[{"data":1,"prerenderedAt":221},["ShallowReactive",2],{"lesson:t2-s02-context":3,"course:hamhoosh":56},{"meta":4,"prev":10,"next":14,"sections":18},{"free_preview":5,"order":6,"slug":7,"source":8,"term":6,"title_fa":9},true,2,"t2-s02-context","book","فصل ۰۲ — زمینه‌دادن",{"free_preview":5,"order":11,"slug":12,"source":8,"term":6,"title_fa":13},1,"t2-s01-intent","فصل ۰۱ — نیت، نه جادو",{"free_preview":5,"order":15,"slug":16,"source":8,"term":6,"title_fa":17},3,"t2-s03-iterate","فصل ۰۳ — حلقهٔ تکرار",[19,23,26,31,34,37,40,43,46,49,53],{"kind":20,"heading":21,"html":22},"normal","در این فصل چه یاد می‌گیری","\u003Ch2 id=\"در-این-فصل-چه-یاد-می‌گیری\">در این فصل چه یاد می‌گیری\u003Ca class=\"head-anchor\" href=\"#%D8%AF%D8%B1-%D8%A7%DB%8C%D9%86-%D9%81%D8%B5%D9%84-%DA%86%D9%87-%DB%8C%D8%A7%D8%AF-%D9%85%DB%8C%E2%80%8C%DA%AF%DB%8C%D8%B1%DB%8C\" aria-label=\"پیوند به این بخش\">#\u003C\u002Fa>\u003C\u002Fh2>\n\u003Cp>در فصلِ قبل دیدی که نیتِ روشن نیمی از کار است. حالا نیمهٔ دوم: \u003Cstrong>زمینه\u003C\u002Fstrong>. 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.\u003C\u002Fp>\n\u003Cp>\u003Cpicture>\u003Csource type=\"image\u002Fwebp\" srcset=\"\u002F_img\u002F01-image-context-press.0d5f1ebc9d.160.webp 160w, \u002F_img\u002F01-image-context-press.0d5f1ebc9d.320.webp 320w, \u002F_img\u002F01-image-context-press.0d5f1ebc9d.480.webp 480w, \u002F_img\u002F01-image-context-press.0d5f1ebc9d.640.webp 640w, \u002F_img\u002F01-image-context-press.0d5f1ebc9d.768.webp 768w, \u002F_img\u002F01-image-context-press.0d5f1ebc9d.960.webp 960w, \u002F_img\u002F01-image-context-press.0d5f1ebc9d.1280.webp 1280w\" sizes=\"(max-width: 900px) 100vw, 800px\">\u003Cimg src=\"\u002F_img\u002F01-image-context-press.0d5f1ebc9d.1280.jpg\" srcset=\"\u002F_img\u002F01-image-context-press.0d5f1ebc9d.160.jpg 160w, \u002F_img\u002F01-image-context-press.0d5f1ebc9d.320.jpg 320w, \u002F_img\u002F01-image-context-press.0d5f1ebc9d.480.jpg 480w, \u002F_img\u002F01-image-context-press.0d5f1ebc9d.640.jpg 640w, \u002F_img\u002F01-image-context-press.0d5f1ebc9d.768.jpg 768w, \u002F_img\u002F01-image-context-press.0d5f1ebc9d.960.jpg 960w, \u002F_img\u002F01-image-context-press.0d5f1ebc9d.1280.jpg 1280w\" sizes=\"(max-width: 900px) 100vw, 800px\" alt=\"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\" width=\"1376\" height=\"768\" loading=\"lazy\" decoding=\"async\">\u003C\u002Fpicture>\u003C\u002Fp>\n\u003Cp>آخر این فصل می‌توانی:\u003C\u002Fp>\n\u003Cul>\n\u003Cli>به مدل نقش بدهی و ببینی زاویهٔ جواب چطور عوض