یادگیری ویژگی‌های AI: بوت‌کمپ کامل مهندسی پرامپت

آنچه یاد خواهید گرفت:

• درک چگونگی تاثیر طراحی پرامپت بر خروجی‌های ChatGPT.
• تسلط به کنترل‌های کلیدی LLM (پیام‌های سیستم، temperature ،top_p ،max_tokens ،penalties)
• یادگیری انواع مختلف پرامپت‌ها (دستورالعمل، few-shot chain-of-thought، نقش و غیره)
• درک توکن‌ها، هزینه و مبادلات تأخیر برای کارایی
• طراحی، تست و تکرار پرامپت‌ها در چندین مورد استفاده (خلاصه‌سازی، کدنویسی، استخراج داده، پشتیبانی مشتری، تولید محتوا)
• ساخت کتابخانه‌ای از قالب‌های پرامپت قابل استفاده مجدد
• به‌کارگیری روش‌های زنجیره‌سازی برای اتصال چندین مرحله AI به گردش‌های کاری
• استفاده از ابزارها و APIها (ChatGPT Playground LangChain PromptLayer) برای خودکارسازی گردش‌های کاری
• سنجش پرامپت‌ها با معیارهای کیفی و کمی (دقت، F1 BLEU/ROUGE، رضایت کاربر)
• اجرای A/B testing برای مقایسه نسخه‌های مختلف پرامپت.
• بهینه‌سازی برای هزینه و تأخیر در استقرارهای واقعی.
• درک اینکه چرا توهمات اتفاق می‌افتند و چگونگی کاهش آن‌ها
• پیاده‌سازی گاردریل‌ها (پرامپت‌های امتناع، محدودیت‌های سبک، فیلترهای ناسزا/PII)
• به‌کارگیری ملاحظات قانونی، حریم خصوصی و ایمنی هنگام استقرار AI در محیط تولید
• افزودن لاگ کردن، کشینگ و قابلیت مشاهده برای مقیاس‌پذیری
• برنامه‌ریزی استراتژی‌های جایگزین و محافظ‌های انسان در حلقه
• بهینه‌سازی توکن‌ها و مثال‌ها برای کارایی
• بررسی تنظیم پرامپت در مقابل تنظیم دستورالعمل
• یادگیری مبانی تولید تقویت‌شده با بازیابی (RAG)
• آزمایش با پرامپت‌های چندوجهی (متن + تصویر)
• دریافت مقدمه‌ای بر RLHF و جهت‌گیری‌های تحقیقاتی آینده LLM

پیش‌نیازهای دوره

• سواد کامپیوتری اولیه - راحتی در استفاده از وب‌اپلیکیشن‌ها، مرورگرها و ابزارهای آنلاین
• آشنایی با ChatGPT (یا LLMهای مشابه) - حداقل تجربه پایه در پرسیدن سوالات و خواندن خروجی‌ها.
• تسلط به زبان انگلیسی - از آنجا که پرامپت‌ها و خروجی‌ها به زبان انگلیسی هستند، یادگیرندگان باید قادر به نوشتن دستورالعمل‌های واضح باشند.
• دانش مقدماتی برنامه‌نویسی (اختیاری اما مفید) - درک JSON، متغیرها، یا Python/JavaScript ساده در درس‌های API و اتوماسیون کمک خواهد کرد، اما اجباری نیست.
• کنجکاوی و ذهنیت حل مسئله - تمایل به آزمایش، تکرار و تفکر انتقادی درباره خروجی‌ها

توضیحات دوره

مهندسی پرامپت و تولید LLM

به هنر کاربردی مهندسی پرامپت مسلط شوید و یاد بگیرید چگونه گردش‌های کاری AI محور قابل اعتماد را طراحی، تست و مستقر کنید که محصولات واقعی را قدرت می‌بخشند. این دوره جامع و عملی، شما را از اصول اولیه به سیستم‌های آماده تولید می‌رساند، با تمرکز بر روش‌های قابل تکرار، بهبودهای قابل ارزیابی و ادغام‌های دنیای واقعی. چه بخواهید خطوط لوله محتوایی هوشمندتر، پشتیبانی مشتری خودکار، یا دستیاران تولید کد بسازید، این دوره مهارت‌ها، الگوها و گاردریل‌های دقیقی را آموزش می‌دهد که هر روز به عنوان یک متخصص مهندسی پرامپت AI از آن‌ها استفاده خواهید کرد.

