تیر
آموزش هوش مصنوعی
قالب خروجی را مشخص کن؛ راز گرفتن جواب دقیق از هوش مصنوعی
به هوش مصنوعی نگو فقط «چه» بنویسد؛ بگو در «چه قالبی» بنویسد. همین یک تغییر کوچک، کیفیت جوابها را از اینرو به آنرو میکند.
لیست مطالب
چرا قالب خروجی مهمتر از چیزی است که فکر میکنی
مدلهای زبانی بزرگ مثل چتجیپیتی یک عادت مهم دارند: هر جای پرامپت که خالی بماند، خودشان با یک حالت پیشفرض پُرش میکنند. وقتی تو نگویی جواب را در چه شکلی میخواهی، مدل معمولاً به سراغ امنترین گزینه میرود؛ یعنی یک متن توضیحیِ چندپاراگرافی که «همهچیز را میگوید ولی هیچچیز را دقیق نمیگوید». نتیجه، همان دیوارِ بلندِ متنی است که خواندنش خستهکننده است و استفاده از آن سختتر.
راهحل ساده است: بهجای اینکه امیدوار باشی مدل شکل درست را حدس بزند، خودت شکل را تعیین کن. تعیین قالب خروجی، مبهمترین بخشِ درخواست تو را حذف میکند و مدل را از «نویسندهی آزاد» به «کارمندی که دقیقاً میداند چه باید تحویل بدهد» تبدیل میکند. اگر تازه با اصول کار آشنا میشوی، پیشنهاد میکنیم اول راهنمای پرامپتنویسی برای مبتدیها را بخوانی تا پایهها محکم شود.
تفاوت را در همین دو نمونه ببین:
❌ پرامپت مبهم: «دربارهی مزایای ورزش بنویس.»
✅ پرامپت با قالب مشخص: «مزایای ورزش را در یک جدول با دو ستون بنویس: ستون اول «فایده» و ستون دوم «توضیح یکخطی». دقیقاً ۵ ردیف بده و از جملههای کوتاه استفاده کن.»
پرامپت دوم دقیقاً همان چیزی را میدهد که میشود بیدرنگ در یک اسلاید، پست یا گزارش استفاده کرد؛ بدون حذف و اصلاحِ اضافی.
آناتومی یک دستورِ قالب: ظرف، اندازه و فیلدها
یک دستور قالبِ خوب معمولاً از سه جزء ساخته میشود. اول «ظرف»: میخواهی خروجی جدول باشد، فهرست شمارهدار، پاراگراف، یا یک ساختار داده مثل JSON؟ دوم «اندازه»: چند ردیف، چند بند، چند کلمه یا چند جمله؟ سوم «فیلدها»: هر ردیف یا هر بخش دقیقاً باید شامل چه اطلاعاتی باشد؟ وقتی این سه را مشخص کنی، عملاً یک نقشهی دقیق به مدل دادهای.
به این نمونهی کامل دقت کن که هر سه جزء را کنار هم دارد:
«۵ ابزار هوش مصنوعی برای تولید محتوا را در قالب یک جدول معرفی کن. سه ستون داشته باش: نام ابزار، بهترین کاربرد، و یک نکتهی مهم. جملهها کوتاه باشند و از توضیح اضافه پرهیز کن.»
توجه کن که در این پرامپت هیچ ابهامی باقی نمانده: ظرف (جدول)، اندازه (۵ ردیف و ۳ ستون) و فیلدها (نام، کاربرد، نکته) همه صریحاند. هرچه این نقشه دقیقتر باشد، جوابِ مدل هم قابلاعتمادتر و یکدستتر میشود. همین اصل ساده، ستون فقرات بیشتر آموزشهای کاربردی چتجیپیتی است.
طول و عمق پاسخ را خودت تعیین کن
یکی از پرتکرارترین شکایتها این است که «جواب یا خیلی کوتاه است یا بیش از حد طولانی». حقیقت این است که مدل نمیداند تو چقدر وقت و حوصله داری؛ مگر اینکه بگویی. تعیین طول، یک اهرم فوقالعاده قوی برای کنترل کیفیت است. میتوانی سقف بگذاری («در حداکثر ۳ جمله»)، تعداد دقیق بخواهی («دقیقاً ۴ بند»)، یا محدودهی کلمه تعیین کنی («یک متن حدود ۸۰ کلمهای»).
این دو نمونه نشان میدهد یک قید طول چطور همهچیز را عوض میکند:
«مفهوم «یادگیری ماشین» را در حداکثر ۳ جمله و با زبان ساده توضیح بده، طوری که یک نوجوان هم بفهمد.»
وقتی طول را محدود میکنی، مدل مجبور میشود اولویتبندی کند و فقط مهمترین نکتهها را نگه دارد. این دقیقاً همان چیزی است که یک خلاصهی خوب را میسازد. برعکس، اگر عمق بیشتری میخواهی، صریح بگو: «هر بند را با یک مثال واقعی همراه کن» یا «برای هر نکته دلیلش را هم بنویس». طول و عمق را تو تعیین میکنی، نه شانس.