می‌شود\u003C\u002Fli>\n\u003Cli>مخاطب و قالبِ خروجی را تعیین کنی\u003C\u002Fli>\n\u003Cli>با یک مثال (\u003Ccode>few-shot\u003C\u002Fcode>) شکلِ دقیقِ جواب را قفل کنی\u003C\u002Fli>\n\u003Cli>دامنهٔ سؤال را تنگ کنی تا جواب متمرکز شود\u003C\u002Fli>\n\u003Cli>یک ادعای واقعیِ مدل را وارسی کنی\u003C\u002Fli>\n\u003C\u002Ful>\n",{"kind":20,"heading":24,"html":25},"قبل از شروع","\u003Ch2 id=\"قبل-از-شروع\">قبل از شروع\u003Ca class=\"head-anchor\" href=\"#%D9%82%D8%A8%D9%84-%D8%A7%D8%B2-%D8%B4%D8%B1%D9%88%D8%B9\" aria-label=\"پیوند به این بخش\">#\u003C\u002Fa>\u003C\u002Fh2>\n\u003Cul>\n\u003Cli>\u003Cstrong>از فصل ۱ (همین ترم):\u003C\u002Fstrong> مدل ذهن‌خوان نیست؛ فقط همان چیزی را دارد که در \u003Ccode>prompt\u003C\u002Fcode> نوشته‌ای.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>از فصل ۱ (همین ترم):\u003C\u002Fstrong> نیتِ روشن یعنی \u003Cstrong>هدف + زمینه\u003C\u002Fstrong>.\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>مثل هر فصلِ آزمایشگاهی، فقط یک مرورگر و دستیارِ هوش مصنوعی‌ات (با کلیدِ رایگانِ خودت) لازم داری.\u003C\u002Fp>\n",{"kind":27,"heading":28,"html":29,"embed":30},"lab","","و هر جفت‌پرامپتِ این فصل را پشتِ‌سرِهم امتحان کن — قدرتِ زمینه فقط وقتی دیده می‌شود که دو خروجی را کنارِ هم بگذاری","\u002Flab\u002Fembed\u002Fhamhoosh\u002Fterm-2-effective-prompting\u002Fsession-02-context",{"kind":20,"heading":32,"html":33},"۱. زمینه یعنی چند اهرم","\u003Ch2 id=\"۱-زمینه-یعنی-چند-اهرم\">۱. زمینه یعنی چند اهرم\u003Ca class=\"head-anchor\" href=\"#%DB%B1-%D8%B2%D9%85%DB%8C%D9%86%D9%87-%DB%8C%D8%B9%D9%86%DB%8C-%DA%86%D9%86%D8%AF-%D8%A7%D9%87%D8%B1%D9%85\" aria-label=\"پیوند به این بخش\">#\u003C\u002Fa>\u003C\u002Fh2>\n\u003Cp>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:\u003C\u002Fp>\n\u003Cul>\n\u003Cli>\u003Cstrong>نقش:\u003C\u002Fstrong> مدل از زاویهٔ چه کسی حرف بزند (یک معلم؟ یک منتقد؟ یک دوست؟).\u003C\u002Fli>\n\u003Cli>\u003Cstrong>مخاطب:\u003C\u002Fstrong> جواب برای چه کسی است (یک بچه؟ یک متخصص؟).\u003C\u002Fli>\n\u003Cli>\u003Cstrong>قالب:\u003C\u002Fstrong> جواب چه شکلی باشد (بولت؟ جدول؟ یک پاراگراف؟ چند کلمه؟).\u003C\u002Fli>\n\u003Cli>\u003Cstrong>مثال:\u003C\u002Fstrong> یک نمونهٔ آماده که مدل از رویش الگو بگیرد.\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>هیچ‌کدام اجباری نیستند؛ به هر کاری آن اهرمی را می‌دهی که لازم دارد. بیا یکی‌یکی امتحانشان کنیم.