زبان میانبر با هوش مصنوعی؛ پرامپت‌های تکراری را به فرمان کوتاه تبدیل کن

اگر هر روز چند کار تکراری را با هوش مصنوعی انجام می‌دهی — بازنویسی ایمیل، خلاصهٔ جلسه، ساخت کپشن — احتمالاً هر بار یک پرامپت بلند و تقریباً یکسان تایپ می‌کنی. «زبان میانبر» راهی است که یک بار این دستورها را به مدل یاد بدهی و از آن به بعد فقط با چند علامت کوتاه همان نتیجه را بگیری. در این آموزش قدم‌به‌قدم یاد می‌گیری چنین زبانی بسازی، پایدار نگهش داری و کارهای روزمره‌ات را چند برابر سریع‌تر کنی.

گام اول: «زبان میانبر» دقیقاً چیست

زبان میانبر یک «قرارداد» ساده بین تو و مدل است: تو چند علامت یا کلمهٔ کوتاه را به کارهای مشخص گره می‌زنی و مدل می‌پذیرد که هر بار آن علامت را دید، همان کار را انجام دهد. درست مثل میان‌برهای صفحه‌کلید که یک بار یاد می‌گیری و تا همیشه ازشان استفاده می‌کنی. اگر تازه با پرامپت‌نویسی آشنا شده‌ای، پیشنهاد می‌کنم اول راهنمای پرامپت‌نویسی برای مبتدی‌ها و بعد مجموعه آموزش‌های چت‌جی‌پی‌تی را ببینی تا پایهٔ کار دستت بیاید.

تفاوت کلیدی این است: در پرامپت معمولی هر بار از صفر توضیح می‌دهی؛ اما وقتی یک زبان میانبر می‌سازی، توضیح‌ها را یک بار می‌دهی و بعد فقط «صدا می‌زنی». این یعنی پرامپت‌های کوتاه‌تر، سریع‌تر و یک‌دست‌تر. مزیت پنهانِ این روش «یک‌دستی خروجی» است: چون تعریف هر فرمان ثابت می‌ماند، مدل هر بار دقیقاً همان قالب و لحن را تحویل می‌دهد و دیگر نتیجه‌ها هر دفعه کمی متفاوت درنمی‌آیند.

سه نشانه می‌گوید وقتِ ساختن یک زبان میانبر رسیده است: کاری را در هفته بیش از چند بار تکرار می‌کنی، هر بار تقریباً همان توضیح طولانی را می‌نویسی، و خروجی باید قالبِ مشخص و ثابتی داشته باشد. اگر این سه با هم جمع شدند، یک میانبر چند دقیقه وقت می‌گیرد اما ساعت‌ها در ماه برایت آزاد می‌کند.

مثال: «از این لحظه یک زبان میانبر بین ما تعریف می‌کنیم. فعلاً فقط این را به خاطر بسپار: هر وقت پیامم با //خلاصه شروع شد، یعنی متنی که بعدش می‌آید را در حداکثر سه جملهٔ ساده خلاصه کن، بدون مقدمه. اگر قانون را فهمیدی، فقط بنویس: فهمیدم.»

گام دوم: کجا جواب می‌دهد و کجا نه

زبان میانبر روی «کانتکست» گفتگو سوار است؛ یعنی مدل تا وقتی تعریف فرمان‌ها در حافظهٔ همان گفتگو باشد آن‌ها را می‌شناسد. در یک گفتگوی طولانی ممکن است تعریف‌های اول کم‌کم از دید مدل خارج شوند و فرمان‌ها «فراموش» شوند. پس بدان که این ابزار قدرتمند است اما جادو نیست؛ محدودیت‌های مدل‌های زبانی را هم باید بشناسی که در پتانسیل و محدودیت‌های واقعی هوش مصنوعی به‌تفصیل آمده است.

بهترین کاربردها جایی است که یک کار را بارها و با الگوی ثابت تکرار می‌کنی: تولید محتوا، پاسخ به ایمیل، استانداردسازی گزارش، یا کارهای کدنویسی روتین. جایی که هر درخواست کاملاً متفاوت و یک‌باره است، میانبر ارزش افزوده‌ای ندارد.

مثال: «قانون تداوم: اگر در طول گفتگو حس کردی تعریف یکی از فرمان‌ها را از یاد برده‌ای، به‌جای حدس‌زدن از من بپرس: «تعریف فلان فرمان را دوباره بگو». هرگز فرمانی را سرِخود معنا نکن.»

