پرش به محتوای اصلی
پرش به محتوای مقاله

واژگان کاربر در برابر صفت‌های حرفه‌ای در تنظیمات Claude Code

·۱۸ مرداد ۱۴۰۵۳ دقیقه مطالعه۲ بازدید
راهنما
مهارت Claude Code شما هرگز اجرا نمی‌شود — و تقصیر مهارت نیست
مهارت Claude Code شما هرگز اجرا نمی‌شود — و تقصیر مهارت نیست
اشتراک‌گذاری
واقعاً چه چیز جدید است؟

تغییر پارادایم در مهندسی پرامپت برای عامل‌ها؛ شناسایی توصیفات (Descriptions) به عنوان قوانین مسیریابی سخت‌افزاری/نرم‌افزاری به جای مستندات متنی.

اگر مهارت‌های سفارشی شما در Claude Code هرگز فعال نمی‌شوند، احتمالاً مشکل از دستورالعمل‌ها نیست، بلکه از نحوه توصیف آن‌هاست. باید بدانید که یک توصیف ضعیف، فارغ از اینکه بدنه دستورات چقدر دقیق باشد، اصلی‌ترین دلیل عدم اجرای مهارت است.

طبق گزارشی که در ۸ اوت ۲۰۲۶ در وب‌سایت dev.to منتشر شد، توصیف مهارت در واقع یک قانون مسیریابی (Routing Rule) است که تعیین می‌کند آیا یک مهارت بارگذاری شود یا خیر؛ بنابراین این بخش نباید مانند یک متن تبلیغاتی برای کاربر نوشته شود.

این یافته در حالی مطرح می‌شود که توسعه‌دهندگان به سمت جریان‌های کاری عامل‌محور (Agentic) — شبیه به استخدام دستیاری که خودش تصمیم می‌گیرد چه ابزاری را بردارد — حرکت می‌کنند. این رویکرد در واقع تکامل همان ساختارهای دایرکتوری‌محور است که پیش‌تر اتوماسیون کد را در Claude Code متحول کرد. همان‌طور که در تحلیل قبلی ما درباره‌ی کاهش ۳۵ درصدی هزینه‌های API در Claude Code اشاره کردیم، تمرکز اکنون از بهینه‌سازی هزینه به قابلیت اطمینان در اجرا تغییر یافته است. برای اکثر برنامه‌نویسان، فاصله بین یک مهارت «کارآمد» و یک مهارت «مرده»، تنها در واژگانی است که در عبارت محرک به کار می‌روند.

مهارت Claude Code شما هرگز اجرا نمی‌شود — و تقصیر خود مهارت نیست

به نقل از نویسنده این گزارش، برای اطمینان از فعال شدن مهارت، سه قانون ساختاری ضروری است:

  • استفاده از عبارات محرک واقعی: زبان‌های رسمی مثل «ارزیابی کیفیت را انجام بده» را با جملات ساده و واقعی که در ساعت ۱۱ شب به زبان می‌آورید، جایگزین کنید؛ مثلاً «این رو بررسی کن» یا «درستش کن».
  • نام‌گذاری مصنوعات (Artifacts): محرک‌ها را بر اساس آنچهe کپی می‌کنید تعریف کنید؛ مواردی مثل «stack trace»، «کد پایتون» یا «diff»، زیرا بسیاری از درخواست‌ها اصلاً فعل ندارند.
  • تعریف مرزها: صراحتاً ذکر کنید که این مهارت برای چه کاری «نیست» تا از تداخل و سایه‌اندازی مهارت‌های مشابه روی یکدیگر جلوگیری شود.

بر اساس مستندات ارائه شده، تست این مهارت‌ها باید مانند دیباگ کردن کد باشد. محک پیشنهادی این است که یک جلسه (Session) جدید باز کنید و ۵ درخواست کوتاه و طبیعی بفرستید؛ اگر مهارت در بیش از یک مورد فعال نشد، توصیف آن دارای «باگ» است. در این مسیر، رعایت شرایط حیاتی برای استفاده از Claude Code بدون تخریب مهارت فنی برای حفظ کیفیت خروجی‌ها ضروری است.

