پرش به مطلب اصلی
جستجو

ساخت پرامپت و نسخه‌بندی

در رجیستری پرامپت، هر تغییر مهم به‌صورت یک نسخه جدید ذخیره می‌شود. نسخه‌ها ثابت و فقط خواندنی‌اند؛ یعنی اگر پرامپت را ویرایش کنید، نسخه قبلی تغییر نمی‌کند و نسخه تازه‌ای ساخته می‌شود.

این صفحه روند ساخت یک پرامپت قابل استفاده مجدد را توضیح می‌دهد.

پیش‌نیازها​

  • به رجیستری پرامپت در محیط اختصاصی سازمان دسترسی داشته باشید.
  • یک مدل یا مدل مجازی قابل استفاده در گدارAI انتخاب کرده باشید.
  • اگر قرار است گاردریل یا کش را هم تست کنید، آن قابلیت‌ها در فضای کاری شما آماده باشند.

۱. اطلاعات پایه را مشخص کنید​

برای شروع، یک نام پایدار برای پرامپت انتخاب کنید. نام پرامپت فقط می‌تواند شامل حروف انگلیسی، عدد، خط تیره و زیرخط باشد؛ مثل:

support_reply
booking_greeting
invoice_summary

در کنار نام، یک توضیح کوتاه و یک «یادداشت نسخه» بنویسید. یادداشت نسخه باید بگوید این نسخه چه تغییری دارد؛ برای نمونه:

پاسخ پشتیبانی کوتاه‌تر شد و لحن رسمی‌تر شد.
نکته

نام پرامپت را بر اساس کاربرد محصول انتخاب کنید، نه نام مدل. مدل ممکن است عوض شود، اما کاربردی مثل support_reply معمولاً پایدار می‌ماند.

۲. پیام راهنما را بنویسید​

«پیام راهنما» نقش راهنمای اصلی مدل را دارد. در این بخش، لحن، نقش، محدودیت‌ها و انتظار کلی پاسخ را بنویسید.

نمونه:

شما دستیار پشتیبانی فروشگاه هستید. پاسخ را کوتاه، محترمانه و قابل اقدام بنویسید.
نام مشتری: {{customer_name}}

اگر بخشی از متن در هر اجرا تغییر می‌کند، آن را به‌صورت متغیر بنویسید؛ مثل {{customer_name}}.

۳. قالب گفتگو را کامل کنید​

در «قالب گفتگو» می‌توانید پیام‌های قابل استفاده مجدد کاربر یا دستیار را اضافه کنید. این پیام‌ها همراه نسخه ذخیره می‌شوند و هنگام اجرا به پیام‌های درخواست تبدیل می‌شوند.

نمونه پیام کاربر:

موضوع درخواست مشتری: {{issue}}

نمونه پیام دستیار:

حتماً. پاسخ پیشنهادی را با لحن کوتاه و محترمانه آماده می‌کنم.
اطلاع

پیام‌های ارسالی هنگام اجرای نسخه می‌توانند بعد از پیام‌های ذخیره‌شده اضافه شوند. این امکان برای افزودن زمینه تازه، مثل متن آخرین گفت‌وگو یا دستور لحظه‌ای، کاربرد دارد.

۴. مدل و تنظیمات اجرا را انتخاب کنید​

در بخش «پیوند با مدل»، یک مدل یا مدل مجازی را انتخاب کنید. تنظیمات مدل شامل این گزینه‌هاست:

گزینهکاربرد
Streamپاسخ جریانی یا غیرجریانی.
Temperatureکنترل تنوع پاسخ. مقدار معتبر بین 0 و 2 است.
Top-pکنترل نمونه‌گیری. مقدار معتبر بین 0 و 1 است.
بیشینه توکنسقف توکن خروجی. باید دست‌کم 1 باشد.

برای شروع، مقدارهای محافظه‌کارانه مثل Temperature = 0.2 معمولاً خروجی قابل پیش‌بینی‌تری می‌دهند.

۵. پیش‌نویس را تست کنید​

با «تست آزمایشی»، پیش‌نویس فعلی از مسیر گدارAI اجرا می‌شود و پاسخ را در «پیش‌نمایش پاسخ» می‌بینید.

در این مرحله، مقدار متغیرها را وارد کنید و چند حالت واقعی را امتحان کنید:

  • درخواست کوتاه و ساده
  • درخواست مبهم
  • درخواست دارای داده حساس
  • درخواستی که نباید از محدوده سیاست محصول خارج شود
هشدار

تست آزمایشی پیش‌نویس با اجرای نسخه ذخیره‌شده یکی نیست. پیش‌نویس برای آزمایش قبل از ذخیره است؛ محصول شما باید نسخه ذخیره‌شده را با FQN اجرا کند.

۶. نسخه را ذخیره کنید​

بعد از تست، پرامپت را ذخیره کنید. اگر پرامپت تازه است، نسخه 1 ساخته می‌شود. اگر پرامپت قبلاً وجود داشته باشد، تغییرها به‌عنوان نسخه جدید ذخیره می‌شوند.

پس از ذخیره، نسخه:

  • فقط خواندنی است.
  • FQN خودش را دارد.
  • در تاریخچه نسخه‌ها دیده می‌شود.
  • می‌تواند با نسخه‌های دیگر مقایسه شود.

نمونه Spec​

Spec نسخه، مانیفست ذخیره‌شده همان نسخه است. نمونه ساده:

{
  "type": "chat_prompt",
  "name": "support_reply",
  "description": "پاسخ کوتاه برای پشتیبانی مشتری",
  "messages": [
    {
      "role": "system",
      "content": "شما دستیار پشتیبانی هستید. پاسخ را کوتاه و محترمانه بنویسید."
    },
    {
      "role": "user",
      "content": "نام مشتری: {{customer_name}}\nموضوع: {{issue}}"
    }
  ],
  "variables": {
    "customer_name": "",
    "issue": ""
  },
  "model": "openai:default:gpt-4o-mini",
  "model_settings": {
    "stream": false,
    "temperature": 0.2,
    "max_tokens": 500
  }
}

حذف و تغییر نسخه‌ها​

نسخه ذخیره‌شده ویرایش نمی‌شود. برای تغییر متن یا تنظیمات، نسخه جدید بسازید.

هشدار

اگر پرامپتی را حذف کنید، اپلیکیشن‌هایی که هنوز FQN نسخه‌های آن را صدا می‌زنند ممکن است خطا بگیرند. قبل از حذف، مصرف آن پرامپت را در کد محصول و گزارش رخدادها بررسی کنید.

گام بعدی​