گام سوم: ساختار یک فرمان خوب

هر فرمان خوب سه بخش دارد: یک «علامت» کوتاه و یکتا، یک «ورودی» مشخص، و یک «خروجی» قابل‌پیش‌بینی. اگر هر سه را روشن تعریف کنی، خروجی مدل تقریباً همیشه همان چیزی می‌شود که انتظار داری. این دقیقاً همان اصلی است که در قالب‌های پرامپت قابل‌استفادهٔ مجدد هم دیده‌ای، فقط این‌جا فشرده‌تر و به شکل فرمان درآمده است.

توصیه می‌کنم علامت‌ها را با یک پیشوند یکسان شروع کنی (مثل // یا @) تا مدل راحت تشخیص دهد این یک فرمان است، نه بخشی از متن عادی.

مثال: «تعریف فرمان: علامت //عنوان ← ورودی: یک پاراگراف متن ← خروجی: پنج تیتر جذاب زیر ۶۰ کاراکتر برای همان متن، هر کدام در یک خط، بدون شماره و بدون توضیح اضافه. نمونه بزن تا مطمئن شوم درست فهمیدی.»

گام چهارم: تعریف فرمان‌ها و گرفتن «تأیید»

مهم‌ترین ترفند این است که بعد از تعریف فرمان‌ها، از مدل بخواهی فهرست آن‌ها را کوتاه «تأیید» کند. این کار دو فایده دارد: هم مطمئن می‌شوی مدل درست فهمیده، هم تعریف‌ها را دوباره در کانتکست «تثبیت» می‌کنی تا دیرتر فراموش شوند. این همان منطقِ «اول توافق، بعد اجرا» است که کیفیت خروجی را بالا می‌برد.

اگر چند فرمان داری، همه را یک‌جا در ابتدای گفتگو تعریف کن و بعد بخواه مدل آن‌ها را در یک جدول کوتاه خلاصه و تأیید کند.

مثال: «سه فرمان تعریف می‌کنم: //رسمی = بازنویسی به لحن اداری، //کوتاه = خلاصه در سه جمله، //بولت = تبدیل به فهرست نقطه‌ای. حالا این سه را در یک جدول دو ستونه (فرمان / کار) برایم بنویس و پایین جدول بنویس: آماده‌ام.»

گام پنجم: جلوگیری از تداخل و ابهام

بزرگ‌ترین دشمن زبان میانبر، فرمان‌های هم‌پوشان است؛ مثلاً اگر هم //کوتاه و هم //خلاصه را تعریف کنی و تفاوتشان روشن نباشد، مدل گیج می‌شود. قانون طلایی: هر فرمان باید یک کارِ متمایز و بدون هم‌پوشانی داشته باشد. اگر دو فرمان نزدیک‌اند، یا ادغامشان کن یا مرزشان را دقیق مشخص کن.

همچنین علامت‌ها را جوری انتخاب کن که با متن عادی قاطی نشوند. استفاده از یک پیشوند ثابت و کلمه‌های نامتعارف این خطر را کم می‌کند. یک ترفند ساده برای آزمایش: بعد از تعریف هر فرمان، یک ورودیِ «لبه‌ای» بده که عمداً کمی مبهم باشد و ببین مدل چه می‌کند؛ اگر درست عمل کرد یعنی تعریفت محکم است، و اگر لغزید یعنی باید مرز فرمان را دقیق‌تر کنی.

اگر دیدی تعداد فرمان‌ها از دستت در رفته، دوره‌ای آن‌ها را بازبینی کن: فرمان‌هایی که کم استفاده می‌شوند را حذف کن و فرمان‌های نزدیک به هم را در یک فرمانِ دقیق‌تر ادغام کن. یک زبان میانبرِ کوچک اما تمیز، همیشه از یک زبانِ شلوغ کاربردی‌تر است.

مثال: «قانون ابهام‌زدایی: اگر پیام من هم‌زمان با دو فرمان هم‌خوان بود یا مطمئن نبودی کدام را اجرا کنی، اجرا نکن؛ به‌جایش در یک خط بپرس کدام را می‌خواهم. دقت برایم از سرعت مهم‌تر است.»

گام ششم: پایدار نگه‌داشتن فرمان‌ها

برای این‌که هر بار مجبور نباشی فرمان‌ها را از نو تعریف کنی، از امکانات ماندگارِ ابزارها استفاده کن. در چت‌جی‌پی‌تی می‌توانی تعریف‌ها را در بخش «دستورهای سفارشی» (Custom Instructions) یا «حافظه» بگذاری؛ در ابزارهای دیگر هم بخش‌های مشابهی هست. اگر با چت‌جی‌پی‌تی و شرکت سازنده‌اش تازه آشنا شده‌ای، معرفی اوپن‌ای‌آی نقطهٔ خوبی برای شروع است.

