[{"data":1,"prerenderedAt":221},["ShallowReactive",2],{"lesson:t2-s06-tune":3,"course:hamhoosh":57},{"meta":4,"prev":11,"next":15,"sections":19},{"free_preview":5,"order":6,"slug":7,"source":8,"term":9,"title_fa":10},true,6,"t2-s06-tune","book",2,"فصل ۰۶ — کنترلِ خلاقیت، دقت و عمق",{"free_preview":5,"order":12,"slug":13,"source":8,"term":9,"title_fa":14},5,"t2-s05-system","فصل ۰۵ — لحنِ ثابت و دستورِ سیستمی",{"free_preview":5,"order":16,"slug":17,"source":8,"term":9,"title_fa":18},7,"t2-s07-structured","فصل ۰۷ — پرامپتِ ساختارمند و قابلِ‌استفادهٔ مجدد",[20,24,27,32,35,38,41,44,47,50,54],{"kind":21,"heading":22,"html":23},"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>تا اینجا با \u003Cstrong>متنِ\u003C\u002Fstrong> پرامپت کار کرده‌ای: نیت، زمینه، تکرار، نقشِ ثابت. این فصل سراغِ چند \u003Cstrong>دکمهٔ کنترلی\u003C\u002Fstrong> می‌رود که مستقلاً روی رفتارِ مدل اثر می‌گذارند. با \u003Ccode>temperature\u003C\u002Fcode> تعیین می‌کنی مدل چقدر خلاق یا چقدر دقیق باشد؛ با یک جملهٔ ساده طول و قالبِ جواب را کنترل می‌کنی؛ و با \u003Ccode>reasoning model\u003C\u002Fcode> تصمیم می‌گیری کِی بگذاری مدل قبل از جواب‌دادن بیشتر فکر کند. آخر این فصل می‌توانی خروجی را دقیقاً به‌اندازهٔ کارَت کوک کنی — نه خیلی خشک، نه خیلی رها.\u003C\u002Fp>\n\u003Cp>\u003Cpicture>\u003Csource type=\"image\u002Fwebp\" srcset=\"\u002F_img\u002F01-image-controls.28d9c31123.160.webp 160w, \u002F_img\u002F01-image-controls.28d9c31123.320.webp 320w, \u002F_img\u002F01-image-controls.28d9c31123.480.webp 480w, \u002F_img\u002F01-image-controls.28d9c31123.640.webp 640w, \u002F_img\u002F01-image-controls.28d9c31123.768.webp 768w, \u002F_img\u002F01-image-controls.28d9c31123.960.webp 960w, \u002F_img\u002F01-image-controls.28d9c31123.1280.webp 1280w\" sizes=\"(max-width: 900px) 100vw, 800px\">\u003Cimg src=\"\u002F_img\u002F01-image-controls.28d9c31123.1280.jpg\" srcset=\"\u002F_img\u002F01-image-controls.28d9c31123.160.jpg 160w, \u002F_img\u002F01-image-controls.28d9c31123.320.jpg 320w, \u002F_img\u002F01-image-controls.28d9c31123.480.jpg 480w, \u002F_img\u002F01-image-controls.28d9c31123.640.jpg 640w, \u002F_img\u002F01-image-controls.28d9c31123.768.jpg 768w, \u002F_img\u002F01-image-controls.28d9c31123.960.jpg 960w, \u002F_img\u002F01-image-controls.28d9c31123.1280.jpg 1280w\" sizes=\"(max-width: 900px) 100vw, 800px\" alt=\"یک تابلوی کنترل با سه اهرم و دکمه: یکی برای خلاقیت، یکی برای طول، یکی برای عمقِ فکر، همه به یک خروجیِ متن وصل‌اند\" width=\"1376\" height=\"768\" loading=\"lazy\" decoding=\"async\">\u003C\u002Fpicture>\u003C\u002Fp>\n\u003Cp>آخر این فصل می‌توانی:\u003C\u002Fp>\n\u003Cul>\n\u003Cli>بگویی \u003Ccode>temperature\u003C\u002Fcode> چیست و اثرش را روی خلاق‌بودن در برابر دقیق‌بودن با چشمِ خودت ببینی\u003C\u002Fli>\n\u003Cli>طول و قالبِ خروجی را با یک جمله کنترل کنی\u003C\u002Fli>\n\u003Cli>بفهمی \u003Ccode>reasoning model\u003C\u002Fcode> چیست و کِی ارزشِ فکرِ بیشتر را دارد\u003C\u002Fli>\n\u003Cli>برای هر کار انتخاب کنی: دقیق، خلاق، یا عمیق\u003C\u002Fli>\n\u003C\u002Ful>\n",{"kind":21,"heading":25,"html":26},"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 ترم ۱ فصل ۳:\u003C\u002Fstrong> مدل جمله را کلمه‌به‌کلمه می‌سازد و هر بار محتمل‌ترین ادامه را حدس می‌زند.