# فصل ۰۲ — زمینه‌دادن

<div dir="rtl">

# فصل ۰۲ — زمینه‌دادن

## در این فصل چه یاد می‌گیری

در فصلِ قبل دیدی که نیتِ روشن نیمی از کار است. حالا نیمهٔ دوم: **زمینه**. زمینه یعنی به مدل بگویی از کدام زاویه حرف بزند، برای چه کسی، در چه شکلی، و — قوی‌ترینِ همه — یک نمونه جلویش بگذاری تا دقیقاً بفهمد چه می‌خواهی. این چهار اهرم، همان پرامپتِ ساده را به یک ابزارِ دقیق تبدیل می‌کنند.

![یک پرسِ شکل‌دهنده با سه کلیدِ قابلِ‌تعویض در کنارش — یک نقاب برای نقش، یک آدمکِ نشسته برای مخاطب و یک قالبِ شبکه‌ای برای قالبِ خروجی — که یک بلوکِ خام را به یک شکلِ تمیز و مشخص تبدیل می‌کند](/lesson-assets/t2-s02-context/prompt/01-image-context-press.png)

آخر این فصل می‌توانی:

- به مدل نقش بدهی و ببینی زاویهٔ جواب چطور عوض می‌شود
- مخاطب و قالبِ خروجی را تعیین کنی
- با یک مثال (`few-shot`) شکلِ دقیقِ جواب را قفل کنی
- دامنهٔ سؤال را تنگ کنی تا جواب متمرکز شود
- یک ادعای واقعیِ مدل را وارسی کنی

## قبل از شروع

- **از فصل ۱ (همین ترم):** مدل ذهن‌خوان نیست؛ فقط همان چیزی را دارد که در `prompt` نوشته‌ای.
- **از فصل ۱ (همین ترم):** نیتِ روشن یعنی **هدف + زمینه**.

مثل هر فصلِ آزمایشگاهی، فقط یک مرورگر و دستیارِ هوش مصنوعی‌ات (با کلیدِ رایگانِ خودت) لازم داری.

> 🧪 **آزمایشگاه:** [آزمایشگاه این فصل را باز کن](/lab/embed/hamhoosh/term-2-effective-prompting/session-02-context) و هر جفت‌پرامپتِ این فصل را پشتِ‌سرِهم امتحان کن — قدرتِ زمینه فقط وقتی دیده می‌شود که دو خروجی را کنارِ هم بگذاری.

## ۱. زمینه یعنی چند اهرم

فصلِ قبل «زمینه» را کلی گفتیم: موقعیتت را به مدل بده. حالا بازش می‌کنیم به چند اهرمِ مشخص که هرکدام یک تکه از جواب را کنترل می‌کنند:

- **نقش:** مدل از زاویهٔ چه کسی حرف بزند (یک معلم؟ یک منتقد؟ یک دوست؟).
- **مخاطب:** جواب برای چه کسی است (یک بچه؟ یک متخصص؟).
- **قالب:** جواب چه شکلی باشد (بولت؟ جدول؟ یک پاراگراف؟ چند کلمه؟).
- **مثال:** یک نمونهٔ آماده که مدل از رویش الگو بگیرد.

هیچ‌کدام اجباری نیستند؛ به هر کاری آن اهرمی را می‌دهی که لازم دارد. بیا یکی‌یکی امتحانشان کنیم.

## ۲. نقش: از کدام زاویه

اول بدونِ نقش بپرس:

</div>

```text
تفاوتِ ویروس و باکتری را بگو.
```

<div dir="rtl">

یک جوابِ کلی و خشک می‌گیری. حالا نقش بده:

</div>

```text
به‌عنوان یک معلمِ زیست‌شناسی که برای دانش‌آموزِ دبیرستانی درس می‌دهد، تفاوتِ
ویروس و باکتری را ساده و با یک مثالِ روزمره توضیح بده.
```

<div dir="rtl">

جوابِ دوم لحن و مثالِ آموزشیِ بهتری می‌گیرد. ممکن است چیزی شبیهِ این باشد (خروجیِ تو فرق می‌کند):

</div>

```text
باکتری موجودی زندهٔ تک‌سلولی است و خودش تکثیر می‌شود؛ ویروس برای تکثیر باید
واردِ سلولِ یک میزبان شود. مثلِ روزمره: باکتری مثلِ یک مهمانِ ناخوانده است که
خودش غذا می‌پزد، ولی ویروس آشپزخانهٔ خودش را ندارد و باید از آشپزخانهٔ میزبان
استفاده کند. برای همین اگر سرما بخوری، یک دورهٔ آنتی‌بیوتیک ویروسِ سرماخوردگی
را از بین می‌برد و زودتر خوب می‌شوی.
```

