پرش به محتوای اصلی
آخرین اخبار
۲ وایر پاداش مطالعه

۷ اسکیل کاربردی در چت‌بات جمینای برای حذف پرامپت‌های تکراری؛ ترفند شماره ۴ را حتماً ببینید!

انتشار:۱۵ مهر ۱۴۰۵(۱ ساعت پیش)
۸ دقیقه زمان مطالعه
۰ دیدگاه

نوشتن مکرر دستورهای طولانی و تکراری برای هوش مصنوعی یکی از بزرگ‌ترین عوامل اتلاف وقت است. با ساخت اسکیل‌های اختصاصی در چت‌بات جمینای، می‌توانید پرامپت‌های پیچیده را به یک دستور اسلش ساده تبدیل کرده و سرعت و بهره‌وری کار با هوش مصنوعی را به شکل چشمگیری افزایش دهید.

۷ اسکیل کاربردی در چت‌بات جمینای برای حذف پرامپت‌های تکراری؛ ترفند شماره ۴ را حتماً ببینید!

در یک نگاه (نکات کلیدی خبر)

خلاصه مهم‌ترین نکات و تحولات این گزارش برای مطالعه سریع

  • با قابلیت اسکیل‌ها (Skills) در جمینای گوگل می‌توانید دستورالعمل‌های پرتکرار را یک‌بار ذخیره کرده و فقط با زدن یک علامت اسلش (/) در چت فراخوانی کنید.
  • ۷ اسکیل کاربردی برای پژوهش عمیق، ساده‌سازی مفاهیم، مقایسه منطقی، نقد بی‌رحمانه ایده‌ها، بازنویسی لحن، توجیه سریع و برنامه‌ریزی استراتژیک طراحی شده‌اند.
  • اسکیل‌ها کاملاً قابلیت شخصی‌سازی دارند و جمینای حتی می‌تواند در مواقع لزوم بدون نیاز به تایپ دستی، اسکیل مناسب را به شکل هوشمند تشخیص دهد و اجرا کند.

اگر روزانه با ابزار‌های هوش مصنوعی سر و کار داشته باشید، احتمالاً خوب می‌دانید که نوشتن پرامپت‌های تکراری چقدر می‌تواند کلافه‌کننده و وقت‌گیر باشد. واقعیت این است که حتی کاربران حرفه‌ای هم بخش زیادی از زمان خود را صرف بازنویسی دستورهای مشابه به ده‌ها شکل مختلف می‌کنند.

از تحقیق درباره موضوعات گوناگون و یافتن منابع موثق گرفته تا ساده‌سازی اصطلاحات پیچیده فنی و خلاصه‌سازی نکات، همگی نیازمند یک سیستم منظم و سریع هستند. اینجاست که قابلیت اسکیل‌ها در چت‌بات جمینای (Gemini Skills) وارد میدان می‌شود. اسکیل‌ها به شما اجازه می‌دهند مجموعه‌ای از دستورالعمل‌های آماده و قابل‌استفاده مجدد را برای وظایف مشخص تعریف کنید.

وقتی یک اسکیل می‌سازید، در گفت‌وگوهای بعدی جمینای نیازی نیست دوباره همه‌چیز را از صفر توضیح دهید؛ فقط کافی است از یک دستور اسلش (/) استفاده کنید تا هوش مصنوعی فوراً وظیفه موردنظرتان را طبق همان چارچوب پیش ببرد.

حالا به جای این‌که هر بار پشت سر هم توضیح دهید که جمینای چطور باید در یک موضوع پژوهش کند، کافی است دستور research/ را بزنید؛ یا به جای این‌که یادآوری کنید به نقد جدی نیاز دارید نه تعریف و تمجیدهای کلیشه‌ای، خیلی راحت دستور critic/ را فراخوانی کنید.

در ادامه با ۷ اسکیل کاربردی و فوق‌العاده در جمینای آشنا می‌شوید که نحوه کار با هوش مصنوعی و بهره‌وری روزمره‌تان را متحول می‌کنند.