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>از فصل ۲ همین ترم:\u003C\u002Fstrong> می‌توانی قالبِ خروجی را در پرامپت تعیین کنی.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>از فصل ۵ همین ترم:\u003C\u002Fstrong> \u003Ccode>system prompt\u003C\u002Fcode> یک نقشِ پایدار به مدل می‌دهد.\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>فقط یک مرورگر و دستیارِ هوش مصنوعی‌ات (با کلیدِ رایگانِ خودت) لازم داری.\u003C\u002Fp>\n",{"kind":28,"heading":29,"html":30,"embed":31},"lab","","— اینجا یک اهرمِ temperature می‌بینی که می‌توانی بالا و پایینش کنی و بلافاصله اثرش را روی خروجی ببینی","\u002Flab\u002Fembed\u002Fhamhoosh\u002Fterm-2-effective-prompting\u002Fsession-06-tune",{"kind":21,"heading":33,"html":34},"۱. یک دکمهٔ تازه: temperature","\u003Ch2 id=\"۱-یک-دکمهٔ-تازه-temperature\">۱. یک دکمهٔ تازه: \u003Ccode>temperature\u003C\u002Fcode>\u003Ca class=\"head-anchor\" href=\"#%DB%B1-%DB%8C%DA%A9-%D8%AF%DA%A9%D9%85%D9%87%D9%94-%D8%AA%D8%A7%D8%B2%D9%87-temperature\" aria-label=\"پیوند به این بخش\">#\u003C\u002Fa>\u003C\u002Fh2>\n\u003Cp>یادت هست که مدل هر کلمه را با پیش‌بینیِ محتمل‌ترین ادامه می‌سازد. \u003Ccode>temperature\u003C\u002Fcode> تعیین می‌کند مدل چقدر به آن «محتمل‌ترین» انتخاب پایبند بماند. آن را مثلِ یک اهرم تصور کن:\u003C\u002Fp>\n\u003Cul>\n\u003Cli>\u003Ccode>temperature\u003C\u002Fcode>ِ \u003Cstrong>پایین\u003C\u002Fstrong> (نزدیکِ صفر): مدل تقریباً همیشه محتمل‌ترین کلمه را برمی‌دارد. نتیجه \u003Cstrong>دقیق، قابلِ‌پیش‌بینی و باثبات\u003C\u002Fstrong> است — هر بار تقریباً یک جواب. عالی برای وقتی که درستی مهم است.\u003C\u002Fli>\n\u003Cli>\u003Ccode>temperature\u003C\u002Fcode>ِ \u003Cstrong>بالا:\u003C\u002Fstrong> مدل گاهی کلمه‌های کم‌احتمال‌تر را هم انتخاب می‌کند. نتیجه \u003Cstrong>متنوع، غافل‌گیرکننده و خلاق\u003C\u002Fstrong> است — ولی همراهش بی‌ثباتی و احتمالِ بیشترِ خطا هم می‌آید.\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>یک اهرم، دو سرِ طیف: یک سر دقت، سرِ دیگر خلاقیت. کارِ تو این است که بسته به کار، اهرم را جای درستش بگذاری.\u003C\u002Fp>\n",{"kind":21,"heading":36,"html":37},"۲. اثرِ temperature را ببین","\u003Ch2 id=\"۲-اثرِ-temperature-را-ببین\">۲. اثرِ \u003Ccode>temperature\u003C\u002Fcode> را ببین\u003Ca class=\"head-anchor\" href=\"#%DB%B2-%D8%A7%D8%AB%D8%B1%D9%90-temperature-%D8%B1%D8%A7-%D8%A8%D8%A8%DB%8C%D9%86\" aria-label=\"پیوند به این بخش\">#\u003C\u002Fa>\u003C\u002Fh2>\n\u003Cp>این را فقط نخوان؛ ببین. یک پرامپتِ \u003Cstrong>خلاقانه\u003C\u002Fstrong> را دو بار امتحان کن، یک بار با \u003Ccode>temperature\u003C\u002Fcode>ِ پایین و یک بار با بالا:\u003C\u002Fp>\n\u003Cpre class=\"code-block\" dir=\"ltr\">\u003Ccode>سه اسمِ خلاقانه برای یک کافه‌کتاب پیشنهاد بده.