منبع: بنیاد طراحی تعامل (IxDF) · بازنویسی آزاد: سپنتا پویا · ترجمه: ۶ شهریور ۱۴۰۵ · زمان مطالعه: حدود ۱۳ دقیقه

مهندسی پرامپت (Prompt Engineering) چیست؟

💡 این متن «بازنویسی آزاد» است: ایده‌ها و مفاهیم مطلب اصلی با نگارش کاملاً مستقل فارسی و مثال‌های تازه بازگو شده‌اند و ترجمهٔ کلمه‌به‌کلمه نیست. بخش‌های افزودهٔ مترجم در جعبهٔ منبع مشخص شده‌اند.

ابزار مولد همان درخواستی را اجرا می‌کند که نوشته‌اید، نه آن درخواستی که در ذهن داشتید. فاصلهٔ میان این دو، تمام موضوع مهندسی پرامپت است.

تعریف

مهندسی پرامپت، کار ساختن پرامپت‌های اثرگذار برای سامانه‌های هوش مصنوعی است.

پرامپت خودش یک دستور یا ورودی مشخص است که به سامانه می‌دهید تا پاسخ یا خروجی دلخواه بیرون بیاید.

نتیجهٔ مهندسی پرامپتِ خوب، ارتباط درست میان کاربر و سامانه است. کاربر در این ارتباط، سامانه را به سمت خروجی مورد نظر خودش هدایت می‌کند.

برای نوشتن پرامپت اثرگذار، طراح باید توانایی‌ها و محدودیت‌های مدل را بشناسد. پرامپتِ خوب‌ساخته، پاسخ دقیق‌تر و ظریف‌تری از ابزار بیرون می‌کشد.

اهمیتش برای طراحی هم مستقیم است. کیفیت پرامپت‌های یک طراح تعیین می‌کند که همکاری‌اش با ابزارهای مولد چقدر خوب پیش می‌رود.

این موضوع بخشی از تعامل انسان و هوش مصنوعی است و پایهٔ فنی‌اش هوش مصنوعی مولد و یادگیری ماشین.

پرامپت‌دادن در برابر مهندسی پرامپت

این دو به هم نزدیک‌اند و یکی نیستند.

پرامپت‌دادن عمل دادن ورودی یا دستور اولیه به سامانه است. در طراحی یعنی نوشتن یک بریف روشن: طراح از ابزار نشانهٔ برند می‌خواهد و ارزش‌های برند و ترجیح رنگ و مضمون‌ها را همراهش می‌دهد.

مهندسی پرامپت یک پلّه بالاتر است. اینجا پرامپت را طوری می‌سازید که کیفیت خروجی بهینه شود.

تفاوت در جای تمرکز است. مسئله این نیست که به ابزار چه بگویید، بلکه این است که آن را چطور بگویید تا از توان ابزار بیشترین استفاده را ببرید.

کسی که این کار را می‌کند، عبارت‌بندی‌های مختلف و ساختارهای مختلف و عناصر بافتی مختلف را می‌آزماید و نتیجه‌ها را با هم مقایسه می‌کند.

در یک جمله: پرامپت‌دادن جهت‌دادن است و مهندسی پرامپت تنظیم دقیق همان جهت‌ها.

چهار کاری که پرامپت خوب می‌کند

• - ۱. ارتباط اثرگذار: پرامپت راه اصلی گفت‌وگوی آدم و مدل است. پرامپت خوب نیت شما را منتقل می‌کند و پاسخ مربوط‌تری برمی‌گرداند.
• - ۲. کاهش بدفهمی: مدل، پرامپت مبهم یا بدساخت را بد تفسیر می‌کند و پاسخ بی‌ربط می‌دهد. پرامپت دقیق، همین بدفهمی را کم می‌کند.
• - ۳. استفادهٔ اخلاقی: پرامپت درست، پاسخ را با راهنماهای اخلاقی و حساسیت‌های فرهنگی همسو می‌کند و جلوی انتشار سوگیری و اطلاعات غلط و محتوای آسیب‌زا را می‌گیرد.
• - ۴. تعامل انسان‌وارتر: پرامپت خوب، گفت‌وگو را طبیعی‌تر می‌کند.

مورد سوم به هوش مصنوعی انسان‌محور وصل می‌شود و از بقیه دیرتر خودش را نشان می‌دهد.

پرامپت بر حسب نوع محتوا

ورودی پرامپت فقط متن نیست. شش قالب ورودی در کار است.