این دوره چیست (صریح و بدون حاشیه)

این یک دوره عملی و مبتنی بر تمرین در زمینه مهندسی پرامپت برای افرادی است که به دنبال نتایج هستند، نه فقط تئوری. شما یاد خواهید گرفت چگونه پرامپت‌هایی بسازید که خروجی‌های سازگار تولید کنند، رفتار مدل را کنترل کنید (temperature ،top_p، توکن‌ها، penalties)، انواع پرامپت را ارزیابی و A/B test کنید، پرامپت‌ها را به پایپ لاین های چندمرحله‌ای زنجیر کنید، و از آزمایش دستی به سمت اتوماسیون قابل اعتماد با استفاده از APIها و ابزارهایی مانند LangChain و PromptLayer حرکت کنید. این دوره بر ایمنی، مقرون‌به‌صرفه بودن و نتایج قابل ارزیابی تاکید دارد تا بتوانید ویژگی‌های مبتنی بر پرامپت را با اطمینان در محیط تولید مستقر کنید.

مهارت‌های کلیدی که کسب خواهید کرد

• تکنیک‌های مهندسی پرامپت ChatGPT در سطح خبره: طراحی نقش سیستم/کاربر/دستیار، آموزش چندنمونه‌ای، و اجبار فرمت
• روش‌های آزمایش قوی: طراحی فرضیه، A/B testing، لاگ کردن، و معیارهای کمی (دقت، پراکسی‌های F1، رضایت کاربر)
• الگوهای تولید: زنجیره‌سازی پرامپت، استراتژی‌های map-reduce، لایه‌های اعتبارسنجی، کشینگ، و طراحی جایگزین/انسان در حلقه
• بهینه‌سازی هزینه و عملکرد: فشرده‌سازی توکن، استراتژی‌های استفاده مجدد، و مبادلات قابل ارزیابی تأخیر/هزینه
• ایمنی و انطباق: الگوهای ضد توهم، طراحی امتناع، مدیریت PII، و ملاحظات قانونی/حریم خصوصی
• ادغام ابزار: چگونگی عملیاتی کردن پرامپت‌ها از طریق API، Playground، LangChain، و لاگ کردن/نسخه‌بندی پرامپت با PromptLayer

این دوره برای چه کسانی است؟

این دوره برای طیف گسترده‌ای از یادگیرندگان ساخته شده است که خواهان تأثیر عملی از AI هستند:

• مدیران محصول و مهندسانی که ویژگی‌های AI می‌سازند.
• تولیدکنندگان محتوا و بازاریابانی که گردش‌های کاری را با LLMها خودکار می‌کنند.
• رهبران پشتیبانی که پاسخ‌های خط اول و تریاژ را خودکار می‌کنند.
• کارآفرینان و موسسانی که LLMها را در محصولات SaaS ادغام می‌کنند.
• متخصصان داده و ML که به دنبال عملیاتی کردن پرامپت‌های LLM هستند
• هیچ دانش عمیق قبلی از ML مورد نیاز نیست. اما آشنایی اولیه با ChatGPT یا LLMهای مشابه و راحتی با ابزارهای ساده به پیشرفت سریع‌تر شما کمک خواهد کرد.

ساختار دوره و آنچه پوشش داده می‌شود (نکات برجسته ماژول)

برنامه درسی در ماژول‌های کوتاه و متمرکز سازماندهی شده است که ترکیبی از سخنرانی، دمو و تمرین‌های عملی هستند.

• ماژول 0 - خوش‌آمدگویی و راه‌اندازی: ابزارها، راه‌اندازی حساب، نقشه راه دوره، و چگونگی بهره‌وری حداکثری از تمرینات و پروژه نهایی
• ماژول 1 - اصول: رفتار LLM، آناتومی سیستم/کاربر/دستیار، اقتصاد توکن، و دموهای زنده که نشان می‌دهند چگونه تغییرات کوچک پرامپت خروجی‌ها را تغییر می‌دهند.
• ماژول 2 - الگوهای اصلی و قالب‌ها: وضوح دستورالعمل، اجبار فرمت خروجی (JSON/CSV)، مثال‌های چندنمونه‌ای، و کتابخانه‌های قالب قابل استفاده مجدد برای تسک های رایج
• ماژول 3 - بررسی عمیق موارد استفاده (محتوا، کد، داده): گردش‌های کاری واقعی برای تولید مقاله، تولید کد قابل تست واحد، و استخراج داده‌های ساختاریافته از متن بهم ریخته
• ماژول 4 - ارزیابی و A/B Testing: معیارهای عملی، طراحی آزمایش، نمونه‌گیری، و نسخه‌بندی پرامپت برای مقیاس‌بندی بهبودها
• ماژول 5 - زنجیره‌سازی و اتوماسیون: الگوهای طراحی (map-reduce، حلقه‌های نقد)، دموهای LangChain، ساخت یک خط لوله پایان‌به-پایان ساده و اعتبارسنج‌ها
• ماژول 6 - ایمنی و توهمات: چرا توهمات رخ می‌دهند، استراتژی‌های زمینه‌سازی، پرامپت‌های امتناع، و گاردریل‌های قانونی/حریم خصوصی
• ماژول 7 - آمادگی تولید: لاگ کردن، کشینگ، بهینه‌سازی توکن، محدودیت‌های نرخ، نظارت، و الگوهای بازیابی فاجعه
• ماژول 8 - موضوعات پیشرفته: مبانی RAG، تنظیم پرامپت در مقابل تنظیم دستورالعمل، پرامپت‌های چندوجهی، و طراحی انسان در حلقه
• ماژول 9 - پروژه نهایی: انتخاب از بین دستیار پشتیبانی مشتری، استودیوی محتوا، یا دستیار کد - طراحی، نمونه‌سازی، تست، و ارائه یک پروژه مبتنی بر پرامپت قابل استقرار