اول از همه، اسکیل‌های جمینای دقیقاً چیستند؟

gemini ai
(تصویر: Shutterstock)

اگر قبلاً با قابلیت جمز در جمینای (Gemini Gems) کار کرده باشید، این ساختار برایتان کاملاً آشنا خواهد بود. اسکیل هم شباهت زیادی به جمز دارد؛ زیرا یک بسته دستورالعمل آماده است که به جمینای یاد می‌دهد چطور نوع خاصی از وظایف را پیش ببرد. اما تفاوت اصلی و جذاب در اینجا است که می‌توانید هر اسکیل را وسط گفت‌وگوی معمولی فقط با تایپ علامت / و نام اسکیل صدا بزنید.

البته ساخت اسکیل با دستور اسلش شروع نمی‌شود؛ در ابتدا با یک پرامپت ساده به جمینای می‌گویید چه اسکیلی می‌خواهید تا هوش مصنوعی آن را ساخته و ذخیره کند. همچنین می‌توانید به صورت دستی وارد تنظیمات اسکیل‌های جمینای شوید و برای اسکیل خود نام، توضیحات و دستورالعمل دلخواه بنویسید. به محض ذخیره و فعال‌سازی، میانبر اسلش فعال می‌شود.

پس از تایپ دستور اسلش در چت معمولی، دیگر نیازی به تکرار دستورها نخواهید داشت. حتی جالب‌تر این‌که جمینای می‌تواند موقعیت‌های مرتبط را تشخیص دهد و در صورت نیاز، اسکیل‌های فعال را به‌طور خودکار فراخوانی کند؛ بنابراین حتی همیشه لازم نیست نام آن را دستی وارد کنید.

۱. اسکیل پژوهش عمیق (research/)

old man on computer
(تصویر: Shutterstock)

پژوهش از آن کار‌هایی است که معمولاً نباید اجازه داد هوش مصنوعی با اولین پاسخ سطحی سر و ته قضیه را هم بیاورد. هیچ‌کس پاسخ کلیشه‌ای و دم‌دستی نمی‌خواهد؛ اولویت اصلی در یک تحقیق واقعی، استناد به منابع معتبر، درستی‌سنجی فکت‌ها و بررسی همه‌جانبه است.

به همین خاطر اسکیل research/ یکی از بهترین گزینه‌ها برای شروع است.

پرامپت اسکیل: تو دستیار پژوهشی من هستی. پیش از پاسخ دادن، موضوعی را که به تو می‌دهم به دقت بررسی کن. منابع دست‌اول، مستندات رسمی و گزارش‌های موثق را به خلاصه‌ها و وب‌سایت‌های گردآورنده ترجیح بده. ادعاهای مهم را تا حد امکان با چندین منبع معتبر مطابقت بده. حقایق تأییدشده را از ادعاها، حدسیات یا نظرات شخصی تفکیک کن و هر موردی را که نمی‌توانی به‌طور مستقل تأیید کنی، مشخص کن. به جای ارائه نمای کلی و کلیشه‌ای، روی مهم‌ترین و کاربردی‌ترین یافته‌ها تمرکز داشته باش. لینک منابعی را که استفاده کردی هم قرار بده تا خودم بتوانم درستی اطلاعات را چک کنم.

۲. اسکیل توضیح شفاف و ساده (explain/)

man working
(تصویر: Shutterstock/jud-mackrill)

هوش مصنوعی در توضیح مفاهیم پیچیده عملکرد درخشانی دارد؛ اما از طرف دیگر، مهارت عجیبی هم در جایگزین کردن یک اصطلاح تخصصی با شش اصطلاح سنگین و گیج‌کننده دیگر دارد!

اسکیل explain/ دقیقاً برای جلوگیری از همین اتفاق طراحی شده است.

پرامپت اسکیل: موضوعی را که به تو می‌دهم با زبانی واضح و روزمره توضیح بده. فرض کن من فردی باهوش اما ناآشنا با این موضوع هستم؛ بنابراین فرض نکن که اصطلاحات تخصصی را از قبل بلد هستم. هر جا که توضیح ساده‌تر ممکن است، از اصطلاحات سنگین پرهیز کن و هر اصطلاح فنی ضروری را شفاف تعریف کن. ابتدا با ساده‌ترین توضیح درباره چیستی موضوع و اهمیت آن شروع کن و سپس در صورت لزوم جزئیات بیشتری ارائه بده. از تشبیه‌ها یا مثال‌های ملموس در دنیای واقعی استفاده کن تا درک مفهوم واقعاً آسان‌تر شود. توضیح را پیچیده‌تر از خود مفهومی که می‌خواهم یاد بگیرم نکن.

