یک پرامپت میتواند دقیق و پر از جزئیات باشد و باز هم خروجی ناقصی بدهد. مشکل همیشه مدل یا زبان پرامپت نیست. گاهی چند تصمیم وابسته را در یک درخواست پنهان کردهایم و فقط نتیجه آخر را میبینیم. پرامپت زنجیرهای (Prompt Chaining) کار بزرگ را به چند درخواست کوچک تبدیل میکند؛ خروجی هر مرحله، ورودی مرحله بعد میشود و شما میان راه فرصت اصلاح دارید.
برای کار ساده، همان یک پرامپت روشن بهتر است. زنجیره زمانی ارزش دارد که ترتیب مراحل مهم باشد، یک اشتباه اولیه روی ادامه کار اثر بگذارد یا بخواهید پیش از تولید نتیجه نهایی، جهت کار را تأیید کنید. در این راهنما یک زنجیره چهارمرحلهای فارسی را از صفر میسازیم.
پرامپت زنجیرهای چیست؟
در پرامپت زنجیرهای، کار پیچیده را به چند مرحله مشخص تقسیم میکنید. هر مرحله یک وظیفه و یک خروجی روشن دارد. سپس خروجی تأییدشده همان مرحله را به درخواست بعدی میدهید.
مسیر ساده است:
اطلاعات خام ← استخراج واقعیتها ← انتخاب زاویه ← تولید خروجی ← بازبینی
فرض کنید میخواهید بازخورد صد مشتری را بررسی کنید، مشکلها را دستهبندی کنید و برای هر دسته راهحل بدهید. این درخواست سه کار متفاوت دارد: استخراج، دستهبندی و پیشنهاد راهحل. اگر استخراج مرحله اول ناقص باشد، دو مرحله بعد روی پایهای ناقص ساخته میشوند.
Anthropic در راهنمای ساخت سیستمهای هوش مصنوعی پرامپت زنجیرهای را دنبالهای از مراحل تعریف میکند که هر بار، مدل خروجی مرحله قبلی را پردازش میکند. میان مراحل هم میشود «دروازه کنترل» گذاشت تا کار فقط پس از تأیید ادامه پیدا کند.
اگر برای نوشتن هر حلقه به چارچوب نیاز دارید، ابتدا راهنمای کامل پرامپتنویسی فارسی را بخوانید. زنجیره خوب از چند پرامپت خوب ساخته میشود، نه از چند درخواست مبهم.
پرامپت زنجیرهای با زنجیره فکر فرق دارد
این دو اصطلاح در بعضی راهنماهای فارسی بهجای هم آمدهاند، اما یکسان نیستند.
زنجیره فکر (Chain-of-Thought) معمولاً داخل یک درخواست اتفاق میافتد. مدل مسئلهای استدلالی را مرحلهبهمرحله بررسی میکند و سپس جواب میدهد. تمرکز روی مسیر حل مسئله است.
پرامپت زنجیرهای چند درخواست جدا دارد. هر درخواست یک بخش از کار را انجام میدهد و نتیجهاش پیش از ادامه دیده میشود. تمرکز روی طراحی فرایند و کنترل خروجی است.
به زبان ساده: در زنجیره فکر، مدل داخل یک پاسخ چند مرحله را طی میکند؛ در پرامپت زنجیرهای، شما چند ایستگاه قابلکنترل میسازید. IBM نیز تفاوت اصلی این دو روش را همین جدایی میان «چند پرامپت متوالی» و «استدلال مرحلهبهمرحله در یک پرامپت» میداند.
چرا یک پرامپت بزرگ گاهی جواب نمیدهد؟
بلند بودن بهخودیخود ایراد نیست. یک پرامپت طولانی میتواند زمینه، نمونه و محدودیت مفید داشته باشد. مشکل از جایی شروع میشود که چند تصمیم وابسته را همزمان به مدل میسپاریم.
