‏کتاب هنر و علم مهندسی پرامپت برای مدل‌های زبانی

‏کتاب Prompt Engineering for LLMs نوشته جان بریمن و آلبرت زیگلر (از مهندسان اولیه GitHub Copilot)، رویکردی فنی برای تعامل با مدل‌های زبانی ارائه می‌دهد. برخلاف تصور عمومی، مهندسی پرامپت به معنای یافتن کلمات بی‌نقص نیست، بلکه درکِ نحوه عملکرد مدل در پیش‌بینی توالی متن است.

‏نویسندگان بر این باورند که مدل‌های زبانی در هسته خود ابزارهای تکمیل متن هستند و پرامپت مهندسی‌شده، سندی است که باید به گونه‌ای ساختار یابد تا خروجی دقیق تولید کند. برخی از مفاهیم کلیدی این کتاب شامل موارد زیر است:

‏• نگرش به LLM: مدل را نه به عنوان موجودی هوشمند، بلکه به عنوان ابزاری برای تکمیل متن ببینید.
‏• اهمیت بافت (Context): ارائه اطلاعات زمینه‌ای کافی، هسته اصلی دستیابی به پاسخ‌های دقیق است.
‏• تکرارپذیری: پرامپت‌های کارآمد حاصل تکرار و آزمایش هستند، نه صرفاً خلاقیت لحظه‌ای.
‏• ساختاردهی: در برنامه‌نویسی برای LLM، ساختارِ ورودی همواره بر هوشمندیِ کلمات غلبه دارد.
‏• اتصال به اپلیکیشن: پیاده‌سازی الگوهای ارتباطی تکرارشونده میان کاربر، برنامه و مدل برای بهبود تجربه کاربری (UX).