چگونه از هوش مصنوعی استفاده کنیم: راهنمای عملی مبتدیان

هوش مصنوعی چه کاری می‌تواند بکند و چه کاری نمی‌تواند

یادگیری استفاده از هوش مصنوعی با یک انتظار سالم‌تر آغاز می‌شود: هوش مصنوعی یک ماشین پاسخ جادویی نیست. یک ابزار برای پیش‌نویس‌نویسی، استدلال، خلاصه‌سازی، ایده‌پردازی، دسته‌بندی و تبدیل است. می‌تواند یادداشت‌های خام را به یک طرح تمیز تبدیل کند، گزینه‌ها را مقایسه کند، متن را با لحن مشخصی بازنویسی کند، یک مفهوم گیج‌کننده را توضیح دهد، فیلدها را از یک سند استخراج کند، نمونه‌های کد تولید کند یا به شما کمک کند یک برنامه را زیر فشار بیازمایید. اگر خوب به کار گرفته شود، به شما یک پیش‌نویس اول سریع‌تر و یک بازبینی دوم تیزتر می‌دهد.

نکتهٔ ظریف این است که هوش مصنوعی مولد هنوز احتمالاتی است. ممکن است مطمئن به نظر برسد اما زمینه را از دست بدهد، جزئیات را از خود درآورد، ظرافت‌ها را نادیده بگیرد یا قالبی انتخاب کند که با هدف واقعی شما جور نیست. به همین دلیل مبتدی‌ها باید از پرسیدن «چه کاری باید بکنم؟» به‌عنوان یک prompt مستقل بپرهیزند. prompt‌های بهتر به مدل نقش، وظیفه، زمینه، محدودیت و قالب خروجی می‌دهند. گردش‌کارهای بهتر هم پیش از آنکه چیز مهمی منتشر شود، شامل راستی‌آزمایی می‌شوند.

یک گردش کار مفید هوش مصنوعی برای مبتدیان چهار حرکت دارد: وظیفه را تعریف کنید، به مدل زمینهٔ کافی بدهید، خروجی ساختارمند بخواهید، سپس نتیجه را در برابر منابع یا معیارهای خودتان بازبینی کنید. این راهنما چارچوب، مثال‌ها و بررسی‌های دقیق را در اختیارتان می‌گذارد تا این کار را انجام دهید بدون آنکه متخصص مهندسی prompt شوید.

قالب prompt برای مبتدیان

هر وقت در حال یادگیری استفاده از چت‌بات‌های هوش مصنوعی هستید از این قالب چهاربخشی استفاده کنید: شخصیت، وظیفه، زمینه، قالب. به‌قدری ساده است که به یاد بماند و به‌قدری مشخص است که تقریباً هر خروجی را بهبود دهد.

شخصیت: به مدل بگویید از چه دیدگاهی استفاده کند. مثال‌ها: «به‌عنوان یک بازاریاب محصول ارشد عمل کن»، «به‌عنوان یک دستیار پژوهشی دقیق عمل کن» یا «به‌عنوان یک معلم صبور عمل کن». شخصیت باید قضاوت را شکل دهد، نه اقتدار ساختگی بسازد. اگر خروجی به بازبینی حقوقی، پزشکی، مالی یا ایمنی نیاز دارد، این را بگویید و یک متخصص انسانی را در چرخه نگه دارید.

وظیفه: کنش را روشن بیان کنید. وظیفهٔ ضعیف: «با این کمک کن.» وظیفهٔ قوی: «این یادداشت‌ها را به یک به‌روزرسانی ۶۰۰ کلمه‌ای برای مشتری با سه بخش تبدیل کن: پیشرفت، ریسک‌ها و گام‌های بعدی.» وظیفه باید فعل را در خود داشته باشد: خلاصه کن، مقایسه کن، بازنویسی کن، استخراج کن، نقد کن، برنامه‌ریزی کن، اشکال‌زدایی کن، دسته‌بندی کن یا تولید کن.

زمینه: مادهٔ لازم را به مدل بدهید تا حدس نزند. مخاطب، هدف، متن منبع، پیش‌زمینه، محدودیت‌ها، نمونه‌هایی از خروجی خوب و هر چیزی که نباید انجام دهد را بگنجانید. برای ورودی‌های طولانی، دستورالعمل‌ها را پیش از مادهٔ منبع قرار دهید و مادهٔ منبع را روشن برچسب بزنید تا مدل بتواند درخواست شما را از محتوا جدا کند.

