آیا به دنبال تحقیقات سریعتر، پیشنویسهای واضحتر یا طوفان فکری هوشمندانهتری هستید؟ یادگیری نحوه صحبت با هوش مصنوعی سادهتر از آن چیزی است که به نظر میرسد. ترفندهای کوچک در نحوه پرسیدن و نحوه پیگیری شما میتواند نتایج را از معمولی به شگفتانگیز عالی تبدیل کند. به آن مانند راهنمایی کردن به یک کارآموز بسیار با استعداد فکر کنید که هرگز نمیخوابد، گاهی اوقات حدس میزند و عاشق وضوح است. شما اشاره میکنید، کمک میکند. شما راهنمایی میکنید، عالی میشود. شما زمینه را نادیده میگیرید... او به هر حال حدس میزند. شما میدانید که چطور است.
در زیر یک راهنمای کامل برای نحوه صحبت با هوش مصنوعی ، با نکات سریع، تکنیکهای عمیقتر و یک جدول مقایسهای وجود دارد تا بتوانید ابزار مناسب برای کار را انتخاب کنید. اگر اهل مطالعه سطحی هستید، با شروع سریع و الگوها شروع کنید. اگر اهل یادگیری پیشرفته هستید، بررسیهای عمیقتر برای شما مناسب است.
مقالاتی که شاید بعد از این مطلب دوست داشته باشید بخوانید:
🔗 هوش مصنوعی چه چیزی را القا میکند؟
توضیح میدهد که چگونه میتوان دستورالعملهای مؤثری برای هدایت و بهبود خروجیهای هوش مصنوعی ایجاد کرد.
🔗 برچسبگذاری دادههای هوش مصنوعی چیست؟
توضیح میدهد که چگونه مجموعه دادههای برچسبگذاریشده، مدلهای یادگیری ماشین دقیقی را آموزش میدهند.
🔗 اخلاق هوش مصنوعی چیست؟
اصول راهنمای استفاده مسئولانه و منصفانه از هوش مصنوعی را پوشش میدهد.
🔗 MCP در هوش مصنوعی چیست؟
پروتکل Model Context و نقش آن در ارتباطات هوش مصنوعی را معرفی میکند.
چگونه با هوش مصنوعی صحبت کنیم ✅
-
اهداف واضح - دقیقاً به مدل بگویید که «خوب» چه شکلی است. نه احساسات، نه امیدها - معیارها.
-
زمینه + محدودیتها - مدلها با مثالها، ساختار و محدودیتها بهتر عمل میکنند. اسناد ارائه دهنده صریحاً توصیه میکنند که مثالها را ارائه دهید و شکل خروجی را مشخص کنید [2].
-
اصلاح مکرر - اولین درخواست شما یک پیشنویس است. آن را بر اساس خروجی بهبود دهید؛ اسناد ارائه دهندگان اصلی این را به صراحت توصیه میکنند [3].
-
تأیید و ایمنی - از مدل بخواهید که خودش را ذکر کند، استدلال کند، بررسی کند - و شما همچنان دوباره بررسی میکنید. استانداردها به دلیلی وجود دارند [1].
-
تطبیق ابزار با وظیفه - برخی از مدلها در کدنویسی عالی هستند؛ برخی دیگر در زمینه یا برنامهریزی طولانی مدت موفق هستند. بهترین شیوههای فروشندگان مستقیماً این موضوع را نشان میدهند [2][4].
بیایید صادق باشیم: بسیاری از «ترفندهای سریع» فقط تفکر ساختاریافته با علائم نگارشی مناسب هستند.
یک نمونه کوچک و مختصر:
یک مدیر محصول پرسید: «مشخصات محصول را بنویسید؟» نتیجه: عمومی.
ارتقا: «شما یک مدیر محصول در سطح کارکنان هستید. هدف: مشخصات برای اشتراکگذاری رمزگذاریشده. مخاطب: مهندسی موبایل. قالب: ۱ صفحهای با دامنه/فرضیات/ریسک. محدودیتها: بدون جریانهای تأیید جدید؛ بدهبستانهای استناد.»
