اصل چهارم پرامپت‌نویسی: نشان بده، نگو! - قسمت چهارم

اصل چهارم: قدرت مثال‌ها (Show, Don't Tell) ضرب‌المثل قدیمی می‌گوید: "یک تصویر به اندازه هزار کلمه ارزش دارد" در پرامپت‌نویسی هم همینطور است: "یک مثال خوب به اندازه هزار توضیح ارزش دارد

مرور سریع مسیر طی شده
تا اینجای کار یاد گرفتیم:

اصل اول: واضح و مشخص باشید
اصل دوم: جزئیات و زمینه کافی بدهید  
اصل سوم: فرمت خروجی را تعیین کنید

اما گاهی حتی با همه این‌ها، هوش مصنوعی دقیقاً متوجه نمی‌شود چه سبک یا کیفیتی می‌خواهید. راه حل چیست؟
نشان دادن به جای گفتن!

اصل چهارم: قدرت مثال‌ها (Show, Don't Tell)
ضرب‌المثل قدیمی می‌گوید:

"یک تصویر به اندازه هزار کلمه ارزش دارد"

در پرامپت‌نویسی هم همینطور است:

"یک مثال خوب به اندازه هزار توضیح ارزش دارد"

چرا مثال‌ها قدرتمند هستند؟
۱. رفع ابهام
وقتی می‌گویید "لحن صمیمی"، ممکن است هر کسی تعریف متفاوتی داشته باشد. اما وقتی یک نمونه نشان می‌دهید، دیگر جای شک نیست!
۲. نشان دادن سبک
بهتر از توضیح دادن سبک نوشتاری، نشان دادن یک نمونه است.
۳. کاهش خطا
با مثال، احتمال سوءتفاهم به شدت کم می‌شود.
۴. یادگیری الگو
هوش مصنوعی از روی مثال‌ها الگو می‌گیرد و دقیقاً همان سبک را تولید می‌کند.

انواع مثال در پرامپت‌نویسی
۱. مثال مثبت (Positive Example)
نشان می‌دهد چه چیزی می‌خواهید.
۲. مثال منفی (Negative Example)
نشان می‌دهد چه چیزی نمی‌خواهید.
۳. چند مثال (Few-Shot Learning)
دادن ۲ تا ۵ مثال برای یادگیری بهتر الگو.

مثال‌های عملی: قدرت نشان دادن
مثال ۱: نوشتن عنوان جذاب
❌ بدون مثال:

"۵ تا عنوان جذاب برای مقاله من درباره سبک زندگی سالم بنویس"

مشکل: "جذاب" برای هرکس معنی متفاوتی دارد!

✅ با مثال:

"۵ تا عنوان جذاب برای مقاله من درباره سبک زندگی سالم بنویس.
سبک مورد نظر من شبیه این عناوین است:✓ "۳ راز ساده که عمرتان را ۱۰ سال بیشتر می‌کند"✓ "چرا صبحانه نخوردن شما را چاق‌تر می‌کند؟"✓ "اشتباه بزرگی که ۹۰٪ مردم در ورزش مرتکب می‌شوند"
نکته: استفاده از اعداد، سؤال و کنجکاوی"

نتیجه: عناوینی دقیقاً با همان سبک و انرژی!

مثال ۲: نوشتن توضیحات محصول
❌ بدون مثال:

"توضیحات یه کرم ضدآفتاب برای فروشگاه آنلاین من بنویس"

✅ با مثال مثبت و منفی:

"توضیحات یک کرم ضدآفتاب برای فروشگاه آنلاین من بنویس.
✅ مثال خوب (سبک مورد نظر):"پوست شما لایق بهترین‌ها است! کرم ضدآفتاب ما با SPF 50از پوست شما در برابر اشعه مضر محافظت می‌کند. مناسب انواعپوست، جذب سریع و بدون چربی. تابستان امسال را بدون نگرانیلذت ببرید!"
❌ مثال بد (چیزی که نمی‌خواهم):"این محصول یک کرم ضدآفتاب است. SPF 50 دارد. برای پوستخوب است. می‌توانید آن را بخرید."
تفاوت کلیدی: لحن گرم و فروشنده باشد، نه سرد و فنی."

مثال ۳: نوشتن کد با سبک خاص
❌ بدون مثال:

"یک تابع Python برای محاسبه میانگین بنویس"

✅ با مثال سبک کدنویسی:

"یک تابع Python برای محاسبه میانگین بنویس.
سبک کدنویسی من:
def calculate_sum(numbers):    """    محاسبه مجموع اعداد
Args:
   numbers (list): لیست اعداد
   
Returns:
   float: مجموع اعداد
\"\"\"
total = 0
for num in numbers:
   total += num
return total

نکته: از docstring فارسی، نام متغیرهای واضح و حلقه ساده استفاده کن."

