ا
| پرامپتی که سرنوشت محتوای من را عوض کرد؛ تعیین نقش در پرامپت نویسی |
اوایل که با هوش مصنوعی برای تولید محتوا کار می کردم، از خروجی ها خیلی راضی بودم، همه چیز خوب بود و خروجی های خوبی از هوش مصنوعی تحویل می گرفتم و برای استفاده در سایت ها هم مناسب بودند، برای همین هم طبیعی بود که احساس کنم مسیر را درست می روم.
اما یه جا برای خودم سوالی پیش آمد.
با خودم گفتم اگه به جای این که فقط موضوع رو به AI بدم، از اون بخوام محتوا را از دید یک تولید کننده محتوای باتجربه بنویسه، نتیجه فرق می کنه یا نه؟ یا مثلا اگه بگویم تحلیل سئو رو از زاویه دید کسی انجام بده که سال ها روی پروژه های واقعی کار کرده، خروجی چقدر تغییر می کنه؟
همین سوال ساده، نگاه من رو به پرامپت نویسی عوض کرد!
قبل از اون، من هم مثل خیلی ها بیشتر روی خود درخواست تمرکز می کردم، یعنی موضوع رو می دادم، چند توضیح اضافه می نوشتم و منتظر خروجی می ماندم. اما بعدا فهمیدم یک بخش مهم ماجرا رو نادیده گرفته بودم:
«این که AI باید بدونه از چه جایگاهی قراره به مسئله نگاه کنه!»
اولین بار که این روش رو تست کردم، تفاوت خروجی نسبت به قبل کاملا محسوس بود.
خروجی کامل تر، تمیزتر و طبیعی تر شده بود و مهم تر از همه، حس می شد یه منطق حرفه ای پشت اون قرار داره، انگار متن رو کسی نوشته که فقط جمله سازی نکرده و می فهمه محتوا قراره چه کاری انجام بده.
این همون جایی بود که برای من ماجرا جدی تر شد.
چون تفاوت فقط در خوش خوان تر شدن متن محتوا نبود، وقتی نقش رو درست تعیین می کردی، خروجی از حالت عمومی فاصله می گرفت و بیشتر به یک محتوای مناسب هدف اون پروژه نزدیک می شد، محتوایی که ارزش کار کردن روش رو داشت و میشد با کمی اصلاح و ادیت، به مرحله بهره برداری رسوندش.
البته یک نکته هم داشت.
در بعضی از تست هایی که انجام می دادم، خروجی کمی بی نظم می شد، نه از این جهت که ضعیف باشد، بلکه از این جهت که چند زاویه دید مختلف همزمان وارد متن می شدند؛ مثلا یک جا لحن بیشتر تحلیلی می شد، یک جا توضیح ها زیادی باز می شدند، یک جا هم ترتیب منطقی محتوا کمی به هم می ریخت.
اینجا معمولا اشتباه اتفاق می افتد.
بعضی ها در همین مرحله فکر می کنند تعیین نقش جواب نداده، در حالی که مسئله و مشکل این نیست، موضوع این است که نقش به AI داده شده، اما دقیق اون نقش تعریف نشده یا مرز بین نقش ها مشخص نبوده.
AI معمولا وقتی چند تا نقش می گیره، سعی می کنه همه را با هم وارد خروجی کنه و این امر به احتمال زیاد روی کیفیت خروجی تاثیر میذاره!
اگر شما فقط اسم نقش ها رو بهش بدید ولی نگید هر کدام دقیقا چه مسئولیتی داره، ممکنه توی نتیجه نهایی کمی بی نظمی و پراکندگی اتفاق بیفته و این موضوع طبیعیه ولی قابل حل است:
اگر نقش ها را واضح تر تعریف کنید، توضیح بدید که هر کدام از نقش ها را چگونه باید در خروجی اعمال کنه و حتی ساختار خروجی را هم مشخص کنید، کیفیت نهایی خیلی بهتر میشه.
