برای استفاده بهتر از هوش مصنوعی و دریافت پاسخ‌های دقیق‌تر از آن، لازم است درخواست‌ها یا همان پرامپت‌های خود را به‌شکلی بهتر و غنی‌تر به این سیستم‌ها ارائه دهیم. اینجاست که موضوع «دکوریتورها» (Decorators) یا شکل‌دهنده‌های پرامپت مطرح می‌شود. دکوریتورها در واقع، نقش افزونه‌هایی را بر عهده دارند که اطلاعات و جزئیات بیشتری را به پرامپت ما اضافه می‌کنند. بنابراین، با استفاده از چنین رویکرد ساده‌ای می‌توانیم پاسخ‌های بهتری را از هوش مصنوعی دریافت کنیم. در این مطلب از مجله فرادرس قصد داریم تا در مورد دکوریتورهای پرامپت صحبت کنیم و جنبه‌های گوناگون آن از اهمیت به‌کارگیری تا مزایا و نحوه استفاده از این نوع دکوریتورها را به زبان ساده و به‌طور کامل شرح دهیم.

پرامپت دکوریتورها، دستوراتی هستند که می‌توانیم آن‌ها را به پرامپت یا همان درخواست خود اضافه کنیم و از این طریق، به هوش مصنوعی بگوییم که پاسخ‌ها و خروجی را به چه صورتی تولید کند.

بهبود عملکرد هوش مصنوعی با پرامپت های ساختارمند

فناوری هوش مصنوعی، ابزارهای بسیار قدرتمندی را در اختیار ما قرار داده است. با این وجود، برای دریافت پاسخ‌های دقیق و مناسب از آن‌ها می‌بایست پرامپت‌ها و درخواست‌های خود را به شکلی صحیح و ساختارمند بیان کنیم. یعنی، کیفیت پاسخ‌های تولید شده توسط این ابزارها تا حد زیادی به نحوه تعامل ما با آن‌ها بستگی دارد.

مشکلی که بیشتر کاربران از جمله خود شما ممکن است با آن رو به رو شوید، دریافت پاسخ‌های مبهم و خروجی‌هایی است که انسجام مناسبی ندارند. حتی ممکن است ساختار پرامپت خود را برای رفع چنین مسائلی به‌دفعات تغییر داده باشید.

اکنون، پرسش این است که آیا راهی ساده و بدون دردسر وجود دارد که به کمک آن پاسخ‌های مناسب و دقیقی را از هوش مصنوعی دریافت کنیم؟ پاسخ، مثبت است. پرامپت دکوریتور یا «شکل‌دهنده‌های پرامپت» (Prompt Decorators) می‌توانند در این زمینه بسیار مفید باشند.

شکل‌دهنده‌های پرامپت به‌عنوان راه‌حلی ساده و مؤثر برای این چالش، به ما کمک می‌کنند تا با تعریف و استفاده از پیشوند‌های هدفمند درون پرامپت‌ها، پاسخ‌های بهتری را از هوش مصنوعی دریافت کنیم. استفاده از این پیشوند‌ها که هر یک بیان‌گر دستورات مشخصی هستند، پاسخ‌هایی منسجم، واضح و منطقی را برایمان به دنبال خواهند داشت.

این راهکار، امکان استفاده بهتر از توانمندی‌ها و ظرفیت‌های هوش مصنوعی را برای افراد گوناگون، از پژوهشگران و برنامه‌نویسان گرفته تا متخصصان بازاریابی و کاربران عادی فراهم می‌کند تا با صرفه‌جویی در زمان خود و به‌دور از دل‌سردی، از ابزارهای این حوزه به‌شکلی مؤثر بهره‌مند شوند.

اکنون که با تعریف شکل‌دهنده‌های پرامپت آشنا شدید، می‌خواهیم طرز کار و اهمیت این روش را نیز برایتان شرح دهیم.

چالش مرتبط با ارائه پرامپت به هوش مصنوعی

مدل‌های هوش مصنوعی، مزیت‌های متعددی از امکان تولید خودکار محتوا گرفته تا کمک به انجام پژوهش‌ها و حل مسائل گوناگون را در اختیار کاربران خود قرار می‌دهند. به بیان دیگر، می‌توان گفت که این سیستم‌ها نحوه بهره‌مندی کاربران از فناوری را دستخوش تغییرات فراوانی کرده‌اند. اما اینکه خروجی AI تا چه اندازه مناسب و مفید باشد تا حد زیادی به نحوه ساختاردهی پرامپت‌های ورودی و هدفمند بودن آن‌ها بستگی دارد.

در ادامه، برخی از چالش‌های رایج کاربران به هنگام استفاده و تعامل با هوش مصنوعی را بیان کرده‌ایم.

• دریافت پاسخ‌های مبهم و غیرقابل پیش‌بینی با ارائه پرامپت‌های مبهم: مدل‌های هوش مصنوعی، بر خلاف انسان‌ها درک عمیقی از موضوع ندارند و پاسخ‌های خود را بر مبنای الگوهای آماری تولید می‌کنند. به‌همین دلیل، در صورتی‌که درخواست شما مانند پرامپت «یادگیری ماشین را توضیح بده» دارای ابهام باشد، ممکن است پاسخ‌های متنوعی، از یک تعریف ساده و مبتدی گرفته تا یک بحث پیشرفته و تخصصی در این مورد را دریافت کنید.
• ارائه پرامپت‌هایی بیش از اندازه دقیق: برخی از کاربران برای مقابله با عدم قطعیت و غیرقابل‌پیش‌بینی بودن پاسخ‌های هوش مصنوعی، پرامپت‌های خود را با جزئیاتی بسیار زیاد و بیش از اندازه دقیق می‌نویسند که این مورد ممکن است گاهی اوقات نتیجه دلخواه را ندهد و پاسخ‌ها از یکپارچکی کافی برخوردار نباشند.
• دشواری و پیچیدگی ایجاد پرامپت مناسب: مهندسی پرامپت و ایجاد پرامپت‌های مناسب مستلزم داشتن تجربه کافی در این زمینه است. به‌طوری که تغییرات کوچک در نحوه بیان و چینش واژه‌ها می‌تواند تا حد زیادی روی پاسخ‌های هوش مصنوعی تأثیر بگذارد. به همین دلیل، عدم وجود روشی استاندارد و مشخص در این زمینه، باعث می‌شود تا کاربران برای دستیابی به پاسخ‌های مطلوب زحمت زیادی را متحمل شوند.

