في 5 نوفمبر 2026 نشر فريق الاقتصاد في معهد Anthropic تقريراً تقنياً بعنوان «AI for scientific discovery: How researchers use Claude»، ومن بين مؤلفيه التسعة يُذكر Johannes Hermle وBen Jones وLukas Althoff مؤلفين رئيسيين. يستخدم التقرير مصنِّفات لغوية كبيرة لوسم 207,049 جلسة على الخطط الاستهلاكية بين 2 أغسطس و30 سبتمبر 2026 حسب المجال والمهمة، ويضيف استطلاعاً شمل 528 عالماً ودرجة «قدرة نظرية للذكاء الاصطناعي»، ويختتم بثلاثة سيناريوهات للتسريع. وحتى تاريخ مراجعتنا في 8 نوفمبر 2026، يُعدّ هذا أكمل مجموعة بيانات عامة من Anthropic عن الاستخدام العلمي لمنتجاتها.

Anthropic: AI for scientific discovery — How researchers use Claude (05-11-2026)

نبدأ بتحديد الموقف: هذا بحث أجراه مورِّد على بيانات استخدام منتجه الخاص، وتنتهي استنتاجاته عند حدود الجلسات التي تعرّف عليها مصنِّف على أنها علمية ضمن خطط Anthropic الاستهلاكية. يتحقّق النصف الأول من المقال من الأرقام ويشير إلى المواضع التي يسهل فيها الإفراط في التأويل. أما النصف الثاني فيأخذ الفجوة التي يكشفها التقرير، بين ما يستخدم الباحثون Claude من أجله أكثر وما يعدّونه الأهم، ويحوّلها إلى سير عمل يمكن للباحث نسخه: أي واجهة لأي مهمة، وما الأدلة التي يجب أن تخلّفها كل جلسة، وكيف تُقبل النتائج بالسكربتات لا بالذاكرة. كل السكربتات تعمل دون اتصال؛ ولم نُجرِ أي استدعاء لواجهة برمجة التطبيقات.

1. ما هذا: تقرير تقني على بيانات استخدام المورِّد نفسه

العيّنة الرئيسية 207,049 جلسة على الخطط الاستهلاكية بين 02-08-2026 و30-09-2026: منها 128,914 على Claude (يجمع التقرير Chat وCowork تحت هذا الاسم) و78,135 على Claude Code. وتُدرس أيضاً عيّنة تكميلية من Claude Science، لكن النص لا يذكر حجمها ولا نطاقها الزمني. تمرّ كل جلسة أولاً بمصنِّف يقرّر ما إذا كانت تتضمن عملاً علمياً؛ ثم يسند مصنِّف ثانٍ المجال والمجال الفرعي والمهمة من تصنيف SciNet الذي يضم 7,262 مهمة و34 مجالاً و318 مجالاً فرعياً.

Anthropic: AI for scientific discovery — How researchers use Claude (05-11-2026)

يحدّد تصميم الخصوصية ما يمكن للبيانات أن تدعمه. يذكر التقرير أن الوسوم مثل «كيمياء» أو «تنظيف البيانات» هي المعلومة الوحيدة المحتفَظ بها من المحادثات، وأن أيّاً من المصنِّفات لا يستخرج أو يخزّن محتوى بحثياً مفتوحاً، وأن النتائج تُنشر بشكل مجمّع فقط وللخلايا التي تبلغ حداً أدنى من الحسابات المتمايزة فقط. ولذلك لا يستطيع المؤلفون فحص الجودة العلمية لأي جلسة بعينها. فكل رقم عن «محتوى بمستوى الدكتوراه» أو «استقلالية عالية للذكاء الاصطناعي» أو «الساعات التي يحتاجها إنسان» هو تقدير نموذج لا مراجعة بشرية.

Anthropic: AI for scientific discovery — How researchers use Claude (05-11-2026)

يشمل الاستطلاع 528 عالماً، معظمهم من علوم الحياة والصحة، جرى استقطابهم من المتقدمين إلى برنامج AI for Science التابع لـ Anthropic وبرامج المنح ذات الصلة، وينتمون إلى مؤسسات في الولايات المتحدة أو كندا. ويقرّ المؤلفون بأن من تقدّموا للحصول على أرصدة بحثية للذكاء الاصطناعي هم على الأرجح مستخدمون أكثر كثافة من العالِم النموذجي. أما حصص وقت الباحثين فتأتي من مصنِّف لغوي منفصل تابع لـ SciNet، جرى التحقق منه مقابل بروتوكولات المختبرات الرطبة وتواتر الأوراق المنشورة.

Anthropic: AI for scientific discovery — How researchers use Claude (05-11-2026)

بجمع ذلك كله، يستطيع التقرير الإجابة عن: ماذا تفعل الجلسات المعرَّفة بوصفها بحثاً على منتجات Anthropic الاستهلاكية، ومن أي المجالات تأتي، وكيف يرتبط ذلك بدرجة قدرة؟ لكنه لا يستطيع الإجابة عن كيفية استخدام علماء العالم للذكاء الاصطناعي، ولا يقول شيئاً عن منتجات الموردين الآخرين. ولأن النص يذكر الخطط الاستهلاكية فقط، نستنتج أن Team وEnterprise والاستخدام المباشر لواجهة البرمجة خارج العيّنة؛ وهذا استنتاجنا نحن، إذ لا يفصّل التقرير الاستثناءات. وعند كل نسبة مئوية أدناه، احتفظ بالمقام في ذهنك: الجلسات البحثية على منتجات Anthropic الاستهلاكية.

Anthropic: AI for scientific discovery — How researchers use Claude (05-11-2026)

2. حصص المهام مقابل حصص الوقت: كثرة الجلسات ليست كثرة ساعات الباحث

أكثر جداول التقرير إفادة هو الذي يضع حصة كل فئة مهام من الجلسات على Claude وClaude Code إلى جانب حصة وقت الباحثين المخصّصة لها. الأرقام أدناه منقولة من النص. وحصص وقت الباحثين مطبوعة لأربع فئات فقط؛ أما الأربع الأخرى فلا رقم مفصّلاً لها في النص، وتظهر بعلامة «—» بدلاً من أن نقدّرها نحن.