\n\u003C\u002Fcode>\u003C\u002Fpre>\n\u003Cp>با \u003Ccode>temperature\u003C\u002Fcode>ِ \u003Cstrong>پایین\u003C\u002Fstrong>، جوابی امن‌تر و قابلِ‌پیش‌بینی‌تر می‌گیری، چیزی شبیهِ این — و مهم‌تر از خودِ اسم‌ها: اگر دوباره بفرستی، تقریباً \u003Cstrong>کلمه‌به‌کلمه همان‌ها\u003C\u002Fstrong> برمی‌گردد:\u003C\u002Fp>\n\u003Cpre class=\"code-block\" dir=\"ltr\">\u003Ccode>۱. کافهٔ آرام\n۲. خانهٔ قهوه\n۳. کافه‌کتاب\n\u003C\u002Fcode>\u003C\u002Fpre>\n\u003Cp>اسم‌های \u003Ccode>temperature\u003C\u002Fcode>ِ پایین لزوماً بی‌مزه نیستند — گاهی کاملاً خوش‌ساخت‌اند. چیزی که واقعاً باید ببینی \u003Cstrong>تکرارپذیری\u003C\u002Fstrong> است: دو بار بفرست و دو خروجی را کنارِ هم بگذار. اگر تقریباً یکی بودند، اهرم را دیده‌ای. حالا \u003Ccode>temperature\u003C\u002Fcode> را \u003Cstrong>بالا\u003C\u002Fstrong> ببر و همان را بفرست. جواب زنده‌تر و غیرمنتظره‌تر می‌شود، و — نکتهٔ اصلی — هر بار فرق می‌کند:\u003C\u002Fp>\n\u003Cpre class=\"code-block\" dir=\"ltr\">\u003Ccode>۱. فنجان و فصل\n۲. قهوه زیرِ چراغِ مطالعه\n۳. هزارتوی کاغذی\n\u003C\u002Fcode>\u003C\u002Fpre>\n\u003Cp>همین اهرم برای کارِ خلاق نعمت است و برای کارِ دقیق دردسر. حالا یک سؤالِ \u003Cstrong>واقعی\u003C\u002Fstrong> بپرس — مثلاً یک تعریفِ مشخص یا یک واقعیت — و \u003Ccode>temperature\u003C\u002Fcode> را بالا بگذار. مدل بیشتر لغزش می‌کند و راحت‌تر یک جزءِ ساختگی به جواب اضافه می‌کند، چون داری تشویقش می‌کنی از محتمل‌ترین مسیر منحرف شود. پس برای واقعیت‌ها اهرم را پایین نگه دار.\u003C\u002Fp>\n\u003Cblockquote>\n\u003Cp>✅ \u003Cstrong>وارسی:\u003C\u002Fstrong> پایین‌بودنِ \u003Ccode>temperature\u003C\u002Fcode> جواب را \u003Cstrong>باثبات‌تر\u003C\u002Fstrong> می‌کند، نه لزوماً \u003Cstrong>درست‌تر\u003C\u002Fstrong>. یک جوابِ غلط می‌تواند با \u003Ccode>temperature\u003C\u002Fcode>ِ پایین، هر بار همان‌قدر مطمئن و همان‌قدر غلط تکرار شود. پس هر ادعای واقعی را باز هم با منبعِ اصلی تطبیق بده: \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\u003Cp>\u003Cstrong>قبل از ادامه، جواب بده:\u003C\u002Fstrong> برای نوشتنِ یک شعرِ بامزه، اهرمِ \u003Ccode>temperature\u003C\u002Fcode> را بالا می‌گذاری یا پایین؟ برای پرسیدنِ یک تعریفِ دقیق چطور؟\u003C\u002Fp>\n",{"kind":21,"heading":39,"html":40},"۳. کنترلِ طول و قالب","\u003Ch2 id=\"۳-کنترلِ-طول-و-قالب\">۳. کنترلِ طول و قالب\u003Ca class=\"head-anchor\" href=\"#%DB%B3-%DA%A9%D9%86%D8%AA%D8%B1%D9%84%D9%90-%D8%B7%D9%88%D9%84-%D9%88-%D9%82%D8%A7%D9%84%D8%A8\" aria-label=\"پیوند به این بخش\">#\u003C\u002Fa>\u003C\u002Fh2>\n\u003Cp>دو دکمهٔ کنترلیِ دیگر اصلاً اهرمِ جدا ندارند — با یک جمله در پرامپت انجام می‌شوند. \u003Cstrong>طول\u003C\u002Fstrong> را مستقیم بخواه: «در یک جمله»، «در سه بند»، «کوتاه». و \u003Cstrong>قالب\u003C\u002Fstrong> را هم صریح بگو: «به‌صورتِ فهرست»، «در یک جدول»، «فقط یک کلمه». مدل به این خواسته‌ها خوب گوش می‌دهد و همین کنترلِ ساده، خروجی را از یک متنِ کلی به چیزی دقیقاً به‌دردبخور تبدیل می‌کند.