COMPΞZ 🧬

هعی، ببین کی در مورد این صحبت کرده بودم. بعد خارجی تازه فهمیده همچین چیز‌هایی هم هست. 🥴

اهوم! اما من اینطوری استفاده نمی‌کنم! نمیام داخل print بنویسم n/ که بهش بفهمپنم برو به خط جدید! من همچین چیزی می‌نویسم به جاش:

std::println(“Hello, World”);

پاهای زنبور عسل حکم سبد گرده رو دارن گرده‌هارو‌ جمع می‌کنه و روی پاهی عقبی فشرده می‌کنه. این برای ساخت عسل نیست! این‌ها منبع اصلی پروتئین، چربی، ویتامین و مواد معدنی برای تغذیهٔ لاروها و زنبورهای جوان است.

پرامپتلی چه می‌کند... خروجی سمت چپ یک دستور بهینه نشده هست، یک دستور سادهٔ فارسی. خروجی سمت راست، یک دستور بهینه شده توسط پرامپتلی. هر دو خروجی در ChatGPT 5.6 اجرا شدن.

نکتهٔ مهم) این قالب و مثالی که زدم ثابت می‌کنه که هر عامل هوش مصنوعی که باشه، چه ChatGPT چه Claude یا Codex و هر چیز دیگری، باید یک نقشهٔ مهندسی شده براش تعریف بشه. نکتهٔ مهم‌تر) البته این قالب فقط یک مثال سادست، به این معنا هم نیست هرچیزی بهش تعریف کنی رو تبدیل کنه به یک محصول بی‌نقص و واقعی! مثلاً به این معنا نیست که بهش بگی یه چیزی مثل دیجی‌کالا می‌خوام بعد AI بیاد عینش رو برات پیاده کنه! نه، محصول نهایی و درست حسابی که هزاران هزار دلار ارزش دارن اینطوری ساخته نمی‌شن؛ مرحله به مرحله، فاز به فاز مهندسی می‌شن! و این قالب فقط ذهن شمارو نسبت به این که چطور می‌تونم یک قرارداد بین خودم و عامل هوش مصنوعی بنویسم رو یاد میده. فردا نری باهاش یه چیز بسازی خروجیش رو ببینی همون رو بکنی تو پاچهٔ ملت! صد‌ها برابر این چیزی که گفتم باید شما آگاه باشی این فقط یک قرارداد سادست برای آموزش تعامل با AI که از این روند عقب نمونید. من شخصاً محصول نهایی رو اینطوری نمی‌سازم! ولی از هوش مصنوعی برای بهبود و مسیردهی بهتر و سریع‌تر توی کار‌هام استفاده می‌کنم. چه چیزی بهتر از این چنین دستیاری!!؟ اون هم با نوشتن قرارداد‌های حرفه‌ای که همون زمانی که برای کد‌نویسی می‌ذارم رو صرف نوشتن قرارداد می‌کنم.

بعضی‌ها می‌گن که گاهاً خروجی‌هایی از AI می‌بینیم که باور نمی‌کنیم با پرامپت ساخته شدن! خب من باور می‌کنم چون شق‌القمر نکرده! چون شما وقتی در یک محیط IDE یا یک نرم‌افزار تخصصی سه‌بعدی یا مثلاً حتی بازی سازی کار می‌کنید، با یک لایهٔ میانجی‌گر بین برنامه‌نویس و رابط‌های برنامه‌نویسی و گرافیکی مواجه می‌شید. عامل‌های هوش مصنوعی همون لایه هستن! اما در یک شکل و ظاهر متفاوت. برای همین باور کردنش برای من خیلی سادست چون دقیقاً همون کاری رو می‌کنه که یک محیط توسعه برای شما انجام میده اما با تفاوت اینکه اینجا دستور و تصمیم رو از قبل از شما دریافت کرده. برنامه‌نویسی و ساخت یک محصول یک روند مشخص داره: ۱) ورودی (به شیوهٔ کد) اشیاء، مفاهیم و دستورالعمل‌های انسانی. ۲) پردازش جهت تفسیر، ترجمه و تبدیل به دستورالعمل قابل درک توسط CPU. ۳) خروجی و تعامل با انسان هوش مصنوعی تنها مرحلهٔ ۱ رو داره برای شما ساده‌سازی می‌کنه! همش همین. چیزی غیر قابل باور نیست همون رونده و همون قوائد. فقط در مرحلهٔ یک به جای اینکه زمان بیشتری صرف کد نوشتن کنی، زمانت رو صرف برنامه‌نویسی می‌کنی. فرق برنامه‌نویسی با کدنویسی خیلی بیشتر از چیزی است که معمولاً تصور می‌کنیم. کدنویسی یعنی نوشتن مجموعه‌ای از دستوراتی که ماشین بتواند آن‌ها را اجرا کند. اما برنامه‌نویسی یعنی فکر کردن پیش از نوشتن؛ یعنی فهم دقیق مسئله، شکستن آن به بخش‌های کوچک‌تر، طراحی راه‌حل، انتخاب معماری مناسب، پیش‌بینی خطاها، سنجیدن محدودیت‌ها و در نهایت تبدیل همهٔ این تصمیم‌ها به کد. کد فقط خروجی نهایی این فرایند است؛ نه تمامِ برنامه‌نویسی.

