چگونه پرامپت برای هوش مصنوعی بنویسیم، اصول مهندسی پرامپت

پرامپت همان دستورات متنی است که شما به هوش مصنوعی می‌دهید. مهارت نوشتن پرامپت برای هوش مصنوعی یا prompt recipe به قدری مهم است که از آن به عنوان یکی از رشته‌های حرفه‌ای با قابلیت استخدام و اشتغال یاد می‌شود و به Prompt Engineering شهرت پیدا کرده است. نوشتن پرامپت درست، به‌معنی یادگیری صحیح زبان صحبت با هوش مصنوعی است. اگر این زبان گفتگو با AI را یاد بگیرید می‌توانید از قدرت این ابزارها بیشتر و بهتر استفاده کنید.

پیش از اینکه ساختار پرامپت را توضیح دهیم با برخی مفاهیم نوشتن پرامپت برای هوش مصنوعی آشنا می‌شویم.

پرامپت هوش مصنوعی چیست

پرامپت (prompt) عبارت یا جمله‌ای کوتاه است که به ابزار‌های مبتنی بر هوش مصنوعی در مورد اینکه چه چیزی ایجاد کند، دستورالعمل‌هایی می‌دهد. می‌توان از پرامپت برای تولید متن، تصویر یا کد استفاده کرد. هرچه درخواست دقیق‌تر و واضح‌تر باشد، ابزار هوش مصنوعی احتمال بیشتری برای تولید دقیق خروجی مورد نظر دارد.

به عنوان مثال، یک دستور هوش مصنوعی برای تولید متن می‌تواند این باشد “شعری درباره گربه بنویس”. این اعلان به ابزار هوش مصنوعی می‌گوید که باید شعری درباره گربه بسازد. ابزار هوش مصنوعی سپس از دانش خود در مورد جهان و زبان برای تولید شعری استفاده می‌کند که این معیار‌ها را داشته باشد. یعنی به لحاظ ادبی ساختار شعر داشته باشد و در مورد گربه باشد. اما می‌توان این دستور را با جزییات و مشخصات بیشتری به هوش مصنوعی گفت مثلا شعری درباره بچه گربه سیاه بازیگوش بنویس که در آن دنیای گربه‌ها را توضیح می‌دهد. حالا هوش مصنوعی درک دقیق‌تری در مورد اینکه چه می‌خواهید، دارد.

از دستورات هوش مصنوعی برای تولید تصاویر نیز می‌توان استفاده کرد. به عنوان مثال، یک درخواست هوش مصنوعی برای ایجاد تصویری از یک گربه می‌تواند این باشد: “گربه‌ای که روی طاقچه نشسته است و به شهر نگاه می‌کند”. این اعلان به ابزار هوش مصنوعی می‌گوید که باید تصویری از گربه‌ای بسازد که لب پنجره  نشسته و به شهر نگاه می‌کند. سپس ابزار هوش مصنوعی از دانش خود در مورد جهان و تصاویر برای تولید تصویری که این معیار‌ها را برآورده می‌کند استفاده می‌کند. اگر بخواهیم دقیق‌تر بنویسیم باید بگوییم اجزای اصلی این جمله (یعنی گربه، پنجره و شهر) هر کدام باید چه جزییاتی داشته باشند.

این مطالب را هم بخوانید:
مقدمه‌ای بر مبانی هوش مصنوعی، هر آنچه برای شروع باید بدانید
معرفی سایت‌های رایگان هوش مصنوعی، ۵۱ ابزار کاربردی و آسان
راهنمای استفاده از هوش مصنوعی مایکروسافت بینگ برای تولید متن و عکس رایگان
آموزش کامل ثبت‌نام و استفاده از ربات هوش مصنوعی ChatGpt در ایران
راهنمای استفاده از هوش مصنوعی Midjourney؛ ربات هنرمند طراح
آموزش استفاده از هوش مصنوعی گوگل، راهنمای گفتگو ثبت‌نام و کاربردها