\u003C\u002Fp>\n\u003Cp>امتحان کن. اول این را بفرست:\u003C\u002Fp>\n\u003Cpre class=\"code-block\" dir=\"ltr\">\u003Ccode>عکاسی چیست؟\n\u003C\u002Fcode>\u003C\u002Fpre>\n\u003Cp>یک توضیحِ کلی و نسبتاً بلند می‌گیری. حالا همان را با کنترلِ طول و قالب دوباره بخواه:\u003C\u002Fp>\n\u003Cpre class=\"code-block\" dir=\"ltr\">\u003Ccode>عکاسی چیست؟ در دقیقاً دو جمله و به زبانِ ساده جواب بده.\n\u003C\u002Fcode>\u003C\u002Fpre>\n\u003Cp>این‌بار جوابی کوتاه و مرتب می‌گیری. همین یک جمله تفاوتِ بینِ «یک مقالهٔ کوچک» و «چیزی که می‌شود سریع خواند» است.\u003C\u002Fp>\n\u003Cblockquote>\n\u003Cp>💡 \u003Cstrong>نکته:\u003C\u002Fstrong> کنترلِ طول و قالب را با \u003Ccode>system prompt\u003C\u002Fcode> ترکیب کن تا در کلِ گفت‌وگو پابرجا بماند — مثلاً در نقش بنویس «همیشه کوتاه و به‌صورتِ فهرست جواب بده» تا لازم نباشد در هر پیام تکرارش کنی.\u003C\u002Fp>\n\u003C\u002Fblockquote>\n",{"kind":21,"heading":42,"html":43},"۴. reasoning model: کِی بگذار مدل بیشتر فکر کند","\u003Ch2 id=\"۴-reasoning-model-کِی-بگذار-مدل-بیشتر-فکر-کند\">۴. \u003Ccode>reasoning model\u003C\u002Fcode>: کِی بگذار مدل بیشتر فکر کند\u003Ca class=\"head-anchor\" href=\"#%DB%B4-reasoning-model-%DA%A9%D9%90%DB%8C-%D8%A8%DA%AF%D8%B0%D8%A7%D8%B1-%D9%85%D8%AF%D9%84-%D8%A8%DB%8C%D8%B4%D8%AA%D8%B1-%D9%81%DA%A9%D8%B1-%DA%A9%D9%86%D8%AF\" aria-label=\"پیوند به این بخش\">#\u003C\u002Fa>\u003C\u002Fh2>\n\u003Cp>بعضی مدل‌ها یک حالتِ دیگر هم دارند: به‌جای اینکه فوری جواب بدهند، اول \u003Cstrong>قدم‌به‌قدم روی مسئله کار می‌کنند\u003C\u002Fstrong> و بعد جوابِ نهایی را می‌دهند. به این‌ها \u003Ccode>reasoning model\u003C\u002Fcode> می‌گویند. این فکرِ بیشتر رایگان نیست — کندتر است — ولی برای مسئله‌های \u003Cstrong>سخت و چندمرحله‌ای\u003C\u002Fstrong> فرق می‌کند. یک نمونه را با چشمِ خودت ببین:\u003C\u002Fp>\n\u003Cpre class=\"code-block\" dir=\"ltr\">\u003Ccode>از عددِ ۱ تا ۵۰۰، رقمِ «۳» در مجموع چند بار ظاهر می‌شود؟ فقط عدد را بگو.\n\u003C\u002Fcode>\u003C\u002Fpre>\n\u003Cp>این سؤال هیچ دانشِ خاصی نمی‌خواهد؛ فقط باید سه جا را جدا بشماری و جمع کنی: رقمِ یکان، رقمِ دهگان، رقمِ صدگان. یعنی دقیقاً یک مسئلهٔ \u003Cstrong>چندمرحله‌ای\u003C\u002Fstrong>. مدل در حالتِ \u003Cstrong>سریع\u003C\u002Fstrong> معمولاً یک عددِ گِردِ نزدیک‌به‌درست می‌دهد — چیزی مثلِ ۱۹۰ — که با اطمینانِ کامل هم گفته می‌شود و کاملاً غلط است. حالا همان سؤال را به یک \u003Ccode>reasoning model\u003C\u002Fcode> بده یا اجازه بده قدم‌هایش را بنویسد. این‌بار قبل از جواب کمی «کار می‌کند»: یکان‌ها ۵۰ تا، دهگان‌ها ۵۰ تا، و صدگان‌ها (یعنی ۳۰۰ تا ۳۹۹) ۱۰۰ تا. جوابِ درست: \u003Cstrong>۲۰۰\u003C\u002Fstrong>.\u003C\u002Fp>\n\u003Cp>فرق در این نبود که مدل چیزِ بیشتری می‌دانست؛ فرق در این بود که \u003Cstrong>فرصتِ فکر\u003C\u002Fstrong> داشت و از دامِ اولین حدس رها شد. برای مسئله‌های منطقی، برنامه‌ریزیِ چندقدمی و هر چیزی که یک لغزشِ کوچک همه‌چیز را خراب می‌کند، همین فکرِ اضافه ارزش دارد.