نتیجه: یک مشخصات قابل استفاده با خطرات صریح و بدهبستانهای واضح - زیرا هدف، مخاطب، قالب و محدودیتها از قبل بیان شده بودند.
چگونه با هوش مصنوعی صحبت کنیم: شروع سریع در ۵ مرحله ⚡
-
نقش، هدف و مخاطب خود را بیان کنید.
مثال: شما یک مربی نویسندگی حقوقی هستید. هدف: این یادداشت را مختصر کنید. مخاطب: افراد غیرحقوقدان. اصطلاحات تخصصی را به حداقل برسانید؛ دقت را حفظ کنید. -
یک تکلیف مشخص با محدودیتها ارائه دهید.
آن را به ۳۰۰ تا ۳۵۰ کلمه بازنویسی کنید؛ یک خلاصه ۳ قسمتی اضافه کنید؛ تمام تاریخها را نگه دارید؛ زبان طفره رفتن را حذف کنید. -
زمینه و مثال ارائه دهید.
قطعه کدهای کوتاه، سبکهایی که دوست دارید یا یک نمونه کوتاه را جایگذاری کنید. مدلها از الگوهایی که به آنها نشان میدهید پیروی میکنند؛ اسناد رسمی میگویند که این امر قابلیت اطمینان را بهبود میبخشد [2]. -
از او بخواهید استدلال یا بررسی کند.
مراحل خود را به طور خلاصه نشان دهید؛ فرضیات را فهرست کنید؛ هرگونه اطلاعات از دست رفته را علامت بزنید. -
تکرار - پیشنویس اول را قبول نکنید.
خوب است. حالا 20٪ فشردهسازی کنید، افعال تأثیرگذار را نگه دارید و منابع را در متن ذکر کنید. تکرار یک روش اصلی و بهترین روش است، نه فقط یک داستان [3].
تعاریف (خلاصه نویسی مفید)
معیارهای موفقیت: معیار قابل اندازهگیری برای «خوب» - مثلاً طول، تناسب با مخاطب، بخشهای مورد نیاز.
محدودیتها: موارد غیرقابل مذاکره - مثلاً «عدم ادعای جدید»، «استناد به APA»، «کمتر یا مساوی ۲۰۰ کلمه».
زمینه: حداقل پیشزمینه برای جلوگیری از حدس زدن - مثلاً خلاصه محصول، شخصیت کاربر، مهلتها.
جدول مقایسه: ابزارهایی برای صحبت با هوش مصنوعی (عجیب و غریب از روی قصد) 🧰
قیمتها تغییر میکنند. بسیاری از آنها دارای سطوح رایگان + ارتقاء اختیاری هستند. دستهبندیهای تقریبی، بنابراین این مفید میماند، نه اینکه فوراً از رده خارج شود.
| ابزار | بهترین برای | قیمت (تخمینی) | چرا برای این مورد استفاده جواب میدهد |
|---|---|---|---|
| چت جی پی تی | استدلال عمومی، نوشتن؛ کمک در کدنویسی | رایگان + حرفهای | پیروی قوی از دستورالعملها، اکوسیستم گسترده، دستورالعملهای متنوع |
| کلود | اسناد متنی طولانی، استدلال دقیق | رایگان + حرفهای | عالی با ورودیهای طولانی و تفکر گام به گام؛ به طور پیشفرض ملایم |
| گوگل جمینی | وظایف مبتنی بر وب، چندرسانهای | رایگان + حرفهای | بازیابی خوب؛ ترکیب قوی تصاویر + متن |
| کمک خلبان مایکروسافت | گردشهای کاری اداری، صفحات گسترده، ایمیلها | شامل برخی از پلنها + پرو | جایی که کارتان زندگی میکند، محدودیتهای مفیدی در آن ایجاد میشود |
| سرگشتگی | تحقیق + استنادات | رایگان + حرفهای | پاسخهای واضح به همراه منابع؛ جستجوی سریع |
| میانسفر | تصاویر و هنرهای مفهومی | اشتراک | کاوش بصری؛ به خوبی با پیامهای متنی جفت میشود |
| پو | یک مکان برای امتحان کردن مدلهای مختلف | رایگان + حرفهای | تغییر سریع؛ آزمایشهایی بدون تعهد |
اگر انتخاب میکنید: مدل را با زمینهای که برایتان مهم است تطبیق دهید - اسناد طولانی، کدنویسی، تحقیق با منابع یا تصاویر. صفحات بهترین شیوههای ارائهدهنده اغلب مواردی را که مدلشان در آنها برتری دارد برجسته میکنند. این تصادفی نیست [4].
