پرامپت معیار پذیرش؛ قبل از نوشتن، خروجیِ خوب را برای هوش مصنوعی تعریف کن

فرض کن از هوش مصنوعی یک ایمیلِ پیگیری می‌خواهی. جواب می‌آید، خوش‌ساخت و بی‌غلط، ولی وقتی می‌خوانی‌اش حس می‌کنی «این آن چیزی نیست که می‌خواستم». لحنش رسمی‌تر از چیزی است که لازم داری، یا دو بند طولانی‌تر از آن است که کسی بخوانَد، یا آن یک جمله‌ای که باید حتماً می‌آمد را ندارد. پس می‌نویسی «کوتاه‌ترش کن»، بعد «صمیمی‌ترش کن»، بعد «آن نکته را هم اضافه کن» و بعد از پنج رفت‌وبرگشت تازه به چیزی می‌رسی که از اول در ذهنت بود.

ریشهٔ این رفت‌وبرگشت یک چیز است: تو هیچ‌وقت به مدل نگفتی «خروجیِ خوب» دقیقاً چه شکلی است. در ذهنِ خودت یک تصویرِ روشن از جوابِ قابل‌قبول داشتی، ولی آن تصویر هرگز روی کاغذ نیامد. مدل هم مجبور شد حدس بزند، و حدسش با حدسِ تو یکی نشد. تکنیکِ امروز همین شکاف را می‌بندد؛ نامش «پرامپت معیار پذیرش» است و از یک ایدهٔ ساده در مهندسی و مدیریتِ پروژه می‌آید: پیش از شروعِ کار، تعریف کن که «کارِ تمام‌شده» چه ویژگی‌هایی دارد.

این درس اولین قسمت از یک سری تازه دربارهٔ ارزیابی و کیفیتِ خروجیِ هوش مصنوعی است؛ سری‌ای که یاد می‌دهد چطور جوابِ مدل را بسنجی، نمره بدهی و قابل‌استفاده کنی. برای دیدنِ نقشهٔ کاملِ سری‌ها و ادامهٔ مسیرِ یادگیری، به راهنمای جامع پرامپت‌نویسی سر بزن.

چرا جوابِ درست هم گاهی به‌کار نمی‌آید؟

وقتی فقط می‌گویی «برایم یک ایمیلِ پیگیری بنویس»، مدل یک خروجیِ «به‌طورِ متوسط خوب» می‌سازد؛ یعنی چیزی که برای یک کاربرِ فرضی و میانگین قابل‌قبول است. ولی تو کاربرِ میانگین نیستی. تو یک موقعیتِ مشخص داری: مخاطبِ مشخص، لحنِ مشخص، طولِ مشخص و یک هدفِ مشخص. جوابی که به این‌ها گره نخورده باشد، هرچقدر هم روان و بی‌غلط، برای تو نیمه‌کاره است.

مشکلِ پنهان‌تر این است که بدونِ معیار، نه تو و نه مدل راهی برای فهمیدنِ «تمام شد» ندارید. هر جوابی می‌تواند «کمی بهتر» شود، پس در یک حلقهٔ بی‌پایانِ اصلاح گیر می‌کنی. معیار پذیرش این حلقه را می‌شکند: وقتی از اول نوشته باشی خروجیِ قابل‌قبول باید چه چیزهایی داشته باشد، هم مدل می‌داند باید به کجا برسد، هم تو می‌دانی کِی کار تمام است.

پرامپت معیار پذیرش دقیقاً چیست؟

پرامپت معیار پذیرش یعنی پیش از آن‌که از مدل بخواهی کاری را انجام دهد، فهرستی کوتاه و مشخص از ویژگی‌های «خروجیِ قابل‌قبول» به او می‌دهی؛ بعد خودِ کار را می‌خواهی؛ و در پایان از مدل می‌خواهی جوابش را در برابرِ همان فهرست بسنجد، هر معیار را علامت بزند که رعایت شده یا نه، و اگر جایی کم آورده همان‌جا اصلاحش کند. سه حرکت در یک پرامپت: تعریفِ معیار، انجامِ کار، و خودبازبینی.