• - متنی: رایج‌ترین شکل. از تولید محتوای نوشتاری تا کارهای مشخص طراحی، مثل متن سایت یا شرح محصول.
• - تصویری: ورودی دیداری. تصویری موجود را الگو می‌دهید یا از ابزار می‌خواهید تصویری را تحلیل و تفسیر کند. برای ویرایش تصویر و طراحی گرافیک و ساختن الگو به کار می‌آید.
• - صوتی: قطعهٔ صدا یا دستور گفتاری. برای بازشناسی گفتار و طراحی صدا و ساخت موسیقی، و در طراحی تجربهٔ کاربری برای رابط‌های صوتی.
• - ویدئویی: برای ویرایش ویدئو، تولید محتوای ویدئویی، و تحلیل ویدئو در پژوهش، مثل بررسی رفتار کاربر.
• - تعاملی: تعامل در لحظه، در سامانه‌هایی که به ورودی کاربر پاسخ می‌دهند، مثل چت‌بات‌ها و ابزارهای طراحی تعاملی.
• - ترکیبی: آمیزهٔ چند نوع محتوا، مثل متن با تصویر یا صدا با ویدئو، برای کارهای چندوجهی‌تر.

انتخاب میان این‌ها دو شرط دارد: کاری که در دست است، و توانایی سامانه‌ای که از آن استفاده می‌کنید.

شش دستهٔ پرامپت

• - ۱. تک‌نمونه‌ای: یک دستور واحد، بدون نمونهٔ پیشین. کوتاه و صریح: «نشانه‌ای برای یک نانوایی طراحی کن».
• - ۲. صفرنمونه‌ای: کاری که مدل برایش آموزش اختصاصی ندیده و باید فقط بر دانش موجود خودش تکیه کند.
• - ۳. چندنمونه‌ای: چند نمونه همراه دستور می‌آید تا مدل بافت یا قالب خروجی را بهتر بگیرد. مثلاً سه نمونه از چیدمان‌های کم‌عنصر می‌دهید و چیدمان مشابهی برای یک فروشگاه می‌خواهید.
• - ۴. زنجیرهٔ اندیشه: مدل را از یک مسیر استدلالی و چند گام پیاپی می‌برد. اول ویژگی‌های ضروری یک رابط موبایل را فهرست کن، بعد بر پایهٔ همان‌ها نمونهٔ اولیه بساز.
• - ۵. دستوری: دستور گام‌به‌گام و مفصل، برای کاری که ترتیب مشخصی دارد.
• - ۶. تکرارشو: خروجی در یک زنجیره از پرامپت‌ها و بر پایهٔ بازخورد پالایش می‌شود.

پرامپت‌هایی که در کار طراحی جواب می‌دهند

در طراحی، هشت نوع پرامپت به بخش‌های مختلف فرایند وصل می‌شود.

• - کاوشی: برای طوفان فکری و ایده‌پردازی. پنج ایدهٔ بستهٔ محصول سازگار با محیط زیست.
• - پالایشی: برای بهتر کردن طرح موجود. بهبود ناوبری و دسترس‌پذیری یک اپ برای کاربران بالای پنجاه سال.
• - قیدمحور: محدودیت مشخص را داخل خودِ درخواست می‌گذارد. پوستری فقط با دو رنگ و شکل‌های هندسی.
• - مخاطب‌محور: برای گروه یا پرسونای مشخص. چیدمان سایتی برای کودکان شش تا ده سال.
• - سناریومحور: برای یک موقعیت مشخص. نقشهٔ تخلیهٔ اضطراری یک مرکز خرید بزرگ، که زیر فشار هم خوانا بماند.
• - روندآگاه: روندهای طراحی روز را داخل درخواست می‌آورد.
• - مسئله‌محور: سراغ یک مشکل مشخص می‌رود. بازطراحی مسیر پرداخت برای کم‌کردن رهاشدن سبد خرید.
• - نوآورانه: برای بیرون‌رفتن از قالب‌های آشنا.

