زنجیره‌بندی پرامپت: تبدیل یک پرامپت به یک گردش کار قابل اعتماد LLM

زنجیره‌سازی پرامپت: وقتی یک پرامپت کافی نیست

اگر تا به حال سعی کرده‌اید کل یک پروژه را در یک پرامپت جا دهید—الزامات ← راه‌حل ← برنامه ← ریسک‌ها ← سند نهایی—از قبل می‌دانید چگونه پایان می‌پذیرد:

• مراحلی را رد می‌کند،
• محدودیت‌ها را فراموش می‌کند،
• پاسخی "مطمئن" می‌دهد که نمی‌توانید به راحتی تأیید کنید،
• و در لحظه‌ای که مشکلی پیش می‌آید، هیچ ایده‌ای ندارید کجا اشتباه رخ داده است.

زنجیره‌سازی پرامپت راه‌حل است. آن را به عنوان ساخت یک گردش کاری در نظر بگیرید که هر پرامپت ایستگاهی در خط تولید است: یک مرحله ورودی، یک مرحله خروجی، و خروجی تبدیل به ورودی ایستگاه بعدی می‌شود.

به عبارت دیگر: از LLM نمی‌خواهید "همه چیز را یکجا" انجام دهد. از آن می‌خواهید هر بار یک کار، به طور قابل اعتماد انجام دهد.

---

1) زنجیره‌سازی پرامپت چیست؟

زنجیره‌سازی پرامپت عبارت است از:

1. تجزیه یک کار بزرگ به زیروظایف کوچک‌تر
2. طراحی یک پرامپت اختصاصی برای هر زیروظیفه
3. انتقال خروجی‌های ساختاریافته از یک مرحله به مرحله بعد
4. افزودن مراحل اعتبارسنجی + تصحیح تا زنجیره منحرف نشود

اساساً این "ذهنیت میکروسرویس" است که به استدلال LLM اعمال می‌شود.

پرامپت تکی در مقابل زنجیره‌سازی پرامپت (به زبان ساده)

| بعد | پرامپت تکی | زنجیره‌سازی پرامپت | |----|----|----| | پیچیدگی | مناسب برای کارهای ساده و یک‌مرحله‌ای | ساخته شده برای گردش‌های کاری چندمرحله‌ای و واقعی | | منطق | مدل فرایند را حدس می‌زند | شما فرایند را تعریف می‌کنید | | کنترل | هدایت سخت است | هر مرحله قابل هدایت است | | رفع اشکال | "کجا اشتباه رفت؟" | می‌توانید مرحله خراب را شناسایی کنید | | محدودیت‌های زمینه | به راحتی سرریز می‌شود | داده‌ها را به تدریج، مرحله به مرحله تغذیه کنید |

---

2) چرا کار می‌کند (دلیل واقعی)

LLMها در جابجا کردن اهداف متعدد به طور همزمان عالی نیستند.

درخواست کنید: "الزامات را تحلیل کن، ویژگی‌ها را پیشنهاد کن، تلاش را تخمین بزن، اولویت‌بندی کن، سپس برنامه بنویس"—و یک مسئله بهینه‌سازی چند هدفه تنظیم کرده‌اید. مدل معمولاً کار مناسبی روی یک هدف انجام می‌دهد و بی‌سروصدا در بقیه کم می‌آورد.

زنجیره‌سازی پرامپت بار شناختی را کاهش می‌دهد: یک مرحله ← یک خروجی ← یک معیار موفقیت.

---

3) مکانیزم اصلی: ورودی ← فرآیند ← خروجی (تکرار شده)

در قلب آن، زنجیره‌سازی پرامپت یک حلقه است:

• ورودی: خروجی مرحله قبلی + هر داده جدیدی
• فرآیند: پرامپت بعدی با قوانین + محدودیت‌های فرمت
• خروجی: نتیجه ساختاریافته برای مرحله بعد

در اینجا یک زنجیره ساده که می‌توانید تجسم کنید:

flowchart LR A[بازخورد خام کاربر] --> B[پرامپت 1: استخراج نقاط درد] B --> C[پرامپت 2: پیشنهاد ویژگی‌ها] C --> D[پرامپت 3: اولویت‌بندی و تخمین تلاش] D --> E[پرامپت 4: نوشتن برنامه تکرار]

---

4) چهار مورد غیرقابل مذاکره برای ساخت زنجیره‌های خوب

4.1 زیروظایف باید مستقل و متصل باشند

• مستقل: هر مرحله یک کار انجام می‌دهد (بدون همپوشانی)
• متصل: هر مرحله به خروجی قبلی وابسته است (بدون مراحل "شناور")

بد: "نقاط درد را استخراج کن و ویژگی‌ها را طراحی کن" خوب: مرحله 1 نقاط درد را استخراج می‌کند؛ مرحله 2 بر اساس آن‌ها ویژگی‌ها را طراحی می‌کند.

