پرامپت جدول؛ چطور از هوش مصنوعی جدول تمیز و داده‌ی ساخت‌یافته بگیریم

وقتی از هوش مصنوعی می‌خواهی داده‌هایت را در قالب جدول مرتب کند، معمولاً یکی از این دو اتفاق می‌افتد: یا هر بار ستون‌ها و ترتیبشان عوض می‌شود و مجبوری دستی بازچینی کنی، یا بدتر، مدل خانه‌های خالی را با اعدادی که هرگز در داده‌ی تو نبوده‌اند پر می‌کند. راه‌حلِ هر دو مشکل یک مهارت است: پرامپت جدول. با چند قاعده‌ی ساده می‌توانی ستون‌ها را قفل کنی، جلوی داده‌سازی جعلی را بگیری و خروجی‌ای بگیری که مستقیم توی اکسل یا گزارش‌ات بنشیند.

این درس بخشی از مجموعه‌ی آموزش پرامپت‌نویسی Mr ChatGPT است و مکملِ درس‌هایی مثل کنترل قالب خروجی و جداکننده و تگ در پرامپت به‌شمار می‌رود.

جدول‌سازی با هوش مصنوعی؛ مشکل از کجا شروع می‌شود؟

مدل‌های زبانی برای «کامل‌کردن متن» ساخته شده‌اند، نه برای «نگه‌داشتن ساختار». وقتی فقط می‌گویی «این‌ها را توی جدول بذار»، مدل خودش تصمیم می‌گیرد چند ستون باشد، اسمشان چه باشد و ترتیبشان چطور باشد؛ برای همین دو بار پشت‌سرِ هم اجرا کردن، دو جدولِ متفاوت می‌دهد. مشکل دوم جدی‌تر است: مدل «دوست دارد» جدول را کامل تحویل بدهد، پس اگر داده‌ای برای یک خانه نداشته باشد، اغلب یک مقدارِ محتمل می‌سازد. نتیجه، جدولی است که به‌ظاهر مرتب و کامل است اما بعضی خانه‌هایش ساختگی‌اند و همین یک قلمِ جعلی می‌تواند کل تصمیمِ بعدی‌ات را خراب کند.

راه‌حل این است که تصمیم‌ها را از دستِ مدل بگیری و خودت از قبل مشخص کنی. سه اهرمِ اصلی داری: تعریفِ ستون‌ها، قانونِ خانه‌ی نامعلوم، و قالبِ خروجی. بیایید یکی‌یکی سراغشان برویم.

ستون‌ها را قبل از داده تعریف کن

اولین و مهم‌ترین قدم این است که پیش از دادنِ داده، دقیقاً بگویی جدول چه ستون‌هایی دارد و به چه ترتیبی. نامِ ستون، ترتیب، و واحدِ اندازه‌گیری را خودت تعیین کن تا مدل جای خالی برای خلاقیت نداشته باشد. واحد را هم در سرستون بنویس، نه داخل خانه‌ها؛ این‌طور خانه‌ها فقط عدد می‌شوند و بعداً راحت جمع و مرتب می‌شوند.

نقش: تو یک دستیارِ داده‌ایِ دقیق هستی.
از داده‌ی خامِ پایین یک جدول بساز، دقیقاً با همین ستون‌ها و همین ترتیب:
| نام محصول | دسته | قیمت (تومان) | موجودی |

قواعد:
۱) نام و ترتیبِ ستون‌ها را تغییر نده.
۲) واحد را در سرستون گذاشته‌ام؛ داخلِ خانه‌ها فقط عدد بنویس.
۳) خروجی فقط جدولِ مارک‌داون باشد، بدون هیچ توضیحِ اضافه.

داده‌ی خام:
<داده>
گوشی مدل آلفا، دسته موبایل، ۱۲ میلیون، ۴ عدد
هدفون بتا، صوتی، ۲٬۳۰۰٬۰۰۰، موجود نیست
</داده>

وقتی ستون‌ها از پیش قفل شده باشند، خروجی هر بار یک‌شکل است و می‌توانی همین پرامپت را روی صد ردیفِ دیگر هم اجرا کنی و مطمئن باشی ساختار نمی‌شکند. این همان چیزی است که در آناتومی حرفه‌ای پرامپت به آن «تعیینِ صریحِ قالب» می‌گوییم.

