شهریور
ChatGPT
عیبیابی پرامپت؛ چطور یک پرامپت خراب را قدمبهقدم درست کنیم
پرامپت نوشتهای، مدل هم جواب داده، اما جواب یا بیش از حد کلی است، یا قالبش غلط است، یا اصلاً چیزی را که خواستهای نادیده گرفته. بیشتر آدمها در این لحظه پرامپت را دور میریزند و از صفر شروع میکنند. حرفهایها کار دیگری میکنند: پرامپت را «عیبیابی» میکنند، درست مثل برنامهنویسی که یک کد خراب را دیباگ میکند تا دقیقاً بفهمد کجا شکست.
لیست مطالب
۱. چرا پرامپتها شکست میخورند؟ سه ریشهٔ اصلی
قبل از هر تعمیری باید بدانی اصلاً چه چیزی خراب شده. تجربه نشان میدهد تقریباً همهٔ جوابهای بد از سه ریشه میآیند: اول، ابهام — دستور تو بیش از یک برداشت دارد و مدل بدترین برداشت را انتخاب کرده. دوم، کمبود زمینه — اطلاعاتی که در ذهن توست ولی در پرامپت ننوشتهای و مدل از آن بیخبر است. سوم، دستورهای متناقض — از مدل همزمان دو چیز خواستهای که با هم نمیخوانند، مثلاً «خیلی کوتاه ولی کاملاً جامع».
نکتهٔ کلیدی این است که مدل موجود بدجنسی نیست؛ او دقیقاً همان چیزی را که نوشتهای اجرا میکند، نه چیزی را که منظورت بوده. پس اولین کار در عیبیابی، جداکردن «منظور من» از «متن واقعی پرامپت» است.
مثال: پرامپت خراب: «دربارهٔ بازاریابی محتوا یک متن بنویس.» این جمله هر سه ایراد را میتواند داشته باشد. نسخهٔ عیبیابیشده: «یک مقالهٔ ۳۰۰ کلمهای برای وبلاگ یک فروشگاه لوازم آشپزخانه بنویس؛ مخاطب صاحبان رستورانهای کوچکاند؛ لحن عملی و بدون شعار؛ در پایان یک دعوتبهاقدام برای مشاورهٔ رایگان بگذار.»
۲. قدم اول؛ علامت خرابی را دقیق نامگذاری کن
در دیباگ کد، اول پیام خطا را میخوانی. در پرامپت هم اول باید بگویی «دقیقاً» چه چیزی غلط است. جوابهای بد معمولاً در یکی از این دستهها میافتند: بیش از حد کلی، قالب اشتباه، لحن نامناسب، نادیدهگرفتن یک محدودیت، یا توهم و اطلاعات ساختگی. تا وقتی علامت را برچسب نزنی، هر اصلاحی تیر در تاریکی است.
یک عادت خوب این است که جواب مدل را کنار خواستهٔ خودت بگذاری و با یک جمله بنویسی چه چیزی کم یا اضافه است. همین جملهٔ کوتاه، مسیر تعمیر را روشن میکند.
مثال: بعد از گرفتن یک خلاصهٔ بیفایده بنویس: «علامت خرابی: خلاصه کلی و بدون عدد است. چیزی که میخواهم: سه یافتهٔ کلیدی با آمار دقیق از متن، هرکدام در یک جمله.» حالا دقیقاً میدانی چه باید اصلاح شود.
۳. قدم دوم؛ پرامپت را جملهبهجمله مثل یک غریبه بازخوانی کن
خطرناکترین چیز در پرامپتنویسی این است که تو معنی جملهات را میدانی، پس ابهامش را نمیبینی. راهحل ساده است: پرامپت را جملهبهجمله بخوان و از خودت بپرس «اگر هیچچیز از ذهن من نمیدانستم، این جمله را چند جور میشد فهمید؟» هر جا بیش از یک برداشت وجود داشت، همانجا یک نقطهٔ خرابی بالقوه است.
کلماتی مثل «خوب»، «حرفهای»، «کوتاه»، «مدرن» و «جذاب» برای مدل تقریباً بیمعنیاند چون معیار ندارند. آنها را با معیار عددی یا نمونهٔ مشخص جایگزین کن. این کار بهتنهایی نیمی از جوابهای ضعیف را درمان میکند. برای درک عمیقتر اینکه مدل واقعاً چه میفهمد و چه نمیفهمد، مرز واقعیت و توانایی هوش مصنوعی کمک بزرگی است.
