آموزش نوشتن دستور برای GPT-5.5 با API

دستور خوب برای مدل قوی، کوتاه است و سه چیز دارد: هدف، معیار موفقیت و محدودیت‌ها. هر جملهٔ اضافه، یک قید اضافه است و مدل باید آن را هم رعایت کند. این راهنما همین قالب را با API مدل GPT-5.5 نشان می‌دهد.

سه بخش دستور

• هدف: نتیجه‌ای که می‌خواهید، نه مراحلی که فکر می‌کنید مدل باید برود. «پاسخی بنویس که مشکل مشتری را حل کند» بهتر از فهرست بیست‌مرحله‌ای از «اول سلام کن، بعد…» است.
• معیار موفقیت: از کجا می‌فهمید جواب درست است؟ مثلاً «کمتر از هشتاد کلمه و با یک قدم عملی در پایان».
• محدودیت: آنچه نباید بشود. مثلاً «قول بازگشت وجه نده. اگر اطلاعات کافی نیست، یک سؤال بپرس».

دستور سیستمی و پیام کاربر را جدا بنویسید

چیزی که برای همهٔ درخواست‌ها ثابت است (نقش، لحن، محدودیت) در پیام system می‌رود. چیزی که هر بار فرق می‌کند (متن مشتری، سند، سؤال) در پیام user. این جداسازی دو فایده دارد: دستور ثابت در همه جا یکی می‌ماند، و ورودی کاربر نمی‌تواند وانمود کند بخشی از دستور شماست.

curl https://melliapi.net/api/v1/ai/chat/completions/ \
  -H "Authorization: Bearer $MELLIAPI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "openai-gpt-5.5",
    "max_tokens": 400,
    "messages": [
      {"role": "system", "content": "هدف: پاسخی بنویس که مشکل مشتری را حل کند. معیار: کمتر از هشتاد کلمه، لحن محترمانه، یک قدم عملی در پایان. محدودیت: قول بازگشت وجه نده؛ اگر اطلاعات کافی نیست یک سؤال بپرس."},
      {"role": "user", "content": "سفارشم سه روز است نرسیده و پیگیری هم کار نمی‌کند."}
    ]
  }'

قالب خروجی را با یک نمونه نشان دهید

اگر برنامهٔ شما خروجی را می‌خواند، توضیح قالب کافی نیست. یک نمونهٔ کامل از خروجی درست در دستور سیستمی بگذارید. نمونه از توضیح مؤثرتر است، و پردازشگر سمت شما باید خروجی بدقالب را رد کند و آن را نیمه‌کاره ذخیره نکند.

دستور را روی نمونهٔ واقعی بسنجید

حس «به نظر خوب است» کافی نیست. بیست ورودی واقعی از کار خودتان بردارید، دو نسخه از دستور را روی همه‌شان بزنید و جواب‌ها را کنار هم بگذارید. نسخه‌ای که در موارد سخت بهتر است، برنده است، حتی اگر در مثال اول جذاب‌تر نباشد. هر تغییر دستور را یک‌به‌یک امتحان کنید؛ اگر سه چیز را با هم عوض کنید، نمی‌فهمید کدام اثر داشته است.

دو نکتهٔ هزینه

• max_tokens را بفرستید. پیش از هر فراخوان، سقف هزینه از موجودی رزرو می‌شود و آن سقف از همین عدد حساب می‌شود. نفرستید، سقف کامل مدل فرض می‌شود. جزئیات در صفحهٔ مدل آمده است.
• متن فارسی توکن بیشتری می‌گیرد. دستور بلند در هر فراخوان دوباره حساب می‌شود، پس کوتاه‌نویسی فقط سلیقه نیست، صرفه‌جویی هم هست.

آنچه این قالب انجام نمی‌دهد

• جای ارزیابی را نمی‌گیرد. قالب خوب شانس جواب درست را بالا می‌برد، تضمینش نمی‌کند. برای کار حساس، خروجی را در برنامهٔ خودتان بررسی کنید.
• اطلاعات نبوده را نمی‌سازد. اگر پاسخ به داده‌ای نیاز دارد که به مدل نداده‌اید، در دستور بگویید «اگر نمی‌دانی، بگو نمی‌دانم»، وگرنه ممکن است حدس بزند.

برای فیلدهای کامل درخواست و کدهای خطا به مستندات هوش مصنوعی سر بزنید.