قالب: شکل خروجی را مشخص کنید. یک جدول، فهرست بررسی، ایمیل، طرح کلی، فیلدهای شبه‌JSON، یادداشت تصمیم، بندها یا یک پیش‌نویس با عنوان‌ها بخواهید. قالب یکی از ساده‌ترین راه‌های گرفتن نتایج بهتر است، چون کمک مبهم را به یک خروجی قابل‌تحویل تبدیل می‌کند.

قالب اصلی آمادهٔ کپی: «به‌عنوان [شخصیت] عمل کن. وظیفهٔ تو این است که [وظیفهٔ مشخص]. زمینه: [مخاطب، هدف، مادهٔ منبع، محدودیت‌ها، نمونه‌ها]. الزامات: [باید شامل شود، باید پرهیز شود، لحن، طول]. قالب خروجی: [جدول/فهرست بررسی/ایمیل/طرح کلی/یادداشت]. پیش از نهایی‌کردن، هر فرض یا اطلاعات مفقود را فهرست کن.»

۲۵ prompt بر پایهٔ سناریو

از این prompt‌های هوش مصنوعی برای مبتدیان به‌عنوان نقطهٔ شروع کاری استفاده کنید. جزئیات داخل کروشه را جایگزین کنید، مادهٔ منبع خود را در جای لازم بچسبانید، و وقتی تصمیم اهمیت دارد همان prompt را روی بیش از یک مدل اجرا کنید.

۱. برنامهٔ کاری: «به‌عنوان یک سرپرست عملیات عمل کن. این هدف را به یک برنامهٔ اجرایی یک‌هفته‌ای تبدیل کن. هدف: [هدف]. زمینه: [تیم، مهلت، محدودیت‌ها]. یک جدول با روز، اولویت، مسئول، خروجی و ریسک ارائه بده.»

۲. یادداشت جلسه: «به‌عنوان یک دستیار اجرایی عمل کن. این یادداشت‌های جلسه را به تصمیم‌ها، پرسش‌های باز، مسئولان و مهلت‌ها خلاصه کن. کارهای اجرایی را مشخص نگه دار و هر چیز مبهم را علامت بزن. یادداشت‌ها: [یادداشت‌ها را بچسبان].»

۳. پیش‌نویس ایمیل: «به‌عنوان یک نویسندهٔ کاری موجز عمل کن. یک ایمیل به [مخاطب] دربارهٔ [موضوع] پیش‌نویس کن. هدف: [نتیجه]. لحن: گرم، مستقیم، نه تبلیغاتی. یک خط موضوع و یک گام بعدی روشن بگنجان.»

۴. بازنویسی ایمیل: «این ایمیل را بازنویسی کن تا روشن‌تر، کوتاه‌تر و مطمئن‌تر باشد بدون آنکه خشن به نظر برسد. همهٔ جزئیات واقعی را بدون تغییر نگه دار. ایمیل: [ایمیل را بچسبان].»

۵. ایده‌پردازی: «۲۰ ایده برای [پروژه] تولید کن. محدودیت‌ها: [بودجه، مخاطب، کانال]. ایده‌ها را بر پایهٔ کم‌تلاش، متوسط و شرط‌های جسورانه گروه‌بندی کن. یک جمله دربارهٔ اینکه چرا هرکدام می‌تواند جواب دهد اضافه کن.»

۶. یادداشت تصمیم: «به‌عنوان یک شریک راهبردی عمل کن. این گزینه‌ها را مقایسه کن: [گزینه‌ها]. از معیارهای هزینه، سرعت، ریسک، اثر بر کاربر و برگشت‌پذیری استفاده کن. با یک توصیه و قوی‌ترین استدلال مخالف پایان بده.»

۷. پرسش‌های پژوهشی: «دربارهٔ [موضوع] پژوهش می‌کنم. یک برنامهٔ پژوهشی بساز که ۱۰ پرسشی را که باید پاسخ دهم، شواهد لازم برای هرکدام و نوع منابع محتملی که باید بررسی شوند در بر بگیرد.»

۸. خلاصهٔ منبع: «این منبع را برای یک مدیر عملیاتی پرمشغله خلاصه کن. تز اصلی، شواهد کلیدی، آمار مفید، ملاحظات و آنچه را باید مستقل راستی‌آزمایی کنم بگنجان. منبع: [متن را بچسبان].»

۹. پویش بازار: «به‌عنوان یک دستیار تحقیقات بازار عمل کن. یک پویش رقبا برای [دسته] بساز. ستون‌ها: شرکت، مشتری هدف، جایگاه‌یابی، سیگنال قیمت، قوی‌ترین ادعا، ضعف، منبع لازم.»

