چگونه مدل هوش مصنوعی را وسط گفتگو در Whizi تغییر دهیم

پاسخ کوتاه

بله: می‌توانید در یک گفتگوی واحد از GPT، Claude، Gemini و هر مدل دیگری استفاده کنید و برای هر پیام از انتخابگر مدل بین آن‌ها جابه‌جا شوید. کل رشتهٔ گفتگو با تعویض منتقل می‌شود: پیام‌های شما، پاسخ‌های مدل قبلی و فایل‌های پیوست‌شده، بنابراین Claude می‌تواند بدون آنکه چیزی را دوباره بچسبانید، آنچه را GPT همین الان نوشته نقد کند.

هر نوبت به اعتبار همان مدلی که پاسخ می‌دهد هزینه‌بردار می‌شود، و مدل باید در طرح شما گنجانده شده باشد. باقی این صفحه دربارهٔ زمان به‌صرفه بودن تعویض و زمان بی‌فایده بودن آن است.

وقتی تعویض می‌کنید چه اتفاقی می‌افتد

مدل جدید کل گفتگوی تا آن لحظه را دریافت می‌کند، شامل پیام‌های شما، پاسخ‌های مدل قبلی و هر فایلی که پیوست کرده‌اید. از دید آن، انگار به بحثی می‌پیوندد که از قبل در جریان است، با همه‌چیز قابل مشاهده.

به همین دلیل این کار با کپی‌کردن متن بین سه تب مرورگر فرق دارد. وقتی در ابزاری جدید پیست می‌کنید، خروجی را می‌آورید اما استدلال، محدودیت‌هایی که در پنج پیام تعیین کرده بودید و سندی که آپلود کرده بودید را از دست می‌دهید. تعویض در همان‌جا همهٔ آن‌ها را حفظ می‌کند.

دو نکته ارزش دانستن دارد. مدل جدید خروجی مدل قبلی را به‌عنوان بخشی از گفتگو می‌بیند، که می‌تواند آن را به سمت موافقت لنگر بیندازد. وقتی واقعاً یک نظر مستقل می‌خواهید، صریحاً بگویید: پاسخ بالا را بر اساس شایستگی‌اش ارزیابی کن. ارزیابی خودت را می‌خواهم، نه ترکیبی از آنچه قبلاً گفته شده. و بودجهٔ ورودی هر نوبت سقفش 40,000 توکن است، و در مدلی که پنجرهٔ زمینه‌اش کوچک است این سقف به‌نسبت کمتر می‌شود، پس یک رشتهٔ خیلی طولانی برای جا شدن در هر مدلی که به آن تعویض کنید کوتاه می‌شود؛ فراتر از این سقف، پنجرهٔ زمینهٔ بزرگ‌تر بخش بیشتری از رشته را ارسال نمی‌کند. اگر تعویض پاسخی تولید کند که ابتدای بحث را فراموش کرده، معمولاً علتش بودجهٔ زمینه است.

چهار الگویی که ارزش یادگیری دارند

1. مسیردهی بر اساس مرحله. الگویی که اغلب افراد در نهایت به آن می‌رسند. مراحل مختلف یک کار به مدل‌های متفاوتی سپرده می‌شود.

ساختار در GPT، نثر در Claude، راستی‌آزمایی با جست‌وجوی وب روشن. این الگو برای نوشتن یک پست، یک پیشنهاد، یک مشخصات فنی یا یک گزارش کاربرد دارد و کار می‌کند چون این‌ها واقعاً سه مهارت متفاوت‌اند، نه سه سطح دشواری از یک مهارت.

2. نظر دوم. یک پاسخ بگیرید، سپس مدل را عوض کنید و از مدل جدید بخواهید به آن حمله کند.

یک همکار پاسخ بالا را پیشنهاد داده است. اشکال آن را پیدا کن: خطاهای واقعی، موارد لبه‌ای نادیده‌گرفته‌شده، یک رویکرد ساده‌تر، یا فرضی که برقرار نیست. اگر واقعاً درست است، صریح بگو، نه اینکه ایراد بتراشی.

دو نتیجهٔ مفید ممکن است پیش بیاید. یا یک نقص واقعی پیش از آنکه بر اساس آن عمل کنید آشکار می‌شود، یا مدل دوم با وجود اینکه تشویق به مخالفت شده باز هم موافقت می‌کند، که تاییدی معنادار است. تکرار با همان مدل هیچ‌کدام را نمی‌دهد، چون مدل‌ها معمولاً با خودشان موافق‌اند.

3. بازتعریف چارچوب. وقتی توضیحی جا نمی‌افتد، به‌جای دوباره‌خوانی، مدل را عوض کنید.

Claude و GPT یک مفهوم را با چارچوب‌بندی‌های واقعاً متفاوتی توضیح می‌دهند، و اغلب چارچوب دوم همانی است که جا می‌افتد. این تنها دلیلی است که کمتر از حد واقعی‌اش قدر دیده، برای داشتن بیش از یک مدل در دسترس، و فقط یک کلیک هزینه دارد.

4. مسیریابی بر اساس قابلیت. تعویض چون فقط یک مدل می‌تواند آن کار را انجام دهد.

