پرامپت دفترچهٔ فکر؛ به هوش مصنوعی فضای فکر بده تا جواب تمیز بگیری

یکی از آزاردهنده‌ترین اتفاق‌ها در کار با هوش مصنوعی این است: از مدل یک جواب تمیز می‌خواهی، اما مدل تمام محاسبه‌ها، حدس‌ها و بالا و پایین کردن‌هایش را هم وسط همان جواب می‌ریزد و خروجی شلوغ و غیرقابل‌استفاده می‌شود. تکنیک «دفترچهٔ فکر» راهی ساده و قدرتمند است که این گره را باز می‌کند؛ بدون اینکه دقت مدل را فدا کنی.

گام ۱ — دفترچهٔ فکر چیست و چه مشکلی را حل می‌کند؟

مدل‌های زبانی وقتی پیش از رسیدن به جواب فرصت فکر کردن داشته باشند، خطای کمتری می‌کنند. اما اگر همین فکر کردن را مستقیماً در جواب نهایی بنویسند، خروجی پر می‌شود از جمله‌هایی مثل «بگذارید اول حساب کنم…» که برای کاربر نهایی یا یک برنامهٔ پردازشگر فقط شلوغی است. دفترچهٔ فکر این تناقض را حل می‌کند: به مدل می‌گویی اول در یک «دفترچهٔ یادداشت» شخصی فکر کن، بعد فقط جوابِ پاکنویس‌شده را تحویل بده.

اگر تازه با مفهوم پرامپت آشنا شده‌ای، پیشنهاد می‌کنیم اول راهنمای ساده‌ی پرامپت‌نویسی برای مبتدی‌ها را بخوانی و بعد سراغ این تکنیک بیایی؛ چون دفترچهٔ فکر روی پایهٔ یک پرامپت خوب ساخته می‌شود.

اسم «دفترچهٔ فکر» تصادفی نیست. درست مثل یک دانش‌آموز که کنار برگهٔ امتحان یک کاغذ باطله دارد و رویش چرک‌نویس می‌کند و بعد فقط جواب نهایی را توی برگه می‌نویسد، مدل هم یک فضای چرک‌نویس می‌گیرد که قرار نیست تصحیح شود. همین ذهنیت ساده به تو کمک می‌کند پرامپت‌های بهتری بنویسی.

مثال: «برای این مسئله اول داخل تگ <فکر> آزادانه و بدون نگرانی از مرتب بودن، مرحله‌به‌مرحله فکر کن. بعد فقط جوابِ نهاییِ تمیز را داخل تگ <پاسخ> بنویس. من فقط محتوای تگ <پاسخ> را می‌خوانم.»

گام ۲ — ساختار پایه: دو تگ «فکر» و «پاسخ»

کل تکنیک روی دو بخش مشخص سوار است. بخش اول جایی است که مدل اجازه دارد هر چه لازم است بنویسد؛ بخش دوم فقط و فقط جواب نهایی. نام تگ‌ها را واضح و یکتا بگذار تا مدل آن‌ها را با متن قاطی نکند. می‌توانی از تگ‌های فارسی مثل <فکر> و <پاسخ> یا انگلیسی مثل <thinking> و <answer> استفاده کنی؛ مهم این است که در کل پرامپت یکدست بمانند.

قاعدهٔ طلایی: همیشه صراحتاً بگو «خروجی نهایی فقط محتوای تگ پاسخ است» و «بخش پاسخ باید مستقل و کامل باشد». این یک جمله جلوی نصف خطاها را می‌گیرد.

مثال: «ساختار پاسخت دقیقاً این باشد: <فکر> اینجا استدلال و پیش‌نویس </فکر> و بعد <پاسخ> اینجا فقط جواب نهایی و تمیز </پاسخ>. بیرون از این دو تگ چیزی ننویس.»

گام ۳ — چرا جواب دقیق‌تر می‌شود؟ منطق فنی ماجرا

وقتی مدل مجبور است اول توکن‌های استدلال را تولید کند، عملاً مسئله را در چند قدم کوچک‌تر حل می‌کند و شانس خطای محاسباتی یا پرش از یک مرحله کم می‌شود. این همان سودی است که در آموزش‌های پایه‌ای کار با هوش مصنوعی هم بارها به آن اشاره شده است. فرق دفترچهٔ فکر این است که این استدلال را در یک قاب جداگانه نگه می‌دارد، نه وسط جواب.