از دستورات هوش مصنوعی می‌توان برای اهداف مختلفی استفاده کرد، مانند:

• تولید محتوای خلاقانه مانند شعر، داستان و تصویر
• پاسخگویی به سؤالات
• ترجمه زبان‌ها
• کد نوشتن
• حل مسائل
• و بی‌نهایت کاربرد دیگر

مثال‌های زیر از کاربرد پرامپت را ببینید:

مهندسی پرامپت، هنر صحبت با هوش مصنوعی

مهندسی پرامپت یک رشته نسبتاً جدید از هوش مصنوعی مولد (AI) است که تعامل ما با فناوری را متحول می‌کند. هوش مصنوعی بدون دستورات عملا قابل استفاده نیست ولی اینکه چگونه باید با آن صحبت کرد هنر مهندسی پرامپت است. این رشته روی طراحی دقیق، اصلاح و بهینه‌سازی دستورات متمرکز است. با هدایت سیستم‌های هوش مصنوعی به سمت خروجی‌های خاص، مهندسی پرامپت کلید تعامل انسان و هوش مصنوعی است.

گاهی پرامپت‌ها و دستورات برای کاربردهای ساده استفاده می‌شوند مثلا می‌خواهید یک کپشن اینستاگرام در مورد رنگ لباس تولید کنید. اما گاهی این پرامپت‌ها باید مشخصات و کاربردهای حرفه‌ای را در نظر داشته باشند به عنوان مثال در کشاورزی زمانی که هوش مصنوعی با ترکیب شیمیایی چندین نهاده آشنا است و از او می‌خواهید یک فرمول جدید بنویسد که باعث یک نتیجه مشخص در یک گیاه خاص شود.

مهندسی پرامپت یک رشته جامع در هوش مصنوعی (AI) است که شامل طراحی، اصلاح و بهینه‌سازی پرامپت‌ها، شناخت سیستم هوش مصنوعی مولد و ارزیابی مستمر و طبقه‌بندی پاسخ‌ها است.

مهندسان پرامپت از تکنیک‌های مختلفی برای بهبود اثربخشی دستورات استفاده می‌کنند. در ادامه چند نمونه را به‌طور خلاصه توضیح می‌دهیم.

استفاده از کلمات کلیدی و مفاهیمی که سیستم هوش مصنوعی احتمالاً آن‌ها را درک می‌کند. به عنوان مثال، اگر می‌خواهید از یک سیستم هوش مصنوعی بخواهید شعری در مورد یک گربه بنویسد، از کلمات کلیدی “گربه” و “شعر” در درخواست خود استفاده می‌کنید.

پرهیز از ابهام برای هوش مصنوعی مهم است. پرامپت باید واضح و شفاف باشد تا سیستم هوش مصنوعی بداند شما می‌خواهید چه کاری انجام دهد. به عنوان مثال، به جای پرسیدن «شعری درباره گربه بنویس»، می‌توانید بپرسید «شعری درباره گربه‌ای بنویس که لب پنجره نشسته است و به شهر نگاه می‌کند». در واقع با افزودن جزییات می‌توانید خروجی هوش مصنوعی را با خواسته خود مطابق کنید.

استفاده از دستور‌های پیوسته و مکرر یک راهبرد دیگر است. گاهی اوقات، یک پرامپت برای دریافت خروجی مورد نظر از یک سیستم هوش مصنوعی کافی نیست. در این موارد، مهندسان پرامپت ممکن است از چندین فرمان استفاده کنند، که هر یک بر جنبه متفاوتی از خروجی مورد نظر تمرکز دارد.

مهندسی پرامپت برخلاف ظاهر و تعریفی که دارد، پیچیده و چالش برانگیز است. اما این مهارت برای استفاده حداکثری از سیستم‌های هوش مصنوعی ضروری است.

