از دستورات ساده به هدایت گامبهگام
شما با اصول اولیه پرامپتنویسی آشنا هستید. اکنون زمان آن است که یاد بگیرید چگونه هوش مصنوعی را برای حل مسائل پیچیده، تحلیلهای چندلایه و تصمیمگیریهای استراتژیک هدایت کنید.
۱. راز زنجیره افکار (Chain of Thought)
این بخش هسته اصلی استدلال در هوش مصنوعی را با یک مثال ملموس توضیح میدهد.
تصور کنید از یک حسابدار میخواهید مالیات یک شرکت بزرگ را حساب کند و فقط عدد نهایی را به شما بگوید. احتمال خطا در محاسبه ذهنی بسیار بالاست.
اما اگر از او بخواهید "چرکنویس محاسباتش" را بنویسد؛ یعنی اول درآمدها را لیست کند، بعد کسورات را کم کند و در نهایت مالیات را حساب کند، درصد خطا به شدت کاهش مییابد.
تکنیک زنجیره افکار (CoT) دقیقا همین است:
به جای درخواست پاسخ نهایی، در پرامپت خود بنویسید: «لطفاً گام به گام فکر کن و مراحل رسیدن به جواب را توضیح بده.»
۲. اتاق فرمان: درک شهودی پارامترها
نحوه تفکر هوش مصنوعی را با تنظیم دقیق پارامترهای اصلی کنترل کنید. نوار لغزنده را جابجا کنید تا تغییرات را در نمودار ببینید.
در دمای صفر، هوش مصنوعی محتملترین و منطقیترین کلمات را انتخاب میکند. پاسخی دقیق، تکرارپذیر اما بدون خلاقیت.
اگر Temperature میزان "دیوانگی" باشد، Top-P تعیین میکند که هوش مصنوعی از بین چند کلمه برتر مجاز به انتخاب است. مقادیر پایین یعنی فقط کلمات کاملا مرتبط، مقادیر بالا یعنی اجازه ورود کلمات خاص و غیرمنتظره.
احتمال انتخاب کلمه بعدی توسط هوش مصنوعی
۳. چارچوبهای عملیاتی گامبهگام
متدولوژیهای ساختاریافته برای اجرای وظایف پیچیده شغلی و روزمره.
متدولوژی تحلیل عمیق (Deep Data Analysis)
به جای ارسال یک متن طولانی و درخواست "تحلیل کن"، از این ساختار ۳ مرحلهای در پرامپت خود استفاده کنید:
استخراج متغیرها
دستور: "ابتدا تمام اعداد، تاریخها و بازیگران کلیدی متن زیر را استخراج کن و در یک جدول لیست کن."
یافتن الگوها
دستور: "با توجه به جدول مرحله قبل، بررسی کن چه روندی (صعودی/نزولی) در دادهها دیده میشود و دلایل احتمالی آن را لیست کن."
نتیجهگیری
دستور: "بر اساس تحلیل مراحل ۱ و ۲، سه پیشنهاد اجرایی کوتاه و مشخص ارائه بده."
۴. سناریوهای عینی: قبل و بعد
تفاوت خروجی یک پرامپت معمولی با یک پرامپت مبتنی بر زنجیره افکار (CoT) در محیط واقعی.
💼 مسئله منطقی: برنامهریزی سفر
"برای یک سفر ۳ روزه به شمال با بودجه ۵ میلیون تومان یک برنامه بنویس."
نتیجه احتمالی:
یک لیست کلیشهای شامل "روز اول: رفتن به دریا، روز دوم: جنگل". بدون محاسبه دقیق هزینهها. ممکن است در میانه سفر بودجه تمام شود زیرا استدلال مالی انجام نشده است.
"من میخواهم به شمال سفر کنم. بودجه: ۵ میلیون، مدت: ۳ روز.
لطفاً گام به گام فکر کن:
۱. هزینههای ثابت (رفت و آمد، اقامت حدودی) را تخمین بزن.
۲. بودجه باقیمانده را محاسبه و برای غذا و تفریح روزانه تقسیم کن.
۳. بر اساس بودجه روزانه به دست آمده، یک برنامه سفر منطقی پیشنهاد بده."
نتیجه:
هوش مصنوعی ابتدا ریاضی مسئله را حل میکند و متوجه میشود بودجه روزانه محدود است، بنابراین تفریحات ارزانقیمت و گزینههای غذایی اقتصادیتر را در برنامه قرار میدهد.
🖥 ارزیابی دادهها: خرید تجهیزات
"با توجه به این مشخصات، لپتاپ مکبوک بهتر است یا سرفیس برای من که برنامهنویس هستم؟"
نتیجه احتمالی:
ارائه یک مقایسه کلی از اینترنت، تمرکز بر روی ویژگیهای عمومی مانند طراحی یا وزن، و یک نتیجهگیری مبهم که "بستگی به سلیقه دارد".
"مشخصات دو لپتاپ ضمیمه شده است. شغل من برنامهنویسی وب است.
لطفاً مرحله به مرحله پیش برو:
۱. ابتدا ۳ نیاز سختافزاری حیاتی یک برنامهنویس وب را لیست کن.
۲. به صورت مجزا بررسی کن هر لپتاپ چگونه این ۳ نیاز را پوشش میدهد.
۳. در نهایت با ذکر دلیل قاطع، گزینه برتر را معرفی کن."
نتیجه:
تعیین معیارها در گام اول باعث میشود مقایسه گام دوم کاملا هدفمند شود (مثلاً تمرکز روی RAM و محیط سیستمعامل به جای کیفیت اسپیکر) و پاسخ نهایی مستدل باشد.
🔧 عیبیابی: مشکل فنی
"اینترنت وایفای خانگی من ناگهان خیلی کند شده، چکار کنم؟"
نتیجه احتمالی:
یک لیست بلند و آشفته از ۱۰ راه حل مختلف؛ از ریاستارت کردن مودم تا تغییر DNS و تماس با مخابرات، بدون ترتیب منطقی.
"اینترنت وایفای من کند شده. مثل یک تکنسین ارشد شبکه فکر کن.
فرآیند عیبیابی را به ترتیب از سادهترین به پیچیدهترین گامبهگام بنویس:
۱. بررسیهای سریع سختافزاری (کابل و مودم).
۲. تستهای نرمافزاری دستگاه من.
۳. بررسی تنظیمات مودم.
در هر گام دقیقا بگو باید دنبال چه نشانهای باشم."
نتیجه:
ایجاد یک فلوچارت ذهنی منطقی برای کاربر. کاربر گیج نمیشود و قدم به قدم مشکل را ایزوله میکند تا به راه حل برسد.