آناتومی یک ارائهی تأثیرگذار 🧩
وقتی میخواهید نتایج بهتری بگیرید، از این ساختار ساده استفاده کنید:
نقش + هدف + مخاطب + قالب + محدودیتها + زمینه + مثالها + فرآیند + بررسیهای خروجی
شما یک بازاریاب ارشد محصول هستید. هدف: نوشتن یک خلاصه راهاندازی برای یک اپلیکیشن یادداشتهای اولویتدار در حوزه حریم خصوصی. مخاطب: مدیران اجرایی پرمشغله. قالب: یادداشت ۱ صفحهای با سرفصلها. محدودیتها: انگلیسی ساده، بدون اصطلاحات، ادعاهای قابل اثبات. زمینه: خلاصه محصول را در زیر جایگذاری کنید. مثال: لحن یادداشت ضمیمه شده را تقلید کنید. فرآیند: گام به گام فکر کنید؛ ابتدا ۳ سوال روشنکننده بپرسید. بررسی خروجی: با یک لیست ریسک ۵ گزینهای و یک سوال متداول کوتاه، کار را تمام کنید.
این جملهی لقمهای همیشه از جملات قصار و مبهم بهتر است.
بررسی عمیق ۱: اهداف، نقشها و معیارهای موفقیت 🎯
مدلها به نقشهای واضح احترام میگذارند. بگویید دستیار کیست چگونه به نظر میرسد و چگونه قضاوت خواهد شد. راهنماییهای مربوط به کسب و کار، تعریف معیارهای موفقیت را از قبل توصیه میکنند - این کار خروجیها را هماهنگ و ارزیابی آنها را آسانتر میکند [4].
نکته تاکتیکی: قبل از اینکه مدل چیزی بنویسد، از او بخواهید که یک چک لیست
بررسی عمیق ۲: زمینه، محدودیتها و مثالها 📎
هوش مصنوعی روانی نیست؛ بلکه تشنهی الگو است. الگوهای مناسب را به آن بدهید. مهمترین مطالب را در بالا قرار دهید و در مورد شکل خروجی صریح باشید. برای ورودیهای طولانی، اسناد فروشندگان خاطرنشان میکنند که ترتیب و ساختار، در زمینههای طولانی، به طور قابل توجهی بر نتایج تأثیر میگذارند [4].
این میکرو تمپلیت رو امتحان کن:
-
متن: حداکثر ۳ جمله کوتاه که خلاصهای از وضعیت را ارائه میدهد
-
منبع: چسبانده شده یا پیوست شده
-
انجام دهید: ۳ گلوله
-
نکن: ۳ گلوله
-
قالب: طول، بخشها یا طرحواره خاص
-
معیار کیفیت: یک پاسخ A+ باید شامل چه مواردی باشد
شیرجه عمیق ۳: استدلال بر اساس تقاضا 🧠
اگر میخواهید با دقت فکر کنید، آن را به طور خلاصه درخواست کنید. یک برنامه یا دلیل مختصر درخواست کنید؛ برخی از راهنماهای رسمی پیشنهاد میکنند که برای بهبود پایبندی به دستورالعملها، برنامهریزی برای کارهای پیچیده را القا کنید [2][4].
تلنگر سریع:
رویکرد خود را در مراحل شمارهگذاری شده برنامهریزی کنید. فرضیات را بیان کنید. سپس فقط پاسخ نهایی را ارائه دهید، به همراه یک دلیل منطقی ۵ خطی در پایان.
نکتهی کوچک: متن استدلالی بیشتر همیشه بهتر نیست. بین وضوح و ایجاز تعادل برقرار کنید تا در چارچوب ذهنی خودتان غرق نشوید.