Anthropic: AI for scientific discovery — How researchers use Claude (05-11-2026)

حصص الجلسات حسب فئة المهمة مقابل حصص وقت الباحثين (المصدر: تقرير Anthropic بتاريخ 05-11-2026، روجع في 08-11-2026).
فئة المهمةجلسات Claudeجلسات Claude Codeوقت الباحثين
تحليل البيانات33.7%48.1%27.6%
الكتابة والتواصل32.0%17.6%16.0%
جمع البيانات11.5%11.9%28.6%
القراءة واكتساب المعرفة7.6%3.7%—
التحليل النظري5.0%4.7%—
التصميم والتطوير4.7%7.7%—
توليد الأفكار والفرضيات4.2%2.1%7.1%
أخرى1.3%4.2%—

على مستوى المهام المفردة، تأتي صياغة المخطوطات في المقدمة على المنتجين: 18.6% على Claude و11.1% على Claude Code. ويليها على Claude مراجعة الأدبيات وتوليفها (6.8%) والرد على تعليقات المحكّمين (6.7%)؛ وعلى Claude Code تصميم المخرجات البحثية وبناؤها وتحسينها (4.8%) وتصوير البيانات والنتائج بصرياً (4.6%). أما المخرجات، فإن 52% من جلسات Claude تنتج مخرجات مكتوبة و21% مخرجات تقنية؛ والمخرجات التقنية أكثر شيوعاً بنحو الضعف على Claude Code؛ وعلم الأحياء هو المجال الوحيد الذي تفوق فيه المخرجات التقنية المكتوبة.

Anthropic: AI for scientific discovery — How researchers use Claude (05-11-2026)

في قراءة هذا الجدول فخّان. الأول: حصص الجلسات تجمع إلى 100%، فالفئة «المرتفعة» تُجبر أخرى على أن تكون «منخفضة»؛ الجدول يصف توزيعاً نسبياً لا عبء عمل مطلقاً. الثاني: جمع البيانات يستهلك 28.6% من وقت الباحثين لكنه لا يشكّل سوى 11.5% إلى 11.9% من الجلسات. قد يعني ذلك أن النموذج قليل الفائدة هناك، وقد يعني أن جمع البيانات يجري على طاولة المختبر وعند الجهاز وفي الميدان حيث لا توجد نافذة دردشة مفتوحة. والتقرير نفسه يحذّر من أن توليد الأفكار يميل إلى التشابك مع مهام أخرى وقد يُحتسب أقل من حقيقته.

3. إعادة حساب نسبة الاستخدام في ثلاثين سطراً من Python

يقيس التقرير الكثافة النسبية بـ«نسبة الاستخدام»: حصة المهمة من الاستخدام مقسومة على حصتها من وقت الباحثين، حيث يعني 1 التناسب. وبحسب أخماس القدرة، يقع الخُمس الأدنى عند نحو 0.2 على المنتجين، والأوسط عند نحو 1، والأعلى عند نحو 2.1 على Claude و3.9 على Claude Code. لا يطبع التقرير النسبة لكل فئة مهام، لذا نحسبها من الحصص المنشورة. السكربت أدناه لا يحتاج إلا المكتبة القياسية لـ Python 3؛ احفظه باسم use_ratio.py وشغّل python3 use_ratio.py.

Anthropic: AI for scientific discovery — How researchers use Claude (05-11-2026)

use_ratio.py: إعادة حساب نسبة الاستخدام للفئات الأربع ذات حصة الوقت المنشورة؛ والبقية موسومة n/a عمداً.
# Recompute the use ratio (share of sessions / share of researcher time)
# from the task shares printed in Anthropic's 2026-11-05 report (Figure 2 / text).
SHARES = {
    # task: (Claude sessions %, Claude Code sessions %, researcher time % or None)
    "data analysis": (33.7, 48.1, 27.6),
    "writing & communication": (32.0, 17.6, 16.0),
    "data gathering": (11.5, 11.9, 28.6),
    "reading & knowledge acquisition": (7.6, 3.7, None),
    "theoretical analysis": (5.0, 4.7, None),
    "design & development": (4.7, 7.7, None),
    "ideation & hypothesis generation": (4.2, 2.1, 7.1),
    "other": (1.3, 4.2, None),
}

def ratio(use, time):
    return None if time is None else use / time

def flag(r):
    if r is None:
        return "no time share printed"
    return "over-used (>1)" if r > 1 else "under-used (<1)"

def fmt(r):
    return "   n/a" if r is None else f"{r:6.2f}"

print(f"{'task':34} {'Claude':>8} {'Code':>8}  reading")
for task, (c, cc, t) in SHARES.items():
    rc, rcc = ratio(c, t), ratio(cc, t)
    print(f"{task:34} {fmt(rc):>8} {fmt(rcc):>8}  {flag(rc)} / {flag(rcc)}")

tot_c = sum(v[0] for v in SHARES.values())
tot_cc = sum(v[1] for v in SHARES.values())
tot_t = sum(v[2] for v in SHARES.values() if v[2] is not None)
print(f"\nsession shares sum to {tot_c:.1f}% (Claude) / {tot_cc:.1f}% (Claude Code)")
print(f"printed researcher time shares sum to {tot_t:.1f}%; the rest is not broken out in the text")

الناتج: الكتابة والتواصل 2.00 (Claude) / 1.10 (Claude Code)، تحليل البيانات 1.22 / 1.74، جمع البيانات 0.40 / 0.42، توليد الأفكار والفرضيات 0.59 / 0.30. ويطبع السكربت أيضاً فحصَي سلامة: حصص الجلسات لكل منتج تجمع إلى 100.0%، بينما لا تجمع حصص الوقت الأربع المطبوعة إلا إلى 79.3%. وتتوزع النسبة المتبقية 20.7% على القراءة والنظرية والتصميم وغيرها، وهي فئات لا يفصّلها النص، فلا يمكن حساب نسبة لها. لا تملأ هذه الفجوة برقم يبدو معقولاً.

فسّر بتحفّظ. نسبة 2.00 للكتابة على Claude تعكس أولاً أن واجهة الدردشة مصنوعة للنص؛ وليست دليلاً مباشراً على أن النموذج أفضل في الكتابة. وتحليل البيانات عند 1.74 على Claude Code مقابل 1.22 على Claude يطابق الأداة: الواجهة التي تنفّذ الشيفرة تستقبل تحليلاً أكثر بطبيعتها. أما ما يستحق الانتباه فهو الفئة الواقعة دون 0.6 على المنتجين، أي توليد الأفكار. وتبيّن الأقسام التالية أنها بالضبط الخطوة التي يمنحها الباحثون أعلى تقييم في الاستطلاع.

4. المجالات ورابط القدرة بالاستخدام: الارتباط ليس سببية

حسب المجالات، أكبر حصص جلسات Claude هي علوم الحاسوب 11.9% والهندسة 8.4% والطب 7.7%. تشكّل علوم الحاسوب 4.3% من باحثي العالم لكنها تشكّل 32.7% من جلسات Claude Code؛ والذكاء الاصطناعي وتعلّم الآلة 1.2% من الباحثين لكن 5.0% من جلسات Claude و15.2% من جلسات Claude Code. الارتباط اللوغاريتمي بين حصة المجال من الجلسات وحصته من الباحثين 0.79 على Claude و0.62 على Claude Code، وينخفض إلى 0.61 و0.43 على مستوى المجالات الفرعية. تُظهر العلوم الصورية والعلوم الاجتماعية والاقتصاد استخداماً نسبياً مرتفعاً؛ والعلوم الفيزيائية المختبرية والطب والتغذية والطب البيطري استخداماً منخفضاً؛ والفنون والعلوم الإنسانية منخفضة بشكل خاص على Claude Code.

