כשאני מביטה לאחור על השלוש שנים האחרונות, אני נזכרת ברגע הראשון שבו הקלדתי שאלה פשוטה לתוך הממשק של ChatGPT. באותו רגע, כמו רבים מכם, הרגשתי סוג של קסם. אבל ככל שהעמקתי בעולם הזה, הבנתי שהקסם אינו טמון רק ביכולת של המכונה לענות, אלא ביכולת שלנו לשאול. הנדסת פרומפט הפכה עבורי ממערכת של "ניסוי וטעייה" למתודולוגיה סדורה, כמעט אלגוריתמית, שמשנה לחלוטין את התוצרים שאנו מקבלים. המאמר שלפניכם הוא פרי של מאות שעות עבודה עם מודלים שונים, והוא נועד להעניק לכם את הנוסחה המדויקת ליצירת פרומפטים שעובדים בכל פעם מחדש.
הנדסת פרומט – המהפכה השקטה
בעולם הטכנולוגי של היום, אנו נוטים להתמקד בכוח העיבוד, במספר הפרמטרים של המודל או ביכולות המולטי-מודאליות החדשות. עם זאת, קיים גורם אחד מכריע שקובע האם המודל יהיה עוזר אישי גאון או פשוט מנוע חיפוש משודרג: הנדסת הפרומפט. מודלי שפה גדולים (LLMs) הם למעשה מערכות סטטיסטיות מורכבות שמנבאות את הטוקן הבא. ללא הנחיה מדויקת, המודל פועל במרחב הסתברויות רחב מדי, מה שמוביל לתוצאות גנריות, חזרתיות ולעיתים אף שגויות (הזיות).
הנדסת פרומפט היא הגשר שבין השפה האנושית לקוד הבינארי. היא מאפשרת לנו לצמצם את "מרחב הטעות" של המודל ולמקד אותו במטרה הספציפית שלנו. כאשר אנו כותבים פרומפט איכותי, אנו לא רק "מבקשים" משהו, אנו מבצעים אופטימיזציה של הקשר (Context) ומנחים את המודל להשתמש בחלקים הרלוונטיים ביותר בזיכרון האימון שלו. עבור כל מודל, בין אם מדובר ב-GPT, Claude או Gemini , עקרונות היסוד נשארים דומים, אך הדיוק ביישום שלהם הוא שמפריד בין חובבנים למקצוענים.
כדי להפוך את התהליך הזה למשהו שניתן לחזור עליו ולהטמיע אותו בארגונים ובשימוש אישי, פיתחנו נוסחה המורכבת משישה שלבים קריטיים. יישום של כל אחד מהם מבטיח קפיצת מדרגה באיכות התוצר.
שלב ראשון: הגדרת דמות ותפקיד המודל כבסיס לזהות מקצועית
הצעד הראשון בכל פרומפט מקצועי הוא הענקת "זהות" למודל. מודלי השפה אומנו על טקסטים מכל קצוות האינטרנט: החל מבלוגים של בישול ועד למאמרים מדעיים בפיזיקת הקוונטים. ללא הגדרת דמות, המודל שואף לממוצע הסטטיסטי של כל המידע הזה. ברגע שאנו מגדירים לו תפקיד, אנו למעשה מבצעים "סינון" (Filter) על מאגר הידע שלו.
כשאנו מגדירים דמות, עלינו להיות ספציפיים ככל האפשר. לא מספיק לומר "אתה כותב תוכן". עלינו לומר "אתה מומחה לאסטרטגיית תוכן עם עשר שנות ניסיון בעולם ה-B2B SaaS, המתמחה בכתיבת מאמרים מעמיקים לקהל טכנולוגי". הגדרה זו משנה את אוצר המילים שהמודל יבחר, את מבנה המשפטים ואפילו את רמת הביקורתיות שלו כלפי המידע שהוא מציג.
לדוגמה: נניח שאנו רוצים ייעוץ עסקי. פרומפט חלש: תן לי עצות איך להגדיל את המכירות בחנות שלי. פרומפט מקצועי (שלב הדמות): אתה מתפקד כיועץ אסטרטגי בכיר המתמחה באופטימיזציה של חנויות איקומרס קטנות. יש לך ניסיון רב בניתוח נתוני המרה, הבנת פסיכולוגיית צרכנים ובניית משפכי שיווק מבוססי תוכן. הגישה שלך היא אנליטית, חדה וממוקדת ברווחיות לטווח ארוך.
בפרומפט המקצועי, המודל מבין שעליו להשתמש במונחים כמו ROAS, LTV ושיפור יחס המרה, במקום לתת עצות כלליות כמו "תפרסם בפייסבוק".