در همین راستا و برای حل چنین چالش‌هایی، روشی بسیار ساده اما در عین حال قدرتمند به نام دکوریتور‌های پرامپت را به شما معرفی می‌کنیم. در این روش از پیشوند‌های هدفمندی استفاده می‌شود که به‌شیوه‌ای قاعده‌مند پاسخ‌های هوش مصنوعی را بهبود می‌دهند.

آشنایی با شکل دهنده های پرامپت

شکل‌دهنده پرامپت از دیزاین‌پترنی به نام دکوریتور در پایتون الهام گرفته شده است. در این مفهوم، کاربران می‌توانند پیشوند‌های ساده‌‌ای را در ابتدای پرامپت خود بیاورند و از این راه، رفتار هوش مصنوعی در پاسخ‌دهی را تغییر و بهبود دهند. در واقع، با استفاده از روشی قاعد‌ه‌مند که از طریق این دکوریتورها فراهم می‌شود، کاربران می‌توانند بدون استفاده از دستورات طولانی، پاسخ‌های هوش مصنوعی را به‌‌طور مناسبی شکل دهند.

دکوریتور در پایتون

دکوریتور، الگوی طراحی یا دیزاین‌پترنی در زبان‌های برنامه‌نویسی از جمله پایتون محسوب می‌شود که می‌تواند رفتار توابع، کلاس‌ها یا متدها را به شیوه‌ای منظم و ساختارمند تغییر داده و قابلیت‌های جدیدی را به آن اضافه کند.

برای درک بهتر، کدهای زیر را در نظر بگیرید.

در این کدها، دکوریتوری به‌نام @timer_decorator داریم که عملکرد تابع example_function() را به نحوی تغییر و گسترش می‌دهد تا زمان اجرای خود را نیز محاسبه کند. دکوریتورهای پرامپت با ایده گرفتن از این مفهوم برنامه‌نویسی، پاسخ‌های هوش مصنوعی را به‌شیوه‌ای ساختارمند و تکرارپذیر اصلاح می‌کنند.

در یکی از مطالب پیشین از مجله فرادرس مفهوم دکوریتورها در پایتون را به زبان ساده توضیح داده‌ایم که مطالعه آن می‌تواند برایتان مفید باشد.

دلیل استفاده از +++ به جای @

همان‌طور که در نمونه کد بالا نیز مشاهده کردید، در پایتون از نماد @ برای اِعمال دکوریتور روی کلاس‌ها و توابع استفاده می‌شود. اما با توجه به اینکه این علامت کاربردهای دیگری مانند تگ‌کردن افراد در ابزارها، پلتفرم‌های آنلاین و غیره را نیز دارد، استفاده از آن در پرامپت‌‌ها مناسب نیست و ممکن است تداخل‌هایی را به دنبال داشته باشد. برای پیشگیری از بروز چنین مسائلی، نماد +++ را برای دکوریتورهای پرامپت انتخاب کرده‌ایم.

نحوه استفاده از پرامپت دکوریتورهای این مطلب در انواع هوش مصنوعی مانند ChatGPT

پیش از اینکه به سراغ مثال‌ها و نحوه استفاده از پرامپت‌دکوریتورهای این مطلب در هوش مصنوعی مانند چت جی‌پی‌تی برویم، لازم است توضیحات زیر را در چت خود وارد کنید. با این کار، حافظه چت جی پی تی آپدیت می‌شود و در سایر چت‌ها نیز کاربرد خواهد داشت.

تصویر زیر، وارد کردن اعلان پرامپت‌دکوریتورها در چت جی‌پی‌تی را نشان می‌دهد.

پس از پردازش این اعلان توسط ChatGPT، ظاهر شدن پیام «Memory updated»، به شما اطمینان می‌دهد که از این لحظه به بعد می‌توانید در چت‌های خود به شکل‌دهنده‌های پرامپت دسترسی داشته باشید و از آن‌ها استفاده کنید.

بدین‌ترتیب، به حافظه ChatGPT دسترسی خواهید داشت. تصویر زیر، آپدیت شدن حافظه هوش مصنوعی را نشان می‌دهد.

مثال استفاده از شکل دهنده های پرامپت

در این قسمت، ابتدا یک پرامپت معمولی و بدون استفاده از پرامپت‌دکوریتور را به هوش مصنوعی می‌دهیم. سپس، این درخواست را به‌همراه پرامپت‌دکوریتور +++Reasoning امتحان می‌کنیم.

فرض کنید می‌خواهیم نام مناسبی را برای کانال یوتیوب خود به کمک هوش مصنوعی «ChatGPT» انتخاب کنیم. این کانال قرار است در حوزه محتوای ویدیویی یادگیری ماشین و هوش مصنوعی فعالیت داشته باشد. برای این منظور یک پرامپت مناسب به شکل زیر می‌نویسیم.

پرامپت: «لطفاٌ نام مناسبی برای کانال یوتیوب مرتبط با آموزش ویدیویی هوش مصنوعی و یادگیری ماشین پیشنهاد بده.»

با ارائه این پرامپت، مدل هوش مصنوعی پاسخی را برای آن تولید می‌کند و احتمالاٌ از تفکری که پشت این پاسخ قرار دارد چیزی نمی‌گوید. به‌طور مثال، پاسخ هوش مصنوعی به این پرامپت به شکل زیر بوده است.

همان‌طور که در تصویر مشاهده می‌کنید، مدل AI، فهرستی از عناوین و نام‌های پیشنهادی برای کانال یوتیوب را به‌عنوان خروجی برایمان تولید کرده است و توضیحی در مورد فرایند فکری صورت گرفته برای تولید این پاسخ و دلایلی که انتخاب این عناوین بر مبنای آن صورت گرفته است، در اختیارمان قرار نمی‌دهد.

اکنون می‌خواهیم درخواست خود را با یک پرامپت‌دکوریتور به‌طور مجدد اجرا کنیم. بنابراین در ابتدای پرامپت خود عنوان یکی از پرامپت‌دکوریتورهای کاربردی همچون‎+++Reasoningرا اضافه می‌کنیم.

