قسمت ۷ — ترکیب زنجیرهٔ تفکر با نقش‌دهی و مثال‌محور

قسمت هفتم و پایانی سری «زنجیرهٔ تفکر»: تا اینجا هر تکنیک را جدا دیدیم. حالا وقت آن است که نقش‌دهی، مثال‌محور و زنجیرهٔ تفکر را روی هم بچینیم — با ترتیب درست، بدون تعارض، و در قالب یک پرامپت ترکیبی که مستقیم قابل استفاده است.

۱. چرا یک تکنیک به‌تنهایی کم می‌آورد

هر تکنیک یک نوع ابهام را از بین می‌برد و بقیه را دست‌نخورده می‌گذارد. اگر فقط نقش بدهی، مدل می‌داند از چه زاویه‌ای نگاه کند اما نمی‌داند خروجی را چه شکلی تحویل دهد. اگر فقط مثال بدهی، شکل درست است اما وقتی مسئله چند مرحله دارد، مدل همان شکل را با محتوای سرسری پر می‌کند. اگر فقط زنجیره بخواهی، استدلال باز می‌شود اما معیار قضاوت و قالب خروجی رها می‌ماند.

در کارهای ساده این کمبودها اهمیتی ندارند. مشکل جایی شروع می‌شود که خروجی هم باید قضاوت داشته باشد، هم قالب مشخص، و هم مسیر قابل بررسی — مثل ارزیابی یک پیشنهاد، بازبینی یک قرارداد، یا انتخاب بین چند گزینه با معیارهای مشخص. این‌ها دقیقاً همان‌جاهایی هستند که ترکیب می‌ارزد.

یک هشدار از همین ابتدا: ترکیب رایگان نیست. پرامپت بلندتر می‌شود، هزینه بالا می‌رود و احتمال تعارض بین لایه‌ها زیاد می‌شود. اگر با یک تکنیک به نتیجه می‌رسی، ترکیب نکن.

۲. هر لایه دقیقاً چه چیزی را تعیین می‌کند

لایهٔ نقش تعیین می‌کند مدل با چه معیاری چیزها را مهم یا بی‌اهمیت بداند. تفاوت «به‌عنوان حسابرس» با «به‌عنوان مدیر فروش» در قالب خروجی نیست، در این است که کدام جزئیات را برجسته می‌کند. جزئیات این لایه را در سری نقش‌دهی دنبال کن.

لایهٔ مثال تعیین می‌کند خروجی چه شکلی باشد: طول، لحن، ساختار فیلدها، سطح جزئیات. مثال کاری می‌کند که هزار کلمه توضیح دربارهٔ قالب انجام نمی‌دهد. مبانی این لایه موضوع سری پرامپت مثال‌محور است.

لایهٔ زنجیره تعیین می‌کند مدل پیش از جواب چه مسیری را طی و ثبت کند. این لایه نه شکل را عوض می‌کند نه معیار را؛ فقط جای فکر کردن باز می‌کند و آن را قابل بازبینی می‌سازد.

وقتی این سه تفکیک را در ذهن داشته باشی، عیب‌یابی ترکیب هم ساده می‌شود: خروجی بی‌ربط یعنی مشکل لایهٔ نقش؛ خروجی بدقالب یعنی مشکل لایهٔ مثال؛ خروجی سطحی یا غلط یعنی مشکل لایهٔ زنجیره.

۳. ترتیب درست چیدن سه لایه

ترتیبی که در عمل بهترین نتیجه را می‌دهد این است: اول نقش و هدف، بعد قواعد و محدودیت‌ها، بعد دستور زنجیره، بعد مثال‌ها، و در آخر ورودی واقعی.

چرا نقش اول؟ چون هرچه بعد از آن می‌آید در پرتو همان نقش خوانده می‌شود. اگر مثال را قبل از نقش بگذاری، مدل مثال را با معیار عمومی تفسیر می‌کند و بعد نقش را روی چیزی که از قبل تفسیر شده سوار می‌کند.