\u003C\u002Fp>\n\u003Cblockquote>\n\u003Cp>💡 \u003Cstrong>نکته:\u003C\u002Fstrong> معماهای کلاسیک (مثلِ «پدرِ نیما پنج فرزند دارد…») برای این کار دیگر خوب نیستند: آن‌قدر در متنِ اینترنت تکرار شده‌اند که مدل‌های امروز حتی در حالتِ سریع هم جوابشان را از بر دارند. یک آزمایشِ خوبِ «عمق» باید کاری باشد که \u003Cstrong>حفظ‌کردنی نیست\u003C\u002Fstrong> و باید همان لحظه انجام شود — مثلِ همین شمردنِ رقم‌ها. این خودش یک درسِ کوچک است دربارهٔ اینکه چرا معیارهای قدیمی زود کهنه می‌شوند.\u003C\u002Fp>\n\u003C\u002Fblockquote>\n\u003Cblockquote>\n\u003Cp>💡 \u003Cstrong>نکته:\u003C\u002Fstrong> \u003Ccode>reasoning model\u003C\u002Fcode> نوش‌دارو نیست. برای کارِ ساده یا خلاق (مثلِ همان اسمِ کافه) فقط کندترت می‌کند بدونِ سودِ واقعی. عمقِ بیشتر را جایی خرج کن که مسئله واقعاً سخت باشد.\u003C\u002Fp>\n\u003C\u002Fblockquote>\n\u003Cp>\u003Cstrong>قبل از ادامه، جواب بده:\u003C\u002Fstrong> برای «یک اسمِ بامزه برای گربه‌ام پیشنهاد بده» به \u003Ccode>reasoning model\u003C\u002Fcode> نیاز داری؟ برای «این چند شرط را کنارِ هم بگذار و نتیجه بگیر» چطور؟\u003C\u002Fp>\n",{"kind":21,"heading":45,"html":46},"۵. کِی دقیق، کِی خلاق، کِی عمیق","\u003Ch2 id=\"۵-کِی-دقیق-کِی-خلاق-کِی-عمیق\">۵. کِی دقیق، کِی خلاق، کِی عمیق\u003Ca class=\"head-anchor\" href=\"#%DB%B5-%DA%A9%D9%90%DB%8C-%D8%AF%D9%82%DB%8C%D9%82-%DA%A9%D9%90%DB%8C-%D8%AE%D9%84%D8%A7%D9%82-%DA%A9%D9%90%DB%8C-%D8%B9%D9%85%DB%8C%D9%82\" aria-label=\"پیوند به این بخش\">#\u003C\u002Fa>\u003C\u002Fh2>\n\u003Cp>حالا سه دکمه داری و می‌توانی برای هر کار درست انتخاب کنی:\u003C\u002Fp>\n\u003Cul>\n\u003Cli>\u003Cstrong>دقیق\u003C\u002Fstrong> (واقعیت، تعریف، خلاصهٔ وفادار): \u003Ccode>temperature\u003C\u002Fcode>ِ پایین، طولِ کوتاه، قالبِ روشن.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>خلاق\u003C\u002Fstrong> (ایده، اسم، داستان، طوفانِ فکری): \u003Ccode>temperature\u003C\u002Fcode>ِ بالا، آزادیِ بیشتر در قالب.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>عمیق\u003C\u002Fstrong> (مسئلهٔ منطقی و چندمرحله‌ای): \u003Ccode>reasoning model\u003C\u002Fcode> را روشن کن و بگذار فکر کند.\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>ولی زیرِ هر سه، یک قاعده ثابت می‌ماند. هیچ‌کدام از این دکمه‌ها \u003Cstrong>درستی\u003C\u002Fstrong> را تضمین نمی‌کنند: \u003Ccode>temperature\u003C\u002Fcode>ِ پایین جواب را باثبات می‌کند نه درست، و \u003Ccode>reasoning model\u003C\u002Fcode> هم می‌تواند مطمئن و غلط باشد.\u003C\u002Fp>\n\u003Cblockquote>\n\u003Cp>✅ \u003Cstrong>وارسی:\u003C\u002Fstrong> هر خروجی — با هر تنظیمی از این سه دکمه — اگر یک ادعای واقعی دارد، باید با منبعِ مستقلِ اصلی تطبیق بخورد. دکمه‌ها \u003Cstrong>شکلِ\u003C\u002Fstrong> جواب را کنترل می‌کنند، نه \u003Cstrong>حقیقتش\u003C\u002Fstrong> را. \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":21,"heading":48,"html":49},"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>temperature\u003C\u002Ftd>\n\u003Ctd>تِمپِرِچِر\u003C\u002Ftd>\n\u003Ctd>اهرمی که تعیین