همان‌طور که در تصویر بالا نیز مشاهده می‌کنید، با افزودن پرامپت‌دکوریتور +++Reasoning به ابتدای درخواست خود، AI ابتدا نحوه فکر کردن خود برای رسیدن به پاسخ را بیان می‌کند. در اینجا، معیارهایی همچون شفافیت و وضوح، جذابیت، سادگی و غیره را مدنظر قرار داده است. سپس، همان‌طور که در تصویر زیر نیز مشاهده می‌کنید، عناوین پیشنهادی را براساس معیارهای اشاره شده تولید و به ما نشان می‌دهد.

پرامپت‌دکوریتور ‎+++Reasoning‎‎ مزیت‌های زیر را دارد.

• «استدلال» (Reasoning) به کاربر امکان می‌‌دهد تا از دلیل و منطق پشت هر پاسخ هوش مصنوعی مطلع شود که این کار به شفافیت بیشتر و مفید بودن پاسخ‌ها کمک می‌کند.
• با استفاده از این پرامپت‌دکوریتور، مدل هوش مصنوعی را به فکر کردن وا می‌داریم تا از مراحل منطقی که خودش توضیح می‌دهد پیروی کند. به بیان دیگر، هوش مصنوعی در این روش پیش از پاسخ‌گویی فکر می‌کند. با این کار کیفیت خروجی‌ها و پاسخ‌ها بیشتر می‌شود.

پرامپت‌دکوریتور +++Reasoning باعث می‌شود تا پاسخ‌های یکپارچه، منطقی و سنجیده‌تری داشته باشیم.

انواع شکل دهنده های پرامپت و مزایای هر کدام

همان‌طور که در مثال قبل بیان شد، پرامپت‌دکوریتورها مؤلفه‌هایی هستند که به کمک آن‌ها می‌توان پاسخ‌های هوش مصنوعی را به‌شکلی ساختارمند، منسجم‌، منطقی و مفیدتر تولید کرد. در واقع با استفاده از پرامپت‌دکوریتورها می‌توانیم روی روند پردازش و ارائه اطلاعات توسط AI نظارت داشته باشیم و پاسخ‌های بهتری را دریافت کنیم.

پرامپت‌دکوریتورها انواع گوناگونی دارند که اسامی و کاربرد برخی از مهم‌ترین آن‌ها را در فهرست زیر معرفی کرده‌ایم.

• «استدلال» (Reasoning‌): شروع پاسخ با ارائه توضیحاتی در مورد دلایل و منطق پشت آن
• «گام به گام» (Step-By-Step): تجزیه وظایف پیچیده به مراحلی مشخص
• «سقراطی» (Socratic): شروع پاسخ با طرح برخی پرسش‌ها به روش سقراطی
• «مناظره» (Debate): ارائه پاسخ با تولید و بررسی دیدگاه‌های مختلف
• «نقد» (Critique): بررسی مزایا و معایب موضوع مورد بحث و ارائه راهکاری برای بهبود
• «بهبود» (Refinement): اصلاح و بهبود پاسخ در طول تکرارهای متعدد
• «ارجاع» (Citation): ارائه منابع مورد استفاده در تولید پاسخ
• «بررسی صحت» (Fact-Checking): راستی‌آزمایی پاسخ
• «تنظیم ساختار خروجی» (Output Formatting): ساختاربندی و ارائه پاسخ در قالب مشخص
• «تنظیم لحن» (Tone Control): تعیین سبک و لحن پاسخ

در ادامه، هر یک از این پرامپت‌دکوریتورها را به‌طور دقیق‌تر مورد بررسی قرار داده‌ایم.

پرامپت دکوریتور Reasoning‌

هنگامی‌که از این نوع پرامپت‌دکوریتور استفاده می‌کنید، مدل هوش مصنوعی پیش از جواب دادن، دلیل و توضیحات منطقی پشت آن را نیز به شما می‌گوید. یعنی، ابتدا عوامل مؤثر و مورد استفاده در نتیجه‌گیری را مشخص می‌کند و سپس پاسخ نهایی را ارائه می‌دهد.

مثال پرامپت دکوریتور Reasoning

در ادامه، مثالی از به‌کارگیری پرامپت‌دکوریتور +++Reasoning در ChatGPT را مشاهده می‌کنید.

توجه داشته باشید که پرامپت‌دکوریتور‌ها به‌صورت یک پیشوند در ابتدای درخواست می‌آیند.

مزایای پرامپت دکوریتور Reasoning

اینکه استفاده از پرامپت‌دکوریتور +++Reasoning چه مزایایی دارد را در ادامه فهرست کرده‌ایم.

• منطق و دلایلی که پاسخ‌ها بر مبنای آن تولید شده‌اند را به اطلاع کاربر می‌رساند.
• پاسخ‌هایی سنجیده‌تر و توجیه‌پذیرتر را برای کاربران تولید می‌کند.
• با استفاده از این پرامپت دکوریتور، به‌نوعی فرایند استدلال را برای مدل هوش مصنوعی شبیه‌سازی کرده‌ایم. به شکلی که گویا مدل هوش مصنوعی پیش از پاسخ دادن در مورد موضوع فکر کرده است.

پرامپت دکوریتور Step-By-Step

در صورتی‌که بخواهید هوش مصنوعی کار یا فرایند پیچیده‌ای را در قالب مراحلی ساده و پشت سر هم بیان کند، می‌توانید از پرامپت‌دکوریتور +++StepByStep استفاده کنید. به‌طور کلی، استفاده از این دکوریتور برای کارهایی که به اجرای روش‌مند و منظم نیاز دارند، می‌تواند مناسب و مفید باشد.

مثال پرامپت دکوریتور گام به گام

مثال زیر، استفاده از پرامپت‌دکوریتور +++StepByStep در ChatGPT را نشان می‌دهد.

البته این تصویر، تنها قسمتی از پاسخ ChatGPT به پرامپت ما را نشان می‌دهد.

مزایای پرامپت دکوریتور گام به گام

در ادامه، مزایای استفاده از پرامپت‌دکوریتور StepByStep را فهرست کرده‌ایم.

