کنترل قالب خروجی هوش مصنوعی: راهنمای گرفتنِ جوابِ دقیق و ساختارمند

بارها پیش آمده که از یک هوش مصنوعی سؤالِ کاملاً درستی می‌پرسی، اما جوابی که می‌گیری یک متنِ طولانی و درهم است که باز باید خودت وقت بگذاری و مرتبش کنی. در بیشتر مواقع مشکل از هوشِ مدل نیست؛ مشکل این است که تو فقط «محتوا» را خواسته‌ای و دربارهٔ «قالبِ خروجی» چیزی نگفته‌ای. در این آموزش یاد می‌گیری چطور با چند جملهٔ ساده، شکلِ دقیقِ جواب را کنترل کنی تا خروجی از همان بار اول تمیز، یکدست و آمادهٔ استفاده باشد.

۱) قالب خروجی چیست و چرا سرنوشتِ جواب را تعیین می‌کند؟

هر پرامپت دو بخش دارد که اغلب فقط به یکی از آن‌ها فکر می‌کنیم. بخش اول «چه چیزی می‌خواهم» است؛ یعنی موضوع و محتوای جواب. بخش دوم «جواب را در چه شکلی می‌خواهم» است؛ یعنی قالب. بیشتر کاربران فقط بخش اول را می‌نویسند و بخش دوم را به حال خودش رها می‌کنند. نتیجه این می‌شود که مدل بر اساس حدسِ خودش یک ساختار انتخاب می‌کند و معمولاً یک پاراگرافِ طولانی تحویل می‌دهد؛ حتی وقتی تو در ذهنت یک جدولِ تمیز می‌خواستی.

تعیینِ قالب کارِ مدل را ساده‌تر و کارِ تو را چند برابر سریع‌تر می‌کند. وقتی می‌گویی جواب باید جدول باشد، مدل مجبور می‌شود اطلاعات را دسته‌بندی کند، تکرارها را حذف کند و فقط چیزهایی را نگه دارد که در آن ساختار جا می‌شوند. به بیان دیگر، قالب مثلِ یک ظرف عمل می‌کند؛ محتوا شکلِ همان ظرفی را می‌گیرد که تو تعیین کرده‌ای. اگر تازه با اصولِ نوشتنِ پرامپت آشنا می‌شوی، پیشنهاد می‌کنم ابتدا مرورِ سریعی بر آموزش پرامپت‌نویسی برای مبتدی‌ها داشته باشی تا پایهٔ کار محکم شود.

مثال: «سه راهکار برای کاهش هزینهٔ تبلیغاتِ یک فروشگاه اینترنتی بده. خروجی را در یک فهرست شماره‌دار بده؛ هر راهکار فقط یک عنوان کوتاه به‌همراه یک جملهٔ توضیحی. بدون مقدمه و بدون نتیجه‌گیری.»

۲) قانون طلایی: قالب را جدا و در انتهای پرامپت درخواست کن

مؤثرترین ترفند این است که خواستهٔ محتوایی و خواستهٔ قالبی را از هم جدا کنی. اول موضوع را توضیح بده، بعد در یک جملهٔ مستقل بگو خروجی دقیقاً چه شکلی باشد. قرار دادنِ دستورِ قالب در انتهای پرامپت باعث می‌شود مدل آن را به‌عنوان «آخرین و مهم‌ترین دستور» در نظر بگیرد و کمتر فراموشش کند. این جداسازی همچنین پرامپت را خواناتر می‌کند و بازنویسی‌اش را برای دفعهٔ بعد آسان‌تر.

یک الگوی ساده که همیشه جواب می‌دهد این است: «[موضوع را بگو]. خروجی را به این شکل بده: [قالب را دقیق توصیف کن]. این محدودیت‌ها را رعایت کن: [طول، لحن، چیزهایی که نباید بیاید].» همین اسکلتِ سه‌تکه، بخش بزرگی از بی‌نظمیِ جواب‌ها را از بین می‌برد.

مثال: «متنِ زیر را بخوان و پیام اصلی‌اش را دربیاور. خروجی را در سه بخش بده — «خلاصهٔ یک‌جمله‌ای»، «سه نکتهٔ کلیدی به‌صورت بولت»، و «یک اقدامِ پیشنهادی». هر بخش را با تیترِ پررنگ مشخص کن و کل جواب زیرِ ۱۲۰ کلمه باشد.»

۳) خروجیِ جدولی: وقتی می‌خواهی چند چیز را مقایسه کنی

جدول بهترین قالب برای مقایسه، دسته‌بندی و هر جایی است که چند مورد ویژگی‌های مشترک دارند. رازِ گرفتنِ یک جدولِ خوب این است که ستون‌ها را خودت نام‌گذاری کنی. اگر ستون‌ها را تعیین نکنی، مدل ستون‌هایی می‌سازد که شاید به کارت نیایند. پس دقیقاً بگو چه ستون‌هایی می‌خواهی و در صورت نیاز بگو جدول چند ردیف داشته باشد.

