# فصل ۰۸ — دام‌ها و افسانه‌ها

<div dir="rtl">

# فصل ۰۸ — دام‌ها و افسانه‌ها

## در این فصل چه یاد می‌گیری

هرچه بیشتر دربارهٔ پرامپت بخوانی، بیشتر به «ترفند»هایی برمی‌خوری که مثلِ طلسم دست‌به‌دست می‌شوند: «به مدل بگو قدم‌به‌قدم فکر کند»، «اول ازش تعریف کن»، «بگو این برایت خیلی مهم است وگرنه…»، «هرچه پرامپت بلندتر، بهتر». این فصل این افسانه‌ها را صادقانه روی میز می‌گذارد و نشان می‌دهد کدام‌ها دیگر کهنه شده‌اند، چرا اصلاً ساخته شدند، و آن چند چیزی که واقعاً می‌ماند کدام‌اند. هدف این نیست که فهرستِ تازه‌ای از ترفند حفظ کنی؛ برعکس — یاد می‌گیری چرا به ترفند تکیه نکنی.

![دو کلید به‌صورتِ نمونهٔ آموزشی: کلیدِ سمتِ چپ پرزَرق‌وبرق ولی برش‌خورده و توخالی، کلیدِ سمتِ راست ساده و یک‌پارچه و محکم](/lesson-assets/t2-s08-antipatterns/prompt/01-image-two-keys.png)

آخر این فصل می‌توانی:

- بگویی چرا یک ترفندِ پرامپت به‌مرورِ زمان کهنه می‌شود
- نشان بدهی چرا افزودنِ «قدم‌به‌قدم فکر کن» به یک `reasoning model` کارِ چندانی نمی‌کند
- تشخیص بدهی که تعارف و تهدیدِ مدل فولکلور است، نه مهارت
- نشان بدهی چرا پرامپتِ بیش‌ازحد بلند جواب را بدتر می‌کند
- بگویی چه چیزی از کلِ این ترم واقعاً می‌ماند

## قبل از شروع

- **از فصل ۶:** `reasoning model` — مدلی که پیش از جوابِ نهایی، خودش قدم‌به‌قدم فکر می‌کند.
- **از فصل ۳:** حلقهٔ تکرار — جواب را در چند دور پخته می‌کنی.
- **از فصل ۴:** وارسی — درستیِ خروجی را خودت می‌سنجی.

مثلِ همیشه 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-08-antipatterns) — هر افسانه را با نسخهٔ ساده‌اش کنارِ هم می‌گذاری تا با چشمِ خودت ببینی ترفند چیزی اضافه نمی‌کند.

## ۱. چرا یک ترفند کهنه می‌شود

اول یک چیزِ ساده را بفهم که کلیدِ کلِ فصل است: مدل‌ها ثابت نمی‌مانند. همان پرامپتی که امروز روی یک مدل یک جوابِ عالی می‌دهد، شش ماهِ دیگر روی نسلِ بعدیِ همان مدل ممکن است جوابِ متفاوتی بدهد. به این پدیدهٔ مستند می‌گویند `prompt drift`: با هر به‌روزرسانیِ مدل، رفتارِ یک پرامپتِ ثابت می‌لغزد.

نتیجه‌اش این است که یک ترفند معمولاً این‌طور متولد می‌شود: کسی روی یک مدلِ قدیمی چیزی را کشف می‌کند که واقعاً کمک می‌کرد، آن را می‌نویسد، خیلی‌ها دست‌به‌دستش می‌کنند، و کم‌کم به یک «قانون» تبدیل می‌شود. ولی مدل‌ها جلو می‌روند و بسیاری از این ترفندها پشتِ سر جا می‌مانند — یا بی‌اثر می‌شوند یا حتی مزاحم. برای همین این دوره از اول تصمیم گرفت **فرآیند** را یادت بدهد، نه دستور پخت: نیت، زمینه، تکرار و وارسی می‌مانند؛ ترفندِ خاص می‌میرد.

## ۲. «زنجیرهٔ فکر»ِ دستی روی مدلِ استدلالی

معروف‌ترین ترفند این است: به مدل بگو «قدم‌به‌قدم فکر کن» تا مسئله را بهتر حل کند. اسمِ فنی‌اش `chain-of-thought` است — یعنی مدل به‌جای پریدن به جواب، اول مراحلِ فکرش را بیرون بریزد. این ترفند زمانی واقعاً کمک می‌کرد، چون مدل‌های آن نسل عادت داشتند سرِ مسئله‌های چندمرحله‌ای مستقیم به یک جوابِ سرِهم بپرند.