\u003C\u002Fp>\n",{"kind":20,"heading":35,"html":36},"۲. نقش: از کدام زاویه","\u003Ch2 id=\"۲-نقش-از-کدام-زاویه\">۲. نقش: از کدام زاویه\u003Ca class=\"head-anchor\" href=\"#%DB%B2-%D9%86%D9%82%D8%B4-%D8%A7%D8%B2-%DA%A9%D8%AF%D8%A7%D9%85-%D8%B2%D8%A7%D9%88%DB%8C%D9%87\" aria-label=\"پیوند به این بخش\">#\u003C\u002Fa>\u003C\u002Fh2>\n\u003Cp>اول بدونِ نقش بپرس:\u003C\u002Fp>\n\u003Cpre class=\"code-block\" dir=\"ltr\">\u003Ccode>تفاوتِ ویروس و باکتری را بگو.\n\u003C\u002Fcode>\u003C\u002Fpre>\n\u003Cp>یک جوابِ کلی و خشک می‌گیری. حالا نقش بده:\u003C\u002Fp>\n\u003Cpre class=\"code-block\" dir=\"ltr\">\u003Ccode>به‌عنوان یک معلمِ زیست‌شناسی که برای دانش‌آموزِ دبیرستانی درس می‌دهد، تفاوتِ\nویروس و باکتری را ساده و با یک مثالِ روزمره توضیح بده.\n\u003C\u002Fcode>\u003C\u002Fpre>\n\u003Cp>جوابِ دوم لحن و مثالِ آموزشیِ بهتری می‌گیرد. ممکن است چیزی شبیهِ این باشد (خروجیِ تو فرق می‌کند):\u003C\u002Fp>\n\u003Cpre class=\"code-block\" dir=\"ltr\">\u003Ccode>باکتری موجودی زندهٔ تک‌سلولی است و خودش تکثیر می‌شود؛ ویروس برای تکثیر باید\nواردِ سلولِ یک میزبان شود. مثلِ روزمره: باکتری مثلِ یک مهمانِ ناخوانده است که\nخودش غذا می‌پزد، ولی ویروس آشپزخانهٔ خودش را ندارد و باید از آشپزخانهٔ میزبان\nاستفاده کند. برای همین اگر سرما بخوری، یک دورهٔ آنتی‌بیوتیک ویروسِ سرماخوردگی\nرا از بین می‌برد و زودتر خوب می‌شوی.\n\u003C\u002Fcode>\u003C\u002Fpre>\n\u003Cp>نقش، لحن و مثالِ جواب را آموزشی و مناسب کرد — ولی جملهٔ آخر \u003Cstrong>غلط\u003C\u002Fstrong> است. آنتی‌بیوتیک روی باکتری اثر می‌کند، نه ویروس؛ سرماخوردگی ویروسی است و آنتی‌بیوتیک درمانش نمی‌کند. تله همین‌جاست: نقشِ «معلمِ متخصص» جواب را \u003Cstrong>معتبرتر\u003C\u002Fstrong> جلوه داد، و همان اعتبارِ ظاهری می‌تواند یک واقعیتِ غلط را راحت‌تر از زیرِ دستت رد کند. پس نقش‌دادن جواب را \u003Cstrong>مناسب‌تر\u003C\u002Fstrong> می‌کند، نه لزوماً \u003Cstrong>درست‌تر\u003C\u002Fstrong>؛ مدل هنوز همان ماشینِ تولیدِ متن است و می‌تواند یک واقعیت را اشتباه بگوید.\u003C\u002Fp>\n\u003Cp>انصاف را رعایت کنیم: این نمونه ساخته شده تا تله را نشانت بدهد، و به‌احتمالِ زیاد \u003Cstrong>جوابِ خودِ تو این اشتباه را نخواهد داشت\u003C\u002Fstrong> — 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، \u003Cstrong>گاردِ خودت\u003C\u002Fstrong> 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.\u003C\u002Fp>\n\u003Cblockquote>\n\u003Cp>✅ \u003Cstrong>وارسی:\u003C\u002Fstrong> 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: \u003Cstrong>«اول خودت فکر کن» — «وارسی کن، خط به خط» — «مدل مطمئن است؛ دلیل نمی‌شود درست باشد».