<div dir="rtl">

نقش، لحن و مثالِ جواب را آموزشی و مناسب کرد — ولی جملهٔ آخر **غلط** است. آنتی‌بیوتیک روی باکتری اثر می‌کند، نه ویروس؛ سرماخوردگی ویروسی است و آنتی‌بیوتیک درمانش نمی‌کند. تله همین‌جاست: نقشِ «معلمِ متخصص» جواب را **معتبرتر** جلوه داد، و همان اعتبارِ ظاهری می‌تواند یک واقعیتِ غلط را راحت‌تر از زیرِ دستت رد کند. پس نقش‌دادن جواب را **مناسب‌تر** می‌کند، نه لزوماً **درست‌تر**؛ مدل هنوز همان ماشینِ تولیدِ متن است و می‌تواند یک واقعیت را اشتباه بگوید.

انصاف را رعایت کنیم: این نمونه ساخته شده تا تله را نشانت بدهد، و به‌احتمالِ زیاد **جوابِ خودِ تو این اشتباه را نخواهد داشت** — تفاوتِ ویروس و باکتری آن‌قدر پرتکرار و پایدار است که مدل‌ها معمولاً درست می‌گویند. حرفِ این بخش هم همین نبود که «مدل زیست‌شناسی بلد نیست»؛ حرف این است که وقتی یک نقشِ متخصص به مدل می‌دهی، **گاردِ خودت** پایین می‌آید. جملهٔ آخرِ این جواب را با همان دقتی بخوان که جملهٔ اولش را می‌خوانی؛ لباسِ تخصص روی متن، هیچ چیزی به درستی‌اش اضافه نمی‌کند.

> ✅ **وارسی:** هر ادعای علمیِ این جواب — به‌ویژه همان تکهٔ آنتی‌بیوتیک — را با یک منبعِ معتبر (یک دایرةالمعارف یا سایتِ سلامتِ معتبر) تطبیق بده؛ لحنِ متخصصانه هیچ ضمانتی برای درستی نیست. سه قانونِ ثابت سرِ جایشان‌اند: **«اول خودت فکر کن» — «وارسی کن، خط به خط» — «مدل مطمئن است؛ دلیل نمی‌شود درست باشد».**

## ۳. مخاطب و قالب: برای کی، در چه شکلی

مخاطب و قالب دو اهرمِ نزدیک‌اند. یک سؤالِ ثابت را با دو مخاطبِ متفاوت بپرس:

</div>

```text
چرا آسمان آبی است؟ برای یک بچهٔ ۶ ساله، در دو جملهٔ خیلی ساده.
```

<div dir="rtl">

حالا **همان** سؤال را با مخاطبِ دیگری بفرست:

</div>

```text
چرا آسمان آبی است؟ برای یک بزرگسالِ کنجکاو، در یک پاراگرافِ کامل.
```

<div dir="rtl">

دو خروجی را کنارِ هم بگذار: یکی با کلمه‌های کودکانه و جمله‌های کوتاه جواب می‌دهد، دیگری با جزئیات و اصطلاحِ بیشتر. محتوا یکی است، مخاطب فرق کرده. حالا قالب را هم مشخص کن — مثلاً «در سه بولت»، «در یک جدولِ دو ستونه» یا «در کمتر از ۳۰ کلمه». هر بار همان محتوا در قالبِ خواسته‌شده می‌آید. اگر قالب را نگویی، مدل قالبِ دلخواهِ خودش را انتخاب می‌کند و ممکن است آن چیزی نباشد که به کارت می‌آید.

> 💡 **نکته:** «کوتاه‌تر» و «رسمی‌تر» مبهم‌اند؛ مدل باید حدس بزند چقدر. به‌جایشان عددِ روشن بده: «در سه جمله»، «حداکثر ۵۰ کلمه»، «فقط سه مورد». هرچه قالب سنجش‌پذیرتر باشد، خروجی قابلِ‌پیش‌بینی‌تر است.