تفاوتش با یک پرامپتِ معمولی در همان فهرستِ معیارهاست. این معیارها نقشِ یک قراردادِ روشن را بازی می‌کنند؛ هم جهتِ نوشتن را تعیین می‌کنند و هم معیارِ قضاوت را. مدل دیگر مجبور نیست سلیقهٔ تو را حدس بزند، چون سلیقه‌ات را به چند جملهٔ قابلِ سنجش ترجمه کرده‌ای. این همان کاری است که یک مدیرِ خوب با یک همکارِ تازه می‌کند: به‌جای «یک گزارشِ خوب بنویس»، می‌گوید «گزارشِ خوب یعنی زیرِ یک صفحه، با یک جمع‌بندیِ سه‌خطی در بالا و بدونِ اصطلاحاتِ فنیِ توضیح‌نداده».

فرمولِ سه‌تکهٔ معیار پذیرش

هر پرامپت معیار پذیرشِ خوب سه تکه دارد. تکهٔ اول کار است: در یک جمله بگو چه می‌خواهی ساخته شود. تکهٔ دوم معیارهاست: سه تا پنج ویژگیِ مشخص و قابلِ سنجش که خروجی حتماً باید داشته باشد؛ هرچه عینی‌تر، بهتر. تکهٔ سوم خودبازبینی است: صریح بخواه که بعد از نوشتن، مدل جوابش را در برابرِ هر معیار بررسی کند، هرکدام را «رعایت شد / نشد» علامت بزند و موارد نرسیده را اصلاح کند.

رازِ کار در «قابلِ سنجش بودنِ» معیارهاست. «حرفه‌ای باشد» یک معیارِ بد است، چون قابلِ اندازه‌گیری نیست و هرکس برداشتِ خودش را دارد. «زیرِ ۱۵۰ کلمه، با لحنِ دوستانه اما محترمانه، شاملِ یک فراخوانِ عمل در پایان، بدونِ کلمهٔ “متأسفانه”» معیارهای خوبی‌اند، چون می‌شود با نگاه کردن به خروجی گفت رعایت شده‌اند یا نه. معیارِ خوب چیزی است که اگر ده نفر به خروجی نگاه کنند، هر ده نفر یک‌جور دربارهٔ رعایت‌شدنش قضاوت کنند.

قالبِ آمادهٔ معیار پذیرش

این قالب را کپی کن و جاهای خالی را با کارِ خودت پر کن. همین ساختارِ ساده بیشترِ رفت‌وبرگشت‌ها را حذف می‌کند:

کار: می‌خواهم [خروجیِ موردنظر، مثلاً یک ایمیلِ پیگیری برای مشتری‌ای که هفتهٔ پیش پیشنهاد گرفته] بسازی.
معیارهای پذیرش (خروجی حتماً باید این‌ها را داشته باشد):
۱) [معیارِ اول، مثلاً زیرِ ۱۲۰ کلمه] ۲) [معیارِ دوم، مثلاً لحنِ گرم ولی حرفه‌ای، بدونِ تعارفِ اضافه] ۳) [معیارِ سوم، مثلاً یک سؤالِ مشخص در پایان که جواب‌دادن به آن آسان باشد] ۴) [معیارِ چهارم، مثلاً اشاره به نکتهٔ خاصِ جلسهٔ قبل] بعد از نوشتن: جوابت را در برابرِ این چهار معیار بررسی کن، کنارِ هرکدام بنویس «رعایت شد» یا «نشد»، و اگر جایی رعایت نشده همان‌جا نسخهٔ اصلاح‌شده را بده.

اگر در محیطی کار می‌کنی که می‌توانی خروجی را سخت‌گیرانه‌تر کنترل کنی، یک گام جلوتر برو و از مدل بخواه تا وقتی همهٔ معیارها «رعایت شد» نشده‌اند، جوابِ نهایی را تحویل ندهد. این دقیقاً جایی است که معیار پذیرش به تکنیکِ محدودیت و حصار وصل می‌شود و خروجی را از «تقریباً خوب» به «آمادهٔ استفاده» می‌رساند.

یک مثالِ واقعی؛ از ایمیلِ پیگیری تا پاسخِ قابل‌ارسال

فرض کن بدونِ معیار می‌نویسی: «یک ایمیل بنویس به مشتری که هفتهٔ پیش پیشنهادِ قیمت گرفته و جواب نداده.» جوابِ معمولی یک ایمیلِ مؤدبانهٔ چندبندی است که با «امیدوارم حالتان خوب باشد» شروع می‌شود، کلی تعارف دارد و در پایان به‌طورِ مبهم می‌پرسد «نظرتان چیست؟». قابلِ ارسال هست، ولی عالی نیست.

