AI Mindset | AM-026فصل سوم | نگرش حرفه‌ای
هر چیزی که AI می‌گه، «واقعیت» نیست!یکی از خطرناک‌ترین عادت‌ها هنگام کار با AI اینه که:
جواب روان و مطمئن را با جواب درست اشتباه بگیریم.
AI ممکنه یک جمله را خیلی قاطع بگه.
اما سؤال مهم اینه:
«این را می‌دانی یا داری نتیجه‌گیری می‌کنی؟»
مثلاً:
واقعیت:یک داده مشخص وجود دارد.
استنباط:از چند داده، یک نتیجه منطقی گرفته شده.
فرض:اطلاعات کافی نداریم و داریم احتمال می‌دهیم.
این سه تا نباید با هم قاطی شوند.
---
پرامپت امشباین موضوع / پاسخ / تحلیل را بررسی کن:
[متن یا موضوع]
می‌خواهم بین «واقعیت»، «استنباط»، «فرض» و «اطلاعات نامطمئن» تفاوت بگذاری.
هر ادعا را در یکی از این چهار دسته قرار بده:
1. واقعیت:اطلاعاتی که شواهد کافی برای آن داریم.
2. استنباط:نتیجه‌ای که از اطلاعات موجود به دست می‌آید، اما مستقیماً ثابت نشده است.
3. فرض:چیزی که برای ادامه تحلیل در نظر گرفته‌ایم اما هنوز تأیید نشده.
4. نامطمئن:اطلاعاتی که برای تأیید یا رد آن داده کافی نداریم.
برای هر مورد:
- ادعا را کوتاه بنویس.- دسته آن را مشخص کن.- دلیل دسته‌بندی را توضیح بده.- سطح اطمینان را از ۰ تا ۱۰۰ درصد اعلام کن.
اگر برای یک ادعا شواهد کافی نداری، آن را قطعی بیان نکن.
در پایان مشخص کن:
- کدام بخش‌ها قابل اتکاترند؟- کدام بخش‌ها نیاز به بررسی بیشتر دارند؟- کدام فرض اگر اشتباه باشد، بیشترین تأثیر را روی نتیجه نهایی می‌گذارد؟
هیچ اطلاعاتی را فقط برای کامل‌تر شدن پاسخ حدس نزن.
---
چرا این تکنیک مهمه؟چون خیلی وقت‌ها مشکل AI این نیست که:
«هیچ چیزی نمی‌داند.»مشکل این است که ممکن است:
دانسته + استنباط + حدس
را در یک پاسخ روان کنار هم بچیند.
و اگر حواست نباشد، همه را یکسان جدی می‌گیری.
---
یک مثالفرض کن از AI می‌پرسی:
««چرا فروش این محصول کاهش پیدا کرده؟»»
AI می‌گوید:
««احتمالاً به دلیل افزایش قیمت، کاهش تقاضا و عملکرد ضعیف تبلیغات بوده.»»
اینجا باید بپرسی:
کدام قسمت واقعیت است؟
اگر فقط می‌دانیم فروش کاهش یافته:
کاهش فروش = واقعیتاما:
افزایش قیمت = شاید واقعیت کاهش تقاضا = ممکن است استنباط تبلیغات ضعیف = شاید فقط فرضهمین تفکیک ساده می‌تواند جلوی یک تصمیم اشتباه را بگیرد.
---
ترفند حرفهایاگر موضوع مهم است، یک مرحله دیگر اضافه کن:
««حالا فقط ادعاهایی را نگه دار که اگر کسی از من بپرسد «از کجا می‌دانی؟» بتوانم برایشان دلیل یا منبع مشخص ارائه کنم.»»
حالا می‌بینی کدام قسمت تحلیل واقعاً محکم است.
---
یک نکته مهم درباره درصد اطمینانوقتی از AI می‌خواهی بگوید:
««۸۵٪ مطمئنم.»»
این به معنی احتمال آماری واقعی نیست.
این فقط یک برآورد از میزان اطمینان مدل بر اساس اطلاعات موجود است.
پس درصد را جایگزین بررسی واقعی نکن.
برای موضوعات حساس یا اطلاعات روز، حتماً سراغ منابع معتبر برو.
---
🧩 یک سؤال طلایی
هر وقت AI یک ادعای مهم کرد، این را بپرس:
««اگر این ادعا اشتباه باشد، چه چیزی در تحلیل ما تغییر می‌کند؟»»
این سؤال فوق‌العاده است.
چون بعضی فرض‌ها مهم نیستند.
اما بعضی فرض‌ها مثل یک دومینو هستند:
اگر یکی بیفتد، کل نتیجه تغییر می‌کند.
---
قانون طلایی AiRiAجواب مطمئن، الزاماً حقیقت مطمئن نیست.
قبل از اینکه به یک پاسخ اعتماد کنی، ببین:
کدام بخش را می‌داند؟
کدام بخش را نتیجه گرفته؟
و کدام بخش را فقط حدس زده؟
---
تمرین امشبیک پاسخ قدیمی از AI که قبلاً گرفته‌ای بردار.
بهش بگو:
««این پاسخ را به واقعیت، استنباط، فرض و اطلاعات نامطمئن تقسیم کن.»»
بعد ببین چند جمله‌ای که قبلاً مثل «واقعیت» می‌خواندی، در واقع فقط فرض یا استنباط بوده‌اند.
---
چالش شبوقتی AI یک جواب خیلی مطمئن می‌دهد، اولین چیزی که باید بپرسیم چیست؟
«منبعش چیه؟» «از کجا نتیجه گرفتی؟» «چه چیزی ممکنه اشتباه باشه؟» «چقدر مطمئنی؟»یا...
همه این‌ها؟
---
هرچه تصمیم مهم‌تر باشد، مرز بین «می‌دانم» و «فکر می‌کنم» مهم‌تر می‌شود.━━━━━━━━━━━━━━
AiRiA | هوش مصنوعی را حرفه‌ای یاد بگیر#AiRiA #AIMindset #AM026 #هوش_مصنوعی #ChatGPT #تفکر_نقاد #FactChecking
دانشگاه AiRiA | AR-020فصل سوم | قسمت بیستم
مشکل همیشه پرامپت نیست؛ گاهی Context کمه!تا حالا شده یک پرامپت را خیلی خوب بنویسی، ولی AI باز هم خروجی معمولی بده؟
ممکنه مشکل از جمله‌ای که نوشتی نباشه.
ممکنه AI اصلاً زمینه کافی برای تصمیم‌گیری نداشته باشه.
مثلاً می‌گی:
««برای پیجم یک تقویم محتوایی بساز.»»
اما AI نمی‌دونه:
مخاطبت کیه؟ هدفت چیه؟ قبلاً چه چیزهایی منتشر کردی؟ کدوم محتواها بهتر جواب دادن؟ چقدر وقت برای تولید داری؟ چه موضوعاتی برات مهم‌ترن؟پس به‌جای اینکه فقط پرامپت را بهتر کنی، Context را بهتر کن.
---
پرامپت صبح امروزمیخواهم روی این کار با تو همکاری کنم:
[هدف یا پروژه]
برای اینکه بتوانی تصمیم‌ها و پیشنهادهای دقیق‌تری بدهی، قبل از شروع یک «پروفایل زمینه» برای این پروژه بساز.
