مهندسی پرامپت برای کار: تسلط سریع به پرامپت‌های هوش مصنوعی

آنچه یاد خواهید گرفت:

• طراحی مؤثر پرامپت: مهارت ساخت پرامپت‌هایی را یاد بگیرید که دستورالعمل‌ها، زمینه و سرنخ‌های روشن و مختصر ارائه می‌دهند تا پاسخ‌های تولیدشده توسط هوش مصنوعی را هدایت کنند.
• الگوها و قالب‌های پرامپت: این نمونه‌های گام‌به‌گام را دنبال کنید و پرامپت‌ها را متناسب با نیازهای خاص خود در پرامپت‌نویسی و ChatGPT راه اندازی کنید.
• پرامپت‌های پیشرفته: مانند زنجیره فکر، Zero shot، Few shot، پرامپت‌نویسی ReAct، پرامپت‌های خودسازگاری، پرامپت‌های چندوجهی، پرامپت‌های تصادفی سازی و موارد بیشتر!
• چالش‌ها، محدودیت‌ها و اخلاق مهندسی پرامپت: چگونه برای ChatGPT و سایر ابزارهای هوش مصنوعی پرامپت‌های بهتری بسازید؟
• پرامپت‌نویسی تبدیل متن به متن و متن به عکس: نمونه‌ها و بهترین شیوه ها برای تطبیق پرامپت‌ها با پلتفرم‌ها و ابزارهای مختلف هوش مصنوعی
• بهبود پرامپت: فرآیند بهبود تدریجی پرامپت‌ها را از طریق آزمایش و بازخورد یاد بگیرید تا به ارتقای مداوم پاسخ‌های هوش مصنوعی برسید.

پیش نیازهای دوره

• هیچ پیش‌نیازی جز تمایل به تعامل بهتر با مدل‌های هوش مصنوعی از طریق پرامپت‌نویسی بهتر لازم نیست.

توضیحات دوره

پرامپت‌های بهتری بنویسید و از تکنیک‌ها و قالب‌های اثبات‌شده پرامپت استفاده کنید تا از ابزارهای هوش مصنوعی که در محل کار به کار می‌برید، نتایج بهتری بگیرید.

شیوه استفاده از هوش مصنوعی در کار را متحول کنید.

هوش مصنوعی در حال تغییر شیوه کار ماست، اما بیشتر افراد به نتایجی که می‌خواهند نمی‌رسند.

چرا؟

چون در نوشتن پرامپت‌های مؤثر مشکل دارند.

این دوره به شما یاد می‌دهد چگونه از مهندسی پرامپت برای آزاد کردن تمام توان ابزارهای هوش مصنوعی مانند ChatGPT ،Google Gemini و Claude استفاده کنید.

ایده اصلی:

پرامپت بهتر = نتیجه بهتر از هوش مصنوعی = خروجی بهتر در کار

و بهترین بخش؟
تمام چیزهایی که یاد می‌گیرید را می‌توان برای هر ابزار هوش مصنوعی، نه فقط یک پلتفرم به کار برد.

چه چیزی این دوره را متفاوت می‌کند؟

این یک دوره فنی نیست.

این یک دوره عملی و مبتنی بر دنیای واقعی است که برای این افراد طراحی شده است:

• متخصصان کسب‌وکار
• رهبران و نیروهای اجرایی
• هر کسی که می‌خواهد در محل کار از هوش مصنوعی مؤثرتر استفاده کند.

شما یاد می‌گیرید چگونه فکر کنید، ساختار بدهید و پرامپت بنویسید، نه اینکه فقط نمونه‌های تصادفی را کپی کنید.

آنچه یاد خواهید گرفت:

تا پایان این دوره، قادر خواهید بود:

• پرامپت‌های باکیفیت بنویسید که خروجی‌های روشن و مفید از هوش مصنوعی تولید می‌کنند.
• از تکنیک‌های مهندسی پرامپت برای هدایت پاسخ‌های هوش مصنوعی استفاده کنید.
• الگوها و قالب‌های پرامپت را به کار ببرید که بتوانید بارها و بارها از آن‌ها استفاده کنید.
• نتایج هوش مصنوعی را برای کارهای واقعی مانند نوشتن، برنامه‌ریزی و تصمیم‌گیری بهبود دهید.
• هوش مصنوعی را به یک ابزار واقعی بهره‌وری - نه فقط یک چیز جالب و گذرا تبدیل کنید.

