یه نکتهای که موقع نوشتن پرامپت خیلی به کارم اومده اینه که اگه میخوایم بین چند گزینه تصمیم بگیره، بهتره معیار تصمیمگیری رو هم مشخص کنیم.
مثلاً بهجای اینکه بگیم:
بین این دو روش بهترین رو انتخاب کن.
میتونیم بگیم:
این دو روش رو مقایسه کن و یکی رو انتخاب کن.
معیار تصمیمگیری:
- خوانایی کد
- سادگی نگهداری
- عملکرد
- مناسب بودن برای یک پروژه واقعی
در نهایت فقط یک گزینه رو پیشنهاد بده و در چند جمله دلیل انتخابت رو توضیح بده.
این تفاوت کوچیک باعث میشه مدل صرفاً بر اساس یک برداشت کلی از «بهترین» تصمیم نگیره.
چون بهترین روش همیشه مطلق نیست؛ ممکنه یک روش از نظر عملکرد بهتر باشه ولی برای نگهداری پیچیدهتر باشه.
وقتی معیارها رو مشخص میکنیم، تصمیم مدل هم به چیزی که واقعاً برامون مهمه نزدیکتر میشه.
وقتی از AI کمک میگیری، همیشه لازم نیست مستقیم ازش جواب بخوای.
گاهی بهتره اول ازش بخوای سؤالهای لازم برای فهمیدن مسئله رو ازت بپرسه.
Before answering, ask me the questions you need to fully understand the problem. Don't make assumptions.
(قبل از اینکه پاسخ بدی، سؤالهایی رو که برای درک کامل مسئله لازم داری از من بپرس. فرضیات نساز.)»
مثلاً فرض کن میخوای برای یک قابلیت جدید در پروژهت معماری مناسبی انتخاب کنی.
بهجای اینکه فقط بگی:
««برای قابلیت x چه معماریای پیشنهاد میدی؟»»
بگو:
««میخوام برای قابلیت x یک معماری مناسب انتخاب کنم. قبل از پیشنهاد راهحل، هر سؤالی که برای درک کامل مسئله لازمه ازم بپرس و بر اساس حدس و فرضیات جواب نده.»»
اینجوری قبل از اینکه نسخه بپیچه، شروع میکنه به پرسیدن سؤالهایی که شاید خودت اصلاً بهشون فکر نکرده باشی. بعد که تصویر کاملتری از مسئله پیدا کرد، میتونه پیشنهاد دقیقتری بده.
گاهی برای گرفتن جواب بهتر از AI، لازم نیست پرامپت پیچیدهتری بنویسیم؛ فقط باید بذاریم اول مسئله رو درست بفهمه.