- چند کار برای جلب توجه رقابت میکنند. درخواست «موضوع را بررسی کن، مخاطب را بشناس، زاویه را انتخاب کن، متن بنویس و ویرایش کن» دستکم پنج وظیفه دارد. ممکن است مدل قالب را رعایت کند، اما یکی از محدودیتهای کمرنگتر را جا بیندازد.
- اشتباه اول به مرحله آخر میرسد. اگر مدل مخاطب را اشتباه تشخیص دهد، عنوان، مثال و دعوت به اقدام هم برای همان مخاطب نوشته میشوند. زنجیره خطا را حذف نمیکند؛ محل وقوعش را زودتر نشان میدهد.
- فرصت انتخاب از دست میرود. مدل شاید خودش یکی از چند زاویه ممکن را برگزیند. شما فقط متن نهایی را میبینید و نمیدانید چه گزینههایی کنار گذاشته شدهاند.
- اصلاح خروجی مبهم میشود. جمله «بهترش کن» نمیگوید مشکل از اطلاعات، زاویه، ساختار یا لحن است. در زنجیره، هرکدام مرحلهای مستقل دارد.
Google Cloud در راهنمای تقسیم درخواستهای پیچیده سه فایده را برجسته میکند: کنترل بیشتر، عیبیابی سادهتر و دقت بهتر. چندمرحلهای کردن کار تضمین نمیکند که همه پاسخها درست شوند؛ فرایند را قابلبررسیتر میکند.
چه زمانی پرامپت زنجیرهای انتخاب خوبی است؟
پیش از ساختن زنجیره بپرسید: آیا نتیجه یک مرحله، تصمیم مرحله بعد را تغییر میدهد؟ اگر پاسخ مثبت است، زنجیره احتمالاً ارزش دارد.
این روش مناسب است وقتی:
- متن خام باید پیش از تحلیل، پاکسازی یا خلاصه شود.
- انتخاب مخاطب یا زاویه، مسیر ادامه کار را عوض میکند.
- ادعاها باید پیش از نوشتن نسخه نهایی تأیید شوند.
- یک نفر باید در نقطهای مشخص نتیجه را بررسی کند.
- اصلاح نتیجه نهایی از اصلاح یک مرحله میانی پرهزینهتر است.
در درس خواندن، درخواست «جزوه را خلاصه کن و از آن آزمون بساز» دو کار وابسته دارد. اگر خلاصه مبحثی را جا بیندازد، آزمون هم آن را نمیسنجد. بهتر است ابتدا خلاصه را بررسی کنید و بعد از نسخه تأییدشده سؤال بسازید. نمونههای هر دو کار در پرامپتهای هوش مصنوعی برای درس خواندن آمدهاند.
همین منطق در تولید تصویر هم دیده میشود: ابتدا سوژه را مشخص میکنید و بعد سبک، نور، قاب و موارد ناخواسته را اصلاح میکنید. راهنمای پرامپتنویسی برای تولید تصویر این مسیر پلهای را با یک تصویر دنبال میکند.
چه زمانی یک پرامپت کافی است؟
برای ترجمه یک پاراگراف، تغییر لحن یک ایمیل کوتاه، ساخت پنج عنوان یا خلاصه کردن متنی روشن، یک پرامپت دقیق معمولاً سریعتر است. شکستن چنین کاری به شش مرحله کیفیت را لزوماً بالا نمیبرد؛ فقط رفتوبرگشت را بیشتر میکند.
Anthropic هم توصیه میکند از سادهترین راه شروع کنیم و فقط در صورت نیاز پیچیدگی را بالا ببریم. زنجیره زمان و تعداد تعاملها را بیشتر میکند تا هر مرحله سادهتر و قابلکنترلتر شود.
- کار ساده و روشن: یک پرامپت.
- کار پیچیده با مراحل قابلپیشبینی: پرامپت زنجیرهای.