۱۰. زبان مشتری: «زبان مشتری را از این نظرها یا تماس‌ها استخراج کن. عبارت‌ها را بر پایهٔ درد، نتیجهٔ دلخواه، اعتراض و محرک خرید گروه‌بندی کن. نقل‌قول از خودت درنیاور. متن: [متن را بچسبان].»

۱۱. طرح محتوا: «یک طرح کلی سازگار با سئو برای مقاله‌ای با هدف [کلیدواژه] بساز. مخاطب: [مخاطب]. قصد جستجو، عنوان‌های H2، مثال‌هایی که باید گنجانده شوند و آنچه مقاله را واقعاً مفید می‌کند بگنجان.»

۱۲. پیش‌نویس اول: «یک پیش‌نویس اول از [دارایی] برای [مخاطب] بنویس. از این طرح کلی استفاده کن: [طرح کلی]. آن را مشخص، عملی و عاری از پرکنندهٔ کلی نگه دار. پیش از هر ادعا، جزئیات مفقود را بخواه.»

۱۳. پاس ویرایش: «این پیش‌نویس را برای روشنی، ساختار و کارآمدی ویرایش کن. معنا را تغییر نده. برگردان: بزرگ‌ترین مسئله، پیش‌نویس بازنگری‌شده و پنج حذف پیشنهادی. پیش‌نویس: [پیش‌نویس را بچسبان].»

۱۴. تطبیق لحن: «این را به سبک نمونهٔ زیر بازنویسی کن. واقعیت‌ها و ساختار را حفظ کن، اما طول جمله، مستقیم‌بودن و سطح جزئیات را تطبیق بده. نمونه: [نمونه را بچسبان]. پیش‌نویس: [پیش‌نویس را بچسبان].»

۱۵. طرح اسلاید: «این ایده را به یک طرح کلی ۷ اسلایدی تبدیل کن. هر اسلاید به یک عنوان، یک نکتهٔ کلیدی، شواهد پشتیبان لازم و یادداشت سخنران نیاز دارد. ایده: [ایده را بچسبان].»

۱۶. توضیح ساده: «[مفهوم] را برای یک مبتدی باهوش توضیح بده. اول از یک قیاس استفاده کن، بعد یک مثال عملی، بعد سه اشتباه رایج که باید از آن‌ها پرهیز کرد.»

۱۷. برنامهٔ یادگیری: «یک برنامهٔ یادگیری ۱۴ روزه برای [مهارت] بساز. می‌توانم روزی [زمان] بگذارم. تمرین روزانه، یک نقطهٔ بازبینی و یک پروژهٔ کوچک تا روز ۱۴ را بگنجان.»

۱۸. توضیح کد: «توضیح بده این کد چه می‌کند، کجا ممکن است شکست بخورد و چه تست‌هایی اطمینان را بالا می‌برند. توضیح را برای یک برنامه‌نویس تازه‌کار قابل‌فهم نگه دار. کد: [کد را بچسبان].»

۱۹. اشکال‌زدایی: «به‌عنوان یک شریک دقیق اشکال‌زدایی عمل کن. با توجه به این خطا، کد و رفتار مورد انتظار، محتمل‌ترین علت‌ها، کوچک‌ترین گام تشخیصی بعدی و یک اصلاح امن را فهرست کن. خطا/زمینه: [بچسبان].»

۲۰. بازبینی کد: «این تغییر را برای درستی، امنیت، حالت‌های مرزی و تست‌های مفقود بازبینی کن. ریسک‌های واقعی را بر ترجیح‌های سبک اولویت بده. Diff: [diff را بچسبان].»

۲۱. پاکسازی داده: «این فهرست به‌هم‌ریخته را به یک جدول تمیز تبدیل کن. دسته‌ها را فقط وقتی بدیهی است استنباط کن، فیلدهای نامطمئن را نامعلوم علامت بزن و قواعد پاکسازی به‌کاررفته را فهرست کن. داده: [داده را بچسبان].»

۲۲. فرمول صفحهٔ گسترده: «به یک فرمول صفحهٔ گسترده برای [هدف] نیاز دارم. ستون‌ها [ستون‌ها] هستند. فرمول را توضیح بده و یک ردیف نمونه بگنجان.»

۲۳. بهره‌وری شخصی: «روزم را از این فهرست کارها برنامه‌ریزی کن. محدودیت‌ها: [جلسه‌ها، انرژی، مهلت‌ها]. کارها را به کار عمیق، اداری، بردهای سریع و به‌تعویق‌افتاده گروه‌بندی کن. فهرست کارها: [بچسبان].»