حالا همان درخواست را با معیار بده: زیرِ ۱۰۰ کلمه؛ بدونِ جملهٔ تعارفیِ ابتدایی؛ اشاره به اینکه پیشنهاد هفتهٔ پیش فرستاده شده؛ یک سؤالِ بله/خیر در پایان که تصمیم‌گیری را آسان کند؛ و لحنی که انگار پیگیرِ کمک‌کردن است، نه فروش. خروجی حالا یک ایمیلِ کوتاه و دقیق می‌شود که سرِ اصلِ مطلب می‌رود و جواب‌دادن به آن برای مشتری ساده است. مهم‌تر از خودِ ایمیل، آن تکهٔ خودبازبینی است: مدل زیرش می‌نویسد «زیرِ ۱۰۰ کلمه: رعایت شد (۸۱ کلمه)، سؤالِ بله/خیر: رعایت شد» و تو در یک نگاه مطمئن می‌شوی کار تمام است.

خودبازبینی؛ وقتی مدل جوابش را با معیارها نمره می‌دهد

نیمهٔ قدرتمندِ این تکنیک همان تکهٔ پایانی است. وقتی از مدل می‌خواهی خروجیِ خودش را در برابرِ معیارها بسنجد، در عمل یک مرحلهٔ کنترلِ کیفیتِ رایگان اضافه کرده‌ای. مدل‌ها در «تولیدِ یک‌بارهٔ کاملِ بی‌نقص» خوب نیستند، ولی در «نگاه کردن به چیزی که تازه ساخته‌اند و پیدا کردنِ جایی که با معیار نمی‌خوانَد» به‌طورِ شگفت‌آوری خوب‌اند. تو داری از همین نقطهٔ قوت استفاده می‌کنی.

این خودبازبینی خویشاوندِ چند تکنیکِ دیگر است، ولی یکی نیست. در پرامپت خودانتقاد مدل جوابش را آزادانه نقد و بازنویسی می‌کند؛ اینجا نقد حولِ یک فهرستِ معیارِ مشخص می‌چرخد. در داورِ هوش مصنوعی یک نمونهٔ جدا نقشِ قاضی را بازی می‌کند؛ اینجا خودِ نویسنده بلافاصله بررسی می‌کند. و در زنجیرهٔ راستی‌آزمایی تمرکز روی درستیِ ادعاهاست؛ اینجا روی رعایتِ معیارهای خروجی. معیار پذیرش ساده‌ترین و عملی‌ترینِ این خانواده است، چون معیارها را خودت از اول روشن تعریف کرده‌ای.

چه فرقی با «قالب خروجی» و «داورِ هوش مصنوعی» دارد؟

شاید بپرسی این با کنترلِ قالبِ خروجی چه فرقی دارد. قالبِ خروجی می‌گوید جواب چه «شکلی» داشته باشد: جدول باشد یا فهرست یا JSON. معیار پذیرش می‌گوید جواب چه «کیفیتی» داشته باشد: چقدر طولانی، با چه لحنی، شاملِ چه عناصری و بدونِ چه چیزهایی. این دو مکمل‌اند؛ می‌توانی هم قالب را تعیین کنی و هم معیارهای کیفیت را.

تفاوت با داورِ هوش مصنوعی هم در «زمان و جایگاه» است. داور معمولاً بعد از تولید، در یک مرحلهٔ جدا و گاهی با یک مدلِ دیگر، چند خروجی را مقایسه و نمره‌گذاری می‌کند؛ ابزارِ خوبی برای انتخاب بینِ گزینه‌ها یا سنجشِ انبوه است. معیار پذیرش سبک‌تر است و در همان یک پرامپت اتفاق می‌افتد: هم جهت می‌دهد، هم بلافاصله بررسی می‌کند. برای کارهای روزمره، معیار پذیرش سریع‌ترین راهِ رسیدن به خروجیِ قابل‌استفاده در همان تلاشِ اول است.

