في الفترة الأخيرة ظهر مصطلح جديد داخل مجتمع الذكاء الاصطناعي وبدأ يتكرر على لسان المهندسين وخبراء البيانات: TOON.
الكلمة قد تبدو غريبة، لكنها في الحقيقة تمثل أسلوبًا جديدًا وذكيًا للتعامل مع البيانات في عصر النماذج اللغوية الكبيرة (LLMs) مثل GPT-4.1 و GPT-5 وغيرها.

في هذا المقال سنشرح ببساطة:

• ما هو TOON؟

• من الذي طوّره؟

• لماذا بدأ ينتشر سريعًا؟

• وما الفرق بينه وبين JSON وYAML وCSV؟

• ومتى نستخدمه… ومتى نتجنّبه؟

ما هو TOON؟

TOON هو اختصار لـ Token-Oriented Object Notation، وهو تنسيق جديد لتمثيل البيانات قائم على JSON ولكنه:

• أقل في عدد التوكنز بنسبة تصل إلى 50% – 70%

• أسهل بكثير للقراءة بالنسبة للنماذج

• أكثر وضوحًا من ناحية الهيكل

• يخلو من التكرار الزائد الموجود في JSON

• ويعمل كـ طبقة ترجمة بين JSON وبين النموذج اللغوي

بمعنى آخر:
أنت تستخدم JSON داخل برنامجك، ولكن ترسل TOON للنموذج لأنه أخف وأوضح له.

لماذا تم ابتكار TOON؟

ظهر TOON من خلال Contributions داخل مجتمع الذكاء الاصطناعي (Open Source)، من مهندسين كانوا يبحثون عن طريقة:

• تقلل تكلفة استهلاك التوكنز

• وتمنع أخطاء النماذج عند التعامل مع JSON

• وتسهل على LLMs قراءة البيانات بشكل منظم

أغلب المهندسين لاحظوا أن النماذج اللغوية:

• تتعامل مع النصوص الجدولية أفضل من الهياكل المتداخلة

• وتخطئ عند كتابة JSON طويل

• وقد تفقد عناصر (truncation) بدون أن تنتبه

• وتكرر الحقول بشكل يستهلك توكنز كثيرة

TOON جاء ليحل هذه المشاكل كلها.

JSON التقليدي:

{
  "users": [
    { "id": 1, "name": "Alice", "role": "admin" },
    { "id": 2, "name": "Bob", "role": "user" }
  ]
}

TOON:

 users[2]{id,name,role}:
 1,Alice,admin
 2,Bob,user

هنا نلاحظ:

• التكرار اختفى

• عدد التوكنز قلّ بشكل كبير

• البنية واضحة جدًا للنموذج

• عدد العناصر مكتوب صراحة

• كل صف يمثل عنصرًا واحدًا فقط

مميزات TOON

✔ 1. تقليل التوكنز بشكل كبير

النموذج يقرأ صفوفًا بسيطة بدل JSON مليء بالأقواس.

✔ 2. مناسب جدًا للـ LLMs

النماذج تفهم الجداول وخطوط البيانات أفضل من الهياكل المتكررة.

✔ 3. بنية واضحة وصريحة

• أسماء الأعمدة مكتوبة مرة واحدة

• عدد الصفوف مكتوب

• النموذج يمكنه التحقق بسهولة من صحة البيانات

✔ 4. Lossless

يمكن التحويل بين JSON وTOON بدون أي فقد.

متى نستخدم TOON؟

ينصح باستخدامه في:

• قواعد بيانات تحتوي على قوائم متجانسة
  (Users, Orders, Transactions…)

• أكواد RAG وAgents

• Any LLM pipelines

• Data Extraction

• تحسين جودة الإجابات وتقليل تكلفة التشغيل

ومتى لا يكون مناسبًا؟

• عند وجود هياكل معقدة جدًا ومتداخلة (Nested Objects)

• عندما لا تكون البيانات متجانسة

• عند الحاجة إلى pure CSV

• في تطبيقات زمن الاستجابة القصير جدًا (Latency-sensitive)