۳. اسکیل مقایسه کاربردی (compare/)

iphone comparison

کافی است از هوش مصنوعی بخواهید دو محصول را با هم مقایسه کند؛ احتمال زیادی دارد یک جدول غول‌پیکر پر از تمام تفاوت‌های فنی ریز و درشت تحویلتان دهد. اما معمولاً چنین چیزی به کار کسی نمی‌آید.

چیزی که کاربر واقعاً به دنبال آن است، دانستن تفاوت‌هایی است که در عمل روی تصمیم‌گیری و انتخاب نهایی تأثیر می‌گذارند.

پرامپت اسکیل: دو محصول، سرویس یا گزینه‌ای را که به تو می‌دهم، بر اساس تفاوت‌هایی مقایسه کن که در استفاده روزمره واقعاً اهمیت دارند. من را زیر بار انبوهی از مشخصات فنی یا تفاوت‌های جزئی دفن نکن! بسته به موضوع، روی تفاوت‌های معناداری مثل قیمت، امکانات، عملکرد، سهولت استفاده و محدودیت‌ها تمرکز کن. نقاط قوت هر گزینه و بده‌بستان‌های مهم (مزایا و معایب) را شرح بده. در پایان هم به جای معرفی یک برنده قطعی برای همه، بگو هر گزینه برای چه دسته‌ای از کاربران یا چه شرایطی منطقی‌ترین انتخاب است.

۴. اسکیل منتقد بی‌تعارف (critic/)

student studying
(تصویر: ویرایش‌شده با Gemini)

همه ما گاهی به هوش مصنوعی نیاز داریم تا به جای تعریف و تمجیدهای الکی، بی‌تعارف به ما بازخورد دهد؛ به همین خاطر شاید این اسکیل جذاب‌ترین گزینه این فهرست باشد! چت‌بات‌های هوش مصنوعی تمایل کلافه‌کننده‌ای به تأیید کردن حرف کاربر و خوش‌خدمتی دارند. کافی است ایده‌ای را با آن‌ها مطرح کنید و نظرشان را بپرسید؛ معمولاً با توضیحی پرشور درباره این‌که چرا ایده معمولی شما در واقع یک شاهکار است روبه‌رو می‌شوید! اما این رویکرد هیچ کمکی به پیشرفت نمی‌کند.

پرامپت اسکیل: به جای چاپلوسی، تعریف الکی یا موافقت پیش‌فرض، ایده، استدلال یا نوشته‌ای را که به تو می‌دهم بی‌رحمانه نقد کن. به‌طور ویژه به دنبال فرضیات ضعیف، اطلاعات ناقص، تناقض‌ها، خلأهای منطقی و هر نکته‌ای بگرد که در بررسی دقیق تاب نمی‌آورد. به من بگو کجای کار ایراد دارد و چرا؛ و در صورت امکان، قوی‌ترین استدلال مخالف با دیدگاه من را ارائه بده. برای صرفاً انتقاد کردن عیب‌تراشی نکن و هر جا نکته مثبتی هست که دلیل مشخصی دارد به آن اشاره کن. نقد کاربردی، دقیق و عملی را که بتوانم اصلاحش کنم، به آرامش‌بخشی‌های کلیشه‌ای ترجیح بده.

۵. اسکیل بازنویسی حرفه‌ای لحن (rewrite/)

An individual typing on a laptop, focusing on the hands and keyboard in an indoor setting.
(تصویر: Pexels / Eren Li)

این هم از آن پرامپت‌هایی است که تقریباً همه مدام مشغول نوشتنش هستند: متن یا ایمیلی را به هوش مصنوعی می‌دهید و می‌خواهید لحن تند یا کلافه آن را تعدیل کند، یا هر بخشی را که مبهم است شفاف‌تر بنویسد. بخش حیاتی ماجرا هم این است: دست به ساختار اصلی متن نزن و بیش از حد تغییرش نده! این اسکیل وقتی می‌خواهید منظورتان را قاطع اما حرفه‌ای و بدون بار احساسی منفی برسانید، یک برگ برنده واقعی است.