שלב שני: אפיון קהל היעד והתאמת רמת המורכבות של המסר
אחד הכשלים הנפוצים ביותר בתקשורת אנושית, ובוודאי בתקשורת עם AI, הוא חוסר הבנה של הצד המקבל. המודל יכול לכתוב את אותו הסבר על "בלוקצ'יין" עבור ילד בן חמש או עבור מפתח תוכנה בכיר. ללא הגדרת קהל יעד, המודל יבחר ברמת ברירת מחדל שבדרך כלל תהיה בינונית מדי עבור מומחים או מורכבת מדי עבור מתחילים.
הגדרת קהל היעד צריכה לכלול לא רק את "מי הם", אלא גם את רמת הידע הקודם שלהם, הצרכים שלהם וההתנגדויות האפשריות שלהם. ככל שנאפיין את הקהל בצורה מדויקת יותר, המודל יוכל לבצע התאמה של הטון (Tone of Voice) ושל עומק ההסברים.
לדוגמה: נניח שאנו רוצים להסביר על בינה מלאכותית יוצרת. פרומפט ממוקד קהל יעד: הסבר את המושג Generative AI עבור מנהלי שיווק בכירים שאינם מגיעים מרקע טכנולוגי. המטרה היא לגרום להם להבין את הפוטנציאל העסקי מבלי להיכנס לארכיטקטורה של רשתות נוירונים. התמקד בתועלות של חיסכון בזמן ושיפור יצירתיות, והשתמש באנלוגיות מעולם הפרסום והמיתוג.
כאן, המודל ימנע ממושגים כמו "משקולות" או "Backpropagation" וישתמש במושגים כמו "ייעול תהליכי עבודה" ו"ייצור קריאייטיב מותאם אישית".
שלב שלישי: מתן משימה ברורה וחד משמעית תוך הצבת גבולות
זהו הליבה של הפרומפט. המשימה היא הפועל (Verb) שמניע את כל התהליך. טעות נפוצה היא לתת משימות מעורפלות כמו "תכתוב על…", מה שמשאיר למודל יותר מדי חופש פעולה. משימה טובה צריכה להיות מפורקת לשלבים או לכלול הנחיות ביצוע ברורות מאוד.
בשלב זה כדאי להשתמש בטכניקת "Chain of Thought" (שרשרת מחשבה). אנו מבקשים מהמודל לא רק לבצע, אלא גם לחשוב על השלבים בדרך. בנוסף, חשוב להגדיר מה לא לעשות. מגבלות (Constraints) הן לעיתים חשובות יותר מההוראות עצמן.
לדוגמה: יצירת פוסט לרשת חברתית. פרומפט משימה מורחב: המשימה שלך היא לכתוב פוסט ללינקדאין המבוסס על המאמר המצורף. עליך לחלץ שלוש תובנות מרכזיות ולהציג אותן בצורה של רשימה. פתח ב"הוק" (Hook) חזק שיגרום לאנשים להקליק על "ראה עוד". בסוף הפוסט, הוסף שאלה המעודדת מעורבות. מגבלות: אל תשתמש במילים "מהפכני" או "פורץ דרך". אל תכתוב פסקאות של יותר משלוש שורות. אל תשתמש ביותר משני האשטאגים.
המשימה הזו לא משאירה מקום לניחושים. המודל יודע בדיוק מה המבנה המצופה, מה המטרה של כל חלק ומהם "הקווים האדומים" שלו.
שלב רביעי: אפיון התוצר הסופי וקביעת פורמט התצוגה
אפיון התוצר הוא השלב שבו אנו מגדירים איך המידע ייראה מבחינה ויזואלית ומבנית. האם אנחנו רוצים טבלה? רשימה עם בולטים? קוד בפורמט JSON? או אולי אימייל רשמי? מודלי שפה מצטיינים בארגון מידע, אך הם זקוקים להוראה מפורשת כדי לעשות זאת.
מעבר לפורמט הטכני, אנו מגדירים כאן גם את "אורך" התוצר ואת הסגנון העיצובי של הטקסט (כותרות, הדגשות וכדומה). ככל שנדרוש מבנה קשיח יותר, כך יהיה לנו קל יותר להטמיע את התוצר בשלבים הבאים של העבודה שלנו.
לדוגמה: ניתוח נתונים של משוב לקוחות. פרומפט אפיון תוצר: הצג את ניתוח המשובים בתוך טבלה בעלת ארבע עמודות: 1. נושא המשוב, 2. רגש (חיובי/שלילי/ניטרלי), 3. תקציר של טענת הלקוח, 4. המלצה לפעולה מיידית עבור שירות הלקוחות. לאחר הטבלה, כתוב סיכום של 200 מילים המנתח את המגמות המרכזיות שמצאת.