• با توجه به اینکه پاسخ را در گام‌هایی منظم و مرتب نشان می‌دهد، شفافیت موضوع مورد بحث را افزایش داده و درک آن را ساده‌تر می‌سازد.
• مفاهیم و توضیحات تخصصی را به‌شکلی بهتر بیان می‌کند تا دنبال کردن آن ساده‌تر باشد.
• با استفاده از این پرامپت‌دکوریتور مطمئن می‌شویم که تمامی گام‌های لازم و ضروری ارائه می‌شوند و چیزی از قلم نمی‌افتد.

پرامپت دکوریتور Debate

هنگامی‌که از دکوریتور +++Debate در پرامپت خود استفاده می‌کنیم، در واقع از هوش مصنوعی می‌خواهیم تا به‌جای ارائه پاسخی یک‌جانبه،‌ دیدگاه‌های گوناگون و مرتبط با موضوع مورد بحث و همچنین نقاط قوت و ضعف را نیز در نظر بگیرد.

مثال پرامپت دکوریتور Debate

در ادامه، مثالی از پرامپت‌دکوریتور +++Debate را آورده‌ایم.

البته پاسخ هوش مصنوعی به همین‌جا ختم نمی‌شود و در ادامه، سایر دیدگاه‌ها نیز بررسی می‌شوند.

مزایای پرامپت دکوریتور Debate

مزیت‌های این پرامپت‌دکوریتور را در ادامه فهرست کرده‌ایم.

• تفکر انتقادی: این ابزار دیدگاه‌های گوناگون درباره موضوع مورد نظر را بیان می‌کند، به‌همین دلیل، زمینه تفکر نقادانه را فراهم می‌کند.
• تصمیم‌گیری آگاهانه: دکوریتور Debate با در نظر گرفتن دیدگاه‌های مختلف، به کاربران کمک می‌کند تا با تکیه بر جنبه‌های گوناگون تصمیم‌های بهتری بگیرند.

پرامپت دکوریتور Critique

با استفاده از دکوریتور +++Critique به هوش مصنوعی می‌گوییم تا مزایا و معایب ایده اشاره شده و موضوع مورد بحث را ابتدا تحلیل کرده و سپس، پیشنهاداتی را برای بهتر شدن آن ارائه دهد. همین خصوصیت، پرامپت‌دکوریتور +++Critiqueرا به ابزاری مناسب برای ارزیابی محصولات، مفاهیم و غیره تبدیل می‌کند.

مثال پرامپت دکوریتور Critique

در ادامه، مثالی از این پرامپت‌دکوریتور را آورده‌ایم.

در این پاسخ، هوش مصنوعی ابتدا مزایا و پس از آن، نقاط ضعف آموزش آنلاین را بیان می‌کند. سپس، تحلیل و نقدی روی این موضوع صورت می ‌گیرد و در نهایت پیشنهادی برای بهبود آن ارائه می‌دهد.

مزایای پرامپت دکوریتور Critique

مزیت‌های این پرامپت‌دکوریتور را در ادامه فهرست کرده‌ایم.

• امکان ارزیابی همه‌جانبه و کامل را در اختیار کاربران قرار می‌دهد.
• این پرامپت‌دکوریتور با شناسایی فرصت‌های بهبود، به حل بهتر مشکل کمک می‌کند.

پرامپت دکوریتور Refinement

با استفاده از پرامپت‌دکوریتور +++Refine(iterations=N)‎ به هوش مصنوعی می‌گوییم که پاسخ خود را طی N مرحله که در iterations=N مشخص شده، بهبود بخشد. در واقع AI در هر تکرار متن را بازبینی کرده و سعی می‌کند که پاسخ تولید شده در مرحله قبل را اصلاح کند.

مثال پرامپت دکوریتور بهبود

در ادامه، مثالی از این پرامپت‌دکوریتور را آورده‌ایم.

مزایای پرامپت دکوریتور بهبود

مزیت‌های این پرامپت‌دکوریتور را در ادامه فهرست کرده‌ایم.

• به کمک +++Refine می‌توانید پاسخ‌های شسته و رفته و با کیفیت‌تری را از هوش مصنوعی دریافت کنید.
• در بهبود محتوای خلاقانه می‌تواند مفید باشد.

پرامپت دکوریتور Citation

در موارد گوناگونی همچون موضوعات پژوهشی، علمی و دانشگاهی یا به‌طور کلی هنگامی‌که معتبر بودن اطلاعات برایمان اهمیت دارد می‌توانیم از پرامپت دکوریتور +++CiteSources استفاده کنیم. با استفاده از این دکوریتور، منابع مورد استفاده در تولید پاسخ و اطلاعات ارائه شده نیز فراهم می‌شود.

مثال پرامپت دکوریتور Citation

در ادامه، مثالی از این پرامپت‌دکوریتور را آورده‌ایم.

نقاط قوت پرامپت دکوریتور Citation

استفاده از این شکل‌دهنده پرامپت، مزیت‌های زیر را برای کاربران به‌همراه دارد.

• استفاده از منابع قابل استناد برای تولید پاسخ باعث می‌شود تا اطلاعات ارائه شده اعتبار بیشتری داشته باشند.
• با توجه به فرایند تولید پاسخ در هنگام استفاده از این پرامپت‌دکوریتور، احتمال ارائه اطلاعات نادرست کاهش می‌یابد.

پرامپت دکوریتور Fact-Checking

گاهی اوقات نیازداریم تا پاسخ‌های هوش مصنوعی تا حد ممکن دقیق و صحیح باشند. در چنین مواقعی استفاده از پرامپت دکوریتور +++FactCheck می‌تواند بسیار مفید باشد. این دکوریتور پیش از تولید پاسخ‌ها، صحیح بودن اطلاعات مورد استفاده را بررسی می‌کند.

مثال پرامپت دکوریتور راستی آزمایی

در ادامه، مثالی از این پرامپت‌دکوریتور را آورده‌ایم.

مزایای پرامپت دکوریتور راستی آزمایی

از نقاط قوت این دکوریتور می‌توان به موارد زیر اشاره کرد.

• استفاده از این ابزار باعث می‌شود تا اطلاعات موثق و صحیح در اختیار کاربر قرار گیرد.
• با وجود دکوریتور +++FactCheckدیگر لازم نیست نگران اطلاعات اشتباه و گمراه‌کننده باشید.

