تکنیک‌های پیشرفته در پرامپت نویسی (Zero-shot، Few-shot و CoT)

اگر تا به حال از هوش مصنوعی برای کارهای ساده‌ای مثل خلاصه کردن یک متن استفاده کرده‌اید، به احتمال زیاد از روش‌های ابتدایی دستور دادن استفاده کرده‌اید. اما زمانی که پای مسائل پیچیده مانند تحلیل داده‌های مالی، کدنویسی پیشرفته یا استدلال‌های ریاضی به میان می‌آید، پرامپت‌های ساده با شکست مواجه می‌شوند.

در این مقاله تخصصی از بخش آموزش‌های گپ (GetAiPro)، شما را با ۳ تکنیک حرفه‌ای در مهندسی پرامپت یعنی Zero-shot، Few-shot و زنجیره تفکر (Chain of Thought) آشنا می‌کنیم تا بتوانید مانند یک مهندس AI با ماشین‌ها صحبت کنید.

۱. تکنیک Zero-shot Prompting (پرامپت بدون مثال)

در زبان هوش مصنوعی، منظور از کلمه “Shot” همان “مثال” (Example) است. وقتی شما یک پرامپت زیرو شات (Zero-shot) می‌نویسید، یعنی بدون اینکه هیچ مثالی از خروجی مدنظرتان به ربات بدهید، از او درخواست انجام کار می‌کنید.

نمونه Zero-shot:
“احساس این جمله را دسته‌بندی کن (مثبت، منفی، خنثی): محصول شما بسیار بی‌کیفیت بود و من از خریدم پشیمانم.”

کاربرد: این روش برای کارهای ساده، عمومی و روزمره (مانند ترجمه، خلاصه‌نویسی و تحلیل احساسات) بسیار مناسب است، زیرا مدل‌های زبانی مدرن مانند جمنای یا چت‌جی‌پی‌تی در طول آموزش خود، میلیون‌ها مثال مشابه را دیده‌اند و نیازی به مثال شما ندارند.

۲. تکنیک Few-shot Prompting (پرامپت با چند مثال)

هنگامی که خروجی شما دارای یک فرمت (Format) خاص، لحن اختصاصی برند یا منطق غیرمعمول است، ربات ممکن است گیج شود. در تکنیک فیو شات (Few-shot)، شما قبل از پرسیدن سوال اصلی، ۱ تا ۵ مثال از ورودی و خروجیِ صحیح را به ربات می‌دهید تا الگوی کار را یاد بگیرد (به این کار In-context Learning می‌گویند).

۳. تکنیک زنجیره تفکر (Chain of Thought – CoT)

مدل‌های زبانی بزرگ (LLMs) ذاتاً ماشین‌حساب یا استدلال‌گرهای منطقی نیستند، بلکه آن‌ها فقط کلمه بعدی را حدس می‌زنند. به همین دلیل، اگر یک سوال پیچیده ریاضی به آن‌ها بدهید، ممکن است سریعاً یک جواب اشتباه تولید کنند.

در تکنیک Chain of Thought، ما با استفاده از یک جمله جادویی، ربات را مجبور می‌کنیم تا قبل از دادن جواب نهایی، مراحل رسیدن به جواب را قدم به قدم بنویسد. این کار باعث می‌شود ربات کلمات میانی را به عنوان راهنما (Context) برای خودش تولید کند و احتمال خطا به صفر برسد.

عبارت جادویی: “Let’s think step by step” (بیا قدم به قدم فکر کنیم).

وقتی این جمله را به انتهای پرامپت خود (مخصوصاً در مسائل ریاضی، برنامه‌نویسی و پازل‌های منطقی) اضافه می‌کنید، دقت خروجی تا ۳۰۰ درصد افزایش می‌یابد!

ترکیب تکنیک‌ها برای پروژه‌های تجاری

مهندسین پرامپت در پروژه‌های بزرگ (مانند ساخت ربات پشتیبان برای یک سایت فروشگاهی)، از ترکیب Few-shot و CoT استفاده می‌کنند. آن‌ها ابتدا چند مثال از چت‌های قبلی موفق با مشتریان (Few-shot) را در پرامپت قرار می‌دهند و سپس به ربات دستور می‌دهند که قبل از پاسخ به مشتری جدید، ابتدا دلیل مشکل را قدم به قدم تحلیل کند (CoT).

چرا نسخه‌های رایگان برای این تکنیک‌ها ضعیف هستند؟

تکنیک Few-shot به شدت نیازمند فضایی به نام “پنجره زمینه” (Context Window) است. وقتی شما چندین مثال طولانی از مقالات یا کدهای خود را وارد می‌کنید، مدل‌های رایگان به دلیل محدودیت حافظه، مثال‌های اولیه را فراموش می‌کنند!

برای اجرای بی‌نقص این تکنیک‌های پیشرفته، شما به مدل‌هایی با ظرفیت توکن بالا نیاز دارید. خرید اکانت جمنای پرو (Gemini Pro) با ظرفیت خیره‌کننده ۱ تا ۲ میلیون توکن، این امکان را به شما می‌دهد که یک کتاب کامل را به عنوان مثال (Few-shot) به ربات بدهید تا دقیقاً با همان لحن کتاب برای شما تولید محتوا کند.

سوالات متداول (FAQ)

نتیجه‌گیری

تسلط بر تکنیک‌های Zero-shot، Few-shot و Chain of Thought، مرز بین یک کاربر آماتور و یک متخصص هوش مصنوعی است. با استفاده از این تکنیک‌ها و ترکیب آن‌ها با قدرت ابزارهای پریمیوم AI در سایت گپ، هیچ مسئله منطقی و پیچیده‌ای برای شما غیرقابل حل نخواهد بود.