ولی یادت هست فصل ۶ چه گفت؟ `reasoning model` این کار را **از قبل، خودش** انجام می‌دهد — قبل از جوابِ نهایی، درونی قدم‌به‌قدم فکر می‌کند. پس وقتی به چنین مدلی می‌گویی «قدم‌به‌قدم فکر کن»، داری چیزی را سفارش می‌دهی که همین‌الان دارد انجام می‌شود. بیا ببینیم. یک مسئله را دو بار به یک `reasoning model` بده — یک بار ساده، یک بار با ترفند:

</div>

```text
پرامپت الف:
یک قفسه ۳ طبقه دارد و هر طبقه ۷ کتاب جا می‌دهد. اگر ۲ قفسه داشته باشیم و
۵ کتاب کم بیاوریم که همه جاها پر شود، چند کتاب داریم؟

پرامپت ب:
قدم‌به‌قدم و با دقت فکر کن. عجله نکن. مرحله‌به‌مرحله پیش برو:
یک قفسه ۳ طبقه دارد و هر طبقه ۷ کتاب جا می‌دهد. اگر ۲ قفسه داشته باشیم و
۵ کتاب کم بیاوریم که همه جاها پر شود، چند کتاب داریم؟
```

<div dir="rtl">

هر دو را بفرست و جواب‌ها را کنارِ هم بگذار. تقریباً همیشه یک عدد می‌دهند و با همان کیفیت — چون مدلِ استدلالی در هر دو حالت درونی همان قدم‌ها را برمی‌دارد. آن جملهٔ اضافه در پرامپت ب کارِ تازه‌ای نکرد؛ فقط پرامپت را شلوغ‌تر کرد. این بهترین نمونهٔ یک ترفندِ **زائد** است: کاری را دوباره سفارش می‌دهی که مدل خودش دارد می‌کند. یک نکتهٔ منصفانه: این «زائد بودن» مخصوصِ همین `reasoning model`هاست که خودشان درونی قدم‌به‌قدم پیش می‌روند؛ روی یک مدلِ کوچک‌تر یا غیرِاستدلالی که این کار را از خودش نمی‌کند، گفتنِ صریحِ «قدم‌به‌قدم فکر کن» هنوز می‌تواند کمی کمک کند. پس درس این نیست که این جمله همیشه بی‌فایده است، بلکه این است که بدانی مدلی که داری چه می‌کند.

> ✅ **وارسی:** خودِ جواب هم باید وارسی شود، نه فقط ترفند. جوابِ درستِ این مسئله ۳۷ است (۲ قفسه × ۳ طبقه × ۷ کتاب = ۴۲ جا، منهای ۵). با ماشین‌حساب چک کن؛ اگر مدل عددِ دیگری داد، «قدم‌به‌قدم» گفتن هم نجاتش نمی‌دهد. سه قانونِ ثابتِ دوره همین‌جا هم صادق‌اند: **«اول خودت فکر کن» — «وارسی کن، خط به خط» — «مدل مطمئن است؛ دلیل نمی‌شود درست باشد».**

**قبل از ادامه، جواب بده:** اگر مدلی خودش درونی قدم‌به‌قدم فکر می‌کند، افزودنِ جملهٔ «قدم‌به‌قدم فکر کن» چه چیزِ تازه‌ای به آن اضافه می‌کند؟

## ۳. تعارف، التماس و تهدید

دستهٔ بعدیِ افسانه‌ها احساسی‌اند: «تو بهترین دستیارِ دنیایی، لطفاً…»، «این برای شغلم حیاتی است»، «اگر درست جواب ندهی جریمه می‌شوی». این‌ها فولکلورِ نسل‌های قدیمیِ مدل‌اند. مدل نه شغل دارد که نگرانش باشد، نه از تهدید می‌ترسد، نه از تعریف ذوق می‌کند — احساس ندارد. این جمله‌ها فقط `token`های بیشتری‌اند که کنارِ خواستهٔ اصلی‌ات می‌نشینند.