مثال ۴: پاسخ به نظرات منفی
❌ بدون مثال:

"یه پاسخ مناسب به نظر منفی مشتری بنویس"

✅ با الگوی مشخص:

"یک پاسخ مناسب به این نظر منفی مشتری بنویس:"محصول دیروز رسید، اما جعبه‌اش خراب بود!"
از این الگو استفاده کن:
[نمونه الگوی من]:"سلام [نام]،واقعاً متأسفیم که این اتفاق افتاده 😔[اعتراف به مشکل + دلیل]برای جبران، [راه حل پیشنهادی]امیدواریم بتونیم اعتماد شما رو دوباره جلب کنیم ❤️"
لحن: صمیمی، پوزش‌خواهانه اما حرفه‌ای، با یک ایموجی"

تکنیک Few-Shot Learning
یکی از قدرتمندترین تکنیک‌ها در پرامپت‌نویسی، دادن چند مثال است تا هوش مصنوعی الگو را یاد بگیرد.
مثال: طبقه‌بندی نظرات

"نظرات مشتریان را به سه دسته "مثبت"، "منفی" و "خنثی" طبقه‌بندی کن.
مثال‌ها:
نظر: "عالی بود، واقعاً راضی هستم!"دسته: مثبت
نظر: "محصول متوسطی بود، نه خوب نه بد"دسته: خنثی
نظر: "اصلاً خوب نبود، پول‌م هدر رفت"دسته: منفی
حالا این نظر رو دسته‌بندی کن:"سفارشم هنوز نرسیده، امیدوارم زودتر برسه""

هوش مصنوعی یاد می‌گیرد: این نظر "خنثی" یا "نگران‌کننده" است، نه کاملاً منفی.

الگوی طلایی: INPUT → OUTPUT
یکی از بهترین روش‌ها برای استفاده از مثال، نشان دادن ورودی و خروجی است:

"من یک لیست از جملات فارسی می‌دهم، تو آن‌ها را به انگلیسی ترجمه کن.اما نه ترجمه تحت‌اللفظی، بلکه طبیعی و روان.
مثال:
ورودی: "دلم برات تنگ شده"خروجی: "I've missed you"(نه: "My heart has become tight for you")
ورودی: "دستت درد نکنه"خروجی: "Thank you so much" یا "Great job"(نه: "May your hand not hurt")
حالا این جمله رو ترجمه کن:ورودی: "چشم، حتماً""

چند مثال قدرتمند از دنیای واقعی
۱. سبک نوشتاری برند

"محتوای اینستاگرام برای برند من بنویس.
سبک برند من (مثال‌ها):✓ "صبح بخیر عزیزان! امروز چه برنامه‌ای دارید؟ ☀️"✓ "خبر خوب! تخفیف ویژه تا آخر هفته 🎉"✓ "نظرتون درباره رنگ جدید چیه؟ 💙"
توجه: لحن صمیمی، استفاده از ایموجی، سؤال کردن از مخاطب"

۲. فرمت گزارش

"یک گزارش از فروش هفتگی بنویس.
فرمت دلخواه:
📊 گزارش هفتگی - هفته اول مهر
✅ موفقیت‌ها:• فروش ۲۵٪ بیشتر از هفته قبل• ۱۵ مشتری جدید
⚠️ چالش‌ها:• کمبود موجودی محصول A• تأخیر در ارسال
📈 اقدامات هفته بعد:

تأمین موجودی
بهبود زمان ارسال"

۳. ایمیل‌های مختلف با لحن‌های متفاوت

"سه ایمیل یادآوری پرداخت بنویس:

یکی صمیمی و دوستانه
یکی رسمی و محترمانه
یکی قاطع و جدی

مثال لحن صمیمی:"سلام محمد عزیز،امیدواریم حالت خوب باشه! 😊فقط یه یادآوری دوستانه که فاکتور شماره ۱۲۳ تا فردا موعدپرداخت داره. اگه مشکلی پیش اومده، بهمون بگو تا کمکت کنیم.ممنون از همراهیت ❤️"
حالا دو مورد دیگر رو بر اساس همین سبک بنویس."

ترفندهای حرفه‌ای
۱. مثال + ضد مثال
بهترین روش: هم نشان دادن چه می‌خواهید، هم چه نمی‌خواهید.

✅ این سبک را دوست دارم: [مثال]❌ این سبک را دوست ندارم: [مثال]

۲. مثال‌های تدریجی (Progressive Examples)

"سطح مبتدی: [مثال ساده]سطح متوسط: [مثال پیچیده‌تر]سطح پیشرفته: [مثال حرفه‌ای]
حالا یکی در سطح متوسط برام بساز."

