تکرار و بهبود سریع

سود:

• می داند که خروجی اولیه به ندرت کامل است و تکرار یک فرآیند عادی است
• می تواند به طور سیستماتیک یک نتیجه را با بازخورد هدفمند و تک متغیره بهبود بخشد
• منطق تبدیل یک درخواست موفق به یک الگوی قابل استفاده مجدد را می داند

بزرگترین اشتباه مبتدیان این است که انتظار داشته باشند اولین اعلان خروجی عالی ارائه دهد. هنگامی که اولین خروجی انتظارات را برآورده نمی کند، از گفتن "هوش مصنوعی نمی تواند این کار را انجام دهد" منصرف می شوند. با این حال، برای کاربران با تجربه، اولین خروجی یک پایان نیست، بلکه یک آغاز است. در این بخش، ما یاد خواهیم گرفت که نوشتن سریع را به عنوان یک گفتگو و فرآیند بهبود ببینیم، نه یک شات یکباره. تکرار قلب مهندسی سریع است.

تکرار چیست و چرا طبیعی است؟

تکرار عبارت است از گرفتن یک خروجی، اشاره به آنچه که دوست ندارید، تصحیح درخواست یا درخواست و بازتولید آن. اگر خروجی اولیه ناقص باشد، یک شکست نیست، بلکه بخشی طبیعی از فرآیند است. زیرا در بیشتر مواقع، تنها زمانی که اولین خروجی را می بینید، متوجه می شوید که چه می خواهید. کاربر خوب با خروجی اولیه به عنوان یک "پیش نویس" رفتار می کند و آن را به سمت هدف کاهش می دهد.

دو نوع تکرار وجود دارد:

• تصحیح در مکالمه: ادامه در همان مکالمه با بازخوردهایی مانند "این را کوتاه تر کن"، "مورد سوم را حذف کن". سریع است؛ مدل خروجی قبلی را به خاطر می آورد.
• بازنویسی اعلان: به کار بردن آنچه یاد گرفته اید در دستور اولیه و شروع از ابتدا با دستورالعمل بهتر. برای کارهایی که مجددا مورد استفاده قرار می گیرند ارزشمند است.

ارائه بازخورد هدفمند

راز تکرار این است که بازخورد هدفمند است. گفتن "دوست ندارم، دوباره بنویس" مدل را هدایت نمی کند. احتمالاً خروجی مشابهی خواهید داشت. در عوض، دقیقاً بگویید که چه چیزی را تغییر می‌دهید و چگونه:

• ضعیف: "این خوب نیست."
• قوی: "مقدمه خیلی طولانی است؛ پاراگراف اول را به یک جمله کاهش دهید. لحن خیلی رسمی است؛ آن را کمی دوستانه تر کنید. ادعا را از نقطه گلوله دوم حذف کنید زیرا ما نمی توانیم آن را تأیید کنیم."

بهینه سازی تک متغیره

یک عادت علمی بسازید: هر بار یک چیز را تغییر دهید. اگر لحن، طول و ساختار را همزمان تغییر دهید، نمی‌توانید تشخیص دهید که کدام تغییر اعمال شده است، آیا خروجی بهبود می‌یابد یا بدتر می‌شود. رفتن به یک متغیر به شما این امکان را می دهد که یاد بگیرید چه چیزی کار می کند و آن را ثابت نگه دارید.

حلقه تکرار

گام

چه کار می کنی

1. تولید کنید

با اولین فرمان خروجی را دریافت کنید

2. ارزیابی کنید

چه چیزی را دوست داشتید، چه چیزی را دوست نداشتید - به طور مشخص بنویسید

3. یک تغییر

یک اصلاح واحد ایجاد کنید که یک مشکل را هدف قرار دهد

4. بازسازی کنید

تاثیر تغییر را ببینید

5. مقایسه کنید

آیا او بهبود یافته است؟ اگر بله آن را نگه دارید، اگر نه آن را پس بگیرید

6. تعمیر

دستوری که نتایج خوبی به الگو می دهد را ذخیره کنید

چهار قالب قابل کپی

1) تصحیح هدفمند:

خروجی قبلی خوب بود اما تغییر کرد: - [تغییر بتن منفرد 1] - [تغییر تک بتن 2] بقیه چیزها را ثابت نگه دارید.