4.2 خروجی‌های میانی باید ساختاریافته باشند

متن آزاد شکننده است. پرامپت بعدی می‌تواند آن را اشتباه بخواند، دوباره تفسیر کند، یا نادیده بگیرد.

از فرمت‌های ساختاریافته مانند JSON، جداول، یا لیست‌های نقطه‌ای با کلیدهای ثابت استفاده کنید.

مثال (JSON که واقعاً می‌توانید تجزیه کنید):

{  "pain_points": [   {"category": "performance", "description": "تسویه حساب بیش از 8 ثانیه طول می‌کشد", "mentions": 31},   {"category": "ux", "description": "دکمه بازپرداخت سخت پیدا می‌شود", "mentions": 18},   {"category": "reliability", "description": "پرداخت بدون خطا ناموفق است", "mentions": 12} ] }

4.3 هر پرامپت باید به صراحت زمینه را "به ارث ببرد"

فرض نکنید مدل "آنچه منظور شما بود را به خاطر می‌آورد". در پرامپت بعدی، به صراحت به خروجی قبلی اشاره کنید:

4.4 یک مسیر شکست بسازید (اعتبارسنجی + تعمیر)

هر زنجیره به یک "دروازه کیفیت" نیاز دارد:

• اعتبارسنجی: "آیا خروجی تمام کلیدهای مورد نیاز را دارد؟ آیا اعداد سازگار هستند؟"
• تعمیر: "اگر گم شده، فقط بخش‌های گم شده را دوباره تولید کنید"
• محافظ: "حداکثر 2 تلاش مجدد؛ در غیر این صورت بهترین تلاش + خطاها را برگردانید"

---

5) سه معماری که همه جا استفاده خواهید کرد

5.1 زنجیره‌سازی خطی: مراحل ثابت، بدون شاخه

از آن استفاده کنید وقتی: گردش کار قابل پیش‌بینی است.

مثال: گزارش درآمد ماهانه بریتانیا (خطی)

فرض کنید یک صادرات CSV از یک فروشگاه تجارت الکترونیک بریتانیا دارید و می‌خواهید:

• پاکسازی
• بینش‌ها
• گزارش آماده مدیریت

مرحله 1 — پرامپت پاکسازی داده (خروجی یک جدول تمیز یا JSON)

سیستم: شما یک تحلیلگر داده هستید. دقیقاً دستورالعمل‌ها را دنبال کنید. کاربر: مجموعه داده زیر را پاک کنید. ​ قوانین: 1) ردیف‌هایی که revenue_gbp یا units_sold خالی است را حذف کنید. 2) موارد پرت در revenue_gbp را علامت‌گذاری کنید: > 3 برابر میانگین دسته یا < 0.1 برابر میانگین دسته. آن‌ها را حذف نکنید. 3) month_over_month_pct را اضافه کنید: (this_month - last_month) / last_month * 100. 4) فقط به عنوان آرایه JSON خروجی دهید. هر آیتم باید داشته باشد:   date، category، revenue_gbp، units_sold، region_uk، outlier_flag، month_over_month_pct ​ مجموعه داده: <داده را اینجا جایگذاری کنید>

مرحله 2 — پرامپت بینش‌ها (خروجی بینش‌های نقطه‌ای)

سیستم: شما یک تحلیلگر ارشد هستید که برای مخاطبان رهبری بریتانیا می‌نویسید. کاربر: با استفاده از JSON پاک شده زیر، بینش‌ها تولید کنید: ​ 1) دسته: 3 برتر بر اساس revenue_gbp، و 3 برتر بر اساس month_over_month_pct. درصد مشارکت را شامل شوید. 2) منطقه: 2 منطقه برتر بر اساس درآمد، و بزرگترین کاهش (>10%). 3) روند: روند کلی (صعودی/نزولی/بی‌ثبات). رابطه درآمد در مقابل واحدها را توضیح دهید. ​ فرمت خروجی: - بینش‌های دسته: 2-3 نقطه - بینش‌های منطقه: 2-3 نقطه - بینش‌های روند: 2-3 نقطه ​ JSON پاک شده: <خروجی مرحله 1 را جایگذاری کنید>