۳. قبل/بعد

"قبل (ضعیف): [متن بد]بعد (خوب): [متن خوب]
حالا این متن رو به شکل "بعد" بازنویسی کن: [متن جدید]"

تمرین‌های عملی
تمرین ۱: طراحی مثال
می‌خواهید یک کپشن اینستاگرام برای فروش کفش ورزشی بگیرید.۲ مثال خوب و ۱ مثال بد طراحی کنید و در پرامپت قرار دهید.

تمرین ۲: Few-Shot Pattern
می‌خواهید ایمیل‌های دریافتی را به "فوری" و "غیرفوری" تقسیم کنید.۳ مثال از هر دسته بنویسید تا هوش مصنوعی الگو را یاد بگیرد.

تمرین ۳: سبک شخصی
یک سبک نوشتاری دلخواه (رسمی/صمیمی/طنز) انتخاب کنید.۳ نمونه متن در آن سبک بنویسید و سپس از هوش مصنوعی بخواهیدمحتوای جدید با همان سبک بسازد.

خطاهای رایج در استفاده از مثال
❌ مثال‌های نامرتبط

"می‌خواهم: کپشن برای کافی‌شاپمثال می‌دهم: کپشن رستوران فست‌فود"

❌ مثال‌های کم یا زیاد

"خیلی کم: فقط ۱ مثال (ناکافی برای یادگیری الگو)خیلی زیاد: ۲۰ مثال (گیج‌کننده و طولانی)بهترین: ۲ تا ۵ مثال"

❌ مثال‌های متناقض

"مثال ۱: لحن خیلی رسمیمثال ۲: لحن خیلی غیررسمیهوش مصنوعی گیج می‌شود!"

چک‌لیست مثال‌های خوب
☑️ آیا مثال‌ها واضح و قابل فهم هستند؟☑️ آیا الگوی مشخصی در مثال‌ها وجود دارد؟☑️ آیا تعداد مثال‌ها مناسب است؟ (۲-۵ عدد)☑️ آیا مثال مثبت و منفی دادم؟☑️ آیا مثال‌ها به موضوع مرتبط هستند؟☑️ آیا سبک و لحن در همه مثال‌ها یکسان است؟

مطالعه موردی: قدرت واقعی مثال
سناریو: کسب‌وکار آنلاین شما
بدون مثال:

"یه پیام خوب برای پاسخ به مشتری بنویس که سفارشش دیر رسیده"

نتیجه: پاسخ کلی و بی‌روح

با مثال:

"پیامی برای پاسخ به مشتری بنویس که سفارشش دیر رسیده.
سبک من (مثال از پیام‌های قبلی):
"سلام مهسا جان،واقعاً ببخشید که سفارشت دیر رسید 😔متأسفانه یه مشکل پستی پیش اومد که از کنترل ما خارج بود.برای جبران، یه تخفیف ۲۰٪ برای خرید بعدیت می‌ذاریم.امیدوارم بازم به ما اعتماد کنی ❤️تیم فروشگاه رویا"
نکته: صمیمی، پوزش‌خواهانه، پیشنهاد جبران، استفاده از ایموجی"

نتیجه: پاسخ دقیقاً با برند شما!

نتیجه‌گیری
در این قسمت با قدرت مثال‌ها آشنا شدیم. یاد گرفتیم که:
✅ یک مثال خوب از هزار توضیح بهتر است✅ مثال مثبت + منفی = وضوح کامل✅ Few-Shot Learning = یادگیری الگو✅ نشان بده، نگو! (Show, Don't Tell)

فرمول طلایی: توضیح + مثال = نتیجه عالی

در قسمت بعدی با اصل پنجم تعیین نقش و شخصیت آشنا می‌شویم و یاد می‌گیریم چگونه با دادن نقش به هوش مصنوعی، پاسخ‌های تخصصی‌تر بگیریم.

به یاد داشته باشید
🎯 یک مثال خوب = صرفه‌جویی ۱۰ پیام جلو و عقب🎯 مثال‌ها زبان مشترک شما و AI هستند🎯 ۲ تا ۵ مثال = نقطه شیرین
سؤال: آیا تا حالا با دادن مثال، نتیجه کاملاً متفاوتی گرفتید؟ تجربه‌تان را با ما به اشتراک بگذارید!

📚 قسمت قبل: اصل سوم - تعیین فرمت خروجی📚 قسمت بعد: اصل پنجم - نقش‌دهی به هوش مصنوعی
نویسنده: تیم تحریریه مجله آرتین