دستور العمل‌های پرامپت چیست

دستور العمل‌های پرامپت (Prompt Recipes) الگو‌های از پیش تعریف شده‌ای هستند که برای تسهیل ایجاد و استفاده مجدد از پرامپت‌ها طراحی شده‌اند. این پرامپت‌ها باید نتایج ثابت و قابل تکرار ارائه دهند. یعنی لازم نیست برای هر کاری از ابتدا پرامپت و دستور نوشته شود. می‌توانید از دستورالعمل‌های موجود برای رسیدن به یک خروجی مشخص استفاده کنید که بعدها نیز قابل استفاده است حتی می‌توانید آن را در اختیار دیگران هم قرار دهید.

هر دستور پرامپت حاوی بخش‌های مشخصی است که نوشتن پرامپت را آسان می‌کنند.

دستور العمل‌های پرامپت اولین گام در ساختن کتابخانه دستورات شما هستند، که بخش مهمی از شغل مهندسان پرامپت است.

پرامپت مجموعه‌ای از دستورالعمل‌ها است که به سیستم هوش مصنوعی می‌گوید که چگونه یک خروجی خاص تولید کند. دستور العمل‌های پرامپت معمولاً به زبان طبیعی نوشته می‌شوند، اما می‌توانند به زبان‌های دیگر مانند پایتون یا جاوا اسکریپت نیز نوشته شوند. همچنین می‌توانند به سادگی یک جمله یا به پیچیدگی یک فرآیند چند مرحله‌ای باشند.

ملاحظات زبانی در صحبت با هوش مصنوعی

بهترین نوع و روش نوشتن پرامپت هوش مصنوعی، استفاده از زبانی واضح، مختصر و مشخص است. برای ایجاد پرامپت‌های مؤثر، دستورالعمل‌های زیر را در نظر بگیرید:

از زبان ساده استفاده کنید: از اصطلاحات و عبارت‌های پیچیده اجتناب کنید. دستورالعمل‌های خود را برای فهم بهتر تا حد ممکن آسان کنید تا هوش مصنوعی بتواند به سرعت قصد شما را درک کند.

مشخص باشید: انتظارات و نتایج مورد نظر خود را به وضوح بیان کنید. ارائه اطلاعات دقیق به هوش مصنوعی در تولید خروجی‌های دقیق و مرتبط کمک می‌کند.

ساختار منطقی داشته باشید: درخواست خود را به شیوه‌ای منسجم سازماندهی کنید تا هوش مصنوعی بتواند به راحتی دستورالعمل‌های شما را دنبال کند و پاسخ دلخواه را ارائه دهد.

مثال بزنید: در صورت امکان، مثال‌هایی برای نشان دادن نوع خروجی مورد نظرتان ارائه کنید. این می‌تواند به هوش مصنوعی کمک کند تا انتظارات شما را بهتر درک کند و نتایج دقیق‌تری ایجاد کند.

زمینه را در نظر بگیرید: درخواست خود را با سیستم هوش مصنوعی و قابلیت‌های آن تنظیم کنید. به پلتفرم یا مدلی که با آن کار می‌کنید دقت داشته باشید و اطمینان حاصل کنید که دستورالعمل‌های شما با محدودیت‌ها و نقاط قوت آن سازگار است.

ملاحظات زبان: ملاحظات زبان یک بحث بزرگ و مهم است، اما با توجه به تجربیات و مطالعاتی که انجام شده به نظر می‌رسد استفاده از زبان انگلیسی ساده و مختصر بهترین رویکرد (حداقل فعلا) باشد. این فرضیه ممکن است در آینده تغییر کند، اما از آنجایی که LLM‌ها عمدتاً بر اساس انگلیسی آموزش می‌بینند و ساخته می‌شوند، استفاده از زبان انگلیسی منطقی است.

