تقوم بتحميل تقرير مطول، وتطلب تحليلاً شاملاً، ولكن بدلاً من الحصول على إجابة، تتلقى رسالة مثل "تم تجاوز نافذة السياق" أو "تم تجاوز الحد الأقصى لطول السياق" أو تحذير آخر يفيد بأن الطلب كبير جدًا. الأمر المحبط هو أن الملف قد يكون قد تم تحميله بنجاح، بل وقد يكون نفس المستند مناسبًا لسؤال أكثر تحديدًا.
السبب بسيط ولكنه قد يغيب عن الأذهان: حد التحميل ونافذة سياق النموذج ليسا شيئًا واحدًا. يجب أن يُراعي النموذج حجم البيانات التي يُحللها ضمن ميزانية محدودة من الرموز. قد تشمل هذه الميزانية تعليماتك، وسجل المحادثات، والنصوص المستخرجة من الملفات، وتعريفات الأدوات، والمقاطع المسترجعة، ورموز الاستدلال، ومساحة الإجابة. لذا، قد يكون تحميل مستند ما قانونيًا، ولكنه مع ذلك كبير جدًا بحيث يتعذر تحليله دفعة واحدة.
أفضل حل عادةً هو عدم تكرار نفس الطلب الضخم. ابدأ بأقل التغييرات إزعاجًا، ثم انتقل إلى التجزئة أو الاسترجاع أو سير عمل ذي سياق أوسع فقط إذا فشل النهج الأبسط.
قبل تعديل المستند، يجب التمييز بين خطأ السياق وحدود التحميل أو التخزين. تشير إرشادات OpenAI الحالية لتحميل الملفات إلى أن الملفات المرفوعة إلى ChatGPT أو GPT لها حد أقصى ثابت يبلغ 512 ميجابايت لكل ملف، بينما يبلغ الحد الأقصى لحجم ملفات النصوص والمستندات مليوني رمز لكل ملف. هذه حدود للتحميل، وليست ضمانًا لوضع كل هذا النص في سياق النموذج النشط دفعة واحدة.
تُعدّ صفحة الأسئلة الشائعة حول تحميل الملفات في موقع OpenAI المصدر الموثوق للتحقق من حدود التحميل الحالية. تختلف الحدود الدقيقة باختلاف المنتج والخطة والطراز ومزود الخدمة، لذا لا تفترض أن رقمًا منقولًا من مقال قديم لا يزال ساريًا.
| ما تراه | من المحتمل أن يكون هذا هو عنق الزجاجة | أفضل خطوة أولى |
|---|---|---|
| يتم رفض الملف قبل بدء التحليل | حجم الملف، أو نوع الملف، أو مساحة التخزين، أو حصة التحميل | تحقق من قواعد التحميل الحالية |
| يتم تحميل الملف، لكن تظهر رسالة طويلة تفشل مع خطأ في السياق. | يتجاوز الطلب النشط ميزانية سياق النموذج | اختصر الطلب وقلل السياق النشط |
| تغطي الإجابة الصفحات الأولى ولكنها تغفل الأقسام اللاحقة | لم يتم وضع جميع المواد في سياقها المباشر، أو أغفلت عملية الاسترجاع مقاطع ذات صلة. | اطرح أسئلة أكثر تحديدًا أو قسّمها حسب القسم |
| نجحت محادثة في وقت سابق، لكنها فشلت بعد عدة محاولات. | يستهلك سجل المحادثات المتراكم السياق | ابدأ سلسلة تحليل جديدة مع ملخص تسليم موجز |
يُعدّ عدد الصفحات وحجم الملفات (بالميغابايت) مؤشرين مفيدين، لكن عدد الكلمات هو المقياس الأهم لفهم سياق النص. يعتمد تقسيم النص إلى كلمات على اللغة والتنسيق وعلامات الترقيم وتشفير النموذج، لذا قد يستهلك دليل تقني من 100 صفحة عددًا مختلفًا تمامًا من الكلمات عن عرض تقديمي من 100 صفحة.
