آموزش مهندسی پرامپت برای ChatGPT - آخرین آپدیت

مبانی هوش مصنوعی مولد Foundations of Generative AI

• معرفی دوره Introduction to the Course

• نحوه عملکرد LLMها: توکن‌ها، احتمالات و پیش‌بینی‌ها How LLMs Work: Tokens, Probabilities, and Predictions

• آناتومی یک پرامپت: زمینه، دستورالعمل و خروجی The Anatomy of a Prompt: Context, Instruction, and Output

چارچوب‌های ضروری پرامپت‌نویسی Essential Prompting Frameworks

• اصول شفافیت و صراحت Principles of Clarity and Specificity

• به‌کارگیری چارچوب CO-STAR Applying the CO-STAR Framework

• چارچوب CREATE برای وظایف پیچیده The CREATE Framework for Complex Tasks

• پرامپت‌نویسی تکرار شونده: اصلاح گام‌به‌گام خروجی‌ها Iterative Prompting: Refining Outputs Step-by-Step

تکنیک‌های شناختی پیشرفته Advanced Cognitive Techniques

• مقایسه Zero Shot و Few Shot در پرامپت‌نویسی Zero-Shot vs. Few-Shot Prompting

• پیاده‌سازی زنجیره تفکر (CoT) Implementing Chain-of-Thought (CoT) Prompting

• کاهش توهمات: واقعیت‌های قابل تایید و محدودیت‌ها Reducing Hallucinations: Verifiable Facts and Constraints

شخصی‌سازی استایل، پرسونا و فرمت Tailoring Style, Persona, and Format

• مسترکلاس پرامپت‌نویسی معکوس The Masterclass of Reverse Prompting

• تسلط بر فرمت‌های خروجی (Markdown, JSON, Tables) Mastering Output Formats (Markdown, JSON, Tables)

• تبدیل داده‌های خام به گزارش‌های فرمت‌شده Transforming Raw Data into Formatted Reports

شبیه‌سازی‌های تعاملی و کاربردهای دنیای واقعی Interactive Simulations & Real-world Applications

• زنجیره‌سازی پرامپت‌ها برای پروژه‌های بزرگ Prompt Chaining for Large Projects

• تسلط بر چارچوب RACE Mastering the RACE Framework

جمع‌بندی دوره Course Conclusion

• روندهای آینده: عامل‌ها و پرامپت‌نویسی خودمختار Future Trends: Agents and Autonomous Prompting

• جمع‌بندی نهایی دوره Course Wrap-Up