اجزای پرامپت

پرامپت‌های هوش مصنوعی شامل ۵ جزء اصلی هستند:

• وظیفه Task
• دستورالعمل‌ها Instructions
• زمینه Context
• مؤلفه‌ها Parameters
• ورودی Input

بسته به مورد استفاده، ممکن است همه اجزا مورد نیاز نباشند. به عنوان مثال، یک پرامپت ساده هوش مصنوعی ممکن است فقط شامل وظیفه باشد.

این اجزاء نسبتاً ثابت هستند. با این وجود، هر جزء از عناصر مختلفی تشکیل شده است، مانند وظیفه (Task) که از نقش (role)، فرمان (command) و موضوع (topic) تشکیل شده است. این عناصر را می‌توان برای ایجاد دستورالعمل‌های فوری تنظیم کرد.

عناصر (Elements) و دستور‌العمل‌ها (recipes) امکان استفاده از مهارت و خلاقیت را فراهم می‌کند. در واقع با وجود اینکه می‌توان از پرامپت‌های آماده و ثابت استفاده کرد این عناصر، افراد را تشویق می‌کنند که در پرامپت خلاقیت داشته باشند.

این فرآیند مستلزم تجزیه وظایف به اجزا و عناصر، متعاقباً ایجاد مجموعه‌ای از دستور‌العمل‌ها برای ارزیابی با هوش مصنوعی، و در نهایت تعیین تناسب بهینه با پروژه است. این دستور العمل‌ها باید برای استفاده در آینده در کتابخانه پرامپت ذخیره شوند.

این دستور‌العمل‌ها را می‌توان به دستورات واقعی تبدیل کرد تا به هوش مصنوعی داده شود. برای مهندسان پرامپت، این روش به عنوان یکی از کارآمدترین روش‌ها برای مفهوم‌سازی، تولید و نگهداری اعلان‌ها در کتابخانه پرامپت عمل می‌کند.

برای درک بهتر اجزای پرامپت می‌توانید آن را به بخش‌های زیر تقسیم کنید:

دستورالعمل: این بخش به هوش مصنوعی می‌گوید دقیقا انتظار داریم چه کاری انجام شود. این دستور می‌تواند از «ترجمه متن زیر به فرانسوی» تا «ایجاد فهرستی از ایده‌ها برای یک داستان علمی تخیلی» متغیر باشد. دستورالعمل معمولاً اولین قسمت از دستور است و وظیفه هوش مصنوعی  را تعیین می کند.
زمینه: این پارامتر اطلاعات اضافی را ارائه می‌دهد که می‌تواند خروجی هوش مصنوعی را هدایت کند. به عنوان مثال، در یک کار ترجمه، ممکن است پیش‌زمینه‌ای در مورد متنی که قرار است ترجمه شود بنویسید (مثل دیالوگی از یک فیلم یا بخشی از یک مقاله علمی). زمینه می‌تواند به هوش مصنوعی کمک کند تا سبک، لحن و ویژگی‌های اطلاعات مورد نیاز را درک کند.
داده‌های ورودی: این به داده های واقعی که مدل با آنها کار خواهد کرد اشاره دارد. در یک کار ترجمه، این متنی است که باید ترجمه شود. در یک کار پاسخگویی به سؤال، این سؤالی است که پرسیده می شود.
خروجی: این قسمت از فرمان فرمتی که خروجی باید در آن تولید شود را به هوش مصنوعی می‌دهد. به عنوان مثال، ممکن است مشخص کنید که پاسخ مدل را در قالب یک لیست، یک پاراگراف، یک جمله یا هر ساختار دیگری می‌خواهید، هدایت کنید. 

یک مثال کاربردی برای نحوه نوشتن پرامپت

برای اینکه بهتر متوجه ساختار یک پرامپت اصولی شویم یک مثال را با هم مرور می‌کنیم. در این جدول اجزای پرامپت مشخص شده است.