شیرجه عمیق ۴: تکرار به عنوان یک ابرقدرت 🔁
با مدل مانند همکاری که در چرخهها آموزش میدهید رفتار کنید. دو پیشنویس متضاد با لحنهای مختلف درخواست کنید؛ یا فقط طرح کلی را . سپس اصلاح کنید. OpenAI و دیگران صراحتاً اصلاح مکرر را توصیه میکنند - زیرا جواب میدهد [3].
حلقه مثال:
-
سه گزینه برای طرح کلی با زوایای مختلف به من بدهید.
-
قویترینها را انتخاب کنید، بهترین قسمتها را ادغام کنید و یک پیشنویس بنویسید.
-
۱۵٪ کاهش دهید، افعال را ارتقا دهید و یک پاراگراف شکاکانه با ذکر منبع اضافه کنید.
بررسی عمیق ۵: گاردریلها، تأیید و ریسک 🛡️
هوش مصنوعی میتواند مفید باشد و همچنان اشتباه کند. برای کاهش ریسک، از چارچوبهای ریسک تثبیتشده الهام بگیرید: ریسکها را تعریف کنید، شفافیت را الزامی کنید و بررسیهایی برای انصاف، حریم خصوصی و قابلیت اطمینان اضافه کنید. چارچوب مدیریت ریسک هوش مصنوعی NIST، ویژگیهای قابل اعتماد بودن و عملکردهای عملی را که میتوانید با گردشهای کاری روزمره تطبیق دهید، تشریح میکند. از مدل بخواهید عدم قطعیت را افشا کند، منابع را ذکر کند و محتوای حساس را علامتگذاری کند - سپس شما تأیید میکنید [1].
دستورالعملهای تأیید:
-
سه فرض برتر را فهرست کنید. برای هر کدام، میزان اطمینان را ارزیابی کنید و منبع آن را نشان دهید.
-
حداقل به دو منبع معتبر استناد کنید؛ اگر هیچ منبعی وجود ندارد، آن را به طور واضح بیان کنید.
-
یک استدلال کوتاه برای پاسخ خودتان ارائه دهید، سپس آن را با پاسخ خودتان تطبیق دهید.
بررسی عمیق ۶: وقتی مدلها زیادهروی میکنند - و چگونه آنها را مهار کنیم 🧯
گاهی اوقات هوش مصنوعی بیش از حد مشتاق میشود و پیچیدگیهایی را که شما درخواست نکردهاید، اضافه میکند. راهنمای آنتروپیک تمایل به مهندسی بیش از حد را نشان میدهد؛ راه حل، محدودیتهای واضحی است که صریحاً میگویند «هیچ چیز اضافی وجود ندارد» [4].
دستور کنترل:
فقط تغییراتی را که صریحاً درخواست میکنم اعمال کنید. از اضافه کردن انتزاعات یا فایلهای اضافی خودداری کنید. راهحل را مینیمال و متمرکز نگه دارید.
چگونه برای تحقیق در مقابل اجرا با هوش مصنوعی صحبت کنیم 🔍⚙️
-
حالت تحقیق: دیدگاههای رقیب، سطوح اطمینان و استنادات را درخواست کنید. به یک کتابشناسی کوتاه نیاز دارید. قابلیتها به سرعت در حال تکامل هستند، بنابراین هر چیز مهمی را تأیید کنید [5].
-
حالت اجرا: ویژگیهای قالب، طول، لحن و موارد غیرقابل مذاکره را مشخص کنید. درخواست یک چک لیست و یک خودارزیابی نهایی کنید. آن را دقیق و قابل آزمایش نگه دارید.
نکات چندوجهی: متن، تصاویر و دادهها 🎨📊
-
برای تصاویر: سبک، زاویه دوربین، حس و حال و ترکیببندی را شرح دهید. در صورت امکان ۲ تا ۳ تصویر مرجع ارائه دهید.
-
برای وظایف دادهای: ردیفهای نمونه و طرحواره مورد نظر را جایگذاری کنید. به مدل بگویید کدام ستونها را نگه دارد و کدامها را نادیده بگیرد.
-
برای رسانههای ترکیبی: بگویید هر مطلب کجا قرار میگیرد. «یک پاراگراف مقدمه، سپس یک نمودار، و در آخر یک کپشن با یک جملهی کوتاه برای شبکههای اجتماعی.»