زمینه را در این بخش‌ها سازمان‌دهی کن:
1. هدف اصلی2. مخاطب3. وضعیت فعلی4. اطلاعاتی که در اختیار داریم5. محدودیت‌ها6. ترجیحات من7. کارهایی که قبلاً انجام شده8. چیزهایی که نباید فرض کنی9. معیار موفقیت
اطلاعاتی که فعلاً دارم:
[اطلاعات]
بعد از بررسی:
- مشخص کن چه اطلاعاتی را فهمیده‌ای.- اطلاعات ناقص را جدا کن.- فرضیات احتمالی را جداگانه بنویس.- اگر اطلاعات مهمی کم است، حداکثر ۵ سؤال بپرس.
تا زمانی که پاسخ سؤال‌های ضروری را نگرفته‌ای، خروجی نهایی را تولید نکن.
پس از تکمیل اطلاعات، یک خلاصه Context در حداکثر ۱۰ خط بساز و بر اساس همان Context کار را ادامه بده.
---
Context یعنی چی؟خیلی ساده:
Context = اطلاعاتی که کمک می‌کند AI بفهمد جوابش را برای چه شرایطی بسازد.
مثلاً این دو درخواست را مقایسه کن:
«برای من یک برنامه ورزشی بنویس.»و:
«من مبتدی‌ام، هفته‌ای سه روز وقت دارم، هدفم افزایش آمادگی عمومی است و فقط در خانه تمرین می‌کنم.»در درخواست دوم، AI اطلاعات بیشتری برای تصمیم‌گیری دارد.
پس احتمال اینکه جوابش به شرایط واقعی تو بخورد، بیشتر می‌شود.
---
یک مثال برای تولید محتوابه AI نگو فقط:
««برای فردا یک پست بساز.»»
بهش Context بده:
«موضوع پیج چیست؟»
«مخاطب چه کسی است؟»
«لحن قبلی چه بوده؟»
«چه چیزهایی قبلاً منتشر شده؟»
«چه موضوعاتی تکراری شده؟»
«هدف این پست چیست؟»
«چه محدودیت‌هایی داری؟»
حالا AI فقط «نویسنده» نیست.
دارد در شرایط واقعی پروژه کار می‌کند.
---
ترفند حرفهایاگر پروژه‌ای را چند روز یا چند هفته ادامه می‌دهی، یک Context ثابت بساز.
مثلاً:
پروفایل پروژه:
هدف:...
مخاطب:...
لحن:...
موضوعات ممنوع:...
کارهای انجام‌شده:...
چیزهایی که نباید تکرار شوند:...
معیار موفقیت:...
بعد در هر گفت‌وگو، همین Context را به‌عنوان نقطه شروع داشته باش.
این کار کمک می‌کند مجبور نباشی هر بار همه چیز را از صفر توضیح بدهی.
---
یک اشتباه رایجContext بیشتر همیشه بهتر نیست.
اگر ۵۰ صفحه اطلاعات نامرتبط به AI بدهی، ممکن است اطلاعات مهم بین جزئیات گم شود.
پس Context خوب باید:
مرتبط باشد.🧩 ساختار داشته باشد.
اطلاعات مهم را برجسته کند. اطلاعات اضافی را حذف کند.هدف، اطلاعات بیشتر نیست؛ اطلاعات مفیدتر است.
---
قانون طلایی AiRiAپرامپت می‌گوید «چه کاری انجام بده»؛ Context کمک می‌کند بفهمد «برای چه کسی، در چه شرایطی و با چه هدفی».
---
تمرین فردا صبحیکی از کارهایی که مرتب با AI انجام می‌دهی انتخاب کن.
قبل از درخواست اصلی، یک Context کوتاه برایش بساز.
بعد همان درخواست قبلی را دوباره اجرا کن.
این دو خروجی را مقایسه کن.
احتمالاً متوجه می‌شوی:
گاهی مشکل از دستور نبود؛ AI فقط اطلاعات کافی برای تصمیم‌گیری نداشت.
---
چالش صبحاگر قرار بود AI فقط یک چیز را درباره تو بداند تا جواب‌های بهتری بدهد، کدام را انتخاب می‌کردی؟
هدفت مخاطبت سطح دانشت شرایط کارت ترجیحاتت---
AI وقتی بهتر تصمیم می‌گیرد که Context بهتری برای تصمیم‌گیری داشته باشد.━━━━━━━━━━━━━━
AiRiA | هوش مصنوعی را حرفه‌ای یاد بگیر#AiRiA #دانشگاه_AiRiA #AR020 #هوش_مصنوعی #ChatGPT #ContextEngineering #پرامپت_نویسی
AI Playbook | AP-020فصل سوم | کاربرد واقعی
«بهترش کن» یعنی دقیقاً چی؟!یکی از بدترین دستورهایی که می‌تونیم به AI بدیم:
««این رو بهتر کن.»»
بهتر یعنی چی؟
کوتاه‌تر؟
حرفه‌ای‌تر؟
فروشنده‌تر؟
ساده‌تر؟
خلاق‌تر؟
متقاعدکننده‌تر؟
AI مجبور می‌شه حدس بزنه.
و هرجا AI مجبور به حدس زدن بشه، احتمال اینکه چیزی تحویل بگیری که نمی‌خواستی بیشتر می‌شه.
راه‌حل:
«بهتر» را تبدیل کن به معیار قابل اندازه‌گیری.
---
پرامپت امروزاین خروجی را دارم:
[متن / ایده / برنامه / پاسخ]
هدف من از اصلاح آن:
[هدف]
نمی‌خواهم فقط بگویی «بهترش کن».
ابتدا مشخص کن برای رسیدن به هدف من، یک خروجی خوب باید چه ویژگی‌هایی داشته باشد.
حداکثر ۵ معیار تعریف کن.
برای هر معیار مشخص کن:
- دقیقاً چه چیزی را می‌سنجیم؟- وضعیت فعلی خروجی چطور است؟- نتیجه مطلوب چیست؟- چطور می‌توانیم بفهمیم بهتر شده؟
سپس خروجی فعلی را بر اساس معیارها از ۰ تا ۱۰ امتیاز بده.
بعد آن را اصلاح کن.
در پایان، نسخه جدید را دوباره با همان معیارها ارزیابی کن و یک جدول کوتاه ارائه بده:
معیار | قبل | بعد | دلیل تغییر
مهم:اگر هدف من به اندازه کافی مشخص نیست، قبل از اصلاح فقط سؤال‌های ضروری را بپرس.
---
یک مثال سادهبه AI می‌گی:
««این کپشن رو بهتر کن.»»
اما اگر بگی:
««می‌خوام کپشن کوتاه‌تر، قابل فهم‌تر و دارای CTA واضح‌تر باشه.»»
AI دیگه لازم نیست حدس بزنه «بهتر» یعنی چی.
حالا حتی می‌تونی دقیق‌ترش کنی:
««حداکثر ۸۰ کلمه، شروع در دو جمله اول، یک CTA مشخص و بدون جمله‌های کلیشه‌ای.»»
اینجا «بهتر» تبدیل شده به:
چیزی که می‌شود بررسی‌اش کرد.