2) خروجی را نقد کنید:

متنی را که به تازگی تولید کرده اید با چشم ویراستار نقد کنید. 3 نقطه ضعف را بیابید و برای هر کدام یک اصلاح مشخص پیشنهاد دهید. سپس نسخه تصحیح شده را بنویسید.

3) نسل های مختلف (A/B):

از این متن 2 نسخه متفاوت بسازید: الف) رسمی تر و کوتاه تر. ب) دوستانه تر و همراه با مثال. هر دو را بدهید؛ در 1 جمله به من بگویید کدام یک در چه موقعیتی مناسب تر است.

4) کاری کنید که سریعا خودش را درمان کند:

من از دستور زیر استفاده می کنم، اما نتیجه کافی است [مشکل]. پیشنهاد دهید که چگونه می توانم این دستور را واضح تر و موثرتر بنویسم. درخواست بهبود یافته را بنویسید و توضیح دهید که چه چیزی را تغییر داده اید و چرا. درخواست: [اعلان فعلی]

اعلان ضعیف / اعلان قوی (به عنوان بازخورد)

بازخورد ضعیف:

جواب نداد، دوباره امتحان کنید.

بازخورد قوی:

مطالب صحیح است اما سه مشکل وجود دارد: 1) 210 کلمه. کاهش به 120.2) پاراگراف دوم فنی است. اصطلاحات را ساده کنید. 3) پایان ضعیف است. با یک جمله گام بعدی واضح پایان دهید. بقیه چیزها را نگه دارید.

بازخورد دوم دقیقاً به مدل می گوید که کجا را لمس کند. نتیجه در یک نوبت به هدف نزدیکتر می شود.

سه کیف کوچک

مورد 1 - تولید محتوا. یک بازاریاب یک نسخه تبلیغاتی را با گفتن "من آن را دوست ندارم، دوباره بنویس" را 6 بار امتحان کرد و هرگز بیشتر از این کار نکرد. هنگامی که او رویکرد خود را تغییر داد و درخواست یک تغییر مشخص در هر دور کرد (اول طول، سپس لحن، سپس پایان)، او به یک متن قابل انتشار در 3 دور دست یافت. زمان کل به کمتر از نصف کاهش یافت.

مورد 2 - گزارش. یکی از تحلیلگران دید که خلاصه اول خیلی فنی است و گفت: "مدیر این را نمی فهمد، اصطلاحات فنی را به زبان روزمره ترجمه می کند، طول آن را حفظ می کند." به لطف تصحیح تک متغیره، گزارش هم ساده شد و هم دامنه خود را از دست نداد. نیازی به بازنویسی کامل دوم نبود.

مورد 3 - الگوسازی. یک تیم پشتیبانی در حال تصحیح همان نوع پاسخ به طور مکرر، هر چند وقت یکبار بود. در نهایت، آنها دستور ایده آل را در یک الگو ثبت کردند. آنها اکنون به جای تکرار از ابتدا با هر مورد جدید از الگو با تغییرات جزئی استفاده می کنند. این نقطه تکرار را نشان می دهد: یک بار آن را خوب کنید، سپس دوباره از آن استفاده کنید.

نکته: از مدل بخواهید خروجی خودش را نقد کند («3 نقطه ضعف این متن را پیدا کنید»). مدل اغلب متوجه خطای خود می شود و آن را تصحیح می کند. این یک پیش ویرایش از طرف شما انجام می دهد.

احتیاط: تکرار محدودیتی دارد. اگر بعد از 5-6 راند هنوز به هدف نزدیک نشده اید، مشکل در اصلاحات کوچک نیست، بلکه در رویکرد اصلی است: ممکن است از ابتدا نقش، زمینه یا وظیفه را اشتباه تنظیم کرده باشید. در آن مرحله، وصله کردن را متوقف کنید و دستور را از ابتدا دوباره طراحی کنید.

دو مسیر تکرار: مکالمه یا بازنویسی؟

دانستن اینکه کدام راه در حین تکرار کارآمدتر است باعث صرفه جویی در زمان می شود. قاعده این است: برای یک کار یکبار مصرف، سریع‌ترین راه حل آن در چت است. زیرا مدل خروجی قبلی را به خاطر می آورد و شما فقط تفاوت را بیان می کنید. اما برای کاری که تکرار می‌کنید، نوشتن آنچه یاد گرفته‌اید در درخواست اولیه و تولید یک الگوی تمیز ارزشمندتر است. زیرا دفعه بعد بدون نیاز به تکرار خروجی خوبی خواهید داشت.