\u003C\u002Fstrong>\u003C\u002Fp>\n\u003C\u002Fblockquote>\n",{"kind":20,"heading":38,"html":39},"۳. مخاطب و قالب: برای کی، در چه شکلی","\u003Ch2 id=\"۳-مخاطب-و-قالب-برای-کی-در-چه-شکلی\">۳. مخاطب و قالب: برای کی، در چه شکلی\u003Ca class=\"head-anchor\" href=\"#%DB%B3-%D9%85%D8%AE%D8%A7%D8%B7%D8%A8-%D9%88-%D9%82%D8%A7%D9%84%D8%A8-%D8%A8%D8%B1%D8%A7%DB%8C-%DA%A9%DB%8C-%D8%AF%D8%B1-%DA%86%D9%87-%D8%B4%DA%A9%D9%84%DB%8C\" aria-label=\"پیوند به این بخش\">#\u003C\u002Fa>\u003C\u002Fh2>\n\u003Cp>مخاطب و قالب دو اهرمِ نزدیک‌اند. یک سؤالِ ثابت را با دو مخاطبِ متفاوت بپرس:\u003C\u002Fp>\n\u003Cpre class=\"code-block\" dir=\"ltr\">\u003Ccode>چرا آسمان آبی است؟ برای یک بچهٔ ۶ ساله، در دو جملهٔ خیلی ساده.\n\u003C\u002Fcode>\u003C\u002Fpre>\n\u003Cp>بعد همان را برای یک بزرگسال و در یک پاراگرافِ کامل بخواه. خواهی دید یکی با کلمه‌های کودکانه و کوتاه جواب می‌دهد و دیگری با جزئیاتِ بیشتر. 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.\u003C\u002Fp>\n\u003Cblockquote>\n\u003Cp>💡 \u003Cstrong>نکته:\u003C\u002Fstrong> «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.\u003C\u002Fp>\n\u003C\u002Fblockquote>\n",{"kind":20,"heading":41,"html":42},"۴. یک مثال بده (few-shot)","\u003Ch2 id=\"۴-یک-مثال-بده-few-shot\">۴. یک مثال بده (\u003Ccode>few-shot\u003C\u002Fcode>)\u003Ca class=\"head-anchor\" href=\"#%DB%B4-%DB%8C%DA%A9-%D9%85%D8%AB%D8%A7%D9%84-%D8%A8%D8%AF%D9%87-few-shot\" aria-label=\"پیوند به این بخش\">#\u003C\u002Fa>\u003C\u002Fh2>\n\u003Cp>قوی‌ترین اهرم این است که به‌جای \u003Cstrong>توضیحِ\u003C\u002Fstrong> شکلِ جواب، یک \u003Cstrong>نمونه\u003C\u002Fstrong> جلوی مدل بگذاری. به این کار — اینکه یک مثالِ آماده بدهی تا مدل از رویش الگو بگیرد — می‌گویند \u003Ccode>few-shot\u003C\u002Fcode>. اول بدونِ مثال بخواه:\u003C\u002Fp>\n\u003Cpre class=\"code-block\" dir=\"ltr\">\u003Ccode>این کلمه‌ها را برایم توضیح بده: بردبار، شکیبا، نستوه.\n\u003C\u002Fcode>\u003C\u002Fpre>\n\u003Cp>مدل هر کلمه را به سبکِ خودش توضیح می‌دهد — شاید یکی بلند، یکی کوتاه، بی‌قاعده. حالا یک مثال بده تا شکل را قفل کنی:\u003C\u002Fp>\n\u003Cpre class=\"code-block\" dir=\"ltr\">\u003Ccode>دقیقاً مثل این نمونه، هر کلمه را در یک خط توضیح بده:\nخوش‌بین — یعنی کسی که به آیندهٔ خوب امید دارد — مثال: با اینکه باخت، خوش‌بین ماند.\nحالا برای این کلمه‌ها همین کار را بکن: بردبار، شکیبا، نستوه.\n\u003C\u002Fcode>\u003C\u002Fpre>\n\u003Cp>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، \u003Ccode>few-shot\u003C\u002Fcode> سریع‌ترین راه است.\u003C\u002Fp>\n\u003Cp>\u003Cstrong>قبل از ادامه، جواب بده:\u003C\u002Fstrong> 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؟