قبل از اجرای بهتر است هدف خود را مشخص کنید. در واقع می‌توانیم بگوییم یک بیانیه لازم است که در آن به‌طور خلاصه می‌گوی چه‌کاری و به چه دلیل می‌خواهید انجام دهید.

مثل زیر را با هم مرور می‌کنیم و در ادامه در مورد هر کدام توضیح می‌دهیم.

بیانیه هدف: می‌خواهم به کارمندانم در محل کار کمک کنم و باعث رشد آن‌ها شوم. یکی از مسائلی که تشخیص داده‌ام این است که برخی از همکارانم از سندروم ایمپاستر رنج می‌برند. می‌خواهم چند توصیه مفید در این زمینه به آن‌ها بگویم.

پرامپت‌های هوش مصنوعی برای مدل‌های زبانی بزرگ

گام اول: بیانیه هدف

قبل از شروع ساخت دستور هوش مصنوعی، ضروری است که به طور خلاصه اهداف و نتیجه دلخواه خود را در نظر بگیرید. این مرحله به هدایت مراحل بعدی در فرآیند ساخت پرامپت کمک می‌کند.

ممکن است چند نمونه از خروجی مورد نظر داشته باشید. این‌ها را جمع‌آوری کنید و یک جا بنویسید.

بیش از حد به آن فکر نکنید لازم نیست این بیانیه پیچیده باشد زیرا در مراحل بعدی اصلاح می‌شود.

بیان هدف همیشه ضروری نیست و لازم نیست برای هر موقعیتی تکرار شود. هر چه خروجی مورد نظر پیچیده‌تر یا خاص‌تر باشد، تعداد این عناصر بیشتر ضروری است.

از مثال بالا می‌توانیم ببینیم که بیانیه می‌تواند کاملاً ساده باشد و پیچیدگی زیادی ندارد. می‌توانیم آن را با زبان شفاهی و مانند گفتگو‌های روزمره بنویسیم.

بیانیه هدف: می‌خواهم به کارمندانم در محل کار کمک کنم و باعث رشد آن‌ها شوم. یکی از مسائلی که تشخیص داده‌ام این است که برخی از همکارانم از سندروم ایمپاستر رنج می‌برند. می‌خواهم چند توصیه مفید در این زمینه به آن‌ها بگویم.

گام دوم: وظیفه را تعریف کنید

همانطور که فرآیند را شروع می‌کنید، ضروری است که وظیفه و اجزای آن را واضح و مشخص تعریف کنید. این گام اساسی برای موفقیت کار شما بسیار مهم است.

در مورد نتایجی که می‌خواهید هوش مصنوعی به آن برسد و داده‌های ورودی که لازم دارد، فکر کنید. وظیفه (task) از چندین عنصر مانند فرمان (Command) یا سؤال (Query)، عنوان (topic) یا موضوع (subject) و نقش (role) یا شخصیت (persona) تشکیل شده است. برای اکثرLLM‌های مدرن (هوش مصنوعی مبتنی بر مدل‌های زبانی بزرگ)، نقشی را که می‌خواهید هوش مصنوعی بازی کند برای نتایج بهینه در نظر بگیرید.

به یاد داشته باشید که دقیق باشید. از افعال و کلمات مشخص به گونه‌ای استفاده کنید که گویی به شخصی دستور می‌دهید. به عنوان مثال، به جای گفتن «ایجاد یک پست وبلاگ در طناب زدن»، بگویید «یک پست وبلاگ در مورد نحوه طناب زدن بنویسید».

با تعریف واضح کار، سیستم هوش مصنوعی هدف دقیق آن و اطلاعاتی که باید جستجو کند را درک خواهد کرد. به مثال برمی‌گردیم تا دوباره وظیفه را مرور کنیم.