- کار باز و غیرقابلپیشبینی: شاید به فرایندی انعطافپذیرتر از یک زنجیره ثابت نیاز داشته باشد.
مثال عملی: زنجیره چهارحلقهای برای تولید محتوا
فرض کنید باید برای یک دوره آنلاین کپشن معرفی بنویسید. اطلاعات اولیه اینهاست:
- نام دوره: «عکاسی بهتر با موبایل»
- شش جلسه زنده
- مناسب افراد مبتدی
- تمرین پس از هر جلسه و بازخورد مدرس
- تنها ابزار لازم: تلفن همراه
- قیمت و تاریخ شروع هنوز مشخص نیست
یک پرامپت یکتکه ممکن است چنین باشد:
برای دوره عکاسی بهتر با موبایل مخاطب را تحلیل کن، سه زاویه تبلیغاتی پیشنهاد بده، بهترین را انتخاب کن و یک کپشن اینستاگرام صمیمی با عنوان و دعوت به ثبتنام بنویس. دوره شش جلسه زنده دارد، برای مبتدیهاست، تمرین و بازخورد مدرس دارد و فقط به موبایل نیاز دارد. متن را هم ویرایش کن و چیزی از قلم نینداز.این درخواست بد نیست؛ اما چند تصمیم را از چشم شما پنهان میکند. مدل باید مخاطب را حدس بزند، زاویهها را بسازد، یکی را انتخاب کند و نتیجه را بازبینی کند. اگر زاویه مناسب نباشد، تازه پس از خواندن کپشن میفهمید.
حلقه اول: واقعیتها را از حدسها جدا کنید
در مرحله اول هنوز متن تبلیغاتی نمیخواهیم. فقط میخواهیم بدانیم چه چیزهایی قطعی است و چه چیزهایی کم داریم.
میخواهیم برای یک دوره آنلاین کپشن معرفی بنویسیم، اما فعلاً هیچ متن تبلیغاتی تولید نکنید.
اطلاعات خام:
- نام دوره: «عکاسی بهتر با موبایل»
- شش جلسه زنده
- مناسب افراد مبتدی
- تمرین پس از هر جلسه و بازخورد مدرس
- تنها ابزار لازم: تلفن همراه
- قیمت و تاریخ شروع هنوز مشخص نیست
خروجی را در سه بخش بدهید:
۱. واقعیتهای تأییدشده؛ فقط اطلاعاتی که بالا آمده است.
۲. اطلاعات گمشدهای که برای نوشتن کپشن لازم یا مفید است.
۳. فرضهایی که نباید بدون تأیید وارد متن شوند.
در این مرحله وعده تبلیغاتی و کپشن ننویسید.خروجی باید کمبودها را آشکار کند: مدت هر جلسه، شیوه برگزاری، ظرفیت، قیمت، تاریخ شروع و مسیر ثبتنام معلوم نیستند. مدل هم نباید عبارتهایی مانند «تضمین پیشرفت» یا «پرفروشترین دوره» را از خودش اضافه کند.
ایست بازرسی: اطلاعات گمشده را تکمیل کنید یا مشخص کنید کدام موارد باید از کپشن حذف شوند. تا این نقطه تأیید نشده، سراغ نوشتن نروید.
حلقه دوم: پیش از نوشتن، زاویه را انتخاب کنید
کار این مرحله فقط ساختن گزینه است.
بر پایه برگه واقعیت تأییدشده زیر، سه زاویه متفاوت برای معرفی دوره پیشنهاد بدهید.
[برگه واقعیت تأییدشده را اینجا قرار دهید]
برای هر زاویه فقط این موارد را بنویسید:
- مخاطب اصلی
- مسئله یا نیاز مخاطب
- وعدهای که اطلاعات تأییدشده از آن پشتیبانی میکند
- خطر یا نقطهضعف زاویه
زاویهها باید تفاوت واقعی داشته باشند.
