پرامپت قالبی؛ یک الگوی آماده بساز و هزار بار استفاده کن

اگر هر روز چند کار تکراری را به هوش مصنوعی می‌سپاری اما هر بار پرامپت را از صفر و کمی متفاوت می‌نویسی، وقت زیادی هدر می‌دهی و خروجی‌هایت هم یک‌دست نیستند. راه‌حل، «پرامپت قالبی» است: یک الگوی آماده که یک بار می‌سازی و هزار بار پرش می‌کنی.

گام اول — پرامپت قالبی چیست و چه فرقی با پرامپت معمولی دارد

پرامپت معمولی را برای یک کار مشخص و همان یک بار می‌نویسی؛ تمام می‌شود و می‌رود. پرامپت قالبی اما طوری نوشته می‌شود که ساختارش ثابت بماند و فقط چند بخش کوچکِ متغیر عوض شوند. به بیان ساده، قالب یک اسکلت آماده است که تو هر بار فقط جاهای خالی‌اش را پر می‌کنی. همین باعث می‌شود خروجی‌هایت یک‌دست شوند، ساختار خوبی که یک بار پیدا کرده‌ای هر بار تکرار شود، و دیگر مجبور نباشی چرخ را از نو اختراع کنی.

تفاوت مهم دیگر این است که قالب، دانشِ پرامپت‌نویسی تو را ماندگار می‌کند. وقتی بعد از چند بار آزمون‌وخطا فهمیدی چه ساختاری بهترین جواب را می‌دهد، آن ساختار در قالب ذخیره می‌شود و دفعهٔ بعد از صفر شروع نمی‌کنی. اگر تازه‌کاری، پیشنهاد می‌کنیم اول نگاهی به پرامپت‌نویسی به زبان ساده بیندازی تا مبانی برایت جا بیفتد.

مثال: یک پرامپت معمولی این است: «یک ایمیل معذرت‌خواهی برای مشتری‌ای بنویس که سفارشش دیر رسیده.» همین جمله را وقتی قالبی می‌کنیم، می‌شود: «به‌عنوان مسئول پشتیبانی، یک ایمیل [نوع ایمیل] برای [نام مشتری] دربارهٔ [موضوع] با لحن [لحن] بنویس و در پایان [اقدام جبرانی] را پیشنهاد بده.» حالا این یک قالب است، نه یک پرامپت یک‌بارمصرف.

گام دوم — بخش ثابت و بخش متغیر را از هم جدا کن

اولین مهارت در ساخت قالب، تشخیص این است که کدام قسمت‌های پرامپت هر بار عوض می‌شوند و کدام‌ها همیشه ثابت‌اند. بخش ثابت معمولاً شامل نقشی که به مدل می‌دهی، لحن پایه، محدودیت‌ها و قالب خروجی است. بخش متغیر همان چیزی است که از یک کاربرد به کاربرد دیگر فرق می‌کند: موضوع، مخاطب، طول، زبان و مانند این‌ها. یک ترفند خوب این است که سه چهار نمونه از پرامپت‌های واقعی خودت را کنار هم بگذاری و ببینی چه چیزی بینشان مشترک است و چه چیزی تغییر می‌کند؛ مشترک‌ها بخش ثابت‌اند و متفاوت‌ها بخش متغیر.

وقتی این جداسازی را انجام دادی، عملاً نصف کار تمام است. حالا فقط باید بخش‌های متغیر را با یک نام روشن جای‌خالی کنی. اگر می‌خواهی روی این مهارت بیشتر تمرین کنی، آموزش‌های گام‌به‌گام آموزش کار با چت‌جی‌پی‌تی پر از نمونه‌های عملی است.

مثال: فرض کن سه پرامپت داری که با آن‌ها توضیح محصول می‌سازی. بخش مشترکشان این است: «به‌عنوان یک کپی‌رایتر حرفه‌ای، یک توضیح محصول جذاب و کوتاه بنویس که با یک جملهٔ قلاب‌دار شروع شود.» بخش متغیرشان نام محصول و ویژگی‌هاست. پس قالب می‌شود: «به‌عنوان یک کپی‌رایتر حرفه‌ای، برای محصول [نام محصول] با ویژگی‌های [ویژگی‌ها] یک توضیح جذاب و کوتاه بنویس که با یک جملهٔ قلاب‌دار شروع شود و برای [مخاطب] نوشته شده باشد.»

گام سوم — جای‌خالی‌ها را درست نام‌گذاری و نشانه‌گذاری کن

نام جای‌خالی باید کوتاه، گویا و بدون ابهام باشد؛ [مخاطب] بهتر از [x] است و [حداکثر تعداد کلمه] بهتر از [طول] است. مهم‌تر از آن، باید جای‌خالی‌ها را طوری نشانه‌گذاری کنی که هم برای خودت و هم برای مدل روشن باشند. رایج‌ترین روش، کروشه است؛ اما می‌توانی از دو آکولاد مثل {{موضوع}} یا از برچسب‌های واضح هم استفاده کنی. نکتهٔ کلیدی این است که این نشانه‌گذاری مرز میان «دستور» و «داده» را برای مدل روشن می‌کند و جلوی قاطی‌شدن آن‌ها را می‌گیرد. این همان ایده‌ای است که در بحث جداکننده‌ها و برچسب‌ها هم مطرح است.