\u003C\u002Fp>\n",{"kind":20,"heading":44,"html":45},"۵. دامنه را تنگ کن","\u003Ch2 id=\"۵-دامنه-را-تنگ-کن\">۵. دامنه را تنگ کن\u003Ca class=\"head-anchor\" href=\"#%DB%B5-%D8%AF%D8%A7%D9%85%D9%86%D9%87-%D8%B1%D8%A7-%D8%AA%D9%86%DA%AF-%DA%A9%D9%86\" aria-label=\"پیوند به این بخش\">#\u003C\u002Fa>\u003C\u002Fh2>\n\u003Cp>یک اهرمِ پنجم هم هست: دامنه. یک سؤالِ باز، جوابِ باز می‌دهد. مقایسه کن:\u003C\u002Fp>\n\u003Cpre class=\"code-block\" dir=\"ltr\">\u003Ccode>دربارهٔ تغذیهٔ سالم بگو.\n\u003C\u002Fcode>\u003C\u002Fpre>\n\u003Cp>این یک انشای کلی و بی‌مصرف می‌سازد. حالا دامنه را تنگ کن:\u003C\u002Fp>\n\u003Cpre class=\"code-block\" dir=\"ltr\">\u003Ccode>فقط سه صبحانهٔ سالم و سریع نام ببر که زیرِ پنج دقیقه آماده می‌شوند، هرکدام در یک خط.\n\u003C\u002Fcode>\u003C\u002Fpre>\n\u003Cp>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.\u003C\u002Fp>\n\u003Cblockquote>\n\u003Cp>🔧 \u003Cstrong>اگر جواب نگرفتی:\u003C\u002Fstrong> 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.\u003C\u002Fp>\n\u003C\u002Fblockquote>\n",{"kind":20,"heading":47,"html":48},"واژه‌های تازهٔ این فصل","\u003Ch2 id=\"واژه‌های-تازهٔ-این-فصل\">واژه‌های تازهٔ این فصل\u003Ca class=\"head-anchor\" href=\"#%D9%88%D8%A7%DA%98%D9%87%E2%80%8C%D9%87%D8%A7%DB%8C-%D8%AA%D8%A7%D8%B2%D9%87%D9%94-%D8%A7%DB%8C%D9%86-%D9%81%D8%B5%D9%84\" aria-label=\"پیوند به این بخش\">#\u003C\u002Fa>\u003C\u002Fh2>\n\u003Cdiv class=\"table-wrap\">\u003Ctable>\u003Cthead>\n\u003Ctr>\n\u003Cth>کلمه\u003C\u002Fth>\n\u003Cth>تلفظ به حروف فارسی\u003C\u002Fth>\n\u003Cth>یعنی چه\u003C\u002Fth>\n\u003C\u002Ftr>\n\u003C\u002Fthead>\n\u003Ctbody>\n\u003Ctr>\n\u003Ctd>few-shot\u003C\u002Ftd>\n\u003Ctd>فیو‌شات\u003C\u002Ftd>\n\u003Ctd>دادنِ یک یا چند مثالِ آماده در پرامپت تا مدل شکلِ خروجی را از رویشان الگو بگیرد\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003C\u002Ftbody>\n\u003C\u002Ftable>\u003C\u002Fdiv>",{"kind":50,"heading":51,"html":52},"checkpoint","تمرین‌ها","\u003Ch2 id=\"تمرین‌ها\">تمرین‌ها\u003Ca class=\"head-anchor\" href=\"#%D8%AA%D9%85%D8%B1%DB%8C%D9%86%E2%80%8C%D9%87%D8%A7\" aria-label=\"پیوند به این بخش\">#\u003C\u002Fa>\u003C\u002Fh2>\n\u003Cp>\u003Cstrong>تمرین اجباری:\u003C\u002Fstrong> 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.\u003C\u002Fp>\n\u003Cp>\u003Cstrong>تمرین ستاره‌دار ⭐:\u003C\u002Fstrong> 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 \u003Ccode>few-shot\u003C\u002Fcode> (یک نمونهٔ آماده). کدام یک‌دست‌تر شد؟ نتیجه را یادداشت کن.\u003C\u002Fp>\n",{"kind":20,"heading":54,"html":55},"در فصل بعد","\u003Ch2 id=\"در-فصل-بعد\">در فصل بعد\u003Ca class=\"head-anchor\" href=\"#%D8%AF%D8%B1-%D9%81%D8%B5%D9%84-%D8%A8%D8%B9%D8%AF\" aria-label=\"پیوند به این بخش\">#\u003C\u002Fa>\u003C\u002Fh2>\n\u003Cp>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 \u003Cstrong>حلقهٔ تکرار\u003C\u002Fstrong> 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.