توصي إرشادات OpenAI لحساب الرموز المميزة بفحص نافذة سياق النموذج المستهدف، وترك مساحة للإخراج، وبالنسبة لنماذج الاستدلال، لرموز الاستدلال. كما تشير إلى أن بنية الرسائل والأدوات والملفات والصور والمخططات قد تضيف رموزًا مميزة تتجاوز النص العادي الذي يتم حسابه.
لإجراء فرز سريع، سجل عدد صفحات الملف، وعدد الكلمات التقريبي، وعدد الأقسام الرئيسية، وما إذا كان يحتوي على ملاحق، أو لغة قانونية متكررة، أو سجلات خام، أو نصوص مكتوبة، أو جداول، أو مراجع لا تحتاجها فعليًا للمهمة.
إذا لم يكن المستند ضخمًا للغاية، فقد يكون الحل الأرخص هو إزالة السياق المتراكم بدلًا من تقسيم الملف. ابدأ محادثة أو طلبًا جديدًا، وانقل التعليمات المهمة فقط. استبدل المحادثة المطولة بتسليم موجز مثل: "حلل التقرير المرفق لتحديد محركات الإيرادات والمخاطر الجوهرية والتوجيهات الإدارية. أرسل خمس نتائج مع مراجع الصفحات أو الأقسام."
قم أيضًا بإزالة المعلومات الخلفية المكررة، والأمثلة غير الضرورية، والنصوص المنسوخة المكررة، ومخرجات المسودات السابقة. إذا كنت تستخدم سير عمل واجهة برمجة التطبيقات (API)، فاحسب الطلب كاملاً وليس المستند فقط. فالطلب الذي بالكاد يتسع لا يترك مجالًا كبيرًا للإجابة، وقد يفشل بشكل غير متوقع مع ازدياد حجم التعليمات أو مخططات الأدوات.
علامة النجاح: يعمل الملف نفسه في نافذة جديدة مع نافذة موجه الأوامر. إذا كان الأمر كذلك، فإن المشكلة كانت جزئيًا على الأقل في السياق المتراكم، وليس في المستند نفسه.
إنّ عبارة "تحليل كل شيء في هذه الوثيقة المكونة من 400 صفحة وكتابة تقرير شامل" تُجبر النظام على النظر في العديد من المواضيع في آن واحد. بدلاً من ذلك، اطرح سؤالاً واحداً في كل مرة. على سبيل المثال، اطلب أولاً المخاطر الرئيسية للوثيقة، ثم افتراضاتها المالية، ثم التناقضات بين ادعاءات الإدارة والبيانات الداعمة.
التزم بحدود تنسيق الإجابة. فطلب مخرجات من 20 صفحة يستهلك ميزانية إخراج أكبر بكثير من طلب جدول أدلة من 10 صفوف. يمكنك دائمًا توسيع الإجابة النهائية بعد جمع الأدلة.
مثال مفيد ومركّز: "باستخدام هذه الوثيقة فقط، حدد ما يصل إلى ثمانية ادعاءات ذات صلة بتسرب العملاء. لكل ادعاء، اذكر رقم القسم أو الصفحة، وشرحًا موجزًا في جملة واحدة، وأي قيود مذكورة. إذا لم تحتوي الوثيقة على أدلة كافية، فاذكر ذلك."
متى يجب الانتقال إلى الخطوة التالية: إذا استمر السؤال المحدد في إنتاج نفس الخطأ، أو إذا كنت بحاجة إلى تغطية موثوقة للمستند بأكمله بدلاً من موضوع واحد، فقم بتقسيم المصدر.
يُعدّ تقسيم الملفات إلى أجزاء الحل الأمثل والأكثر موثوقية للمستندات الطويلة جدًا. قسّم الملف عند حدود طبيعية مثل الفصول، وأقسام التقارير، والعقود، والملاحق، والنطاقات الزمنية، أو حتى عند تبادل الأدوار بين المتحدثين. تحافظ الأجزاء المنطقية على السياق بشكل أفضل من التقسيم العشوائي كل 50 صفحة.
