مرداد
ChatGPT
فرمول چهاربخشی پرامپت؛ از جواب کلی تا خروجی دقیق
بارها شده که از هوش مصنوعی سؤالی پرسیدهاید و جوابی گرفتهاید که انگار از روی یک مقالهٔ ویکیپدیا کپی شده است؛ درست، اما بیفایده. در بیشتر این موارد مشکل از توان مدل نیست، از صورتمسئلهای است که به آن دادهاید. پرامپت مبهم، جواب مبهم میسازد. در این راهنما یک فرمول چهاربخشی را باز میکنیم که تفاوت میان یک جواب کلی و یک خروجی قابلاستفاده را رقم میزند.
لیست مطالب
۱) چرا جوابهای هوش مصنوعی کلی از آب درمیآید؟
مدلهای زبانی بزرگ روی حجم عظیمی از متن آموزش دیدهاند و بهطور طبیعی میتوانند دربارهٔ تقریباً هر موضوعی حرف بزنند. همین توانایی، وقتی صورتمسئله مبهم باشد، به ضعف تبدیل میشود: مدل بهجای اینکه یکی از هزاران پاسخ ممکن را انتخاب کند، میانگین همهٔ آنها را تحویل میدهد. نتیجه، متنی است که هیچجا غلط نیست ولی هیچجا هم به درد نمیخورد.
وقتی مینویسید «یک متن تبلیغاتی بنویس»، از دید مدل دهها سؤال بیپاسخ باقی میماند: تبلیغ چه چیزی؟ برای چه مخاطبی؟ در کدام رسانه؟ با چه لحنی؟ در چند خط؟ مدل مجبور است برای همهٔ اینها فرضهای پیشفرض بگذارد، و فرض پیشفرض یعنی میانگین. تنها راه بیرون آمدن از این میانگین، حذف ابهام است.
نکتهٔ مهم این است که این مسئله با عوضکردن مدل حل نمیشود. یک مدل قویتر فقط میانگین شیکتری تولید میکند. مطالعات و راهنماهای رسمی سازندگان مدل هم روی همین نکته تأکید دارند که صراحت و ساختار در ورودی، بیشترین اثر را روی کیفیت خروجی میگذارد. اگر میخواهید تصویر کاملتری از این مسیر بگیرید، نقشهٔ راه سری آموزشی پرامپتنویسی نقطهٔ شروع خوبی است.
۲) فرمول چهاربخشی؛ ستونهای یک پرامپت حرفهای
سادهترین قالبی که در عمل جواب میدهد، از چهار جزء تشکیل شده است:
نقش + کار + زمینه + قالب خروجی
هر جزء یک نوع ابهام را از بین میبرد. نقش تعیین میکند مدل از منظر چه کسی حرف بزند؛ کار مشخص میکند دقیقاً چه چیزی باید تولید شود؛ زمینه اطلاعات پسزمینه و محدودیتها را میدهد؛ و قالب خروجی شکل نهایی جواب را قفل میکند. هرکدام از اینها را که حذف کنید، مدل همانجا شروع به حدسزدن میکند.
بگذارید تفاوت را با یک نمونهٔ واقعی ببینیم. پرامپت ضعیف: «یک متن تبلیغاتی بنویس.» پرامپت حرفهای:
تو یک کپیرایتر حرفهای هستی. برای یک کافهٔ دنج یک کپشن اینستاگرام بنویس. لحن صمیمی و کوتاه باشد و در ۳ خط با یک ایموجی تمام شود.
در نسخهٔ دوم، مدل نقش دارد (کپیرایتر)، کار دارد (کپشن اینستاگرام)، زمینه دارد (کافهٔ دنج، لحن صمیمی) و قالب خروجی دارد (سه خط، پایان با یک ایموجی). حدسزدنی باقی نمانده است.
۳) نقش؛ به مدل بگویید از کدام زاویه نگاه کند
دادن نقش، سادهترین و کمهزینهترین تغییری است که میتوانید در پرامپتتان بدهید. وقتی مینویسید «تو یک ویراستار کتاب کودک هستی» یا «تو یک تحلیلگر مالی محافظهکار هستی»، عملاً به مدل میگویید از کدام بخش دانشش استفاده کند و با چه لحنی حرف بزند.
سه نکته در نوشتن نقش اهمیت دارد. اول، نقش باید مشخص باشد؛ «یک متخصص» چیزی را روشن نمیکند اما «یک متخصص سئوی فنی با تمرکز بر سرعت بارگذاری» روشن میکند. دوم، نقش باید با کار همخوان باشد؛ نقش شاعر برای نوشتن گزارش مالی فقط سردرگمی میسازد. سوم، از انباشتن نقشها بپرهیزید؛ «تو همزمان وکیل، حسابدار و بازاریاب هستی» معمولاً به جوابی سطحی در هر سه حوزه ختم میشود.