\u003C\u002Fp>\n",{"course":57,"entitled":65,"lessons":66,"payments_enabled":65,"terms":220,"live":5},{"active_window":58,"effective_price_toman":59,"free":5,"lesson_count":60,"price_toman":61,"slug":62,"summary_fa":63,"title_fa":64},null,0,51,2500000,"hamhoosh","از «هوش مصنوعی واقعاً چیست» تا ساختن ابزار واقعی با آن — بدون دیوار ریاضی و بدون پیش‌نیاز برنامه‌نویسی. هوش مصنوعی همکارِ هوشمندی است که وارسی‌اش می‌کنی، نه اوراکلی که چشم‌بسته باور کنی.","هم‌هوش — خودآموز هوش مصنوعی",false,[67,70,73,76,80,84,88,92,96,97,98,99,102,105,108,111,114,118,121,124,127,130,133,136,139,142,145,148,151,154,157,160,163,166,169,172,175,178,181,184,187,190,193,196,199,202,205,208,211,214,217],{"free_preview":5,"order":11,"slug":68,"source":8,"term":11,"title_fa":69},"t1-s01-first-conversation","فصل ۰۱ — با چه چیزی حرف می‌زنی؟ اولین گفت‌وگو",{"free_preview":5,"order":6,"slug":71,"source":8,"term":11,"title_fa":72},"t1-s02-how-it-learns","فصل ۰۲ — چطور یاد گرفت",{"free_preview":5,"order":15,"slug":74,"source":8,"term":11,"title_fa":75},"t1-s03-tokens","فصل ۰۳ — توکن: واحدِ کارِ مدل",{"free_preview":5,"order":77,"slug":78,"source":8,"term":11,"title_fa":79},4,"t1-s04-hallucination","فصل ۰۴ — چرا مطمئن ولی غلط: توهم",{"free_preview":5,"order":81,"slug":82,"source":8,"term":11,"title_fa":83},5,"t1-s05-limits","فصل ۰۵ — مرزها: چه نمی‌داند و چه نباید ازش خواست",{"free_preview":5,"order":85,"slug":86,"source":8,"term":11,"title_fa":87},6,"t1-s06-types","فصل ۰۶ — گونه‌های هوش مصنوعی",{"free_preview":5,"order":89,"slug":90,"source":8,"term":11,"title_fa":91},7,"t1-s07-responsible-start","فصل ۰۷ — از همین حالا مسئولانه",{"free_preview":5,"order":93,"slug":94,"source":8,"term":11,"title_fa":95},8,"t1-s08-interrogate-project","فصل ۰۸ — پروژه: یک مدل را بازجویی کن",{"free_preview":5,"order":11,"slug":12,"source":8,"term":6,"title_fa":13},{"free_preview":5,"order":6,"slug":7,"source":8,"term":6,"title_fa":9},{"free_preview":5,"order":15,"slug":16,"source":8,"term":6,"title_fa":17},{"free_preview":5,"order":77,"slug":100,"source":8,"term":6,"title_fa":101},"t2-s04-verify","فصل ۰۴ — وارسی: مهم‌ترین مهارت",{"free_preview":5,"order":81,"slug":103,"source":8,"term":6,"title_fa":104},"t2-s05-system","فصل ۰۵ — لحنِ ثابت و دستورِ سیستمی",{"free_preview":5,"order":85,"slug":106,"source":8,"term":6,"title_fa":107},"t2-s06-tune","فصل ۰۶ — کنترلِ خلاقیت، دقت و عمق",{"free_preview":5,"order":89,"slug":109,"source":8,"term":6,"title_fa":110},"t2-s07-structured","فصل ۰۷ — پرامپتِ ساختارمند و قابلِ‌استفادهٔ مجدد",{"free_preview":5,"order":93,"slug":112,"source":8,"term":6,"title_fa":113},"t2-s08-antipatterns","فصل ۰۸ — دام‌ها و افسانه‌ها",{"free_preview":5,"order":115,"slug":116,"source":8,"term":6,"title_fa":117},9,"t2-s09-assistant-project","فصل ۰۹ — پروژه: یک دستیارِ شخصی بساز",{"free_preview":5,"order":11,"slug":119,"source":8,"term":15,"title_fa":120},"t3-s01-images","فصل ۰۱ — ساختِ تصویر با هوش مصنوعی",{"free_preview":65,"order":6,"slug":122,"source":8,"term":15,"title_fa":123},"t3-s02-image-understanding","فصل ۰۲ — فهمِ تصویر",{"free_preview":65,"order":15,"slug":125,"source":8,"term":15,"title_fa":126},"t3-s03-audio-video","فصل ۰۳ — صدا و ویدیو",{"free_preview":65,"order":77,"slug":128,"source":8,"term":15,"title_fa":129},"t3-s04-research","فصل ۰۴ — پژوهش با هوش مصنوعی",{"free_preview":65,"order":81,"slug":131,"source":8,"term":15,"title_fa":132},"t3-s05-writing","فصل ۰۵ — نوشتن و بازنویسی",{"free_preview":65,"order":85,"slug":134,"source":8,"term":15,"title_fa":135},"t3-s06-study","فصل ۰۶ — یادگیری و درس‌خواندن",{"free_preview":65,"order":89,"slug":137,"source":8,"term":15,"title_fa":138},"t3-s07-work","فصل ۰۷ — کارِ حرفه‌ای",{"free_preview":65,"order":93,"slug":140,"source":8,"term":15,"title_fa":141},"t3-s08-coding-help","فصل ۰۸ — کمکِ کدنویسی (بی‌آنکه برنامه‌نویس باشی)",{"free_preview":65,"order":115,"slug":143,"source":8,"term":15,"title_fa":144},"t3-s09-workflow-project","فصل ۰۹ — پروژه: یک جریانِ کاریِ واقعی",{"free_preview":5,"order":11,"slug":146,"source":8,"term":77,"title_fa":147},"t4-s01-training-deep","فصل ۰۱ — آموزش، عمیق‌تر (بدون ریاضی)",{"free_preview":65,"order":6,"slug":149,"source":8,"term":77,"title_fa":150},"t4-s02-embeddings","فصل ۰۲ — از توکن تا معنا: embedding",{"free_preview":65,"order":15,"slug":152,"source":8,"term":77,"title_fa":153},"t4-s03-context-memory","فصل ۰۳ — حافظه و پنجرهٔ زمینه",{"free_preview":65,"order":77,"slug":155,"source":8,"term":77,"title_fa":156},"t4-s04-rag","فصل ۰۴ — RAG: دادنِ دانشِ تازه به مدل",{"free_preview":65,"order":81,"slug":158,"source":8,"term":77,"title_fa":159},"t4-s05-agents","فصل ۰۵ — عامل‌ها و ابزارها",{"free_preview":65,"order":85,"slug":161,"source":8,"term":77,"title_fa":162},"t4-s06-local-vs-cloud","فصل ۰۶ — مدلِ محلی در برابر ابری",{"free_preview":65,"order":89,"slug":164,"source":8,"term":77,"title_fa":165},"t4-s07-persian-gap","فصل ۰۷ — شکافِ فارسی-انگلیسی",{"free_preview":65,"order":93,"slug":167,"source":8,"term":77,"title_fa":168},"t4-s08-mental-model-project","فصل ۰۸ — پروژه: نقشهٔ ذهنیِ یک پاسخ",{"free_preview":5,"order":11,"slug":170,"source":8,"term":81,"title_fa":171},"t5-s01-api-idea","فصل ۰۱ — API چیست: حرف‌زدنِ برنامه با مدل",{"free_preview":65,"order":6,"slug":173,"source":8,"term":81,"title_fa":174},"t5-s02-first-call","فصل ۰۲ — اولین فراخوانی",{"free_preview":65,"order":15,"slug":176,"source":8,"term":81,"title_fa":177},"t5-s03-from-js","فصل ۰۳ — از JavaScript صدا بزن",{"free_preview":65,"order":77,"slug":179,"source":8,"term":81,"title_fa":180},"t5-s04-system-in-code","فصل ۰۴ — نقش و پارامتر در کد",{"free_preview":65,"order":81,"slug":182,"source":8,"term":81,"title_fa":183},"t5-s05-structured-output","فصل ۰۵ — خروجیِ ساختارمند",{"free_preview":65,"order":85,"slug":185,"source":8,"term":81,"title_fa":186},"t5-s06-build-app","فصل ۰۶ — یک وب‌اپِ کوچکِ هوش‌مصنوعی‌دار",{"free_preview":65,"order":89,"slug":188,"source":8,"term":81,"title_fa":189},"t5-s07-cost-limits","فصل ۰۷ — هزینه، سهمیه و مرزها",{"free_preview":65,"order":93,"slug":191,"source":8,"term":81,"title_fa":192},"t5-s08-ship-project","فصل ۰۸ — پروژه: ابزارِ هوش‌مصنوعیِ خودت را منتشر کن",{"free_preview":5,"order":11,"slug":194,"source":8,"term":85,"title_fa":195},"t6-s01-deepfakes","فصل ۰۱ — دیپ‌فیک و رسانهٔ جعلی",{"free_preview":65,"order":6,"slug":197,"source":8,"term":85,"title_fa":198},"t6-s02-misinformation","فصل ۰۲ — دفاع در برابر بدْاطلاعات",{"free_preview":65,"order":15,"slug":200,"source":8,"term":85,"title_fa":201},"t6-s03-detection-myth","فصل ۰۳ — افسانهٔ «تشخیصِ هوش مصنوعی»",{"free_preview":65,"order":77,"slug":203,"source":8,"term":85,"title_fa":204},"t6-s04-bias","فصل ۰۴ — سوگیری و انصاف",{"free_preview":65,"order":81,"slug":206,"source":8,"term":85,"title_fa":207},"t6-s05-privacy-data","فصل ۰۵ — حریم خصوصی و دادهٔ تو",{"free_preview":65,"order":85,"slug":209,"source":8,"term":85,"title_fa":210},"t6-s06-ownership","فصل ۰۶ — مالکیت و کپی‌رایتِ خروجی",{"free_preview":65,"order":89,"slug":212,"source":8,"term":85,"title_fa":213},"t6-s07-work-future","فصل ۰۷ — کار، مهارت و مرزهای سالم",{"free_preview":65,"order":93,"slug":215,"source":8,"term":85,"title_fa":216},"t6-s08-safety-ethics","فصل ۰۸ — ایمنی و اخلاق، بدونِ موعظه",{"free_preview":65,"order":115,"slug":218,"source":8,"term":85,"title_fa":219},"t6-s09-capstone","فصل ۰۹ — پروژهٔ نهایی: چیزی مسئولانه بساز و منتشر کن",[],1784990544306]