COMPΞZ 🧬

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.

حال خروجی قبل می‌تواند باز هم بهینه‌سازی شود؛ اما اینبار در حالت پیشرفته و در حالت خروجی نهایی تا ۹۰٪ بهینه سازی. ✔️

دستور سادهٔ یک خطی کجا، دستور بهبود یافته کجا.

از هر مدلی هم پشتیبانی می‌کنه؛ می‌تونی یه سرور راه‌اندازی کنی یه 5090 بندازی روش بدی به خوردش. پرامپتلی به هیچ عنوان حریم خصوصی رو نقض نمی‌کنه، اما دارای یک موتور داخلی هست برای ذخیرهٔ اطلاعات که می‌تونید بین کامپیوتر و نسخهٔ‌های همراه به واسطهٔ یک UUID اختصاصی دستورات رو منتقل کنید. حتی بحث بایگانی و یا خروجی‌های منتخب در این خصوص همگی روی سیستم اختصاصی کاربر مدیریت می‌شن. وظیفهٔ مدل‌ها فقط میانجی‌گری برای تفسیر و تبدیل هست.

کُرک و پرتون بریزه. 😄

نوشتن یک دستور خوب صرفاً تایپ‌کردن یک درخواست نیست. یک دستور مؤثر باید هدف، زمینه، محدودیت‌ها، قالب خروجی، سطح جزئیات و معیارهای موفقیت را به‌درستی مشخص کند. این کار برای بسیاری از کاربران نیازمند دانش و تجربه است؛ دانشی که باید در قالب یک محصول در دسترس همه قرار بگیرد، نه اینکه فقط در اختیار افراد متخصص باقی بماند. پرامپتلی برای همین ساخته شده است؛ ابزاری شبیه دستیار نگارشی، اما مخصوص ارتباط با هوش مصنوعی. کاربر می‌تواند یک درخواست ساده و حتی ناقص وارد کند و پرامپتلی آن را به یک دستور دقیق‌تر، ساختاریافته‌تر و قابل‌اجراتر تبدیل کند. این ابزار هم برای کاربران عادی طراحی شده و هم برای افراد حرفه‌ای: کاربر مبتدی می‌تواند بدون آشنایی با اصول دستور‌نویسی، درخواست بهتری تولید کند. کاربر حرفه‌ای نیز می‌تواند دستور خود را تحلیل کند، گسترش دهد، ساختار آن را بهبود دهد و برای مدل‌ها و سناریوهای مختلف بهینه‌سازی کند. پرامپتلی تنها یک بازنویس متن نیست. این سیستم می‌تواند کیفیت دستور را بررسی کند، ایرادهای آن را توضیح دهد و مواردی مانند وضوح، دقت، زمینه، محدودیت‌ها، ساختار و قابلیت اجرا را ارزیابی کند. هر دستور یک امتیاز کیفیت از ۱۰۰ دریافت می‌کند تا کاربر بداند درخواست او تا چه اندازه برای اجرا توسط هوش مصنوعی آماده است. یکی از اهداف اصلی پروژه، کاهش مصرف بیهودهٔ توکن است. بسیاری از کاربران به‌دلیل مبهم‌بودن درخواست، مجبور می‌شوند چندین بار توضیح خود را تکرار کنند، خروجی را اصلاح کنند یا دوباره از مدل پاسخ بگیرند. یک دستور دقیق‌تر می‌تواند تعداد رفت‌وبرگشت‌ها، زمان انتظار و هزینهٔ استفاده از مدل را کاهش دهد. پرامپتلی به یک مدل یا شرکت خاص وابسته نخواهد بود. این سیستم برای استفاده با مدل‌ها و ارائه‌دهندگان مختلف طراحی شده است؛ از سرویس‌های عمومی مانند OpenAI، Claude و OpenRouter گرفته تا مدل‌های زبانی محلی که روی رایانه، سرور شخصی یا زیرساخت اختصاصی یک سازمان اجرا می‌شوند. سازمان‌ها نیز می‌توانند از پرامپتلی در کنار مدل‌های داخلی خود استفاده کنند، بدون اینکه مجبور باشند همهٔ داده‌ها و دستورهایشان را به یک سرویس عمومی ارسال کنند. ویژگی‌های پیشرفته و پرمیوم پرامپتلی با اکوسیستم GENY ادغام می‌شوند. کاربران برای دسترسی به امکانات حرفه‌ای‌تر، مدل‌های پیشرفته و درگاه‌های مختلف هوش مصنوعی می‌توانند از GENY Token استفاده کنند. این ادغام می‌تواند دسترسی کاربران به مدل‌های مختلف را از طریق یک درگاه واحد ساده‌تر کند و امکان استفاده از قابلیت‌های پیشرفتهٔ پرامپتلی را در یک اکوسیستم یکپارچه فراهم سازد. پرامپتلی؛ دستیار هوشمند برای نوشتن دستورهای بهتر، دریافت پاسخ‌های دقیق‌تر و مصرف کمتر است.

خاک بر سرتون کنم فقط، برای شماهای چپول و خرزشی این سیستم از سرتونم زیادیه. 👌🏼