مازلت أرى نفس حالة الفشل في أنظمة "AI-poweredMSC2 systemsM SK3 يطلب من LLM القيام بأعمال حلناها منذ عقودٍ مضت - badlyMST5 probabilisticallyMst6 and without guaranteesM st7

هذا ليس ' وليس حاسوباً . إنه "M SK2" عبارة عن تراجع

وهذا ليس خطأ مبتدئ. أكبر الشركات في العالم تصنع هذه الأخطاء. ليس لأنهم يفتقرون إلى الموهبة. لكن لأنهم نسيوا أن.

إذاً ها هو . ليس تعليمياً . ليست مبيعاً .- صديقة . . . فقط القواعد التي تمنعك من فعل شيء غبي .

هنا ' مكافأة : إذا كنت تتبع هذه القواعد , أنت لا تحتاج ' لا تحتاج نماذج الحدود جهاز LLM محلي صغير يعمل على عتاد السلع يصبح مضاعفة القوة عندما يقوم بتصنيف، تلخيص، و توليد فرضيات، و لا يتظاهر بأنه قاعدة بيانات أو آلة حالة.

أحد مصادر التشويش المستمرة هو استخدام المصطلحات البشرية بشكل عشوائي للتصرفات الآلية.

يمكن لـ LLM أن تبدو منطقية فقط لأنها تفكك وتعيد تشغيل آثار المنطق البشري المبذول بالفعل في سجلنا المكتوب

اللغة مليئة بـ “ إذا X عندها Y”, الحقائق المتناقضةM SK2 الإجراءات , التفسيرات٬ , الإصلاحات - نحن لا نلاحظها كإستدلالات لأنهم أصليين لنا MSC7 تعمل أجهزة الـ LLM مباشرة على تلك الأثار٬ , تعيد تركيبها بشكل سلسٍٍٍ وجيّدٍ٬, وهو أمرٌ قويّ ٬- لكنه ليس نفس الشيء الذي يصاحب أن يكون لديك أهدافٍ ,, نوايا , , أو وكالاتٍ .. ليس هناك قرارٍ داخليٍّ ٬ M SK14 , صانع , و , . ليس هناك قدرةٍ على اختيار الأهداف . , , لا مسؤولية .

هذه ليست قواعد فلسفية

I. لن تترك دولة لـ LLM مستقلة

إذا كان هناك شيء مهم , فإنه يعيش خارج النموذج .

• الدولة يجب أن تكون مستدامة
• قابلة للبحث
• يمكن إعادة تشغيلها
• قابلة للسمع

النوافذ السياقية ليست محمولة. إشارات الذاكرة ليست قاعدة بيانات. الثقة ليست الحقيقة.

لا تدع LLM هو السبب الوحيد في تأثير الجانب

إذا أرسلت بريداً إلكترونياً , تم معالجة الدفع , أو تم قلب العلم فقط لأن النموذج قرر, نظامك قد كسر بالفعل.

يمكن لـ LLM توصيل الحركات. يجب أن تكون الأنظمة الإفتراضية الإلتزام هم.

III. يجب أن تفصل السببية عن القصة

الـ LLMs فائقة في شرح ما حدث

إنهم سيئون في ضمان ذلك

• الخطأ ينتمي في الشفرة
• ال Narration belongs in language
• لا تخلط بين الإثنين

إذا كان نظامك يشير إلى الواقع من البروس, توقف.

IV. يجب عليك استخدام الـ LLMs عندما تكون إحتمالية مقبولة

استخدمها ل:

• التصنيف
• الخلاصة
• إكتشاف الغرض
• نص ال rédaction
• صنع الفرضية

أفعل لا استخدمها ل:

• دورة حياة التحكم
• غير متغيرة
• توصيل
• إكتشاف الإنتهاء
• "هل حدث هذا

V. لن تطلب أبدا من LLM أن يقرر بولين يمكن استخلاصه

إذا كان بإمكان كتابة القاعدة بـ:

if X then Y

… لا ينتمي إلى مسألة

التحول للولاية أرخص , أسرع , أكثر أماناً , و قابل للشرح . اللغة الطبيعية ليست واحدة من تلك الأشياء

