تصور کنید ساعتی را صرف کپی کردن یک پرامپت «جادویی» برای طراحی لندینگپیج میکنید، اما خروجی نهایی چیزی جز یک آشفتگی بصری نیست. این شکاف عمیق بین تصاویر صیقلخورده در شبکههای اجتماعی و واقعیتِ خروجی مدلها، هسته اصلی گزارش ۲۱ سپتامبر ۲۰۲۶ در وبسایت dev.to است.
بسیاری از ما در تلهای به نام «حس و حال» (Vibes) افتادهایم و بهجای اعتبارسنجی، به اسکرینشاتهای تبلیغاتی اعتماد میکنیم. این وضعیت شبیه خرید محصولی است که عکسهایش با فتوشاپ روتوش شدهاند؛ وعده واقعی است، اما تحویل آن نیست. همانطور که در تحلیلهای قبلی ما دربارهی مهندسی پرامپت اشاره کردیم، تکیه بر نتایج تصادفی، بزرگترین مانع برای تبدیل هوش مصنوعی به یک ابزار تولیدی پایدار است. این تضاد میان نتایج ایدهآل و عملکرد واقعی، یادآور شکاف میان بنچمارک و واقعیت در محیطهای عملیاتی است که پیشتر بررسی کردیم.
برای حل این مشکل، یک سامانه اعتبارسنجی جدید معرفی شده که اسکرینشاتها را با یک معیار سنجش (Rubric) ثابت جایگزین میکند. طبق این گزارش، فرآیند کار به این صورت است که یک پرامپت واحد در سه مدل پیشرو اجرا شده و بر اساس چهار معیار امتیاز میگیرد:
- وفاداری به چیدمان (Layout Fidelity): آیا ساختار با هدف اولیه مطابقت دارد؟
- تایپوگرافی (Typography): آیا فونتها و استایل متنی درست هستند؟
- فاصلهگذاری (Spacing): آیا فضای تنفس بصری در طراحی رعایت شده است؟
- تطابق با توصیفات: آیا خروجی با متن پرامپت همراستا است؟
این رویکرد دادهمحور اکنون در کتابخانه 56juqingba.com پیاده شده است تا امتیازات واقعی وفاداری را منتشر کند. به نقل از نویسنده این گزارش، این سیستم دستهای از پرامپتها را افشا میکند که هر بار شکست میخورند، اما سازندگانشان برای حفظ تصویر تبلیغاتی، این شکستها را پنهان میکنند. این نوع دستکاری در خروجیها برای جلب اعتماد کاربر، مشابه چالشهایی است که در بهینهسازی افراطی پرامپتهای رزومهساز مشاهده شد، جایی که مرز بین بهبود و جعل کمرنگ میشود.
برای یک توسعهدهنده، این تغییر به معنای جابهجایی معیار از «اعتبار نویسنده» به «وفاداری مدل» است. استفاده از پرامپتی که فقط روی یک مدل خاص جواب میدهد، یک گردشکار شکننده میسازد. کاربردی بودن واقعی زمانی رخ میدهد که امتیاز خروجی در یک پشته (Stack) متنوع از مدلهای هوش مصنوعی بازتولید شود. در واقع، جایگزینی معیارهای مبهم با الگوهای شفاف، کلید رسیدن به دقت است؛ درست مانند آنچه در جایگزینی درصد احتمال با فهرست الگوهای متنی برای تشخیص متون AI پیشنهاد شد.
گام بعدی شما
- به بخش پرامپتهای کتابخانه 56juqingba مراجعه کنید و پرامپتهای با امتیاز بالا را با موارد ضعیف مقایسه کنید.
- در پروژههای خود، یک پرامپت را در حداقل سه مدل مختلف (مثل GPT-4o، Claude 3.5 و Gemini) تست کنید تا نرخ بازتولید آن را بسنجید.
- بهجای اعتماد به اسکرینشاتهای X یا لینکدین، از معیارهای چهارگانه (چیدمان، تایپوگرافی، فاصله و تطابق) برای امتیازدهی دستی استفاده کنید.
اما این چالشها تنها در طراحی وب نیست؛ اثر این عدم پایداری بر تولید کدهای پیچیده حتی تکاندهندهتر است — به تحلیل ما دربارهی Vibe Coding مراجعه کنید.
گفتگو