با پیشرفت مدلهای هوش مصنوعی، فقط قدرت آنها تغییر نمیکند؛ بلکه روش استفاده ما از آنها نیز باید تغییر کند. یکی از مهمترین نمونههای این تغییر را میتوان در GPT-6 Astra مشاهده کرد.
در گذشته یکی از رایجترین توصیههای Prompt Engineering این بود که برای دریافت نتیجه بهتر، یک پرامپت بسیار دقیق بنویسیم و تمام مراحل انجام کار را قدمبهقدم برای مدل مشخص کنیم. اما در نسل جدید مدلهای هوش مصنوعی، این روش دیگر همیشه بهترین گزینه نیست.
GPT-6 Astra بیشتر شبیه یک همکار حرفهای هوش مصنوعی طراحی شده است. بنابراین بهجای اینکه تکتک حرکات آن را مشخص کنیم، بهتر است مسئله، هدف، محدودیتها و نتیجهای که انتظار داریم را بهوضوح تعریف کنیم و اجازه بدهیم مدل خودش بهترین مسیر رسیدن به نتیجه را پیدا کند.
GPT-6 Astra چه تغییری در روش پرامپت نویسی ایجاد کرده است؟
در مدلهای قدیمیتر معمولاً پرامپتهایی شبیه مثال زیر نوشته میشد:
ابتدا در اینترنت جستجو کن، سپس پنج منبع پیدا کن، بعد اطلاعات آنها را استخراج کن، مزایا و معایب را بنویس، یک جدول مقایسه ایجاد کن و در نهایت نتیجهگیری کن.
این روش الزاماً اشتباه نیست، اما مشکل آن این است که شما علاوه بر تعیین هدف، روش حل مسئله را هم برای هوش مصنوعی مشخص کردهاید.
در GPT-6 Astra میتوان همان درخواست را به شکل حرفهایتری مطرح کرد:
درباره این موضوع تحقیق کاملی انجام بده. اطلاعات معتبر و بهروز را بررسی کن، مزایا و معایب را استخراج کن و بهترین گزینه را با دلیل پیشنهاد بده. اگر جزئیات کماهمیتی مشخص نشده است، فرض منطقی در نظر بگیر و تا رسیدن به نتیجه کامل کار را ادامه بده.
در این حالت شما بهجای مشخص کردن تمام مراحل، چهار موضوع اصلی را تعیین کردهاید:
- هدف
- محدودیتها
- معیار موفقیت
- خروجی مورد انتظار
۱. هدف را مشخص کنید، نه تکتک مراحل را
یکی از مهمترین اصول کار با GPT-6 Astra این است که بیشتر روی نتیجه نهایی تمرکز کنید.
بهجای نوشتن:
اول مقالهها را پیدا کن، بعد آنها را بخوان، سپس اطلاعات را دستهبندی کن و در پایان نتیجهگیری کن.
میتوانید بنویسید:
درباره این موضوع تحقیق کن و یک گزارش دقیق، قابلاعتماد و قابل انتشار تهیه کن. منابع معتبر را بررسی کن و تا زمانی که به نتیجه قابل اتکایی نرسیدهای، کار را تمامشده در نظر نگیر.
در این نوع پرامپت، شما هدف را بهوضوح تعیین کردهاید اما انتخاب بهترین مسیر انجام کار را به خود مدل سپردهاید.
۲. مشخص کنید کار چه زمانی تمام شده است
یکی از تکنیکهای بسیار مهم در کار با مدلهای جدید هوش مصنوعی، تعریف چیزی است که در مدیریت پروژه به آن Definition of Done گفته میشود.
یعنی باید به مدل بگویید چه زمانی میتواند یک کار را تمامشده در نظر بگیرد.
برای مثال، بهجای اینکه فقط بگویید:
این باگ را بررسی کن.
بهتر است بنویسید:
علت اصلی این باگ را پیدا کن، آن را برطرف کن، بخشهای مرتبط را بررسی کن و مطمئن شو تغییر ایجادشده مشکل جدیدی به وجود نمیآورد. تا زمانی که مشکل واقعاً حل نشده است، کار را تمامشده در نظر نگیر.