قالب خروجی را دقیق مشخص کن؛ مارک‌داون، CSV یا آماده‌ی اکسل

جدول یک شکلِ ثابت ندارد. اگر می‌خواهی همان‌جا در گفت‌وگو بخوانی‌اش، جدولِ مارک‌داون بهترین است. اما اگر قرار است داده وارد اکسل یا گوگل‌شیت شود، از مدل بخواه خروجی را به‌صورت CSV بدهد تا با یک کپی‌وپیست، هر مقدار در سلولِ خودش بنشیند. تفاوت را صریح بگو؛ مدل ذهن‌خوان نیست.

همان جدول را این بار به‌صورت CSV بده:
- خطِ اول، نامِ ستون‌ها باشد.
- جداکننده ویرگول باشد و هر ردیف در یک خط.
- اگر متنی خودش ویرگول داشت، داخلِ گیومهٔ انگلیسی بگذارش.
- هیچ متنِ توضیحی قبل یا بعدِ CSV ننویس.

روشن‌کردنِ قالب خروجی، نیمی از کارِ یک پرامپت جدولِ خوب است. اگر می‌خواهی عمیق‌تر یاد بگیری چطور شکلِ جواب را کنترل کنی، درسِ فرمت خروجی در پرامپت‌نویسی را ببین.

قانون خانه‌ی نامعلوم؛ جلوی داده‌سازی جعلی را بگیر

این مهم‌ترین قاعده‌ی کلِ درس است و همان چیزی است که یک جدولِ قابل‌اعتماد را از یک جدولِ خطرناک جدا می‌کند. مدل به‌صورت پیش‌فرض تمایل دارد جاهای خالی را پر کند، چون آموزش دیده «جوابِ کامل» بدهد. تو باید صریح این تمایل را خاموش کنی: بگو اگر داده‌ای برای یک خانه در متن نبود، به‌جای حدس‌زدن بنویسد «نامشخص». همین یک جمله، مرزِ میانِ «داده‌ی واقعی» و «حدسِ مدل» را حفظ می‌کند.

قانونِ مهم: فقط از داده‌ای که صریح در متن آمده استفاده کن.
اگر مقداری برای یک خانه در متن نبود، بنویس «نامشخص».
هیچ عدد، تاریخ یا نامی از خودت نساز، حتی اگر محتمل به‌نظر برسد.

این قاعده در واقع نسخه‌ی جدولیِ همان اصلی است که در مهارِ توهمِ مدل به کار می‌بریم: به مدل «اجازه‌ی ندانستن» بده. یک جدول با چند خانه‌ی «نامشخص» بسیار باارزش‌تر از یک جدولِ به‌ظاهر کامل اما پُر از دادهٔ ساختگی است.

استخراج داده از متن به سطر و ستون

یکی از پرکاربردترین کارهای پرامپت جدول، بیرون‌کشیدنِ داده از دلِ یک متنِ به‌هم‌ریخته است؛ مثلاً یک پاراگراف خبری، چند ایمیل، یا یادداشت‌های یک جلسه. کافی است بگویی چه چیزهایی را می‌خواهی و در چه ستون‌هایی، و همان قانونِ خانه‌ی نامعلوم را هم اضافه کنی تا مدل چیزی از خودش اضافه نکند.

از متنِ زیر، هر شرکت و مبلغِ سرمایه‌گذاری‌اش را دربیاور
و در جدولی با ستون‌های | شرکت | مبلغ سرمایه‌گذاری | منبعِ خبر | بگذار.
فقط مواردی را بیاور که صریح در متن آمده‌اند؛
اگر مبلغی ذکر نشده بود، در آن خانه بنویس «ذکر نشده».

<متن>
... اینجا متنِ خام را می‌گذاری ...
</متن>

دقت کن که ورودی را داخلِ یک تگِ مشخص (مثل «متن») گذاشته‌ایم تا مدل مرزِ دستور و داده را گم نکند؛ این همان تکنیکِ جداکننده و تگ است که در کارهای داده‌ای نان‌وآب دارد.

تبدیل و جمع‌بندی؛ از فهرست خام تا جدول مقایسه‌ای

گاهی داده را داری، اما شکلش برای تصمیم‌گیری مناسب نیست. اینجا می‌توانی از مدل بخواهی داده را «بچرخاند»: یک فهرستِ بلند را به جدولِ مقایسه‌ای تبدیل کند، ستونِ محاسبه‌شده اضافه کند (مثلاً درصد یا جمعِ کل)، ردیف‌ها را بر اساس یک معیار مرتب کند، یا یک ستونِ خلاصه‌ی یک‌کلمه‌ای بسازد. نکته این است که معیارِ مرتب‌سازی و منطقِ محاسبه را خودت بگویی تا نتیجه قابلِ‌بازتولید باشد.