پرامپت دکوریتور Output Formatting

در صورتی‌که بخواهید از نتایج هوش مصنوعی در حوزه‌هایی مانند تحلیل داده‌ها، برنامه‌نویسی و غیره استفاده کنید، یا اینکه قصد دریافت پاسخ‌ها در فرمت یا قالب خاصی را داشته باشد، پرامپت دکوریتور +++OutputFormat(format=FORMAT) می‌تواند برایتان سودمند باشد. با استفاده از این ابزار می‌توانید پاسخ را در فرمت‌هایی نظیر JSON ،XML ،Markdown یا حتی متن معمولی دریافت کنید. برای این منظور کافی‌ست فرمت مورد نظر را در قسمت format=FORMAT مشخص کنید.

مثال پرامپت دکوریتور قالب بندی خروجی

در ادامه، مثالی از این پرامپت‌دکوریتور را آورده‌ایم.

مزایای پرامپت دکوریتور قالب بندی خروجی

از مزیت‌های این پرامپت دکوریتور می‌توان به موارد زیر اشاره کرد.

• استفاده از این ابزار می‌تواند باعث صرفه‌جویی در زمان شما شود. به این دلیل که پاسخ‌ها را به‌طور‌مستقیم و خودکار در فرمت‌های مشخص شده تولید می‌کند.
• سازگاری با نیازهای فنی، مزیت دیگر استفاده از این شکل‌دهنده پرامپت محسوب می‌شود.

پرامپت دکوریتور Tone Control

در موارد متعددی مانند تولید محتوا، ارتباطات حرفه‌ای و رسمی یا سایر زمینه‌ها ممکن است به قابلیت تنظیم لحن خروجی‌های AI نیاز پیدا کنید. در چنین مواقعی استفاده از پرامپت دکوریتور +++Tone(style=STYLE) با امکان تنظیم لحن پاسخ‌ها به‌شکل رسمی، خودمانی، متقاعد کننده یا فنی می‌تواند برایتان مفید باشد.

مثال پرامپت دکوریتور تنظیم لحن

در ادامه، مثالی از این پرامپت‌دکوریتور را آورده‌ایم.

مزایای پرامپت دکوریتور تنظیم لحن

فهرست زیر برخی از مزیت‌های این پرامپت دکوریتور را نشان می‌دهد.

• به‌کمک این ابزار می‌توانید محتوای مناسب برای طیف گوناگونی از مخاطبان و موضوعات تولید کنید.
• دکوریتور تنظیم لحن می‌تواند به شما کمک کند تا در ارتباطات خود حرفه‌ای‌تر عمل کنید.

دلیل استفاده از پرامپت دکوریتور چیست؟

هر یک از شکل‌دهنده‌های پرامپت که در این مطلب به شما معرفی کردیم، وظیفه مشخصی را بر عهده دارند اما استفاده از آن‌ها در مجموع، می‌تواند مزایای زیادی از جمله موارد زیر را برایتان به‌همراه داشته باشد.

• تولید پاسخ‌های ساختارمند، واضح و روشن
• ارائه اطلاعات دقیق‌تر با راستی‌آزمایی و ارجاع به منابع معتبر
• پاسخ‌های سنجیده‌تر به‌دلیل تفکر قبل از تولید پاسخ
• تولید پاسخ‌های سفارشی‌ با تنظیم لحن، قالب‌بندی و میزان جزئیات

شما می‌توانید پرامپت‌دکوریتورهای معرفی شده را به پرسش‌ها و درخواست‌های خود اضافه کنید و از این طریق، به پاسخ‌هایی دقیق‌تر و مرتبط‌تر دست پیدا کنید.

نحوه تعریف شکل دهنده پرامپت

همان‌طور که گفتیم شکل‌دهنده پرامپت،‌ دستوری است که با اضافه شدن به درخواست ما از هوش مصنوعی می‌تواند نحوه تولید پاسخ توسط این مدل‌ها را تغییر دهد. در واقع هنگامی که از این دکوریتورها استفاده می‌کنیم می‌توانیم روی جنبه‌های گوناگون رفتار هوش مصنوعی همچون عمق استدلال، قالب خروجی، لحن و صحت پاسخ‌ها نظارت داشته باشیم. در نتیجه پاسخی منطقی، منسجم و ساختارمند را از آن دریافت خواهیم کرد.

در ادامه، فهرستی از پرامپت‌دکوریتورهای رسمی را آورده‌ایم.

• +++Reasoning
• +++StepByStep
• +++Socratic
• +++Debate
• +++Critique
• +++Refine(iterations=N)
• +++CiteSources
• +++FactCheck
• +++OutputFormat(format=FORMAT)
• +++Tone(style=STYLE)

برای اینکه به‌شکلی مؤثر و بهینه از مزایای این پرامپت‌دکوریتورها بهره‌مند شویم، می‌توانیم به ChatGPT بگوییم که آن‌ها را به‌خاطر بسپارد. با انجام این کار که جزو قابلیت‌های شخصی‌سازی این چت‌بات محسوب می‌شود، دکوریتورها در حافظه این ابزار ذخیره شده و می‌توان هنگام مکالمه از آن‌ها استفاده کرد. بدین‌ترتیب می‌توانیم خروجی‌هایی منسجم‌تر و با قالب‌بندی بهتر از AI داشته باشیم که همسو با انتظارتمان نیز هستند.

فرایند اعلان و استفاده از پرامپت دکوریتورها در سایر ابزارها یا محیط‌ها ممکن است به‌همین راحتی انجام نشود. در چنین شرایطی، کاربران می‌توانند با استفاده از پرامپت‌های سیستمی، اعلان مربوط به پرامپت دکوریتورها را در شروع مکالمات خود با AI، به ابزار مورد نظر ارائه دهند. علاوه بر این، می‌توانند از افزونه‌ها یا اسکریپت‌های خودکارسازی برای اضافه کردن اعلان دکوریتورها به ابتدای هر پرامپت استفاده کنند.

در ادامه، لینک مربوط به تعاریف پرامپت‌دکوریتورها در مخزن گیت‌هاب را آورده‌ایم.

• لینک مخزن پرامپت‌دکوریتورها در گیت‌هاب: «+»

از این طریق می‌تونید راحت‌تر به دکوریتورها دسترسی داشته باشید و از مزیت‌های گوناگون آن در تعاملات خود با هوش مصنوعی بهره‌مند شوید. علاوه بر دانلود و استفاده، می‌توانید آن را توسعه دهید یا در صورت لزوم با سایرین به اشتراک بگذارید. همچنین اگر پیشنهاد یا ایده‌ای برای بهبود آن‌ دارید می‌توانید در توسعه آن مشارکت کنید.