هشت قاعدهٔ نوشتن یک پرامپت

• - ۱. مشخص و روشن باشید: هدف و نیازمندی و قیدهای کار را صریح بگویید.
• - ۲. بافت بدهید: پیشینه و هدف کلی پروژه را شرح دهید تا خروجی با تصویر کلی همسو بماند.
• - ۳. مرز بگذارید: بگویید چه چیزی بیاید و چه چیزی نیاید.
• - ۴. نمونه بگذارید: ارجاع و نمونه، مسیر را نشان می‌دهد؛ مخصوصاً وقتی موضوع ذوقی است، مثل سبک و لحن.
• - ۵. تکرار و پالایش کنید: از خروجی اول برای اصلاح خودِ پرامپت استفاده کنید.
• - ۶. ابزار را همکار بدانید: ابزار پیشنهاد می‌دهد و کار تکراری را برمی‌دارد؛ تصمیم خلاقانهٔ نهایی از خودِ طراح می‌آید.
• - ۷. توانایی‌ها را بشناسید: بدانید ابزار چه می‌تواند و چه نمی‌تواند، تا انتظار واقع‌بینانه بسازید.
• - ۸. آزمایش کنید: از امتحان‌کردن پرامپت‌ها و رویکردهای مختلف نترسید.

از قالب کار به قالب پرامپت

یک قالب سبک هم پیشنهاد شده که پرامپت را از دل خودِ کار بیرون می‌کشد. برای هر مرحله از فرایند طراحی، شش چیز را تعریف می‌کنید: هدف، بافت طراحی، ورودی‌ها، خروجی مورد انتظار، وارسی کیفیت، و پالایش.

حرف اصلی این قالب ساده است. اگر این شش خانه را برای مرحلهٔ فعلی‌تان پر کرده باشید، همهٔ اجزای یک پرامپت قوی را از قبل در دست دارید.

عکسش هم درست است. اگر نمی‌توانید پرشان کنید، مسئله‌تان پرامپت نیست؛ هنوز روشن نکرده‌اید که چه تصمیمی می‌خواهید بگیرید.

ابزار هر چیزی را که به آن بدهید تقویت می‌کند، روشنی یا آشفتگی.

خانهٔ آخر از همه بیشتر جا می‌افتد. وقتی پالایش را خودتان در پرامپت تعیین می‌کنید، جلوی پیشروی ابزار را می‌گیرید.

خیلی از ابزارها پیشنهاد می‌دهند که کدام گزینه را انتخاب کنید یا قدم بعدی چه باشد. این یعنی ابزار خروجی خودش را داوری می‌کند. تصمیم راهبردی جای شماست و کار ابزار دادن گزینه است، نه قضاوت.

وارسی کیفیت هم پشت همین قالب می‌نشیند. چهار وارسی پیشنهادی را در هوش مصنوعی مولد جداگانه آورده‌ام و اینجا تکرارشان نمی‌کنم. جابه‌جایی نقش طراح از سازنده به کارگردان هم در هوش مصنوعی بحث شده است.

چالش‌ها، و پالایش تدریجی

این کار دو دشواری همیشگی دارد.

اولی خروجی بی‌ربط یا غیرمنتظره است. پاسخش پالایش پرامپت است، با تمرکز بر دقت و روشنی.

دومی سخت‌تر است. ابزار گاهی مفاهیم انتزاعیِ درونِ کار طراحی را نمی‌گیرد. برای این یکی راهی جز آزمون تکراری و شناختن ظرافت‌های پردازش زبان همان ابزار نیست.

روش پیشنهادی برای رفع اشکال هم تدریجی است. از پرامپتی گسترده شروع کنید، خروجی را تحلیل کنید و بعد کم‌کم دامنه را تنگ‌تر کنید.

یک کار ساده هم بازدهی نامتناسبی دارد: دفتری از پرامپت‌ها و خروجی متناظرشان نگه دارید. مرور همین دفتر است که الگوها را نشان می‌دهد و می‌گوید چه چیزی را باید عوض کنید.

جمع‌های حرفه‌ای هم منبع خوبی‌اند، چون تجربهٔ دیگران دربارهٔ ساختن پرامپت مؤثر همان‌جا رد و بدل می‌شود.

هر جای خالی، شکستِ خودش را دارد

این بخش افزودهٔ من است، چون قاعده‌های نوشتن پرامپت معمولاً به شکل یک فهرست توصیه می‌آیند، و فهرست نمی‌گوید اگر یکی از آن‌ها را رعایت نکنید چه چیزی خراب می‌شود.

پرامپت را به‌جای یک متن، یک فرم با پنج جای خالی ببینید: نقش، کار، بافت، قید، و شکل خروجی.

ادعای من این است که این پنج جای خالی، پنج خرابی متفاوت می‌سازند. یک درخواست ثابت را بردارید، هر بار یکی از خانه‌ها را خالی بگذارید و خروجی را ببینید.