این فهرست از پلن‌ها را به یک جدولِ مقایسه‌ای تبدیل کن با ستون‌های:
| نامِ پلن | قیمتِ ماهانه (تومان) | تعدادِ کاربر | قیمت به‌ازای هر کاربر |
ستونِ آخر را خودت از تقسیمِ قیمت بر تعدادِ کاربر حساب کن
و جدول را از ارزان‌ترین «قیمت به‌ازای هر کاربر» به گران‌ترین مرتب کن.

قالب آماده‌ی پرامپت جدول

این قالب را یک بار ذخیره کن و برای هر کارِ داده‌ای فقط جاهای خالی را پر کن. همه‌ی قواعدِ درس در همین یک قاب جمع شده‌اند:

[نقش] تو یک دستیارِ دقیقِ ساختِ جدول هستی.
[هدف] از داده‌ی زیر یک جدولِ تمیز بساز.
[ستون‌ها] دقیقاً این ستون‌ها و به همین ترتیب:
        <ستون۱ (واحد)> | <ستون۲> | <ستون۳ (واحد)>
[قواعد]
  ۱) نام و ترتیبِ ستون‌ها ثابت است.
  ۲) خانه‌ی بدونِ داده = «نامشخص»؛ هیچ مقداری از خودت نساز.
  ۳) واحدها را در سرستون بنویس، نه داخلِ خانه‌ها.
  ۴) ردیف‌ها را بر اساسِ <معیارِ مرتب‌سازی> مرتب کن.
[قالبِ خروجی] فقط <جدولِ مارک‌داون / CSV>، بدونِ متنِ اضافه.
[داده]
  <داده‌ی خام را اینجا بگذار>

می‌بینی که این قالب خودش یک پرامپتِ کوچکِ ساخت‌یافته است؛ اگر بخواهی کیفیتِ همین قالب را روی کارِ خودت بسنجی، از روشِ درسِ اندازه‌گیری و نمره‌دهیِ پرامپت استفاده کن.

یک نمونه‌ی کامل؛ از داده‌ی به‌هم‌ریخته تا جدول تمیز

فرض کن این یادداشتِ خام را داری: «سفارشِ اول برای علی، دو عدد لیوان، پرداخت‌شده. سفارشِ دوم برای مینا، یک قوری، هنوز پرداخت نشده. سفارشِ سوم برای رضا، سه بشقاب.» با قالبِ بالا و ستون‌های | مشتری | کالا | تعداد | وضعیتِ پرداخت | نتیجه چنین می‌شود: ردیفِ علی کامل است، ردیفِ مینا هم کامل است، اما در ردیفِ رضا چون وضعیتِ پرداخت ذکر نشده، خانه‌ی آخر «نامشخص» می‌شود، نه یک حدسِ دلبخواه. تفاوتِ این رویکرد با پرامپتِ مبهم را می‌توان این‌طور خلاصه کرد:

هفت اشتباه رایج در پرامپت جدول

خیلی از خروجی‌های بد، ریشه در چند خطای تکرارشونده دارند. اگر این هفت مورد را کنار بگذاری، کیفیتِ جدول‌هایت پرش می‌کند: اول، نگفتنِ نامِ ستون‌ها و ترتیبشان؛ دوم، فراموش‌کردنِ قانونِ خانه‌ی نامعلوم و بازگذاشتنِ دستِ مدل برای حدس؛ سوم، ریختنِ واحد داخلِ خانه‌ها که جمع و مرتب‌سازی را خراب می‌کند؛ چهارم، نخواستنِ قالبِ مشخص (مارک‌داون یا CSV)؛ پنجم، نگذاشتنِ داده‌ی ورودی داخلِ تگ و قاطی‌شدنِ دستور با داده؛ ششم، نخواستنِ منطقِ مرتب‌سازی و محاسبه که نتیجه را غیرقابل‌بازتولید می‌کند؛ هفتم، اعتماد به جدول بدونِ یک بازبینیِ سریع روی چند خانه‌ی حساس.

