آموزش مهندسی پرامپت برای بهبود عملکرد مدل‌های زبانی - آخرین آپدیت

مبانی مهندسی پرامپت Prompt Engineering Foundation

• پرامپت‌نویسی برای بهبود عملکرد Prompting for Performance

• رفتار مدل: پرامپت یکسان و خروجی‌های متفاوت Model Behavior: Same Prompt and Different Output

• چرا ساختار در پرامپت‌ها اهمیت دارد Why Structure Matters in Prompts

• موازنه در پرامپت‌نویسی: هزینه، دقت و تأخیر Prompting Trade-offs: Cost, Accuracy, and Latency

عیب‌یابی مشکلات عملکرد پرامپت Diagnosing Prompt Performance Issues

• شناسایی عملکرد ضعیف در خروجی‌های مدل Spotting Poor Performance in Model Outputs

• بررسی با استفاده از متادیتای مدل Investigating with Model Metadata

• دیباگ عملی با پایتون Hands-on Debugging with Python

• دمو: عیب‌یابی پرامپت‌ها با پایتون Demo: Debugging Prompts with Python

• ارزیابی مدل Model Evaluation

ساختاربندی پرامپت‌ها برای نتایج بهتر Structuring Prompts for Better Results

• از تفکر مدل به تفکر عامل (Agent) From Model to Agent Thinking

• کالبدشکافی پرامپت‌های عامل Anatomy of an Agent Prompt

• ساخت پرامپت عامل شخصی شما Build Your Own Agent Prompt

بهینه‌سازی موارد استفاده و انتقال پرامپت Use Case Optimization and Prompt Migration

• بهینه‌سازی پرامپت‌ها برای موارد استفاده رایج Optimizing Prompts for Common Use Cases

• مدرن‌سازی پرامپت‌های قدیمی Modernizing a Legacy Prompt

• بازسازی ساختار پرامپت‌های قدیمی Refactor a Legacy Prompt

آینده مهندسی پرامپت The Future of Prompt Engineering

• چشم‌انداز در حال تحول مهندسی پرامپت The Evolving Landscape of Prompt Engineering

• راهنمای ابزارها و منابع Guided Tour of Tools & Resources

• گام‌های بعدی و جمع‌بندی What’s Next for You (Wrap-up)