נמאס לכם מתשובות גנריות? כך תתנו ל-AI קונטקסט שישנה את המשחק

אם אי פעם ביקשתם מ-AI "לכתוב אימייל" או "להסביר מושג" וקיבלתם תשובה גנרית עד כאב, מלאת מילות באזז — אתם לא לבד. הבעיה אינה הבינה המלאכותית, אלא היעדר קונטקסט. מודלי שפה גדולים חוזרים בתשובה הסטטיסטית הסבירה ביותר, מה שאומר שהם פולטים טקסט בטוח וגנרי אלא אם כן אתם מכוונים אותם אחרת במפורש.

הפתרון פשוט: ספקו למודל אילוצים, קונטקסט ומבנה ספציפיים לפני שהוא מייצר דבר. הנה הטכניקות שעושות את ההבדל הגדול ביותר, מגובות במחקר של הנדסת פרומפטים ומניסיון של משתמשים מקצועיים.

אסטרטגיות ליבה לקונטקסט טוב יותר

1. הקצו תפקיד וקהל יעד

במקום בקשה חשופה כמו "כתוב אימייל", הגדירו מי ה-AI ולמי הוא כותב. תפקיד משנה מיד טון, עומק ונקודת מבט. לדוגמה: "אתה מנהל משאבי אנוש שכותב אימייל קבלת פנים למהנדס תוכנה חדש שעובד מרחוק באזור זמן אחר." השילוב של תפקיד וקהל הופך את הפלט להרבה יותר ספציפי .

מקורות מהמדריך האפקטיבי של MIT , ההמלצות הרשמיות של OpenAI , ומשאבי קהילה להנדסת פרומפטים מדגישים כולם טכניקה בסיסית זו.

2. ספקו רקע שמשנה את התשובה

לפני בקשתכם, כללו משפט או שניים של קונטקסט שהמודל לא היה יודע בלעדיהם. MasterPrompting.net מציע לשאול שאלת אבחון אחת: "מה המודל צפוי לטעות בו הכי הרבה אם לא אספר לו את זה?" זה בדיוק המידע שכדאי לכלול .

אותו מקור מעריך שעצם ציון מי אתם (או למי הפלט מיועד) ומה אתם מנסים להשיג ישפר 80% מהתוצאות שלכם .

3. אמרו לו מה לא לעשות

קביעת גבולות לפני שה-AI מתחיל לייצר מסננת פלט גנרי במקור. למשל: "אל תשתמש במילות באזז, אל תתחיל במשפט 'בעולם המהיר של היום', אל תמנה יותר מ-3 נקודות." טכניקה זו מומלצת על ידי משאבים המתמקדים בהימנעות מפלט ChatGPT גנרי . העיקרון הוא לצמצם את מרחב הפלט מוקדם, לפני שהמודל יכול להיסחף לקלישאות.

4. בנו פרומפטים בחלקים מסומנים

השתמשו במפרידים ברורים כמו

## רקע

## הוראות

## אילוצים

## פורמט פלט

5. ספקו דוגמאות למה שאתם רוצים

דוגמה טובה אחת (או דוגמה רעה שיש להימנע ממנה) בפרומפט שלכם מצמצמת באופן דרמטי את מרחב הפלט ומפחיתה תשובות גנריות. זה ידוע כ"פרומפטינג מועט-דוגמאות" (few-shot prompting) — הראו למודל מה אתם מחפשים במקום רק לתאר את זה .

טכניקות מתקדמות

טריק הדירוג

במקום לבקש תשובה אחת, בקשו מספר אפשרויות המדורגות על ספקטרום. דוגמה: במקום "ספר לי בדיחה על השמש", נסו "תגיד לי 5 בדיחות על השמש, מדורגות מהכי ידועה לחמישית שמעולם לא שמעתי עליה." זה מאלץ את המודל לעבור מעבר לתשובה הסטטיסטית הסבירה ביותר (ולכן הגנרית ביותר) שלו .

שיטת "ראיין אותי"

התחילו את הפרומפט שלכם עם: "ראיין אותי עד שתבין את המצב, ואז תן את ההמלצה שלך." המודל ישאל אתכם שאלות ממוקדות לפני שייצר תשובה, ויוציא מכם קונטקסט טוב יותר קודם. טכניקה זו מגיעה ממשתמשים מנוסים שממסגרים את ה-AI בתור עובד חדש חכם שצריך לאסוף דרישות .

שאלות המשך עוקבות

אל תסתפקו בתשובה הראשונה. התשובה הראשונית של ה-AI היא לעתים קרובות ממוצע — התייחסו אליה כאל טיוטה ראשונה. המשכו בפרומפטים כמו "תעשה את זה יותר ספציפי", "תן לי גרסה לקהל לא טכני", או "עכשיו תאתגר את ההנחות שלך." כל איטרציה משפרת ספציפיות, והתייחסות ל-AI כאל עובד חכם שאפשר לדחוף אותו לפרטים נוספים היא סימן היכר של משתמשים מתקדמים .

עודדו עמדה

מודלי שפה נוטים לטון נייטרלי ומאוזן. אם אתם רוצים תשובה פחות גנרית, בקשו במפורש מה-AI לנקוט עמדה. "דחפו אותו לאמץ עמדה" היא טכניקה שמשתפים משתמשים מנוסים שמציינים שניתן לנתב מחדש את הנטייה הטבעית של ה-AI לרצות (sycophancy) על ידי בקשת נקודת מבט ספציפית .

מחברים הכל ביחד: מסגרת עבודה

עבור הפרומפטים החשובים ביותר שלכם, שלבו טכניקות אלו למסגרת מובנית. מודל פרקטי מקהילת המשתמשים המתקדמים כולל ארבעה חלקים :

• הקצאה (Assignment): הוראות קצרות וברורות
• ציטוטים (Quotes): הפניות או קונטקסט רלוונטי
• הערות (Notes): התובנות שלכם או נקודות למחשבה
• הוראות נוספות (Additional Instructions): פורמט, אורך מילים, נקודת מבט, טון ואילוצים

מסגרת זו דומה למסגרת "Ricky" (Role, Intent, Condition, Context, Examples) ולגישות מובנות אחרות שמתרגלים משתמשים כדי לקבל תוצאות עקביות ולא גנריות .

השורה התחתונה

התובנה המרכזית היא שקונטקסט אינו על כתיבת פרומפטים ארוכים יותר—אלו על כתיבת כאלו ממוקדים יותר. לפני שתקלידו את בקשתכם, קחו 10 שניות להגדיר מי ה-AI צריך להיות, מה עליו להימנע ממנו, ואיזה מידע ספציפי הוא צריך. זה לבדו ישנה את התוצאות שלכם מגנריות לממשיות ושימושיות.