Anthropic: AI for scientific discovery — How researchers use Claude (05-11-2026)

تُبنى درجة «القدرة النظرية للذكاء الاصطناعي» بجعل نموذج لغوي يجري مقارنات ثنائية بين الذكاء الاصطناعي والإنسان في كل خطوة من مهمة بحثية، ثم تجميعها بنموذج Bradley–Terry. إنها حكم نموذج على قدرة نموذج، لا معدل نجاح مُقاس. ثم يربط التقرير المئين القدري بعدة خصائص للمهام، منقولة أدناه.

Anthropic: AI for scientific discovery — How researchers use Claude (05-11-2026)

ارتباط خصائص المهام بمئين «القدرة النظرية للذكاء الاصطناعي» (الأرقام من التقرير).
خاصية المهمةالارتباط بمئين القدرةنمط نسبة الاستخدام الذي يصفه التقرير
الملاءمة للتعلّم المعزّز (RL index)+0.78الشريحة العليا نحو 2.2 (Claude) / 4.2 (Claude Code)
الحصة المعرفية من المهمة+0.69ترتفع النسبة إلى نحو 1.4 / 1.5 مع الحصة المعرفية
المكوّن الجسدي−0.57تنخفض من نحو 1.2 نحو الصفر
القيود التنظيمية−0.38تنخفض من نحو 1.2 نحو الصفر
المكوّن التفاعلي بين الأشخاص−0.31تنخفض من نحو 1.2 نحو الصفر

على مستوى المجالات الفرعية، يرتبط الاستخدام لكل باحث بمتوسط القدرة بمقدار 0.45 (Claude) و0.57 (Claude Code)، وترتبط الاستقلالية بالقدرة بمقدار 0.47 و0.31؛ وعبر المجالات، الارتباط المرجّح بين نسبة الاستخدام وحصة وقت الذكاء الاصطناعي +0.58. يلاحظ المؤلفون أن علوم الصحة تُستخدم أقل مما تتنبأ به القدرة ويرجّحون أن السبب تنظيمي، بينما تُستخدم العلوم الصورية والاجتماعية والإنسانية أكثر، ربما لأن مادتها نص وشيفرة أصلاً. ولا يمكن حسم اتجاه السببية من هذه البيانات: فقد تدفع القدرة الاستخدام، وقد تدفع درجة رقمنة مادة المجال كلاً من درجة القدرة والاستخدام معاً.

Anthropic: AI for scientific discovery — How researchers use Claude (05-11-2026)

5. ثلاثة سيناريوهات للتسريع: اقرأ الافتراضات قبل المضاعِفات

الجزء الأكثر عرضة للتشويه عند إعادة سرد التقرير هو مضاعِف التسريع. وبكلمات المؤلفين أنفسهم، هذه سيناريوهات توضيحية لا تنبؤات. تشترك الثلاثة في مجموعة واحدة من افتراضات التكلفة ومعايرة واحدة للاختناقات؛ ولا تختلف إلا في مقدار العمل غير الجسدي الذي يُفترض أن الذكاء الاصطناعي يؤتمته.

Anthropic: AI for scientific discovery — How researchers use Claude (05-11-2026)

افتراضات السيناريوهات الثلاثة ونتائجها (الأرقام من التقرير؛ المضاعِفات تخص وقت فريق البحث لا الإنتاج ولا الاكتشافات).
السيناريوالافتراض الجوهريالنتيجة المذكورة في التقريركيف يُقرأ
السيناريو 1: القدرات الحاليةدرجات القدرة تحدّد الخطوات التي يتولاها الذكاء الاصطناعييتولى الذكاء الاصطناعي 27%–52% من وقت البحث (الوسيط 38%)؛ تسريع من 1.35× (الفنون) إلى 2.02× (الإحصاء)؛ علوم الحاسوب 1.96×، الكيمياء 1.41×تقدير حدّ أعلى لليوم؛ وتأخر التبنّي ما زال قائماً
السيناريو 2: أتمتة 75% من الخطوات غير الجسديةمستقبل افتراضي؛ الخطوات الجسدية دون تغييرعلوم الحاسوب نحو 8×؛ الإحصاء وعلم المكتبات نحو 7×؛ الاقتصاد نحو 6×؛ معظم العلوم الاجتماعية والرياضيات والفيزياء والفلك 4–5×؛ علوم المختبر والطب 2–3×تحليل حساسية؛ الحصة المؤتمتة من الوقت غير الجسدي من 82% (علوم الحاسوب) إلى 28% (الفنون)
السيناريو 3: أتمتة كل الخطوات غير الجسديةمستقبل افتراضي؛ لا يبقى إلا الخطوات الجسدية والتنسيقالإحصاء وعلوم الحاسوب والاقتصاد والرياضيات وعلم النفس ومعظم العلوم الاجتماعية والفنون والإنسانيات نحو 15–16×؛ الأحياء والكيمياء والمواد والزراعة والعلوم الطبية الحيوية 3–4× فقطالخطوات الجسدية نحو 40% من الوقت في تلك المجالات: الاختناق الصلب

افتراضات التكلفة: ساعة وكيل الذكاء الاصطناعي بـ30 دولاراً مقابل 95 دولاراً لساعة الباحث، مع تشغيل الذكاء الاصطناعي 0.2 ساعة لكل ساعة باحث موفَّرة. ومن ذلك يستنتج المؤلفون أن المهمة المؤتمتة بالكامل تكلّف نحو جزء من ستة عشر من التكلفة البشرية، وأن خفض تكلفة الذكاء الاصطناعي إلى النصف يضاعف ذلك السقف. وتُعايَر بنية الاختناقات على Ahmadpoor وJones (2019). ويصرّح التقرير بأنه لا يحتسب الآلات أو مدخلات التجارب، ولا القيود على مستوى المجال لا الفريق، ولا إحلال المحاكاة محل التجربة، ولا جودة الأفكار.