می‌کند مدل چقدر به محتمل‌ترین انتخاب پایبند بماند: پایین = دقیق و باثبات، بالا = خلاق و متنوع\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>reasoning model\u003C\u002Ftd>\n\u003Ctd>ریزنینگ‌مادِل\u003C\u002Ftd>\n\u003Ctd>مدلی که قبل از جواب قدم‌به‌قدم روی مسئله کار می‌کند؛ کندتر ولی برای مسئله‌های سختِ چندمرحله‌ای بهتر\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003C\u002Ftbody>\n\u003C\u002Ftable>\u003C\u002Fdiv>",{"kind":51,"heading":52,"html":53},"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 پرامپتِ خلاقانه (مثلِ اسمِ یک محصول) را یک بار با \u003Ccode>temperature\u003C\u002Fcode>ِ پایین و یک بار با بالا بفرست، هرکدام دو بار. در دو جمله بنویس: کدام تنظیم جواب‌های شبیه‌به‌هم داد و کدام هر بار چیزِ تازه‌ای؟\u003C\u002Fp>\n\u003Cp>\u003Cstrong>تمرین ستاره‌دار ⭐:\u003C\u002Fstrong> یک مسئلهٔ چندمرحله‌ایِ کوتاه که \u003Cstrong>جوابش حفظ‌کردنی نباشد\u003C\u002Fstrong> بساز (مثلِ همان شمردنِ رقم‌ها، ولی با یک رقم و یک بازهٔ دیگر) و یک بار در حالتِ سریع و یک بار با \u003Ccode>reasoning model\u003C\u002Fcode> بپرس. آیا جواب‌ها فرق کردند؟ بعد جوابِ درست را خودت با دوباره‌خواندنِ صورتِ مسئله وارسی کن — یادت باشد که حتی حالتِ عمیق هم ممکن است اشتباه کند.\u003C\u002Fp>\n",{"kind":21,"heading":55,"html":56},"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 هم متنِ پرامپت و هم دکمه‌های خروجی را کنترل کنی. فصلِ بعد همهٔ این‌ها را جمع می‌کنیم و یک \u003Cstrong>پرامپتِ ساختارمند\u003C\u002Fstrong> می‌سازیم: یک الگوی قابلِ‌استفادهٔ مجدد که به‌جای یک جوابِ یک‌بارمصرف، یک ابزارِ واقعی برایت می‌شود — چیزی که می‌توانی نگهش داری، بهترش کنی، و با دیگران به اشتراک بگذاری.\u003C\u002Fp>\n",{"course":58,"entitled":66,"lessons":67,"payments_enabled":66,"terms":220,"live":5},{"active_window":59,"effective_price_toman":60,"free":5,"lesson_count":61,"price_toman":62,"slug":63,"summary_fa":64,"title_fa":65},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,[68,72,75,79,83,86,89,92,96,99,102,105,108,109,110,111,114,118,121,124,127,130,133,136,139,142,145,148,151,154,157,160,163,166,169,172,175,178,181,184,187,190,193,196,199,202,205,208,211,214,217],{"free_preview":5,"order":69,"slug":70,"source":8,"term":69,"title_fa":71},1,"t1-s01-first-conversation","فصل ۰۱ — با چه چیزی حرف می‌زنی؟ اولین گفت‌وگو",{"free_preview":5,"order":9,"slug":73,"source":8,"term":69,"title_fa":74},"t1-s02-how-it-learns","فصل ۰۲ — چطور یاد گرفت",{"free_preview":5,"order":76,"slug":77,"source":8,"term":69,"title_fa":78},3,"t1-s03-tokens","فصل ۰۳ — توکن: واحدِ کارِ مدل",{"free_preview":5,"order":80,"slug":81,"source":8,"term":69,"title_fa":82},4,"t1-s04-hallucination","فصل ۰۴ — چرا مطمئن ولی غلط: توهم",{"free_preview":5,"order":12,"slug":84,"source":8,"term":69,"title_fa":85},"t1-s05-limits","فصل ۰۵ — مرزها: چه نمی‌داند و چه نباید ازش خواست",{"free_preview":5,"order":6,"slug":87,"source":8,"term":69,"title_fa":88},"t1-s06-types","فصل ۰۶ — گونه‌های هوش