گام سوم: دستورالعمل‌های درست را به هوش مصنوعی بدهید

خروجی مطلوب را تعریف کنید: در مورد نتیجه‌ای که از هوش مصنوعی انتظار دارید، دقیق باشید. فرمت و ویژگی‌های خروجی را به‌طور واضح ترسیم کنید تا هوش مصنوعی درک درستی از انتظارات شما داشته باشد.

فرمت و ساختار خروجی: به مورد استفاده نهایی و مخاطب فکر کنید. طول، نوع محتوا و قالب خروجی نهایی را تعریف کنید. به عنوان مثال، “مقاله باید ۲۵۰۰ کلمه باشد، هر یک از ایده‌ها را در سرفصل‌ها بنویسید و یک جریان منطقی بین آن‌ها ایجاد کنید.”

ویژگی‌های خروجی: لحن، سبک و سطح جزئیات را تعریف کنید، مانند “مقاله باید با لحن محاوره‌ای دوستانه، الهام بخش و با استفاده از زبان طبیعی نوشته شود.”

نکات و موضوعاتی را که می‌خواهید گنجانده شوند مشخص کنید: اطلاعات و موضوعات لازم برای خروجی را در اختیار سیستم هوش مصنوعی قرار دهید. هر ایده یا دیدگاه خاصی را که می‌خواهید هوش مصنوعی به آن توجه کند، مشخص کنید.

باید‌ها و نباید‌ها: حد و مرز تعیین کنید. دستورالعمل‌ها و محدودیت‌هایی را بنویسید تا اطمینان حاصل کنید که خروجی با انتظارات شما مطابقت دارد و از محتوای ناخواسته یا اضافی جلوگیری می‌کند.

نمونه‌های ورودی و خروجی مطلوب: نمونه‌های واضحی از ورودی و خروجی مورد نظر ارائه دهید. این به سیستم هوش مصنوعی کمک می‌کند تا آهنگ، سبک و قالب مورد نظر شما را برای خروجی درک کند.

در مثال بالا، عناصر زیر را برای دستورالعمل ثبت کرده‌ایم:

• ساختار و فرمت خروجی
• کیفیت خروجی
• محتوا
• باید‌ها و نباید‌ها

باید مطمئن شویم که تا حد ممکن ساده نوشته‌ایم.

گام چهارم: راهنمایی اضافی برای هوش مصنوعی

به عنوان یک مهندس پرامپت، می‌توانید با ارائه راهنمایی‌های اضافی، خروجی هوش مصنوعی را بهینه کنید و کیفیت آن را افزایش دهید. این مورد فراتر از دستورالعمل‌های اصلی است و بیشتر به جزییات می‌پردازد تا درک بهتری از نیاز‌های منحصر به فرد شما ارائه دهد. با انجام این کار، اطمینان حاصل می‌کنید که خروجی هوش مصنوعی مرتبط، با کیفیت و متناسب با نیاز‌های شما است.

چشم انداز مورد نظر: تعیین چشم انداز مورد نظر برای همسویی خروجی هوش مصنوعی با انتظار شما بسیار مهم است. به مخاطبان خود و دیدگاهی که بیشترین معنا را برای آن‌ها دارد فکر کنید. ارائه این چشم‌انداز به هوش مصنوعی کمک می‌کند تا خروجی ایجاد کند که با نیاز مخاطبان شما هماهنگ است.

مخاطب هدف: قبل از شروع، مخاطبان هدف خود را مشخص کنید. جمعیت‌شناسی مانند سن، جنسیت، مکان، علایق و ارزش‌های آن‌ها را در نظر بگیرید. این موضوع به هوش مصنوعی کمک می‌کند تا خروجی خاصی برای مخاطبان هدف ایجاد کند. کهن الگوی برند برای مخاطبان را فراموش نکنید، زیرا باعث راهنمایی هوش مصنوعی در ایجاد خروجی مطابق با انتظارات مخاطب می‌شود.