فعلاً کپشن ننویسید و خودتان زاویه برنده را انتخاب نکنید.یک زاویه میتواند بر «شروع بدون دوربین حرفهای» تمرکز کند؛ زاویه دوم ترس مبتدی از تنظیمات را هدف بگیرد؛ زاویه سوم هم روی تمرین و بازخورد مدرس بایستد.
ایست بازرسی: یک زاویه را انتخاب کنید. اگر هیچکدام مناسب نیست، همین مرحله را اصلاح کنید؛ هنوز متنی برای دور ریختن ندارید.
حلقه سوم: نسخه اول را با مرزهای روشن بنویسید
در این مثال، زاویه «شروع عکاسی بدون خرید دوربین» انتخاب شده است.
با استفاده از برگه واقعیت تأییدشده و زاویه منتخب، یک کپشن معرفی بنویسید.
زاویه منتخب: شروع یادگیری عکاسی بدون نیاز به خرید دوربین حرفهای
مخاطب: افراد مبتدی که با تلفن همراه عکس میگیرند
قواعد خروجی:
- لحن نیمهرسمی و خطاب «شما» باشد.
- متن بین ۱۲۰ تا ۱۵۰ کلمه باشد.
- با یک موقعیت ملموس شروع شود، نه با شعار.
- به شش جلسه زنده، تمرینها و بازخورد مدرس اشاره کند.
- قیمت، تاریخ شروع، ظرفیت و نتیجه تضمینی نسازد.
- پایان متن یک دعوت کوتاه برای دیدن جزئیات دوره باشد.
- فقط یک نسخه بنویسید.
برگه واقعیت تأییدشده:
[برگه را اینجا قرار دهید]محدودیت فقط نمیگوید چه چیزی نوشته شود؛ میگوید چه چیزی نباید ساخته شود. اگر در هدف، مخاطب یا قالب تردید دارید، فرمول ششبخشی راهنمای پرامپتنویسی فارسی را روی همین حلقه اجرا کنید.
حلقه چهارم: ممیزی را از نوشتن جدا کنید
در حلقه آخر، ابتدا ایرادها را میخواهیم و بعد نسخه اصلاحشده را.
کپشن زیر را با معیارهای مشخص ممیزی کنید.
[کپشن مرحله قبل را اینجا قرار دهید]
معیارها:
۱. آیا همه ادعاها در برگه واقعیت تأییدشده وجود دارند؟
۲. آیا متن فقط روی زاویه منتخب متمرکز مانده است؟
۳. آیا لحن «شما» در تمام جملهها یکدست است؟
۴. آیا جمله کلیشهای، تکراری یا اغراقآمیز دارد؟
۵. آیا دعوت پایانی روشن است، بدون اینکه قیمت یا زمان نامعلوم بسازد؟
ابتدا ایرادها را کوتاه و موردی بنویسید.
سپس نسخه اصلاحشده را ارائه کنید.
هیچ واقعیت تازهای اضافه نکنید.این حلقه «بهترش کن» را به درخواستی قابلسنجش تبدیل میکند. مشکل زاویه؟ به حلقه دوم برگردید. ادعای بیپشتوانه؟ برگه واقعیت را اصلاح کنید. اگر فقط ریتم متن ایراد دارد، حلقه چهارم کافی است.
این زنجیره را میتوانید در یک گفتوگوی تازه در هوشزی اجرا کنید. هر بار فقط یک حلقه را بفرستید و پس از بررسی خروجی ادامه دهید. ارزش زنجیره در همین مکثهاست، نه در چهار بار فشردن دکمه ارسال.
چطور زنجیره خودتان را طراحی کنید؟
پیش از نوشتن اولین حلقه، این پنج سؤال را جواب دهید:
۱. خروجی نهایی چیست؟ گزارش، کپشن، برنامه مطالعه یا فهرست پیشنهادها؟
۲. چه چیزی باید پیش از تولید آن معلوم شود؟ واقعیتها، مخاطب، معیار انتخاب یا قالب؟
۳. کدام مرحله به نتیجه مرحله قبل وابسته است؟ اگر وابستگی وجود ندارد، شاید دو کار را بتوان جدا انجام داد.