تفاوت جدول برای آدم و داده‌ی ساخت‌یافته برای ماشین

یک نکته‌ی مهم برای انتخابِ درست: اگر جدول را می‌خواهی خودت بخوانی یا در گزارش بگذاری، جدولِ مارک‌داون یا CSV کافی است. اما اگر قرار است این داده مستقیم واردِ یک برنامه، پایگاه‌داده یا اسکریپت شود، جدولِ متنی شکننده است و بهتر است سراغِ خروجیِ ماشین‌خوان مثل JSON بروی. آن دنیای توسعه‌دهنده‌ها قواعدِ خودش را دارد؛ اگر کارت به آن سمت می‌رود، درس‌های خروجی JSON مطمئن و استخراجِ داده‌ی ساخت‌یافته با ابزار دقیقاً برای همین نوشته شده‌اند. قاعده‌ی ساده این است: جدول برای چشمِ آدم، JSON برای ورودیِ ماشین.

پرسش‌های پرتکرار

چرا هوش مصنوعی گاهی خانه‌های جدول را با داده‌ی جعلی پر می‌کند؟

چون مدل برای «کامل‌کردنِ متن» بهینه شده و تمایل دارد جوابِ کامل و بی‌نقص بدهد. اگر صریح نگویی که خانه‌ی بدونِ داده را «نامشخص» بنویسد، این تمایل باعث می‌شود یک مقدارِ محتمل بسازد. دستورِ روشنِ «چیزی از خودت نساز» این رفتار را خاموش می‌کند.

برای اکسل، جدولِ مارک‌داون بدهم یا CSV؟

برای اکسل و گوگل‌شیت، CSV بهتر است چون هر مقدار مستقیم در سلولِ خودش می‌نشیند. جدولِ مارک‌داون برای خواندن در همان گفت‌وگو یا چسباندن در متن مناسب‌تر است. کافی است در پرامپت صریح بگویی کدام را می‌خواهی.

می‌شود از روی یک عکس یا اسکرین‌شات جدول گرفت؟

بله، مدل‌های دارای بینایی می‌توانند دادهٔ داخلِ تصویر را بخوانند و در جدول بریزند. همان قواعدِ این درس، به‌ویژه قانونِ خانه‌ی نامعلوم، اینجا هم لازم است. برای جزئیاتِ کار با تصویر، راهنمای دادنِ عکس به هوش مصنوعی را ببین.

چطور مطمئن شوم ستون‌ها هر بار یکسان می‌مانند؟

ستون‌ها را با نام و ترتیبِ دقیق در پرامپت بنویس و تأکید کن که تغییرشان ندهد. وقتی قالبِ ستون‌ها ثابت و صریح باشد، حتی روی ده‌ها ورودیِ مختلف هم خروجی هم‌شکل می‌ماند و می‌توانی نتیجه‌ها را کنارِ هم بگذاری.

برای داده‌ای که قرار است وارد برنامه یا پایگاه‌داده شود چه کنم؟

در آن حالت جدولِ متنی مناسب نیست؛ از مدل خروجیِ ساخت‌یافته‌ی ماشین‌خوان مثل JSON با کلیدهای مشخص بخواه. این کار خطای تجزیه را کم می‌کند و داده مستقیم قابلِ‌واردکردن به برنامه می‌شود.

جمع‌بندی؛ قدم بعدی در مسیر پرامپت‌نویسی

جدولِ خوب از هوش مصنوعی، سه تصمیم است که تو از قبل می‌گیری، نه مدل: ستون‌ها را تعریف کن، قانونِ خانه‌ی نامعلوم را بگذار، و قالبِ خروجی را روشن کن. همین سه عادت، جدول‌هایت را از «به‌ظاهر مرتب اما نامطمئن» به «تمیز، قابلِ‌اعتماد و آماده‌ی استفاده» تبدیل می‌کند. از همین امروز قالبِ آماده‌ی این درس را ذخیره کن و اولین بار که خواستی داده‌ای را مرتب کنی، به‌جای «این‌ها را جدول کن»، ستون‌ها و قواعد را صریح بنویس.

برای ادامه‌ی مسیر، سری کاملِ آموزش‌ها را در مجموعه‌ی پرامپت‌نویسی Mr ChatGPT دنبال کن و اگر کارت با داده‌ی ماشین‌خوان است، سراغِ درسِ خروجی JSON مطمئن برو.