بیشتر پاسخهای ضعیف هوش مصنوعی از «بد بودن مدل» نمیآیند؛ مسئله معمولاً در هدف مبهم، زمینه ناکافی یا خروجی تعریفنشده است. این هفت خطا را اصلاح کنید تا پاسخها دقیقتر و قابل استفادهتر شوند.
۱. هدف مبهم
«یک متن خوب بنویس» معیار روشنی ندارد. هدف را با فعل دقیق شروع کنید: خلاصه کن، مقایسه کن، بازنویسی کن یا پیشنهاد بده. سپس مخاطب و کاربرد خروجی را بنویسید.
۲. حذف زمینه
مدل نمیداند شما چه میدانید. زمینهای کوتاه درباره مخاطب، کسبوکار، سطح تخصص و موقعیت تصمیمگیری بدهید؛ فقط اطلاعاتی را اضافه کنید که نتیجه را تغییر میدهد.
۳. چند کار در یک درخواست
وقتی تحقیق، تحلیل، نگارش و ویرایش را یکجا میخواهید، کنترل کیفیت دشوار میشود. کار را به مراحل کوچک تقسیم کنید و خروجی هر مرحله را ورودی مرحله بعد قرار دهید.
۴. مشخص نکردن قالب خروجی
طول، ساختار و لحن را تعیین کنید؛ برای مثال: «در یک جدول سهستونه، حداکثر ۸ ردیف، با زبان ساده». قالب روشن، خروجی را قابل مقایسه و ویرایش میکند.
۵. اعتماد کامل به پاسخ اول
هوش مصنوعی ممکن است اطلاعات نادرست یا منبع نامعتبر بسازد. نامها، عددها، تاریخها و ادعاهای حساس را با منبع اصلی بررسی کنید و موارد نامطمئن را صریحاً علامت بزنید.
۶. ندادن بازخورد
بهجای تکرار همان درخواست، دقیق بگویید کدام بخش مناسب بود و کدام بخش باید تغییر کند. نمونه مطلوب، محدودیت تازه یا معیار ارزیابی اضافه کنید.
۷. وارد کردن اطلاعات حساس
اطلاعات شخصی، رمزها، اسناد محرمانه و داده مشتریان را مستقیماً وارد ابزارهای عمومی نکنید. داده را حذف، ناشناس یا با نمونه ساختگی جایگزین کنید.
نسخه سریع برای قبل از ارسال
- یک هدف، یک مخاطب و یک خروجی مشخص دارم.
- زمینه لازم را بدون اطلاعات حساس نوشتهام.
- قالب و محدودیتها روشناند.
- برای بررسی صحت پاسخ برنامه دارم.
برای یادگیری ساختارهای آماده و تمرینهای بیشتر، کتاب پرامپتنویسی هوشتاب را ببینید.