دلیل واقعی اینکه مهندسی پرامپت از بین نخواهد رفت
مردم میگویند مهندسی پرامپت مرده است، چون مدلهای هوش مصنوعی در حال هوشمندتر شدن هستند.
آنها اشتباه میکنند.
مهندسی پرامپت در حال ناپدید شدن نیست، بلکه در حال تکامل است. اگر اپلیکیشنهای هوش مصنوعی میسازید، بیش از هر زمان دیگری به آن نیاز خواهید داشت.
مهندسی پرامپت درباره نوشتن جملات جادویی نیست؛ بلکه درباره دادن اطلاعات دقیقی به سیستم هوش مصنوعی است که برای کارکرد قابل اعتماد به آنها نیاز دارد.
شفافیت، مقیاسپذیر است.
این دو مثال را با هم مقایسه کنید:
پرامپت ضعیف: کد Python بنویس.
پرامپت بهتر: یک Python FastAPI endpoint برای آپلود CSV بنویس.
- از Python 3.12 استفاده کن
- نوع فایل را اعتبارسنجی کن
- خطاها (exceptions) را مدیریت کن
- پاسخهای JSON برگردان
- برای هر مرحله کامنت بگذار
پرامپت دوم هوشمندانه نیست، فقط شفاف است.
مدلهای هوش مصنوعی توانمند هستند. آنها میتوانند کد بنویسند و اپلیکیشنها را دیباگ کنند. اما آنها از معماری، استانداردهای کدنویسی یا الزامات تجاری شما بیاطلاع هستند.
شما آن زمینه (context) را فراهم میکنید.
هر فریمورک اصلی هوش مصنوعی به پرامپتها وابسته است. ابزارهایی مانند LangChain، LangGraph و CrewAI همگی پرامپتها را به مدلها ارسال میکنند. حتی سیستمهای عامل (agent systems) برای موارد زیر به توالیهایی از پرامپتها متکی هستند:
- برنامهریزی
- انتخاب ابزار
- بازیابی (Retrieval)
- بازیابی خطا
عاملها (Agents) مهندسی پرامپت را حذف نمیکنند، بلکه آن را چندین برابر میکنند.
این حوزه از مهندسی پرامپت به سمت مهندسی زمینه (context engineering) در حال تغییر است. اپلیکیشنهای مدرن هوش مصنوعی، پرامپتهای سیستم را با موارد زیر ترکیب میکنند:
- اسناد بازیابی شده
- تاریخچه گفتگو
- خروجیهای ابزار
- ترجیحات کاربر
- حافظه
پرامپت تنها بخشی از یک زمینه بزرگتر است.
ساخت پرامپتهای یکبار مصرف آسان است. ساخت سیستمهای قابل اعتماد دشوار است. در محیط عملیاتی (production)، شما به ثبات نیاز دارید. شما به خروجیهای قابل پیشبینی نیاز دارید.
مهندسی پرامپت در واقع طراحی رابط کاربری است. شما در حال طراحی نحوه تعامل انسانها با سیستمهای هوشمند هستید. پرامپتهای خوب موارد زیر را تعریف میکنند:
- انتظارات
- محدودیتها
- اهداف
- معیارهای موفقیت
با پیچیدهتر شدن سیستمهای هوش مصنوعی، دستورالعملهای شفاف اهمیت بیشتری پیدا میکنند. ما دیگر از هوش مصنوعی نمیخواهیم که فقط یک تابع بنویسد؛ بلکه از آن میخواهیم جریانهای کاری (workflows) کامل را اجرا کند و با سایر عاملها همکاری نماید.
سازندگان آینده بر سر هوشمندی با هم رقابت نخواهند کرد، بلکه بر سر طراحی سیستم رقابت خواهند کرد.
مهارت اصلی همان باقی میماند: کمک به هوش مصنوعی برای درک دقیق آنچه میخواهید انجام دهد.
منبع: https://dev.to/jaideepparashar/the-real-reason-prompt-engineering-isnt-going-away-2koo