این تغییر رویکرد، اساس مهندسی پرامپت (Prompt Engineering) — هنر سؤال درست پرسیدن، مثل کسی که می‌داند چطور از یک مشاور باتجربه بهترین جواب را بگیرد — را برای عامل‌ها تغییر می‌دهد. اولویت از «بدنه دستورالعمل» به «دروازه قانون مسیریابی» منتقل شده است. برای کاربر نهایی، این یعنی تفاوت بین ابزاری که بصری و روان است با ابزاری که نیاز به دستورات دستی و تکراری دارد.

توسعه‌دهندگان اکنون می‌توانند با نگاه به توصیفات به عنوان فیلترهایی شبیه به regex برای درک قصد کاربر، از پرامپت‌های تکراری در هر جلسه فاصله بگیرند. هدف این است که نسخه «خسته» یک درخواست را شکار کنید تا متخصص هوش مصنوعی واقعاً بیدار شود.

برای اجرای این استراتژی، ابتدا تاریخچه چت‌های خود را بررسی کنید تا دقیق‌ترین عباراتی که اغلب به کار می‌برید را استخراج کنید. وقتی این عبارات را به توصیفات مهارت‌هایتان منتقل کنید، پایداری پشته‌ی عامل‌های هوش مصنوعی شما به‌طور قابل‌توجهی افزایش می‌یابد.

گام بعدی شما

  • تاریخچه چت‌های اخیر خود را برای یافتن عبارات کوتاه و تکراری (Trigger Phrases) تحلیل کنید.
  • توصیفات مهارت‌های فعلی را از حالت «رسمی» به حالت «گفتاری و خسته» تغییر دهید.
  • هر مهارت را با ۵ درخواست کوتاه در یک جلسه تازه تست کنید تا نرخ فعال‌سازی را بسنجید.

اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.

چرا این موضوع مهم است؟

این یافته بر اساس تجربه عملی توسعه‌دهندگان، مدل ذهنی طراحی عامل‌ها را از «نوشتن دستور» به «طراحی فیلتر» تغییر می‌دهد. این تغییر باعث می‌شود ابزارهای هوش مصنوعی از حالت دستی به حالت خودکار و بصری تبدیل شوند.

تأثیر برای ایران

برنامه‌نویسان ایرانی که از Claude Code برای افزایش بهره‌وری استفاده می‌کنند، می‌توانند با این روش نرخ خطای فعال‌سازی ابزارهای خود را کاهش دهند.

·نگاه ما
تحریریه دات‌هوش

انتقال تمرکز از بدنه دستورالعمل به لایه مسیریابی نشان می‌دهد که گلوگاه فعلی عامل‌های هوش مصنوعی، درک «قصد کاربر» (User Intent) است، نه توانایی اجرای دستور. این یعنی در آینده، موفقیت در طراحی عامل‌ها بیش از آنکه به دانش فنی مدل وابسته باشد، به تحلیل روان‌شناختی و زبان‌شناختی نحوه تعامل انسان با ماشین گره می‌خورد.

منابع

این گزارش با خط‌لولهٔ خودکار دات‌هوش از منابع معتبر جهانی تدوین و زیر نظر تحریریه منتشر شده است. روش کار ما

گفتگو

پنج‌شنبه‌های هوش‌محور

بسته‌ی هفتگی دات‌هوش

۵ خبر، ۲ ابزار، ۱ پرامپت در هر شماره. به‌زودی راه‌اندازی می‌شود — هر پنج‌شنبه صبح.

خبر کلیدی
ابزار کاربردی
پرامپت حرفه‌ای
تحلیل پژوهش
به‌زودی
زاویه‌ی ایرانی
به‌زودی
تمرین این هفته
به‌زودی

راهنماهای دات‌هوش

راهنماهای کاربردیِ دات‌هوش برای کار با هوش مصنوعی — از همین‌جا شروع کنید:

دات‌هوش

راهنمای فارسی هوش مصنوعی — با نگاه به ایران

اخبار روزانه، معرفی ابزارها و مدل‌ها، و آموزشِ کار با هوش مصنوعی؛ همیشه با این پرسش که از ایران چه چیزی کار می‌کند و چه چیزی نه.