إذا كان أحد الأقسام يعتمد بشكل كبير على القسم السابق، فأضف تداخلاً بسيطاً أو ملاحظةً موجزةً تصف القسم السابق. سمِّ الأجزاء بوضوح، على سبيل المثال 01_Executive_Summary.pdf، 02_Financial_Results.pdfو و و 03_Risk_Factors.pdf. احتفظ بأرقام الصفحات الأصلية قدر الإمكان لتسهيل مراجعة النسخة النهائية.
لا تكتفِ بطلب ملخص حر لكل جزء. استخدم نفس البنية لكل جزء حتى يمكن دمج المخرجات دون فقدان الفروقات المهمة. قد يتضمن المخطط العملي اسم القسم، والنتائج الرئيسية، والأدلة الداعمة، ورقم الصفحة أو العنوان، ومواطن عدم اليقين، والأسئلة المفتوحة.
على سبيل المثال: "حلل الجزء الثالث فقط. أعد ما يلي: (1) خمسة استنتاجات جوهرية أو أقل، (2) الأدلة الداعمة لكل استنتاج، (3) رقم الصفحة أو القسم الأصلي، (4) أي تحفظات ذكرها المؤلف، و(5) الأسئلة التي يجب التحقق منها في قسم آخر. لا تستنتج حقائق غير واردة في هذا الجزء."
يُسهّل هذا النهج أيضاً تقييم الجودة. فإذا احتوى ملخص جزء من النص على ادعاءات دون تحديد مصادرها، يُنصح بتصحيح ذلك الجزء قبل المتابعة بدلاً من الاعتماد على عملية التركيب النهائية لإصلاحه.
بعد تحليل الأجزاء، أنشئ حزمة أدلة مُختصرة من مُخرجات الأجزاء وقم بتجميعها. لا تُرسل تلقائيًا كل جزء أصلي بالإضافة إلى كل مُلخص في طلب نهائي واحد؛ فقد يُؤدي ذلك إلى إعادة إنشاء نفس مشكلة السياق.
ينبغي أن يوجه برنامج التجميع النموذج إلى الحفاظ على نقاط الاختلاف والفجوات. على سبيل المثال: "اجمع تحليلات هذه الأقسام في تقرير واحد. ادمج النتائج المكررة، واحتفظ بالأدلة المتضاربة كنقاط منفصلة، واحتفظ بجميع مراجع المصادر، وحدد أي سؤال لا يمكن حله من الملخصات."
تُعدّ هذه الطريقة الهرمية مفيدةً للغاية للكتب، والملفات التنظيمية، ومجموعات الأدلة، ومجموعات المقابلات المطوّلة، والبحوث متعددة الوثائق. ويتمثل قيدها الرئيسي في ضغط المعلومات: فالتفاصيل التي تُحذف أثناء تلخيص جزءٍ ما لا يمكن استعادتها لاحقًا. ولذلك، يُعدّ مخطط الأدلة ومراجع المصادر أمرًا بالغ الأهمية.
يمكن لنموذج ذي نطاق سياقي أوسع أن يقلل من الحاجة إلى تقسيم البيانات إلى أجزاء صغيرة. توضح وثائق نماذج OpenAI الحالية حدود نطاق السياق والحد الأقصى للمخرجات لنماذج واجهة برمجة التطبيقات، وقد تتغير هذه الأرقام مع تحديث النماذج.
مع ذلك، لا يُشترط أن يكون حجم سياق عنوان النموذج هو حجم الملف المُحمّل الذي يضعه المنتج مباشرةً في نافذة الحوار. تُشير إرشادات ملفات OpenAI الخاصة بالمؤسسات حاليًا إلى عملية "حشو سياق" منفصلة للمستندات النصية المُحمّلة: حيث يُمكن وضع ما يصل إلى 110,000 رمز من المستندات المُحمّلة مباشرةً في السياق، مع إمكانية الوصول إلى مواد إضافية من خلال فهرس بحث خاص. تُؤكد OpenAI صراحةً أن هذا السلوك قيد التطوير النشط وقابل للتغيير. راجع تحسين تحميل الملفات في ChatGPT Enterprise .
