تیر
آموزش هوش مصنوعی
فرمت خروجی در پرامپتنویسی؛ جواب هوش مصنوعی را مرتب و دقیق کن
چطور با یک جملهٔ ساده، فرمت خروجی هوش مصنوعی را کنترل کنیم و جوابهایی تمیز، دقیق و آمادهٔ استفاده بگیریم؛ راهنمای کامل همراه با دهها نمونهٔ پرامپت.
لیست مطالب
فرمت خروجی چیست و چرا اینقدر مهم است؟
تصور کنید از دستیار هوش مصنوعی میپرسید «درباره مزایای ورزش بگو». چیزی که میگیرید معمولاً یک متن طولانی و درهم است که باید خودتان آن را مرتب کنید، تیترهایش را بیرون بکشید و به شکل دلخواه بچینید. این تجربهٔ آشنا ریشه در یک نکتهٔ ساده دارد: شما به مدل نگفتهاید جواب را در چه «قالبی» میخواهید. فرمت خروجی یعنی همان شکل و ساختار نهایی جواب؛ اینکه پاسخ بهصورت پاراگراف باشد یا جدول، فهرست باشد یا کد، کوتاه باشد یا مفصل، رسمی باشد یا خودمانی.
مدلهای زبانی وقتی فرمت را ندانند، ناچار حدس میزنند و معمولاً امنترین گزینه، یعنی یک پاراگراف بلند، را انتخاب میکنند. نتیجه این میشود که جواب «درست» است اما «بهدردبخور» نیست، چون آمادهٔ استفاده نیست و باید دوباره رویش کار کنید. اگر تازه با نوشتن پرامپت آشنا شدهاید، پیشنهاد میکنیم ابتدا نگاهی به راهنمای پرامپتنویسی برای مبتدیها بیندازید تا پایهٔ کار دستتان بیاید و بعد این ترفند را رویش سوار کنید.
تفاوت را در همین دو نمونه ببینید؛ فقط یک جمله دربارهٔ قالب اضافه شده، اما نتیجه زمین تا آسمان فرق میکند:
پرامپت ضعیف: «درباره مزایای ورزش بگو.»
پرامپت قوی: «۵ مزیت مهم ورزش را در یک جدول دو ستونه بده؛ ستون اول عنوان مزیت، ستون دوم توضیح یکخطی. بدون مقدمه و نتیجهگیری.»
جواب دوم دقیق، کوتاه و آمادهٔ کپی در یک سند یا اسلاید است. تنها تفاوت، یک جملهٔ کوتاه دربارهٔ فرمت بود و همین جمله کل کیفیت خروجی را عوض کرد.
سه اهرم کنترل خروجی: قالب، طول و لحن
برای تسلط بر این تکنیک کافی است سه اهرم را به خاطر بسپارید. اهرم اول «قالب» است؛ یعنی ظرفی که جواب در آن ریخته میشود: جدول، فهرست شمارهدار، پاراگراف، کد یا JSON. اهرم دوم «طول» است؛ یعنی محدودهٔ اندازهٔ جواب، مثل «حداکثر صد کلمه»، «دقیقاً پنج مورد» یا «در سه جمله». اهرم سوم «لحن» است؛ یعنی حالوهوای متن، از رسمی و اداری تا خودمانی و ساده و مناسب نوجوان.
زیبایی ماجرا این است که میتوانید هر سه اهرم را در یک جمله ترکیب کنید و کنترل کاملی روی خروجی داشته باشید. هرچه این قیدها روشنتر باشند، مدل کمتر حدس میزند و بیشتر همان چیزی را میدهد که در ذهن شماست. به این پرامپت دقت کنید که هر سه اهرم را کنار هم دارد:
«۱۰ ایدهٔ محتوا برای پیج اینستاگرام یک کافه بده؛ در قالب جدول با ستونهای موضوع، قلاب اول و پیشنهاد پایانی، حداکثر ۱۰ ردیف و با لحنی صمیمی و پرانرژی.»
در این یک پرامپت، هر سه اهرم حاضرند: قالب (جدول با ستونهای مشخص)، طول (۱۰ ردیف) و لحن (صمیمی و پرانرژی). همین دقت باعث میشود خروجی مستقیم قابل استفاده باشد و مجبور نشوید بار دوم چیزی را اصلاح کنید.
قالبهای پرکاربرد خروجی همراه با پرامپت آماده
حالا سراغ پرکاربردترین قالبها برویم که در کارهای روزمره بیشترین کاربرد را دارند. اولین و محبوبترین، «جدول» است؛ هر وقت میخواهید چند مورد را با چند ویژگی مقایسه کنید، جدول بهترین انتخاب است. فقط کافی است نام ستونها را صریح بگویید تا مدل دقیقاً همان چارچوب را بسازد.
«سه پلن اشتراک یک اپلیکیشن را در جدولی با ستونهای نام پلن، قیمت ماهانه و امکانات کلیدی با هم مقایسه کن.»
قالب دوم «فهرست» است؛ برای مرحلهها، نکتهها و چکلیستها عالی است و میتوانید تعیین کنید شمارهدار باشد یا با علامت. قالب سوم و فنیتر، «JSON» است؛ وقتی میخواهید خروجی را به یک برنامه یا ابزار دیگر بدهید، این قالب طلاست. کلیدها را دقیق مشخص کنید تا خروجی تروتمیز و ماشینخوان باشد.