در عمل، ترکیب این دو کارآمدتر است: ابتدا دستورالعمل صحیح را با آزمایش سریع آن در چت کشف کنید، سپس دستورالعملی را که پیدا کردید در یک پیام تمیز بریزید و آن را در کتابخانه ذخیره کنید. به این ترتیب هم می توانید به سرعت پیشرفت کنید و هم نیروی کار خود را به یک دارایی دائمی تبدیل کنید.

مشاهده تکرار به عنوان یک رکورد یادگیری

هر دور تکرار چیزی به شما می آموزد: کدام اضافه خروجی را بهبود می بخشد، کدام محدودیت غیرضروری است، مدل اشتباه کرده است. نوشتن این آموخته ها در طول زمان یک راهنمای شخصی «آنچه کار می کند» ایجاد می کند. به عنوان مثال، استنباط‌هایی مانند «محدودیت «افزودن نظر» در این نوع خلاصه‌ها الزامی است، «۳ مثال برای تولید عنوان کافی است، ۵ مورد غیر ضروری است» به شما امکان می‌دهد در اولین تلاش در کار مشابه بعدی، دستور صحیح را بنویسید. این دانش چیزی است که کاربر با تجربه را از مبتدی متمایز می کند: آنها هر کسب و کاری را نه از ابتدا، بلکه مسلح به درس های تکرارهای قبلی شروع می کنند.

تبدیل مدل به یک شریک تکرار

لازم نیست تکرار را به تنهایی اجرا کنید. می توانید از مدل بپرسید: "چگونه می توانم این خروجی را به هدف خود نزدیک کنم، 3 پیشنهاد ملموس به من بدهید." این مدل اغلب نقاط ضعف را در خروجی خود به دقت تشخیص می دهد و راه هایی برای رفع آنها پیشنهاد می کند. این امر تکرار را از "آزمایش و خطا" به همکاری هدفمند تبدیل می کند. شما به ما بگویید چه می خواهید، مدل به شما می گوید چگونه به آنجا برسید.

اشتباهات رایج

• ارسال مجدد همان درخواست تلاش مجدد بدون تغییر؛ نتیجه تغییر نمی کند
• بازخورد مبهم گفتن "من آن را دوست ندارم" و نگفتن آنچه را که درست خواهید کرد.
• تغییر خیلی چیزها به یکباره یاد نگرفتن چه چیزی موثر است.
• عدم ضبط اعلان خوب هر بار تکرار یکسان را دوباره انجام دهید.
• تکرار بی نهایت تلاش برای رفع یک دستور اساسی اشتباه با وصله آن.

به طور خلاصه

• خروجی اولیه به ندرت کامل است. تکرار یک شکست نیست، بخشی طبیعی از فرآیند است.
• تکرار موثر با بازخورد هدفمند و نه مبهم ادامه می یابد.
• تغییر یک چیز در هر دور؛ بنابراین شما یاد می گیرید که چه چیزی کار می کند.
• شما می توانید با درخواست از مدل برای نقد خروجی خود، از قبل ویرایش کنید.
• دستوری را که به خوبی کار می کند در قالب ذخیره کنید. هدف از تکرار، تولید یک دارایی قابل استفاده مجدد است.

وظیفه کاربردی

یک پرینت بگیرید و آگاهانه سه دور تکرار را طی کنید: فقط یک چیز را در هر دور تغییر دهید (اول طول، سپس لحن، سپس بسته شدن)، و هر دور را ضبط کنید. پس از دور سوم، مشخص کنید که کدام تغییر بیشترین تفاوت را ایجاد کرده و درخواست نهایی را به عنوان یک الگوی قابل استفاده مجدد ذخیره کنید.

چک لیست

• [ ] من خروجی اولیه را به عنوان پیش نویس می بینم، نه به عنوان کار تمام شده.
• [ ] من بازخوردم را عینی و هدفمند می دهم.
• [ ] من یک تغییر در هر دور انجام می دهم.
• [ ] می توانم از مدل بخواهم که خروجی خودش را نقد کند.
• [ ] من دستورهایی را که نتایج خوبی به الگو می دهند ذخیره می کنم.