---
ترفند حرفهایاگر خروجی قابل اندازه‌گیری نیست، از AI بخواه خودش معیار بسازد:
««قبل از اصلاح، معیارهایی پیشنهاد بده که بتوانیم با آنها کیفیت خروجی را مقایسه کنیم.»»
این یک تغییر مهمه.
به جای:
نظر دادن درباره کیفیت
می‌رسی به:
ساختن معیار برای کیفیت.
---
یک آزمایش انجام بدهیک متن را به AI بده و فقط بگو:
««بهترش کن.»»
نسخه اول را نگه دار.
بعد همان متن را با معیارهای مشخص بده:
««کوتاه‌تر، ساده‌تر، بدون تکرار، با یک شروع قوی و CTA واضح.»»
حالا دو خروجی را مقایسه کن.
احتمالاً نسخه دوم خیلی بیشتر به چیزی که واقعاً می‌خواستی نزدیک می‌شود.
---
اما یک دام!قابل اندازه‌گیری بودن همیشه به معنی عددی بودن نیست.
مثلاً برای یک متن خلاقانه نمی‌توانی بگویی:
««خلاقیت دقیقاً ۸۷٪ باشد.»»
در این موارد می‌توانی معیار کیفی تعریف کنی:
شروع کلیشه‌ای نباشد. یک تصویر ذهنی مشخص ایجاد کند. مخاطب بتواند پیام اصلی را در یک جمله بفهمد.پس:
معیار دقیق ≠ حتماً عدد
معیار دقیق یعنی:
بدانی دقیقاً دنبال چه چیزی هستی.
---
قانون طلایی AiRiAهرچه تعریف تو از «خوب» دقیق‌تر باشد، AI فضای کمتری برای حدس زدن دارد.
---
تمرین فردایک خروجی قدیمی که فکر می‌کنی:
««بد نیست، ولی می‌تونه بهتر باشه.»»
بردار.
قبل از اینکه دوباره به AI بدهی، این سؤال را جواب بده:
«دقیقاً چه چیزی باید بهتر شود؟»
بعد ۳ تا ۵ معیار بنویس.
حالا از AI بخواه:
قبل → اصلاح → بعد
را با همان معیارها مقایسه کند.
---
چالش فرداوقتی می‌گی «این رو بهتر کن»، معمولاً منظورت کدومه؟
کوتاه‌تر دقیق‌تر خلاق‌تر کاربردی‌تر جذابتریا یک چیز کاملاً دیگه؟
---
«بهتر» یک هدف نیست؛ تا وقتی تعریفش نکنی، فقط یک حدسه.━━━━━━━━━━━━━━
AiRiA | هوش مصنوعی را حرفه‌ای یاد بگیر#AiRiA #AIPlaybook #AP020 #هوش_مصنوعی #ChatGPT #پرامپت_نویسی #بهبود_خروجی
AI Mindset | AM-027فصل سوم | نگرش حرفه‌ای
🧭 اولین راه‌حل، لزوماً بهترین راه‌حل نیست!
وقتی از AI می‌پرسیم:
««چطور این مشکل رو حل کنم؟»»
ممکنه خیلی سریع یک راه‌حل بده.
اما یک سؤال مهم داریم:
از کجا معلوم این بهترین گزینه بوده؟
شاید سه راه‌حل دیگر وجود داشته باشد که:
ارزان‌تر باشند. سریع‌تر اجرا شوند. ریسک کمتری داشته باشند.یا حتی:
نتیجه بهتری بدهند.پس به‌جای اینکه از AI یک جواب بخواهی، ازش بخواه:
«چند مسیر بساز و بعد مقایسه‌شان کن.»
---
پرامپت امشبمسئله من:
[شرح مسئله]
می‌خواهم برای حل این مسئله تصمیم بگیرم.
قبل از پیشنهاد نهایی، حداقل ۴ راه‌حل متفاوت طراحی کن.
راه‌حل‌ها نباید فقط نسخه‌های کمی متفاوت از یک ایده باشند.
برای هر راه‌حل مشخص کن:
1. ایده اصلی2. مزیت اصلی3. ضعف اصلی4. زمان تقریبی اجرا5. منابع موردنیاز6. مهم‌ترین ریسک7. چه زمانی این گزینه مناسب‌تر است
سپس این معیارها را برای انتخاب در نظر بگیر:
- اثربخشی- هزینه- سرعت اجرا- ریسک- سادگی
اگر وزن معیارها مشخص نیست، ابتدا از من بپرس کدام معیار برایم مهم‌تر است.
بعد یک جدول مقایسه بساز.
در پایان:
- بهترین گزینه را انتخاب کن.- گزینه دوم را هم معرفی کن.- توضیح بده چرا گزینه اول برنده شد.- بگو چه اطلاعاتی می‌تواند این انتخاب را تغییر دهد.
اگر هیچ گزینه‌ای به اندازه کافی خوب نیست، به‌جای انتخاب اجباری این موضوع را اعلام کن.
---
چرا این روش بهتره؟چون جواب اول AI ممکنه فقط:
«یک راه ممکن»
باشه.
اما وقتی مجبورش می‌کنی چند مسیر مختلف بسازه، ناگهان چیزهایی را می‌بینی که در جواب اول پنهان بودند.
مثلاً:
گزینه A
سریع، ارزان، ولی ریسک بالا.
گزینه B
کندتر، ولی پایدارتر.
گزینه C
هزینه بیشتر، اما احتمال موفقیت بالاتر.
گزینه D
ساده و کم‌ریسک، ولی نتیجه محدودتر.
حالا دیگر مسئله فقط:
«کدام راه‌حل خوبه؟»
نیست.
سؤال تبدیل شده به:
«کدام راه‌حل برای شرایط من مناسب‌تره؟»
---
ترفند حرفهایبعد از مقایسه، این را بپرس:
««حالا فرض کن گزینه‌ای که انتخاب کردی اشتباه باشد. چه چیزی ممکن است باعث شود گزینه دوم بهتر باشد؟»»
این یک مرحله مهم است.
چون ممکن است AI گزینه اول را انتخاب کرده باشد، اما با تغییر یک فرض، گزینه دوم برنده شود.
---
یک نکته خیلی مهمبهترین گزینه همیشه گزینه‌ای نیست که بیشترین امتیاز را بگیرد.
مثلاً ممکن است:
گزینه A = بهترین نتیجهولی:
هزینه‌اش برای تو زیاد باشد.در این حالت شاید گزینه B انتخاب منطقی‌تری باشد.
پس AI نباید فقط بگوید:
««این بهترین است.»»
باید توضیح بدهد:
«این بهترین گزینه برای چه شرایطی است؟»
---
یک قانون طلایی برای تصمیم‌های مهماگر تفاوت بین دو گزینه به یک اطلاعات نامعلوم وابسته است، از AI نخواه حدس بزند.
بگو:
««مهم‌ترین اطلاعاتی را که باید قبل از تصمیم‌گیری واقعی به دست بیاورم مشخص کن.»»
گاهی بهترین خروجی AI اصلاً یک تصمیم نیست.
یک سؤال بهتر برای تحقیق است.
---
قانون طلایی AiRiAبه اولین راه‌حل دل نبند؛ اول ببین چه گزینه‌های دیگری روی میز هستند.
---
تمرین شبیک تصمیم واقعی انتخاب کن.
