مدل‌های استدلالی مانند o1 و o3 نسبت به مدل‌های معمولی، پاسخ‌های دقیق‌تر و جامع‌تری ارائه می‌دهند، اما برای دریافت خروجی موردنظر، لازم است که پرامپت‌های خود را به‌درستی تنظیم کنید.
گرگ براکمن، یکی از هم‌بنیان‌گذاران OpenAI، یک فرمول کاربردی برای بهینه‌سازی پرامپت‌ها ارائه کرده که به شما کمک می‌کند پاسخ‌های بهتر و مرتبط‌تری از هوش مصنوعی دریافت کنید.
چگونه برای مدل o1 یک پرامپت حرفه‌ای بنویسیم؟
براکمن پیشنهاد می‌کند که پرامپت شما باید چهار بخش کلیدی داشته باشد:
✅ هدف | ✅ فرمت پاسخ | ✅ هشدارها | ✅ زمینه
🔹 هدف (Goal)
در ابتدای پرامپت، به‌وضوح مشخص کنید که از هوش مصنوعی چه می‌خواهید. شفاف‌سازی هدف باعث می‌شود مدل پاسخ مرتبط‌تری ارائه دهد.
مثال: «لیستی از بهترین مسیرهای پیاده‌روی در سان‌فرانسیسکو می‌خواهم. مسیرها باید جدید، کمتر شناخته‌شده و جذاب باشند.»
🔹 فرمت پاسخ (Response Format)
تعیین فرمت خروجی به دقیق‌تر شدن پاسخ کمک می‌کند. مشخص کنید که داده‌ها چگونه ارائه شوند (مثلاً به‌صورت فهرست، جدول یا متن توضیحی).
مثال: «نام مسیرها را طوری بنویس که در برنامه مسیریابی AllTrails قابل جستجو باشند. همچنین شروع و پایان مسیر، فاصله، مدت زمان و نکات جذاب هر مسیر را مشخص کن.»
🔹 هشدارها (Constraints & Warnings)
هوش مصنوعی را از محدودیت‌ها و حساسیت‌های مدنظرتان مطلع کنید تا از ارائه اطلاعات نامعتبر جلوگیری شود.
مثال: «اطمینان حاصل کن که تمام مسیرها واقعی و نام‌هایشان صحیح باشند. مدت زمان هر مسیر را نیز دقیق بنویس.»
🔹 زمینه (Context)
زمینه‌ای درباره‌ی شرایط و ترجیحات خود ارائه دهید تا هوش مصنوعی پاسخ شخصی‌سازی‌شده‌تری تولید کند.
مثال: «قبلاً در مسیرهای A، B و C پیاده‌روی کرده‌ام و مسیر B را به دلیل مناظر زیبا بیشتر دوست داشتم. قصد دارم این بار با دوستم که علاقه‌مند به عکاسی است، پیاده‌روی کنم.»
چرا این روش پرامپت‌نویسی مهم است؟
هرچه پرامپت شفاف‌تر و ساختاریافته‌تر باشد، خروجی مدل دقیق‌تر خواهد بود. این تکنیک نه‌تنها در مدل‌های OpenAI مانند o1، بلکه در دیگر مدل‌های استدلالی مانند DeepSeek-R1 نیز قابل استفاده است.
📌 با رعایت این اصول، می‌توانید از هوش مصنوعی پاسخ‌های هدفمندتر، دقیق‌تر و کاملاً بهینه‌شده دریافت کنید.