الدرس العملي هو اختيار نموذج ذي سياق أوسع عندما يُبسّط سير العمل بشكل ملحوظ، مع ضرورة اختبار ما إذا كانت الأقسام ذات الصلة تُؤخذ في الاعتبار فعلاً. ولا يُغني السياق الأوسع عن الحاجة إلى تحديد نطاق جيد، أو مراجع المصادر، أو التحقق.
إذا كانت المهمة تتضمن مئات أو آلاف الصفحات، فإنّ استرجاع البيانات عادةً ما يكون أفضل من محاولة حشر النص بأكمله في سؤال واحد. تقوم أنظمة الاسترجاع بفهرسة المصدر، والبحث عن المقاطع ذات الصلة بالسؤال المطروح، ووضع تلك المقاطع فقط في سياقها الفعلي.
تصف وثائق البحث عن الملفات من OpenAI أداةً مُستضافةً للبحث عن الملفات المُحمّلة عبر مخازن البيانات المتجهة. وتُعدّ هذه الأداة فعّالةً للغاية في الإجابة على أسئلة مُحدّدة، مثل: "ما هي الأقسام التي تُحدّد الإنهاء لتسهيل الوصول؟" أو "أين يتناول التقرير موضوع تركيز سلسلة التوريد؟"
تصبح عملية الاسترجاع أقل موثوقية عندما تتطلب المهمة معرفة متزامنة بكل فقرة، مثل إثبات عدم ظهور موضوع ما مطلقًا، أو مقارنة كل خلية في جدول ضمن مجموعة بيانات ضخمة، أو إجراء تحويل شامل سطرًا بسطر. في هذه الحالات، يُنصح باستخدام التجميع المنهجي أو المعالجة المسبقة القائمة على التعليمات البرمجية بالإضافة إلى الاسترجاع.
يُتاح للمطورين الذين يستخدمون واجهة برمجة تطبيقات OpenAI Responses خيار إضافي. يوثّق مرجع واجهة برمجة التطبيقات إعدادًا truncation: عند استخدام الإعداد disabledالافتراضي الموثّق، يفشل أي طلب يتجاوز نافذة سياق النموذج؛ أما عند استخدام الإعداد autoالمُعطّل، فيمكن حذف عناصر المحادثة السابقة لجعل الطلب مناسبًا. راجع مرجع واجهة برمجة تطبيقات Responses .
يمكن أن يمنع الاقتطاع التلقائي حدوث عطل جسيم، ولكنه يُغيّر المعلومات المتاحة للنموذج. في تحليل المستندات، قد يكون حذف السياق المبكر بصمت أسوأ من تلقّي خطأ. استخدمه فقط عندما يكون تطبيقك مصممًا بحيث تكون عناصر المحادثة القديمة قابلة للاستغناء عنها أو مُلخّصة بالفعل في مكان آخر.
لا يكفي مجرد تقديم طلب ناجح. الهدف هو إجراء تحليل متين يغطي الجوانب المهمة دون إغفال أي دليل. اختبر النتيجة قبل اعتبار المشكلة محلولة.
لا تُكرر إرسال الطلب نفسه ذي الحجم الكبير وتتوقع حدًا مختلفًا للرموز. لا تحذف مراجع المصدر أثناء تقسيم البيانات. لا تفترض أن قبول ملف يعني أن جميع صفحاته نشطة في السياق. ولا تُعالج الخطأ بتقصير الإجابة بشكل مفرط بحيث لا يُلبي التحليل متطلبات المهمة.