مثلاً:
انتخاب یک مسیر کاری استراتژی محتوا انتخاب ابزار روش یادگیری اجرای یک پروژهاز AI بخواه حداقل ۴ گزینه بسازد.
بعد فقط به «برنده» نگاه نکن.
ببین چرا سه گزینه دیگر بازنده شدند.
گاهی بهترین درس همان‌جاست.
---
چالش شباگر AI قرار بود برای یک تصمیم مهم تو ۴ گزینه بسازد، دوست داشتی کدام تصمیم باشد؟
کار درآمد محتوا یادگیری پروژه---
تصمیم خوب فقط پیدا کردن یک جواب نیست؛ مقایسه کردن جواب‌های ممکن است.━━━━━━━━━━━━━━
AiRiA | هوش مصنوعی را حرفه‌ای یاد بگیر#AiRiA #AIMindset #AM027 #هوش_مصنوعی #ChatGPT #تصمیم_گیری #پرامپت_نویسی
دانشگاه AiRiA | AR-021فصل سوم | قسمت بیست‌ویکم
🪄 وقتی نمی‌دونی چی بنویسی، از AI بخواه پرامپتت رو بسازه!
گاهی دقیقاً می‌دونی چه خروجی‌ای می‌خوای...
اما نمی‌دونی چطور باید درخواستت رو بنویسی.
مثلاً می‌گی:
««یه تصویر حرفه‌ای می‌خوام، ولی نمی‌دونم چطور توضیحش بدم.»»
یا:
««می‌خوام AI این متن رو به چیزی که تو ذهنمه تبدیل کنه، ولی نمی‌تونم درست توضیحش بدم.»»
اینجا لازم نیست حدس بزنی.
نتیجه مطلوب را توصیف کن و طراحی پرامپت را بسپار به AI.
---
پرامپت صبح امروزمن می‌خواهم به این نتیجه برسم:
[توضیح دقیق نتیجه‌ای که می‌خواهم]
اما نمی‌دانم بهترین پرامپت برای رسیدن به این نتیجه چیست.
تو نقش یک طراح حرفه‌ای پرامپت را بگیر.
ابتدا هدف من را تحلیل کن و مشخص کن برای رسیدن به نتیجه مطلوب چه اطلاعاتی لازم است.
سپس:
1. یک پرامپت حرفه‌ای برای من طراحی کن.2. پرامپت را طوری بنویس که قابل کپی و استفاده مستقیم باشد.3. جاهایی که به اطلاعات بیشتری از من نیاز داری با [ ] مشخص کن.4. از اضافه کردن اطلاعاتی که من نگفته‌ام خودداری کن.5. پرامپت را برای گرفتن خروجی دقیق، واضح و قابل کنترل بهینه کن.
بعد از نوشتن پرامپت، در چند bullet کوتاه توضیح بده:
- چرا این ساختار را انتخاب کردی؟- کدام بخش‌ها بیشترین تأثیر را روی خروجی دارند؟- برای بهتر شدن نتیجه، کدام قسمت را باید شخصی‌سازی کنم؟
در پایان فقط یک نسخه نهایی و تمیز از پرامپت ارائه بده.
---
تفاوتش با «یه پرامپت بنویس» چیه؟اینجا اول نتیجه مطلوب را تعریف می‌کنی.
مثلاً:
«یک پرامپت خوب برای تولید محتوا بنویس.»اما بهتر:
«می‌خواهم برای مخاطب مبتدی، یک پست آموزشی کوتاه بسازم که با یک سؤال شروع شود، یک تکنیک عملی داشته باشد و در پایان مخاطب را به مشارکت دعوت کند.»حالا AI اطلاعات بیشتری برای طراحی پرامپت دارد.
---
یک ترفند خیلی کاربردیاگر نمونه‌ای از خروجی مطلوب داری، حتماً به AI نشانش بده.
مثلاً:
««این نمونه را دوست دارم. می‌خواهم خروجی‌های بعدی از نظر ساختار و لحن به این نزدیک باشند.»»
بعد بگو:
««بر اساس این نمونه، پرامپتی بساز که بتوانم برای موضوعات جدید استفاده کنم.»»
اینجا داری از AI می‌خواهی:
نمونه → الگو → پرامپت قابل استفاده مجدد
بسازد.
---
حتی می‌تونی یک مرحله جلوتر بریبعد از اینکه پرامپت را ساخت، بگو:
««حالا همین پرامپت را از دید یک کاربر حرفه‌ای نقد کن و هر جایی که احتمال برداشت اشتباه وجود دارد اصلاحش کن.»»
یعنی:
طراحی → نقد → اصلاح
نه اینکه اولین پرامپت را همان‌طور که هست استفاده کنی.
---
اما یک اشتباه مهماگر خودت هنوز نمی‌دانی چه خروجی‌ای می‌خواهی، از AI انتظار نداشته باش جادویی حدس بزند.
لازم نیست پرامپت را بلد باشی؛
اما باید بتوانی حداقل این چهار چیز را توضیح بدهی:
چه می‌خواهم؟ برای چه کسی؟ در چه شرایطی؟ خروجی خوب از نظر من چه شکلی است؟---
قانون طلایی AiRiAلازم نیست همیشه پرامپت حرفه‌ای بلد باشی؛ گاهی کافی است نتیجه مطلوبت را حرفه‌ای توضیح بدهی.
---
تمرین فردا صبحیک کاری که همیشه با AI انجام می‌دهی انتخاب کن.
این بار به‌جای نوشتن پرامپت، فقط نتیجه‌ای را که می‌خواهی توضیح بده.
بعد بگو:
««حالا بر اساس این هدف، بهترین پرامپت ممکن را برایم طراحی کن.»»
پرامپت ساخته‌شده را اجرا کن.
اگر نتیجه خوب بود، همان پرامپت را ذخیره کن.
حالا یک بار دیگر از AI بخواه:
«این را به یک Template قابل استفاده مجدد تبدیل کن.»
اینجاست که یک پرامپت تبدیل می‌شود به ابزار کاری.---
چالش صبحکدوم کار رو بیشتر دوست داری AI خودش برایت پرامپتش رو طراحی کنه؟
نوشتن تصویرسازی تولید محتوا تحلیل کارهای روزمره---
گاهی سخت‌ترین قسمت کار با AI، اجرای کار نیست؛ پیدا کردن دستور درست برای رسیدن به نتیجه است.━━━━━━━━━━━━━━
AiRiA | هوش مصنوعی را حرفه‌ای یاد بگیر#AiRiA #دانشگاه_AiRiA #AR021 #هوش_مصنوعی #ChatGPT #PromptEngineering #پرامپت_نویسی
AI Playbook | AP-021فصل سوم | کاربرد واقعی
🧩 یک‌دفعه جواب نهایی نخواه!
یکی از اشتباه‌های رایج اینه که به AI می‌گیم:
««این کار رو انجام بده و بهترین نسخه رو تحویلم بده.»»
و بعد امیدواریم همان بار اول عالی باشد.
اما برای کارهای مهم، یک روش بهتر وجود دارد:
اول «طرح اولیه» → بعد «نسخه نهایی»
یعنی قبل از اینکه AI شروع کند به ساختن خروجی، ازش بخواه:
اول فکرش را روی کاغذ بیاورد، ساختار را بررسی کند و بعد اجرا کند.