• - نقش خالی: خروجی به لحن میانه می‌رود. متنی می‌گیرید که روان است و مخاطب ندارد.
• - کار خالی: اگر فقط موضوع را بگویید، توضیحِ موضوع را می‌گیرید. «دربارهٔ آنبوردینگ» هرگز به «متن آنبوردینگ را بنویس» تبدیل نمی‌شود.
• - بافت خالی: خروجی درست است و برای محصول دیگری. این خانه خالی نمی‌ماند؛ ابزار آن را با یک پیش‌فرض بیرونی پر می‌کند.
• - قید خالی: خروجی همه‌چیزخواه می‌شود. گزینه‌ای می‌گیرید که سه ماه کار می‌برد و هیچ‌کس نمی‌سازدش.
• - شکل خروجی خالی: متنی می‌گیرید که خواندنش راحت است و استفاده‌اش دستی. باید خودتان آن را به جدول تصمیم تبدیل کنید.

سود این نگاه، یک تشخیص ارزان است. به‌جای بازنویسی کل پرامپت، شکل خرابیِ خروجی را بخوانید و به همان خانه برگردید.

خروجی بی‌مخاطب یعنی نقش را ننوشته‌اید. خروجی بی‌ربط یعنی بافت را. خروجی غیرقابل‌اجرا یعنی قید را.

معمولاً یک خط اضافه پرامپت را درست می‌کند و بازنویسی کامل لازم نیست.

یک نکتهٔ دیگر هم در همین صورت‌بندی هست. پنج خانه هم‌ارز نیستند، چون فقط دو تای اول در ابزارها جای مشخصی دارند.

نقش و کار را همه می‌نویسند، چون همان‌ها هستند که آدم در ذهنش «درخواست» می‌نامد. سه خانهٔ دیگر جایی برای نوشتن ندارند و برای همین حذف می‌شوند.

هر قید، یک برش از فضای خروجی است

این بخش هم افزودهٔ من است، چون توصیهٔ «مشخص باش» یک درجه دارد و خودِ توصیه درجه‌اش را نمی‌گوید.

همهٔ خروجی‌های ممکن یک درخواست را یک ناحیه در نظر بگیرید. پرامپت بی‌قید، تمام آن ناحیه است.

هر قید یک برش می‌زند. زبان، طول، مخاطب، لحن، قالب و معیار پذیرش، هرکدام بخشی از آن ناحیه را حذف می‌کنند.

پس سود قید در حذف است، نه در افزودن. قید چیزی به خروجی اضافه نمی‌کند؛ گزینه‌های نامناسب را برمی‌دارد.

نتیجه‌اش این است که دو خرابی متقارن دارید، نه یکی.

کم‌قیدی: ناحیه بزرگ می‌ماند. خروجی محتمل است و هیچ تصمیمی در آن نیست، پس کار غربال دست خودتان می‌افتد. آن غربال از نوشتن دو خط قید گران‌تر است.

پرقیدی: ناحیه به یک نقطه جمع می‌شود. آن نقطه همان چیزی است که خودتان از قبل تصمیم گرفته بودید، پس خروجی فقط رونویسی تصمیم شماست.

ناحیهٔ مفید میان این دو است: آن‌قدر کوچک که بتوانید گزینه‌ها را بسنجید، و آن‌قدر بزرگ که چیزی ببینید که خودتان نمی‌نوشتید.

دو آزمون ساده هم دارد. اگر پیش از دیدن خروجی می‌توانید آن را با دقت توصیف کنید، ناحیه را به یک نقطه بسته‌اید.

آزمون دوم قرینهٔ همان است. اگر بعد از دیدن سه خروجی هنوز نمی‌دانید کدام بهتر است، معیاری نگذاشته‌اید.

تفاوت این حرف با «مشخص باش» در جهت است. «مشخص باش» یک محور یک‌طرفه می‌سازد که هرچه جلوتر بروی بهتر است. این محور دو انتها دارد و هر دو انتها بد است.

یک تمایز عملی هم از همین‌جا بیرون می‌آید. قید و نمونه دو ابزار مختلف‌اند: قید می‌گوید چه چیزی مجاز نیست، نمونه می‌گوید کدام گوشهٔ ناحیهٔ مجاز را می‌خواهید.

