رفتن به محتوای اصلی

دسترسی زودهنگام 123Coder: برای استفاده از نسخهٔ فعلی درخواست بدهید؛ پس از بررسی، نتیجه برای شما ارسال می‌شود.

درخواست دسترسی
بازگشت به مقاله‌ها
گردش‌کار هوش مصنوعی8 دقیقه مطالعه

الگوی پرامپت برای وظیفه چندمرحله‌ای عامل کدنویسی

خلاصهٔ پاسخ

پرامپت مؤثر هدف، زمینه مخزن، محدودیت، معیار پذیرش، روش بررسی و نقطه توقف را یکجا روشن می‌کند.

توسعه‌دهنده ایرانی در حال طراحی مراحل یک وظیفه چندمرحله‌ای برای عامل کدنویسی
TelegramWhatsAppLinkedIn

در این مقاله
  1. پاسخ کوتاه
  2. گردش‌کار پیشنهادی
  3. مثال اجرایی
  4. چطور نتیجه را راستی‌آزمایی کنیم؟
  5. خطاهای رایج
  6. جایگاه این مطلب در مسیر یادگیری
  7. منابع و محدودیت
  8. جمع‌بندی
نوشتهٔپوریا افضلی

پرامپت مؤثر هدف، زمینه مخزن، محدودیت، معیار پذیرش، روش بررسی و نقطه توقف را یکجا روشن می‌کند.

پاسخ کوتاه

یک دستور حرفه‌ای پنج جزء دارد: هدف تجاری، نقطه شروع قابل اعتماد، محدوده اختیار، معیار پذیرش و گزارش پایان. از عامل بخواهید ابتدا شواهد را بخواند، سپس برنامه کوتاه بسازد، تغییر کوچک انجام دهد و نتیجه را با فرمان‌های واقعی بررسی کند.

گردش‌کار پیشنهادی

  1. هدف و دلیل آن را بدون تجویز جزئیات غیرضروری بنویسید.
  2. مسیر فایل‌ها، Issue، خطای بازتولیدپذیر و قراردادهای مرتبط را بدهید.
  3. اعمال ممنوع مانند تغییر migration، نصب dependency یا دسترسی شبکه را مشخص کنید.
  4. معیارهای پذیرش و فرمان‌های کنترل را درج کنید.
  5. از عامل بخواهید در ابهام پرریسک متوقف شود و سؤال مشخص بپرسد.
  6. خروجی نهایی را شامل فایل‌های تغییرکرده، تست‌ها، ریسک و کار باقیمانده تعریف کنید.

مثال اجرایی

نمونه کوتاه: «خطای 500 ایجاد سفارش تکراری را رفع کن. ابتدا سرویس و تست‌های سفارش را بخوان. API عمومی و schema را تغییر نده. یک تست بازتولید اضافه کن، کوچک‌ترین اصلاح را انجام بده، تست همان پروژه را اجرا کن و diff و ریسک را گزارش بده. اگر علت نیازمند migration است، قبل از تغییر متوقف شو.»

چطور نتیجه را راستی‌آزمایی کنیم؟

اگر شخص دیگری بتواند فقط با خواندن دستور تشخیص دهد چه چیزی مجاز، چه چیزی تمام‌شده و چه چیزی نیازمند تأیید است، پرامپت قابل اجراست.

خطاهای رایج

عبارت «هر کاری لازم است» اختیار را بی‌مرز می‌کند؛ درخواست چند هدف نامرتبط نیز diff را بزرگ و بازبینی را سخت می‌کند. هر نشست را حول یک نتیجه منسجم نگه دارید.

جایگاه این مطلب در مسیر یادگیری

ابتدا تفاوت دستیار و عامل را روشن کنید؛ سپس مرزهای دسترسی عامل را با سطح وظیفه هماهنگ کنید.

منابع و محدودیت

کیفیت نتیجه تنها تابع متن پرامپت نیست؛ دسترسی به زمینه درست، ابزار، مدل، کدبیس و حلقه بازخورد نیز اثر دارد. این الگو جای تست و بازبینی را نمی‌گیرد. راهنمای مسئولانه GitHub برای عامل‌ها.

جمع‌بندی

پرامپت خوب متن طولانی نیست؛ قرارداد کوتاه و آزمون‌پذیری است که عامل و بازبین از آن برداشت یکسان دارند.

پوریا افضلی

دربارهٔ نویسنده

پوریا افضلی

پوریا افضلی، بنیان‌گذار 123Coder، بیش از ۱۵ سال است که در دنیای توسعه نرم‌افزار، معماری سیستم‌ها و ساخت محصولات تکنولوژی فعالیت می‌کند. تمرکز فعلی او روی AI Coding، AI Agents و آینده توسعه نرم‌افزار است؛ جایی که هوش مصنوعی از یک ابزار کمکی، به بخشی واقعی از تیم مهندسی تبدیل می‌شود.

گفت‌وگو

تجربه‌تان را بنویسید یا سؤال بپرسید. نظرات پس از تأیید مدیر منتشر می‌شوند.

در حال بارگذاری…

برای ادامهٔ مطالعه

دستیار کدنویسی، عامل کدنویسی و تکمیل خودکار چه تفاوتی دارند؟

تکمیل خودکار پیشنهاد کوتاه می‌دهد، دستیار در گفت‌وگو و بررسی کد کمک می‌کند و عامل می‌تواند یک فرایند چندمرحله‌ای را با ابزارها پیش ببرد؛ تفاوت اصلی در دامنه اختیار است.

پوریا افضلی · 7 دقیقه مطالعه

مطالعه مقاله