این نوع دستور باعث میشود مدل فقط یک پیشنهاد سطحی ارائه نکند و برای رسیدن به نتیجه واقعی تلاش بیشتری انجام دهد.
۳. مشخص کنید چه زمانی سؤال بپرسد
مدلهای جدید در صورت مشاهده ابهام ممکن است از کاربر سؤال بپرسند. این ویژگی در بسیاری از مواقع مفید است، اما گاهی میتواند روند انجام کار را کند کند.
اگر نمیخواهید مدل برای هر موضوع کوچکی متوقف شود، میتوانید در پرامپت خود بنویسید:
اگر اطلاعات جزئی در اختیار نداری و نبود آنها تأثیر مهمی بر نتیجه نهایی ندارد، یک فرض منطقی در نظر بگیر و کار را ادامه بده. فقط زمانی از من سؤال بپرس که پاسخ من بتواند نتیجه اصلی را به شکل قابلتوجهی تغییر دهد.
این دستور مخصوصاً برای تحقیق، تولید محتوا، برنامهنویسی و پروژههای چندمرحلهای بسیار مفید است.
۴. محدودیتها را واضح تعریف کنید
دادن آزادی بیشتر به هوش مصنوعی به این معنی نیست که باید یک پرامپت مبهم بنویسیم.
اتفاقاً هرچه مدل قدرتمندتر شود، مشخص کردن مرزها و محدودیتهای واقعی پروژه اهمیت بیشتری پیدا میکند.
برای مثال، اگر میخواهید یک مقاله تولید کنید، میتوانید بنویسید:
مقاله باید فارسی روان داشته باشد، برای کاربران عمومی نوشته شود، ساختار آن برای SEO مناسب باشد، از ادعاهای بدون منبع استفاده نشود و از تکرار مطالب جلوگیری شود.
در اینجا شما نحوه انجام کار را مشخص نکردهاید؛ بلکه ویژگیهای یک خروجی مناسب را تعریف کردهاید.
۵. سبک خروجی را دقیق مشخص کنید
یکی دیگر از موضوعات مهم در کار با مدلهای پیشرفته، تعیین سبک پاسخ است.
اگر خروجی خاصی میخواهید، بهتر است آن را مستقیماً در پرامپت مشخص کنید.
برای مثال:
متن را به زبان فارسی روان و طبیعی بنویس. پاراگرافها کوتاه باشند. فقط در مواقع ضروری از لیست استفاده کن. از اصطلاحات تخصصی غیرضروری و لحن رباتیک استفاده نکن.
یا اگر به یک خروجی حرفهای و فنی نیاز دارید:
پاسخ را به شکل یک گزارش حرفهای با عنوان، خلاصه مدیریتی، تحلیل، جدول مقایسه و نتیجهگیری نهایی ارائه کن.
۶. Skillها و فایلهای دستورالعمل را جدی بگیرید
این بخش بیشتر برای توسعهدهندگان و افرادی اهمیت دارد که با Agentها، ابزارهای هوش مصنوعی و پروژههای برنامهنویسی بزرگ کار میکنند.
در بسیاری از پروژهها ممکن است دستورهای دائمی داخل فایلهایی مانند:
AGENTS.mdیا داخل Skillهای مختلف قرار گرفته باشند.
مدلهای جدید میتوانند توجه بیشتری به این دستورالعملها داشته باشند. بنابراین وجود دستورهای قدیمی، متناقض یا غیرضروری ممکن است رفتار مدل را تحت تأثیر قرار دهد.
اگر یک پروژه قدیمی را به مدل جدید منتقل میکنید، بهتر است Promptها، Skillها و فایلهای دستورالعمل قبلی را دوباره بررسی و بهینهسازی کنید.
۷. در سیستمهای چندعاملی، Delegation را مشخص کنید
یکی از کاربردهای مهم مدلهای جدید هوش مصنوعی، استفاده از چند Agent برای انجام بخشهای مختلف یک پروژه است.
اگر سیستم شما از چند Agent استفاده میکند، بهتر است نحوه تقسیم کار را نیز مشخص کنید.