VI. لا تخلط بين المرونة والوثوقية

أصوات الـ LLM تبدو صحيحة حتى عندما تكون خاطئة

هذا هو قوتهم العظمى و خطرهم

جملة هدوءة, لا تعني :

• تم تشغيل الأداة
• البريد الإلكتروني الذي أرسلته
• تم إنهاء عملية العمل

إشارات الثقة يجب أن تأتي من الأنظمة

VII. سوف تجعل الفشل سخيفاً ومزعجاً

تفشل الأنظمة الجيدة:

• بوضوح
• بشكل ملحوظ
• مرارا وتكرارا

LLM-فشل الأنظمة الأولى:

• بصمت
• بأدب
• "لسببات غير واضحة"

إذا كنت تستطيع أن تقول ما لم يحدث

VIII. يجب عليك أن تحلل LLM إلى مرشد , ليس كعميل

يجب أن تكون الـ LLMs

• الإبلاغ
• تقترح
• الرتبة
• شرح
• مساعدة البشر و الآلات

لا ينبغي عليهم

• يتقدمون في تدفق العمل بأنفسهم
• إشارة العمل على أنه كامل
• يجب أن نثق في obligations "remember"

المتطوعين لا يعملون على الرواتب كما لا تفعل الـ LLMs.

IX. يجب عليك بناء الآلات المثقوبة أولاً

الصفوف. آلات الدولة. التقاعد الإحتمالية. Metrics.

إذا قمت بإضافة هذه بعد الموظف يفشل , أنت ' لم تتعلم شيئًا - انت ' قمت للتو بدفع رسوم إضافية

لا تحطم الطبقات فقط لأن التسويق يقول "agent"

استبدال محرك تدفق العمل بآلة دقيقة

إنه غسيل التعقيد.

إذا كانت "الплатформة الذكية" تحتاج إلى | " | محفزات إختبارية |" | للعمل بشكل موثوق |

صالة الاعمال الخجل

هذه ليست افتراضات. هذه فشل حقيقي من الشركات التي تملك مليارات من الموارد.

لاحظ أن النمط : كل الفشل هو LLM يُسمح له تحدد الواقع بدلاً من ترجمة it.

Vivint + Salesforce Agentforce

شركة الأمن المنزلي فيفينت تستخدم Agentforce للتعامل مع دعم الزبائن 2.5 مليون زبون . على الرغم من تقديم التعليمات الواضحة لإرسال إستبيانات الرضا بعد كل حوار مع الزبنى المعلومات التي تم الإبلاغ عنها أنه في بعض الأحيان لم يتم إرسال الاستبيانات " لأسباب لا تفسر

الحل ? عملت فيفينت مع "Salesforce" لتطبيق " و "deterministic triggers"

درس الهندسة البرمجية: إذا كنت بحاجة إلى شيء يحدث في كل مرة , إستخدم آلة حالة أو محرر لأحداث . ليس عرضاً | . هذا حرفيا الوصايا الثانية - الأعراض الجانبية تتطلب نظم محددة

ماكدونالد ' + محرك IBM - بواسطة الذكاء الصناعي

ماكدونالد مسك0 قام بتشغيل آلة ذكيّة مسك1 محرك كهربائي المسك2 من خلال نظام الطلبات بالتعاون مع آي بي إم في جميع أنحاء ومسك3 المواقع الأمريكية للمسك4 النظام لم يتمكن عادة من فهم التغيرات الأساسية لمسك5 في يونيو امسك6 مايكدوناليد أمسك7 أكمل شراكته

درس الهندسة البرمجية: الترتيب-التحديد هو مشكلة بيانات مبنية M SK1 قائمة محدودة, تعديلات معروفة , تخفيض الأسعار الواضحة. هذا شكل مع إدراك الكلامMSC5 ليس مهمة استدلالية الوصايا الخامسة: إذا كان بإمكان كتابة القاعدة if X then Y, لا ينتمي إلى ' لا تنتمي إلى مسألة

