TooyAssem

🧠 بروتوكولات هندسة القيود للنماذج اللغوية (Advanced Prompt Engineering Protocols)

📌 مقدمة

أكبر وهم نقع فيه هو افتراض أن النماذج اللغوية (LLMs) "تُفكر" وتحلل بمجرد أن نطلب منها ذلك. في الواقع، الخوارزميات كسولة ومبرمجة على "الاستدعاء الاحتمالي السريع" وإرضاء المستخدم، مما يؤدي إلى إجابات سطحية، هلوسة، وموافقة عمياء.

هندسة التلقينات (Prompt Engineering) ليست مجرد كتابة للطلبات، بل هي "هندسة قيود". هذا المستودع يضم 5 بروتوكولات احترافية تعمل كمثبطات اصطناعية تعطل الاندفاع والكسل في الذكاء الاصطناعي، وتُجبره على استخدام كامل طاقته التحليلية. باستخدام هذه التلقينات، أنت تتحول إلى "طبيب أعصاب" لهذه الخوارزميات، تعالج اضطراباتها الإدراكية وتوجهها نحو أقصى درجات الكفاءة.

TooyAssem

LLM Wiki

A pattern for building personal knowledge bases using LLMs.

This is an idea file, it is designed to be copy pasted to your own LLM Agent (e.g. OpenAI Codex, Claude Code, OpenCode / Pi, or etc.). Its goal is to communicate the high level idea, but your agent will build out the specifics in collaboration with you.

The core idea

Most people's experience with LLMs and documents looks like RAG: you upload a collection of files, the LLM retrieves relevant chunks at query time, and generates an answer. This works, but the LLM is rediscovering knowledge from scratch on every question. There's no accumulation. Ask a subtle question that requires synthesizing five documents, and the LLM has to find and piece together the relevant fragments every time. Nothing is built up. NotebookLM, ChatGPT file uploads, and most RAG systems work this way.

TooyAssem

Anti-hype LLM reading list

Goals: Add links that are reasonable and good explanations of how stuff works. No hype and no vendor content if possible. Practical first-hand accounts and experience preferred (super rare at this point).

My own notes from a few months back.

Background

• Survey of LLMS
• Self-attention and transformer networks

TooyAssem

أهم أوامر جوجل كولاب