خلاصه‌سازی حرفه‌ای اسناد بلند با هوش مصنوعی؛ روش رسمی آنتروپیک

سمیرا کارشناس حقوقی یک شرکت پیمانکاری در تهران است. صبح دوشنبه چهل‌وشش صفحه قرارداد اجارهٔ فرعی روی میزش است و مدیرعامل تا ظهر یک خلاصهٔ یک‌صفحه‌ای می‌خواهد. سمیرا کل متن را در چت هوش مصنوعی می‌ریزد و می‌نویسد «این را خلاصه کن». خروجی می‌آید: هشت بولت روان، خوش‌خوان و تقریباً بی‌فایده. تاریخ پایان قرارداد در آن نیست، مبلغ ودیعه نیست، و آن بند عجیب که می‌گوید اجاره سالانه به‌طور خودکار تمدید می‌شود، اصلاً دیده نشده است.

مشکل سمیرا کیفیت مدل نیست؛ صورت‌مسئله است. «خلاصه کن» در عمل یعنی «خودت تصمیم بگیر چه چیزی مهم است» — و مدل، مثل هر تازه‌واردی، عمومی‌ترین چیزها را مهم فرض می‌کند. آنتروپیک در راهنمای رسمی خلاصه‌سازیِ کوک‌بوک، همین مسیر را پله‌پله اصلاح می‌کند: از خلاصهٔ ساده شروع می‌کند و به یک خط لولهٔ چندمرحله‌ای می‌رسد که می‌تواند اسناد صدها صفحه‌ای را بی‌آنکه چیزی جا بیندازد، جمع کند. امروز همان پله‌ها را با هم بالا می‌رویم.

آنچه در این درس یاد می‌گیرید

• چرا پرامپت «خلاصه کن» روی اسناد تخصصی شکست می‌خورد و چه چیزی جایش می‌نشیند.
• خلاصه‌سازی هدایت‌شده: اینکه به‌جای خواستن خلاصه، فهرست چیزهایی را که می‌خواهید بدانید تحویل مدل بدهید.
• قرارداد «اگر نبود، بنویس ذکر نشده» و اینکه چطور جلوی ساختن اطلاعات را می‌گیرد.
• خروجی برچسب‌دار و اینکه چرا خلاصهٔ ماشین‌خوان از خلاصهٔ زیبا مفیدتر است.
• فراخلاصه: تکه‌کردن سند بلند، خلاصهٔ هر تکه، و ادغام آن‌ها در یک خلاصهٔ منسجم.
• تقسیم کار بین مدل ارزان و مدل گران، و اینکه هزینه را چطور نصف می‌کند.
• یک پرامپت فارسیِ آمادهٔ کپی که همین امروز روی قرارداد یا گزارش خودتان جواب می‌دهد.

پلهٔ یکم؛ خلاصهٔ ساده و سقفِ کوتاهش

ساده‌ترین شکل، همان چیزی است که همه انجام می‌دهیم: «متن زیر را در قالب بولت خلاصه کن؛ روی ایده‌های اصلی و جزئیات کلیدی تمرکز کن». این پرامپت برای یک مقالهٔ خبری کافی است، اما برای سند تخصصی نه. دلیلش روشن است: در سند حقوقی، «ایدهٔ اصلی» چیزی نیست که مدل حدس بزند — چیزی است که حرفه تعیین می‌کند. برای وکیل، تاریخ فسخ مهم است؛ برای حسابدار، مبلغ؛ برای مدیر پروژه، تعهدات نگهداری.

آنتروپیک حتی در همین پلهٔ اول دو نکتهٔ کوچک دارد که ارزش کپی‌کردن دارند. اول، تعیین نقش در پیام سیستمی: «تو یک تحلیلگر حقوقی هستی که به خلاصه‌های بسیار دقیق و مفصل شهرت دارد». دوم، جملهٔ «بدون مقدمه» تا مدل با «حتماً! در اینجا خلاصه‌ای از…» شروع نکند. اگر با درس بهترین تمرین‌های پرامپت‌نویسی کلود آشنا باشید، هر دو را می‌شناسید.

پلهٔ دوم؛ خلاصه با نمونه

پلهٔ بعدی، افزودن دو تا سه نمونهٔ «سند خام و خلاصهٔ مطلوب» به پرامپت است. این همان تکنیک آشنای پرامپت‌نویسی با مثال است و اینجا یک کار مشخص می‌کند: سبک و عمق خلاصه را تثبیت می‌کند. اگر خلاصه‌هایتان باید همیشه پنج بولت باشند و همیشه با مبلغ شروع شوند، توضیح‌دادنش سخت است اما نشان‌دادنش آسان.

ولی نمونه‌ها یک هزینه دارند: طولانی‌اند و در هر فراخوانی تکرار می‌شوند. برای همین آنتروپیک زود از این پله رد می‌شود و به چیزی می‌رسد که هم ارزان‌تر است و هم دقیق‌تر.