برای مثال:
اگر بخشهای مستقلی از این پروژه میتوانند بهصورت موازی انجام شوند، آنها را بین Agentهای مناسب تقسیم کن. پس از پایان کار، نتایج را با یکدیگر ترکیب کن و قبل از ارائه پاسخ نهایی، تناقضهای احتمالی را بررسی کن.
این روش میتواند در تحقیقهای گسترده، تحلیل داده، برنامهنویسی و پروژههای بزرگ مفید باشد.
۸. میزان تست و بررسی را مشخص کنید
در پروژههای برنامهنویسی همیشه انجام بیشترین تعداد تست بهترین انتخاب نیست.
اگر تغییر بسیار کوچک و کمریسک باشد، اجرای مجموعه بزرگی از تستها ممکن است فقط زمان انجام پروژه را افزایش دهد.
برای چنین شرایطی میتوانید بنویسید:
این تغییر کوچک و کمریسک است. فقط تستهای مستقیم و مرتبط را اجرا کن. اگر تستها موفق بودند و نشانهای از مشکل جدید وجود نداشت، نیازی به اجرای تستهای گستردهتر نیست.
اما در پروژههای حساس میتوانید برعکس، بررسی کاملتری درخواست کنید.
فرمول پیشنهادی برای پرامپت نویسی GPT-6 Astra
برای بسیاری از کارها، میتوانید پرامپت خود را بر اساس ساختار زیر طراحی کنید:
هدف
دقیقاً مشخص کنید میخواهید در پایان چه نتیجهای دریافت کنید.
زمینه یا Context
اطلاعاتی را که مدل برای درک مسئله به آنها نیاز دارد ارائه کنید.
محدودیتها
قوانین و مواردی را که نباید نقض شوند مشخص کنید.
معیار موفقیت
توضیح دهید چه چیزی باعث میشود نتیجه نهایی را موفق بدانید.
میزان استقلال
مشخص کنید مدل چه زمانی میتواند فرض منطقی در نظر بگیرد و چه زمانی باید از شما سؤال بپرسد.
نوع خروجی
زبان، فرمت، حجم، لحن و ساختار پاسخ موردنظر را مشخص کنید.
قالب آماده پرامپت برای GPT-6 Astra
قالب زیر را میتوانید برای بسیاری از کارهای خود استفاده کنید:
هدف:
[نتیجهای که میخواهید به دست بیاورید]زمینه:
[اطلاعات لازم برای درک مسئله]محدودیتها:
[موارد و قوانینی که باید رعایت شوند]معیار موفقیت:
نتیجه زمانی قابل قبول است که [شرایط یک نتیجه موفق را توضیح دهید].نحوه انجام کار:
خودت بهترین مسیر رسیدن به نتیجه را انتخاب کن. برای جزئیات کماهمیت در صورت نیاز فرض منطقی بساز. فقط زمانی از من سؤال بپرس که پاسخ من بتواند نتیجه نهایی را بهطور جدی تغییر دهد. اگر کار چندمرحلهای است، تا رسیدن به نتیجه کامل ادامه بده.خروجی:
[فرمت، زبان، لحن، حجم و ساختار خروجی]
مثال واقعی از یک پرامپت حرفهای
فرض کنید میخواهید با استفاده از هوش مصنوعی یک مقاله برای سایت خود تولید کنید.
بهجای نوشتن دهها دستور کوچک میتوانید از پرامپتی مانند نمونه زیر استفاده کنید:
درباره موضوع «آینده هوش مصنوعی در کسبوکارهای اینترنتی» یک مقاله حرفهای و SEO-Friendly به زبان فارسی تهیه کن.
مخاطبان مقاله کاربران عمومی و صاحبان کسبوکارهای اینترنتی هستند که دانش تخصصی زیادی درباره هوش مصنوعی ندارند.
ادعاهای مهم باید بر اساس منابع معتبر و بهروز باشند. از تیترهای مناسب H2 و H3 استفاده کن و محتوا نباید حالت ترجمه ماشینی یا رباتیک داشته باشد.
مقاله باید شامل مقدمه جذاب، کاربردهای هوش مصنوعی، مثالهای واقعی، مزایا، محدودیتها و جمعبندی باشد.