-
برای اسناد طولانی: موارد ضروری را در اولویت قرار دهید؛ در زمینههای بسیار بزرگ، ترتیب اهمیت بیشتری دارد [4].
عیبیابی: وقتی مدل به پهلو میرود 🧭
-
خیلی مبهم است؟ مثال، محدودیت یا چارچوب قالببندی اضافه کنید.
-
خیلی طولانی شد؟ بودجهای برای کلمات تعیین کنید و فشردهسازی بولتها را درخواست کنید.
-
نکته را متوجه نشدید؟ اهداف را دوباره بیان کنید و ۳ معیار موفقیت اضافه کنید.
-
آیا میخواهید چیزی را از خودتان بسازید؟ به منابع و یادداشت عدم قطعیت نیاز دارید. منبع را ذکر کنید یا بگویید «منبعی وجود ندارد».
-
لحن بیش از حد مطمئن؟ پوشش تقاضا و امتیازهای اطمینان
-
توهم در وظایف تحقیقاتی؟ با استفاده از چارچوبهای معتبر و منابع اولیه، تأیید متقابل انجام دهید؛ راهنمایی ریسک از سوی نهادهای استاندارد به دلیلی وجود دارد [1].
قالبها: کپی، تغییر، اجرا 🧪
۱) تحقیق با منابع
شما دستیار تحقیق هستید. هدف: خلاصه کردن اجماع فعلی در مورد [موضوع]. مخاطب: غیر فنی. ۲ تا ۳ منبع معتبر را وارد کنید. فرآیند: فهرست فرضیات؛ یادداشت عدم قطعیت. خروجی: ۶ نکته کلیدی + ۱ پاراگراف خلاصه. محدودیتها: بدون حدس و گمان؛ اگر شواهد محدود است، آن را بیان کنید. [3]
۲) تهیه پیشنویس محتوا
شما یک ویراستار هستید. هدف: تهیه پیشنویس یک پست وبلاگ در مورد [موضوع]. لحن: دوستانه و متخصص. قالب: H2/H3 با بولت. طول: ۹۰۰ تا ۱۱۰۰ کلمه. یک بخش ضد استدلال را نیز در نظر بگیرید. با یک خلاصه متن کامل (TL;DR) به پایان برسانید. [2]
۳) کمککنندهی کدنویسی
شما یک مهندس ارشد هستید. هدف: پیادهسازی [ویژگی] در [stack]. محدودیتها: بدون درخواست، هیچ گونه تغییر کدی انجام نمیشود؛ تمرکز بر وضوح. فرآیند: رویکرد کلی، فهرست کردن بدهبستانها، سپس کدنویسی. خروجی: بلوک کد + حداقل کامنتها + یک طرح تست ۵ مرحلهای. [2][4]
۴) یادداشت استراتژی
شما یک استراتژیست محصول هستید. هدف: پیشنهاد ۳ گزینه برای بهبود [معیار]. شامل مزایا/معایب، سطح تلاش، خطرات. خروجی: جدول + توصیه ۵ گزینهای. فرضیات را اضافه کنید؛ در پایان ۲ سوال شفافسازی بپرسید. [3]
۵) بررسی سند طولانی
شما یک ویراستار فنی هستید. هدف: خلاصه کردن سند پیوست شده. متن منبع را در بالای پنجره متن خود قرار دهید. خروجی: خلاصه اجرایی، ریسکهای کلیدی، سوالات باز. محدودیتها: اصطلاحات اصلی را حفظ کنید؛ هیچ ادعای جدیدی مطرح نشود. [4]
اشتباهات رایجی که باید از آنها اجتناب کنید 🚧
-
سوالات مبهمی مثل «این را بهتر کن.» بهتر، چطور؟
-
هیچ محدودیتی وجود ندارد ، بنابراین مدل جاهای خالی را با حدس پر میکند.
-
ارائه یکباره و بدون تکرار. اولین پیشنویس به ندرت بهترین نسخه است - و این برای انسانها هم صادق است [3].
-
نادیده گرفتن تأیید در خروجیهای با ریسک بالا. قرض گرفتن استانداردهای ریسک و اضافه کردن بررسیها [1].
