حماية الصحة المعرفية لوكلاء الذكاء الاصطناعي
يراقب Lucid كيفية تفاعل المستخدمين مع أنظمة الذكاء الاصطناعي ويكيف الاستجابات في الوقت الفعلي لمنع الاعتماد المعرفي — الميل التدريجي، وغالبًا ما يكون غير مرئي، لتفريغ التفكير إلى الذكاء الاصطناعي بدلاً من استخدامه كأداة للنمو.
لماذا Lucid؟
يجعلنا الذكاء الاصطناعي أكثر إنتاجية — لكن الأبحاث تظهر أنه يمكن أن يجعلنا أيضًا كسالى معرفيًا. المشكلة دقيقة: كل تفاعل فردي يبدو جيدًا، ولكن على مدى أسابيع وشهور، يتوقف المستخدمون تدريجيًا عن التفكير بأنفسهم. يكتشف Lucid هذا الانجراف ويتدخل قبل أن يتجذر.
تدهور ملحوظ في التفكير النقدي مع التفويض المكثف للذكاء الاصطناعي
MIT Media Lab (2025)
الارتباط بين الاعتماد على الذكاء الاصطناعي والتفكير النقدي
Gerlich (2025)
قابلية أعلى للتأثر — القشرة الأمامية الجبهية لم تنضج بالكامل
Arain et al. (2013); APA (2025)
كيف يعمل
يعمل Lucid كحلقة تغذية راجعة مستمرة بين المستخدم، والذكاء الاصطناعي الخاص بك، ونظام الحماية المعرفية. الفكرة الرئيسية: Lucid لا يحظر أو يفلتر أي شيء. إنه يكيف كيفية استجابة الذكاء الاصطناعي بناءً على الأنماط المعرفية للمستخدم.
صفر زمن انتقال: track() يعمل بشكل غير متزامن — لا يعيق استجابة الذكاء الاصطناعي أبدًا. يحصل المستخدم على إجابته فورًا؛ يحدث التحليل المعرفي في الخلفية. يوفر تنسيق TOON (تدوين الكائنات الموجهة بالرموز) حوالي 40% من الرموز في مخرجات LLM مقارنة بـ JSON.
ستة أبعاد معرفية
يتم تقييم كل تبادل رسائل عبر ستة أبعاد، متوافقة مع مقاييس نفسية معتمدة (GAIDS α=.87، AIMS 2025، مقياس التفريغ المعرفي α=.90).
الاستقلالية
0 → 1التفكير المستقل مقابل التفويض للذكاء الاصطناعي
التعلم
0 → 1الفضول، طرح سؤال "لماذا"، السعي للفهم
المشاركة
0 → 1جودة وعمق المشاركة
ما وراء المعرفة
0 → 1الوعي الذاتي بعملية التفكير الخاصة بالفرد
التحقق
0 → 1التقييم النقدي لمخرجات الذكاء الاصطناعي
الدافع
typeلماذا يشارك المستخدم — جوهري، أداتي، أو تجنب
أربع طبقات من الحماية
1. التكيف في الوقت الفعلي
تتكيف الإرشادات المحقونة في موجه نظام الذكاء الاصطناعي مع الاستجابات بناءً على الحالة المعرفية للمستخدم — الاستقلالية، التعلم، ما وراء المعرفة، التحقق، الدافع.
2. اكتشاف إرهاق الجلسة
يراقب مدة الجلسة، وحجم الرسائل، وأنماط تقصير الاستجابة لاقتراح فترات راحة قبل التحميل المعرفي الزائد.
3. اكتشاف الانجراف طويل الأمد
يقارن مؤشر الانجراف المعرفي (CDI) الأنماط الأسبوعية المبكرة مقابل الأنماط الحديثة لاكتشاف التدهور التدريجي الذي تفوته مقاييس مستوى الجلسة.
4. الوعي بالثقة والتحفيز
يكتشف الثقة المفرطة (قبول كل شيء) ودافع التجنب (استخدام الذكاء الاصطناعي للهروب من التفكير) — وهما أقوى مؤشرين على الاعتماد المعرفي.
ملفات تعريف معرفية تكيفية
يتم تسوية النتائج باستخدام متوسط متحرك أسي مع ألفا تكيفية. تتشكل ملفات تعريف المستخدمين الجدد بسرعة، بينما تكون ملفات تعريف المستخدمين الراسخين مستقرة ومقاومة للشذوذ. رسالة سيئة واحدة لن تشوه ملفًا معرفيًا راسخًا جيدًا.
