به گفته بوریس چرنی (Boris Cherny)، خالق و رئیس Claude Code در آنتروپیک (Anthropic)، مهندسی پرامپت (Prompt Engineering) دیگر مهارت اصلی برای کار موثر با هوش مصنوعی نیست. او در گفتگو با دیانا هو (Diana Hu) از وای کامبینیتور (Y Combinator) گفت مهم ترین کار این است که به Claude تسک های سخت بدهیم و راهی برای راستی آزمایی (Verification) نتیجه در اختیارش بگذاریم.
چرا مهندسی پرامپت دیگر در اولویت نیست؟
دیانا هو، از وای کامبینیتور، اخیرا با بوریس چرنی، خالق و رئیس Claude Code در آنتروپیک، گفتگو کرد.
چرنی در این گفتگو گفت Claude Code توانایی هایی فراتر از تصور رایج کاربران دارد و مهندسی پرامپت تا حد زیادی اهمیت خود را از دست داده است.
او با توجه به اینکه Claude نیازی به «فکر کردن بیش از حد» ندارد، پیشنهاد داد کاربران Claude Code بهتر است اینفلوئنسرهای هوش مصنوعی در توییتر و لینکدین را آنفالو کنند.
ماجرای وایرال OpenCV: نمونه ای از توانایی های غیرمنتظره Claude
یکی از نکاتی که چرنی درباره اش هیجان زده بود این بود که Claude Code توانمندی بالایی دارد و به پرامپت های موشکافانه نیاز ندارد.
او مثالی از یک آزمایش زد که در داخل آنتروپیک وایرال شد: یک مهندس به Claude دسترسی به OpenCV (کتابخانه متن باز بینایی کامپیوتر) داد؛ کتابخانه ای متن باز شامل هزاران الگوریتم بلادرنگ برای پردازش تصویر و یادگیری ماشین (Machine Learning).
سپس از Claude خواسته شد تصویر بکشد و او این کار را انجام داد؛ قابلیتی که کاملا غیرمنتظره بود.
هدف از این حکایت این بود که نشان دهد Claude Code قابلیت هایی دارد که بسیار فراتر از نیاز به «مهندسی پرامپت» است.
چرنی درباره الیسیتیشن مدل (Model Elicitation) چه گفت؟
الیسیتیشن مدل چیست؟ این فرایند به معنای کشف و آزادسازی توانایی های پنهانی است که یک مدل هوش مصنوعی از قبل دارد، اما به صورت پیش فرض نشان نمی دهد. دیانا هو درباره همین مفهوم از چرنی پرسید.
دیانا هو پرسید:
«و حوزه بزرگ پژوهش در این زمینه اساسا الیسیتیشن مدل است، درست است؟ اینکه واقعا در کشف همه این قابلیت ها و خواستن کار درست از مدل خوب عمل کنیم؟
آدم ها چطور در این کار بهتر می شوند؟ و در واقع، چطور آدم ها در مهندسی پرامپت بهتر می شوند؟ آیا هنوز باید مهندسی پرامپت زیادی انجام دهند یا این هم در حال تغییر است؟
بگو این روند به کجا می رود.»
یکی از نکاتی که چرنی بارها تکرار کرد این بود که مفید است به Claude Code تسک هایی بدهیم که انجامشان سخت است و از حد انتظار ما از توانایی Claude فراتر می رود؛ همان نکته ای که در حکایت OpenCV هم دیده می شود.
چرنی پاسخ داد:
«بله، یادم است یک سال پیش، یکی از محبوب ترین آگهی های شغلی، مهندس پرامپت بود. بعد این کمی تغییر کرد و فکر می کنم تبدیل شد به مهندس کانتکست (Context Engineer). پس این یک جور موج است که فکر می کنم می آید و می رود.
فکر می کنم مهارت امروز کمتر درباره مهندسی پرامپت است و بیشتر درباره این است که چطور به Claude یک تسک سخت بدهیم که کمی بیش از حد سخت به نظر برسد؟ و بعد چطور کاری کنیم که Claude بتواند کارش را در طول مسیر راستی آزمایی کند؟
و فکر می کنم راستی آزمایی احتمالا مهم ترین چیزی است که اکثر آدم ها درست انجامش نمی دهند.»
بازنویسی اپلیکیشن دسکتاپ Claude از Electron به Swift؛ یک آزمایش عملی
در همین بخش، چرنی توضیح داد که به Claude Tag (نسخه ای از Claude که به عنوان یک ایجنت در Slack کار می کند) دسترسی به یک ماشین مجازی مک (Mac Virtual Machine) داد و بعد یک تسک برنامه نویسی پیچیده به آن سپرد.
او از Claude خواست اپلیکیشن دسکتاپ Claude را بازنویسی کند و آن را از فریم ورک متن باز Electron به زبان برنامه نویسی بومی اپل، یعنی Swift، تبدیل کند. چرنی برای این کار از یک پرامپت ساده و مستقیم استفاده کرد که در آن دستورات یا محدودیت ها بیش از حد فکر شده نبودند.
توضیح او درباره این تسک و پرامپت:
«و بعد گفتم، خب حالا می خواهم این کار را انجام بدهی، می خواهم اپلیکیشن Electron را در Swift بازنویسی کنی. می خواهم اپلیکیشن Electron را در ماشین مجازی مک اجرا کنی، از آن اسکرین شات بگیری و بعد پیکسل به پیکسل با نسخه Swift مقایسه اش کنی.