هر ماژول شامل درس های کوتاه، دموها، تمرینات و قالب‌های قابل دانلود است که می‌توانید بلافاصله استفاده کنید. پروژه نهایی یک ارزیابی مبتنی بر پروژه است که در آن طراحی پرامپت، ارزیابی و ابزارهای تولید را گرد هم می‌آورید.

رویکرد آموزشی و یادگیری مبتنی بر پروژه

این دوره از یک متدولوژی تکرارپذیر و مبتنی بر آزمایش استفاده می‌کند: برای هر مفهوم، شما یک فرضیه می‌نویسید، نسخه‌های پرامپت (A/B) را اجرا می‌کنید، نتایج را لاگ می‌کنید و تصمیمات را مستند می‌کنید. تاکید بر تکرارپذیری است. مدرس یک قالب «آزمایشگاه پرامپت» برای نسخه‌بندی و معیارها به شما می‌دهد تا بهبودهای شما قابل ارزیابی و تکرار باشند. قطعه کدهای واقعی، مثال‌های فراخوانی API و قالب‌های کاری ارائه می‌شوند تا بتوانید همه چیز را در محیط خود تکرار کنید.

چرا این دوره متفاوت است؟

• کاملاً کاربردی: قالب‌ها، چک‌لیست‌ها و الگوهای آماده تولید، نه فقط اسلاید
• اولویت با ارزیابی: شما معیارهایی را یاد می‌گیرید که اهمیت دارند و چگونگی تست A/B پرامپت‌ها مانند ویژگی‌های محصول
• ایمنی و انطباق یکپارچه شده: مدرس به شما می‌آموزد چگونه از توهمات و نشت داده‌های حساس جلوگیری، آن‌ها را شناسایی و کاهش دهید.
• مستقل از ابزار اما عمل‌گرا: اصول ChatGPT و Playground را پوشش می‌دهد در حالی که نحوه ادغام در LangChain و PromptLayer را برای مقیاس‌بندی نشان می‌دهد.

نتایج - آنچه قادر به انجام آن خواهید بود

در پایان دوره قادر خواهید بود:

• پرامپت‌هایی طراحی کنید که به طور مداوم فرمت و کیفیت مورد نیاز شما را تولید کنند.
• بهترین شیوه‌های مهندسی پرامپت ChatGPT را برای کاهش توهمات و بهبود قابلیت اطمینان پیاده‌سازی کنید.
• آزمایش‌های ساختاریافته اجرا کنید تا تأثیر پرامپت را ارزیابی کرده و برندگان را انتخاب کنید.
• گردش‌های کاری زنجیره‌شده بسازید و پرامپت‌ها را در APIها و ارکستراسیون‌های ساده ادغام کنید.
• پرامپت‌ها را برای هزینه و تأخیر بهینه کنید در حالی که کیفیت خروجی را حفظ می‌کنید.
• گاردریل‌های قانونی، حریم خصوصی و اخلاقی را برای استقرارهای دنیای واقعی اعمال کنید.

الزامات عملی و منابع ارائه شده

شما به یک کامپیوتر متصل به وب، یک حساب ChatGPT (رایگان برای آزمایش‌ها کار می‌کند؛ Plus/Pro برای مدل‌های پیشرفته توصیه می‌شود) و یک کلید API برای تمرینات تولید نیاز دارید. دوره شامل پاورپوینت‌های قابل دانلود، قالب‌های پرامپت (JSON/CSV)، قالب‌های لاگ کردن آزمایشگاه پرامپت، مثال‌های کد برای ادغام API و یک جدول ارزیابی برای پروژه نهایی است.

این دوره برای چه کسانی مناسب است؟

• معامله‌گران و سرمایه‌گذاران مشتاق
• تولیدکنندگان محتوا و یوتیوبرها
• علاقه‌مندان به AI و اتوماسیون
• کارآفرینان و کسانی که شغل جانبی دارند.
• دانشجویان و متخصصان
• یادگیرندگان مادام‌العمر