موضوعات اصلی پوشش‌داده‌شده

این دوره طوری ساختاربندی شده است که شما را از اصول → سیستم‌ها → کاربرد در دنیای واقعی پیش ببرد:

اصول مهندسی پرامپت

• پرامپت‌نویسی نقش
• پرامپت‌نویسی Few-shot
• استدلال زنجیره فکر
• خروجی‌های ساختاریافته
• محدودیت‌ها و زمینه

الگوها و قالب‌های پرامپت

• چارچوب‌های پرامپت تکرارپذیر
• قالب‌های اثبات‌شده پرامپت (TAO ،AOA ،DAO و موارد بیشتر)
• نوشتن، خلاصه‌سازی، ترجمه و ایجاد پرامپت

تکنیک‌های پیشرفته پرامپت‌نویسی

• پرامپت‌نویسی Zero-shot در برابر Few-shot
• پرامپت‌نویسی ReAct
• پرامپت‌نویسی خودسازگاری
• پرامپت‌نویسی چندوجهی (متن + تصویر)
• مبانی پرامپت‌نویسی تصویر با هوش مصنوعی

کاربردهای دنیای واقعی

• نوشتن ایمیل
• برنامه‌ریزی و اولویت‌بندی
• خلاصه‌سازی
• طوفان فکری
• نوشتن و ویرایش
• ارائه‌ها و تصاویر
• تصمیم‌گیری و همکاری

چالش‌ها و محدودیت‌ها

• توهمات هوش مصنوعی
• ملاحظات اخلاقی

ساخت کتابخانه پرامپت شما

• ایجاد پرامپت‌های قابل‌استفاده‌مجدد
• سازمان‌دهی دفترچه راهنمای پرامپت شما
• گسترش استفاده از هوش مصنوعی در طول زمان

برنامه کامل دوره

بخش 1: تکنیک‌های کلیدی مهندسی پرامپت

• خوش‌آمدگویی: چرا مهندسی پرامپت یک مهارت حیاتی در محل کار است؟
• استفاده از پرامپت‌های نقش برای هدایت پاسخ‌های هوش مصنوعی
• پرامپت‌نویسی Few-Shot: آموزش از طریق مثال
• پرامپت‌نویسی زنجیره فکر برای استدلال بهتر
• گرفتن خروجی‌های ساختاریافته از هوش مصنوعی
• پرامپت‌نویسی هدف‌گیری‌شده بر اساس پرسونای مخاطب برای گروه‌های خاص
• استفاده از محدودیت‌ها برای گرفتن نتایج بهتر از هوش مصنوعی
• پرامپت‌نویسی چندمرحله‌ای: کار تعاملی با هوش مصنوعی
• بازیابی و ارجاع در پرامپت‌نویسی با بارگذاری فایل
• تکنیک‌های پرامپت‌نویسی بازنویسی و گسترش
• پرامپت‌نویسی سناریو و شبیه‌سازی
• پرامپت‌نویسی گردش‌کار برای تسک های چندمرحله‌ای
• پرامپت‌نویسی ارزیابی و امتیازدهی

بخش 2: الگوهای پرامپت که می‌توان بارها و بارها از آن‌ها استفاده کرد.

• تسلط به الگوی پرامپت تعامل معکوس برای پاسخ‌های بهتر هوش مصنوعی
• استفاده از الگوی پرامپت تأییدکننده شناختی برای بهبود دقت
• بهبود پرسش‌های بهتر با الگوی پرامپت پالایش پرسش

بخش 3: استفاده از قالب‌های تکرارپذیر پرامپت

• استفاده از قالب Task-Action-Object (TAO) برای نوشتن پرامپت‌های قوی‌تر
• بهبود شفافیت پرامپت با قالب Attribute-Object-Action (AOA)
• نوشتن پرامپت‌های دقیق‌تر با قالب Description-Attribute-Object (DAO)
• استفاده از قالب‌های Question-Answer و List-Item برای نتایج سریع و روشن
• ایجاد خروجی‌های بهتر با قالب پرامپت Design (DS)
• نوشتن سریع‌تر و بهتر با قالب پرامپت Write (WR)
• ترجمه و بازنویسی خلاقانه با قالب‌های پرامپت TR و TC
• ساخت داستان‌های بهتر با قالب پرامپت Create a Storyline (CS)
• ایجاد دستورالعمل‌های روشن گام‌به‌گام با قالب پرامپت How-To (HT)
• خلاصه‌سازی سریع‌تر هر چیزی با قالب پرامپت Summarize (SM)
• ایجاد تقریباً هر چیزی با قالب پرامپت Create (CR)
• تولید و اشکال‌زدایی کد با هوش مصنوعی با استفاده از قالب پرامپت مناسب

بخش 4: متدهای پیشرفته پرامپت‌نویسی که قدرتمند هستند و هنوز هم یادگیری آن‌ها آسان است.

