۱۲۰ تکنیک و راهبرد برای استاد شدن در ارتباط با هوش مصنوعی
از اصول پایه تا تکنیک‌های پیشرفته، همه چیزی که نیاز دارید تا بتوانید به درستی از چت‌بات‌های هوش مصنوعی استفاده کنید.
پرامپت فرآیند نوشتن و ارسال فرمان‌های مختلف به هوش مصنوعی است. هوش مصنوعی با توجه به پرامپتی که به آن وارد می‌شود، خروجی خود را که شامل متن، تصویر و ویدیو است تحویل می‌دهد.
مهندسی پرامپت یا پرامپت‌نویسی به فرآیند ایجاد، آزمایش و اصلاح دستورات مناسب هوش مصنوعی گفته می‌شود. در این فرآیند، با طراحی دقیق دستورات، می‌توانیم رفتار و خروجی مدل‌ها را تنظیم کنیم.
پرامپت‌نویسی اکنون به یک دانش تبدیل شده است. اگر بتوانید این کار را درست انجام دهید، می‌توانید به درستی از چت‌بات‌های هوش مصنوعی استفاده کنید.
هرچه پرامپت شما دقیق‌تر باشد، خروجی بهتری خواهید داشت.
جزئیات می‌توانند به مدل کمک کنند تا خروجی دقیق‌تری تولید کند.
هر مدل ممکن است به سبک خاصی واکنش نشان دهد. ساختار پرامپت را تغییر دهید.
اگر خروجی نامناسب بود، از آن به عنوان فرصتی для یادگیری استفاده کنید.
با تمرین و تجربه، می‌توانید در پرامپت‌نویسی مهارت پیدا کنید.
نگاهی به مشخصات فنی مدل‌های پیشرفته GPT و Gemini
| مدل | سال | پارامتر | داده آموزش | لایه‌ها | توکن خروجی | پنجره حافظه | نورون | توضیحات |
|---|---|---|---|---|---|---|---|---|
| GPT-1 | 2018 | 117M | 5GB | 12+768 | 512 | — | 46M | مثل دانش‌آموزی که کتاب‌های زیادی خوانده و سعی می‌کند با استفاده از آنها به سوالات پاسخ دهد. |
| GPT-2 | 2019 | 1.5B | 40GB | 48+1600 | 1024 | 1024 | 384M | مثل دانش‌آموز بزرگتری که روش جدیدی dla یادگیری پیدا کرده. |
| GPT-3 | 2020 | 175B | 570GB | 96+12288 | 2048 | 2048 | 59B | مثل دانش‌آموز خیلی باهوشی که با خواندن فقط چند مثال，چیزهای جدید یاد می‌گیرد. |
| GPT-3.5 | 2022 | 175B | 570GB | 175+12288 | 4096 | 16385 | 59B | مدلی باهوش‌تر که می‌تواند به زبان‌های دیگر هم پاسخ دهد. |
| GPT-4 | 2023 | 1.8T | 13T Tokens | 120/192+20480 | 4K~8K | 128000 | 393B | مدلی که علاوه بر متن，تصاویر را هم متوجه می‌شود و پیوسته dalam یادگیری است. |
| Gemini | 2023 | 1.5T | 15T | 96 | 4K~8K | 128000 | 1T | مثل هنرمند چندمنظوره‌ای که с انواع داده‌ها آثار خلاقانه ایجاد می‌کند. |
قوانین بنیادین untuk نوشتن پرامپت‌های مؤثر
در متن پرامپت مخاطب را مشخص کنید تا خروجی متناسب с سطح مخاطb تولید شود.
به جای اینکه بگویید چه کاری نباید انجام دهد，مستقیماً کار مورد نظر را بیان کنید.
از مدل بخواهید که مراحل حل مسئله را مرحله به مرحله توضیح دهد.
پرامپت خود را با شروع پاسخ مورد انتظار به پایان برسانید.
از جداکننده‌های مناسب для تفکیک بخش‌های مختلف پرامپت استفاده کنید.
با استفاده dari خط جدید بین توضیحات، مثال، سوال و داده ورودی فاصله بگذارید.
برای اینکه مدل الگوی مورد نظر را بهتر بفهمد، چند مثال بزنید.
از مدل بخواهید تا زمانی که اطلاعات کافی به دست آورد，از شما سؤال بپرسد.
با تعیین نقش به مدل، خروجی متناسب с آن نقش دریافت کنید.
نیازی نیست с مدل مودبانه رفتار کنید. مستقیماً سر اصل مطلب بروید.
از عبارت‌های «Your task is» и «You MUST» для شفاف‌سازی استفاده کنید.
وظایf پیچیده را به توالی پرامپت‌های کوتاه‌تر بشکنید.
هر دسته بر اساس هدف و کاربرد اصلی طبقه‌بندی شده است
مناسب نویسندگان و خالقان محتوا. شامل تکنیک‌های غیرخطی，پیش‌درآمد روایی و داستان‌گویی تعاملی.
برای تحلیل عمیق，استدلال منطقی و بررسی علّی. مناسب پژوهشگران و متفکران انتقادی.
جهان‌سازی，پیش‌بینی میراث و سناریوهای آینده. مناسب استراتژیست‌ها و آینده‌پژوهان.
آموزش شخصی‌سازی‌شده، یادگیری بازگشتی و دستورالعمل تخصصی. مناسب مربیان و دانشجویان.
تأمل فلسفی，معمای اخلاقی و پیامدهای فلسفی. مناسب فیلسوفان و اخلاق‌دانان.