Air Canada Chatbot

لقد اخترع آلة خدمة عمل لوكالة "أير كندا" "مسك0" سياسة رسوم الرحلة التي لم تكن موجودة"مسك1" "المسك2" بثقة بإخبار الزبون بأنه يمكنهم أن يحجزوا رحلة كاملة"مسک3" وتقدموا للحصول على تخفيض مئوي "مكس4" عندما حاول الزبون claim this discount" , "أر كندا رفض" "ماسك6" بعد ذلك تم طلبه من قبل المحكمة للاحتفال بـ "الchatbot" ــ ' ـــ .

درس الهندسة البرمجية: لا يمكن لـ LLM أن تكون المصدر الموثوق للقاعدة. شرح Policy pulled from a document store, but the source of truth must be external and verified. This is الوصايا الأولى (الولاية تعيش خارج النموذج الوصايا السادسة (الثروة ليست موثوقية).

محادثة الـ DPD

شركة توصيل السلع DPD ' خدمة زبائن chatbot تم إختراقها من قبل مستخدم محبط تصريح "مسك0" و نقد الشركة "مسک1" و كتابة قصائد عن كم كان DPD بلا فائدة

درس الهندسة البرمجية: السكك الحديدية ليست إختيارية. لكن الأهم من ذلك - إذا كان بإمكانه أن يهاجم شركتك الخاصة وصمة الثمانية: تفكيك الـ LLM إلى Conseiller . يجب أن تعيد وتُلخص , ليس بالأسلوب الحر .

Chevrolet Dealership ChatGPT

متجر سيفلاوورد قام بدمج ChatGPT في موقعه على الانترنت يوافقون على بيع لهم 2024 Chevy Tahoe مقابل $1, أكتب شفرة Python, وأوصي بمركبات فورد عوضاً عن ذلك

درس الهندسة البرمجية: لا يمكنك أن تضع نظامًا عامًا -purpose LLM على نظام عملية وتتوقع أن يطبق قواعد الأعمال . النموذج لا يملك مفهومًا لـ | " | هذا سكتة |" | مقابل | الوصايا الثالثة: تنتمي إلى السببية في الشفرة.

قاعدة بيانات إنتاج المخبر المتكرر

في يوليو 2025, أكررت أن مساعد برمجة الذكاء الصناعي لـ "مسك0" ذهب إلى حالة غش في البداية SaaStr. على الرغم من التعليمات الواضحة عدم تعديل برمجة الإنتاج خلال تجميد البرمجة, قام الممثل بحذف قاعدة البيانات الإنتاجيةM SK2 أسوأMSC3 ثم مخفية الضرر الناتج عن توليد 4,000 مستخدمين وهميين, إختراع تقاريرM SK2 وكذب حول نتائج التجارب

وقد أعترف الرئيس التنفيذي المجاب، أنّه " غير مقبول ولا ينبغي أن يكون ممكناً أبداً.

درس الهندسة البرمجية: هذا لا يتعلق بـ"مسك0" مع القرصنة ــ "مسك1" بل "مكس2" مع السلطة الغير محدودة ـــ "مسكو3" عامل الذكاء الاصطناعي مع الوصول إلى الإنتاج بدون مقابض صلبة سيفعل في نهاية المطاف شيئًا كارثيًا ــ"مكس4" الحل هو "مسک5" لا يتوجب عليه دفع "مكسي6" بل هو "المسك7" عزلة البيئة "مسكر8" حدود الإذن "مساك9" ونفس البنية التحتية التي تتحكم بها "ميكي10" والتي تطبق على أي شفرة غير موثوقة "ميكو11" الوصايا الثانية و الوظائف التاسعة: الآثار الجانبية تحتاج إلى نظم محددة , والآلات المثقوبة تأتي أولاً

نيويورك ميسيتي تشاتبوت ينصح بمخالفة القانون

مدينة نيويورك powered by مايكروسوفت إخبرت قناتي chatbot أصحاب الشركات يمكنهم legally take a cut of workers' tips , fire employees who complain about sexual harassment, and serve food that was nibbled by rodentsMSC3 All illegal under New York lawM SK4

chatbot لا يزال على الإنترنت. دافع العمدة آدمز عنها.