שימוש בפורמט כזה הופך את התוצאה לכלי עבודה פרקטי שאפשר להעתיק ישירות לדו"ח ניהולי או למערכת CRM, במקום לקבל גוש טקסט שצריך להתחיל לסדר ידנית.
שלב חמישי: שליטה בטמפרטורה ובפרמטרים של יצירתיות מול דיוק
המושג "טמפרטורה" בעולם ה-AI מתייחס למידת האקראיות של המודל. למרות שבממשקי הצ'אט הרגילים אין לנו תמיד כפתור "Slide" לטמפרטורה (כפי שיש ב-Playground או ב-API), אנו יכולים לשלוט בזה באמצעות מילים. טמפרטורה נמוכה (0.1-0.3) פירושה מודל ממוקד, עובדתי ושמרני. טמפרטורה גבוהה (0.7-1.0) פירושה מודל יצירתי, נועז ומגוון יותר בשפה שלו.
בפרומפטים מקצועיים, אנו ננחה את המודל לגבי מידת ה"חופש" שאנו מאפשרים לו. אם אנו מבקשים ממנו לכתוב קוד או לנתח מסמך משפטי, נרצה דיוק מקסימלי. אם אנו מבקשים ממנו רעיונות לקמפיין שיווקי, נרצה יצירתיות מתפרצת.
לדוגמה: כתיבת שירים או רעיונות למיתוג. פרומפט מבוסס יצירתיות: המצא חמישה שמות מקוריים ויוצאי דופן עבור מותג קפה חדש שפונה לקהל של גיימרים. אני רוצה שמות שאינם קשורים ישירות למילה "קפה", אלא לעולמות של פנטזיה, מהירות ואנרגיה. תהיה יצירתי ככל האפשר, תחשוב מחוץ לקופסה ואל תפחד משמות מוזרים או פרובוקטיביים.
לעומת זאת, בפרומפט טכני: נתח את תקנון האתר המצורף ומצא סתירות פנימיות. היצמד אך ורק לעובדות המופיעות בטקסט. אל תוסיף פרשנות אישית או הנחות שאינן מבוססות על הכתוב.
שלב שישי: וידוא הבנה וסגירת מעגל התקשורת
השלב האחרון, והמוזנח ביותר, הוא שלב האישור. בדיוק כפי שלא הייתם נותנים משימה מורכבת לעובד חדש ויוצאים מהחדר מבלי לוודא שהוא הבין, כך גם עם ה-AI. בקשת "וידוא הבנה" מאפשרת למודל לעצור, לעבד את כל ההנחיות שנתנו לו (הדמות, הקהל, המשימה, התוצר והטמפרטורה) ולהציג לנו את תוכנית העבודה שלו לפני הביצוע.
שלב זה מונע בזבוז של זמן וטוקנים על תוצרים לא רלוונטיים. הוא גם מאפשר לנו לתקן את הפרומפט בזמן אמת אם המודל לא הבין נקודה מסוימת.
לדוגמה: בסוף פרומפט ארוך ומורכב. פרומפט וידוא הבנה: לפני שאתה מתחיל לבצע את המשימה, סכם בבקשה את ההנחיות כפי שהבנת אותן. פרט מהו התפקיד שלך, מי קהל היעד ומה המבנה המצופה של התוצר הסופי. המתן לאישור שלי לפני שאתה מייצר את התוכן המלא.
כאשר המודל עונה "הבנתי, אני אפעל כיועץ שיווק עבור קהל של סטודנטים ואייצר טבלה השוואתית…", אנו יכולים להיות בטוחים שאנו על המסלול הנכון.
הנדסת פרומפט כדרך חיים בעידן הבינה המלאכותית
הנדסת פרומפט היא לא "טריק" ולא אוסף של מילות קסם. זוהי שפה חדשה של ניהול ומנהיגות טכנולוגית. הנוסחה שהצגנו כאן — דמות, קהל יעד, משימה, אפיון תוצר, טמפרטורה ווידוא הבנה — היא הבסיס לכל עבודה מקצועית עם מודלי שפה.
ככל שתתרגלו את האלגוריתם הזה, תגלו שהיכולת שלכם לרתום את הבינה המלאכותית לטובת המטרות שלכם גדלה באופן אקספוננציאלי. בקהילת AI-INSIDE אנו מאמינים שהכוח האמיתי של ה-AI נמצא בידיים של אלו שיודעים להנחות אותה. אל תסתפקו בתוצאות בינוניות. השקיעו את הדקות הנוספות בבניית פרומפט איכותי, והתוצאות ידברו בעד עצמן.
אני מזמין אתכם לקחת את הנוסחה הזו, לנסות אותה על המשימה הבאה שלכם ולשתף אותנו בקבוצה ובאתר בתוצאות שהתקבלו. השמיים הם כבר לא הגבול, הם רק נקודת ההתחלה.