۲۴. بررسی استفادهٔ مسئولانه: «این خروجی کمک‌گرفته از هوش مصنوعی را برای ریسک‌ها بازبینی کن. ادعاهای بدون پشتوانه، نگرانی‌های حریم خصوصی، سوگیری، ملاحظات مفقود و جاهایی را که به بازبینی انسانی نیاز دارند بررسی کن. خروجی: [بچسبان].»

۲۵. مقایسهٔ مدل: «دارم مدل‌های هوش مصنوعی را برای [وظیفه] آزمایش می‌کنم. این خروجی را از ۱ تا ۵ بر پایهٔ دقت، کامل‌بودن، روشنی، کارآمدی و ریسک امتیاز بده. امتیاز را توضیح بده و یک prompt تکمیلی بهتر پیشنهاد بده. خروجی: [بچسبان].»

چگونه خروجی‌ها را راستی‌آزمایی کنیم

مهم‌ترین مهارت در استفاده از هوش مصنوعی مولد زیرکی در prompt نیست. راستی‌آزمایی است. با خروجی هوش مصنوعی مثل یک پیش‌نویس قوی از یک دستیار سریع رفتار کنید: مفید، اما نه خودبه‌خود درست. هرچه ریسک بالاتر باشد، به راستی‌آزمایی بیشتری نیاز دارید.

پیش از انتشار، ارسال یا عمل بر پایهٔ خروجی هوش مصنوعی از این فهرست عملی استفاده کنید. اول، ادعاهای واقعی را شناسایی کنید و آن‌ها را با منابع اولیه یا اسناد داخلی مورد اعتماد بسنجید. دوم، به دنبال فرض‌های پنهان بگردید: تاریخ‌ها، قیمت‌ها، سیاست‌ها، بخش‌های مشتری، محدودیت‌های فنی یا الزامات حقوقی. سوم، بیازمایید که آیا پاسخ واقعاً از قالب prompt شما پیروی می‌کند. چهارم، با افزودن ملاحظات در جاهایی که شواهد ناقص است، قطعیت ساختگی را حذف کنید. پنجم، حریم خصوصی را بررسی کنید: دادهٔ حساس مشتری، کارمند، سلامت، مالی، اعتبارنامه یا اختصاصی را در ابزارها نچسبانید مگر اینکه سازمانتان آن گردش کار را تأیید کرده باشد. ششم، از یک مدل دوم یا prompt دوم بخواهید خروجی را نقد کند. هفتم، یک بازبینی انسانی نهایی برای لحن، قضاوت و زمینه انجام دهید.

برای پژوهش، به نقل‌قول یا یادداشت منبع نیاز داشته باشید و منبع نقل‌شده را خودتان راستی‌آزمایی کنید. برای نوشتن، پیش‌نویس را با صدای خودتان مقایسه کنید و ادعاهای کلی را حذف کنید. برای کد، تست‌ها را اجرا کنید و diff را بازبینی کنید. برای راهبرد، استدلال‌های مخالف بخواهید. برای اسناد طولانی، از مدل بخواهید بخشی را که هر نتیجهٔ مهم را پشتیبانی می‌کند نقل کند یا به آن اشاره کند، بعد مادهٔ منبع را مستقیم بررسی کنید.

انتخاب مدل مناسب برای هر کار

لازم نیست برای همیشه یک مدل هوش مصنوعی را انتخاب کنید. عادت بهتر این است که مدل را با کار جور کنید، بعد وقتی کیفیت مهم است خروجی‌ها را مقایسه کنید. OpenAI، Anthropic و Google همگی راهنمایی دربارهٔ مدل و prompt منتشر می‌کنند که به یک ایدهٔ عملی مشترک اشاره دارد: مدل‌ها و زمینه‌های مختلف برای کارهای مختلف مناسب‌ترند، به‌ویژه وقتی بین پیش‌نویس سریع، استدلال، اسناد طولانی، برنامه‌نویسی و کار چندرسانه‌ای جابه‌جا می‌شوید.