بذارید با یه مثال روشن تر کنم این موضوع رو:
فرض کنید قراره برای یک سایت در حوزه پوشاک مردانه و زنانه محتوا تولید بشه، نقش هایی که به هوش مصنوعی باید بگین می تونن این موارد باشن:
مثلا به AI بگید خودت رو در نقش یک تولید کننده محتوای باتجربه قرار بده، کسی که سال ها در وب فارسی محتوا نوشته، ساختار محتوا را می فهمه و می دونه چه چیزی برای مخاطب این حوزه مهمه.
بعد یک لایه دیگه به اون اضافه کنین، بگید همزمان از زاویه دید یک متخصص سئو هم به موضوع نگاه کنه، کسی که نیت جستجو را می شناسه، با ساختار محتوای سئو شده آشناست و می فهمه این متن قراره هم خونده بشه و هم در کنارش عملکرد و نتیجه خوب به همراه داشته باشه
مثلا بگید از زاویه دید کسی هم نگاه کن که خود بازار پوشاک را می شناسه، کسی که جنس سوال های مشتری رو می فهمه، تفاوت محصول ها را می دونه و با منطق خرید در این حوزه آشنایی کامل داره.
نکته مهم دقیقا همین جاست
هر چقدر نقش ها به نیاز واقعی پروژه نزدیک تر باشن، خروجی هم کاربردی تر می شه، اما اگر فقط برای پیچیده تر شدن پرامپت، چند نقش بی ربط کنار هم بذارید، نتیجه معمولا بهتر نمیشه و حتی ممکن است متن را شلوغ و ناهماهنگ کند.
برای همین من بعد از این تجربه به یک نتیجه مشخص رسیدم:
فقط توضیح دادن موضوع کافی نیست و فقط این که بگویید چه می خواهید هم کافی نیست. اگر می خواهید خروجی AI از حالت عمومی فاصله بگیرد، باید جایگاه فکری اون رو هم مشخص کنید، یعنی بگید این پاسخ قراره از ذهن چه کسی بیرون بیاد.
این تغییر برای من واقعا جدی بود.
نه فقط چون کیفیت متن بهتر شد، بلکه چون خروجی ها بیشتر به درد استفاده واقعی خوردن , محتوایی که قبلا فقط خوب به نظر می رسید، حالا به محتوای عالی و هدفمند تبدیل شد.
امیرمهدی ترابی | تولید محتوا با AI| @amirmt_contentai |
اوایل که با هوش مصنوعی برای تولید محتوا کار می کردم، از خروجی ها خیلی راضی بودم، همه چیز خوب بود و خروجی های خوبی از هوش مصنوعی تحویل می گرفتم و برای استفاده در سایت ها هم مناسب بودند، برای همین هم طبیعی بود که احساس کنم مسیر را درست می روم.
اما یه جا برای خودم سوالی پیش آمد.
با خودم گفتم اگه به جای این که فقط موضوع رو به AI بدم، از اون بخوام محتوا را از دید یک تولید کننده محتوای باتجربه بنویسه، نتیجه فرق می کنه یا نه؟ یا مثلا اگه بگویم تحلیل سئو رو از زاویه دید کسی انجام بده که سال ها روی پروژه های واقعی کار کرده، خروجی چقدر تغییر می کنه؟
همین سوال ساده، نگاه من رو به پرامپت نویسی عوض کرد!
قبل از اون، من هم مثل خیلی ها بیشتر روی خود درخواست تمرکز می کردم، یعنی موضوع رو می دادم، چند توضیح اضافه می نوشتم و منتظر خروجی می ماندم. اما بعدا فهمیدم یک بخش مهم ماجرا رو نادیده گرفته بودم:
«این که AI باید بدونه از چه جایگاهی قراره به مسئله نگاه کنه!»
اولین بار که این روش رو تست کردم، تفاوت خروجی نسبت به قبل کاملا محسوس بود.
خروجی کامل تر، تمیزتر و طبیعی تر شده بود و مهم تر از همه، حس می شد یه منطق حرفه ای پشت اون قرار داره، انگار متن رو کسی نوشته که فقط جمله سازی نکرده و می فهمه محتوا قراره چه کاری انجام بده.
این همون جایی بود که برای من ماجرا جدی تر شد.
