EasyEnv
Prompt Engineering
متوسط

Prompt Engineering

از generative AI نتایج قابل اعتماد بگیرید. یاد بگیرید large language models چطور متن تولید می‌کنند، پنج اصل پشت هر prompt خوب، few-shot و خروجی ساختاریافته، function calling، ‏retrieval-augmented generation، ‏agentهای خودمختار، و اینکه مدل‌های diffusion چطور promptها را به تصویر تبدیل می‌کنند. در پایان متن، تصویر، و agentها را در یک اپلیکیشن واحد که کار می‌کند به هم می‌بندید.

11 درس6.2h عملی11 زبان
یادگیری رایگان را شروع کنPrompt Engineering دوره

11 درس، به ترتیب

  1. 1

    پرامپت (prompt) چیست

    احتمالاً پیش از این در یک پنجره چت چیزی تایپ کرده‌اید: سؤالی پرسیده‌اید، پاسخی گرفته‌اید و شاید از خوبی یا غلط‌بودن آن جا خورده‌اید. این دوره یادتان...

    What a prompt isWhat a large language model is, from the outsideThe completion, and why the same prompt can answer differentlyThe conversation: system, user and assistant turnsWhy a prompt is instructions rather than a search query
    20 دقیقه
  2. 2

    مدل‌های زبانی بزرگ چطور متن تولید می‌کنند

    حالا می‌دانید پرامپت چیست و پاسخی که مدل در برابرش می‌سازد چیست، و اینکه یک پرامپت یکسان می‌تواند هر بار با عبارت‌بندی دیگری برگردد. این درس نشان...

    Tokens and tokenizationNext-token predictionTemperature and top-p samplingContext windowWhy models hallucinate
    30 دقیقه
  3. 3

    پنج اصل prompting

    تا اینجا می‌دانید پرامپت چیست، تکمیل (completion) چیست، و اینکه مدل هر بار پاسخ را از نو می‌نویسد و چیزی را که جایی پیدا کرده از حفظ پس نمی‌دهد. همین...

    Giving directionSpecifying formatProviding examplesEvaluating qualityDividing labor
    30 دقیقه
  4. 4

    روش‌های استاندارد برای تولید متن

    درس دوم و سوم به شما حس کردنی از این دادند که مدل واقعاً چطور متن را توکن به توکن می‌سازد، و پنج اصل هدایت آن را نشان دادند. این درس همان فهم را به...

    Prompt formatting and delimitersSystem, user, and assistant rolesFew-shot promptingParsing structured output like JSON
    35 دقیقه
  5. 5

    Prompt Templates and Function Calling

    در درس چهارم یک پرامپت را با دست مرتب کردید: جداکننده‌ها، نقش‌ها و یکی دو مثال نمونه. این کار برای یک پرامپت جواب می‌دهد. اما وقتی لازم باشد همان...

    Prompt templates with variablesSeparating template from dataFunction calling and tool schemasReading a tool call and returning a result
    35 دقیقه
  6. 6

    Vector Databases و Retrieval-Augmented Generation

    در درس ۲ دیدید مدل چرا توهم می‌زند: توکن‌های بعدیِ محتمل را پیش‌بینی می‌کند، حقیقتی را از جایی پیدا نمی‌کند، و هر چه بیرون از داده آموزش یا پنجره...

    Embeddings and vector similarityChunking documentsVector databases and nearest-neighbor searchRetrieval-augmented generationGrounding answers with citations
    40 دقیقه
  7. 7

    Autonomous Agents: حافظه (memory) و ابزارها (tools)

    در درس ۵ با فراخوانی تابع به مدل ابزار دادید و در درس ۶ با بازیابی، حافظه بلندمدت. این درس همان دو تکه را داخل یک حلقه می‌گذارد تا مدل بتواند عمل...

    The agent loop of reason, act, observeGiving an agent toolsShort-term and long-term memoryStopping conditions and guardrails
    40 دقیقه
  8. 8

    مدل‌های diffusion چطور تصویر تولید می‌کنند

    تا اینجا هر پرامپتی که نوشتید متن تولید می‌کرد. این درس بخش سوم را باز می‌کند، جایی که همان پرامپت به تصویر می‌رسد. رسانه عوض می‌شود، اما طرز فکری که...

    Diffusion as iterative denoisingText conditioning of the imageSeeds and reproducibilitySampling steps and guidance scale
    30 دقیقه
  9. 9

    شیوه‌های استاندارد برای تولید تصویر

    درس قبل شهودی به شما داد از این‌که یک مدل انتشاری (diffusion) چطور با نویززدایی از دل نویز تصادفی، یک پرامپت متنی را به تصویر تبدیل می‌کند. این درس...

    Prompt structure of subject, medium, style, and lightingArt styles and artist or era modifiersComposition and camera modifiersNegative prompts and aspect ratio
    35 دقیقه
  10. 10

    تکنیک‌های پیشرفته تصویر: inpainting، outpainting و ControlNet

    در دو درس گذشته از یک پرامپت متنی تصویر کامل ساختید و یاد گرفتید با ساختار، سبک و پرامپت منفی هدایتش کنید. آن روش به مدل دست باز خلاقانه‌ای می‌دهد؛...

    Image-to-image generationInpainting with masksOutpainting to extend a canvasControlNet for pose, depth, and edge guidance
    35 دقیقه
  11. 11

    ساخت اپلیکیشن‌های مبتنی بر AI

    این پروژه پایانی است. هر درس پیشین یک حرکت را یاد داد: تولید متن، شکل‌دادن به خروجی ساخت‌یافته، فراخوانی تابع، بازیابی حقیقت‌ها با RAG، اجرای...

    Composing text, images, and agents into a workflowOrchestration and chaining stepsEvaluation and guardrailsCost, latency, and failure handling
    40 دقیقه
Prompt Engineering را به فارسی یاد بگیرید | Prompt Engineering (Persian) | Engineering Courses