در بافت فارسی

یک: زبان پرامپت و زبان خروجی یک قید نیستند. پرامپت فارسی، خروجی فارسیِ خوب را تضمین نمی‌کند.

اثر عملی‌اش را همه دیده‌اند. پاسخی که از فارسی شروع می‌شود و در میانه به انگلیسی می‌رود، یا فهرستی فارسی با سرستون‌های انگلیسی.

ترکیب پرامپت انگلیسی با خروجی فارسیِ اعلام‌شده هم ترکیب معتبری است. مهم این است که این دو را دو تصمیم جدا بدانید و زبان خروجی را صریح بنویسید.

دو: صفت‌های کیفی فارسی هیچ برشی نمی‌زنند. «روان‌تر»، «حرفه‌ای»، «جذاب». هیچ‌کدام ناحیه را تنگ نمی‌کنند، چون معیارشان در خود واژه نیست.

قیدهایی که واقعاً برش می‌زنند شمردنی‌اند: تعداد کلمه، ممنوع‌بودن واژهٔ لاتین بی‌معادل، سطح خواندن، و فهرست واژه‌هایی که نباید بیاید.

سه: سبک فارسی را باید نشان داد، نه نام برد. لحن فارسی نامِ پذیرفته‌شده ندارد و «رسمی» و «محاوره» هر دو طیف پهنی‌اند.

دو نمونهٔ کوتاه از متن خودتان، از ده سطر توصیف لحن کوتاه‌تر و دقیق‌تر است. همین‌جاست که پرامپت چندنمونه‌ای ارزان‌ترین ابزار می‌شود.

اصطلاح‌نامه را هم همراه نمونه بدهید. برای بسیاری از واژه‌های این حوزه چند برگردان فارسیِ رقیب در گردش است، و اگر معادل تیم خودتان را نگویید، ابزار یکی از آن‌ها را شانسی برمی‌دارد.

چهار: شکل خروجی فارسی را در پرامپت بگذارید. نیم‌فاصله، «ی» و «ک» فارسی، ارقام فارسی، و جای اصطلاح لاتین.

زیر همهٔ این چهار مورد یک نکتهٔ ساختاری هست. سهم فارسی از دادهٔ آموزشی کم است، و اثر این کمبود روی پرامپت مستقیم است.

هرچه دانش پیش‌فرض ابزار دربارهٔ زبان و بازار شما کمتر باشد، وزن بافت و نمونه در پرامپت بیشتر می‌شود. مسائل عمیق‌ترِ همین کمبود و رندر متن دوجهته را در هوش مصنوعی آورده‌ام.

جمع‌بندی

• - مهندسی پرامپت: ساختن پرامپت اثرگذار برای سامانه‌های هوش مصنوعی، با شناخت توانایی و محدودیت مدل
• - پرامپت‌دادن جهت‌دادن است · مهندسی پرامپت تنظیم دقیق همان جهت‌ها
• - چهار سود: ارتباط اثرگذار · کاهش بدفهمی · همسویی اخلاقی · تعامل انسان‌وارتر
• - شش نوع ورودی: متنی · تصویری · صوتی · ویدئویی · تعاملی · ترکیبی
• - شش دسته: تک‌نمونه‌ای · صفرنمونه‌ای · چندنمونه‌ای · زنجیرهٔ اندیشه · دستوری · تکرارشو
• - در طراحی: کاوشی · پالایشی · قیدمحور · مخاطب‌محور · سناریومحور · روندآگاه · مسئله‌محور · نوآورانه
• - قالب کار به قالب پرامپت تبدیل می‌شود: هدف · بافت · ورودی · خروجی · وارسی · پالایش
• - خانهٔ پالایش جلوی داوری ابزار دربارهٔ خروجی خودش را می‌گیرد
• - چالش‌ها: خروجی بی‌ربط و ناتوانی در فهم مفهوم انتزاعی · پاسخ: پالایش تدریجی و دفتر پرامپت
• - پنج جای خالی، پنج خرابی متفاوت: نقش · کار · بافت · قید · شکل خروجی
• - تشخیص از خروجی به جای خالی برمی‌گردد، و معمولاً با یک خط اضافه درست می‌شود
• - هر قید یک برش از ناحیهٔ خروجی است، پس محور دو انتهای بد دارد: کم‌قیدی و پرقیدی
• - در فارسی: زبان خروجی را جدا بنویسید · صفت کیفی برش نمی‌زند · سبک را نشان دهید · شکل خروجی را در پرامپت بگذارید