تا قبل از حضور هوش مصنوعی، برنامه‌ها در سطح حرفه‌ای ساده نویسی نمی‌شدن! معمولاً از واحد‌‌های آزمایشی استفاده می‌کردیم به خصوص در ++C برای ارزیابی و مدیریت بهتر حافظه، و در امثال Solidity برای اطمینان از درز‌ها و نشتی‌های مربوط به قرارداد‌های هوشمند. شما با هر نوع هوش مصنوعی‌ کار کنید، باید تأکید بر این داشته باشید که بخش مهمی از یک خروجی باید به اثبات موفقیت اختصاص پیدا کنه. در این چرخهٔ مهندسی من مواردی مثل Build، آزمایش‌های امنیتی، بنچ‌مارک‌ها و اجرا‌های قبل از خروجی رو تأکید داشتم. تأکید هم می‌کنم هیچ‌وقت به خروجی هوش مصنوعی بدون آزمایش و بازیابی دستی و چشمی تخصصی اعتماد نکنید، به خصوص در مورد قرارداد‌‌های بلاک‌چین! به شدت خطرناک و مهمن که اگه باگی یا موضوع امنیتی نادیده گرفته بشه بعدش دردسر‌های بزرگی ایجاد خواهد کرد. پس مرحلهٔ اثبات یا Unit Test‌ها باید در نظر گرفته بشن؛ اینطور نیست چند خط کد بنویسی بگی چون خروجی چاپ شد پس درسته! نه باید هم خودت هم عامل رو وادار کنی به صد‌ها روش سامورایی کد رو ارزیابی کنه. ✔️

هرچیزی که نوشتم توی دفترچهٔ راهنما رو عمیق در موردش فکر کن، نحوهٔ فکر کردنت راجع به عامل‌های هوش مصنوعی باید تغییر کنه.

پرامپت نویسی یعنی یه ChatGPT ساده رو وادار کنی همچین شیرجه‌ای بزنه واست. 😉

آدم برفی اولین فیلمی بود که ازش دیدم! و بعد از اون خاطره‌های زیادی برای نسل ما داشت؛ حداقل در زندگی امثال ما همیشه تأثیر مثبت گذاشته؛ لحظاتی مارو خندونده و همیشه هم بهش افتخار می‌کردیم و می‌کنیم. تک به تک هنرنمایی‌هایی که کرده بود همشون خالصانه و برای مردمش بود نه با نیت دیده شدن. چون با مردم بود دیده شد، و اگرنه خیلی‌ها اومدن اسم در کردن بعد یه مدت هیچ اعتباری ازشون نمونده. خداحافظ عمو اکبر، روحت شاد یادت گرامی. 🫡

می‌گه که انسان‌ها نادان به دنیا می‌آیند، نه احمق! احمق شدن، نیاز به آموزش دارد...! شب شیک.

خب روی جمینای ۳.۵ فلش، پرامپت بهینه شدهٔ فارسی حدود ۰.۰۰۰۸۵۷ دلار هزینه داره. فارسی میدی،‌ بهینه شدهٔ انگلیسی با پشتیبانی Markdown تحویل می‌گیری.

خب این لامصب مجبورم می‌کنه یه ایده‌پردازی دیگه بکنم! خب پرامپتلی باید یه بخشی داشته باشه که مصرف توکن بر الگو رو محاسبه کنه. باید بفهمیم چه دستوری با چقدر بهینگی روی کدوم مدل چقدر توکن می‌سوزونه! بنابراین، یک Usage Inspector باید طراحی بشه.

پروییییز، ترسیدییی؟ نترس! 😄

برای ۱۱ درخواست تولید، مدل SOL بسیار گران‌قیمت هست. با این حساب اون مخزنی که ساختم هزاران هزار دلار هزینه رو ذخیره می‌کنه :) فکرشو بکن فقط برای چند تا دستور نزدیک ۲ دلار مصرف کرده، ولی اون مخزنی که دادم یک پروژه رو کامل می‌سازه بدون اینکه مجبور بشی هزینه‌های سنگین کنی روی مدل‌های عمومی.

می‌گویند این وب بود؟ می‌گویم، خیر! فناوری ساخت، C++23/ Qt Quick, Qt6.11 😐

😏 تمام مدل‌های جهانی فعال شد.

پرامپتلی به فیبل از کلاد مجهز شد! 😄 فکرشو بکن با جنی پرداخت کنی، به Fable 5 دسترسی داشته باشی.

دقت کنی یه دستور ساده رو به یک ساختار حرفه‌ای تبدیل می‌کنه. به خصوص وقتی گزینهٔ بهینه‌ساز فعال باشه پرامپت رو خالص میده بیرون در قالب markdown قابل کپی و استفاده در ابزاری که دوست داریم.