---
پرامپت امروزمیخواهم این کار را انجام بدهم:
[شرح کار]
به‌جای اینکه مستقیماً نسخه نهایی را تولید کنی، کار را در دو مرحله انجام بده.
مرحله اول — طرح اولیه:
- هدف را مشخص کن.- ساختار پیشنهادی را طراحی کن.- مهم‌ترین بخش‌های خروجی را مشخص کن.- ریسک‌ها و نقاط ضعف احتمالی را بگو.- اگر اطلاعات مهمی کم است، مشخص کن.
در این مرحله خروجی نهایی را تولید نکن.
ابتدا طرح اولیه را به من نشان بده.
بعد از اینکه طرح اولیه بررسی شد، مرحله دوم را انجام بده:
مرحله دوم — اجرای نهایی:
بر اساس طرح تأییدشده، خروجی کامل را تولید کن.
قبل از ارائه نسخه نهایی، آن را با این موارد بررسی کن:
- آیا با هدف اصلی هماهنگ است؟- آیا چیزی از قلم افتاده؟- آیا اطلاعاتی بدون دلیل اضافه شده؟- آیا ساختار واضح است؟- آیا خروجی قابل استفاده است؟
اگر ایرادی پیدا کردی، قبل از ارائه نسخه نهایی آن را اصلاح کن.
---
چرا این روش جواب می‌ده؟چون در روش معمول:
دستور → خروجی
اما اینجا:
دستور → طرح → بررسی → اجرا → کنترل کیفیت
اگر همان طرح اولیه اشتباه باشد، بهتره همان‌جا متوجهش شوی.
نه وقتی که ۱۰۰۰ کلمه خروجی تولید شده.
---
مثلاً برای تولید یک پستبهجای:
««یک پست آموزشی درباره AI بنویس.»»
اول بگو:
««موضوع را تحلیل کن، مخاطب را در نظر بگیر، ساختار پست را پیشنهاد بده و قبل از نوشتن نسخه نهایی، طرح را نشان بده.»»
ممکن است AI در طرح اولیه بگوید:
شروع با سؤال → توضیح مشکل → تکنیک → مثال → تمرین → CTA
حالا اگر بگویی:
««مثال بیشتری لازم دارم.»»
قبل از تولید نسخه نهایی، ساختار اصلاح شده.
این خیلی بهتر از اینه که بعداً بگی:
««خب... دوباره از اول بنویس.»
»---
ترفند حرفهایبرای کارهای پیچیده، مرحله اول را حتی دقیق‌تر کن:
««سه ساختار متفاوت پیشنهاد بده و مزیت و ضعف هرکدام را بگو.»»
مثلاً برای یک مقاله:
آموزشی داستانی مقایسهایحالا تو انتخاب می‌کنی و AI همان مسیر را اجرا می‌کند.
---
اما یک نکتهاین روش برای همه کارها لازم نیست.
اگر سؤال ساده‌ای داری:
««پایتخت ژاپن چیست؟»»
نیازی نیست AI اول طرح اولیه بدهد!
پرامپت دو مرحله‌ای بیشتر برای کارهایی ارزش دارد که:
پیچیده‌اند. نیاز به ساختار دارند. هدف مشخصی دارند. هزینه اشتباه در آنها بالاست.یا:
اصلاح دوباره‌شان زمان‌بر است.---
قانون طلایی AiRiAهرچه ساختن خروجی سخت‌تر و اصلاحش پرهزینه‌تر باشد، ارزش دارد قبل از اجرا یک طرح اولیه بسازی.
---
تمرین فردایک کار نسبتاً پیچیده به AI بده.
اما این بار نگو:
««انجامش بده.»»
بگو:
««اول نقشه راه و ساختار پیشنهادی را بساز. هنوز خروجی نهایی را تولید نکن.»»
طرح را ببین.
اشتباه‌ها را اصلاح کن.
بعد اجازه بده نسخه نهایی ساخته شود.
احتمالاً متوجه می‌شوی:
اصلاح یک طرح کوتاه، خیلی راحت‌تر از اصلاح یک خروجی کامل است.
---
چالش فردااگر AI قرار بود قبل از انجام یک کار برایت طرح اولیه بسازد، کدام کار را انتخاب می‌کردی؟
مقاله پست تصویر پروژه کاری تحلیل---
گاهی سریع‌ترین راه رسیدن به خروجی خوب، اینه که قبل از ساختنش یک نقشه کوچک برایش بکشی.━━━━━━━━━━━━━━
AiRiA | هوش مصنوعی را حرفه‌ای یاد بگیر#AiRiA #AIPlaybook #AP021 #هوش_مصنوعی #ChatGPT #پرامپت_نویسی #AIWorkflow
AI Mindset | AM-028فصل سوم | نگرش حرفه‌ای
اگر فرض اصلی‌ات اشتباه باشد چی؟خیلی وقت‌ها وقتی با یک مشکل روبه‌رو می‌شیم، ناخودآگاه یک فرض می‌سازیم.
مثلاً:
««فروش کم شده، پس باید تبلیغات بیشتری انجام بدیم.»»
اما صبر کن!
از کجا معلوم مشکل واقعاً تبلیغاته؟
شاید:
قیمت مناسبه نیست.
محصول درست معرفی نشده.
مخاطب اشتباهه.
فرآیند خرید سخته.
یا اصلاً مشتری نیاز واقعی به محصول نداره.
اینجا یک تکنیک فوق‌العاده داریم:
فرض اصلی را برعکس کن.
---
پرامپت امشبمسئله یا ایده من:
[موضوع]
فرض فعلی من درباره این مسئله:
[فرض]
حالا فرض کن این فرض کاملاً اشتباه است.
بدون اینکه صرفاً برای مخالفت، ایراد مصنوعی بسازی:
1. توضیح بده اگر فرض اصلی اشتباه باشد، چه توضیح‌های جایگزینی ممکن است وجود داشته باشد.2. حداقل ۵ فرض جایگزین ارائه بده.3. برای هر فرض بگو چه شواهدی از آن حمایت می‌کند.4. بگو چه شواهدی می‌تواند آن را رد کند.5. مشخص کن برای بررسی هر فرض چه اطلاعاتی لازم داریم.
بعد همه فرض‌ها را با این معیارها مقایسه کن:
- میزان شواهد- سادگی توضیح- پیامد احتمالی- امکان آزمایش- هزینه بررسی
در پایان:
- قوی‌ترین فرض را مشخص کن.- ضعیف‌ترین فرض را مشخص کن.- مهم‌ترین اطلاعاتی که هنوز نداریم را بگو.- یک آزمایش کوچک پیشنهاد بده که بتوانیم بدون هزینه زیاد انجام دهیم.
اگر هیچ فرضی شواهد کافی ندارد، صریحاً بگو که هنوز برای نتیجه‌گیری زود است.
---
چرا این تکنیک مهمه؟چون خیلی وقت‌ها ما دنبال جواب یک سؤال می‌گردیم، در حالی که:
شاید خود سؤال اشتباه باشد!