۴. کجا احتمال خطا بیشتر است؟ همانجا یک ممیزی یا تأیید انسانی بگذارید.
۵. اگر نتیجه بد شد، میخواهید به کدام نقطه برگردید؟ مرز حلقهها را طوری بچینید که مجبور نشوید همه کار را از اول انجام دهید.
فارسی یا انگلیسی بودن زنجیره اصل ماجرا نیست. در آزمایش پرامپت فارسی یا انگلیسی، هر دو زبان امتیاز برابر گرفتند و دقت دستور تعیینکنندهتر بود. برای کار فارسی، زنجیره را فارسی بنویسید و فقط اصطلاح فنیای را انگلیسی نگه دارید که ترجمهاش ابهام میسازد.
قالب عمومی پرامپت زنجیرهای
هدف نهایی فرایند:
[نتیجه نهایی]
وظیفه همین مرحله:
[فقط یک کار روشن]
ورودی تأییدشده:
[خروجی مرحله قبل یا اطلاعات اولیه]
در این مرحله انجام ندهید:
[کارهای مربوط به حلقههای بعد]
قالب خروجی:
[فهرست، متن یا ساختار لازم]
معیار عبور به مرحله بعد:
[شرطی که باید بررسی یا تأیید شود]دو خط آخر مهماند. «در این مرحله انجام ندهید» جلوی جلو افتادن مدل را میگیرد. «معیار عبور» مشخص میکند چه زمانی آماده ادامه هستید.
پنج اشتباه رایج در زنجیرهسازی پرامپت
۱. یک کار ساده را بیش از حد خرد میکنید. اگر یک درخواست روشن نتیجه درست میدهد، زنجیره نسازید. تعداد بیشتر پرامپت نشانه حرفهای بودن نیست.
۲. خروجی تأییدشده را منتقل نمیکنید. مدل باید بداند دقیقاً کدام نسخه مبنای مرحله بعد است. در گفتوگوی تازه، متن تأییدشده را کامل قرار دهید.
۳. هر حلقه چند کار تازه دارد. اگر حلقه دوم هم تحقیق میکند، هم زاویه میسازد و هم متن مینویسد، فقط پرامپت بزرگ را به جای دیگری منتقل کردهاید.
۴. ایست بازرسی ندارید. اجرای خودکار چهار پرامپت بدون بازبینی، کنترل چندانی اضافه نمیکند. پیش از تصمیم پرهزینه یا خروجی نهایی مکث کنید.
۵. خطای مرحله اول را حقیقت فرض میکنید. زنجیره میتواند خطا را هم منتقل کند. واقعیتها را در همان حلقه اول با منبع یا اطلاعات خودتان بررسی کنید.
جمعبندی
مشکل پرامپت بزرگ فقط تعداد کلمههای آن نیست. مشکل این است که چند تصمیم وابسته را پشت یک درخواست پنهان میکند. وقتی نتیجه بد میشود، نمیدانید باید اطلاعات، زاویه، ساختار یا لحن را اصلاح کنید.
پرامپت زنجیرهای این تصمیمها را قابلدیدن میکند. هر مرحله یک کار دارد و پیش از ادامه بررسی میشود. این روش همیشه سریعتر یا لازم نیست؛ اما در کارهای چندمرحلهای کنترل را بیشتر و بازگشت از خطا را کمهزینهتر میکند.
برای شروع، یک پروژه بزرگ انتخاب نکنید. یکی از کارهای عقبافتاده خود را بردارید، فقط واقعیتها و اطلاعات گمشدهاش را استخراج کنید و همانجا مکث کنید. اگر خروجی حلقه اول روشن بود، زنجیره مسیر ادامه را نشان میدهد.