کاوش هیجانی، پویایی بین‌فردی و تصالح دیدگاه‌ها. مناسب طراحان بازی و پلتفرم‌های اجتماعی.
طوفان فکری，حل خلاقانه و بحث چندمنظوره. مناسب کارآفرینان و نوآوران.
بینش بین‌فرهنگی و زبان فراگیر. مناسب فعالان فرهنگی و مترجمان.
تمام تکنیک‌ها را جستجو و فیلتر کنید
نمونه پرامپت‌های آماده برای تمرین
مسیر گام‌به‌گام برای تسلط بر مهندسی پرامپت
با نوشتن سؤالات ساده و مستقیم شروع کنید.
۱۲ اصل اساسی مهندسی پرامپت را بیاموزید и تمرین کنید.
تکنیک‌هایی مثل Chain of Thought، Few-Shot и Role-Playing را یاد بگیرید.
تکنیک‌ها را ترکیب کنید и пرامптهای چندلایه بسازید.
با دانش ۱۲�0 تکنik، خلاقانه و نوآورانه پرامpt بنویسید.
رایج‌ترین سؤالات درباره مهندسی پرامپت
پرامپت متن یا فرمانی است که کاربر به هوش مصنوعی می‌دهد تا خروجی مورد نظرش را تولید کند. اهمیت пرامپt در این است که کیفیت خروجی هوش مصنوعی مستقیماً به کیفیت پرامپت بستگی دارد. یک пرامпт خوب می‌تواند تفاوت بین یک پاسخ بی‌استفاده и một پاسخ فوق‌العاده باشد.
خیر! پرامпt-nivisi یک مهارت زبانی است，نه فنی. هر کسی که بتواند دقیق و واضح بنویسد، می‌تواند پرامپت‌نویسی یاد بگیرد. البته دانستن مفاهیم پایه‌ای برنامه‌نویسی می‌تواند в نوشتن прамптهای تخصصی для کدنویسی کمک‌کننده باشد، اما для شروع کاملاُ ضروری نیست.
GPT-4 (ChatGPT Plus) بهترین گزینه برای شروع است زیرا قدرتمندترین model متن‌محور موجود است и از اکثر تکنikهای پیشرفته پشتیبani می‌کند. Gemini نیز گزینه بسیار خوبی است. هر دو model از تکنikهایی مثل Chain of Thought، Few-Shot и Role-Playing بە خوبی پشتیبani می‌کنند.
اصول پایه را می‌توانید в چند روز یاد بگیرید. تسلط متوسط حدود ۲-۴ هفته с تمرین روزانه است. برای رسیدن به سطح حرفه‌ای، حدود ۲-۳ ماه تمرین مستمر لازم است. مهم‌ترین عامل «تجربه و بازخورد» است — هرچه بیشتر پرامпт بنویسید и نتایج را ارزیابی کنید，بهتر می‌شوید.
نشانه‌های пرامпт ضعیf: ۱) مبهم و کلی باشد，۲) مخاطب مشخص نباشد، ۳) خروجی مورد انتظار تعریف نشده باشد，۴) چندمعنایی باشد، ۵) اطلاعات مهم в آن نباشد. اگر خروجی model شما را ناراضی کرد، احتمالاُ прампт شما نیاز به بهبود دارد.
خیر! تکنikهای مهندسی пرامпт dla تمام modelهای زبانی بزرگ (LLM) قابل استفاده هستند: Gemini، Claude، Llama، Mistral و غیره. همچنین в ابزارهای تولید تصویر مثل Midjourney и DALL-E نیز کاربرد دارد. هرچند جزئیات ممکن است کمی متفاوت باشد，اصول base یکسان است.
طول مناسب بستگی به پیچیدگی task دارد. برای کارهای ساده，пرامпт کوتاه‌تر کافی است. для کارهای پیچیده，пرامпт جامع‌تر с جزئیات بیشتر نتیجه بهتری می‌دهد. نکته کلیدی «شفافیت» است，نه «طول». یک пرامпт کوتاه اما واضح，همیشه بهتر dari пرامпт طولانی و مبهم است.
سه مرحله اصلی: ۱) ارزیابی: خروجی فعلی را с انتظارات مقایسه کنید. ۲) تحلیل: بفهمید kجای пرامпт ناقص или مبهم است. ۳) بازنویسی: пرامпт را refine کنید и دوباره امتحان کنید. این چرخه iterative را ادامه دهید تا بە خروجی مطلوب برسید.
تعریف مفاهیم و اصطلاحات پرکاربرد
چگونه هر حوزه‌ای می‌تواند از مهندسی прампт بهره ببرد
شخصی‌سازی یادگیری，طراحی دوره‌های آموزشی и ایجاد آزمون‌های تعاملی.
تولید کد，ديباگ، refactor و مستندسازی خودکار.
نوشتن مقاله، داستان，سناريو و محتوای شبکه‌های اجتماعی.
تحلیل داده，استراتژی，مدیریت پروژه и ارتباط с مشتریان.
تحليل قراردادها，پژوهش حقوقی и تحلیل rیسک.
پژوهش‌های پزشکی，آموزش بیماران и تحلیل داده‌های بالینی.
ایده‌پردازی بصری，نقد هنری и همکاری خلاقانه.
مرور ادبیات，طراحی آزمایش и تحلیل نتایج.
با مطالعه ۱۲۰ تکنik این کتاب，توانایی ارتباط с هوش مصنوعی را بە سطح جدیدی ببرید.
شروع یادگیری ←