آموزش پرامپت‌نویسی برای Claude؛ از درخواست مبهم تا خروجی قابل‌بررسی

وقتی از همکار فنی کمک می‌خواهید، معمولاً نسخهٔ ابزار، خطا و نتیجهٔ موردانتظار را می‌گویید. برای دستیار هوش مصنوعی هم همین زمینه لازم است. درخواست مبهم، مدل را مجبور می‌کند دربارهٔ چیزهایی حدس بزند که برای شما بدیهی‌اند.

فایل ۱۷صفحه‌ای Prompting 101 با توضیح فارسی، ساختار پرامپت و مثال‌های عملی Claude را مرور می‌کند. مقالهٔ حاضر یک تمرین برای استفاده از همان ایده‌ها در بازبینی کد است. رفتار دقیق مدل‌ها تغییر می‌کند؛ نتیجهٔ پرامپت را با نمونه‌های خودتان بسنجید.

<context>
پروژهٔ PHP با API ثبت سفارش؛ قیمت از دیتابیس خوانده می‌شود.
</context>
<task>
فقط کنترل دسترسی و ورودی را بازبینی کن.
</task>
<constraints>
چیزی را بدون شاهد قطعی فرض نکن؛ اگر فایل لازم نیست بگو.
</constraints>
<output>
برای هر ایراد: محل، سناریوی خطا و روش اثبات.
</output>

اگر قالب خاصی می‌خواهید، یک نمونهٔ کوتاه از قالب ارائه کنید. اما نتیجهٔ موردپسند خود را به‌عنوان واقعیت در پرامپت نگذارید. جملهٔ «این کد حتماً امن است، تأییدش کن» ارزیابی مستقلی ایجاد نمی‌کند. از مدل بخواهید هم موارد درست و هم ابهام‌ها را با شاهد مشخص کند.

متن سند، کد و دادهٔ کاربر را از دستور اصلی جدا کنید. برچسب‌هایی مثل XML به خوانایی کمک می‌کنند، اما به‌تنهایی مرز امنیتی نیستند. در برنامهٔ دارای ابزار، مجوز واقعی باید خارج از متن پرامپت هم اعمال شود.

• پنج ورودی نماینده، شامل نمونهٔ سخت، کنار بگذارید.
• معیار پذیرش را قبل از دیدن پاسخ تعریف کنید.
• هر بار یک تغییر در درخواست بدهید.
• صحت، کامل بودن و هزینهٔ بازبینی را جدا ثبت کنید.

اگر پاسخ از نظر قالب درست اما از نظر فنی غلط است، صرف اضافه کردن دستور «دقیق باش» کافی نیست. شاید زمینهٔ لازم وجود ندارد یا کار باید به مرحله‌های کوچک‌تر تقسیم شود. بهترین اصلاح، از مشاهدهٔ نوع خطا شروع می‌شود.

یک کوئری از پروژهٔ آزمایشی انتخاب کنید. ابتدا بدون توضیح از دستیار نقد بخواهید؛ بعد نسخهٔ دیتابیس، ساختار جدول و هدف کوئری را اضافه کنید. دو پاسخ را با اجرا و EXPLAIN مقایسه کنید. تفاوت کیفیتِ شواهد را ثبت کنید، نه فقط طول پاسخ را.

دانلود رایگان فایل آموزشی و تمرین‌های این مطلب؛ فایل اصلی آکادمی 01 برای مرور آفلاین در دسترس است.