همون جوری که قبلا بهتون قول داده بودم قرار دوره پرامت نویسی رو شروع کنیم و این اولین ویدیو دوره پرامت نویسیه و توی این دوره قرار هستش یاد بگیریم چطوری با حوش مصنوعی صحبت بکنیم و چطوری با ابزارهای مختلف حوش مصنوعی ارتباط پر قرار کنیم و بهترین خروجی رو از اونها دریافت بکنیم و بشیم یه فردی که یه تخصص خیلی خفنگه واقعا آینده داره رو در دست رست داره سلام شما دارید به یه ویدیوی دیگه از چنل من یعنی حمید تدیانی نگاه میکنید توی این ویدیو قرار راجب پرامپ نویسی صحبت بکنید و مقدمات بحث مربوط به پرامپ نویسی رو بررسی بکنید و ببینیم که کلن پرامپ نویسی چی این ویدیو یه سری ویدیو هستش که قبلن قولشو بهتون داده بودم که قرار منتشر بشه و راجب مهندسی پرامپ نویسی پرامپ انجینیرینگ هم یه ویدیو دیگه ضبط کردم که اینجا لینکش هست میتونید ببینید که خیلی به درد بخوره و این شغل یه شغل آینده دار یه شغلی هستش که همیه الانش حقوق بسیار بالایی رو داره و هرچی بگذاریم درخواست ها براش بیشتر و بیشتر میشه راجع به شغل توی اون ویدیو صحبت کریم اینجا دیگه خیلی صحبت نکنیم اولین ویدیو این دوره آموزشی هست و قرار هستش که با هم بریم سراغ این که ببینیم پرامپ نویسی چیه چجوری کار میکنیم و بعد توی ویدیوهای بعدی بیاییم به صورت عملی وارده کار بشیم پس توی این ویدیو میخواییم یه سری مباحث رو به صورت تهوری با هم بررسی بکنیم اما قبل از این که ویدیو رو ادامه بدید و ویدیو رو کامل ببینید حتما لایک و سابسکرایب یادتون نره این ویدیو و ویدیوهای بعدی مرتبط به این همه شون یه ویدیو سریع آموزشی هستن پس اگر هر جایی از ویدیو سؤال داشتید همون لحظه بپرسید من تک تک سؤالاتون رو جواب میدم هر چیزی که باشه و اگر این ویدیو رو کامل متوجه نشید ویدیو بعدی رو ممکنه توش به مشکل بخورید پس لایک و سابسکرایب و سؤال بریم سراغ بقیه ویدیو اولین چیزی که باید بررسی بکنیم این هستش که اصلاً پرامپ چیه؟ اگه بخوام به زبون ساده بگم پرامپ در واقع یه سری دستور و لمل ها هستش یه سری مواردی هستش که ما به عنوان ورودی به ابزارهای حوش مصنوعی مثل چکی پیتی مثل لیوناردو ای آی یا می جرنی یا بارد یا هر چیز دیگه ای میدیم که اونها مودلهای زبانی بزرگ یا اللم ها هستن و انتظار داریم یک خروجی رو دریافت کنیم یعنی در واقع ما همین الانش یه بخش چطباتی داریم که با چط جی پی تی مثلا ارتباط برقرار میکنیم و براش یه چیزی مینویسیم و اون به ما جواب میده حالا کسایی هستن که میتونن این سؤال و جوابها رو مدیریت بکنن یعنی ابزارهایی مثل چط جی پی تی همیشه جواب های مختلفی رو به ما ارائه میدن ولی اگر شما سؤال رو درست بپرسید اون موقع میتونید جواب بهتری رو دریافت بکنید پس چجوری میشه که مثلا من میام راجب یه چیزی ازش خیلی ساده این پرسن و اون خیلی نمیتونه جواب بده ولی یه نفر میاد از طریق چرچی پیتی مثلا فرمول حل مشکل سرطان رو پیدا میکنه یا هر چیز دیگه ای اینها نشون میده که اون آدم بلده چجوری از اون ابزار بپرسه از اون حوش مصروی بپرسه پس اگر میخواید با اللم ها یا مودل های زبانی بزرگ کار بکنید این دوره حتما به دردتون میخوره من خیلی نمیخوام راجبش صحبت بکنم که این دوره چقدر میتونه خفن باشه چقدر خوب باشه قبلن راجبش صحبت کریم پس بریم سراغ ادامه در واقع پرامت ها یک سری ورودی های متنی یا حتی تصاویر هستن که به LLM ها میدیم تا اونها به Large Language Model ها میدیم تا اونها برای ما بررسیش بکنن و خروجی مورد انتظار ما رو بدن اما در واقع پرامپ نویسی چیه؟ پرامپ نویسی یک تکنیک یا یک تخصص نسبتاً جدیده خیلی جدید نیست چون از چند سال پیش شروع شده دارن کار میکنن ولی الان که استفاده از LLM ها و چطبات ها عمومیتر شده تقریباً میشه گفت بیشتر به چشم اومد تمرکز این تخصص روی اینه که ما چجوری با چطبات ها یا با ابزار های حوش مستویی که اللم ها هستن صحبت بکنیم و خروجی مناسب خودمون رو دریافت بکنیم در واقع ما با درک پوتانسیل ها و محدودیت های مودل های زبانی بزرگ یاد میگیریم که چجوری با اونها ارتباط برقرار بکنیم ما سعی میکنیم به خاطر این که بتونیم پوتانسیل این ابزارها رو توی تولید جوابها بهتر بکنیم سؤالهای خودمون رو و اون ورودی خودمون رو هم بهتر بکنیم و به اونها یاد بدیم که چجوری ما جواب بدن فقط این نباشه که ازش یک سؤال بپرسیم ما قرار هست ورودی رو بهش بدیم بهش بگیم چجوری کار بکن و چه خروجی به ما بده پس پرامت نویسی به طور خلاصه میتونه این باشه تعریفش که فرایند تعریف یک اعلان یا ورودی به ابزارهای حوش مصنوعی برای این که بتونیم اونها رو وادار کنیم بهترین پاسخ مورد انتظار ما رو به همون بدن. شما همین الانش هم دارید یه سری پرامت ها رو به عنوان ورودی به چتچه پیتی و ابزارهای دیگه میدید یعنی همون چیزی که شما به عنوان ورودی توی چتباتتون تایپ میکنید یه نوعی میشه گفت پرامته ولی چون نمیدونید استریکچر و ساختارش رو میاید و همین جوری به صورت محاورهی باش صحبت میکنید اما این ابزارها پوتانسیل خیلی بالایی دارن ابزارهایی که کلن بر اساس اللم هستن پرامپ نویسی براشون خیلی مهمه و قابلیتهای خیلی بالایی رو بهشون اضافه میکنه یه پرامپ میتونه ساختار مشخصی رو داشته باشه اون میتونه از کویری و اینسترکشن تشکیل شده باشه و علاوه بر اون یک سری مثال ها رو داخل خودش داشته باشه حالا این که اینا چیه تو ادامه همین ویدیو بهش میرسیم و راجبش صحبت میکنه حالا بیایید همینجا یه مثال بزنیم مثلا میریم داخل چرچی پیتی و مینویسیم که دیس بال ایز خیلی پرامت ساده و خیلی جمعه سادهیه حالا انتظار داریم که این ابزار اون رو برای ما تکمیل بکنه ادامهش رو بنویسه و ممکنه چت جی پی تی برای شما بنویسه رد رد چیزی نیستش که شاید شما انتظار داشته باشید و دفعه بعدی اگر بنویسید این رو دوباره یک نتیجه متفاوت بهتون ممکنه اینجا نتایج غیر قابل انتظارن چون شما بهش نگفتید که چی کار برای من بکن اما حالا بیایید یه جور دیگه این رو تعریف کنیم مثلا بیایید بنویسیم که بعد این رو ارسال بکنیم حالا تو این شرایط میبینیم که خروجی که از این ابزار داریم میگیریم بهتر شد البته که هنوز هم این ابزار خروجی های رندومی رو امامیده یعنی شما اگر این رو چند بار تکرارش بکنید میبینید که نتایج متفاوتی دارید میگیرید و این به خاطر قابلیت رندم نسش هست که شما خروجی هایی که میگیرید بر اساس یک سری ساختار های خاص هستش یعنی چی؟ یعنی این که شما ساختار جوابتون ثابته وقتی که شما یک جواب رو میگیرید یک سؤال رو میپرسید ساختار جواب ثابته ولی اون اه کلماتی که توش استفاده شده کاملا متفاوتن به این میگن اون رندم نسه و این باعث میشه که اون مودل زبانی غیر تکراری باشه و این مذیعت هستش به نوعی اما ممکنه که ما برای اون سوال پیش بیاد که خب من همین سوال رو تکرار کردم چرا داره هی؟ یه جور دیگه ای به من جواب میده ولی اگر استرکچر رو نگاه بکنید توی مثالتون شما میبینید که استرکچر ثابت هست مثلا همین تصاویری که این کنار هستش میبینید که دوتا جوابی که من داده تقریبا یه ساختار رو داره دنبال میکنه اما کلاماتی که استفاده شده توش متفاوته پس جوابهایی که میگیریم رندومنسته حالا پرامت ها به ما کمک میکنن که بتونیم این رندومنست رو کمترش بکنیم و سعی بکنیم دقیقا اون چیزی که خودمون میخواییم رو دریافت بکنیم پس این به ما کمک میکنه پرامت ها و نحوه نوشتن پرامت ها یعنی منظور همه به ما کمک میکنه تا ما بتونیم ارتباط های درست تری هم داشته باشیم و اون ابزار رو مجبور بکنیم که به ما پاسخ ثابت و درستی بده اما همین جای کار ما یه مثال خیلی ساده زدیم راجب دیسپالییز بیایید یه مثال دیگه بزنیم و یه پرامت حرفی تر رو با هم بررسی بکنیم یک مودل از پرامت نویسی اسمش فیوشات پرامتینگه فیوشات پرامتینگ چیه؟ در واقع فیوشات پرامتینگ کاری که میکنه به این حالت هست این مثال رو در نظر بگیرید من یه سری آیتم ها رو اینجا گذاشتم براش و بهش گفتم که این ورودی منه مثلا تصور بکنید من اینجا نوشتم که This is fantastic Affirmated خب یعنی جلوش دارم میام که وقتی که من نوشتم This is fantastic جوابی که من انتظار دارم Affirmated This is terrible Is contrary جوابی که من انتظار دارم ازش That movie was amazing که میشه Affirmated حالا من آخرش میام می نویسم که What a terrible show حالا اینجا چه انتظاری دارم؟ اینجا انتظار دارم که اون بر اساس مثال های قبلی که من زدم که گفتم This is fantastic Affirmated و This movie was amazing Affirmated بتونه این رو ارتباط بده به هم یعنی بتونه به فهمه که این دوتا با هم ارتباط دارن حالا من وقتی که می نویسم This is terrible و contrary حالا آخرش جمله نویستم What a terrible show حالا باید بتونه این رو با کانتریری ارتباط برقرار بده که این کار رو هم میکنه و خیلی راحت به من جوابی میده که من انتظارش رو دارم که به هم میگه کانتریری این مودل که بهش میگن few shot prompting باعث میشه که ما توی ورودی یک مثال هایی رو ارائه بدیم ما بعدن بیشتر رجبش صحبت میکنیم ما فعلا من دارم یک نمونه براتون میگم توی این ویدیو ما یک سری مثال ها رو به این ابزار میدیم و این ابزار میاد اونها رو با هم ارتباط میده یعنی LLM و مدل زبانی بزرگ ما بر اساس مثال های ورودی ما کار میکنه پس ما مثلا ممکنه بیاییم ازش بپرسیم که What a terrible show خب بعد اون موقع هیچ جواب درستی نداریم نمیتونه به همون بگی کانترلی اما وقتی که من میام یه سری ورودی بهش میدم یک سری نمونه بهش میدم اون از نمونه های من یاد میگیره پس این شد یک نمونه از پرامت نویسیم حالا ما پس آخری که توی این درست میخواییم بررسی بکنیم اینه که اجزای یک پرامت چیه پرامت ها از اجزای مختلفی تشکیل شدن و این اجزا به ما کمک میکنن که یک ساختار داشته باشیم ساختاری که بتونیم از طریق اون یاد بگیریم چجوری با این ابزارها استفاده بکنیم کار بکنیم در واقع اگر این ساختاره رو نداشتیم هیچ کدوم نمیتونستیم باش کار بکنیم و اون اللم هم داره با ساختار کار میکنه پس با یادگیری این ساختارها یاد میگیریم که چجوری بهتر ارتباط برقرار بکنیم اما ساختارهای ما چی هست؟ ساختارهای ما در واقع از دستورالعمل یا انسترکشن تشکیل می شن زمینه یا کانتکس مورد بعدی هست داده ورودی یا اینپود دیتا مورد بعدی هستش و نشانگر خروجی یا آتبوت انتیکیتور دستورالعمل یعنی چی؟ دستورالعمل مشخص می کنه که ما چطوری می خواهیم به خروجی مورد نظر خودمون برسیم دستورالعمل ها می توانن ساده یا پیچیده یا حتی کل تعاملات رو پوشش بدن تمام خواست و صفات خروجی و البته فرمت اون رو هم در خودشون داشته باشن و گام های متعددی رو در بر بگیرن پس دستورالمر یه بخش اصاسی شد برای ما که قرار هستش به اون ابزار اون چطبات یا هر ابزار دیگهی بگی که با ما چجوری برخورد بکنه و ما انتظار چه خروجی رو ازش داریم زمینه یا کانتکس چیه؟ دانش خارجی یا زمینه اضافی که میتونه مودل رو به سبت پاسخهای بهتر راه نمایی بکنه مثلا تو همون مثال فیوشات پرامتینکی که گفتیم ما چند تا مثال بهش دادیم و اون راه نمایی شد برای این که خروجی بهتری به ما بده پس ما اومدیم اونجا یک کانتکس بهش دادیم که یک چند تا مثال بود و با این مثال ها تونستیم که ارتباط درستی برقرار بکنیم داده ورودی توی اینجا ورودی یا درخواستیه که ما به دنبال پاسخ برای اون هستیم یعنی ما یه دستورالعمل تعریف میکنیم بعدش می آییم یه کانتکستی می دیم می گیم این دستورالعمل ها منه من چنین انتظاری ازت دارم می خواهم که یه چنین کاری بکنی حالا تو مثالهای بعد می بینیم مثلا می آییم می گیم اکت از مثلا اینستاگرام اینفلوینسر یعنی با من یه جوری صحبت کن که شبیه یک اینفلوینسر اینستاگرامیه حالا می گم تو درسهای بعدی بهش می رسیم بعدش می آیم یه کانتکستی بهش می دیم یه سری محتوی اول یه سری مثال ها ممکنه بهش بدیم و بعد می آیم چی کار می کنیم اینپود دیتامون رو می دیم می گیم آقا الان من اینو می خوام حالا نوبت این این که من بگم من چی دارم چی دارم و انتظار چی رو قبلن از طریق انستراتر بهش گفتم دیگه حالا من می گم چی می خوام و تو باید چی برای من بر اساس چی برای من تصمیم بگیری که این می شه همون اینپود دیتای بعدش می آیم سراغ آدپود ایندیکیتور که نوع یا فرمت خروجی ما رو برای ما مشخص می کنه ایندیکیتور ها در واقع می گه مثلا تو این خروجی رو بر اساس یک جدول به من بده بر اساس یک فایل اکسل بده بر اساس یک اکس بده یا یک فایل متنی به من بده هر چیزی که شما نیاز دارید مثلا بیا و این رو طبقه بندی بکن بر اساس ساختار سه او که من میخوام این رو یک مقاله بنویسم و سه اش رو برای من رایت بکن یعنی این ها میشن همون خروجی هایی که ما انتظار داریم ایندیکیتور هایی که ما انتظار داریم که نشانگره خروجیمونه پس ما توی این درس اومدیم و چی کار کردیم اومدیم و مشخص کردیم که پرامپ چیه پرامپ نویسی چیه پرامپ ها چه اجزایی رو دارن و بعد از اون میخواییم بریم سراغ این که شروع بکنیم به پرامپ نویشتن دو تا پرامت هم اینجا نوشتیم دیگه یه دونه few shot prompting نوشتیم و یه دونه پرامت خیلی ساده رو ما اومدیم نوشتیم راجب دیسبال ایز و الان یه نکته ای میخوام بهتون بگم اما قبل از اینکه این نکته رو بگم حتما لایک و سابسکرایب فراموش نشه حتما لایک بکنید سابسکرایب بکنید که من انگیزه بگیرم ویدیو ها رو بیشتر براتون تولید بکنم اما بریم سراغ اینکه نکته رو بگم نکته اینه که شما برای پرامت ها حتما نیاز ندارید که تمامی این بخش ها رو داشته باشید یعنی قرار نیستش که پرامت ها همه این بخش ها رو داشته باشن مثلا شما به عنوان یک کاربر عادی وقتی میاد یک سؤال میپرسید مثلا میاد میگه جمعیت فلان کشور چیه شما توی اونجا ایندیکیتور ندارید یا مثلا کانتکست ندارید زمین ورودی ندارید فقط سؤال دارید فقط شما دارید اینپود دیتا بش میدید خوب پس هر کدوم از پرامت ها میتونه همه ی بخش هایی که گفتم رو داشته باشه یا یک سری بخش های خاص رو داشته باشه حالا منتظر ویدیو بعدی باشید توی ویدیو بعدی که توی همین پلیلیست توی چنل من منتشر میشه قرار هستش راجب مثال های بیشتری صحبت بکنیم قرار هستش پرامت نویسی رو بیشتر بررسی بکنیم امیدوارم که ویدیو رو دوست داشته باشید و اگر نظری دارید اگر جایی از ویدیو براتون سؤالی پیش اومد حتما توی کامنت ها بنویسید حتما همون لحظه سؤال رو بپرسید که فراموش نکنید من تک تک سؤالاتون رو جواب میدم و این که ویدیوهای دیگر رو هم ببینید