گاهی هم میتوانید نقش را به مخاطب گره بزنید: «مثل کسی توضیح بده که تازه وارد این حوزه شده است.» این جمله، هم سطح دشواری زبان را تنظیم میکند و هم مدل را وادار میکند اصطلاحات را تعریف کند.
۴) کار؛ فعل دقیق بهجای فعل کلی
بخش «کار» باید با یک فعل دقیق شروع شود. تفاوت میان «دربارهٔ این متن حرف بزن» و «این متن را در پنج بند خلاصه کن و در هر بند یک عدد کلیدی نگه دار» همان تفاوت میان خروجی بیشکل و خروجی قابلاستفاده است.
فعلهایی مثل خلاصه کن، مقایسه کن، بازنویسی کن، طبقهبندی کن، نقد کن، ترجمه کن و فهرست کن، هرکدام یک عملیات مشخص را در ذهن مدل فعال میکنند. در مقابل، فعلهایی مثل بررسی کن یا کمک کن تقریباً هیچ سیگنالی نمیفرستند.
اگر کار شما چندمرحلهای است، مراحل را شمارهگذاری کنید. مدلها به فهرست شمارهدار بسیار خوب پاسخ میدهند و احتمال جاافتادن یک مرحله را کم میکند. مثلاً: «۱) متن را بخوان. ۲) سه ادعای اصلی را دربیاور. ۳) برای هر ادعا یک نقطهضعف بنویس.»
۵) زمینه؛ همان چیزی که فقط شما میدانید
زمینه، گرانبهاترین بخش پرامپت است، چون تنها بخشی است که مدل بههیچوجه نمیتواند حدس بزند. مخاطب شما کیست، محصولتان چه تفاوتی با رقبا دارد، چه چیزهایی را قبلاً امتحان کردهاید و جواب نداده، چه محدودیتهایی دارید — هیچکدام از اینها در دادهٔ آموزشی مدل نیست.
در عمل، افزودن دو تا سه جملهٔ زمینه معمولاً بیشترین جهش کیفیت را ایجاد میکند. مثال: «مخاطب ما دانشجویانی هستند که بودجهٔ محدودی دارند و بیشتر از موبایل خرید میکنند. رقیب اصلی ما قیمت پایینتری دارد اما تحویلش کند است.» همین دو جمله، جهت کل خروجی را عوض میکند.
زمینه فقط اطلاعات مثبت نیست؛ محدودیتها هم بخشی از آناند. «از واژههای انگلیسی استفاده نکن»، «هیچ ادعای پزشکی نکن»، «قیمت را ذکر نکن» — اینها مرزهای خروجی را میسازند. تجربه نشان میدهد نوشتن محدودیتها به شکل مثبت («فقط از منابع ذکرشده استفاده کن») معمولاً بهتر از شکل منفی جواب میدهد.
۶) قالب خروجی؛ شکل نهایی را قفل کنید
آخرین ستون، قالب است. اینکه جواب باید جدول باشد یا فهرست، چند کلمه باشد، با چه چیزی شروع و تمام شود، و آیا نیاز به عنوان و زیرعنوان دارد یا نه. قالب، تفاوت میان متنی که باید بازنویسیاش کنید و متنی که مستقیم استفاده میشود را میسازد.
چند نمونهٔ کاربردی: «خروجی را در یک جدول سهستونی با عنوانهای ویژگی، مزیت و ریسک بده»، «حداکثر ۱۲۰ کلمه بنویس»، «فقط کد بده و هیچ توضیحی ننویس»، «جواب را با یک جملهٔ جمعبندی تمام کن».
اگر خروجی قرار است وارد یک سیستم دیگر شود، قالب را به شکل ساختاریافته بخواهید. مثلاً درخواست خروجی به فرم فهرست کلید-مقدار یا جدول، کار پردازش بعدی را بسیار ساده میکند. برای آشنایی بیشتر با اصول پایه، راهنمای مقدماتی پرامپتنویسی را ببینید.
۷) قالب آمادهٔ کپیپیست
این قالب را کپی کنید، جاهای خالی را پر کنید و مستقیم به مدل بدهید:
نقش: تو یک [تخصص دقیق] با [تعداد] سال تجربه در [حوزه] هستی.
کار: [فعل دقیق] + [موضوع]. اگر چندمرحلهای است، مراحل را شماره بزن.
زمینه: مخاطب من [توضیح مخاطب] است. هدف من [هدف] است. محدودیتها: [فهرست محدودیتها]. آنچه قبلاً امتحان کردهام و جواب نداده: [توضیح].
قالب خروجی: [ساختار دقیق]. طول: [تعداد کلمه یا خط]. لحن: [لحن]. با [شروع] آغاز کن و با [پایان] تمام کن.
اگر اطلاعات کافی نداری، پیش از پاسخ حداکثر سه سؤال روشنکننده بپرس.
آن خط آخر را دستکم نگیرید. اجازهدادن به مدل برای پرسیدن سؤال، در کارهای پیچیده جلوی تولید یک خروجی بلندِ بیربط را میگیرد.