مثلاً:
««چطور تبلیغات بیشتری اجرا کنم؟»»
ممکنه سؤال واقعی این باشه:
««چرا مشتری تصمیم به خرید نمی‌گیره؟»»
این دو سؤال زمین تا آسمان فرق دارند.
---
یک مثالفرض:
««مخاطب من به محتوا علاقه ندارد.»»
اگر این فرض را بپذیریم، شاید برویم سراغ تغییر موضوعات.
اما اگر برعکسش کنیم:
««شاید مخاطب علاقه دارد، ولی محتوای من را نمی‌بیند.»»
حالا مسئله می‌تواند توزیع محتوا باشد.
یا:
««شاید محتوا را می‌بیند، ولی دلیل کافی برای تعامل ندارد.»»
حالا مسئله CTA یا ساختار محتواست.
یا:
««شاید اصلاً مخاطب اشتباهی را جذب کرده‌ایم.»»
یک فرض ساده می‌تواند چند مسیر کاملاً متفاوت ایجاد کند.
---
ترفند حرفهایبعد از ساخت فرض‌های جایگزین، از AI بپرس:
««کدام یک از این فرض‌ها را می‌توانم با کمترین هزینه و در کوتاه‌ترین زمان آزمایش کنم؟»»
این سؤال خیلی مهمه.
چون هدف فقط ساختن نظریه‌های جذاب نیست.
هدف:
پیدا کردن چیزی است که بتوانی واقعاً آزمایش کنی.
---
🧪 مثلاً
اگر فکر می‌کنی:
««مخاطب این محصول را نمی‌خواهد.»»
لازم نیست فوراً محصول را تغییر بدهی.
می‌توانی یک آزمایش کوچک انجام بدهی:
یک پیشنهاد مشخص را به تعداد محدودی از مخاطبان ارائه کن.اگر واکنش مثبت بود، فرض اولیه شاید اشتباه بوده.
اگر نبود، حالا اطلاعات واقعی بیشتری داری.
یعنی:
فرض → آزمایش → داده → تصمیم
---
یک هشدار«برعکس فکر کردن» به معنی این نیست که هر نظریه عجیب را جدی بگیریم.
اگر برای یک فرض هیچ شواهدی وجود ندارد، صرفاً چون متفاوت است، ارزشمند نمی‌شود.
هدف این تکنیک:
عجیب فکر کردننیست.
هدف:
زود قفل نشدن روی یک توضیحاست.
---
قانون طلایی AiRiAقبل از اینکه یک راه‌حل را بهینه کنی، مطمئن شو مسئله را درست فهمیده‌ای.
---
تمرین شبیک باور کاری یا شخصی که مدت‌هاست بر اساس آن تصمیم می‌گیری انتخاب کن.
مثلاً:
««این روش جواب نمی‌دهد.»»
بعد از AI بپرس:
««اگر این باور اشتباه باشد، چه توضیح دیگری ممکن است وجود داشته باشد؟»»
حداقل پنج فرض جایگزین بگیر.
بعد فقط یکی را انتخاب کن که:
سریع، ارزان و قابل آزمایش باشد.
این‌طوری به‌جای حدس زدن، شروع می‌کنی به یاد گرفتن از واقعیت.
---
چالش شبکدام فرض را دوست داری همین امشب زیر سؤال ببری؟
یک تصمیم کاری یک باور درباره محتوا یک هدف یک روش یادگیری یک ایده---
گاهی بهترین ایده زمانی پیدا می‌شود که جرئت کنیم بپرسیم: «اگر تمام فرض اولیه‌ام اشتباه باشد چی؟»━━━━━━━━━━━━━━
AiRiA | هوش مصنوعی را حرفه‌ای یاد بگیر#AiRiA #AIMindset #AM028 #هوش_مصنوعی #ChatGPT #تفکر_انتقادی #تصمیم_گیری
دانشگاه AiRiA | AR-022فصل سوم | قسمت بیست‌ودوم
به AI نگو فقط «خوب انجامش بده»؛ معیار خوب بودنش رو هم بده!فرض کن به AI می‌گی:
««این متن رو حرفه‌ای‌تر کن.»»
مشکل چیه؟
AI باید خودش تصمیم بگیره:
«حرفه‌ای» یعنی چی؟
لحن رسمی؟
جملات کوتاه؟
استدلال قوی؟
واژگان تخصصی؟
ساختار بهتر؟
وقتی معیار مشخص نباشه، AI بخشی از تصمیم را خودش حدس می‌زند.
اما یک روش خیلی بهتر وجود دارد:
قبل از تولید خروجی، «معیار ارزیابی» تعریف کن.
یعنی به AI بگو:
اگر خروجی خوب بود، دقیقاً چه ویژگی‌هایی باید داشته باشد؟
---
پرامپت صبح امروزمیخواهم این کار را انجام بدهم:
[شرح کار]
هدف نهایی:
[هدف]
قبل از تولید خروجی، یک Rubric برای ارزیابی کیفیت آن طراحی کن.
حداکثر ۶ معیار انتخاب کن.
برای هر معیار مشخص کن:
- نام معیار- توضیح دقیق- خروجی ضعیف چه ویژگی‌ای دارد؟- خروجی خوب چه ویژگی‌ای دارد؟- امتیاز ۰ تا ۱۰ چگونه تعیین می‌شود؟
سپس این Rubric را به من نشان بده.
بعد از تأیید من، خروجی را تولید کن.
پس از تولید خروجی:
1. آن را با تمام معیارها ارزیابی کن.2. برای هر معیار امتیاز ۰ تا ۱۰ بده.3. مهم‌ترین ضعف‌ها را مشخص کن.4. خروجی را اصلاح کن.5. نسخه نهایی را دوباره ارزیابی کن.
در پایان یک جدول کوتاه ارائه بده:
معیار | قبل | بعد | دلیل تغییر
اگر یکی از معیارها قابل اندازه‌گیری یا ارزیابی منطقی نیست، آن را اصلاح کن و دلیلش را بگو.
هیچ ادعایی درباره کیفیت را بدون توضیح معیار آن مطرح نکن.
---
Rubric یعنی چی؟به زبان ساده:
Rubric = نقشه‌ای برای اینکه بفهمیم یک خروجی چقدر خوب است.
مثلاً برای یک پست آموزشی می‌توانیم معیار داشته باشیم:
وضوح پیام ارزش آموزشی جذابیت شروع کاربردی بودن خوانایی دعوت به تعاملحالا «خوب بودن» دیگر یک حس مبهم نیست.
یک چارچوب برای بررسی داریم.
---
یک مثالبه AI می‌گی:
««این مقاله رو بهتر کن.»»
اما اگر Rubric داشته باشی:
«وضوح: ۹/۱۰ساختار: ۶/۱۰مثال‌های کاربردی: ۴/۱۰تکرار: ۳/۱۰»
حالا AI می‌فهمد دقیقاً کجا باید دست ببرد.
مثلاً لازم نیست کل مقاله را از نو بنویسد.
می‌تواند بفهمد:
مشکل اصلی کمبود مثال و تکرار زیاد است.
---
ترفند حرفهاییک مرحله خیلی مهم اضافه کن:
««قبل از اصلاح، مشخص کن کدام تغییر بیشترین تأثیر را روی امتیاز نهایی خواهد داشت.»»
این باعث می‌شود AI به‌جای تغییرات تزئینی، روی نقاط مهم تمرکز کند.