تجنب أيضًا التعامل مع الاقتطاع التلقائي كعملية سحرية خفية. فإذا أسقط النظام العناصر القديمة، قد ينجح الطلب مع فقدان تعليمات أو أدلة مهمة. في التحليلات بالغة الأهمية، عادةً ما يكون تقسيم البيانات واسترجاعها بشكل صريح أسهل في التدقيق.
إذا نجح إنشاء موضوع جديد وطرح سؤال محدد، فاجعل سير العمل بسيطًا. إذا كانت المهمة تتطلب تغطية شاملة لمستند طويل واحد، فقم بتقسيمه إلى أقسام منطقية وقم بتجميع تحليلات هيكلية للأجزاء. إذا كنت تستعلم بشكل متكرر عن مجموعة كبيرة جدًا من المستندات، فاستخدم الاسترجاع. إذا كنت تتحكم في واجهة برمجة التطبيقات (API) وما زلت تقترب من الحد الأقصى، فقم بقياس عدد الرموز، واحجز مساحة إخراج، واختر نموذجًا مناسبًا، واجعل سلوك الاقتطاع قرارًا تصميميًا واضحًا.
إن النتيجة الأقوى ليست تلك التي تحشر أكبر قدر من النصوص في طلب واحد، بل هي تلك التي تغطي الأدلة المطلوبة، وتحافظ على إمكانية التتبع، وتوضح متى لم تكن المعلومات متاحة.
قم بإنشاء سير عمل محلي لـ Ollama يقوم بإنشاء عناوين SEO منظمة وأوصاف تعريفية بكميات كبيرة، ويتحقق من صحة المخرجات، ويضع علامات على النتائج للمراجعة البشرية.
استخدم مخطط عرض بوربوينت المجاني هذا لعرض قوائم العقارات الحديثة لتنظيم التسعير والتسويق وإعداد العقار وقيمة الوكيل والخطوات التالية للبائع.
قم بإنشاء نموذج تقدير تكلفة مشروع بناء قابل للطباعة في برنامج Excel مع توضيح تكاليف العمالة والمواد والصيغ والهامش والاستثناءات وإجمالي تكاليف العميل الجاهزة للطباعة.
Build stronger Luma Dream Machine video prompts with a practical cinematic lighting formula, reusable recipes, examples, and a fast troubleshooting checklist.
قم بإنشاء عرض تقديمي بسيط للمستثمرين في مجال التكنولوجيا الناشئة باستخدام برنامج PowerPoint مع ترتيب الشرائح الصحيح، وقواعد تصميم واضحة، ومقاييس الجذب، وملحق جاهز للمستثمرين.
امنع برنامج Excel من تحويل الرموز والمعرفات والكسور إلى تواريخ. استخدم تنسيق النص، وعلامات الترقيم، وعناصر التحكم في الاستيراد، وخيارات Microsoft 365 الحالية.
تسريع عمليات عرض ComfyUI SDXL عن طريق تقليل عمل أخذ العينات، والتحكم في الدقة وحجم الدفعة، وتبسيط العقد، واستخدام التخزين المؤقت، وضبط ذاكرة الوصول العشوائي للفيديو (VRAM) والاهتمام بأمان.
قم بإنشاء أداة عملية لتتبع دخل ونفقات العقارات المؤجرة في برنامج Excel مع فئات واضحة، وصيغ، وملخصات شهرية، وإرشادات لحفظ السجلات جاهزة للضرائب.
أنشئ قاعدة معرفية محلية خاصة بالذكاء الاصطناعي باستخدام Ollama و AnythingLLM والتضمينات المحلية و RAG. تعرّف على عملية الإعداد المكونة من أربع خطوات، وفحوصات الخصوصية، والاختبار، والنسخ الاحتياطي.
قم بإصلاح أخطاء نافذة السياق في تحليل المستندات الطويلة عن طريق تقليم المدخلات، وتقسيم الملفات، واستخدام الاسترجاع، والتحقق من أن الإجابة النهائية تغطي المصدر.