به بیان ساده، تو همان کیفیت استدلالِ عمیق را می‌گیری، ولی ظاهر خروجی مثل این است که مدل مستقیم و مطمئن جواب داده است. این برای گزارش‌های حرفه‌ای و خروجی‌های رسمی خیلی ارزشمند است.

مثال: «یک مسئلهٔ ریاضی چندمرحله‌ای به تو می‌دهم. داخل <فکر> هر عدد و هر مرحله را جدا حساب کن و جواب هر مرحله را بازبینی کن. بعد داخل <پاسخ> فقط عدد نهایی را با یک جملهٔ کوتاه توضیح بنویس.»

گام ۴ — تفاوت با زنجیرهٔ تفکر و تفکر گستردهٔ مدل

خیلی‌ها دفترچهٔ فکر را با «زنجیرهٔ تفکر» اشتباه می‌گیرند. در زنجیرهٔ تفکر، استدلال بخشی از جواب است و کاربر آن را می‌بیند؛ در دفترچهٔ فکر، استدلال در یک بخش جدا و قابل‌حذف است. یعنی دفترچهٔ فکر در واقع یک قدم جلوتر است: هم استدلال داری، هم خروجی تمیز. همچنین این روش با «تفکر گسترده‌»ی داخلیِ بعضی مدل‌ها فرق دارد؛ آنجا استدلال را خودِ مدل در لایهٔ داخلی انجام می‌دهد، ولی دفترچهٔ فکر چیزی است که تو با پرامپت می‌سازی و روی هر مدلی کار می‌کند.

اگر می‌خواهی ببینی این تکنیک‌ها چطور کنار هم معنا پیدا می‌کنند، سری کامل آموزش پرامپت‌نویسی Mr ChatGPT نقشهٔ راه خوبی است.

مثال: «مثل زنجیرهٔ تفکر فکر کن، اما تمام مراحل فکرت را فقط داخل <فکر> نگه دار و در <پاسخ> انگار داری برای یک مدیر پرمشغله خلاصه می‌نویسی: کوتاه، قاطع و بدون نشان دادن مسیر.»

گام ۵ — کاربرد در محاسبات و استخراج دادهٔ ساختارمند

قوی‌ترین کاربرد دفترچهٔ فکر جایی است که جواب باید ماشین‌خوان باشد؛ مثلاً یک آبجکت JSON که قرار است یک برنامه آن را بخواند. اگر مدل استدلالش را قاطی JSON کند، فایل خراب می‌شود. با دفترچهٔ فکر، استدلال در تگ فکر می‌ماند و تگ پاسخ یک JSON تمیز می‌شود. این الگو ستون فقرات خیلی از پروژه‌های جدی هوش مصنوعی در کسب‌وکار است؛ چیزی که در نقش هوش مصنوعی در کسب‌وکار بیشتر درباره‌اش خوانده‌ای.

همین الگو برای استخراج اطلاعات از ایمیل، فاکتور، قرارداد یا متن‌های طولانی هم عالی است: اول بررسی و راستی‌آزمایی در تگ فکر، بعد خروجی مرتب در تگ پاسخ. یک مزیت پنهان هم دارد: چون مدل در تگ فکر فرصت دارد داده را دوباره چک کند، خطاهایی مثل جابه‌جایی عدد یا جا انداختن یک فیلد به‌شکل محسوسی کم می‌شود. برای کارهای حساس می‌توانی حتی یک مرحلهٔ راستی‌آزمایی صریح هم اضافه کنی.

مثال: «متن این ایمیل را بخوان. داخل <فکر> نام فرستنده، تاریخ و مبلغ را پیدا کن و درستی‌شان را دوباره چک کن. سپس داخل <پاسخ> فقط این JSON را بده: {“name”: “”, “date”: “”, “amount”: “”} بدون هیچ متن اضافه.»