مثال: جملهٔ مبهم: «یک ایمیل کوتاه و حرفهای بنویس.» بازخوانی عیبیابانه: «کوتاه» یعنی چند کلمه؟ «حرفهای» یعنی رسمی یا صمیمی؟ نسخهٔ ترمیمشده: «یک ایمیل حداکثر ۸۰ کلمهای با لحن رسمی-دوستانه بنویس که یک جلسه را برای هفتهٔ آینده پیشنهاد دهد.»
۴. قدم سوم؛ هر بار فقط یک متغیر را تغییر بده
این مهمترین قانون عیبیابی است و دقیقاً از دنیای برنامهنویسی میآید. وقتی همزمان پنج چیز را در پرامپت عوض میکنی و جواب بهتر میشود، هرگز نمیفهمی کدام تغییر مؤثر بود؛ و اگر بدتر شود، باز هم گیج میمانی. پس مثل یک آزمایش علمی، در هر دور فقط یک چیز را عوض کن: یا نقش را، یا قالب خروجی را، یا یک مثال اضافهکردن را، یا محدودیت را.
این روش کند بهنظر میرسد اما در عمل سریعترین راه است، چون خیلی زود به یک «نسخهٔ پایدار» میرسی که میدانی چرا کار میکند و میتوانی بارها از آن استفاده کنی. همینجاست که پرامپتنویسی از هنر تصادفی به یک مهارت تکرارپذیر تبدیل میشود.
مثال: جواب خیلی خشک است؟ فقط یک خط اضافه کن و بقیه را دست نزن: «با لحن گرم و محاورهای بنویس، انگار برای یک دوست توضیح میدهی.» اگر بهتر شد، فهمیدی ریشهٔ مشکل لحن بوده، نه محتوا.
۵. قدم چهارم؛ از خودِ مدل بخواه پرامپت تو را نقد کند
یکی از قویترین و کماستفادهترین ترفندها این است: بهجای اینکه تنهایی حدس بزنی کجای پرامپت خراب است، از خود مدل بپرس. مدلهای امروزی میتوانند بهخوبی توضیح دهند چرا اینطور جواب دادهاند و کجای دستور تو مبهم بوده. این یک حلقهٔ عیبیابی فوقسریع میسازد.
این کار مخصوصاً وقتی مفید است که چند بار تلاش کردهای و هنوز به جواب نرسیدهای. مدل نقش یک همکار را بازی میکند که پرامپت تو را از بیرون میبیند. برای دیدن نمونههای بیشتری از تعامل هوشمندانه با ابزارها میتوانی سری به آموزشهای چتجیپیتی بزنی.
مثال: «این پرامپت من است: [متن پرامپت]. و این جواب توست: [متن جواب]. قبل از هر کار دیگری، فهرست کن دستور من کجا مبهم بود، چه اطلاعاتی کم داشت، و اگر میخواستی خودت این پرامپت را بازنویسی کنی چه تغییری میدادی.»
۶. قدم پنجم؛ وقتی توضیح جواب نداد، نمونهٔ خروجی مطلوب را نشان بده
گاهی هرچقدر هم دستورت را دقیقتر میکنی، باز مدل به قالب یا سبک دلخواهت نمیرسد. اینجا بهترین کار «نشاندادن» است، نه «گفتن». یک نمونهٔ کوچک از خروجی مطلوب در پرامپت بگذار؛ مدل الگو را از روی نمونه بسیار بهتر از توصیف کلامی میگیرد. این پل خوبی است به تکنیکهای پیشرفتهتر که در سری آموزش مهندسی پرامپت کامل پوشش دادهایم.
حتی یک نمونه هم معجزه میکند، ولی اگر خروجی ساختاریافته میخواهی، دو نمونه با تنوع کافی نتیجه را قفل میکند. این تکنیک ریشهٔ بسیاری از پرامپتهای حرفهای است.
مثال: «عنوانها را دقیقاً به این سبک بنویس — نمونه: «۵ اشتباهی که پولات را آب میکند». حالا ۳ عنوان با همین ساختار برای موضوع پسانداز خانواده بساز.»
۷. قدم ششم؛ محدودیتها و مرزها را از ذهن به متن بیاور
خیلی از خرابیها به این خاطرند که یک محدودیت مهم را «بدیهی» فرض کردهای و ننوشتهای. مدل ذهن تو را نمیخواند؛ اگر نگویی «از این کلمات استفاده نکن»، «فرض اضافه نساز» یا «فقط از متنی که دادم استفاده کن»، هیچ تضمینی نیست که رعایت شود. صریحکردن مرزها یکی از سریعترین راههای تثبیت جواب است.