قالبهای ساختاریافته: جدول، فهرست و JSON
گاهی خروجی مدل قرار است جایی دیگر استفاده شود؛ مثلاً در یک صفحهگسترده، یک قطعه کد، یا یک ابزار دیگر. در این حالت، قالبهای ساختاریافته بهترین دوست تو هستند. جدول برای مقایسه عالی است، فهرست شمارهدار برای مراحل، و JSON برای وقتی که خروجی باید ماشینخوان باشد. کافی است دقیق بگویی چه ساختاری میخواهی.
این نمونه نشان میدهد چطور میشود یک خروجی کاملاً ماشینخوان گرفت:
«اطلاعات این محصول را بهصورت JSON بده با کلیدهای name، price و in_stock. فقط خودِ JSON را بنویس، بدون هیچ توضیح قبل یا بعد از آن.»
نکتهی مهم این است که وقتی قالب ساختاریافته میخواهی، حتماً «فیلدها» یا همان کلیدها را نام ببر. اگر بگویی فقط «بهصورت JSON بده»، ممکن است مدل کلیدهایی انتخاب کند که به کار تو نمیآید. هرچه ساختار را دقیقتر تعریف کنی، خروجی تمیزتر و قابلاتکاتر میشود؛ بهویژه اگر بخواهی چند خروجی پشتسرهم را با هم مقایسه کنی.
لحن و مخاطب را هم قالببندی کن
قالب فقط به شکلِ ظاهری خروجی محدود نمیشود؛ لحن و مخاطب هم بخشی از قالباند. یک توضیح فنی برای یک متخصص، با همان توضیح برای یک نوجوان زمین تا آسمان فرق دارد. وقتی مخاطب و لحن را مشخص کنی، مدل واژهها، مثالها و میزان جزئیات را متناسب با آن تنظیم میکند. این یعنی خروجیای که واقعاً به درد کارِ تو میخورد.
مقایسهی این پرامپت با یک درخواست خنثی، تفاوت را روشن میکند:
«مزایای هوش مصنوعی برای کسبوکارهای کوچک را با لحنی دوستانه و پرانگیزه، در ۴ بند کوتاه توضیح بده. مخاطب یک صاحب مغازه است که پیشزمینهی فنی ندارد.»
با مشخصکردن مخاطب («صاحب مغازه»)، لحن («دوستانه و پرانگیزه») و قالب («۴ بند کوتاه»)، عملاً سه اهرم را همزمان کشیدهای. هوش مصنوعی مثل چتجیپیتی که محصول شرکت اوپنایآی است، در تطبیق لحن با مخاطب واقعاً قوی است؛ فقط کافی است این اطلاعات را در اختیارش بگذاری.
ترفند «فقط خروجی نهایی» و اصلاح مرحلهای
یک مشکل رایج این است که مدل قبل از جواب اصلی، یک مقدمهی طولانی مینویسد: «حتماً! در ادامه…». این مقدمهها معمولاً به کار نمیآیند و فقط خروجی را شلوغ میکنند. راهحل یک جملهی جادویی است که آخر پرامپت اضافه میکنی: «فقط خروجی نهایی را بده، بدون مقدمه و توضیح اضافه». همین یک خط، جواب را تمیز و آمادهی کپی میکند.
و اگر خروجی اول کامل نبود، لازم نیست از صفر شروع کنی. اصلاح مرحلهای کن:
«خوب بود، ولی همین جدول را فشردهتر کن: هر توضیح حداکثر ۶ کلمه باشد و یک ستون «سطح سختی» هم اضافه کن.»
این رفتوبرگشت کوتاه، یکی از سریعترین راهها برای رسیدن به خروجی دلخواه است. بهجای نوشتن یک پرامپت غولپیکر و بینقص، با یک پرامپت خوب شروع کن و بعد قالب را قدمبهقدم اصلاح کن. برای دنبالکردن جدیدترین تکنیکها و ابزارها هم میتوانی سری به اخبار هوش مصنوعی بزنی.
پرسشوپاسخ کوتاه (FAQ)
آیا تعیین قالب خروجی، خلاقیت مدل را کم میکند؟
نه لزوماً. قالب، «شکل» جواب را مشخص میکند نه «محتوای» آن. حتی وقتی میخواهی جواب خلاقانه باشد، میتوانی قالب را آزاد بگذاری ولی طول و لحن را مشخص کنی. در واقع تعیین قالب معمولاً باعث میشود مدل تمرکز بیشتری روی کیفیت محتوا بگذارد، چون دیگر درگیر تصمیمگیری دربارهی ساختار نیست.
اگر مدل قالب خواستهشده را رعایت نکرد چه کنم؟
سادهترین راه، یادآوری کوتاه است: «لطفاً دقیقاً همان قالب جدول ۳ ستونی را رعایت کن». معمولاً مدل بلافاصله اصلاح میکند. اگر باز هم مشکل داشت، قالب را با یک مثال کوچک نشان بده؛ یعنی یک ردیف نمونه بنویس تا مدل الگو را دقیق بگیرد.
این تکنیک روی همهی مدلها جواب میدهد؟
بله. تعیین قالب خروجی یک اصل عمومی پرامپتنویسی است و روی چتجیپیتی، جمینای، کلود و بقیهی مدلها کار میکند. فقط ممکن است لازم باشد برای مدلهای کوچکتر، دستورها را کمی صریحتر و سادهتر بنویسی.
نسخهٔ فوری این مطلب در تلگرام: اینجا بخوانید