«اطلاعات این محصول را فقط بهصورت JSON با کلیدهای name، price و inStock بده؛ هیچ توضیح اضافهای ننویس.»
قالب چهارم که کمتر شناخته شده اما فوقالعاده است، «قالب دلخواه» یا الگوی خالی است. شما اسکلت جواب را میدهید و مدل فقط جای خالیها را پر میکند. این روش برای یکدستکردن دهها جواب مشابه بینظیر است. اگر میخواهید نمونههای عملی بیشتری از این قالبها را روی ChatGPT ببینید، مجموعهٔ آموزشهای ChatGPT پر از مثالهای کاربردی است.
«پاسخ را دقیقاً در این قالب بده — عنوان: … | خلاصهٔ دو جملهای: … | سه اقدام بعدی: … — و از همین ساختار خارج نشو.»
به مدل بگو چه چیزی را ننویسد
نیمهٔ پنهان کنترل خروجی، گفتن چیزهایی است که «نمیخواهید». مدلها بهطور پیشفرض دوست دارند مقدمهچینی کنند، توضیح اضافه بدهند و در پایان جمعبندی کنند. اگر اینها را نمیخواهید، صریح بگویید. جملههایی مثل «بدون مقدمه و نتیجهگیری»، «فقط خود کد را بده» یا «توضیح اضافه ننویس» بهطرز شگفتانگیزی خروجی را جمعوجور و متمرکز میکنند.
این قیدهای منفی بهخصوص وقتی مهم میشوند که خروجی را جای دیگری استفاده میکنید؛ مثلاً میخواهید متن را مستقیم در یک ایمیل بگذارید یا کد را در پروژه کپی کنید. یک جملهٔ کوتاه، شما را از پاککردن دستی حاشیهها و مقدمههای تکراری نجات میدهد.
«یک ایمیل کوتاه عذرخواهی از مشتری بنویس؛ حداکثر چهار جمله، لحن حرفهای و محترمانه، بدون تعارف اضافی و بدون امضا.»
چرا این ترفند واقعاً جواب میدهد؟
پشت این تکنیک ساده یک منطق قدرتمند خوابیده است. مدلهای زبانی در اصل ماشینهای «کاملکردن الگو» هستند؛ آنها بر اساس آنچه تا الان دیدهاند، محتملترین ادامه را میسازند. وقتی شما قالب خروجی را مشخص میکنید، در واقع الگوی جواب را از پیش چیدهاید و مدل فقط باید آن را پر کند. این یعنی فضای احتمالات کوچکتر، حدس کمتر و دقت بیشتر.
از طرف دیگر، تعیین فرمت یک فایدهٔ عملی بزرگ دارد: زمان شما را ذخیره میکند و رفتوبرگشتهای اصلاحی را حذف میکند. بهجای اینکه سه بار بنویسید «کوتاهترش کن» یا «بهصورت جدول بده»، همان بار اول نتیجهٔ درست را میگیرید. همین مدلها که امروز در دسترس همهاند، محصول سالها پژوهش شرکتهایی مثل اوپنایآی هستند و بهترین راه بهرهبردن از قدرتشان، دقیق و شفاف حرفزدن با آنهاست.
اشتباههای رایج در تعیین فرمت خروجی
با اینکه این تکنیک ساده است، چند اشتباه رایج میتواند اثرش را کم کند. اشتباه اول، مبهمگویی است؛ گفتن «مرتب و خوانا بده» بهاندازهٔ «در جدول سه ستونه بده» کمککننده نیست. هرچه دقیقتر بگویید، نتیجه بهتر است. اشتباه دوم، شلوغکردن پرامپت با دهها قید متناقض است؛ چند قید روشن همیشه بهتر از انبوهی دستور درهم عمل میکند.
اشتباه سوم این است که فرمت را جای اشتباه میگذارید. بهتر است تعیین قالب را در انتهای پرامپت و بهصورت یک دستور جدا بیاورید تا مدل آن را گم نکند. و اشتباه آخر، فراموشکردن این نکته است که مدلها مدام بهروز میشوند و قابلیتهای تازهای مثل خروجی ساختارمند اضافه میکنند؛ برای عقبنماندن از این تغییرها، هر از گاهی سری به اخبار هوش مصنوعی بزنید.
پرسشوپاسخ کوتاه (FAQ)
آیا تعیین فرمت خروجی روی همهٔ مدلها کار میکند؟
بله. این تکنیک یک اصل عمومی پرامپتنویسی است و روی ChatGPT، جمنای، کلود و تقریباً همهٔ مدلهای زبانی جواب میدهد. فقط کافی است قالب دلخواه را روشن و صریح بیان کنید.
اگر مدل باز هم فرمت را رعایت نکرد چه کنم؟
معمولاً یعنی دستورتان مبهم بوده یا وسط پرامپت گم شده است. قید فرمت را به انتهای پرامپت منتقل کنید، آن را کوتاه و صریح بنویسید و در صورت نیاز یک نمونهٔ کوچک از خروجی دلخواه هم به مدل نشان بدهید.
تعیین فرمت بهتر است یا دادن مثال؟
هر دو مکمل یکدیگرند. تعیین فرمت سریع و کمهزینه است؛ دادن مثال یا همان few-shot وقتی به کار میآید که ساختار پیچیده باشد. برای بهترین نتیجه، اول فرمت را بگویید و اگر لازم شد یک نمونه هم اضافه کنید.
نسخهٔ فوری این مطلب در تلگرام: اینجا بخوانید