امتحان کن. یک بار با فشارِ احساسی بپرس، یک بار خشک و روشن:

</div>

```text
پرامپت الف:
خواهش می‌کنم، این برای من مرگ‌وزندگی است و اگر خوب جواب ندهی خیلی ناامید
می‌شوم. تو رو خدا یک عنوانِ خوب برای یک انشا دربارهٔ دوستی بنویس.

پرامپت ب:
سه عنوانِ کوتاه و گیرا برای یک انشای دانش‌آموزی دربارهٔ دوستی پیشنهاد بده.
```

<div dir="rtl">

پرامپت ب تقریباً همیشه جوابِ مفیدتری می‌دهد — نه چون بی‌ادب‌تر است، بلکه چون **مشخص‌تر** است: تعداد را گفت (سه)، قالب را گفت (کوتاه و گیرا)، و مخاطب را گفت (انشای دانش‌آموزی). آن فشارِ احساسیِ پرامپت الف هیچ‌کدام از این‌ها را نداشت. درسِ پایدار همان درسِ فصل ۱ است: چیزی که جواب را بهتر می‌کند **نیت و مشخصاتِ روشن** است، نه لحنِ نمایشی. و چون این ترفندها به نسلِ مدل گره خورده‌اند، حتی اگر روزی روی مدلی کمی اثر داشته باشند، پایدار نیستند.

> 💡 **نکته:** ادب در پرامپت عیب نیست و لازم نیست خشک بنویسی. حرف این است: «لطفاً» بی‌اشکال است، ولی به تعارف و تهدید به‌چشمِ **اهرمِ کیفیت** نگاه نکن. اهرمِ واقعی، دقتِ خواسته است.

## ۴. پرامپتِ بیش‌ازحد بلند

افسانهٔ آخر برعکسِ بقیه است: «هرچه بیشتر توضیح بدهی، بهتر». پس خیلی‌ها پرامپت را با انبوهی قاعده، مثال و مقدمه پُر می‌کنند تا جایی که خودِ **خواسته** زیرِ آوار گم می‌شود. مدل باید بین کوهی از حرف، سؤالِ اصلی را پیدا کند — و گاهی پیدایش نمی‌کند. یک نمونهٔ اغراق‌شده اما آشنا:

</div>

```text
سلام، امیدوارم حالت خوب باشد. من خیلی به کتاب علاقه دارم و از بچگی کتاب
می‌خواندم و همیشه فکر می‌کردم که کتاب بهترین دوستِ آدم است و پدربزرگم هم
همین را می‌گفت و راستی او یک کتابخانهٔ بزرگ داشت با کتاب‌های قدیمی و بوی
کاغذِ کهنه را دوست دارم و فکر می‌کنم مطالعه ذهن را باز می‌کند و یک بار یک
مقاله خواندم که می‌گفت مطالعه استرس را کم می‌کند و به‌هرحال دو کتابِ خوب
برای شروعِ یک نوجوان معرفی کن و راجع‌به نور و کاغذ و قهوه هم اگر چیزی داری بگو.
```

<div dir="rtl">

بفرستش. یک جوابِ نمونه که ممکن است بگیری:

</div>

```text
چه خاطرهٔ قشنگی از پدربزرگتان! بله، مطالعه واقعاً استرس را کم می‌کند و بوی
کاغذِ کهنه حسِ نوستالژی می‌دهد. نورِ مطالعهٔ گرم و یک فنجان قهوه هم فضای
خوبی می‌سازد. کتاب‌خواندن از کودکی عادتِ فوق‌العاده‌ای است.
```

<div dir="rtl">

دیدی چه شد؟ مدل رفت سراغِ حاشیه‌ها — خاطره، استرس، قهوه، نور — و **خواستهٔ اصلی**، یعنی «دو کتابِ خوب برای یک نوجوان معرفی کن»، اصلاً جواب داده نشد. پرامپت آن‌قدر بلند و پرحاشیه بود که سیگنالِ اصلی زیرِ نویز دفن شد.

**و اگر دستیارِ تو خواستهٔ اصلی را پیدا کرد و دو کتاب داد چه؟** خیلی محتمل است — مدل‌های امروز در بیرون‌کشیدنِ خواسته از یک متنِ شلوغ بهتر شده‌اند، و این پیشرفتِ واقعی است. ولی درس عوض نمی‌شود، فقط سنجه‌اش عوض می‌شود. به‌جای «جواب داد یا نداد»، این دو را بشمار: در جوابِ بلند چند جمله به خواستهٔ تو مربوط است و چند جمله به حاشیه‌ها؟ و آیا آن دو قیدی که واقعاً برایت مهم بود، «دو کتاب» و «برای شروعِ یک نوجوان»، رعایت شده؟ معمولاً یکی‌شان لای حاشیه گم می‌شود. **زمینهٔ بی‌ربط جواب را کاملاً نمی‌کُشد؛ رقیقش می‌کند** — و در یک کارِ واقعی، فرقِ این دو کم است.