اشتباه‌های رایج در نوشتنِ معیار پذیرش و راهِ رفعشان

اولین اشتباه، معیارهای مبهم است. «جذاب باشد» یا «حرفه‌ای باشد» قابلِ سنجش نیستند و مدل را به همان حدس‌زدنی برمی‌گردانند که می‌خواستی از آن فرار کنی. راهِ رفع: هر معیار را طوری بنویس که بشود با «بله/خیر» دربارهٔ رعایت‌شدنش قضاوت کرد. به‌جای «کوتاه باشد» بنویس «زیرِ ۱۵۰ کلمه».

اشتباهِ دوم، معیارهای زیاد است. اگر پانزده معیار بدهی، مدل بینِ آن‌ها گیر می‌کند و بعضی را فدای بعضیِ دیگر می‌کند. سه تا پنج معیارِ واقعاً مهم، بهتر از یک فهرستِ بلندبالاست. اشتباهِ سوم، فراموش‌کردنِ تکهٔ خودبازبینی است؛ بدونِ آن فقط یک پرامپتِ بامعیار داری، نه یک حلقهٔ کنترلِ کیفیت. و اشتباهِ چهارم، معیارهای متناقض است؛ مثلاً «خیلی کامل و جامع باشد» کنارِ «زیرِ ۵۰ کلمه». اگر دیدی مدل مدام یکی را قربانیِ دیگری می‌کند، به تناقضِ معیارهایت شک کن.

پرسش‌های پرتکرار

آیا معیار پذیرش فقط برای نوشتنِ متن به کار می‌آید؟

نه. برای هر خروجی‌ای که «خوب بودن»ش قابلِ تعریف باشد کار می‌کند: کد (مثلاً «همهٔ حالت‌های خطا را پوشش بده و تست داشته باشد»)، خلاصه (مثلاً «زیرِ ده خط و شاملِ همهٔ تصمیم‌های جلسه»)، طرحِ برنامه و حتی تصویر. هرجا بتوانی «خروجیِ قابل‌قبول» را در چند جملهٔ مشخص تعریف کنی، این تکنیک جواب می‌دهد.

چند معیار بنویسم؟

بینِ سه تا پنج معیار برای بیشترِ کارها بهترین است. کمتر از سه، معمولاً جهتِ کافی نمی‌دهد؛ بیشتر از پنج، مدل را سردرگم می‌کند. اگر کارت واقعاً پیچیده است، آن را به چند بخش بشکن و برای هر بخش جداگانه معیار بده.

اگر مدل بگوید همهٔ معیارها رعایت شده‌اند ولی نشده باشند چه؟

گاهی مدل در خودبازبینی زیادی به خودش نمره می‌دهد. برای همین معیارها را «عینی و قابلِ سنجش» می‌نویسیم تا خودت هم بتوانی در چند ثانیه راستی‌آزمایی کنی. اگر دیدی ادعای رعایت با واقعیت نمی‌خواند، همان معیار را دقیق‌تر و عددی‌تر بازنویسی کن.

این تکنیک را در ChatGPT ساده هم می‌شود استفاده کرد؟

بله. نیازی به هیچ ابزار یا تنظیمِ خاصی نیست؛ کافی است همان ساختارِ سه‌تکه را داخلِ پیامت بنویسی. حتی می‌توانی معیارهای همیشگی‌ات را یک‌بار در دستورهای سفارشی (Custom Instructions) بگذاری تا در هر گفتگو خودکار اعمال شوند.

جمع‌بندی

بیشترِ ناکامی‌های ما با هوش مصنوعی از «بد بودنِ» مدل نیست، از «نگفتنِ معیار» است. وقتی تعریفِ خروجیِ قابل‌قبول را از اول روی کاغذ می‌آوری، هم به مدل جهت می‌دهی و هم به خودت ابزارِ قضاوت. فرمولش ساده است: کار را بگو، سه تا پنج معیارِ قابلِ سنجش بده، و در پایان خودبازبینی بخواه. همین سه حرکت، آن حلقهٔ خسته‌کنندهٔ «کمی بهترش کن» را به یک تلاشِ تمیزِ تک‌مرحله‌ای تبدیل می‌کند.

از همین امروز روی یک کارِ واقعی امتحانش کن و فرقش را با پرسیدنِ بی‌معیار ببین. برای ادامهٔ مسیر و تکنیک‌های بیشترِ ارزیابی و کیفیتِ خروجی، سری به راهنمای جامع پرامپت‌نویسی بزن.

نسخهٔ فوری این مطلب در تلگرام: اینجا بخوانید