۳. مهندسی پرامپت — چگونه درست از هوش مصنوعی بخواهیم
چرا این مهم است؟
دو نفر از یک مدل زبانی بزرگ (LLM) یکسان استفاده میکنند. یکی نتیجهای میگیرد که در همان لحظه قابل استفاده است. دیگری باید پنج بار دوباره بخواهد.
تفاوت در مدل نیست. تفاوت در نحوهی پرسیدن است؛ و هنر درست پرسیدن همان مهندسی پرامپت (Prompt engineering) است.
مفهوم اصلی
مدل زبانی حدس نمیزند چه میخواهی — او دقیقاً به آنچه گفتهای پاسخ میدهد. اگر درخواستت مبهم باشد، پاسخ هم مبهم میشود.
سه اصل ساده: نقش بده، محدودیت بده، مثال بده.
- نقش: به مدل بگو از چه زاویهای فکر کند.
- محدودیت: طول، فرمت و محل پاسخ را مشخص کن.
- مثال: اگر ممکن است، یک نمونه از خروجی مطلوب نشان بده.
مثال واقعی
یک مدیر IT میخواست خلاصهای از یک گزارش ۲۵ صفحهای امنیتی بگیرد.
درخواست اول (ضعیف):
نتیجه: یک خلاصهی دو صفحهای که همهچیز را بهطور کلی گفته بود — نه بهتر از خواندن فهرست مطالب.
درخواست دوم (بازنویسیشده):
نتیجه: خروجی دقیقاً قابل ارسال به مدیرعامل بود — بدون ویرایش اضافه.
گامبهگام
الگوی آماده — برای استفادهی فوری در کارت:
- نقش: تو یک [نقش تخصصی] هستی.
- وظیفه: [کاری که باید انجام شود].
- ورودی: [متن یا داده].
- خروجی: [فرمت دقیق — مثلاً فهرست سه موردی، جدول، پاراگراف کوتاه].
- محدودیت: [طول، محل، چیزهایی که نباید باشد].
هشدار مهم: مدلهای زبانی گاهی با اطمینان کامل چیزی نادرست میگویند. هرگز خروجی حساس یا مهم — اعداد مالی، تصمیمات حقوقی، دادههای فنی دقیق — را بدون بررسی انسانی استفاده نکن.
چالش کوچک
یک درخواست ضعیف که قبلاً به یک مدل زبانی دادهای را پیدا کن، یا همین الان امتحان کن. با الگوی بالا آن را بازنویسی کن و دو خروجی را مقایسه کن. تفاوت را یادداشت کن.