یک نکتهٔ ظریف: اگر قصد داری خروجی را در اکسل یا گوگل‌شیت بچسبانی، به‌جای جدولِ معمولی بگو خروجی را «با جداکنندهٔ کاما (CSV)» بدهد؛ این‌طوری مستقیم و بدون هم‌ریختگی در سلول‌ها می‌نشیند. برای کارهای تحلیلی و کسب‌وکاری، همین قالبِ ساخت‌یافته تفاوتِ بزرگی می‌سازد؛ اگر به کاربردهای جدی‌ترِ این موضوع علاقه داری، نقش هوش مصنوعی در کسب‌وکار را هم ببین.

مثال: «پنج زبانِ برنامه‌نویسی محبوب سالِ جاری را با هم مقایسه کن. خروجی را در یک جدول با این ستون‌ها بده: نام زبان | حوزهٔ اصلی کاربرد | سطح سختی یادگیری (کم/متوسط/زیاد) | یک مزیت کلیدی. فقط جدول، بدون هیچ متنِ اضافه.»

۴) خروجیِ فهرست‌وار و مرحله‌به‌مرحله

فهرست‌ها برای زمانی عالی‌اند که ترتیب یا شمارش اهمیت دارد؛ مثلِ آموزشِ گام‌به‌گام، چک‌لیست، یا فهرستِ ایده‌ها. مدل‌ها ذاتاً به فهرست‌سازی تمایل دارند، اما اگر ساختارِ هر آیتم را مشخص نکنی، بعضی آیتم‌ها بلند و بعضی کوتاه می‌شوند. راهکار این است که «قالبِ هر آیتم» را تعریف کنی؛ مثلاً بگو هر مورد باید یک عنوانِ پررنگ داشته باشد و بعد حداکثر دو جمله توضیح.

اگر می‌خواهی جواب واقعاً کاربردی باشد، از مدل بخواه در هر گام یک «مثالِ عملی» یا «دستورِ دقیق» هم بیاورد؛ این کار جواب را از یک فهرستِ کلی به یک راهنمای قابلِ اجرا تبدیل می‌کند. برای دیدنِ نمونه‌های بیشتر از این سبک، آرشیوِ آموزش‌های ChatGPT پر از الگوهای آماده است.

مثال: «یک برنامهٔ هفت‌روزه برای شروعِ یادگیری پایتون بده. خروجی یک فهرست شماره‌دار از روز ۱ تا روز ۷ باشد؛ هر روز شاملِ یک عنوانِ پررنگ، یک هدفِ مشخص، و یک تمرینِ کوچکِ عملی. لحن انگیزشی و ساده باشد.»

۵) خروجیِ ساختارمند: JSON و داده برای برنامه‌نویسی

اگر می‌خواهی خروجیِ مدل را مستقیم به یک برنامه، اسکریپت یا ابزارِ دیگر بدهی، بهترین قالب JSON است. مزیتِ JSON این است که ساختارِ کاملاً مشخص و ماشین‌خوان دارد و برنامه‌ات می‌تواند بی‌دردسر آن را بخواند. برای گرفتنِ JSONِ تمیز باید دو کار کنی: اول کلیدها (فیلدها) را دقیق نام ببری، و دوم صریح بگویی «فقط JSON برگردان، بدونِ هیچ توضیحِ اضافه و بدونِ بلاکِ کد». همین جملهٔ دوم جلوی خیلی از خطاها را می‌گیرد.

یک هشدارِ مهم: هوش مصنوعی گاهی داده را از خودش می‌سازد. پس اگر دقتِ داده برایت حیاتی است، در پرامپت تأکید کن که فقط از رویِ متنی که داده‌ای استخراج کند و اگر چیزی نبود مقدار را خالی بگذارد. آگاهی از همین محدودیت‌ها بخشی از کارِ حرفه‌ای است؛ در این‌باره توان و محدودیت‌های واقعی هوش مصنوعی توضیحِ خوبی می‌دهد.

مثال: «از متنِ معرفیِ محصولِ زیر، اطلاعات را استخراج کن و فقط در قالب JSON برگردان با این کلیدها: name، price، color، in_stock (به‌صورت true/false). هیچ توضیحی ننویس و اگر مقداری در متن نبود، همان کلید را با مقدارِ null بگذار.»

۶) کنترلِ طول، لحن و زبانِ خروجی

قالب فقط ساختارِ ظاهری نیست؛ طول و لحن هم بخشی از قالب‌اند. اگر طول را مشخص نکنی، ممکن است جوابی سه‌برابرِ نیازت بگیری. پس محدوده را دقیق بگو: «حداکثر ۵۰ کلمه»، «در سه جمله»، یا «یک پاراگراف». برای لحن هم صریح باش: رسمی، دوستانه، فنی، یا مناسبِ نوجوانان. تعیینِ مخاطب اغلب از تعیینِ لحن مؤثرتر است؛ وقتی می‌گویی «طوری توضیح بده که یک نوجوان بفهمد»، مدل خودش لحن و مثال‌ها را تنظیم می‌کند.