پلهٔ سوم؛ خلاصهٔ هدایت‌شده — قلب این درس

ایدهٔ اصلی یک جمله است: به‌جای اینکه خلاصه بخواهید، فهرست پرسش‌هایی را بدهید که خلاصه باید به آن‌ها پاسخ دهد. در نسخهٔ عمومی، این فهرست پنج بند دارد: طرفین، موضوع اصلی، شرایط و تعهدات کلیدی، تاریخ‌ها و مهلت‌ها، و بندهای غیرمعمول یا قابل‌توجه.

حالا همین را برای یک نوع سند مشخص تیز کنید و ببینید چه اتفاقی می‌افتد. نسخهٔ حوزه‌ایِ آنتروپیک برای قرارداد اجارهٔ فرعی، شش سرفصل دارد: طرفین (اجاره‌دهندهٔ فرعی، مستأجر فرعی، مالک اصلی)؛ مشخصات ملک (نشانی، توصیف، کاربری مجاز)؛ مدت و اجاره‌بها (تاریخ شروع، تاریخ پایان، اجارهٔ ماهانه، ودیعه)؛ مسئولیت‌ها (قبوض، نگهداری، تعمیرات)؛ رضایت و اخطارها (رضایت مالک، شرایط اطلاع‌رسانی)؛ و مقررات ویژه (مبلمان، پارکینگ، محدودیت واگذاری).

تفاوت این فهرست با آن پرامپت خالی، تفاوت بین «یک نگاه بینداز» و «این فرم را پر کن» است. خلاصهٔ سمیرا دقیقاً به این دلیل ودیعه را جا انداخته بود که هیچ‌کس نگفته بود ودیعه باید در خروجی باشد.

دو قید کوچک اما تعیین‌کننده هم به این پرامپت اضافه می‌شود. قید اول: «اگر اطلاعاتی صریحاً در سند نیامده، آن را با عبارت ذکر نشده علامت بزن». این تک‌جمله، رفتار پیش‌فرض مدل را وارونه می‌کند — به‌جای پرکردن جای خالی با حدس محتمل، جای خالی را گزارش می‌کند. برای یک تحلیلگر، «ذکر نشده» یک دادهٔ باارزش است، نه شکست. قید دوم: خروجی باید داخل برچسب‌های ساختاری بیاید، هر سرفصل در برچسب خودش. خلاصه‌ای که برچسب دارد، با چند خط کد به جدول یا پایگاه‌داده تبدیل می‌شود؛ خلاصهٔ روان و بی‌ساختار فقط خواندنی است.

<parties involved>
- Sublessor: [Name]
- Sublessee: [Name]
</parties involved>

و یک ترفند اجرایی که در تمام نمونه‌کدهای این راهنما تکرار می‌شود: نوبت پاسخ مدل را از قبل شروع کنید. یعنی در فراخوانی، پیام دستیار را با متن «Here is the summary of the legal document: <summary>» پر کنید و توالی توقف را روی «</summary>» بگذارید. نتیجه این است که مدل عملاً مجبور می‌شود از وسط جملهٔ شما ادامه دهد؛ نه مقدمه‌ای در کار است، نه خداحافظی.

پلهٔ چهارم؛ فراخلاصه برای اسناد واقعاً بلند

وقتی سند از پنجرهٔ زمینهٔ مدل بزرگ‌تر می‌شود — یا حتی وقتی جا می‌شود اما مدل در انبوه متن، جزئیات میانی را از دست می‌دهد — راه‌حل، خلاصه‌سازی دومرحله‌ای است:

def chunk_text(text, chunk_size=2000):
    return [text[i:i+chunk_size] for i in range(0, len(text), chunk_size)]

# مرحلهٔ ۱: خلاصهٔ هدایت‌شدهٔ هر تکه با مدل سریع و ارزان
chunk_summaries = [guided_summary(c, model="claude-haiku-4-5")
                   for c in chunk_text(document)]

# مرحلهٔ ۲: ادغام خلاصه‌ها با مدل قوی‌تر
final = merge_summaries(chunk_summaries, model="claude-sonnet-4-6")

نکتهٔ ظریف در مرحلهٔ دوم است: پرامپت ادغام، دوباره همان شش سرفصل را تکرار می‌کند. یعنی مدلِ ادغام‌کننده هم می‌داند خروجی نهایی باید چه شکلی داشته باشد و صرفاً خلاصه‌ها را به‌هم نمی‌چسباند؛ آن‌ها را در همان فرم بازسازی می‌کند. متن پرامپت ادغام با این جمله شروع می‌شود: «تو در حال نگاه‌کردن به خلاصه‌های تکه‌تکهٔ چند بخش از یک سند مرتبط هستی؛ این خلاصه‌ها را در یک خلاصهٔ منسجم کلی ترکیب کن.»