هدف و موارد استفاده: تعریف هدف و مورد استفاده، جهت را تعیین و نقشه راه را برای هوش مصنوعی مشخص می‌کند. زمینه‌ای را مشخص کنید که خروجی در آن مورد استفاده قرار می‌گیرد تا اطمینان حاصل شود که الزامات خاص را برآورده می‌کند. این مرحله برای تولید خروجی مرتبط، با کیفیت و متناسب با نیاز‌های شما حیاتی است.

اطلاعات و داده‌های تکمیلی: ارائه داده‌های اضافی و اطلاعات مرتبط، هوش مصنوعی را قادر می‌سازد تا خروجی منحصر به فرد، مرتبط و با کیفیتی ایجاد کند. داده‌های بیشتر همچنین منجر به دقت بیشتر می‌شود.

در مثال بالا، موضوعات زیر را برای بخش راهنمایی اضافی بیان کرده‌ایم:

• چشم انداز
• هدف شما
• مخاطب هدف

گام پنجم: پارامتر‌ها و تعیین انتظارات برای هوش مصنوعی

در مهندسی پرامپت برای هوش مصنوعی، مشخص کردن پارامتر‌های مدل یا پلتفرم شما ضروری است. این به تعیین انتظارات واضح و مشخص برای سیستم هوش مصنوعی کمک می‌کند و اطمینان می‌دهد که پیچیدگی، پردازش داده‌ها و فرمت خروجی مورد نظر را درک می‌کند.

برای مدل یادگیری ماشینی مواردی مانند دقت، درستی و صحت، مزان پردازش داده‌ها و منابع محاسباتی را مشخص کنید. به طور کلی، اگر به دنبال پاسخ‌های دقیق هستید این جزییات را بیشتر استفاده کنید ولی اگر دنبال خلاقیت هوش مصنوعی هستید می‌توانید این جزییات را کاهش دهید.

به طور خلاصه، مرحله “پارامتر‌ها” به شما امکان می‌دهد الزامات و محدودیت‌های سیستم هوش مصنوعی را تعیین کنید. ارائه این اطلاعات تضمین می‌کند که هوش مصنوعی شما به طور مؤثر و کارآمد عمل می‌کند و خروجی مورد نظر را در قالب درست تولید می‌کند.

در مثال ما، هیچ پارامتری مشخص نشده است زیرا ChatGPT مستقیماً از آن‌ها استفاده نمی‌کند.

گام ششم: ورودی کاربر و تغییر محتوای موجود

ورودی کاربر به متن یا اطلاعاتی اشاره دارد که قصد دارید آن را تبدیل کنید. مثلاً می‌خواهید یک متن را خلاصه کنید. یا یک مقاله را به متن یک سخنرانی تبدیل کنید. ارائه پیش‌نویس به‌عنوان ورودی به هوش مصنوعی به بهبود متن کمک می‌کند اما به خاطر داشته باشید، ورودی کاربر بخشی ضروری از درخواست نیست، زیرا فقط در هنگام اصلاح یا کار روی متن یا محتوای از قبل موجود مورد نیاز است.

در مثال بالا هیچ ورودی مشخص نشده است زیرا هدف تولید محتوا با استفاده از دانش ChatGPT بود.

گام هفتم: بررسی خروجی

مرحله نهایی در فرآیند درخواست، اجرای دستور و بررسی خروجی است. خروجی را با انتظارات اولیه یا نمونه‌هایی از نتیجه مطلوب خود مقایسه کنید. ممکن است بخواهید قبل از ارسال دستور العمل خود را تغییر دهید یا خروجی را برای ویرایش‌های بیشتر بررسی کنید.

روی درخواست کار کنید تا زمانی که نیاز‌های شما را برآورده کند. می‌توانید پرامپت اصلی را اصلاح کنید یا از دستورات اضافی برای بهبود خروجی استفاده کنید. برای مثال، اگر می‌خواهید کلمات و عناوین برجسته شوند، اما آن‌ها را در درخواست اصلی لحاظ نکرده‌اید، می‌توانید یک قسمت جدید برای رسیدن به نتیجه دلخواه ایجاد و آن را به پرامپت اصلی اضافه کنید.