مثلاً:
تغییر چند کلمه اضافه کردن ایموجی عوض کردن تیتردر حالی که مشکل اصلی:
ساختار ضعیف محتواست.---
🧩 حتی می‌توانی وزن بدهی
همه معیارها ارزش یکسان ندارند.
مثلاً برای یک صفحه آموزشی:
ارزش آموزشی = 40٪
وضوح = 25٪
جذابیت = 20٪
خوانایی = 15٪
حالا AI می‌فهمد:
اگر متن خیلی جذاب باشد ولی چیزی یاد ندهد، هنوز خروجی خوبی نیست.
---
یک نکته مهمامتیازی که AI می‌دهد، «حقیقت علمی» نیست.
مثلاً وقتی می‌گوید:
««این متن ۸.۵ از ۱۰ است.»»
این نمره فقط زمانی مفید است که:
معیار و دلیل امتیازدهی مشخص باشد.
پس دنبال خود عدد نباش.
دنبال منطق پشت عدد باش.
---
قانون طلایی AiRiAاگر نمی‌دانی خروجی خوب دقیقاً چه شکلی است، از AI انتظار نداشته باش همیشه خودش درست حدس بزند.
اول معیار را بساز.
بعد تولید کن.
بعد ارزیابی کن.
بعد اصلاح کن.
---
تمرین فردا صبحیک خروجی قدیمی از AI پیدا کن که می‌دانی:
««بد نیست، ولی هنوز حرفه‌ای نیست.»»
این بار مستقیم نگو «بهترش کن».
اول بگو:
««برای ارزیابی این خروجی یک Rubric بساز.»»
بعد ببین مشکل اصلی کجاست.
ممکنه چیزی که فکر می‌کردی مشکل است، اصلاً مشکل اصلی نباشد.
---
چالش صبحاگر قرار بود برای کیفیت خروجی‌های AI فقط یک معیار انتخاب کنی، کدام را انتخاب می‌کردی؟
دقت ارزش وضوح جذابیت کاربردی بودن---
وقتی معیار کیفیت را مشخص می‌کنی، AI فقط تولیدکننده نیست؛ تبدیل می‌شود به یک سیستم «تولید + ارزیابی + اصلاح».━━━━━━━━━━━━━━
AiRiA | هوش مصنوعی را حرفه‌ای یاد بگیر#AiRiA #دانشگاه_AiRiA #AR022 #هوش_مصنوعی #ChatGPT #Rubric #پرامپت_نویسی
AI Playbook | AP-022فصل سوم | کاربرد واقعی
یک مثال خوب، گاهی از ۱۰۰ خط دستور بهتره!تا حالا شده کلی درباره چیزی که می‌خوای برای AI توضیح بدی...
ولی باز هم خروجی دقیقاً شبیه چیزی که تو ذهنت هست نشه؟
یک راه ساده‌تر وجود داره:
به‌جای اینکه فقط بگی «چه کار کن»، چند نمونه نشون بده.
مثلاً به‌جای:
««کپشن‌ها رو با لحن خودم بنویس.»»
بگو:
««این ۳ نمونه کپشن منه. ساختار، ریتم، طول جمله و نوع شوخی‌هاشون رو تحلیل کن و کپشن جدیدی با همان الگو بنویس.»»
این یعنی:
Few-shot Prompting
---
پرامپت امروزمیخواهم خروجی جدیدی تولید کنی که از الگوی نمونه‌های زیر پیروی کند.
نمونه ۱:[نمونه]
نمونه ۲:[نمونه]
نمونه ۳:[نمونه]
ابتدا نمونه‌ها را تحلیل کن و فقط این موارد را استخراج کن:
- ساختار- لحن- طول تقریبی- نوع شروع- نوع پایان- سطح رسمی بودن- الگوی جمله‌بندی- ویژگی‌هایی که در همه نمونه‌ها تکرار می‌شوند
چیزی را فقط به این دلیل که در یک نمونه وجود دارد، به‌عنوان قانون قطعی در نظر نگیر.
بعد بر اساس الگوی مشترک نمونه‌ها، برای این موضوع خروجی جدید تولید کن:
[موضوع جدید]
مهم:- متن جدید نباید کپی نمونه‌ها باشد.- محتوا باید کاملاً جدید باشد.- فقط الگو و ویژگی‌های سبکی را منتقل کن.- اگر بین نمونه‌ها تناقض وجود دارد، آن را مشخص کن.- از اضافه کردن ویژگی‌هایی که در نمونه‌ها وجود ندارد خودداری کن.
در پایان، در ۳ bullet کوتاه توضیح بده خروجی جدید از چه الگوهایی در نمونه‌ها استفاده کرده است.
---
Few-shot یعنی چی؟خیلی ساده:
Zero-shot:
««این کار رو انجام بده.»»
هیچ نمونه‌ای نمی‌دهی.
One-shot:
««این یک نمونه است؛ مشابه این انجام بده.»»
Few-shot:
««این چند نمونه است؛ الگوی مشترکشان را یاد بگیر و مورد جدید بساز.»»
هرچه نمونه‌ها بهتر انتخاب شده باشند، AI راحت‌تر می‌فهمد:
دقیقاً چه نوع خروجی‌ای می‌خواهی.
---
یک مثال خیلی سادهفرض کن می‌خواهی AI این تبدیل را انجام دهد:
««خیلی خوب بود» → «عالی بود
»»بعد چند نمونه می‌دهی:
««خیلی سخت بود» → «واقعاً چالش‌برانگیز بود
»»««خیلی سریع بود» → «سرعتش واقعاً بالا بود
»»حالا می‌گویی:
««خیلی جالب بود» →»
AI از نمونه‌ها متوجه الگو می‌شود.
تو مجبور نبودی قانون را با ده جمله توضیح بدهی.
مثال، قانون را نشان داد.
---
ترفند حرفهاینمونههای تصادفی انتخاب نکن.
اگر می‌خواهی AI سبک خاصی را یاد بگیرد، نمونه‌هایی بده که واقعاً نماینده آن سبک باشند.
مثلاً برای لحن یک برند:
یک نمونه رسمی یک نمونه طنز یک نمونه خیلی کوتاهاگر این سه سبک متفاوت باشند، AI نمی‌داند قانون واقعی چیست.
بهتر:
۳ تا ۵ نمونه که ویژگی‌های مشترک واضحی دارند.---
برای تصویر هم جواب میدهدمثلاً می‌توانی چند نمونه تصویر یا توصیف سبک بدهی و بگویی:
««ویژگی‌های بصری مشترک این نمونه‌ها را استخراج کن و برای سوژه جدید حفظ کن.»»
یعنی:
نمونه → استخراج سبک → سوژه جدید
نه:
نمونه → کپی
---
اشتباه رایجاگر فقط بگویی:
««مثل این بنویس.»»
AI ممکن است بیش از حد به متن نمونه نزدیک شود.
پس همیشه اضافه کن:
««محتوا باید کاملاً جدید باشد؛ فقط الگو و ویژگی‌های سبک را منتقل کن.»»
این تفاوت خیلی مهمه.
---
قانون طلایی AiRiAاگر توضیح دادن چیزی سخت است، یک نمونه خوب نشان بده.