و تقسیم کار بین دو مدل تصادفی نیست. مرحلهٔ اول ده‌ها فراخوانی دارد اما کارش مکانیکی است؛ مدل سریع و ارزان کافی است. مرحلهٔ دوم فقط یک فراخوانی است اما به قضاوت نیاز دارد: کدام تکه با کدام تکه تناقض دارد، کدام تکرار است. همین الگو — کار انبوهِ ساده به مدل ارزان، کار کمِ دشوار به مدل گران — ستون فقرات هر خط لولهٔ اقتصادیِ هوش مصنوعی است و در دورهٔ ساخت ایجنت هوش مصنوعی بارها به آن برمی‌گردیم.

پلهٔ پنجم؛ خلاصه به‌عنوان نمایه

آخرین بخش راهنما یک کاربرد غیرمنتظره دارد: از خلاصه‌ها برای پیداکردن سند استفاده کنید، نه فقط خواندنش. برای هر سند یک‌بار خلاصهٔ ساختارمند بسازید و ذخیره کنید. بعد وقتی پرسشی رسید، به‌جای جست‌وجو در متن کامل ده‌ها سند، از یک مدل ارزان بخواهید فقط به خلاصه‌ها نمره بدهد: «میزان ارتباط این سند با این پرسش را از ۰ تا ۱۰ بگو؛ فقط عدد بنویس.» سه سند برتر را بردارید و متن کاملشان را به مدل قوی بدهید تا بندهای مرتبط را استخراج کند. خلاصه اینجا نقش فهرست کتاب را بازی می‌کند؛ ارزان می‌سازیدش و بارها استفاده می‌کنید.

پرامپت آمادهٔ کپی

نقش: تو یک تحلیلگر باتجربه در حوزهٔ [حوزهٔ کاری] هستی که به دقت و جزئی‌نگری شهرت دارد.

سند زیر را خلاصه کن. خلاصه باید دقیقاً به این سرفصل‌ها پاسخ دهد:
۱. طرفین و نقش هرکدام
۲. موضوع و دامنهٔ کار
۳. مبالغ، مهلت‌ها و تاریخ‌های کلیدی
۴. تعهدات هر طرف
۵. بندهای غیرمعمول یا پرریسک

هر سرفصل را داخل برچسب خودش بنویس، مثل:
<تاریخ‌ها>
- تاریخ شروع: ...
</تاریخ‌ها>

اگر اطلاعاتی صریحاً در سند نیامده بود، بنویس «ذکر نشده» و چیزی از خودت اضافه نکن.
بدون مقدمه شروع کن.

متن سند:
[متن]

اگر بخواهید همین قالب را برای حوزهٔ خودتان — پروندهٔ پزشکی، گزارش مالی، صورت‌جلسه — بازنویسی کنید، لازم نیست از صفر بنویسید؛ متاپرامپت رسمی آنتروپیک دقیقاً برای همین ساخته شده است.

جمع‌بندی

چهار حرکت، کل ماجراست: به‌جای خواستن خلاصه، فهرست چیزهایی را که می‌خواهید بدانید بنویسید؛ به مدل اجازهٔ گفتن «ذکر نشده» بدهید تا مجبور به ساختن نشود؛ خروجی را برچسب‌دار بخواهید تا خلاصه‌تان ماشین‌خوان بماند؛ و اگر سند بلند بود، تکه‌تکه خلاصه کنید و در مرحلهٔ ادغام همان فهرست را دوباره تکرار کنید. سمیرای اول این درس، اگر فقط شش سرفصل قراردادهایش را یک‌بار بنویسد و ذخیره کند، از دوشنبهٔ بعد خلاصه‌اش را در دو دقیقه دارد — و وقتِ آزادشده را صرف کاری می‌کند که هیچ مدلی جایش را نمی‌گیرد: تصمیم‌گرفتن دربارهٔ آن بند تمدید خودکار.

و چرا این تکنیک کهنه نمی‌شود؟ چون آنچه یاد گرفتیم به هیچ مدل و هیچ پنجرهٔ زمینه‌ای گره نخورده است. پنجره‌ها بزرگ‌تر می‌شوند و شاید روزی تکه‌کردن سند لازم نباشد، اما مسئلهٔ اصلی سرِ جایش می‌ماند: تا وقتی نگفته‌اید چه چیزی برایتان مهم است، هیچ مدلی نمی‌تواند بداند. خلاصه‌سازی هدایت‌شده در اصل یک مهارت انسانی است — توانایی صورت‌بندی اینکه از یک سند دقیقاً چه می‌خواهید — و ابزار فقط آن را اجرا می‌کند. یادگیری میان‌بر ندارد؛ اما ابزار دارد.

منبع این درس، مستندات رسمی آنتروپیک است؛ ما آن را برای فارسی‌زبان‌ها درس کرده‌ایم.