۸) چهار خطای رایج که کیفیت را نابود میکند
خطای اول: پرسیدن چند کار در یک پرامپت. وقتی همزمان از مدل میخواهید تحقیق کند، بنویسد، ویرایش کند و قالببندی کند، همهٔ کارها را متوسط انجام میدهد. کار را بشکنید و مرحلهبهمرحله جلو بروید.
خطای دوم: نوشتن محدودیتها فقط به شکل منفی. فهرست بلندی از «این کار را نکن» معمولاً کمتر از یک جملهٔ روشن دربارهٔ آنچه میخواهید اثر میگذارد.
خطای سوم: نداشتن نمونه. اگر سبک خاصی در ذهن دارید، یک نمونهٔ کوتاه از خروجی دلخواه در پرامپت بگذارید. یک نمونه معمولاً از سه پاراگراف توضیح مؤثرتر است.
خطای چهارم: رها کردن گفتوگو بعد از اولین جواب. پرامپتنویسی یک فرایند رفتوبرگشتی است. جواب اول را نقد کنید و بگویید دقیقاً کدام بخش را چطور تغییر دهد. اهمیت این نگاه واقعبینانه به تواناییها و محدودیتهای مدلها را در این تحلیل بیشتر بخوانید.
۹) تمرین عملی؛ از پرامپت ضعیف تا پرامپت حرفهای
فرض کنید میخواهید برای یک فروشگاه آنلاین لوازمالتحریر، متن معرفی محصول بنویسید.
نسخهٔ صفر: «برای این دفتر یک توضیح بنویس.» خروجی: چند جملهٔ عمومی دربارهٔ کیفیت کاغذ.
نسخهٔ یک (افزودن نقش و کار): «تو یک کپیرایتر فروشگاه اینترنتی هستی. برای یک دفتر یادداشت جلدسخت، متن معرفی محصول بنویس.» خروجی بهتر میشود اما هنوز عمومی است.
نسخهٔ دو (افزودن زمینه): «مخاطب، دانشجویان و کارمندانی هستند که دنبال دفتری برای جلسات و برنامهریزی روزانهاند. مزیت اصلی، صفحات نقطهای و صحافیای است که کاملاً باز میشود.»
نسخهٔ سه (افزودن قالب): «در ۸۰ تا ۱۰۰ کلمه بنویس، با یک جملهٔ قلاب شروع کن، سه ویژگی را بهصورت فهرست بیاور و با یک دعوت به خرید تمام کن. لحن صمیمی و بدون اغراق باشد.»
همین چهار مرحله، فاصلهٔ میان یک متن دورریختنی و یک متن قابلانتشار است. اگر میخواهید ببینید همین اصول در ابزارهای مختلف چه تفاوتی ایجاد میکند، این مقایسه نمونهٔ خوبی است. آموزشهای بیشتر را هم در بخش آموزشهای چتجیپیتی و تازهترین رویدادها را در بخش اخبار دنبال کنید.
پرسشهای پرتکرار دربارهٔ فرمول چهاربخشی پرامپت
آیا این فرمول برای همهٔ مدلها کار میکند؟
بله، چون به معماری خاصی وابسته نیست؛ فقط ابهام را از ورودی حذف میکند. همان پرامپت ساختاریافته در چتجیپیتی، کلود و جمینای نتیجهٔ بهتری نسبت به پرامپت مبهم میدهد، هرچند لحن خروجی هر مدل متفاوت است.
پرامپت باید چقدر بلند باشد؟
معیار، طول نیست؛ چگالی اطلاعات است. یک پرامپت پنجخطی که هر چهار ستون را دارد، از یک پرامپت بیستخطیِ پر از توضیح تکراری بهتر عمل میکند. هر جمله باید یک ابهام را حذف کند، وگرنه اضافه است.
اگر مدل باز هم جواب کلی داد چه کنم؟
بهجای تکرار همان پرامپت، جواب را نقد کنید: بگویید کدام بخش کلی بود و دقیقاً چه چیزی جای آن میخواهید. معمولاً یک دور بازخورد مشخص، از بازنویسی کامل پرامپت مؤثرتر است.
آیا نوشتن پرامپت به انگلیسی نتیجهٔ بهتری میدهد؟
برای کارهای متنی فارسی، نوشتن به فارسی معمولاً کافی است و لحن طبیعیتری میسازد. در تولید تصویر، چون بیشتر مدلها روی توضیحات انگلیسی آموزش دیدهاند، پرامپت انگلیسی معمولاً دقت بیشتری میدهد.
چطور یک پرامپت خوب را دوباره استفاده کنم؟
پرامپتهای موفق را در یک فایل جداگانه با جایخالی نگه دارید تا هر بار فقط متغیرها را عوض کنید. همین کتابخانهٔ شخصی، بعد از چند هفته به بزرگترین صرفهجویی زمانی شما تبدیل میشود.