برای ساده‌تر شدن استفاده از پرامپت‌دکوریتورها در سیستم‌های گوناگون، فایل اعلان این دکوریتورها موارد زیر را در بر می‌گیرد.

• تعریف مفهوم پرامپت دکوریتورها: این تعریف مقدمات درک و آشنایی انواع سیستم‌های هوش مصنوعی با مفهوم و عملکرد این دکوریتوها را فراهم می‌کند.
• اعلان پرامپت‌دکوریتورهای گوناگون: اعلان این دکوریتورها به مدل‌های هوش مصنوعی کمک می‌کند تا هنگام پاسخ‌گویی به درخواست‌ها بتوانند پرامپت‌دکوریتورها را به درستی درک کرده و از آن‌ها برای تولید خروجی استفاده کنند.

با اضافه کردن تعاریف این پرامپت‌دکوریتورها در سیستم هوش مصنوعی مورد نظر، می‌توانید پاسخ‌هایی را از آن‌ها دریافت کنید که علاوه بر متناسب بودن با نیازهایتان، کیفیت و انسجام بهتری نیز داشته باشند.

همچنین، باید بدانید که این پیاده‌سازی، تنها نمونه‌ای ساده برای نشان دادن ایده پرامپت‌دکوریتورها محسوب می‌شود و شاید کاربران دیگری از جمله خود شما، روش بهتری را برای تعریف و به‌کارگیری این دکوریتورها سراغ داشته باشید. در واقع با این پیاده‌سازی، راهی را نشان داده‌ایم که با آن می‌توانید دستورات قاعده‌مندی را تعریف کرده و آن‌ها را به‌شکلی مؤثر در پرسش و پاسخ‌های خود با هوش مصنوعی به‌کار ببرید.

با توجه به اینکه ChatGPT امکاناتی مانند شخصی‌سازی و حافظه را فراهم کرده است، می‌تواند تا حد زیادی در زمان شما صرفه‌جویی کند. چون، با به‌خاطرسپاری این دستورات، دیگر نیازی نیست هر مرتبه آن‌ها را مجدد به سیستم اضافه کنید. همچنین، می‌توانید با پرامپت‌های کوتاه‌تر اما ساختارمند، پاسخ‌های بهتری دریافت کنید.

کاربردهای پرامپت دکوریتور

پرامپت‌دکوریتورها در زمینه‌های گوناگونی مانند آنچه در این قسمت توضیح داده شده می‌توانند مورد استفاده قرار گیرد.

تولید محتوا و بازاریابی

کارشناسان بازاریابی و افرادی که در حوزه محتوا فعالیت دارند، متن‌های خود را به‌طور معمول با هدف جذاب‌تر شدن، سازگاری با برند و وضوح بیشتر طی ایده‌پردازی‌ها و ویرایش‌های متعدد، بهبود می‌بخشند. در چنین مواقعی، استفاده از دکوریتور +++Refine می‌تواند روند اصلاح متن را با توجه به پرامپت کاربر به‌طور خودکار انجام دهد و نسخه‌های بهتری از متن را تولید کند.

مثال پرامپت دکوریتور Refine

فرض کنید شرکتی برای ابزار هوش مصنوعی خود در حوزه بهره‌وری به یک شعار تبلیغاتی جالب نیاز دارد. در همین راستا به‌جای انجام دستی این فرایند، از پرامپت زیر استفاده می‌کند.

مدل هوش مصنوعی با دریافت این پرامپت، پاسخ ابتدایی را تولید کرده و سپس آن را در طی ۳ مرحلi (iterations=3 ) به لحاظ جذابیت، تأثیرگذاری و وضوح بهبود می‌دهد.

مزایای پرامپت دکوریتور Refine

• بهبود و بهینه‌سازی خودکار  محتوا می‌تواند تا حد زیادی در زمان کاربر صرفه‌جویی کند.
• با تولید و بررسی نسخه‌های مختلف، محتوای خلاقانه‌تری تولید می‌شود.
• با استفاده از این دکوریتور می‌توان پیام‌های حرفه‌ای و جذابی را برای کمپین‌های بازاریابی تولید کرد.

همچنین، برای دستیابی به نتیجه بهتر، می‌توانید دکوریتورهای ‎+++Refine  و ‎+++Reasoning  را با هم ترکیب و به شکل زیر امتحان کنید.

استخراج و بازیابی داده‌ها برای برنامه‌نویسان

برنامه‌نویسان و به‌طور کلی توسعه‌دهندگان برای کار با API-ها، پردازش داده‌ها و اتوماسیون وظایف به داده‌هایی با ساختار مشخص نیاز دارند. قالب‌بندی و ساختاردهی به پاسخ‌های هوش مصنوعی به‌صورت دستی می‌تواند کاری زمان‌بر باشد، همچنین، احتمال بروز خطا نیز در آن وجود دارد. اینجاست که پرامپت‌دکوریتور +++OutputFormat(format=JSON) به افراد امکان می‌دهد تا پاسخ‌های هوش مصنوعی را مستقیماٌ در قالب موردنظر خود دریافت کنند. بدین‌ترتیب، دیگری نیازی نیست عمل تبدیل داده‌ها را به‌صورت دستی انجام دهند.

مثال پرامپت دکوریتور OutputFormat

فرض کنید به عنوان یک توسعه‌دهنده، برای ایجاد داشبورد مالی به بینش‌ها و اطلاعات مفیدی از هوش مصنوعی نیاز داریم که دارای ساختار و قالب مشخصی نیز باشد.

همان‌طور که در تصویر بالا مشاهده می‌شود، از هوش مصنوعی ChatGPT خواسته‌ایم تا فهرستی از ۳ ترند برتر هوش مصنوعی در حوزه بازراهای مالی را تولید کند. با توجه به اینکه از دکوریتور ‎+++OutputFormat استفاده کرده‌ایم، پاسخ هوش مصنوعی با ساختاری مناسب و در قالب format=JSON تولید می‌شود تا بدون نیاز ویرایش اضافی بتوان آن را درون سیستم خود به‌کار برد.