• گام‌به‌گام فکر کردن با پرامپت‌نویسی زنجیره فکر
• استفاده از پرامپت‌نویسی ReAct برای منطقی‌تر و عمل‌محورتر کردن هوش مصنوعی
• گرفتن نتایج فوری با پرامپت‌نویسی Zero-Shot
• بهبود خروجی هوش مصنوعی با پرامپت‌نویسی Few-Shot و مثال‌های واقعی
• پرامپت‌نویسی Zero-Shot در برابر Few-Shot: تفاوت چیست؟
• افزایش قابلیت اطمینان با پرامپت‌نویسی خودسازگاری
• استفاده از پرامپت‌های چندوجهی برای کار با متن، تصویر و موارد بیشتر
• پرامپت‌نویسی تبدیل متن به عکس به زبان ساده: شروع کار با هنر هوش مصنوعی
• بهترین روش‌ها برای نوشتن پرامپت‌های بهتر برای تصاویر هوش مصنوعی

بخش 5: کاربرد عملی بهترین شیوه های پرامپت‌نویسی

• نوشتن و ویرایش ایمیل‌های کاری بهتر با هوش مصنوعی
• برنامه‌ریزی و اولویت‌بندی تسک ها با هوش مصنوعی
• خلاصه‌سازی و استخراج نکات کلیدی با هوش مصنوعی
• طوفان فکری و تولید ایده با هوش مصنوعی
• بهبود نوشتن و بازنویسی با هوش مصنوعی
• ساخت تصاویر و ارائه‌ها با هوش مصنوعی
• همکاری با هوش مصنوعی به‌عنوان یک شریک فکری

بخش 6: چالش‌ها، محدودیت‌ها و اخلاق مهندسی پرامپت و هوش مصنوعی

• چالش‌ها، محدودیت‌ها و اخلاق کلیدی هوش مصنوعی و مهندسی پرامپت
• چالش بزرگ توهمات هوش مصنوعی

بخش 7: ساخت کتابخانه پرامپت و گام‌های بعدی

• ساخت یک کتابخانه پرامپت مؤثر
• گام‌های بعدی کلیدی و بهترین روش‌هایی که باید همین حالا به کار بگیرید (جمع‌بندی دوره)

این دوره برای چه کسانی است؟

این دوره برای افراد زیر ایده‌آل است:

• متخصصانی که می‌خواهند در محل کار از هوش مصنوعی مؤثرتر استفاده کنند.
• هر کسی که از نتایج ناهماهنگ هوش مصنوعی خسته شده است.
• مبتدیانی که به دنبال یک مقدمه روشن و عملی بر مهندسی پرامپت هستند.
• کاربران متوسطی که به دنبال ساختار، قالب‌ها و سیستم‌های بهتر هستند.

این دوره برای چه کسانی مناسب نیست؟

• برنامه‌نویسان پیشرفته‌ای که به دنبال آموزش فنی عمیق مدل‌های هوش مصنوعی هستند.
• دانشمندان داده یا مهندسانی که روی ساخت سیستم‌های هوش مصنوعی تمرکز دارند.

سخن پایانی

هوش مصنوعی جای فکر کردن شما را نمی‌گیرد، بلکه آن را تقویت می‌کند.

اما فقط زمانی که بدانید چگونه آن را هدایت کنید.

مهندسی پرامپت دقیقاً درباره همین است.

یاد بگیرید چگونه پرامپت‌های بهتری بنویسید... و از هوش مصنوعی نتایج بهتری بگیرید.

این دوره برای چه کسانی مناسب است؟

• مناسب برای کسانی که می‌خواهند بیشترین بهره را از ابزارهای هوش مصنوعی خود ببرند.
• عالی برای افرادی که احساس می‌کنند ابزارهای هوش مصنوعی مانند ChatGPT و Copilot برایشان خوب کار نمی‌کنند.
• بسیار مناسب برای کسانی که می‌خواهند عمیق‌تر پیش بروند و هنگام استفاده از هوش مصنوعی نتایج بهتری بگیرند.
• عالی برای کسانی که می‌خواهند در مسیر شغلی خود پیشرفت کنند و از هوش مصنوعی به‌طور مؤثر برای کمک به کارشان استفاده کنند.