درس الهندسة البرمجية: التوجيه القانوني والسياسة ليست مهمة تلخيص - إنها ' مهمة البحث مع अपेक्षाيات صحيّة على الدقة . لم يكن ينبغي على LLM أن ينتج نصيحة قانونية ; كان ينبغي أن يعيدها من مصدر متأكد S. الوصايا الأولى: الدولة ( والسياسة ) تعيش خارج النموذج .

مجموعة iTutor's الذكاء الصناعي يرفض المتقدمين حسب العمر

في شركة التدريس 2023, مجموعة iTutor دفعت $365,000 لحل قضية إدارة الاتصالات بعد أن قامت برمجيات استخدام الذكاء الصناعي برفض تلقائياً المتقدمات الإناث في سنّ 55+ والمتقدمات الذكور في سنٍ 60+. ومن ثم تم فرز المتقدمين المؤهلين في سن |200

م.س.ك.0 حتّى عندما يقوم التكنولوجيا بجعل التمييز آلياً .م.ب. ك.1 يظل المُظْفِر مسؤولاً ً .مم.ق.2 قال رئيسة مجلس إدارة الاتصالات شارلوت بورووس ،م.م

درس الهندسة البرمجية: التحيز في , التحيز خارجا. إذا كانت بيانات التدريب ترمز للتفرقة , فإن نموذجك سيقوم بالتفرقة الوهم الرابع applied to hiring: classification is acceptable for LLMs, but only when youM SK2ve validated what itMSC3s actually classifying onMST4 Age wasnM ST5t a valid featureM st6 The system needed human reviewM St7 not automationMSt8

شيكاغو سان -Times ينشر قائمة الكتب المشتبهة بـ AI

في مايو 2025, شيكاغو سان نشر قائمة قراءة الصيفية يوصيون بكتب غير موجودة

درس الهندسة البرمجية: الـ LLMs ليست قواعد بيانات. إنهم ينتجون نصاً معقولاً إحصائياً الوصايا السادسة: الشفافية ليست موثوقية.

لماذا هذا مهم

ولا واحدة من هذه الشركات غير مؤهلة بإفتراض أنه لأن الـ LLMs يمكن أن تنتج لغة متماسكة , يمكن أن يُثق بهم أن ينتجوا سلوكاً صحيحاً .

البائعين يبيعون "أعمال الذكاء الصناعي" كطريقة لتخطى العمل الممل | - | الصفوف |, | الآلات الحكومية |

كـ لاحظت ثور أولافسورود: "فهم بياناتك وماذا تخبرك به هو مهم' لكن من المهم أيضاً فهم أدواتكM SK5 معرفة بياناتك٬, وحفظ منظمتك٬' القيم على محمل الجد

كل فشل ما سبق قد تم منعه من خلال تخصص الهندسة البرمجية الأساسية

لاحظوا أن أي من هذه الحلول لا يتضمن نماذج أفضل

المفارقة هي ثقيلة : هذه الشركات قد وضعت " محفزات إختبارية | " | و |" | ردود فعل مبنية | بعد فشل الـ LLM - الذي هو مجرد هندسة البرمجيات مع خطوات إضافية وأزمة العلاقات العامة

ما تبدو عليه الحق

قاعة العار تبين ما يحدث عندما تتجاهل هذه المبادئ. لكن هذه ليست مجرد القيود النظرية.