چرا مثال بعد از دستور زنجیره؟ چون در این حالت مثال‌ها هم می‌توانند خودشان زنجیره‌دار باشند و الگوی استدلال را نشان دهند، نه فقط الگوی جواب. مثالی که فقط ورودی و جواب نهایی دارد، در کنار درخواست زنجیره یک پیام متناقض می‌فرستد.

و چرا ورودی واقعی در آخر؟ چون هرچه به انتهای پرامپت نزدیک‌تر باشد، وزن بیشتری در تولید خروجی دارد. گذاشتن ورودی در وسط و ادامه دادن قواعد بعد از آن، یکی از رایج‌ترین دلایل نادیده گرفته شدن بخشی از دستورهاست.

۴. تعارض‌های رایج بین لایه‌ها

تعارض اول و شایع‌ترین: مثال بدون استدلال در کنار درخواست استدلال. تو می‌گویی «قدم‌به‌قدم بنویس» ولی هر سه مثالت مستقیم جواب داده‌اند. مدل تقریباً همیشه از مثال پیروی می‌کند نه از دستور، چون مثال مشخص‌تر است. راه اصلاح: در مثال‌ها هم بخش استدلال را بیاور، حتی به‌صورت خیلی کوتاه.

تعارض دوم: نقش تخصصی در کنار مثال عمومی. وقتی می‌گویی «به‌عنوان کارشناس حقوقی» ولی مثال‌هایت لحن بازاریابی دارند، خروجی یک ترکیب ناهمگون می‌شود. مثال‌ها باید از همان دنیایی باشند که نقش در آن کار می‌کند.

تعارض سوم: خواستن اختصار در کنار خواستن زنجیره. «خیلی کوتاه جواب بده» عملاً دستور زنجیره را خنثی می‌کند. اگر خروجی کوتاه می‌خواهی، اختصار را فقط روی بخش جواب نهایی اعمال کن، نه روی کل خروجی.

تعارض چهارم: قالب سخت‌گیرانه در کنار استدلال آزاد. اگر قالب خروجی را خیلی محکم ببندی و جایی برای مراحل نگذاری، مدل مجبور می‌شود استدلال را حذف کند. راه‌حل، دادن یک فیلد صریح برای مراحل در همان قالب است.

۵. مقدار مناسب هر لایه

برای نقش، یک تا دو جمله کافی است: تخصص و زاویهٔ قضاوت. توصیف‌های طولانی شخصیت، در عمل تأثیر کمی روی کیفیت دارند و فقط پرامپت را سنگین می‌کنند.

برای مثال، دو تا چهار نمونه نقطهٔ شیرین است. کمتر از دو، الگو ساخته نمی‌شود؛ بیشتر از چهار، معمولاً بازدهی نزولی دارد و خطر کپی‌برداری کورکورانه از نمونه‌ها بالا می‌رود.

برای زنجیره، سه تا پنج مرحله با نام‌های مشخص. مرحله‌های بی‌نام («قدم‌به‌قدم») از مرحله‌های نام‌دار («فهم مسئله، معیارها، ارزیابی، جمع‌بندی») ضعیف‌تر عمل می‌کنند، چون نام مرحله خودش یک محدودکنندهٔ محتواست.

و یک قاعدهٔ کلی: هر لایه‌ای که اضافه می‌کنی باید یک ابهام مشخص را حذف کند. اگر نمی‌توانی بگویی کدام ابهام، آن لایه اضافی است.

