מאת לי בונסטרה , גוגל | תרגום ועריכה מקצועית: אור מנור
בעידן שבו מודלים שפתיים גדולים (LLMs) משתלבים כמעט בכל תחום — מכתיבה שיווקית ועד תכנות — הופכת היכולת לנסח פרומפט (הנחיה טקסטואלית) מדויקת לאמנות בפני עצמה.
אמנם כל אחד יכול לכתוב פרומפט, אך יצירת פרומפט יעיל ואפקטיבי היא מיומנות נרכשת שדורשת הבנה, ניסוי וטעייה.
מהו פרומפט ולמה זה חשוב?
פרומפט הוא טקסט (ולעיתים גם קלטים מולטימודליים כמו תמונה) שנשלח למודל כדי לייצר תגובה. איכות הפרומפט משפיעה ישירות על איכות התגובה שתקבלו.
ניסוח לקוי או לא מדויק עלול להוביל לתשובות מעורפלות, שגויות או לא מועילות.
מנגד, פרומפט מחודד היטב יכול להניב תוצאות מרהיבות, מדויקות ומועילות.
הנדסת פרומפטים: תהליך איטרטיבי
הנדסת פרומפטים היא תהליך שבו אנו מעצבים את ההנחיות למודל כדי להשיג תוצאה מיטבית. מדובר בשילוב של ניסוח נכון, בחירת מילים מדויקת, הגדרת מבנה ברור, שילוב הקשר (קונטקסט) רלוונטי, ולעיתים גם הגדרת פרמטרים טכניים כמו אורך תשובה, רמת אקראיות (temperature), וסגנון ההשלמה.
כולם יכולים, אבל כדאי לדעת איך
אינכם צריכים להיות מדעני נתונים או מהנדסי בינה מלאכותית כדי להתחיל.
עם זאת, ככל שתבינו טוב יותר את עקרונות ההנדסה של פרומפטים, כך תצליחו להפיק יותר מהמודלים, ולמנוע תוצאות שגויות או מבוזבזות.
לדוגמה, שימוש בפלטפורמות כמו Gemini (של Google), ובמיוחד דרך Vertex AI או API, מאפשר גישה נרחבת להגדרות כמו "temperature", "top-K", ו-"top-P" — פרמטרים המאפשרים שליטה ברמת היצירתיות, האקראיות והדיוק של המודל.
הסברים נוספים, טכניקות נפוצות (Zero-shot, Few-shot, Chain of Thought), דוגמאות מעשיות לפרומפטים
טכניקות מתקדמות בהנדסת פרומפטים
לאחר שהבנו מהו פרומפט ולמה הוא חשוב, הגיע הזמן לצלול לטכניקות המרכזיות בהנדסת פרומפטים — כלים שיעזרו לכם לנסח בקשות שמניבות תוצאות מדויקות, עקביות ויצירתיות.
1. פרומפטים כלליים / Zero-shot
בטכניקה זו פשוט מציגים למודל את המשימה ללא דוגמה מקדימה. זו הגישה הישירה והפשוטה ביותר. למשל:
> פרומפט: "סווג את ביקורת הסרט כ'חיובית', 'נייטרלית' או 'שלילית':
הסרט 'היא' הוא חוויה מטרידה אך מבריקה על עתיד האנושות עם בינה מלאכותית."
> פלט צפוי: חיובית
השיטה הזו עובדת היטב במשימות פשוטות אך עלולה להיכשל במשימות מורכבות.
2. One-shot ו-Few-shot
במקום להסתמך רק על ניסוח משימה, מוסיפים דוגמה אחת (one-shot) או מספר דוגמאות (few-shot) בתור המחשה.
דוגמה – פיענוח הזמנת פיצה ל-JSON (Few-shot):
> פרומפט:
דוגמה: "אני רוצה פיצה קטנה עם גבינה, רוטב עגבניות ופפרוני"
JSON:
{
"size": "small",
"type": "normal",
"ingredients": [["cheese", "tomato sauce", "pepperoni"]]
}
עכשיו: "אני רוצה פיצה גדולה, חצי עם גבינה וחצי עם אננס"
JSON:
> פלט צפוי:
{
"size": "large",
"type": "half-half",
"ingredients": [["cheese"], ["pineapple"]]
}
שיטה זו מדויקת יותר, במיוחד כשיש ציפייה לפורמט או סגנון עקביים.
3. System, Role ו-Context Prompting
System Prompting: מגדיר למודל את המשימה
הכללית, כולל פורמט ותוצאה צפויה (למשל: “החזר JSON בלבד”).
Role Prompting:
מגדיר למודל "אישיות", למשל: "אתה מדריך טיולים משעשע" או "אתה עורך דין".
Contextual Prompting: מוסיף הקשר רלוונטי
– לדוגמה: “אתה כותב בלוג בנושא משחקי רטרו מהאייטיז”.
שילוב של שלושתם יוצר שליטה גבוהה על סגנון, תוכן ומבנה התשובה.
4. Chain of Thought (CoT)
בשיטה זו אנחנו מבקשים מהמודל "לחשוב בקול רם" ולפרט את שלבי ההיגיון שלו.