خودت درباره بهترین ساختار تحقیق و مقاله تصمیم بگیر. برای جزئیات غیرضروری سؤال نپرس و تا آماده شدن نسخه قابل انتشار کار را ادامه بده.
در پایان Title، Meta Description، Slug و کلمات کلیدی پیشنهادی SEO را هم ارائه کن.
آیا پرامپتهای طولانی دیگر کاربرد ندارند؟
خیر. این یکی از سوءبرداشتهایی است که ممکن است درباره مدلهای جدید هوش مصنوعی ایجاد شود.
هدف این نیست که همیشه کوتاهترین پرامپت ممکن را بنویسیم.
قاعده بهتر این است:
هر چیزی که داخل پرامپت قرار میدهید باید دلیل مشخصی داشته باشد.
اگر پروژه شما ۲۰ محدودیت واقعی دارد، طبیعتاً باید آنها را برای مدل توضیح دهید.
اما لازم نیست ۲۰ مرحله مختلف نیز مشخص کنید تا مدل دقیقاً بداند ابتدا چه کاری انجام دهد و سپس سراغ کدام مرحله برود؛ مگر اینکه ترتیب مراحل واقعاً برای پروژه اهمیت داشته باشد.
پرامپت نویسی در نسل جدید هوش مصنوعی چه شکلی خواهد شد؟
Prompt Engineering از بین نخواهد رفت؛ اما شکل آن در حال تغییر است.
در گذشته بخش بزرگی از پرامپت نویسی مربوط به این بود که به مدل بگوییم چگونه کار را انجام دهد.
اما هرچه مدلها توانمندتر میشوند، اهمیت تعریف درست مسئله بیشتر میشود.
در نسل جدید بهتر است بتوانیم به سؤالات زیر پاسخ دهیم:
- دقیقاً چه نتیجهای میخواهیم؟
- مدل چه اطلاعاتی درباره پروژه باید بداند؟
- چه محدودیتهایی وجود دارد؟
- مدل تا چه اندازه اختیار تصمیمگیری دارد؟
- چه چیزی یک نتیجه موفق محسوب میشود؟
- خروجی نهایی باید چه فرمتی داشته باشد؟
به بیان ساده، یک Prompt حرفهای در نسل جدید بیشتر شبیه یک Brief دقیق برای یک همکار متخصص است تا مجموعهای طولانی از فرمانهای ریز و مرحلهبهمرحله.
جمعبندی؛ بهترین روش کار با GPT-6 Astra چیست؟
مدلهای جدیدی مانند GPT-6 Astra نشان میدهند که نحوه تعامل کاربران با هوش مصنوعی در حال تغییر است.
در بسیاری از پروژهها دیگر لازم نیست تکتک مراحل انجام کار را به مدل دیکته کنیم.
بهتر است مسئله را واضح تعریف کنیم، هدف را مشخص کنیم، محدودیتها و معیار موفقیت را توضیح دهیم و سپس اجازه بدهیم مدل بهترین مسیر رسیدن به نتیجه را انتخاب کند.
اگر بخواهیم کل این روش را در یک جمله خلاصه کنیم:
به هوش مصنوعی بگویید چه نتیجهای میخواهید، نه اینکه برای رسیدن به آن نتیجه تکتک قدمهایش چه باشد.
هرچه مدلهای هوش مصنوعی توانمندتر میشوند، مهارت اصلی کاربران نیز از «دستور دادن به مدل» به سمت تعریف دقیق مسئله و نتیجه مورد انتظار حرکت خواهد کرد.
استفاده از ChatGPT و ابزارهای هوش مصنوعی
اگر قصد دارید از امکانات ChatGPT و سایر ابزارهای هوش مصنوعی برای تولید محتوا، برنامهنویسی، تحقیق، طراحی، کسبوکار یا انجام پروژههای روزمره استفاده کنید، میتوانید پلنها و سرویسهای مرتبط با هوش مصنوعی را در معین گیفت مشاهده کنید.
با انتخاب اشتراک مناسب، میتوانید از قابلیتهای پیشرفتهتر مدلهای هوش مصنوعی در پروژههای شخصی و حرفهای خود استفاده کنید.