Anthropic: AI for scientific discovery — How researchers use Claude (05-11-2026)

لذا قبل أن تصل عبارة «علوم الحاسوب 8×» إلى شريحة عرض، تأكد من ثلاثة أمور: إنها حساب على وقت الفريق لا على الأوراق أو الاكتشافات؛ والسيناريوهان 2 و3 يفترضان أن الأتمتة قد حدثت بالفعل لا أن النماذج قادرة عليها اليوم؛ وفي الأحياء والكيمياء والمواد تستهلك الخطوات الجسدية نحو 38% إلى 41% من الوقت، فسقف التقرير نفسه هناك 3× إلى 4× مهما قوي النموذج.

6. عيّنة Claude Science واستطلاع 528 شخصاً: قراءة بيانات ذاتية الاختيار

تتركّز عيّنة Claude Science التكميلية في علوم الحياة: العلوم الطبية الحيوية 31.1%، الأحياء 24.1%، الطب والعلوم السريرية 8.7%، وكل المجالات الأخرى دون 5%، وعلوم الحياة أكثر من النصف إجمالاً. ومقارنة بـ Claude، تكون فرضيات بنية البروتين ووظيفته أرجح بـ6.0 أضعاف، والنماذج الآلية لتفاعلات البروتين–البروتين والبروتين–الرابطة بـ5.6 أضعاف، وفرضيات الدواء–الهدف بـ5.6 أضعاف؛ وبالعكس، التنسيق مع المتعاونين عند 0.15، والعرض في المؤتمرات عند 0.2، وتحليل وفرة الأنواع وتنوعها عند 0.23. ويشكّل توليد الأفكار 8% من جلسات Claude Science.

Anthropic: AI for scientific discovery — How researchers use Claude (05-11-2026)

لجلسات الأحياء والعلوم الطبية الحيوية، يقدّر التقرير ثلاثة مقاييس من إطاره الخاص «الأوليات الاقتصادية» (مستشهداً بـ Appel وآخرين 2026)، بترتيب Claude / Claude Code / Claude Science: الوقت البشري دون ذكاء اصطناعي 4.9 / 5.9 / 10.3 ساعة، المحتوى بمستوى الدكتوراه 48.0% / 67.7% / 82.7%، الاستقلالية العالية للذكاء الاصطناعي 23.7% / 64.1% / 73.3%. وإعادة ترجيح Claude وClaude Code وفق مزيج مهام Claude Science تعطي 5.1 ساعة و55.1% و25.2%، و5.5 ساعة و71.8% و61.4%: تضيق الفجوة لكنها لا تُغلق. ويكتب المؤلفون أن الفروق قد تعكس جزئياً مَن يستخدم المنتج، أي أثر الاختيار الذاتي؛ ولا يفصّل التقرير طريقة قياس المؤشرات الثلاثة.

Anthropic: AI for scientific discovery — How researchers use Claude (05-11-2026)

  • الاستخدام المصرَّح به ذاتياً. توليد الأفكار: 17% لا شيء، 53% مساعد، 24% مشترك. جمع البيانات: 20% لا شيء، 31% مساعد، 30% مشترك، 14% مفوَّض. تحليل البيانات: 20% مساعد، 44% مشترك، 28% مفوَّض. الكتابة: 40% مساعد، 41% مشترك، 13% مفوَّض.
  • الأهمية لنتيجة مهمة، من 100 نقطة: توليد الأفكار 35.6، جمع البيانات 23.6، تحليل البيانات 23.3، الكتابة 17.5.
  • توقّع أن يضاهي الذكاء الاصطناعي وحده كبار الباحثين: في تحليل البيانات يقول 38% إن ذلك تحقق بالفعل و94% بحلول 2030؛ الكتابة 89% بحلول 2030؛ توليد الأفكار وجمع البيانات 72% لكل منهما بحلول 2030.
  • مشاريع بحثية كاملة دون مشاركة بشرية: نحو 40% يتوقعونها بحلول 2030، ونحو 64% بحلول 2035، و16% أبداً.

ضع الاستطلاع إلى جانب بيانات الاستخدام فتظهر النتيجة الأكثر قابلية للهندسة في التقرير: يقيّم الباحثون توليد الأفكار بوصفه الخطوة الأهم (35.6 نقطة)، ومع ذلك فإن لتوليد الأفكار واحدة من أدنى نسب الاستخدام (0.59 / 0.30) وهو أصعب الخطوات تحقّقاً. قيمة عالية واستخدام منخفض وقابلية تحقّق منخفضة: الأقسام الستة التالية مصمَّمة لهذا المزيج لا لإنتاج مسودة إضافية.

7. من السؤال إلى الدليل القابل للتتبّع: ست حلقات في الجلسة البحثية

تذكر مناقشة التقرير ضغطين. الأول: مع ارتفاع حجم الإنتاج تصبح القدرة على التحقق من هذا الإنتاج واستيعابه هي الاختناق. والثاني، استشهاداً بـ Schneider وآخرين (2020): يقضي الباحثون الرئيسيون في المشاريع الممولة اتحادياً في الولايات المتحدة نحو 44% من وقتهم البحثي في المتطلبات الإدارية. فالمكان الصحيح للذكاء الاصطناعي في العملية البحثية ليس إذن «توليد صفحات أكثر»، بل «ترك أثر في كل خطوة يمكن لشخص آخر التحقق منه»، كي لا تنمو تكلفة التحقق بنفس وتيرة الإنتاج.

السلسلة أدناه توصية هندسية منّا لا من محتوى التقرير. وهي تطلب دليلاً على مستوى الملفات لكل سهم: مواصفة مكتوبة أو تسجيلاً مسبقاً في مرحلة السؤال؛ سجلات مصدر وبصمات تجزئة للبيانات؛ نقطة دخول واحدة قابلة لإعادة التشغيل وبيئة مثبّتة للتحليل؛ سجل مراجعة مستقلاً عن المؤلف للتحقق؛ مخرج أمر خلف كل رقم في الكتابة؛ ولكل شكل مساراً يعود إلى السكربت والـ commit والبذرة العشوائية. وتقول صفحة أفضل الممارسات في Claude Code الشيء نفسه في مجالها: أعطِ Claude فحصاً يمكنه تشغيله، واطلب الأمر ومخرجه أو لقطة شاشة بدلاً من قبول عبارة «كل الاختبارات تنجح».