پرامپت اسکیل: متنی را که به تو می‌دهم طوری بازنویسی کن که شفاف‌تر، منسجم‌تر و طبیعی‌تر شود، اما معنای اصلی، لحن و سبک شخصی من کاملاً حفظ شود. تکرارهای اضافی، عبارت‌های بدقلق و کلمات بیهوده را حذف کن، بدون این‌که متن حالت عمومی یا بیش از حد اتوکشیده و ماشینی پیدا کند. حقایق، ایده‌ها یا ادعاهای جدیدی که در متن اصلی نبوده اضافه نکن. لحن و شخصیت نوشتار مرا در جاهایی که خوب کار می‌کند نگه دار و متن را رسمی‌تر از چیزی که هست نکن، مگر این‌که نسخه اولیه خودش رسمی باشد. فقط نسخه بهبودیافته را تحویل بده و لازم نیست تک‌تک تغییرات را توضیح دهی.

۶. اسکیل توجیه سریع و خلاصه فوری (brief/)

A woman writes on the iFLYTEK AINOTE 2 tablet during a meeting
(تصویر: iFLYTEK)

گاهی اوقات هدف شما تحقیق مفصل نیست، بلکه فقط می‌خواهید خیلی سریع در جریان کلیات یک موضوع قرار بگیرید؛ مثلاً قرار است وارد جلسه‌ای درباره موضوعی ناآشنا شوید، یا ناگهان همه درباره استارتاپ یا شرکتی صحبت می‌کنند که تا به حال اسمش را نشنیده‌اید.

پرامپت اسکیل: موضوعی را که به تو می‌دهم طوری به من گزارش بده که انگار باید خیلی سریع و فوری در جریان کلیات قرار بگیرم. فرض کن اطلاعات قبلی محدودی دارم و به جای ارائه توضیحات مفصل و خسته‌کننده، روی بستر و نکات حیاتی تمرکز کن. به من بگو موضوع دقیقاً چیست، در حال حاضر چه اتفاقی دارد می‌افتد، چرا اهمیت دارد و چه افراد، شرکت‌ها، رویدادها یا اصطلاحات کلیدی وجود دارند که احتمالاً نامشان را خواهم شنید. تحولات مهم اخیر را هم در صورت لزوم اضافه کن. اولویت را روی نکاتی بگذار که واقعاً باید بدانم و پاسخ را آن‌قدر کوتاه و خلاصه نگه دار که ظرف چند دقیقه کل ماجرا را بفهمم.

۷. اسکیل استراتژیست و برنامه‌ریزی گام‌به‌گام (strategy/)

Woman using computer to conduct a video meeting
(تصویر: Getty Images)

یکی از معضلات همیشگی کار با هوش مصنوعی این است که گاهی قبل از این‌که چت‌بات با عجله به سمت ارائه راه‌حل بدود، نیاز داریم اول خوب روی مسئله فکر کند و یک استراتژی دقیق بچیند. این دستورالعمل به جمینای یاد می‌دهد که ابتدا هدف را بسنجد، خلأهای اطلاعاتی را شناسایی کند، کار را به مراحل منطقی تقسیم کند، مشکلات احتمالی را گوشزد کند و در نهایت نقشه راه را روی میز بگذارد.

پرامپت اسکیل: به عنوان یک استراتژیست عمل کن، نه کسی که عجولانه سراغ راهکار می‌پرد. هدفی را که مشخص می‌کنم به دقت بررسی کن و قبل از توصیه هر اقدامی، بهترین مسیر برای رسیدن به آن را بسنج. اطلاعات مهمی را که من از قلم انداخته‌ام شناسایی کن، کار را به مراحل منطقی بشکن و مشکلات بالقوه، وابستگی‌ها یا ریسک‌ها را گوشزد کن. اگر چندین رویکرد وجود دارد، بگو کدام منطقی‌تر است و چرا. در نهایت هم یک برنامه عملی، شفاف و گام‌به‌گام ارائه بده که بتوانم قدم‌به‌قدم اجرایش کنم.

اسکیل‌های اختصاصی خودتان را بسازید!

این هفت اسکیل تنها نمونه‌هایی کاربردی برای شروع هستند و قرار نیست نسخه یکسانی برای همه باشند؛ بلکه معضل بزرگی را حل می‌کنند که هر روز در کار با هوش مصنوعی آزاردهنده است: توضیح دادن دوباره و چندباره ترجیحات شخصی به چت‌بات!