یک عادت خوب این است که در بالای قالب، فهرست کوتاهی از جای‌خالی‌ها و توضیحشان بگذاری تا بعداً که سراغ قالب می‌روی، سریع بفهمی هرکدام چه کاری می‌کنند. این کار مخصوصاً وقتی قالب‌هایت زیاد می‌شوند، خیلی به کارت می‌آید.

مثال: «قالب خلاصه‌سازی — جای‌خالی‌ها: [متن] = متن اصلی، [تعداد بند] = چند بند خلاصه، [مخاطب] = برای چه کسی. دستور: متن زیر را در [تعداد بند] بند برای [مخاطب] خلاصه کن و لحن را ساده نگه دار: [متن]» — با این ساختار، مدل دقیقاً می‌داند کجا دستور است و کجا داده.

گام چهارم — مقدار پیش‌فرض و جای‌خالی اختیاری بگذار

یک قالب حرفه‌ای فقط جای‌خالی خام ندارد؛ برای بعضی جاها مقدار پیش‌فرض تعریف می‌کند تا اگر آن را پر نکردی، خروجی خراب نشود. همچنین بعضی جای‌خالی‌ها را اختیاری می‌کند تا قالب هم منعطف باشد و هم برای موقعیت‌های مختلف جواب بدهد. این کار قالب تو را از یک الگوی خشک به یک ابزار هوشمند تبدیل می‌کند.

برای پیش‌فرض کافی است داخل کروشه هم نام و هم مقدار پیش‌فرض را بنویسی، و برای اختیاری‌بودن به مدل بگویی که اگر آن بخش خالی بود، از آن صرف‌نظر کند. این جزئیات کوچک تفاوت بزرگی در کیفیت خروجی می‌سازند، مخصوصاً وقتی قالب را به دست کس دیگری هم می‌دهی.

مثال: «به‌عنوان [نقش؛ پیش‌فرض: کارشناس محتوا] یک [نوع متن] دربارهٔ [موضوع] با لحن [لحن؛ پیش‌فرض: صمیمی و حرفه‌ای] بنویس. در صورت وجود، این نکات را هم بگنجان: [نکات اختیاری]. اگر بخش نکات خالی بود، بدون آن ادامه بده.» — این قالب حتی وقتی بعضی جاها را پر نکنی، باز هم خروجی سالمی می‌دهد.

گام پنجم — یک کتابخانهٔ پرامپت شخصی بساز

وقتی چند قالب کاربردی ساختی، آن‌ها را در یک جا جمع کن؛ یک فایل متنی، یک یادداشت، یا یک جدول ساده. برای هر قالب یک نام، یک توضیح یک‌خطی از کاربردش و فهرست جای‌خالی‌ها بنویس. این «کتابخانهٔ پرامپت» به‌مرور به ارزشمندترین دارایی تو در کار با هوش مصنوعی تبدیل می‌شود، چون دانش پراکنده‌ات را یک‌جا و قابل‌استفادهٔ مجدد می‌کند.

کتابخانه فقط یک بایگانی نیست؛ یک بستر بهبود مداوم است. هر بار که قالبی خروجی بهتری داد، همان نسخه را نگه دار و نسخهٔ ضعیف‌تر را کنار بگذار. همین رفتار ساده باعث می‌شود کیفیت کار تو ماه‌به‌ماه بالاتر برود. اگر می‌خواهی بدانی چرا این نظم برای کسب‌وکارها اهمیت زیادی دارد، مقالهٔ اهمیت هوش مصنوعی در کسب‌وکار را بخوان.

مثال: یک ردیف از کتابخانه‌ات می‌تواند این باشد: «نام: قالب پاسخ به نظر مشتری | کاربرد: پاسخ کوتاه و مؤدبانه به نظرهای اینستاگرام | جای‌خالی‌ها: [متن نظر]، [لحن]، [پیشنهاد بعدی] | دستور: به‌عنوان مدیر ارتباط با مشتری به این نظر با لحن [لحن] پاسخ بده و در پایان [پیشنهاد بعدی] را مطرح کن: [متن نظر].»

گام ششم — قالب را با مثال‌محور و قالب خروجی ترکیب کن

قالب‌نویسی وقتی واقعاً قدرتمند می‌شود که آن را با تکنیک‌های دیگر ترکیب کنی. مثلاً می‌توانی داخل قالب یک یا دو نمونهٔ خروجی مطلوب بگذاری تا مدل دقیقاً بفهمد چه سبکی می‌خواهی؛ این همان تکنیک مثال‌محور است. یا می‌توانی در انتهای قالب، ساختار خروجی را با دقت مشخص کنی تا جواب همیشه مرتب و ماشین‌خوان باشد.