زبانِ خروجی را هم فراموش نکن. اگر می‌خواهی جواب حتماً فارسی باشد یا اصطلاحاتِ فنی به انگلیسی بماند، همین را بنویس. این کنترلِ ظاهراً کوچک، در ترجمه، تولیدِ محتوا و نگارشِ ایمیل تفاوتِ زیادی ایجاد می‌کند.

مثال: «مفهومِ «مدلِ زبانی بزرگ» را توضیح بده. خروجی حداکثر ۶۰ کلمه، به فارسیِ روان، با لحنی دوستانه و مناسبِ کسی که هیچ پیش‌زمینهٔ فنی ندارد؛ از یک تشبیهِ روزمره هم استفاده کن.»

۷) الگو دادن و استفاده از جداکننده‌ها

گاهی توصیفِ قالب با کلمات سخت است؛ در این حالت، بهترین کار «نشان دادن» است نه «گفتن». یعنی یک نمونه از خروجیِ دلخواهت را داخلِ پرامپت بگذار و بگو «دقیقاً با همین ساختار ادامه بده». مدل‌ها در تقلید از الگو بسیار قوی‌اند و این روش، یکدستیِ خروجی را تضمین می‌کند؛ مخصوصاً وقتی می‌خواهی چند مورد پشتِ‌سرِ‌هم با شکلِ یکسان تولید شوند.

نکتهٔ مکمل، استفاده از «جداکننده» است. وقتی متنی طولانی یا داده‌ای را به مدل می‌دهی، آن را داخلِ علامت‌های مشخص مثلِ سه‌گیومه یا برچسب بگذار تا مدل مرزِ دستور و داده را گم نکند. این کار هم دقت را بالا می‌برد و هم جلوی قاطی‌شدنِ دستور با محتوا را می‌گیرد. اگر دوست داری بدانی این ابزارها اساساً چطور کار می‌کنند، مطلبِ اوپن‌ای‌آی چیست شروعِ خوبی است.

مثال: «برای هر محصولِ زیر یک توضیحِ فروش بنویس. دقیقاً از این الگو پیروی کن — «🛍️ [نام محصول] — [یک جملهٔ جذاب] — قیمت: [مقدار]». محصول‌ها بین سه‌گیومه‌اند: “””کفش ورزشی، ساعت هوشمند، کوله‌پشتی”””»

۸) اشتباه‌های رایج و چک‌لیستِ نهایی

رایج‌ترین اشتباه این است که همه‌چیز را یک‌جا و در یک جملهٔ درهم بخواهی؛ مدل سردرگم می‌شود و بخشی از خواسته‌ات را نادیده می‌گیرد. اشتباهِ دوم، مبهم‌گویی است: «مرتب و خلاصه» برای هر کسی معنای متفاوتی دارد، اما «در سه بولت و زیر ۴۰ کلمه» معنایی یکتا دارد. اشتباهِ سوم هم نگذاشتنِ محدودیتِ «چه چیزهایی نیاید» است؛ مثلاً اگر مقدمه و نتیجه‌گیری نمی‌خواهی، باید صریح بگویی.

قبل از فرستادنِ پرامپت، این چک‌لیستِ کوتاه را مرور کن: آیا قالب را مشخص کرده‌ام؟ آیا طول و لحن را گفته‌ام؟ آیا نمونه یا ستون‌ها را تعریف کرده‌ام؟ آیا گفته‌ام چه چیزی نباید بیاید؟ اگر تازه‌کارِ این حوزه هستی، دنبال‌کردنِ اخبار و روندهای هوش مصنوعی کمک می‌کند همیشه به‌روز بمانی و ترفندهای تازه را زودتر یاد بگیری.

مثال: «یک ایمیلِ پیگیری برای مشتری بنویس که به پیشنهادِ ما جواب نداده. خروجی: فقط متنِ ایمیل، زیر ۹۰ کلمه، با لحنِ محترمانه و غیرِفشارآور، شاملِ یک موضوع (Subject) و یک دعوت‌به‌اقدامِ روشن. بدون توضیحِ اضافه دربارهٔ ایمیل.»

پرسش‌های پرتکرار

اگر قالب را تعیین کنم، خلاقیتِ مدل کم نمی‌شود؟ نه. قالب فقط ظرفِ جواب را مشخص می‌کند، نه محتوایش را. تو همچنان می‌توانی بخواهی «ایده‌های خلاقانه» بدهد، اما در قالبِ یک فهرستِ مرتب؛ این دو با هم تضادی ندارند.

چرا مدل گاهی قالبِ خواسته‌شده را رعایت نمی‌کند؟ معمولاً چون دستورِ قالب در میانهٔ یک پرامپتِ شلوغ گم شده. آن را به جمله‌ای مستقل و در انتهای پرامپت منتقل کن و از فعلِ صریح مثلِ «خروجی را دقیقاً به این شکل بده» استفاده کن.

بهترین قالب برای چسباندن در اکسل کدام است؟ از مدل بخواه خروجی را به‌صورت CSV با جداکنندهٔ کاما بدهد و «فقط داده، بدون تیترِ توضیحی» را تأکید کن؛ این‌طور مستقیم در سلول‌های اکسل می‌نشیند.