تسلط بر مهندسی پرامپت در هوش مصنوعی

فرآیند AI Prompting یک جنبه مهم از مهندسی پرامپت است که شامل طراحی و ساخت پرامپت‌های مبتنی بر متن برای سیستم‌های AI می‌شود. با پیروی از یک چارچوب منظم، می‌توانید دستورات هوش مصنوعی را برای اهداف مختلف، ایجاد و بهینه کنید. به‌این منظور لازم است تعریف کار، تعریف دستورالعمل‌های واضح، افزودن زمینه، مشخص کردن پارامتر‌ها، و ترکیب ورودی کاربر را در نظر داشته باشید.

نمونه‌هایی از مهندسی پرامپت

تولید متن خلاق: مهندسان پرامپت می‌توانند از دستورات برای تولید قالب‌های متن خلاقانه مانند شعر، کد، اسکریپت، قطعات موسیقی، ایمیل، نامه‌ها و غیره استفاده کنند. به عنوان مثال، برای ایجاد شعری در مورد یک گربه، یک مهندس اعلان ممکن است از موارد زیر استفاده کند.

پرامپت: شعری در مورد گربه‌ای بنویسید که روی طاقچه نشسته و به منظره شهر نگاه می‌کند. گربه احساس تنهایی و غمگینی می‌کند، اما به آینده نیز امیدوار است.

پاسخ به سؤالات: مهندسان پرامپت می‌توانند از دستورات برای پاسخ به سؤالاتی استفاده کنند که به صراحت در داده‌های آموزشی یک سیستم هوش مصنوعی پوشش داده نشده است. به عنوان مثال، برای پاسخ به این سؤال که “پایتخت فرانسه چیست؟ “، یک مهندس پرامپت ممکن است از دستور زیر استفاده کند:

پایتخت فرانسه کجاست؟ توضیح مختصری در مورد چرایی پایتخت بودن این شهر ارائه دهید.

زبان‌های ترجمه: مهندسان پرامپت می‌توانند از دستورات برای ترجمه زبان‌هایی استفاده کنند که به صراحت در داده‌های آموزشی یک سیستم هوش مصنوعی پوشش داده نشده‌اند. مثلاً برای ترجمه جمله “سلام، چطوری؟ ” از انگلیسی به اسپانیایی، یک مهندس سریع ممکن است از دستور زیر استفاده کند:

جمله “سلام، خوبی؟ ” را ترجمه کنید. از انگلیسی به اسپانیایی توضیح مختصری در مورد نحوه ترجمه جمله ارائه دهید.

کد‌نویسی: مهندسان پرامپت می‌توانند از دستورات برای نوشتن کدی استفاده کنند که به صراحت در داده‌های آموزشی یک سیستم هوش مصنوعی پوشش داده نشده است. به عنوان مثال، برای نوشتن برنامه‌ای که فاکتوریل یک عدد را محاسبه می‌کند، یک مهندس پرامپت ممکن است از دستور زیر استفاده کند:

برنامه‌ای بنویسید که فاکتوریل یک عدد را محاسبه کند. نحوه محاسبه را توضیح دهید و بنویسید بر اساس چه روشی فاکتوریل را محاسبه کرده‌اید.

حل مشکلات: مهندسان پرامپت می‌توانند از دستورات برای حل مشکلاتی استفاده کنند که به صراحت در داده‌های آموزشی یک سیستم هوش مصنوعی پوشش داده نشده است. به عنوان مثال، برای حل مشکل یافتن کوتاه‌ترین مسیر بین دو نقطه روی نقشه، یک مهندس پرامپت ممکن است از هوش مصنوعی توضیحی درباره دلیل پیشنهاد بخواهد.

منبع: promptengineering.org