چون تفاوت فقط در خوش خوان تر شدن متن محتوا نبود، وقتی نقش رو درست تعیین می کردی، خروجی از حالت عمومی فاصله می گرفت و بیشتر به یک محتوای مناسب هدف اون پروژه نزدیک می شد، محتوایی که ارزش کار کردن روش رو داشت و میشد با کمی اصلاح و ادیت، به مرحله بهره برداری رسوندش.
البته یک نکته هم داشت.
در بعضی از تست هایی که انجام می دادم، خروجی کمی بی نظم می شد، نه از این جهت که ضعیف باشد، بلکه از این جهت که چند زاویه دید مختلف همزمان وارد متن می شدند؛ مثلا یک جا لحن بیشتر تحلیلی می شد، یک جا توضیح ها زیادی باز می شدند، یک جا هم ترتیب منطقی محتوا کمی به هم می ریخت.
اینجا معمولا اشتباه اتفاق می افتد.
بعضی ها در همین مرحله فکر می کنند تعیین نقش جواب نداده، در حالی که مسئله و مشکل این نیست، موضوع این است که نقش به AI داده شده، اما دقیق اون نقش تعریف نشده یا مرز بین نقش ها مشخص نبوده.
AI معمولا وقتی چند تا نقش می گیره، سعی می کنه همه را با هم وارد خروجی کنه و این امر به احتمال زیاد روی کیفیت خروجی تاثیر میذاره!
اگر شما فقط اسم نقش ها رو بهش بدید ولی نگید هر کدام دقیقا چه مسئولیتی داره، ممکنه توی نتیجه نهایی کمی بی نظمی و پراکندگی اتفاق بیفته و این موضوع طبیعیه ولی قابل حل است:
اگر نقش ها را واضح تر تعریف کنید، توضیح بدید که هر کدام از نقش ها را چگونه باید در خروجی اعمال کنه و حتی ساختار خروجی را هم مشخص کنید، کیفیت نهایی خیلی بهتر میشه.
بذارید با یه مثال روشن تر کنم این موضوع رو:
فرض کنید قراره برای یک سایت در حوزه پوشاک مردانه و زنانه محتوا تولید بشه، نقش هایی که به هوش مصنوعی باید بگین می تونن این موارد باشن:
مثلا به AI بگید خودت رو در نقش یک تولید کننده محتوای باتجربه قرار بده، کسی که سال ها در وب فارسی محتوا نوشته، ساختار محتوا را می فهمه و می دونه چه چیزی برای مخاطب این حوزه مهمه.
بعد یک لایه دیگه به اون اضافه کنین، بگید همزمان از زاویه دید یک متخصص سئو هم به موضوع نگاه کنه، کسی که نیت جستجو را می شناسه، با ساختار محتوای سئو شده آشناست و می فهمه این متن قراره هم خونده بشه و هم در کنارش عملکرد و نتیجه خوب به همراه داشته باشه
مثلا بگید از زاویه دید کسی هم نگاه کن که خود بازار پوشاک را می شناسه، کسی که جنس سوال های مشتری رو می فهمه، تفاوت محصول ها را می دونه و با منطق خرید در این حوزه آشنایی کامل داره.
نکته مهم دقیقا همین جاست
هر چقدر نقش ها به نیاز واقعی پروژه نزدیک تر باشن، خروجی هم کاربردی تر می شه، اما اگر فقط برای پیچیده تر شدن پرامپت، چند نقش بی ربط کنار هم بذارید، نتیجه معمولا بهتر نمیشه و حتی ممکن است متن را شلوغ و ناهماهنگ کند.
برای همین من بعد از این تجربه به یک نتیجه مشخص رسیدم:
فقط توضیح دادن موضوع کافی نیست و فقط این که بگویید چه می خواهید هم کافی نیست. اگر می خواهید خروجی AI از حالت عمومی فاصله بگیرد، باید جایگاه فکری اون رو هم مشخص کنید، یعنی بگید این پاسخ قراره از ذهن چه کسی بیرون بیاد.
این تغییر برای من واقعا جدی بود.
نه فقط چون کیفیت متن بهتر شد، بلکه چون خروجی ها بیشتر به درد استفاده واقعی خوردن , محتوایی که قبلا فقط خوب به نظر می رسید، حالا به محتوای عالی و هدفمند تبدیل شد.
امیرمهدی ترابی | تولید محتوا با AI| @amirmt_contentai |