## ۴. یک مثال بده (`few-shot`)

قوی‌ترین اهرم این است که به‌جای **توضیحِ** شکلِ جواب، یک **نمونه** جلوی مدل بگذاری. به این کار — اینکه یک مثالِ آماده بدهی تا مدل از رویش الگو بگیرد — می‌گویند `few-shot`. اول بدونِ مثال بخواه:

</div>

```text
این کلمه‌ها را برایم توضیح بده: بردبار، شکیبا، نستوه.
```

<div dir="rtl">

مدل هر کلمه را به سبکِ خودش توضیح می‌دهد — شاید یکی بلند، یکی کوتاه، بی‌قاعده. حالا یک مثال بده تا شکل را قفل کنی:

</div>

```text
دقیقاً مثل این نمونه، هر کلمه را در یک خط توضیح بده:
خوش‌بین — یعنی کسی که به آیندهٔ خوب امید دارد — مثال: با اینکه باخت، خوش‌بین ماند.
حالا برای این کلمه‌ها همین کار را بکن: بردبار، شکیبا، نستوه.
```

<div dir="rtl">

این بار مدل دقیقاً همان شکلِ «کلمه — یعنی — مثال» را برای هر سه کلمه تکرار می‌کند. یک مثال، بی‌آنکه یک کلمه قاعده بنویسی، شکلِ خروجی را تعیین کرد. وقتی می‌خواهی چند خروجیِ یک‌دست بگیری، `few-shot` سریع‌ترین راه است.

**قبل از ادامه، جواب بده:** می‌خواهی مدل ده جملهٔ خبری را همه به یک سبکِ کوتاه بازنویسی کند. کدام اهرم مطمئن‌ترین راه است — توضیحِ لفظیِ سبک، یا دادنِ یک نمونهٔ بازنویسی‌شده؟ چرا؟

## ۵. دامنه را تنگ کن

یک اهرمِ پنجم هم هست: دامنه. یک سؤالِ باز، جوابِ باز می‌دهد. مقایسه کن:

</div>

```text
دربارهٔ تغذیهٔ سالم بگو.
```

<div dir="rtl">

این یک انشای کلی و بی‌مصرف می‌سازد. حالا دامنه را تنگ کن:

</div>

```text
فقط سه صبحانهٔ سالم و سریع نام ببر که زیرِ پنج دقیقه آماده می‌شوند، هرکدام در یک خط.
```

<div dir="rtl">

جوابِ دوم کوتاه، مشخص و قابلِ‌استفاده است. تنگ‌کردنِ دامنه یعنی به مدل بگویی روی چه چیزی تمرکز کند و بقیه را کنار بگذارد. اغلبِ پرامپت‌های ضعیف، مبهم نیستند — فقط بیش‌ازحد بازند.

> 🔧 **اگر جواب نگرفتی:** اگر با همهٔ این اهرم‌ها باز هم خروجی پرت بود، معمولاً یعنی دو خواستهٔ متناقض در یک پرامپت جمع کرده‌ای (مثلاً هم «خیلی کوتاه» و هم «با جزئیاتِ کامل»). پرامپت را به دو خواستهٔ جدا بشکن و هرکدام را جدا بپرس.

## واژه‌های تازهٔ این فصل

</div>

| کلمه | تلفظ به حروف فارسی | یعنی چه |
|---|---|---|
| few-shot | فیو‌شات | دادنِ یک یا چند مثالِ آماده در پرامپت تا مدل شکلِ خروجی را از رویشان الگو بگیرد |

<div dir="rtl">

## تمرین‌ها

**تمرین اجباری:** یک موضوع را انتخاب کن و همان سؤال را سه بار بپرس: یک بار با نقش، یک بار با مخاطب و قالبِ مشخص، و یک بار با تنگ‌کردنِ دامنه. سه خروجی را کنارِ هم بگذار و بنویس هر اهرم دقیقاً چه چیزی را عوض کرد.

**تمرین ستاره‌دار ⭐:** یک کارِ تکراری پیدا کن که چند خروجیِ هم‌شکل می‌خواهد (مثلاً تبدیلِ چند عنوان به یک قالبِ ثابت). یک بار با توضیحِ لفظیِ قالب امتحان کن و یک بار با `few-shot` (یک نمونهٔ آماده). کدام یک‌دست‌تر شد؟ نتیجه را یادداشت کن.

## در فصل بعد

حالا می‌توانی یک پرامپتِ دقیق و پرزمینه بنویسی. ولی حتی بهترین پرامپت هم همیشه در اولین تلاش جوابِ کامل نمی‌دهد — و این اصلاً ایراد نیست. فصلِ بعد سراغِ **حلقهٔ تکرار** می‌رویم: اینکه اولین جواب فقط یک پیش‌نویس است، چطور پله‌پله بهترش کنی، و چطور دقیقاً به مدل بگویی چه چیزی را عوض کند تا هر بار یک قدم به آنچه می‌خواهی نزدیک‌تر شوی.

</div>

---
Source: https://yaadestan.com/courses/hamhoosh/lessons/t2/s02-context (یادستان, Yaadestan)