-
نادیده گرفتن راهنماییهای ارائهدهنده که به معنای واقعی کلمه به شما میگوید چه چیزی مؤثر است. اسناد را بخوانید [2][4].
مطالعه موردی کوچک: از ابهام تا تمرکز 🎬
سوال مبهم:
چند ایده بازاریابی برای اپلیکیشن من بنویسید.
خروجی احتمالی: ایدههای پراکنده؛ سیگنال ضعیف.
ارتقاء دستورالعمل با استفاده از ساختار ما:
شما یک بازاریاب چرخه عمر هستید. هدف: ایجاد ۵ آزمایش فعالسازی برای یک برنامه یادداشتهای اولویتدار حریم خصوصی. مخاطب: کاربران جدید در هفته اول. محدودیتها: بدون تخفیف؛ باید قابل اندازهگیری باشد. قالب: جدول با فرضیه، مراحل، معیار، تأثیر مورد انتظار. زمینه: کاربران پس از روز دوم ریزش میکنند؛ ویژگی برتر، اشتراکگذاری رمزگذاری شده است. بررسی خروجی: قبل از پیشنهاد، ۳ سؤال روشنکننده بپرسید. سپس جدول به همراه یک خلاصه اجرایی ۶ خطی ارائه دهید.
نتیجه: ایدههای هوشمندانهتر مرتبط با نتایج، و یک برنامهی آماده برای آزمایش. نه جادو - فقط وضوح.
چگونه در مواقع حساس با هوش مصنوعی صحبت کنیم 🧩
وقتی موضوع بر سلامت، امور مالی، قانون یا ایمنی تأثیر میگذارد، به دقت بیشتری نیاز دارید. از چارچوبهای ریسک برای هدایت تصمیمات، الزام به استناد، دریافت نظر دوم و مستندسازی فرضیات و محدودیتها استفاده کنید. چارچوب مرجع ریسک هوش مصنوعی NIST یک مرجع محکم برای ایجاد چک لیست شخصی شماست [1].
چک لیست ریسک بالا:
-
تصمیم، سناریوهای آسیب و راهکارهای کاهش آن را تعریف کنید
-
درخواست استناد و برجسته کردن عدم قطعیت
-
یک فرضیهی خلاف واقع مطرح کنید: «چطور ممکن است این اشتباه باشد؟»
-
قبل از اقدام، نظر متخصص انسانی را جویا شوید
سخن پایانی: خیلی طولانی بود، نخوندمش 🎁
یادگیری نحوه صحبت با هوش مصنوعی مربوط به طلسمهای مخفی نیست. این تفکر ساختاریافتهای است که به روشنی بیان شده است. نقش و هدف را تعیین کنید، زمینه را فراهم کنید، محدودیتها را اضافه کنید، استدلال بخواهید، تکرار کنید و تأیید کنید. این کار را انجام دهید و خروجیهایی خواهید گرفت که به طرز عجیبی مفید به نظر میرسند - گاهی اوقات حتی لذتبخش. گاهی اوقات مدل سرگردان میشود و اشکالی ندارد؛ شما آن را به عقب برمیگردانید. مکالمه کار اصلی است. و بله، گاهی اوقات استعارهها را مانند یک سرآشپز با ادویههای زیاد مخلوط میکنید... سپس آن را به عقب برگردانید و ارسال کنید.
-
موفقیت را از قبل تعریف کنید
-
زمینه، محدودیتها و مثالها را بیان کنید
-
درخواست استدلال و بررسی کنید
-
دو بار تکرار کنید
-
ابزار را با وظیفه مطابقت دهید
-
هر چیز مهمی را تأیید کنید
منابع
-
NIST - چارچوب مدیریت ریسک هوش مصنوعی (AI RMF 1.0). PDF
-
پلتفرم OpenAI - راهنمای مهندسی سریع. لینک
-
مرکز راهنمایی OpenAI - بهترین شیوههای مهندسی برای ChatGPT را به سرعت ارائه دهید. لینک
-
اسناد آنتروپیک - ارائه بهترین شیوهها (کلود). لینک
-
استنفورد HAI - شاخص هوش مصنوعی ۲۰۲۵: عملکرد فنی (فصل ۲). PDF