این ترکیب باعث می‌شود قالب تو نه‌تنها محتوای درست بلکه در قالبِ درست هم تحویل بدهد. برای آشنایی با ظرفیت‌ها و مرزهای واقعی این ابزارها، نگاهی به توان و محدودیت‌های واقعی هوش مصنوعی کمک می‌کند انتظارت را واقع‌بینانه نگه داری.

مثال: «برای محصول [نام محصول] یک عنوان تبلیغاتی بنویس. خروجی دقیقاً در این قالب باشد: عنوان: … | زیرعنوان: … | یک جملهٔ فراخوان: … . نمونهٔ سبک مطلوب: عنوان: قهوه‌ای که صبحت را عوض می‌کند | زیرعنوان: طعمی که بیدارت می‌کند | فراخوان: همین حالا امتحان کن.»

گام هفتم — سراغ قالب‌های پیشرفته و چندمرحله‌ای برو

وقتی با قالب‌های ساده راحت شدی، می‌توانی قالب‌های تودرتو و چندمرحله‌ای بسازی. قالب تودرتو یعنی خروجی یک قالب، ورودی قالب بعدی می‌شود؛ مثلاً اول یک قالب فهرست ایده می‌سازد و بعد قالبی دیگر هر ایده را به یک متن کامل تبدیل می‌کند. این نزدیک به ایدهٔ زنجیرهٔ پرامپت است و برای کارهای پیچیده عالی جواب می‌دهد.

قالب‌های چندمرحله‌ای مخصوصاً برای خودکارسازی مفیدند، چون می‌توانی آن‌ها را در ابزارهای بدون‌کد یا اسپردشیت زنجیر کنی و صدها خروجی یک‌دست بسازی. برای اینکه از دنیای هوش مصنوعی عقب نمانی، بخش اخبار هوش مصنوعی را دنبال کن و اگر می‌خواهی بدانی این ابزارها از کجا آمده‌اند، مطلب اوپن‌ای‌آی چیست نقطهٔ شروع خوبی است.

مثال: قالب مرحلهٔ اول: «برای موضوع [موضوع] ده عنوان مقالهٔ جذاب بساز.» قالب مرحلهٔ دوم: «از فهرست بالا عنوان شمارهٔ [شماره] را بردار و برای آن یک طرح کامل مقاله با پنج زیرعنوان و یک جمع‌بندی بنویس، مخاطب: [مخاطب].» خروجی مرحلهٔ اول مستقیم وارد مرحلهٔ دوم می‌شود.

گام هشتم — قالب را تست، نسخه‌بندی و بهبود کن

هیچ قالبی از همان اول کامل نیست. بهترین کار این است که هر قالب تازه را با دو سه ورودی مختلف تست کنی و ببینی آیا خروجی در همهٔ حالت‌ها یک‌دست و باکیفیت است یا نه. اگر جایی خروجی لنگ زد، معمولاً یا نام یک جای‌خالی مبهم بوده یا یک محدودیت مهم را جا انداخته‌ای. همان را اصلاح کن و نسخهٔ تازه را ذخیره کن.

نسخه‌بندی یعنی نگه‌داشتن تاریخچهٔ تغییرها؛ لازم نیست پیچیده باشد، همین که کنار هر قالب بنویسی «نسخهٔ ۲ — لحن را واضح‌تر کردم» کافی است. این عادت باعث می‌شود اگر تغییری خروجی را بدتر کرد، بتوانی به نسخهٔ قبلی برگردی. به این ترتیب قالب‌هایت مثل یک محصول زنده مدام بهتر می‌شوند.

مثال: «قالب کپشن — نسخهٔ ۳. تغییر نسبت به نسخهٔ ۲: افزودن جای‌خالی [ممنوعیت‌ها] برای اینکه بگویم چه کلماتی استفاده نشود. دستور: یک کپشن دربارهٔ [موضوع] با لحن [لحن] بنویس، این کلمات را به کار نبر: [ممنوعیت‌ها].»

پرسش‌های پرتکرار

پرسش: فرق پرامپت قالبی با متاپرامپت چیست؟
پاسخ: در متاپرامپت از هوش مصنوعی می‌خواهی که خودش برایت پرامپت بنویسد؛ اما پرامپت قالبی یک الگوی ثابت است که خودت ساخته‌ای و فقط جای‌خالی‌هایش را پر می‌کنی. این دو مکمل‌اند: می‌توانی با متاپرامپت یک قالب اولیه بسازی و بعد خودت آن را پارامتری کنی.

پرسش: از چه نشانه‌ای برای جای‌خالی استفاده کنم؟
پاسخ: کروشه مثل [موضوع] یا دو آکولاد مثل {{موضوع}} هر دو خوب‌اند؛ مهم این است که در همهٔ قالب‌هایت یک روش را یک‌دست به کار ببری تا هم خودت و هم مدل به آن عادت کنید.

پرسش: آیا قالب باعث نمی‌شود خروجی‌ها تکراری و بی‌روح شوند؟
پاسخ: نه، اگر جای‌خالی‌های کافی برای بخش‌های خلاقانه بگذاری. قالب فقط ساختار را ثابت می‌کند؛ محتوای هر بار به ورودی‌های تو بستگی دارد و می‌تواند کاملاً متفاوت باشد.