادات يومية
عادات يومية تخفض طاقة استخدام الذكاء الاصطناعي: طلبات واضحة، وإعادة توليد أقل، وحذر مع الصور والفيديو، وتخزين مؤقت، وتعطيل الإعدادات الافتراضية.