تسلط بر پرامپت‌نویسی LLM: راهنمای یک توسعه‌دهنده

پاسخ‌های ضعیف هوش مصنوعی تقصیر مدل نیست، بلکه تقصیر پرامپت است.

پرامپت‌نویسی یک مهارت است. شما می‌توانید با استفاده از تکنیک‌های خاص آن را بهبود ببخشید. از این روش‌ها برای دریافت کدهای بهتر و پاسخ‌های هوشمندانه‌تر استفاده کنید.

ارائه بافت (Context) مشخص از پرسیدن سوالات کلیشه‌ای و عمومی خودداری کنید.

  • بد: "How do I validate emails?"
  • خوب: "I am building a Node.js Express API. Show me how to validate emails using the email-validator package. Include error handling with a 400 status code."

تعیین یک نقش (Persona) به هوش مصنوعی بگویید چه کسی باشد.

  • به جای: "Write a function for unique IDs."
  • امتحان کنید: "You are a senior backend engineer. Write a Python function for globally unique IDs that are sortable by timestamp. Explain your decisions."

استفاده از زنجیره تفکر (Chain of Thought) برای وظایف دشوار، از هوش مصنوعی بخواهید مرحله‌به‌مرحله فکر کند. این کار مدل را مجبور می‌کند منطق خود را نشان دهد.

  • بپرسید: "Walk me through your thought process: 1. Identify bottlenecks. 2. List techniques. 3. Recommend a solution. 4. Write the code."

ارائه مثال الگویی را که می‌خواهید به هوش مصنوعی نشان دهید. به این کار few-shot prompting می‌گویند. یک مثال «قبل» و «بعد» ارائه دهید تا هوش مصنوعی سبک شما را یاد بگیرد.

تعیین محدودیت‌های دقیق هوش مصنوعی را مجبور کنید دقیق باشد. الزامات خود را به وضوح لیست کنید:

  • نسخه زبان برنامه‌نویسی
  • پیچیدگی زمانی (Time complexity)
  • پیچیدگی فضا (Space complexity)
  • بدون استفاده از کتابخانه‌های خارجی

خرد کردن وظایف همه چیز را یک‌جا نخواهید. از یک رویکرد مرحله‌به‌مرحله استفاده کنید:

  • مرحله ۱: ایجاد یک نسخه پایه.
  • مرحله ۲: اضافه کردن مدیریت خطا.
  • مرحله ۳: بهینه‌سازی عملکرد.
  • مرحله ۴: اضافه کردن تایپ‌ها.

درخواست جایگزین‌ها دو روش مختلف برای حل یک مسئله را بخواهید. این کار به شما کمک می‌کند تا موازنه (trade-offs) بین روش‌ها را درک کنید. مزایا و معایب هر روش را بپرسید.

درخواست فرمت‌های خاص به هوش مصنوعی بگویید خروجی را چگونه سازماندهی کند. می‌توانید یک بازبینی کد (code review) ساختاریافته با سرتیترهای مشخص مانند Issues، Fixes و Performance Impact درخواست کنید.

اشتباهاتی که باید از آن‌ها اجتناب کرد:

  • بیش از حد کوتاه بودن.
  • درخواست موارد بی‌ربط در یک پرامپت.
  • فراموش کردن تعیین محدودیت‌ها.
  • پذیرفتن اولین پاسخ بدون بررسی آن.

تسلط بر این مراحل به شما کمک می‌کند سریع‌تر کار کنید. این روش‌ها در ChatGPT، Claude و GitHub Copilot کارایی دارند.

شما از چه نکاتی برای پرامپت‌نویسی استفاده می‌کنید؟ در کامنت‌ها به من بگویید.

Source: https://dev.to/samchenreviews/mastering-the-art-of-llm-prompting-a-developers-guide-to-getting-better-answers-from-ai-36k5

Optional learning community: https://t.me/GyaanSetuAi