فهرست اسکیل‌های شما می‌تواند کاملاً متفاوت باشد؛ مثلاً اگر در حال یادگیری یک زبان خارجی هستید، می‌توانید اسکیل practice/ بسازید؛ یا اگر سر و کارتان با ایمیل‌های پر از اصطلاحات سنگین اداری است، اسکیلی مثل translatework/ بسازید تا آن‌ها را به زبانی ساده و سرراست برگرداند.

نکته کلیدی اینجاست: وقتی مجبور نباشید هر بار یک پرامپت تکراری را بازنویسی کنید، ساعت‌ها در زمانتان صرفه‌جویی می‌شود. علاوه بر این، همیشه می‌توانید متناسب با نیازها و جریان کاری جدید، این اسکیل‌ها را ویرایش کرده و به‌روزرسانی کنید.

این اسکیل‌ها را امتحان کنید یا دست به کار شوید و اسکیل‌های شخصی خودتان را بسازید و تجربه خود را به اشتراک بگذارید!

دیدگاه ها و گفتگوی تخصصی

نظرات خود را با جامعه مخاطبان وایر ای آی در میان بگذارید

۰ دیدگاه

هنوز دیدگاهی برای این مطلب ثبت نشده است

اولین نفری باشید که دیدگاه، تحلیل یا دیدگاه خود را درباره این موضوع با دیگران به اشتراک می گذارد.

مطالب مرتبط و پیشنهادی

مدیرعامل اطلسین: «کار با هوش مصنوعی دیگر تک‌نفره نیست؛ ایجنت‌ها هم‌تیمی شما هستند، نه جایگزین‌تان!»
آخرین اخبار

مدیرعامل اطلسین: «کار با هوش مصنوعی دیگر تک‌نفره نیست؛ ایجنت‌ها هم‌تیمی شما هستند، نه جایگزین‌تان!»

مدیرعامل اطلسین در رویداد اخیر این شرکت اعلام کرد که دوران کار تک‌نفره با هوش مصنوعی به پایان رسیده و اکنون وارد عصر همکاری چندنفره انسان‌ها و ایجنت‌ها شده‌ایم. او تأکید دارد هوش مصنوعی بدون درک بستر اطلاعاتی (کانتکست) سازمان کارایی چندانی ندارد و ایجنت‌ها نه برای حذف نیروها، بلکه برای پیوستن به تیم‌ها طراحی شده‌اند.

۳ دقیقه مطالعه
۰
۱۵ مهر
شرط‌بندی پاسکال به داد مدیران رسید: چطور در قمار بزرگ AGI بازنده نباشیم؟
آخرین اخبار

شرط‌بندی پاسکال به داد مدیران رسید: چطور در قمار بزرگ AGI بازنده نباشیم؟

با پررنگ‌تر شدن زمزمه‌های ظهور هوش عمومی مصنوعی (AGI)، مدیران شرکت‌ها سر یک دوراهی بزرگ گیر افتاده‌اند: چقدر باید روی هوش مصنوعی شرط بست؟ جالب اینجاست که پاسخی دقیق و کاربردی برای این معمای مدرن، در نظریه مشهور «شرط‌بندی پاسکال» از قرن هفدهم پنهان شده است.

۳ دقیقه مطالعه
۰
۱۵ مهر
دستور توقف ساخت دو دیتاسنتر بزرگ گوگل در فنلاند؛ ترمز غول هوش مصنوعی در «تگزاس اروپا» کشیده شد!
آخرین اخبار

دستور توقف ساخت دو دیتاسنتر بزرگ گوگل در فنلاند؛ ترمز غول هوش مصنوعی در «تگزاس اروپا» کشیده شد!

سازمان‌های نظارتی فنلاند تنها یک ماه پس از اعلام طرح سرمایه‌گذاری ۱۵ میلیارد دلاری گوگل، دستور توقف ساخت دو دیتاسنتر غول‌پیکر هوش مصنوعی این شرکت را به دلیل نگرانی‌های زیست‌محیطی صادر کردند. فنلاند که به خاطر منابع انرژی پایدار به «تگزاس اروپا» برای میزبانی هوش مصنوعی شهرت پیدا کرده، حالا نشان داده که حتی برای بزرگ‌ترین غول‌های فناوری هم استانداردهای سفت‌وسختی دارد.

۳ دقیقه مطالعه
۰
۱۵ مهر