مرحله 3 — پرامپت نوشتن گزارش (خروجی سند نهایی)

سیستم: شما گزارش‌های داخلی واضح می‌نویسید. کاربر: بینش‌های زیر را به یک "خلاصه درآمد ماهانه" (800–1,000 کلمه) تبدیل کنید. ​ ساختار: 1) خلاصه اجرایی (1 پاراگراف کوتاه) 2) بینش‌های کلیدی (دسته / منطقه / روند) 3) توصیه‌ها (2–3 مورد قابل اجرا) 4) پایان (1 پاراگراف کوتاه) ​ از فرمت GBP (£) و املای بریتانیایی استفاده کنید. بینش‌ها: <خروجی مرحله 2 را جایگذاری کنید>

زنجیره‌های خطی به بهترین شکل خسته‌کننده هستند: قابل پیش‌بینی، خودکار، و آسان برای آزمایش.

---

5.2 زنجیره‌سازی شاخه‌ای: انتخاب مسیر بر اساس طبقه‌بندی

از آن استفاده کنید وقتی: مرحله بعدی به یک تصمیم بستگی دارد (نوع، شدت، قصد).

مثال: طبقه‌بندی پیام مشتری (شاخه‌ای)

مرحله 1 پیام را طبقه‌بندی می‌کند:

سیستم: شما پیام‌های مشتری را طبقه‌بندی می‌کنید. فقط برچسب را خروجی دهید. کاربر: این پیام را به عنوان یکی از موارد زیر طبقه‌بندی کنید: - شکایت - پیشنهاد - سوال ​ فرمت خروجی: برچسب: <یکی از سه> ​ پیام: "سفارش من شارژ شد اما هرگز نرسید، و هیچ‌کس به ایمیل‌هایم پاسخ نداد. این مسخره است."

سپس شاخه می‌زنید:

• اگر شکایت ← برنامه پاسخ حادثه تولید کنید
• اگر پیشنهاد ← امکان‌سنجی + جایگذاری نقشه راه تولید کنید
• اگر سوال ← پاسخ پشتیبانی مستقیم تولید کنید

مدیریت شکایت (مثال):

سیستم: شما یک مدیر عملیات مشتری هستید. کاربر: یک برنامه رسیدگی به شکایت برای پیام زیر ایجاد کنید. ​ شامل: 1) بیانیه مشکل 2) اقدامات: ظرف 1 ساعت، ظرف 24 ساعت، ظرف 48 ساعت 3) پیشنهاد جبران خسارت (معقول برای تجارت الکترونیک بریتانیا) خروجی در سه بخش با نقاط. ​ پیام: <پیام را جایگذاری کنید>

زنجیره‌های شاخه‌ای نحوه توقف رفتار یکسان با هر ورودی به عنوان یک مشکل است.

---

5.3 زنجیره‌سازی حلقه‌ای: تکرار تا رسیدن به شرط توقف

از آن استفاده کنید وقتی: نیاز دارید آیتم‌های مشابه زیادی را پردازش کنید، یا خروجی را به صورت تکراری اصلاح کنید.

مثال: تولید دسته‌ای لیست محصولات (حلقه‌ای)

مرحله 1 لیست را به بلوک‌های آیتم تقسیم می‌کند:

سیستم: شما داده محصول را فرمت می‌کنید. کاربر: لیست محصول زیر را به بلوک‌های جداگانه تقسیم کنید. ​ فرمت خروجی (برای هر آیتم تکرار کنید): [آیتم N] نام: ویژگی‌های کلیدی: مشتری هدف: قیمت_gbp: ​ لیست محصول: <لیست را جایگذاری کنید>

مرحله 2 بر روی هر بلوک حلقه می‌زند:

سیستم: شما متن محصول با تبدیل بالا می‌نویسید. کاربر: یک توضیح تجارت الکترونیک برای محصول زیر بنویسید. ​ الزامات: - عنوان جذاب ≤ 12 کلمه - 3 نقطه ویژگی (≤ 18 کلمه هر کدام) - 1 جمله: بهترین برای چه کسی - 1 جمله: چرا ارزش خوبی دارد (از £ استفاده کنید) - 150–200 کلمه مجموع، انگلیسی بریتانیایی ​ محصول: <آیتم N را جایگذاری کنید>

زنجیره‌های حلقه‌ای به قوانین توقف سخت نیاز دارند:

• دقیقاً N آیتم را پردازش کنید، یا
• حداکثر 2 بار تلاش مجدد کنید اگر تعداد کلمات خیلی طولانی است، یا
• اگر اعتبارسنجی موفق شد متوقف شوید

در غیر این صورت گران‌ترین حلقه بی‌نهایت جهان را ایجاد خواهید کرد.