یک فهرست کوتاه از «نبایدها» در انتهای پرامپت، اغلب مؤثرتر از اضافهکردن ده جملهٔ توضیحی است. این کار مخصوصاً جلوی توهم و اطلاعات ساختگی را میگیرد، که یکی از دردسرسازترین علامتهای خرابی است.
مثال: «فقط بر اساس متن زیر جواب بده. اگر پاسخ در متن نبود، بنویس «در متن یافت نشد» و چیزی از خودت نساز. از کلمات کلی مثل «متحولکننده» و «انقلابی» استفاده نکن.»
۸. جدول عیبیابی سریع؛ از علامت تا درمان
وقتی به تجربه رسیدی، عیبیابی به یک نگاشت ساده تبدیل میشود: هر علامت یک درمان متداول دارد. این جدول را مثل یک برگهٔ تقلب کنار دستت داشته باش.
| علامت خرابی | ریشهٔ محتمل | درمان سریع |
|---|---|---|
| جواب بیش از حد کلی است | نبود مخاطب، هدف و معیار | مخاطب، طول و یک نمونهٔ مشخص اضافه کن |
| قالب خروجی غلط است | قالب توصیف شده ولی نشان داده نشده | یک نمونهٔ کوچک از قالب دلخواه بگذار |
| مدل یک محدودیت را نادیده گرفت | محدودیت وسط متن گم شده | نبایدها را در فهرست جدا و انتهای پرامپت بیاور |
| اطلاعات ساختگی و توهم | اجازهٔ ضمنی برای حدسزدن | بنویس فقط از متن دادهشده استفاده کن |
| لحن نامناسب است | لحن اصلاً مشخص نشده | لحن و مخاطب را با یک مثال روشن کن |
اگر میخواهی ببینی همین دقت در تصمیمهای کسبوکار چه تفاوتی میسازد، اهمیت هوش مصنوعی در کسبوکار نمونههای خوبی دارد.
۹. اشتباههای رایج هنگام عیبیابی که کار را بدتر میکنند
خودِ عیبیابی هم دام دارد. رایجترین خطا «بازنویسی کامل» است: هر بار کل پرامپت را عوض میکنی و هیچوقت نمیفهمی چه چیزی جواب داد. خطای دوم «اصلاح مبهم» است: بهجای تغییر مشخص، جملههای کلیتر اضافه میکنی و ابهام را بیشتر میکنی. خطای سوم «سرزنش مدل» است؛ عوضکردن مدل بهندرت مشکلی را حل میکند که ریشهاش در پرامپت است.
یک توصیهٔ عملی: نسخههای موفق پرامپتهایت را ذخیره کن و کنار هم بگذار. بهمرور یک کتابخانهٔ شخصی از الگوهای پایدار میسازی که دیگر لازم نیست هر بار از صفر عیبیابی کنی. برای درک تفاوت کار حرفهای و آماتوری با هوش مصنوعی، توهم ساختن با هوش مصنوعی خواندنی است، و برای آشنایی با ریشهٔ این ابزارها هم اوپنایآی چیست نقطهٔ خوبی برای شروع است.
پرسشهای پرتکرار
پرسش: عیبیابی پرامپت با ارزیابی کیفیت پرامپت چه فرقی دارد؟
پاسخ: ارزیابی یعنی سنجیدن اینکه یک پرامپت چقدر خوب کار میکند؛ عیبیابی یعنی پیداکردن و رفع دلیل کارنکردن. اولی نمره میدهد، دومی تعمیر میکند.
پرسش: اگر بعد از شش قدم باز هم جواب خوب نگرفتم چه کنم؟
پاسخ: احتمالاً کار را باید به چند مرحلهٔ کوچکتر بشکنی و هر مرحله را جدا حل کنی؛ گاهی یک پرامپت بزرگ باید به چند پرامپت پشتسرهم تبدیل شود.
پرسش: عیبیابی را روی کدام مدل تمرین کنم؟
پاسخ: روی همان مدلی که واقعاً با آن کار میکنی، چون هر مدل رفتار کمی متفاوتی دارد؛ ولی خودِ روش ششقدمی روی همهٔ مدلها یکسان جواب میدهد.
پرامپتی نوشتهای و خروجی هم بیش از حد کلی است و هم قالبش غلط. بهترین قدم اول برای عیبیابی کدام است؟
این تمرین ویژهٔ اعضاست
برای دیدن این بخش باید عضو ویژه (VIP) باشی. با شمارهٔ موبایلت وارد شو تا ۱۴ روز دسترسی رایگان فعال شود.
🎁 ورود / ثبتنام و شروع ۱۴ روز رایگان