ایدهٔ کلی این است: یک «بلوک تعریف» ثابت بساز و آن را در تنظیمات ماندگارِ ابزار بچسبان تا در همهٔ گفتگوها در دسترس باشد. این‌طوری زبان میانبرت به بخشی از محیط کارت تبدیل می‌شود، نه چیزی که هر بار از صفر بسازی.

مثال: «این متن را عیناً در دستورهای سفارشی‌ام می‌گذارم: «فرمان‌های ثابت من: //رسمی، //کوتاه، //بولت، //عنوان. تعریف هرکدام را می‌دانی؛ هر وقت دیدی، بدون پرسیدن اجرا کن مگر این‌که مبهم باشد.»»

گام هفتم: ساخت کتابخانهٔ شخصی میانبرها

وقتی چند فرمان پرکاربرد پیدا کردی، آن‌ها را دسته‌بندی کن و یک «کتابخانهٔ شخصی» بساز: مثلاً فرمان‌های نوشتن، فرمان‌های تحلیل، فرمان‌های کدنویسی. این کتابخانه در طول زمان بزرگ‌تر می‌شود و دقیقاً همان چیزی است که بهره‌وری تیم‌ها و کسب‌وکارها را بالا می‌برد؛ در چرا هوش مصنوعی برای کسب‌وکار مهم است نمونه‌هایش را می‌بینی.

یک نکتهٔ مهم: کتابخانه را ساده نگه دار. ده فرمانِ دقیق و پرکاربرد، از پنجاه فرمانِ نیمه‌کاره خیلی بهتر است. کیفیت و تمایز فرمان‌ها مهم‌تر از تعدادشان است.

مثال: «از فرمان‌هایی که این هفته استفاده کردم یک کتابخانهٔ مرتب بساز: آن‌ها را در سه دستهٔ «نوشتن»، «تحلیل» و «کد» بچین و برای هرکدام یک خط توضیح کوتاه بنویس تا بعداً خودم هم یادم بماند.»

گام هشتم: اشتباه‌های رایج و راه‌حلشان

رایج‌ترین اشتباه‌ها این‌ها هستند: تعریف فرمان‌های مبهم، ساختن علامت‌هایی که با متن عادی قاطی می‌شوند، تعریف بیش‌ازحد فرمان در یک گفتگو، و فراموش‌کردنِ گرفتن تأیید. همهٔ این‌ها با رعایت گام‌های بالا حل می‌شوند. یادت باشد زبان میانبر ابزار است نه هدف؛ اگر برای یک کارِ یک‌باره وقت می‌گذاری تا فرمان بسازی، احتمالاً داری بیش از حد مهندسی می‌کنی — چیزی که در توهم توسعه‌دهندهٔ تنها در برابر مهندس واقعی هم به آن اشاره شده است.

برای این‌که همیشه آخرین تکنیک‌ها و اخبار ابزارها را داشته باشی، بخش اخبار را هم دنبال کن.

پرسش‌های پرتکرار

زبان میانبر با متاپرامپت چه فرقی دارد؟
در متاپرامپت، مدل برایت یک پرامپت می‌نویسد؛ اما در زبان میانبر، تو یک واژگان کوتاه تعریف می‌کنی و مدل آن را در طول گفتگو اجرا می‌کند. اولی «تولید پرامپت» است، دومی «فشرده‌کردن پرامپت‌های تکراری».

آیا مدل فرمان‌ها را برای همیشه یادش می‌ماند؟
نه به‌طور خودکار. در یک گفتگو تا وقتی در کانتکست باشند می‌ماند؛ برای ماندگاری دائمی باید تعریف‌ها را در «دستورهای سفارشی» یا «حافظهٔ» ابزار بگذاری تا در هر گفتگوی جدید هم فعال باشند.

اگر مدل یک فرمان را اشتباه اجرا کرد چه کنم؟
سریع اصلاحش کن و تعریف را دقیق‌تر بنویس؛ معمولاً ریشهٔ خطا ابهام در تعریف یا هم‌پوشانی با فرمان دیگری است. یک جملهٔ کوتاهِ «منظورم از این فرمان دقیقاً این است، نه آن» اغلب مشکل را حل می‌کند.

چند فرمان ایده‌آل است؟
برای شروع سه تا پنج فرمانِ دقیق کافی است. وقتی به آن‌ها عادت کردی، کم‌کم و با حفظ تمایز، تعدادشان را بیشتر کن.