// تتناقص ألفا مع تحليل المزيد من الرسائل
α = max(0.02, 0.1 / log₁₀(total_messages + 10))
| الرسائل | ألفا (α) | التأثير |
|---|---|---|
| 1 (مستخدم جديد) | ~10% | يتشكل الملف بسرعة، ويستجيب للأنماط المبكرة |
| 50 | ~6% | يستقر، مستقر بشكل معتدل |
| 100 | ~5% | راسخ جيدًا، مقاوم للشذوذ |
| 500+ | ~4% | مستقر — يبدأ اكتشاف الانجراف طويل الأمد |
| 5000+ | 2% (حد أدنى) | مستقر جدًا، يتطلب تحولًا ثابتًا للتغيير |
السقالات التدريجية
بناءً على منطقة فيجوتسكي للتنمية القريبة، يقلل Lucid تدريجيًا من دعم الذكاء الاصطناعي مع نمو المستخدمين. يتم تحديد مستوى السقالات من خلال درجات الاستقلالية والتعلم وما وراء المعرفة — وما وراء المعرفة هي أقوى إشارة للاستعداد.
إرشاد خطوة بخطوة، التحقق من الفهم في كل خطوة
تلميحات منظمة، أسئلة توجيهية، حلول جزئية
توجيهات بسيطة، دع المستخدم يقود ويؤكد الاتجاه
حوار سقراطي، دفع الحدود، اقتراح مشاكل أصعب
الحماية القائمة على العمر
يتلقى المستخدمون الذين تقل أعمارهم عن 25 عامًا عتبات أكثر صرامة بناءً على أبحاث نضج القشرة الأمامية الجبهية. إن اللدونة العصبية المتزايدة للدماغ النامي تجعله أكثر قابلية للتكيف وأكثر عرضة للخطر.
البالغون (25+)
- حد الجلسة: 45 دقيقة
- حد الرسائل: 30/جلسة
- إرشادات قياسية
أقل من 25 عامًا
- حد الجلسة: 30 دقيقة
- حد الرسائل: 20/جلسة
- نهج تعليمي دائم التشغيل أولاً
بدء سريع
حزمة تطوير برامج (SDK) جاهزة للاستخدام. تعمل مع أي مزود متوافق مع OpenAI عبر baseURL.
// Install
npm install @tetiai/lucid
// Track each exchange (fire-and-forget)
lucid.track(userId, {
userMessage: "Write the code for me",
aiResponse: "Sure, here's the implementation...",
topicId: "conversation-123",
}).catch(console.error)"
// Inject guidelines into your AI system prompt
const guidelines = await lucid.getGuidelines(userId);
systemPrompt += guidelines;
تخزين ومحللات مرنة
MemoryStore
devللتطوير/الاختبار — بدون إعدادات، في الذاكرة
PrismaStore
prodللإنتاج — PostgreSQL، MySQL، SQLite، MongoDB
RedisStore
prodعمليات نشر موزعة، جلسات مشتركة
يستخدم محلل LLM حزمة تطوير برامج OpenAI كعميل عالمي — يعمل مع Together AI، Groq، Ollama، OpenRouter، وأي مزود متوافق عبر baseURL. تعمل النماذج الرخيصة والسريعة (Llama 3.1 8B، Gemini Flash) بشكل رائع — لا تتطلب نماذج متطورة.
الفلسفة
ليس قاضيًا
لا توجد درجات "جيدة" أو "سيئة". يتكيف النظام، ولا يقيم.
غير مرئي افتراضيًا
لا يرى المستخدمون الدرجات إلا إذا أظهرتها لهم.
الخصوصية أولاً
مقاييس مجمعة فقط، وليس محتوى الرسائل أبدًا.
متوافق مع اللائحة العامة لحماية البيانات (GDPR)
deleteUser() لحذف البيانات بالكامل عند الطلب.
×Teti AILucid هو المحرك وراء الحماية المعرفية لـ Teti
يتم تحليل كل محادثة في Teti AI بواسطة Lucid في الخلفية. يتكيف ملفك المعرفي بمرور الوقت، ويتغير سلوك الذكاء الاصطناعي وفقًا لذلك — يطرح المزيد من الأسئلة عندما تفوض، ويتحدّاك أكثر عندما تزدهر، ويقترح فترات راحة عندما يحل التعب.