  • السؤال: اكتب سؤال البحث ومعايير الإدراج والاستبعاد والتحليلات المخططة في SPEC.md؛ وكل ما يفعله النموذج لاحقاً يُقارن به.
  • البيانات: سجّل رابط المصدر أو تاريخ الجمع لكل ملف خام، وولّد data/SHA256SUMS، وأبقِ مجلد البيانات الخام للقراءة فقط.
  • التحليل: ملف run.sh واحد يعيد توليد كل نتيجة؛ environment.lock يثبّت الاعتماديات؛ وتُطبع البذور العشوائية صراحةً.
  • التحقق: تغطي الاختبارات شيفرة التحليل؛ ويعيد مراجع لم يكتبها (شخص أو وكيل فرعي للقراءة فقط) تشغيلها ويوقّع.
  • الكتابة: كل رقم في المخطوطة يقابله مخرج أمر؛ وكذلك الردود على المحكّمين.
  • المنشأ: يسجّل figures/PROVENANCE.tsv السكربت والـ commit والبذرة لكل شكل؛ ويسجّل REVIEW.md من أعاد تشغيل ماذا ومتى.
  1. السؤال: SPEC.md بمعايير الإدراج والاستبعاد
  2. البيانات: سجلات المصدر + SHA256SUMS
  3. التحليل: run.sh + environment.lock + البذور
  4. التحقق: الاختبارات + إعادة تشغيل من مراجع مستقل
  5. الكتابة: كل رقم يشير إلى مخرج أمر
  6. المنشأ: PROVENANCE.tsv + REVIEW.md
سلسلة الجلسة البحثية التي يوصي بها هذا المقال: لكل سهم دليل مطابق في المجلد؛ ولا يغني النص النهائي عن الخطوات الوسيطة.

Anthropic: AI for scientific discovery — How researchers use Claude (05-11-2026) · وثائق Claude Code: أفضل الممارسات

8. توزيع العمل بين Claude وClaude Code وClaude Science

تُظهر بيانات التقرير بالفعل الميل الطبيعي لكل واجهة: يتولى Claude الكتابة والأدبيات والردود على المحكّمين؛ ويتولى Claude Code تحليل البيانات والمخرجات التقنية؛ ويتركّز Claude Science في علوم الحياة بأعلى استقلالية. وتصف الصفحة الرسمية claude.com/science، المقروءة في 08-11-2026، Claude Science بأنه تطبيق سطح مكتب في مرحلة تجريبية عامة لأنظمة macOS وWindows وLinux. وتقول الصفحة صراحةً إنه تطبيق لا نموذج، وإنه يعمل على نماذج Claude المضمّنة في خطتك. وهو متاح على خطط Pro وMax وUltra وTeam وEnterprise؛ ويجب على مديري Team وEnterprise تفعيله أولاً، باستثناء خطة Claude Team للعلماء حيث يكون مفعّلاً افتراضياً، وهي موجّهة للعلماء العاملين في المؤسسات الأكاديمية وغير الربحية، مع التحقق من الأهلية عبر الباحث الرئيسي للمجموعة.

الصفحة الرسمية لـ Claude Science

من حيث الميزات، تعدّد الصفحة اتصالاً بأكثر من 60 قاعدة بيانات علمية، ومتخصصين في التحليل للجينوميات والخلية المفردة والبروتيوميات والبيولوجيا البنيوية والمعلوماتية الكيميائية، ومراجعاً في الخلفية يشير إلى الاستشهادات الخاطئة والأرقام غير القابلة للتتبّع والأشكال التي لا تطابق الشيفرة التي أنتجتها. ويحتفظ كل مخرج بالشيفرة التي ولّدته والبيئة التي عمل فيها ووصفاً بلغة بسيطة والمحادثة التي أدّت إليه. ويمكن تشغيل الحوسبة على نوى محلية أو عنقود Slurm عبر SSH أو حساب Modal. وتبقى مجموعات البيانات الخام والحوسبة على الأجهزة أو العناقيد أو الحسابات السحابية التي تختارها، لكن محتوى المطالبات والردود تعالجه Anthropic وفق الاحتفاظ القياسي، وقد تُعالَج بعض طلبات علوم الحياة الحساسة بنموذج Claude مختلف. كل ذلك وصف المورِّد؛ ولم نثبّت التطبيق ولم نختبره.

الصفحة الرسمية لـ Claude Science

التوزيع المقترح للعمل بين الواجهات الثلاث (عمود «خصائص بحسب التقرير» يستخدم بيانات التقرير؛ والباقي توصيتنا).
الواجهةالمهام البحثية المناسبةما تخلّفه الجلسة افتراضياًأين تكون البياناتخصائص بحسب التقرير
Claude (Chat / Cowork)صياغة المخطوطات، توليف الأدبيات، الردود على المحكّمين، تنظيم الأفكارنص المحادثة والمخرجات المكتوبة؛ والشيفرة والبيانات ليست جزءاً منهاكل ما تلصقه يدخل المحادثةالكتابة والتواصل 32.0%؛ مخرجات مكتوبة 52%؛ استقلالية عالية 23.7% فقط (الأحياء)
Claude Codeتحليل البيانات، التصوير البصري، بناء خطوط التحليل، التحقق القابل للتنفيذالأوامر والمخرجات وتغييرات الملفات؛ وتمنح Stop hook وقواعد deny حدوداً حتميةالمستودع المحلي؛ وكل ما يقرؤه النموذج يدخل المحادثةتحليل البيانات 48.1%؛ مخرجات تقنية نحو ضعف Claude؛ استقلالية عالية 64.1%
Claude Science (تجريبي)تحليل علوم الحياة، البحث في قواعد البيانات، تحليل متعدد الخطوات مع مراجعبحسب المورِّد، يحمل كل مخرج الشيفرة والبيئة والوصف والمحادثةالبيانات الخام والحوسبة حيث تختار؛ وتعالج Anthropic المطالبات والردودعلوم الحياة أكثر من النصف؛ استقلالية عالية 73.3%؛ محتوى بمستوى الدكتوراه 82.7%

اختر وفق حدود البيانات أولاً ثم وفق الحاجة إلى الأدلة. في المشاريع الخاضعة لاتفاقيات بيانات أو مراجعة أخلاقية، تأكد قبل كل شيء من أن «معالجة Anthropic لمحتوى المطالبات والردود» مسموح بها، ولا تقرأ «تبقى البيانات الخام محلياً» على أنها «لا يُرفع شيء». استخدم Claude Code حيث تلزم أدلة قابلة للتنفيذ: فإن Stop hook وقواعد deny و--max-turns مصنّفة في وثائقه ضوابط حتمية لا تعتمد على تذكّر النموذج قاعدةً ما. ويمكن أن تبقى الكتابة في واجهة الدردشة، لكن كل رقم يجب أن يظل قابلاً للتتبّع إلى مخرج أمر في مجلد التحليل. وعلى مستوى الخطط يكفي أن تعرف الخطط التي يذكرها المورِّد؛ وتحقّق من التفاصيل في حسابك. ولا يتناول هذا المقال الأسعار.