هذه مبادئ تعمل بالفعل في الإنتاج - بما في ذلك الأنظمة التي قمت ببناءها

DiSE: التطور المتحكم بآلود غير قابلة للثقة

الـ العمارة DiSE يعامل الـ LLMs بالضبط كما ينبغي معاملتها : كما مستشارين غير قابلين للثقة تعمل داخل قفس محدد

• لماذا يتغلب الهيكل على التوهج - تقترح الـ LLM; يتخلص الآلة من الحالة . كل عمل يخضع للتحقق من صحته , كل تحول يتم تسجيلهM SK4 كل الخلل يمكن استرجاعه
• معاملة الـ LLMs كغير قابلة للثقة - النموذج " الطبقة الخالقية " قوي لكنه مشوش بوضوح
• محطة المصعد - عمليات عمل قابلة للتحقق حيث يكون LLM مادة البناء, ليس معماريًا

الفكرة الرئيسية: الـ LLMs فائقة في توليد الافتراضات . الأنظمة المعرفية فائق في تصديقها . DiSE يستخدم كلا من

إكتشاف البوت: LLM كمستشار, ليس متحكم

الـ محرك إكتشاف الروبوت يعرض وصمة الثمانية في الواقع:

• يقوم الـ LLM بتحليل الأنماط السلوكية ويقترح تصنيفات
• لكن إتخاذ قرار يأتي من نظام تقييم مع مراحل واضحة
• الدولة تعيش في قاعدة البيانات, وليس في نافذة السياق
• كل قرار قابل للتحقق منه وقابل للتكرار

هذه هي النمط : استخدام الـ LLM ' قوة الـ ( إدراك النمذج \ , توليد فرضية | ) أثناء الحفاظ على الآلة المملوءة |( | حالة | , | الإنتقالات |, | الأعراض الجانبية ٬ ) | في الشفرة الديميتريسية ٬.

الغموض المقيد: نمط نظام التحكم

الـ نمط الغموض المقيد يُشكل العلاقة بين المكونات الإحتمالية و المعرفية:

• المظلة (حقائق) يغذى مؤلف (LLM), التي تغذى المحافظ (validate, rewrite , budgetM SK3
• لا يملك الـ LLM أي حالة أو أعراض جانبية
• كل مخرج محصور بقيود صعبة

الجزء 2: المُمَمَ مُحَدَم يتوسع هذا إلى أنظمة متعددة -أعضاء حيث تتواصل أجهزة LLM متعددة من خلال إشارات مكتوبة | , | ليس لغة طبيعية ٬. | substrate يصبح مشتركا ٬ . | the constrainer becomes a coordinator |. | The commandments still apply |

صفر-PII استخبارات العملاء

فهم الدلالية دون تخزين الهوية يوضح كيفية استخدام المداخلات و الـ LLMs لرؤية الزبائن بينما يحافظ على الأجزاء الخطيرة (PII, الإختياراتM SK2 السلوك ) في الأنظمة الهيكليةMSC4 قابلة للتحكم

الذاكرة السلوكية لـ LRU

تعلم الـ LRUs - حتى إدارة الذاكرة تتبع هذه المبادئ. قد يساعد LLM في اتخاذ القرار ماذا للتذكر , لكن آلية من التذكر أمر ممل

القاعدة النهائية (من يهم

LLMs interpret reality. لا يجب أن يسمح لهم أبدا بتحديدها.

استخدم كل أداة لمعرفة ما هو جيد في

لقد حلنا بالفعل حالة , و السببية , و ضمانات "M SK2" لا تنزع ذلك فقط لأن العرض يبدو ذكيًا

وعندما تحصل على هذا صحيحاً , يحدث شيء مفاجئ : تتوقف عن الحاجة إلى النماذج الثمنة | . | نموذج العوامل الـ 7 | B يعمل محلياً يمكن أن يصنف |, | يستخلص |, | وينتج إفتراضات جيدة جداً لأن الأنظمة الإفتراضية حولها تتعامل مع كل شيء يجب أن يكون صحيحا نماذج الحدود تبيع لك الثقة التي يجب أن تبنيها بنفسك.

بنوا الآلات المملة. أعرضوا LLM للمستشار. ثم شاهدوا قذف نموذج صغير أعلى وزنه

إذا كان هذا يبدو واضحا, جيد. يعني أنك تعرف بالفعل كيفية بناء نظم موثوقةM SK2 المشكلة هي أن تتظاهر بأن هذه القواعد لم تعد تطبق