דוגמה:
> פרומפט: כשהייתי בן 3, בן הזוג שלי היה פי 3 מגילי. עכשיו אני בן 20. בן כמה הוא? חשוב שלב אחר שלב.
> פלט צפוי:
1. כשהייתי בן 3, בן הזוג היה בן 9.
2. מאז עברו 17 שנים.
3. בן הזוג כעת בן 26.
שיטה זו מגדילה את דיוק המודל, בעיקר בשאלות לוגיות ומתמטיות.
5. Self-consistency ו-Tree of Thought
שיטות אלה לוקחות את CoT צעד קדימה:
Self-consistency: מריצים את אותה שאלה כמה פעמים עם רמות אקראיות שונות ובוחרים בתשובה שמופיעה הכי הרבה.
Tree of Thought: מאפשרות למודל לנסות מספר "ענפים" של מחשבה במקביל ולבחור את המסלול הטוב ביותר לפתרון.
6. ReAct (Reason + Act)
שיטה מתקדמת המשלבת חשיבה עם ביצוע פעולה בפועל, כמו חיפוש בגוגל או הרצת קוד. לדוגמה:
> שאלה: כמה ילדים יש לחברי להקת מטאליקה?
המודל: שואל את גוגל עבור כל חבר להקה, אוסף נתונים, מסכם.
טיפים מעשיים להנדסת פרומפטים
הוסיפו דוגמאות – זה פשוט עובד.
היו ברורים וממוקדים – מה המודל אמור לעשות? באיזה סגנון? איזה פורמט?
העדיפו הוראות חיוביות על פני מגבלות – "כתוב פסקה על..." במקום "אל תזכיר...".
בחנו את ההשפעה של פרמטרים כמו טמפרטורה, אורך תשובה, Top-K ו-Top-P.
שלבו משתנים בפרומפטים קבועים (למשל {city} או {product}).
מצוין! הנה מבחר תבניות פרומפטים מעשיות, מחולקות לפי תחומים מקצועיים, שכל אחת מהן נבנתה לפי עקרונות הנדסת פרומפטים מתקדמת. כל תבנית כוללת את המטרה, מבנה הפרומפט, ודוגמה מעשית. לאחר מכן, ניתן להרחיב ולבנות ספרייה מותאמת אישית עבורך לפי הצרכים שלך.
---
🎯 תחום: שיווק / תוכן דיגיטלי
מטרה: כתיבת פוסט שיווקי ממיר למוצר
תבנית פרומפט:
Act as a creative marketing copywriter.
Generate a {מספר פסקאות} promotional post for {מוצר / שירות}, intended for {קהל היעד}.
The tone should be {הומוריסטי / מקצועי / מעורר השראה}.
Include a clear call to action at the end.
דוגמה:
> הפוך לקופירייטר שיווקי יצירתי. כתוב פוסט פרסומי בן פסקה אחת לשירות של ליווי עסקי ליזמים בתחילת הדרך, המיועד לגברים ונשים בני 30-45. הסגנון צריך להיות מקצועי עם נגיעה אישית. סיים בקריאה לפעולה ברורה.
תחום: חינוך / הדרכה
מטרה: יצירת מערך שיעור קצר
תבנית פרומפט:
You are a high-school teacher.
Create a short lesson plan on {נושא}, including: learning objectives, a 10-minute explanation, and 3 exercises.
Level: {כיתה / גיל / רמת קושי}.
דוגמה:
> אתה מורה בתיכון. צור מערך שיעור בנושא "מהפכת הדפוס", כולל מטרות למידה, הסבר של 10 דקות ושלושה תרגילים. רמת קושי: כיתה י'.
תחום: משפטים
מטרה: ניסוח חוזה פשוט בשפה ידידותית
תבנית פרומפט:
You are a legal advisor.
Write a simple agreement between {צד א'} and {צד ב'} for {שירות / רכישה / שיתוף פעולה}, in clear, friendly Hebrew with legal validity.
Include: scope, timeline, payment, and termination clause.
דוגמה:
> אתה יועץ משפטי. כתוב הסכם פשוט בעברית בין יזם לבין בונה אתרים, עבור בניית אתר תדמית. כלול את היקף השירות, לוחות זמנים, תשלום, וסעיף ביטול.
תחום: תכנות / DevOps
מטרה: יצירת סקריפט אוטומציה
תבנית פרומפט:
You are a senior DevOps engineer.
Generate a Bash script to {מטרה}, that includes user input, error handling, and logging.
דוגמה:
> צור סקריפט Bash שמבקש מהמשתמש שם תיקייה, בודק אם היא קיימת, ואם כן – מוסיף למתחם הלוגים הודעה על הצלחה. אם לא – מציג שגיאה.
תחום: מחקר / Data Science
מטרה: ניתוח נתונים ויזואלי
תבנית פרומפט:
You are a data scientist.
Given a CSV file with columns: {שמות עמודות}, write Python (pandas + matplotlib) code that loads the data, performs EDA, and plots key insights.
Explain what the graphs show.
דוגמה:
> אתה חוקר נתונים. כתוב קוד פייתון שמנתח קובץ עם עמודות: תאריך, מכירות, קטגוריה. הפק גרף מגמות לפי קטגוריה עם הסבר על כל תובנה.