حالا خواسته را از دلِ همان متن بیرون بکش و خشک بفرست:

</div>

```text
دو کتابِ خوب برای شروعِ مطالعهٔ یک نوجوان معرفی کن، با یک جمله دلیل برای هرکدام.
```

<div dir="rtl">

این‌بار جواب دقیقاً همان چیزی است که می‌خواستی. پس بلندی فضیلت نیست؛ **روشنیِ خواسته** فضیلت است. زمینه به‌اندازهٔ لازم خوب است (فصل ۲)، ولی زمینهٔ بی‌ربط فقط مدل را گمراه می‌کند.

> ✅ **وارسی:** وقتی مدل دو کتابِ واقعی معرفی کرد، اسم‌ها را یک جست‌وجوی ساده کن. یادت هست مدل بلد است کتابِ ناموجود بسازد (ترم ۱)؛ خلاصه‌شدنِ پرامپت این خطر را از بین نمی‌برد.

## ۵. چه چیزی می‌ماند

اگر ترفندها می‌آیند و می‌روند، پس چه چیزی را نگه داریم؟ همان چیزی که کلِ این ترم رویش بنا شد و به نسلِ مدل گره نخورده:

- **نیت** — روشن بگو چه می‌خواهی و برای چه کسی (فصل ۱ و ۲).
- **تکرار** — اولین جواب پیش‌نویس است؛ پله‌پله بهترش کن (فصل ۳).
- **وارسی** — درستی را خودت بسنج؛ به اطمینانِ مدل تکیه نکن (فصل ۴).

این سه‌تا نه با یک به‌روزرسانیِ مدل کهنه می‌شوند و نه فولکلورند. هر وقت به یک «ترفندِ جادویی» برخوردی، اول از خودت بپرس: این به کدام‌یک از این سه کمک می‌کند؟ اگر به هیچ‌کدام، احتمالاً یک افسانهٔ در-حالِ-کهنه‌شدن است.

## واژه‌های تازهٔ این فصل

</div>

| کلمه | تلفظ به حروف فارسی | یعنی چه |
|---|---|---|
| chain-of-thought | چِین‌آو‌ثات | اینکه مدل به‌جای پریدنِ مستقیم به جواب، اول مراحلِ فکرش را قدم‌به‌قدم بیرون بریزد |
| prompt drift | پرامپت‌دِریفت | لغزیدنِ رفتارِ یک پرامپتِ ثابت با هر به‌روزرسانیِ مدل، طوری که خروجی‌اش به‌مرور فرق می‌کند |

<div dir="rtl">

## تمرین‌ها

قبل از تمرین، بدون نگاه به بالا جواب بده: چرا افزودنِ «قدم‌به‌قدم فکر کن» به یک `reasoning model` معمولاً چیزی عوض نمی‌کند؟

**تمرین اجباری:** یکی از این سه افسانه را انتخاب کن (زنجیرهٔ فکرِ دستی، فشارِ احساسی، یا پرامپتِ بیش‌ازحد بلند). دو نسخه از یک پرامپت بساز — یکی با افسانه، یکی بدونِ آن — و روی همان کار اجرا کن. بنویس آیا واقعاً فرقی دیدی، و اگر آری، از کدام اجزای پایدار (نیت/تکرار/وارسی) آمد، نه از خودِ ترفند.

**تمرین ستاره‌دار ⭐:** یک «ترفندِ پرامپت» که جایی شنیده یا خوانده‌ای پیدا کن و امتحانش کن: نسخهٔ با-ترفند و نسخهٔ ساده را چند بار اجرا کن. آیا نتیجه پایدار است یا هر بار فرق می‌کند؟ اگر بی‌ثبات بود، همین بی‌ثباتی نشانهٔ یک افسانه است.

## در فصل بعد

حالا می‌دانی چه چیزی را کنار بگذاری و چه چیزی را نگه داری. فصلِ بعد فصلِ آخرِ این ترم است: یک پروژه. همهٔ آنچه در «گفت‌وگوی مؤثر» یاد گرفتی — نیت، زمینه، تکرار، وارسی، دستورِ سیستمی، تنظیمِ خلاقیت و دقت، و پرامپتِ ساختارمند — را در یک کار جمع می‌کنی و یک **دستیارِ شخصی** برای یک کارِ واقعیِ خودت می‌سازی. هیچ مفهومِ تازه‌ای نیست؛ فقط ساختن.

</div>

---
Source: https://yaadestan.com/courses/hamhoosh/lessons/t2/s08-antipatterns (یادستان, Yaadestan)