برای نوشتن سریع، طرح‌ریزی، ایمیل و ایده‌پردازی، با یک مدل همه‌منظوره شروع کنید و خروجی را با مشخص‌بودن، کنترل لحن و میزان پیروی از قالب بسنجید. برای برنامه‌نویسی، مدلی را انتخاب کنید که مصالحه‌ها را توضیح دهد، زمینهٔ مفقود را بخواهد، تست پیشنهاد دهد و وقتی یک اصلاح کوچک امن‌تر است از بازنویسی عظیم بپرهیزد. برای پژوهش، مدل و گردش کاری را ترجیح دهید که مدیریت منبع را قابل‌ردیابی می‌کند. برای اسناد طولانی، از بهترین شیوه‌های زمینهٔ طولانی پیروی کنید: prompt را ساختارمند کنید، مادهٔ منبع را برچسب بزنید، پیش از ترکیب استخراج بخواهید و نتیجه‌ها را با سند اصلی راستی‌آزمایی کنید. برای تصاویر، PDFها، اسکرین‌شات‌ها و ورودی‌های ترکیبی، یک مدل چندرسانه‌ای انتخاب کنید و پیش از تفسیر استخراج ساختارمند بخواهید.

یک جدول تصمیم ساده: برای پیش‌نویس‌ها و ایده‌پردازی از یک مدل سریع استفاده کنید، برای تصمیم‌ها و اشکال‌زدایی از یک مدل استدلالی قوی‌تر، برای مادهٔ منبع بزرگ از یک مدل زمینهٔ طولانی و برای تصاویر یا PDFها از یک مدل چندرسانه‌ای. بعد همان prompt را به‌صورت A/B بیازمایید. اگر یک پاسخ دقیق‌تر است اما پاسخ دیگری ساختار بهتری دارد، از مدل قوی‌تر بخواهید با استفاده از ساختار بهتر بازنگری کند. این اغلب سریع‌تر از تلاش برای وادارکردن یک مدل به انجام کامل هر کار است.

۱۵ دقیقهٔ اول شما در Whizi

ساده‌ترین راه یادگیری استفادهٔ مسئولانه از هوش مصنوعی این است که مقایسه‌های کوچک و مشخص اجرا کنید. در Whizi با پنج prompt از این راهنما شروع کنید: یک بازنویسی ایمیل، یک خلاصهٔ جلسه، یک برنامهٔ پژوهشی، یک یادداشت تصمیم و یک بررسی راستی‌آزمایی. همان prompt را روی مدل‌ها اجرا کنید و خروجی‌ها را کنار هم مقایسه کنید.

دقیقهٔ ۱ تا ۳: یک کار واقعی از روزتان را انتخاب کنید، نه یک نمایش ساختگی. دقیقهٔ ۴ تا ۶: قالب اصلی prompt را بچسبانید و شخصیت، وظیفه، زمینه و قالب را پر کنید. دقیقهٔ ۷ تا ۱۰: prompt را روی مدل‌ها اجرا کنید و علامت بزنید کدام خروجی روشن‌ترین، مفیدترین و کم‌ریسک‌ترین است. دقیقهٔ ۱۱ تا ۱۳: از بهترین خروجی یک بازنگری با یک محدودیت مشخص بخواهید، مثل کوتاه‌تر، شواهد بیشتر یا مستقیم‌تر. دقیقهٔ ۱۴ تا ۱۵: الگوی prompt را ذخیره کنید تا بتوانید دوباره از آن استفاده کنید.

برای کارهای پژوهش‌محور، Founder Research Stack را در /templates/founder-research-stack امتحان کنید. برای مسیرهای یادگیری بیشتر، /resources را مرور کنید. وقتی آماده شدید آزمایش را به یک گردش کار تکرارپذیر تبدیل کنید، در /register یک حساب بسازید و پلن‌ها را در /pricing مقایسه کنید.

فهرست بررسی

• پیش از باز کردن چت‌بات، وظیفهٔ دقیق را تعریف کنید
• در هر prompt جدی از شخصیت، وظیفه، زمینه و قالب استفاده کنید
• وقتی لحن یا ساختار مهم است، نمونه‌هایی از خروجی خوب بچسبانید
• از مدل بخواهید فرض‌ها و اطلاعات مفقود را فهرست کند
• ادعاهای واقعی را با منابع اولیه یا اسناد داخلی راستی‌آزمایی کنید
• پیش از چسباندن اطلاعات حساس یا اختصاصی، حریم خصوصی را بررسی کنید
• prompt‌های مهم را روی بیش از یک مدل اجرا کنید
• برای مادهٔ منبع بزرگ از مدل‌های زمینهٔ طولانی استفاده کنید و پیش از ترکیب استخراج بخواهید
• وقتی ورودی شامل تصاویر، اسکرین‌شات‌ها، PDFها یا رسانهٔ ترکیبی است از مدل‌های چندرسانه‌ای استفاده کنید
• prompt‌هایی را که جواب می‌دهند ذخیره کنید تا هوش مصنوعی به یک گردش کار تکرارپذیر تبدیل شود، نه یک ترفند یک‌باره

پرسش‌های متداول