گام ۶ — دفترچهٔ فکر در API و اتوماسیون

وقتی با API یا یک ابزار اتوماسیون کار می‌کنی، دفترچهٔ فکر دو برابر ارزشمند می‌شود. در کد فقط متنی را که بین تگ پاسخ است جدا می‌کنی و بخش فکر را دور می‌ریزی. این‌طوری کاربر نهایی هیچ‌وقت استدلال خام را نمی‌بیند و خروجی‌ات همیشه تمیز است. اگر هنوز با مفهوم API و شرکت‌های سازندهٔ این مدل‌ها آشنا نیستی، این مقاله دربارهٔ OpenAI شروع خوبی است.

یک ترفند مهم: به مدل بگو حتماً هر دو تگ را ببندد و بیرون از تگ‌ها چیزی ننویسد، تا کد تو همیشه بتواند تگ پاسخ را پیدا کند. برای دیدن اینکه این مدل‌ها در عمل چقدر می‌توانند دقیق یا پرخطا باشند، نگاهی به توان و محدودیت‌های واقعی هوش مصنوعی هم خالی از لطف نیست.

مثال: «خروجی‌ات باید دقیقاً دو تگ بسته داشته باشد: <فکر>…</فکر> و <پاسخ>…</پاسخ>. بیرون از این تگ‌ها حتی یک کلمه هم ننویس، چون یک برنامه فقط محتوای <پاسخ> را می‌خواند.»

گام ۷ — دام‌های رایج و راه دوری از آن‌ها

سه خطای پرتکرار وجود دارد. اول، نشت فکر به جواب: وقتی مدل بخشی از استدلال را داخل تگ پاسخ هم تکرار می‌کند؛ راه‌حل، یک جملهٔ صریح است که «تگ پاسخ نباید هیچ اشاره‌ای به مراحل فکر داشته باشد». دوم، تگ بازمانده: مدل یادش می‌رود تگ را ببندد؛ یک مثال کوتاه در پرامپت این را حل می‌کند. سوم، فکرِ بیش‌ازحد طولانی که توکن و هزینه هدر می‌دهد؛ می‌توانی سقف بگذاری: «حداکثر در پنج خط فکر کن».

یک دام ظریف‌تر هم هست: گاهی روی مدل‌هایی که خودشان «تفکر داخلی» دارند، اضافه کردن دفترچهٔ فکرِ دستی باعث دوباره‌کاری و اتلاف توکن می‌شود. در این حالت یا سقف فکر را کوتاه کن یا بگذار مدل خودش فکر کند و تو فقط قالب تگ پاسخ را بخواه. انتخاب درست به مدل و کاری که داری بستگی دارد؛ کمی آزمایش، بهترین راهنماست.

اگر این قاعده‌ها را رعایت کنی، دفترچهٔ فکر به یکی از قابل‌اعتمادترین الگوهای پرامپت تو تبدیل می‌شود. برای مقایسهٔ رفتار مدل‌های مختلف در شرایط سخت هم می‌توانی نبرد ChatGPT و DeepSeek را بخوانی و تازه‌ترین رویدادها را در بخش اخبار هوش مصنوعی دنبال کنی.

مثال: «داخل <فکر> حداکثر در پنج خط فکر کن. در <پاسخ> هیچ اشاره‌ای به مراحل فکرت نکن و جواب را طوری بنویس که انگار اولین‌بار است آن را می‌گویی.»

پرسش‌های پرتکرار

آیا دفترچهٔ فکر روی همهٔ مدل‌ها کار می‌کند؟ بله. چون این تکنیک فقط یک الگوی پرامپت است و به قابلیت خاصی در مدل نیاز ندارد؛ از مدل‌های کوچک تا بزرگ از آن سود می‌برند.

تگ‌ها را فارسی بگذارم یا انگلیسی؟ هر دو کار می‌کند؛ مهم این است که در کل پرامپت یکدست باشند و نام تگ در متن معمولی تکرار نشود تا مدل آن را اشتباه نگیرد.

فرقش با زنجیرهٔ تفکر در یک جمله چیست؟ در زنجیرهٔ تفکر استدلال را می‌بینی، در دفترچهٔ فکر استدلال را جدا و قابل‌حذف می‌کنی تا فقط جواب تمیز بماند.