مصنوعی",{"free_preview":5,"order":16,"slug":90,"source":8,"term":69,"title_fa":91},"t1-s07-responsible-start","فصل ۰۷ — از همین حالا مسئولانه",{"free_preview":5,"order":93,"slug":94,"source":8,"term":69,"title_fa":95},8,"t1-s08-interrogate-project","فصل ۰۸ — پروژه: یک مدل را بازجویی کن",{"free_preview":5,"order":69,"slug":97,"source":8,"term":9,"title_fa":98},"t2-s01-intent","فصل ۰۱ — نیت، نه جادو",{"free_preview":5,"order":9,"slug":100,"source":8,"term":9,"title_fa":101},"t2-s02-context","فصل ۰۲ — زمینه‌دادن",{"free_preview":5,"order":76,"slug":103,"source":8,"term":9,"title_fa":104},"t2-s03-iterate","فصل ۰۳ — حلقهٔ تکرار",{"free_preview":5,"order":80,"slug":106,"source":8,"term":9,"title_fa":107},"t2-s04-verify","فصل ۰۴ — وارسی: مهم‌ترین مهارت",{"free_preview":5,"order":12,"slug":13,"source":8,"term":9,"title_fa":14},{"free_preview":5,"order":6,"slug":7,"source":8,"term":9,"title_fa":10},{"free_preview":5,"order":16,"slug":17,"source":8,"term":9,"title_fa":18},{"free_preview":5,"order":93,"slug":112,"source":8,"term":9,"title_fa":113},"t2-s08-antipatterns","فصل ۰۸ — دام‌ها و افسانه‌ها",{"free_preview":5,"order":115,"slug":116,"source":8,"term":9,"title_fa":117},9,"t2-s09-assistant-project","فصل ۰۹ — پروژه: یک دستیارِ شخصی بساز",{"free_preview":5,"order":69,"slug":119,"source":8,"term":76,"title_fa":120},"t3-s01-images","فصل ۰۱ — ساختِ تصویر با هوش مصنوعی",{"free_preview":66,"order":9,"slug":122,"source":8,"term":76,"title_fa":123},"t3-s02-image-understanding","فصل ۰۲ — فهمِ تصویر",{"free_preview":66,"order":76,"slug":125,"source":8,"term":76,"title_fa":126},"t3-s03-audio-video","فصل ۰۳ — صدا و ویدیو",{"free_preview":66,"order":80,"slug":128,"source":8,"term":76,"title_fa":129},"t3-s04-research","فصل ۰۴ — پژوهش با هوش مصنوعی",{"free_preview":66,"order":12,"slug":131,"source":8,"term":76,"title_fa":132},"t3-s05-writing","فصل ۰۵ — نوشتن و بازنویسی",{"free_preview":66,"order":6,"slug":134,"source":8,"term":76,"title_fa":135},"t3-s06-study","فصل ۰۶ — یادگیری و درس‌خواندن",{"free_preview":66,"order":16,"slug":137,"source":8,"term":76,"title_fa":138},"t3-s07-work","فصل ۰۷ — کارِ حرفه‌ای",{"free_preview":66,"order":93,"slug":140,"source":8,"term":76,"title_fa":141},"t3-s08-coding-help","فصل ۰۸ — کمکِ کدنویسی (بی‌آنکه برنامه‌نویس باشی)",{"free_preview":66,"order":115,"slug":143,"source":8,"term":76,"title_fa":144},"t3-s09-workflow-project","فصل ۰۹ — پروژه: یک جریانِ کاریِ واقعی",{"free_preview":5,"order":69,"slug":146,"source":8,"term":80,"title_fa":147},"t4-s01-training-deep","فصل ۰۱ — آموزش، عمیق‌تر (بدون ریاضی)",{"free_preview":66,"order":9,"slug":149,"source":8,"term":80,"title_fa":150},"t4-s02-embeddings","فصل ۰۲ — از توکن تا معنا: embedding",{"free_preview":66,"order":76,"slug":152,"source":8,"term":80,"title_fa":153},"t4-s03-context-memory","فصل ۰۳ — حافظه و پنجرهٔ زمینه",{"free_preview":66,"order":80,"slug":155,"source":8,"term":80,"title_fa":156},"t4-s04-rag","فصل ۰۴ — RAG: دادنِ دانشِ تازه به مدل",{"free_preview":66,"order":12,"slug":158,"source":8,"term":80,"title_fa":159},"t4-s05-agents","فصل ۰۵ — عامل‌ها و ابزارها",{"free_preview":66,"order":6,"slug":161,"source":8,"term":80,"title_fa":162},"t4-s06-local-vs-cloud","فصل ۰۶ — مدلِ محلی در برابر ابری",{"free_preview":66,"order":16,"slug":164,"source":8,"term":80,"title_fa":165},"t4-s07-persian-gap","فصل ۰۷ — شکافِ فارسی-انگلیسی",{"free_preview":66,"order":93,"slug":167,"source":8,"term":80,"title_fa":168},"t4-s08-mental-model-project","فصل ۰۸ — پروژه: نقشهٔ ذهنیِ یک پاسخ",{"free_preview":5,"order":69,"slug":170,"source":8,"term":12,"title_fa":171},"t5-s01-api-idea","فصل ۰۱ — API چیست: حرف‌زدنِ برنامه با مدل",{"free_preview":66,"order":9,"slug":173,"source":8,"term":12,"title_fa":174},"t5-s02-first-call","فصل ۰۲ — اولین فراخوانی",{"free_preview":66,"order":76,"slug":176,"source":8,"term":12,"title_fa":177},"t5-s03-from-js","فصل ۰۳ — از JavaScript صدا بزن",{"free_preview":66,"order":80,"slug":179,"source":8,"term":12,"title_fa":180},"t5-s04-system-in-code","فصل ۰۴ — نقش و پارامتر در کد",{"free_preview":66,"order":12,"slug":182,"source":8,"term":12,"title_fa":183},"t5-s05-structured-output","فصل ۰۵ — خروجیِ ساختارمند",{"free_preview":66,"order":6,"slug":185,"source":8,"term":12,"title_fa":186},"t5-s06-build-app","فصل ۰۶ — یک وب‌اپِ کوچکِ هوش‌مصنوعی‌دار",{"free_preview":66,"order":16,"slug":188,"source":8,"term":12,"title_fa":189},"t5-s07-cost-limits","فصل ۰۷ — هزینه، سهمیه و مرزها",{"free_preview":66,"order":93,"slug":191,"source":8,"term":12,"title_fa":192},"t5-s08-ship-project","فصل ۰۸ — پروژه: ابزارِ هوش‌مصنوعیِ خودت را منتشر کن",{"free_preview":5,"order":69,"slug":194,"source":8,"term":6,"title_fa":195},"t6-s01-deepfakes","فصل ۰۱ — دیپ‌فیک و رسانهٔ جعلی",{"free_preview":66,"order":9,"slug":197,"source":8,"term":6,"title_fa":198},"t6-s02-misinformation","فصل ۰۲ — دفاع در برابر بدْاطلاعات",{"free_preview":66,"order":76,"slug":200,"source":8,"term":6,"title_fa":201},"t6-s03-detection-myth","فصل ۰۳ — افسانهٔ «تشخیصِ هوش مصنوعی»",{"free_preview":66,"order":80,"slug":203,"source":8,"term":6,"title_fa":204},"t6-s04-bias","فصل ۰۴ — سوگیری و انصاف",{"free_preview":66,"order":12,"slug":206,"source":8,"term":6,"title_fa":207},"t6-s05-privacy-data","فصل ۰۵ — حریم خصوصی و دادهٔ تو",{"free_preview":66,"order":6,"slug":209,"source":8,"term":6,"title_fa":210},"t6-s06-ownership","فصل ۰۶ — مالکیت و کپی‌رایتِ خروجی",{"free_preview":66,"order":16,"slug":212,"source":8,"term":6,"title_fa":213},"t6-s07-work-future","فصل ۰۷ — کار، مهارت و مرزهای سالم",{"free_preview":66,"order":93,"slug":215,"source":8,"term":6,"title_fa":216},"t6-s08-safety-ethics","فصل ۰۸ — ایمنی و اخلاق، بدونِ موعظه",{"free_preview":66,"order":115,"slug":218,"source":8,"term":6,"title_fa":219},"t6-s09-capstone","فصل ۰۹ — پروژهٔ نهایی: چیزی مسئولانه بساز و منتشر کن",[],1784990544327]