الصفحة الرسمية لـ Claude Science · وثائق Claude Code: أفضل الممارسات

9. ما يجب أن تخلّفه الجلسة البحثية: بوابة قبول دون اتصال

اختصر حلقات القسم 7 الست إلى خمسة ملفات يجب أن توجد، ثم تحقّق بسكربت من وجودها واتساقها. لا تحكم البوابة على صحة العلم؛ بل تحكم على إمكان أن يعيد شخص آخر تشغيله وتتبّعه. ويمكن تشغيلها يدوياً أو بوصفها Stop hook في Claude Code، حيث يعيد رمز الخروج 2 Claude إلى العمل بدلاً من السماح له بإعلان الإنجاز.

وثائق Claude Code: أفضل الممارسات

الأدلة التي يجب أن يحتويها مجلد التحليل وطريقة فحصها (توصيتنا).
الدليلالملفالفحص
شيفرة قابلة لإعادة التشغيلrun.shموجود؛ يعيد توليد كل نتيجة على نسخة نظيفة
بيئة مثبّتةenvironment.lockموجود؛ إصدارات دقيقة مصدَّرة من pip أو conda أو renv
بصمات البياناتdata/SHA256SUMSينجح shasum -a 256 --check لكل ملف
منشأ الأشكالfigures/PROVENANCE.tsvالشكل والسكربت والـ commit والبذرة في كل صف موجودة وغير فارغة
مراجعة مستقلةREVIEW.mdيحتوي سطر re-ran: يسمّي ما نفّذه المراجع
check_analysis.sh: فحص دون اتصال لوجود أنواع الأدلة الخمسة واتساقها؛ يطبع ACCEPT وإلا يخرج برمز 2.
#!/usr/bin/env bash
# check_analysis.sh <folder> — offline acceptance gate for one analysis folder.
# ACCEPT only when code, pinned environment, data hashes, figure provenance
# and an independent reviewer note are all present and consistent.
set -u
dir="${1:?usage: check_analysis.sh <analysis-folder>}"
fail=0
need() { if [ -e "$dir/$1" ]; then echo "ok      $1"; else echo "MISSING $1 — $2"; fail=1; fi; }

need run.sh                 "one entry point that regenerates every result"
need environment.lock       "pinned environment (requirements.txt, renv.lock, conda export ...)"
need data/SHA256SUMS        "hashes of the raw inputs the analysis read"
need figures/PROVENANCE.tsv "one row per figure: figure, script, commit, seed"
need REVIEW.md              "independent reviewer pass: who, when, what was re-run"

if [ -f "$dir/data/SHA256SUMS" ]; then
  if (cd "$dir/data" && shasum -a 256 --check --quiet SHA256SUMS); then
    echo "ok      data hashes match"
  else
    echo "FAIL    raw data does not match SHA256SUMS"; fail=1
  fi
fi

if [ -f "$dir/figures/PROVENANCE.tsv" ]; then
  while IFS=$'\t' read -r fig script commit seed; do
    [ "$fig" = "figure" ] && continue            # header row
    [ -f "$dir/$fig" ]    || { echo "FAIL    listed figure missing: $fig"; fail=1; }
    [ -f "$dir/$script" ] || { echo "FAIL    script for $fig missing: $script"; fail=1; }
    [ -n "$commit" ]      || { echo "FAIL    no commit recorded for $fig"; fail=1; }
    [ -n "$seed" ]        || { echo "FAIL    no seed recorded for $fig"; fail=1; }
  done < "$dir/figures/PROVENANCE.tsv"
fi

if ! grep -qiE '^re-ran:' "$dir/REVIEW.md" 2>/dev/null; then
  echo "FAIL    REVIEW.md has no 're-ran:' line naming what the reviewer executed"; fail=1
fi

if [ "$fail" -eq 0 ]; then echo "ACCEPT"; else echo "HOLD — fix the lines above"; exit 2; fi

الاستخدام: bash check_analysis.sh <مجلد-التحليل>. اختبرناه على مجلد اصطناعي أدنى: مع وجود الملفات الخمسة وتطابق البصمات واكتمال كل صف في PROVENANCE يطبع ACCEPT؛ ومع مجلد فارغ يعدّد كل عنصر مفقود ويخرج برمز 2. وهو عمداً لا يحلّل الدفاتر ولا يقرأ محتوى البيانات؛ فذلك عمل الاختبارات والمراجع. ولا يعتمد إلا على bash وshasum وgrep المتوفرة في macOS ومعظم توزيعات Linux.

10. ضع قواعد الأدلة في CLAUDE.md ثم ادعمها بـ Stop hook

تقسّم صفحة أفضل الممارسات في Claude Code، المقروءة في 08-11-2026، التعليمات إلى نوعين. غير الحتمية يقرؤها النموذج ويقرّر ما إذا كان سيتبعها: المطالبة وCLAUDE.md والمهارات. والحتمية ينفّذها Claude Code نفسه: الخطافات وقواعد deny والإعدادات المُدارة. والقاعدة العملية للصفحة أن السطر الذي لا استثناء له مكانه خطاف لا CLAUDE.md، وأن تكرار التشديد على سطر في CLAUDE.md يواصل Claude تجاهله هو الإشارة بحد ذاته. وينبغي ألا يحوي CLAUDE.md إلا ما لا يراه النموذج في الشيفرة؛ ويوصي دليل الذاكرة بالبقاء دون 200 سطر.

وثائق Claude Code: أفضل الممارسات

CLAUDE.md: اتفاقيات الجلسة لمشروع تحليل بيانات؛ الأوامر وقواعد الأدلة والمزالق التي لا يستطيع النموذج قراءتها من الشيفرة فقط.
# Analysis conventions (loaded into every Claude Code session in this repo)

## Commands
- Reproduce everything: bash run.sh
- Tests on the analysis code: python3 -m pytest tests -q
- Acceptance gate: bash check_analysis.sh .

## Evidence rules
- Every number you report must come from a command you ran in this session.
  Quote the command and the relevant output lines; never type a number from memory.
- Fix the random seed, print it, and record it in figures/PROVENANCE.tsv.
- When you change a figure, update its PROVENANCE row (figure, script, commit, seed).
- Raw data under data/raw/ is read-only. Derived data goes to derived/ and is
  regenerated by run.sh, never edited by hand.
- If a check fails, say so. Never describe a result as confirmed without the output.

## Gotchas
- The environment is pinned in environment.lock; do not install packages ad hoc.
- A citation needs a DOI or URL that was actually opened; mark everything else "to verify".