مزایای استفاده از پرامپت دکوریتور ‎OutputFormat

در ادامه، به برخی مزایای دکوریتور +++OutputFormat  اشاره کرده‌ایم.

• با استفاده از این دکوریتور، دیگری نیازی نیست تا به‌طور دستی داده‌ها را بررسی و قالب‌بندی کنیم.
• به‌کمک دکوریتور ‎+++OutputFormatمی‌توان پاسخ‌هایی را تولید کرد که با API-ها و فرایند‌های اتوماسیون نیز سازگار باشند.
• ملزم کردن هوش مصنوعی برای تولید خروجی با ساختار و قالب مشخص، احتمال بروز خطاها را کاهش می‌دهد.

تصمیم‌گیری های مرتبط با کسب و کار و سیاست ها

یکی از مواردی که پیش از تصمیم‌گیری‌های آگاهانه توسط مدیران، رهبران کسب و کار و سیاست‌گذاران مورد توجه قرار می‌گیرد، ارزیابی زوایا و دیدگاه‌های گوناگون است. در چنین مواقعی، می‌توان با دکوریتور +++Debate پاسخ‌هایی را از هوش مصنوعی دریافت که با مدنظر قرار دادن نقاط قوت، نقاط ضعف، خطرات و نظرات متفاوت، دیدگاه‌های جامع و متعادلی را ارائه می‌دهند.

مثال پرامپت دکوریتور Debate

فرض کنید رئیس یک شرکت قصد دارد تا موضوع تغییر مدل کاری شرکت خود به دورکاری را ارزیابی کند و در همین راستا  از هوش مصنوعی می‌خواهد تا مناظره و بحثی را در این رابطه شکل دهد.

با توجه به تصویر بالا، پاسخ ساختارمند هوش مصنوعی برای این درخواست، زوایای مختلف شامل مزایا و معایب این کار را در بر می‌گیرد.

مزایا پرامپت دکوریتور Debate

برخی از مریت‌های این نوع دکوریتور را در ادامه فهرست کرده‌ایم.

• دکوریتور ‎+++Debateبه مدیران و رهبران کمک می‌کند تا تصمیم‌گیری‌های هوشمندانه و جامعی داشته باشند.
• با تولید و در نظر گرفتن دیدگاه‌های مختلف، کاربران را به تفکر عمیق و انتقادی ترغیب می‌کند.
• همچنین، با توجه به اینکه در تولید خروجی، نقطه‌نظرات گوناگون مورد توجه قرار گرفته، میزان سوگیری یا بایاس نیز کاهش پیدا می‌کند.

نگارش علمی و تحقیقاتی

افرادی که مشغول کارهای علمی هستند، همچون دانشگاهیان، دانشجو‌یان و پژوهشگران برای تأیید دستاوردها و یافته‌های خود لازم است منابعی موثق داشته باشند. به‌همین دلیل، پرامپت‌دکوریتور +++CiteSources می‌تواند با فراهم کردن پاسخ‌هایی دارای ارجاع به منابع معتبر برای این دسته از افراد بسیار مفید باشد.

مثال پرامپت‌دکوریتور CiteSources

دانشجویی را در نظر بگیرید که در حال نگارش مقاله پروژهشی خود با موضوع تغییرات اقلیمی است و نیاز دارد تا هوش مصنوعی در تولید محتوا، پاسخ‌های را ارائه دهد که دارای ارجاع به منابع معتبر باشند. مثال زیر، استفاده از پرامپت دکورتیور +++CiteSources را نشان می‌دهد.

پاسخی که هوش مصنوعی در این مورد تولید می‌کند، دارای استنادهایی به مطالعات و مقالات علمی یا گزارش‌های دولتی معتبر خواهد بود.

مزایا پرامپت‌دکوریتور CiteSources

از مزایای این دکوریتور می‌توان به موارد زیر اشاره کرد.

• افزایش اعتبار محتوا با استناد به منابع معتبر
• کاهش راه یافتن اطلاعات اشتباه در پژوهش‌ها
• صرفه‌جویی در زمان به دلیل ارجاع‌دهی خودکار به منابع و مقالات مهم

چشم انداز و آینده پرامپت دکوریتور

پرامپت‌دکوریتورها می‌توانند روی نحوه پرسش و پاسخ و تعاملات ما با هوش مصنوعی، تأثیر بسیار زیادی بگذارند و به سیستمی شناخته شده برای بهبود و مدیریت خروجی‌های هوش مصنوعی تبدیل شوند. با پیشرفت روز افزون مدل‌های هوش مصنوعی و پذیرش و به‌کارگیری آن توسط حوزه‌های گوناگون، چندین پیشرفت مهم می‌تواند در چشم‌انداز شکل‌دهنده‌های پرامپت وجود داشته باشد که هریک را در این قسمت مورد بررسی قرار داده‌ایم.

یکپارچگی با API های هوش مصنوعی

یکی از مهم‌ترین پیشرفت‌هایی که می‌توان در آینده پرامپت‌دکوریتورها شاهد بود این است که API-های ارائه شده توسط شرکت‌های پیشرو نظیر OpenAI، گوگل و مایکروسافت، به‌صورت ذاتی یا نیتیو از این دکوریتورها پشتیبانی کنند. یعنی، توسعه‌دهندگان می‌توانند این دکوریتورها را در قالب پارامترهایی ساختارمند درون درخواست‌های API جای دهند تا نیازی به اضافه کردن دستی آن‌ها به پرامپت نباشد.

تبدیل شدن به استاندارد عمومی

پرامپت‌دکوریتورها که با «+++» مشخص می‌شوند، این پتانسیل را دارند تا به‌عنوان روشی استاندارد برای جهت دادن به خروجی‌ها و نحوه تولید پاسخ‌های AI در پلتفرم‌ها و مدل‌های هوش مصنوعی تبدیل شوند، درست مانند «Markdown» که سینتکسی شناخته شده و عمومی برای قالب‌بندی متن به‌شمار می‌رود.

در صورتی‌که این دکوریتورها به‌طور عمومی مورد پذیرش و استفاده قرار گیرند، پلتفرم‌های گوناگونی همچون موتورهای جست و جو، ابزارهای نویسندگی، دستیارهای مجازی و ابزارهای کدنویسی می‌توانند این ابزارها را به‌طور نیتیو یا درونی تشخیص داده  و پردازش کنند. بنابراین، شاهد رفتار منسجم و یکپارچه‌ای از AI در سیستم‌های مختلف خواهیم بود.