---

6) چک‌لیست عملی "به خودتان شلیک نکنید"

مشکل: فرمت میانی نامرتب است ← پرامپت بعدی ناموفق است

رفع: فرمت‌بندی را غیرقابل مذاکره کنید.

خطوطی مانند این اضافه کنید:

• "فقط JSON خروجی دهید."
• "اگر نمی‌توانید رعایت کنید، خروجی: ERROR:FORMAT."

مشکل: مدل جزئیات قبلی را فراموش می‌کند

رفع: هر بار "قرارداد" را به صراحت بازنویسی کنید.

• "از آرایه pain_points از خروجی قبلی استفاده کنید."
• "دسته‌های اضافی اختراع نکنید."

مشکل: حلقه‌ها هرگز همگرا نمی‌شوند

رفع: محدودیت‌های قابل اندازه‌گیری + حداکثر تلاش مجدد را تعریف کنید.

• "تعداد کلمات ≤ 200"
• "حداکثر تلاش مجدد: 2"
• "اگر هنوز ناموفق است، بهترین تلاش + لیست خطا را برگردانید"

مشکل: انتخاب شاخه اشتباه است

رفع: قوانین طبقه‌بندی را بهبود دهید + یک بررسی دوم اضافه کنید.

مثال:

• شکایت باید شامل احساس منفی و یک مشکل مشخص باشد.
• اگر نامطمئن است، برچسب خروجی: سوال (نیاز به توضیح دارد).

---

7) ابزارهایی که زنجیره‌سازی را کمتر دردناک می‌کنند

می‌توانید پرامپت‌ها را به صورت دستی زنجیره کنید (کپی/پیست کار می‌کند)، اما ابزار کمک می‌کند وقتی از چند مرحله فراتر می‌روید.

• n8n / Make: ابزارهای گردش کاری کد کم برای زنجیره‌سازی تماس‌های API، ذخیره خروجی‌ها، فعال‌سازی هشدارها.
• LangChain / LangGraph: زنجیره‌ها را با حافظه، شاخه‌زنی، تلاش مجدد، تماس‌های ابزار، و مدیریت وضعیت بسازید.
• Redis / Postgres: نتایج میانی را حفظ کنید تا بتوانید ادامه دهید، حسابرسی کنید، و از تماس‌های تکراری جلوگیری کنید.
• Notion / Google Docs: به طور شگفت‌انگیزی برای زنجیره‌سازی "انسان در حلقه" مرحله اولیه مؤثر است.

---

8) چگونه این را ارتقا دهیم

زنجیره‌سازی پرامپت حتی قدرتمندتر می‌شود وقتی آن را با موارد زیر ترکیب کنید:

• RAG: یک مرحله بازیابی در وسط زنجیره اضافه کنید (مثلاً، "اسناد سیاست را بگیرید" قبل از پیش‌نویس پاسخ)
• دروازه‌های تأیید انسانی: قبل از اقدامات پرخطر تأیید کنید (تغییرات قیمت، بازپرداخت مشتری، پاسخ‌های انطباق)
• مراحل چندوجهی: متن ← خلاصه تصویر ← تولید نمودار ← سند نهایی

---

نتیجه نهایی

زنجیره‌سازی پرامپت "پرامپت‌های بیشتر" نیست. این طراحی گردش کاری است.

وقتی شروع به رفتار با پرامپت‌ها به عنوان مراحل با قراردادها، اعتبارسنجی‌ها، و مسیرهای شکست می‌کنید، LLM شما از رفتار مانند یک تولیدکننده متن آشفته متوقف می‌شود و شروع به رفتار مانند یک همکار قابل اعتماد می‌کند—یک ایستگاه در یک زمان.

اگر چیزی فراتر از یک نمایش یک‌مرحله‌ای می‌سازید، آن را زنجیره کنید.

\