يحوّل ملف .claude/settings.json أدناه ثلاث قواعد إلى ضوابط حتمية. تسري قواعد deny في كل أوضاع الأذونات بما فيها auto وbypassPermissions؛ وتشير الوثائق إلى أن قاعدة deny على Read تلتقط أيضاً أوامر القراءة الشائعة مثل cat، لكنها لا تلتقط سكربتاً يفتح الملف بنفسه. ويعمل Stop hook عندما يحاول Claude إنهاء دوره؛ فرمز الخروج 2 يمنع التوقف، وما كتبه الأمر إلى stderr يعود إلى النموذج سبباً لعدم قدرته على الإنهاء بعد. وتضيف وثائق الخطافات سقفاً: بعد ثمانية حجوزات متتالية دون استدعاء أداة بينها، يتجاوز Claude Code الحجز التالي وينهي الدور، ويمكن تعديل ذلك بمتغير البيئة CLAUDE_CODE_STOP_HOOK_BLOCK_CAP؛ ويحمل مدخل الخطاف حقل stop_hook_active لتجنّب الدوران على شرط لن يتحقق أبداً.

وثائق Claude Code: أفضل الممارسات · وثائق Claude Code: الخطافات (Hooks)

.claude/settings.json: يسبق الموافقة على ثلاثة أوامر تحليل، ويمنع قراءة الأسرار وتعديل البيانات الخام، ويشغّل Stop hook الاختبارات ثم بوابة القبول.
{
  "permissions": {
    "allow": [
      "Bash(bash run.sh)",
      "Bash(python3 -m pytest *)",
      "Bash(bash check_analysis.sh *)"
    ],
    "ask": ["Bash(git push *)"],
    "deny": [
      "Read(./.env)",
      "Read(./secrets/**)",
      "Edit(./data/raw/**)",
      "Write(./data/raw/**)"
    ]
  },
  "hooks": {
    "Stop": [
      {
        "hooks": [
          {
            "type": "command",
            "command": "python3 -m pytest tests -q 1>&2 && bash check_analysis.sh . 1>&2 || exit 2"
          }
        ]
      }
    ]
  }
}

يمكن إسناد المراجعة المستقلة إلى وكيل فرعي للقراءة فقط. تضع وثائق الوكلاء الفرعيين التعريفات تحت .claude/agents/، ولا يلزم في مقدمة YAML سوى name وdescription، ويقبل tools قائمة مفصولة بفواصل؛ وإغفال Write وEdit يعطي مراجعاً لا يستطيع تغيير الملفات. وتحذّر أيضاً من أنه عندما تعمل المحادثة الرئيسية في وضع bypassPermissions أو acceptEdits أو auto، يُتجاهل permissionMode الخاص بالوكيل الفرعي، فتقييد tools هو الضابط الأكثر موثوقية. والاقتراح ذو الصلة في صفحة أفضل الممارسات هو /code-review، الذي يراجع الفرق في وكيل فرعي جديد لم يرَ محادثتك ولا يتأثر بالاستدلال الذي أنتج الشيفرة.

وثائق Claude Code: الوكلاء الفرعيون (Sub-agents) · وثائق Claude Code: أفضل الممارسات

.claude/agents/analysis-reviewer.md: وكيل فرعي مراجع للقراءة فقط يعيد تشغيل البوابة ويتتبّع كل رقم في التقرير.
---
name: analysis-reviewer
description: Independent read-only reviewer for an analysis folder. Use after the main session says a result is done.
tools: Read, Glob, Grep, Bash
model: inherit
---

You review an analysis folder you did not produce. Do not edit files.
1. Run bash check_analysis.sh . and report the full output.
2. For every number in REPORT.md, find the command or script that produced it;
   list numbers you cannot trace.
3. For every figure listed in figures/PROVENANCE.tsv, confirm the script, commit and seed
   exist and that the figure is newer than the script.
4. Report "ACCEPT" only if every item passes; otherwise list each gap with the file name.

11. فرز الأدبيات والمراجع: ثبّت مخطط المخرجات ثم افحص الصيغ دون اتصال

يُظهر التقرير أن مراجعة الأدبيات ثاني أكثر المهام شيوعاً على Claude (6.8%). ويحتاج الفرز القابل للتدقيق إلى أمرين: أن يتبع مخرج النموذج بنية ثابتة، وأن يقتبس كل قرار الجملة من الملخص التي حسمته. وتوفر صفحة الاستخدام البرمجي في Claude Code، المقروءة في 08-11-2026، الآلية: يعمل claude -p دون تفاعل، ويعيد --output-format json مع --json-schema مخرجاً مهيكلاً في حقل structured_output، وإذا رفض النموذج أو لم ينتج شيئاً صالحاً يغيب هذا الحقل، فعلى السكربت التحقق منه. ويتخطى --bare الخطافات والمهارات والإضافات وخوادم MCP وCLAUDE.md كي يسلك الأمر نفسه السلوك ذاته على كل جهاز، لكنه لا يستخدم تسجيل دخول الاشتراك ويتطلب ANTHROPIC_API_KEY؛ ويرفض --permission-mode dontAsk كل ما كان سيطلب تأكيداً؛ ويحدّ --max-turns التشغيل؛ والمدخل عبر الأنبوب محدود بـ10 ميغابايت.

وثائق Claude Code: التشغيل البرمجي (claude -p)

فرز ملخص واحد وفق مخطط ثابت؛ سجل واحد لكل تشغيل كي يمكن التوازي والتكرار. لم ننفّذ هذا الأمر (يتطلب وصولاً مدفوعاً إلى واجهة البرمجة).
# Screen one abstract against written criteria; the answer must match a fixed schema.
# --bare skips hooks, plugins and CLAUDE.md so the run is identical on every machine;
# it does not use a subscription login, so ANTHROPIC_API_KEY must be set (billed API use).
cat abstract-0001.txt | claude --bare -p \
  "Decide whether this abstract meets every criterion in CRITERIA.md. For each criterion quote the sentence that decided it. Do not guess missing information: mark it unknown." \
  --allowedTools "Read" \
  --permission-mode dontAsk \
  --max-turns 3 \
  --output-format json \
  --json-schema '{"type":"object","properties":{"include":{"type":"string","enum":["yes","no","unknown"]},"criteria":{"type":"array","items":{"type":"object","properties":{"name":{"type":"string"},"met":{"type":"string","enum":["yes","no","unknown"]},"quote":{"type":"string"}},"required":["name","met","quote"]}}},"required":["include","criteria"]}' \
  | jq '.structured_output // {"error": "no structured_output: do not count this record"}'

مسوّغ التصميم: يتيح حقل quote للمراجع مقارنة كل قرار بالملخص بدلاً من الثقة بـ yes؛ وunknown قيمة صريحة تمنع النموذج من التخمين عند نقص المعلومات؛ واستدعاء واحد لكل سجل يسمح بالتشغيل المتوازي وبإعادة تشغيل الفاشل منها فقط. لم نشغّل هذا الأمر لأنه يحتاج مفتاح واجهة برمجة ويترتب عليه تكلفة؛ وتحققنا من وجود كل خيار ومعناه في الوثائق. وقد تتغير أسماء الخيارات بين الإصدارات؛ فتأكد منها في صفحات الاستخدام البرمجي ومرجع سطر الأوامر الحالية قبل التشغيل.