تا وقتی تمام نشده متوقف نشو.
…پس این واقعا یکی از آن نمونه هایی است که مدل امروز می تواند این کار را انجام دهد، فقط باید بگذاری انجامش بدهد و به آن چیزهای فانتزی نیازی نیست.
به /goal نیاز نداری، به /loop نیاز نداری. اینها کمک می کنند. اما در واقع همه چیزی که لازم داری این است که تسک را به مدل بدهی، راهی برای راستی آزمایی نتیجه کارش در اختیارش بگذاری تا گیر نکند، و بعد خودش پیش می رود.
…و در واقع، در این مورد، Claude تصمیم گرفت که از پیشرفت کارش لایو بلاگ (Live Blog) هم بگیرد. یعنی یک کانال Slack داخلی ساخت و هر چند دقیقه یک بار اسکرین شات از پیشرفت کارش پست می کرد.»
چگونه کاربران Claude Code می توانند به سطح حرفه ای برسند؟
دیانا هو، مصاحبه گر، از اینکه یک تسک پیچیده برنامه نویسی با یک پرامپت ساده انجام شد شگفت زده شد. او سپس پرسید کاربران Claude Code آنتروپیک چطور می توانند حرفه ای تر شوند. پاسخ چرنی این بود که پرامپت نویسی برای Claude Code باید «تجربی (Empirically)» انجام شود؛ یعنی از طریق تجربه و مشاهده نتیجه کارها.
او پرسید:
«چه چیزی آدم هایی که می توانند جزو یک درصد برتر کاربران Claude باشند را از بقیه جدا می کند؟ آدم ها چطور می توانند یاد بگیرند مثل بوریس از Claude استفاده کنند؟»
چرنی پاسخ داد:
«شاید، به اینفلوئنسرهای لینکدین گوش نکن. توییتر هم نخوان.
نکته این است که فکر می کنم همه دنبال یک ترفند عجیب برای این کار هستند. همچین چیزی وجود ندارد، هیچ چیزی شبیه آن نیست.
روشی که مدل کار می کند این است که باید تجربی به آن نزدیک شوی. باید یک تسک بدهی که خیلی سخت باشد.
باید ابزارهایی بدهی که کارش را راستی آزمایی کند، همان طور که خودت این کار را می کردی، اگر داشتی خودت آن تسک را انجام می دادی.
باید ببینی کجا گیر می کند، و بعد باید آن را درست کنی، یا با پرامپت نویسی بهتر یا با یک اسکیل (Skill)، یا اگر مدل کانتکست (Context) کم دارد، یک MCP به آن بدهی تا بتواند کانتکستی که نیاز دارد را جمع کند. اساسا همین است.»
چرا بیش از حد مشخص کردن (Over-Specifying) دستورات نتیجه معکوس دارد؟
دیانا هو گفت که این به نظر ساده می آید. چرنی پاسخ داد که فکر می کند «آدم ها معمولا کمی بیش از حد به آن فکر می کنند». نکته او این بود که بیش از حد مشخص کردن دستورات با Claude Code امروز لازم نیست.
او ادامه داد:
«فکر می کنم آدم ها تمایل دارند بیش از حد مهندسی کنند (Over-Engineer). چون فکر می کنم، از خیلی جهات، وقتی در گذشته سیستم می ساختیم، این همان روشی بود که مجبور بودیم انجامش بدهیم.
پس وقتی به مهندس هایی نگاه می کنم که سال ها یا دهه هاست کدنویسی می کنند، این یک الگوی شکست خیلی خیلی رایج است: تلاش برای بیش از حد مشخص کردن، و تلاش برای بیش از حد دقیق بودن، و خواستن اینکه مدل تسک را دقیقا همان طوری انجام بدهد که خودت انجام می دادی.
و این اصلا روشی نیست که مدل با آن کار می کند.
اما فکر می کنم خیلی از آدم ها دارند این را فراموش می کنند، و این یک سفر است برای فراموش کردنش. یک سفر است که بفهمی چطور باید با این مثل یک همکار رفتار کنی.
فکر می کنم سطح هوشمندی که الان به آن رسیده همین است.»
جمع بندی: نکات کلیدی این مصاحبه
- مهندسی پرامپت اهمیت کمتری نسبت به دادن دستورات واضح به Claude و فراهم کردن راهی برای راستی آزمایی کار آن دارد.
- Claude به نقطه ای رسیده که خیلی از ترفندهای «مهندسی پرامپت» دیگر لازم نیست.
- Claude Code توانایی هایی فراتر از آنچه بسیاری از کاربران فکر می کنند دارد.
- Claude Code را با تسک های سخت تر به چالش بکشید.
- امتحان کردن و دیدن نتیجه کار می تواند مفید باشد.
- به پرامپت ها بیش از حد فکر نکنید.
مطلب مرتبط: برای آشنایی بیشتر با تاثیر هوش مصنوعی بر دنیای سئو و بهینه سازی محتوا، می توانید مقاله سئو و هوش مصنوعی را مطالعه کنید.
ترجمه : Head Of Anthropic’s Claude Code Says Prompt Engineering Not That Important