۶. پرامپت ترکیبی نهایی

این قالب هر سه لایه را با ترتیب درست کنار هم دارد. جاهای خالی را با کار خودت پر کن:

نقش: تو [تخصص] هستی و کارها را با معیار [معیار اصلی قضاوت] ارزیابی می‌کنی.
هدف: [دقیقاً بنویس چه چیزی می‌خواهی؛ یک جمله].
قواعد: هر فرضی گذاشتی صریح بنویس. اگر داده کم بود حدس نزن و بنویس چه چیزی کم است. از واژه‌های کلی مثل «بهبود» یا «بهینه‌سازی» بدون مصداق استفاده نکن.
روش: پیش از جواب نهایی، مسیر را در حداکثر چهار مرحلهٔ نام‌دار بنویس: «فهم درخواست»، «معیارها»، «ارزیابی»، «جمع‌بندی». در هر مرحله فقط یک تصمیم بگیر و از نتیجهٔ مرحلهٔ قبل استفاده کن.
قالب خروجی: ابتدا بخش «مراحل» و سپس بخش «جواب نهایی». جواب نهایی حداکثر [عدد] جمله باشد و مراحل را تکرار نکند.
نمونه یک — ورودی: [ورودی نمونه] / مراحل: [دو سه جملهٔ خیلی کوتاه از مسیر] / جواب نهایی: [جواب مطلوب].
نمونه دو — ورودی: [ورودی نمونهٔ متفاوت با نمونهٔ یک] / مراحل: [مسیر کوتاه] / جواب نهایی: [جواب مطلوب].
حالا همین کار را برای ورودی زیر انجام بده.
ورودی: [اینجا کار واقعی خودت را بگذار]

سه نکته در این قالب عمدی است. اول، مثال‌ها بخش «مراحل» دارند تا با دستور زنجیره تعارض نداشته باشند. دوم، محدودیت طول فقط روی جواب نهایی است نه کل خروجی. سوم، ورودی واقعی در انتهاست تا بیشترین وزن را بگیرد.

۷. چطور بفهمی ترکیب واقعاً کمک کرده

ساده‌ترین آزمون، حذف یک‌به‌یک است. همان ورودی را یک بار با پرامپت کامل اجرا کن، بعد یک بار بدون مثال‌ها، بعد یک بار بدون بخش روش. اگر حذف یک لایه خروجی را بدتر نکرد، آن لایه در این کار خاص بی‌اثر بوده و می‌توانی حذفش کنی تا پرامپت سبک‌تر شود.

معیار «بدتر» را هم پیش از آزمون تعریف کن، وگرنه قضاوتت سلیقه‌ای می‌شود. دو سه معیار عینی کافی است: آیا فرض‌ها نوشته شده‌اند، آیا قالب رعایت شده، آیا جواب نهایی قابل استفاده است بدون ویرایش.

و آخرین توصیهٔ این سری: پرامپت ترکیبی خوب چیزی است که یک بار می‌سازی و ده‌ها بار استفاده می‌کنی. وقتی به نسخه‌ای رسیدی که کار می‌کند، ذخیره‌اش کن و هر بار از صفر ننویس.

۸. پرسش‌های پرتکرار

اگر مدل قالب را رعایت نکرد چه کنم؟ معمولاً یعنی قالب فقط توصیف شده و در مثال‌ها نشان داده نشده. مثال، از توضیح قوی‌تر است؛ قالب را در نمونه‌ها اجرا کن.

می‌شود بیش از سه تکنیک را ترکیب کرد؟ می‌شود، ولی هر لایهٔ اضافه احتمال تعارض را بالا می‌برد. پیشنهاد عملی این است که تا وقتی خروجی قابل قبول نشده، لایه اضافه کنی و بعد شروع کنی به حذف کردن.

ترتیب پیشنهادی برای همهٔ مدل‌ها یکسان است؟ در بیشتر مدل‌های امروزی بله. تنها تفاوت مهم این است که بعضی مدل‌ها به دستورهای ابتدای پرامپت وزن بیشتری می‌دهند؛ اگر دیدی قواعد نادیده گرفته می‌شوند، آن‌ها را در انتها هم یک بار خلاصه تکرار کن.

از کجا ادامه بدهم؟ فهرست کامل سری‌ها در صفحهٔ سری پرامپت‌نویسی است. اگر تازه‌کار هستی راهنمای پرامپت‌نویسی برای مبتدی‌ها و آموزش‌های ChatGPT نقطهٔ شروع بهتری هستند.