گاهی یک مثال دقیق می‌تواند چیزی را منتقل کند که توضیح دادنش در چند پاراگراف هم سخت است.
---
تمرین فردا۳ خروجی قدیمی که واقعاً دوستشان داری پیدا کن.
به AI بده و بگو:
««الگوی مشترک این سه نمونه را استخراج کن.»»
بعد یک موضوع کاملاً جدید بده.
حالا ببین آیا AI می‌تواند:
سبک را حفظ کند، بدون اینکه محتوا را کپی کند؟
اگر جواب خوب بود، تبریک!
تو عملاً یک Style Guide قابل استفاده مجدد ساخته‌ای.
---
چالش فردااگر می‌توانستی فقط ۳ نمونه به AI بدهی تا سبک تو را یاد بگیرد، چه چیزی انتخاب می‌کردی؟
نوشته‌های خودت پست‌های موفق تصاویر موردعلاقه نمونه کارها پاسخ‌های قبلی AI---
گاهی بهترین راه برای توضیح «چی می‌خوام»، نشان دادن یک نمونه از «چیزی شبیهشه».━━━━━━━━━━━━━━
AiRiA | هوش مصنوعی را حرفه‌ای یاد بگیر#AiRiA #AIPlaybook #AP022 #هوش_مصنوعی #ChatGPT #FewShot #PromptEngineering
AI Mindset | AM-029فصل سوم | نگرش حرفه‌ای
مشکل خیلی از جواب‌های بد AI، خودِ AI نیست؛ اطلاعات کمیه که بهش دادی!فرض کن به AI می‌گی:
««برای کسب‌وکارم یک استراتژی محتوا بده.»»
خب... کسب‌وکارت چیه؟
مخاطبت کیه؟
چه محصولی داری؟
چه چیزی قبلاً جواب داده؟
چه محدودیتی داری؟
بودجه چقدره؟
اگر این اطلاعات را نداند، AI مجبور می‌شود حدس بزند.
و هرچه اطلاعات زمینه‌ای کمتر باشد، جواب عمومی‌تر می‌شود.
---
راه‌حل:قبل از درخواست اصلی، Context بده.
یعنی اطلاعاتی که AI برای تصمیم‌گیری لازم دارد.
---
پرامپت امشبقبل از پاسخ دادن، این Context را به‌عنوان اطلاعات پایه در نظر بگیر:
درباره من:[نقش / تخصص / سطح تجربه]
درباره پروژه:[توضیح پروژه]
هدف:[هدف اصلی]
مخاطب:[مخاطب هدف]
شرایط فعلی:[وضعیت فعلی]
محدودیت‌ها:[زمان / بودجه / ابزار / قوانین / محدودیت‌های دیگر]
چیزهایی که قبلاً امتحان کرده‌ام:[روش‌های قبلی و نتیجه آنها]
چیزهایی که نمی‌خواهم:[موارد ممنوع یا نامطلوب]
معیار موفقیت:[چطور بفهمیم نتیجه خوب بوده؟]
حالا بر اساس این Context به درخواست من پاسخ بده:
[درخواست اصلی]
قوانین:
1. اطلاعات Context را نادیده نگیر.2. اگر اطلاعاتی برای تصمیم‌گیری ضروری است و در Context وجود ندارد، حدس نزن.3. اطلاعات قطعی را از فرضیات جدا کن.4. اگر لازم است فرضی بسازی، آن را واضح برچسب بزن.5. پاسخ را متناسب با شرایط من بده، نه به‌صورت توصیه عمومی.
---
🧩 Context دقیقاً یعنی چی؟
Context یعنی:
«هر چیزی که قبل از درخواست به AI می‌گویی تا بهتر بفهمد در چه شرایطی باید پاسخ بدهد.»
مثلاً این:
««برای من برنامه مطالعه بساز.»»
خیلی کلیه.
اما:
««من روزی ۹۰ دقیقه وقت دارم، در سطح متوسط هستم، سه روز در هفته فرصت مطالعه ندارم و هدفم اینه که تا سه ماه آینده به سطح مشخصی برسم.»»
حالا AI یک زمین بازی مشخص دارد.
---
یک مثال خیلی ساده درخواست ضعیف:««برای اینستاگرام ایده محتوا بده.»»
AI احتمالاً یک لیست عمومی تحویل می‌دهد.
اما:
درخواست با Context:«من یک پیج آموزشی درباره AI دارم.
مخاطبم افراد مبتدی تا متوسط هستند.
هدفم آموزش کاربردی است، نه خبررسانی.
محتوای قبلی من بیشتر آموزشی بوده.
می‌خواهم موضوعات تکراری کمتر شوند.
خروجی باید قابل اجرا و کوتاه باشد.
حالا ۱۰ ایده محتوایی متفاوت پیشنهاد بده.»
نتیجه؟
AI دیگر فقط نمی‌داند:
«موضوع چیست؟»
می‌داند:
«برای چه کسی، با چه هدفی و تحت چه محدودیتی باید فکر کند.»
---
ترفند حرفهایاگر یک پروژه را مرتب با AI ادامه می‌دهی، یک Context Sheet بساز.
مثلاً یک فایل یا متن ثابت داشته باش:
Project Context
- هدف:- مخاطب:- لحن:- محدودیت‌ها:- ابزارها:- تصمیم‌های قبلی:- چیزهایی که نباید تکرار شوند:- معیار موفقیت:
بعد هر بار قبل از درخواست اصلی، همان Context را در اختیار AI بگذار.
این کار باعث می‌شود مجبور نباشی هر بار همه چیز را از اول توضیح بدهی.
---
اما یک اشتباه مهمContext زیاد همیشه بهتر نیست.
اگر ۲۰ صفحه اطلاعات نامرتبط به AI بدهی، احتمالاً فقط نویز ایجاد می‌کنی.
پس Context خوب باید:
مرتبط + دقیق + به‌روز
باشد.
از خودت بپرس:
««آیا این اطلاعات واقعاً روی پاسخ AI اثر می‌گذارد؟»»
اگر نه، حذفش کن.
---
قانون طلایی AiRiAAI به اندازه‌ای که مسئله را درک می‌کند می‌تواند شخصی‌سازی کند؛ Context خوب، فهم مسئله را بهتر می‌کند.
---
تمرین شبیکی از پرامپت‌هایی که مرتب استفاده می‌کنی بردار.
قبل از درخواست اصلی، فقط این ۵ مورد را اضافه کن:
هدف مخاطب وضعیت فعلی محدودیت معیار موفقیتبعد همان درخواست را دوباره اجرا کن.
دو خروجی را کنار هم بگذار.
تفاوتشان را بررسی کن.
---
چالش شبکدام اطلاعات را معمولاً فراموش می‌کنی به AI بگویی؟
هدفت مخاطبت محدودیت‌هایت وضعیت فعلی چیزی که از نظر تو «موفقیت» محسوب می‌شود---
قبل از اینکه از AI جواب بهتری بخواهی، مطمئن شو اطلاعات کافی برای جواب دادن بهش داده‌ای.━━━━━━━━━━━━━━
AiRiA | هوش مصنوعی را حرفه‌ای یاد بگیر#AiRiA #AIMindset #AM029 #هوش_مصنوعی #ChatGPT #Context #پرامپت_نویسی