وثائق Claude Code: التشغيل البرمجي (claude -p)

verify_refs.py: فحص دون اتصال لصيغة DOI والتكرارات والسنوات في ملف CSV للمراجع؛ لا يحلّ DOI عبر الشبكة أبداً.
# verify_refs.py — offline format check of a bibliography CSV (columns: key,doi,year,title).
# It checks DOI syntax, duplicates and years only. It does NOT resolve DOIs or fetch
# anything; do that later as a separate, logged step and keep the HTTP status per DOI.
import csv, re, sys
from pathlib import Path

DOI = re.compile(r"^10\.\d{4,9}/\S+$")
path = Path(sys.argv[1] if len(sys.argv) > 1 else "references.csv")
seen, problems = {}, 0

def report(line, key, msg):
    global problems
    problems += 1
    print(f"line {line}: {key}: {msg}")

with path.open(newline="", encoding="utf-8") as f:
    for n, row in enumerate(csv.DictReader(f), start=2):
        key = row.get("key") or f"row{n}"
        doi = (row.get("doi") or "").strip().lower()
        doi = doi.removeprefix("https://doi.org/").removeprefix("doi:")
        if not doi:
            report(n, key, "no DOI — mark 'to verify'; do not cite yet")
        elif not DOI.match(doi):
            report(n, key, f"malformed DOI {doi!r}")
        elif doi in seen:
            report(n, key, f"duplicate of {seen[doi]}")
        else:
            seen[doi] = key
        year = (row.get("year") or "").strip()
        if not re.fullmatch(r"(19|20)\d{2}", year):
            report(n, key, f"year {year!r} is not a four-digit year")

print(f"{len(seen)} unique well-formed DOIs, {problems} problem(s)")
sys.exit(1 if problems else 0)

يعمل verify_refs.py على مستوى الصيغة فقط: يبدأ DOI بـ10. وبادئة مسجِّل، ويكون فريداً بعد إزالة https://doi.org/ وdoi: والتحويل إلى الأحرف الصغيرة، وتكون السنة من أربعة أرقام. ويبقى دون اتصال عمداً: فحلّ DOI ينبغي أن يكون خطوة منفصلة ومسجَّلة تدوّن حالة HTTP والتاريخ لكل منها. اختبرناه على ملف CSV اصطناعي من أربعة صفوف: صف صالح، وصف مكرر للأول لا يختلف إلا في حالة الأحرف والبادئة، وصف بلا DOI، وصف بـDOI مشوّه وسنة من رقمين. فأبلغ عن 1 DOI فريد سليم و4 مشكلات وخرج برمز 1.

12. أربعة قرارات للباحث بعد قراءة التقرير

أولاً، جرّب الذكاء الاصطناعي في توليد الأفكار وجمع البيانات لا في مسودة إضافية. يُظهر التقرير أنهما الخطوتان اللتان يعدّهما الباحثون الأهم (35.6 و23.6 نقطة) وأنهما ذاتا أدنى نسب الاستخدام؛ فالتجارب هناك أعلى عائداً وأشد حاجة إلى سلسلة الأدلة في القسم 7 لأن الأخطاء فيها أصعب اكتشافاً. ثانياً، اختر الواجهة وفق حدود البيانات: تأكد من أن اتفاقيات البيانات في مؤسستك تسمح بمعالجة المورِّد لمحتوى المطالبات والردود قبل مناقشة الميزات.

Anthropic: AI for scientific discovery — How researchers use Claude (05-11-2026) · الصفحة الرسمية لـ Claude Science

ثالثاً، امنح كل مشروع بوابة قبول ومراجعاً لم يكتب الشيفرة، سواء كان زميلاً أو وكيلاً فرعياً للقراءة فقط؛ فسكربتات القسمين 9 و10 تعمل دون أي حساب. رابعاً، عامل مضاعِفات التقرير بوصفها حساباً على وقت الفريق: فـ1.35× إلى 2.02× في السيناريو 1 تقدير حدّ أعلى للقدرة الحالية، والسيناريوهان 2 و3 تحليلا حساسية، وسقف 3× إلى 4× في مجالات المختبر الرطب ناتج عن استهلاك الخطوات الجسدية نحو 40% من الوقت.

Anthropic: AI for scientific discovery — How researchers use Claude (05-11-2026)

للقراء في المؤسسات الأكاديمية أو غير الربحية، لدى Anthropic مدخلان عامان مرتبطان بالتقرير. برنامج AI for Science، المُعلن في 5 مايو 2025، يقدّم أرصدة واجهة برمجة للباحثين المنتسبين إلى مؤسسات بحثية والعاملين على مشاريع عالية الأثر، مع تركيز على الأحياء وعلوم الحياة؛ وتُقدَّم الطلبات عبر نموذج إلكتروني ويراجعها فريق Anthropic مع خبراء في المجال، ولا تذكر الصفحة مبالغ الأرصدة ولا المواعيد النهائية. وتجمع صفحة anthropic.com/science مدونة Anthropic العلمية، مثل بنية جسيم vault بتاريخ 04-11-2026 والبرهان المصوغ صورياً لمبرهنة فيرما الأخيرة بتاريخ 04-09-2026. وهذه حالات اختار المورِّد عرضها، وقاعدة قراءتها هي قاعدة قراءة التقرير نفسها.

Anthropic: إعلان برنامج AI for Science (05-05-2025) · صفحة Anthropic Science وفهرس المدونة العلمية

ما لم نتحقق منه: لم نعِد إنتاج مصنِّفات التقرير ولا نملك وصولاً إلى بيانات الجلسات الأساسية، فكل رقم منقول أو معاد حسابه من النص المنشور؛ ولم نثبّت Claude Science ولم نجرّبه، وكل وصف للميزات مأخوذ من صفحة المورِّد؛ ولم يُنفَّذ مثال claude -p بل فُحص خياراً خياراً مقابل الوثائق؛ ولم تعمل السكربتات الثلاثة إلا على ملفات اصطناعية محلية لا على بيانات بحثية حقيقية؛ وقُرئت وثائق Claude Code في 08-11-2026 وقد تتغير أسماء الخيارات أو الإعدادات الافتراضية بين الإصدارات.

يحلّل هذا المقال تقريراً بحثياً من Anthropic ووثائق عامة. اشتراكات Claude ومتطلبات خطط Claude Science ومنتجات هذا الموقع دفاتر منفصلة. لا تستنتج أي علاقة بين هذا الموقع وAnthropic، ولا تقرأ مضاعِفات التقرير على أنها وعد بشأن أي منتج.