تأثیرات احتمالی

در ادامه، برخی از تأثیرات تبدیل شکل‌دهنده‌های پرامپت به استانداردی عمومی را آورده‌ایم.

• پاسخ‌های منسجم‌تر: با توجه به اینکه دکوریتور‌ها می‌توانند به‌شکل هماهنگ و یکپارچه‌ای در اپلیکشین‌ها گوناگون هوش مصنوعی استفاده شوند، پاسخ‌های هوش مصنوعی نیز در همین راستا یکپارچه‌تر خواهند شد.
• کاهش نیاز به مهندسی پرامپت پیشرفته: مدل‌های هوش مصنوعی می‌توانند به‌نحوی آموزش داده شوند که قابلیت شناسایی و پردازش دکوریتورها را داشته باشند. بنابراین، بدون اینکه مهندسی پرامپت پیشرفته‌ای صورت گیرد کیفیت پاسخ‌های هوش مصنوعی بیشتر می‌شود.
• تبدیل شدن به خصوصیتی پیش‌فرض: استاندارد شدن پرامپت‌دکوریتورها می‌تواند زمینه‌ساز این شود که برنامه‌نویسان و توسعه‌دهندگان هوش مصنوعی، تولید پاسخ‌های ساختارمند را به‌عنوان قابلیتی پیش‌فرض در نظر بگیرند.

دکوریتورهای سفارشی برای صنایع

با افزایش استفاده از فناوری هوش مصنوعی در حوزه‌ها و صنایع مختلف می‌توان پرامپت‌دکوریتورهای مخصوص به صنایع تخصصی را طراحی کرد. بدین‌ترتیب، کارشناسان و متخصصان حوزه‌هایی همچون پزشکی، امور مالی، دانشگاهی و حقوق می‌توانند پاسخ‌های هوش مصنوعی را به شکلی تنظیم کنند که مطابق با قوانین و استانداردهای صنعت مورد نظر باشند.

مثال هایی از دکوریتورهای مختص صنعت

فهرست زیر، نمونه‌هایی از دکوریتورهای مخصوص به صنایع مختلف را نشان می‌دهد.

• +++LegalCheck : با استفاده از این دکوریتور می‌توان پاسخ‌هایی را از هوش مصنوعی دریافت کرد که همسو و منطبق با قوانین و مقررات مربوطه باشند.
• +++ScientificAccuracy : در صورتی‌که قصد نگارش مقالات علمی و دانشگاهی را داشته باشید، استفاده از این دکوریتور سفارشی می‌تواند پژوهش‌های معتبر و منابع داوری شده را برای تولید محتوا در اولویت قرار دهد.
• +++FinancialRiskAnalysis: این دکوریتور به هوش مصنوعی می‌گوید که هنگام تولید اطلاعات و بینش‌های مالی، خطرات و ریسک‌های موجود را ارزیابی کند و هشدارهای مربوط به سلب مسئولیت و غیره را نیز مدنظر قرار دهد.
• +++MedicalGuidance : با استفاده از این دکوریتور، مدل هوش مصنوعی پاسخ‌هایی را تولید خواهد کرد که همسو با بهترین شیوه‌های درمانی باشد و از منابع معتبر پزشکی استفاده کند.

در برخی از صنایع، حساسیت بالایی روی اطلاعات وجود دارد. به‌گونه‌ای که وجود برخی اشتباهات یا داده‌های نادرست می‌تواند عواقب بدی داشته باشد. دکوریتورهای مختص صنعت می‌توانند دقت و ایمنی را در چنین موقعیت‌هایی در پاسخ‌های هوش مصنوعی افزایش دهند.

مسیر پیش رو

پرامپت دکوریتورها مزیت‌های زیادی را در اختیار افراد و کاربران قرار می‌دهند. علاوه بر این، می‌توانند نحوه پاسخ‌‌گویی سیستم‌های هوش مصنوعی به سوالات را در ابعاد و مقیاس‌های بزرگ‌تر نیز تغییر دهند. برای درک بهتر، اکوسیستم و دنیای AI را در نظر بگیرید که در آن با دستوراتی یکسان و ساختاریافته رو به رو هستیم و این دستورات نحوه ارتباط و تعاملات را در اپلکیشین‌ها، پلتفرم‌ها و صنایع مختلف شکل می‌دهند.

جمع‌بندی

فناوری هوش مصنوعی و کاربردهای آن این روزها اهمیت بسیار زیادی پیدا کرده‌اند و در بسیاری از موارد می‌توانند نقش بسیار مؤثری را در کارها و زندگی روزمره ما ایفا کنند. با این وجود یکی از مسائلی که هنوز با آن رو به رو هستیم دریافت پاسخ‌هایی است که دقت و تناسب کافی داشته باشند. در این مطلب از مجله فرادرس موضوع پرامپت‌دکوریتورها را بررسی کردیم. روشی ساده و بسیار مفید که می‌تواند چالش اشاره شده را حل کند. در واقع به کمک این روش می‌توانید پاسخ‌های منسجم، معتبر و ساختارمندی را از هوش مصنوعی دریافت کنید.

استفاده از دکوریتورهای مختلف درون پرامپت‌هایی که به مدل هوش مصنوعی می‌دهیم، می‌تواند مزیت‌های مهمی را برایمان به همراه داشته باشد. یکی از این مزایا، ارائه نتایجی منسجم و ساختارمند است که شفافیت پاسخ‌ها را بهبود داده و غیرقابل پیش‌بینی بودن آن‌ها را کاهش می‌دهد. همچنین می‌توانید به پاسخ‌های با کیفیتی دست پیدا کنید که طی مراحل مختلف بهتر و بهتر شده‌اند. علاوه بر این، استفاده از دکوریتورها می‌تواند پاسخ‌هایی را در اختیار شما دهد که در تولید آن‌ها دیدگاه‌ها و زوایای مختلف مورد توجه قرار گرفته است. شما همچنین می‌توانید محتوایی را داشته باشید که راستی‌آزمایی شده است. استفاده از پرامپت دکوریتورها همچنین می‌تواند خروجی‌هایی را برایتان تولید کند که توسط ماشین‌ها نیز قابل پردازش و استفاده باشد.