یک سند 300 صفحه‌ای به مدلی می‌رود که پنجرهٔ زمینهٔ یک میلیون توکنی دارد. یک تصویر به مدلی می‌رود که می‌تواند تصویر بخواند. سوال دربارهٔ هفتهٔ گذشته تنها موردی است که اصلاً نیازی به تعویض ندارد: جست‌وجوی وب در Whizi یک کلید روشن یا خاموش در سطح هر گفتگو در کادر نوشتن است، روی همان مدلی که در حال استفاده از آن هستید اجرا می‌شود، و روشن‌کردنش هیچ اعتباری هزینه ندارد. باقی موارد سلیقه نیست، یک محدودیت قطعی است، و همان جایی است که یک اشتراک تک‌مدله دیگر کار نمی‌کند.

کدام مدل برای کدام مرحله

این یک نقطهٔ شروع است، نه یک قانون. کارهای خودتان باید ظرف یک هفتهٔ توجه‌کردن، آن را کنار بزنند.

مرحله	مدل	چرا
ایده‌پردازی، ساختاردهی، طرح‌کلی	GPT	سریع، دقیقاً طبق دستور عمل می‌کند، سلسله‌مراتب تمیز
نوشتن پیش‌نویس، لحن، اقناع	Claude	کمترین حشو، لحن را حفظ می‌کند، بهترین در لحن‌های دشوار
پژوهش، اطلاعات به‌روز، منابع	هر مدلی، با کلید جست‌وجوی وب روشن	جست‌وجو یک تنظیم در سطح هر گفتگو در کادر نوشتن است، نه ویژگی یک مدل
اسناد طولانی، حجم دادهٔ زیاد	Gemini	پنجرهٔ زمینهٔ 1M توکنی در ردیف‌های فعلی
فرمت‌های سخت‌گیرانه، جدول‌ها، JSON	GPT	قابل‌اعتمادترین در پیروی از یک شمای دقیق
نقد و تیم قرمز	هر چیزی که آن را ننوشته	استقلال کل نکته است

این جدول سه خانوادهٔ رایجی را نام می‌برد که بیشتر افراد با آن‌ها شروع می‌کنند، و انتخابگر گسترده‌تر از این است. خانواده‌های متن‌باز هرکدام صفحهٔ مرجع خودشان را دارند، با هزینهٔ اعتبار هر پیام و طرحی که هر ردیف را باز می‌کند: Llama، Mistral، Kimi و GLM.

تنها قانونی که فارغ از کار ارزش دارد: مدلی که نقد می‌کند هرگز نباید همان مدلی باشد که نوشته است.

طوری که تعویض واقعاً به‌صرفه شود

تعویض بیشترین کمک را زمانی می‌کند که به مدل جدید بگویید از او چه می‌خواهید. وارد شدن بدون هیچ چارچوبی فقط ادامهٔ همان گفتگو را با لحنی کمی متفاوت به شما می‌دهد.

تحویل یک مرحله

تا اینجا طرح کلی بالا را داریم. فقط بخش 2 را بنویس. از شواهد ذکرشده زیر آن استفاده کن. لحن: [نمونه را اینجا بچسبان]. طرح کلی را دوباره برایم بازگو نکن.

درخواست استقلال

چارچوب تعیین‌شده در بالا را نادیده بگیر و این را از صفر پاسخ بده: [سوال را دوباره بیان کن]. یک برداشت واقعاً مستقل می‌خواهم، نه پالایشی از آنچه از قبل اینجاست.

تغییر کامل نوع کار

نوشتن پیش‌نویس را متوقف کن. برو سراغ بازبینی. معیار این است: [آن را بیان کن]. فقط مشکلات را گزارش کن، بازنویسی نکن.

یک عادت دیگر: وقتی تعویض چیزی به‌طور محسوس بهتر تولید می‌کند، یادداشت کنید کدام مدل و کدام مرحله بوده. بعد از چند هفته یک نقشهٔ مسیریابی خواهید داشت که مخصوص کار خودتان است، نه یک بنچمارک، و آن نقشه از هر مقایسهٔ منتشرشده‌ای باارزش‌تر است.

کی نباید تعویض کرد

تعویض ارزان است اما رایگان نیست، و مواردی هست که وضعیت را بدتر می‌کند.

• وسط پیش‌نویس، برای سبک. تغییر مدل در نیمهٔ یک متن بلند یک درز آشکار ایجاد می‌کند، چون یکدستی لحن دقیقاً همان چیزی است که بین مدل‌ها تغییر می‌کند. پیش‌نویس را تمام کنید، بعد برای نقد مدل را عوض کنید.
• وقتی کار را مشخص نکرده‌اید. تعویض یک پرامپت مبهم را درست نمی‌کند. اگر پاسخ اول به‌خاطر نامشخص‌بودن سوال کمکی نبود، مدل دیگر فقط یک پاسخ ناکارآمد دیگر می‌دهد.
• برای رسیدن به توافق. چرخیدن بین مدل‌ها تا وقتی یکی حرف دلخواهتان را بزند، راهی برای پاک کردن تصمیمی است که از قبل گرفته بودید. اگر دو مدل از سه تا مخالف باشند، آن یافته است.
• در یک رشتهٔ خیلی طولانی، به سمت مدلی با پنجرهٔ زمینهٔ کوچک‌تر. اگر زمینهٔ اولیه اهمیت دارد و رشته بسیار طولانی است، یا با مدل با پنجرهٔ زمینهٔ بزرگ بمانید یا اول رشته را خلاصه کنید و از نو شروع کنید.

برای اجرای دو مدل روی یک پرامپت به‌صورت هم‌زمان به‌جای پیاپی، به مقایسهٔ مدل‌ها در کنار هم نگاه کنید.