What does “review the AI features you’ve used” do in practice?

It compiles a structured summary of your recent AI activity—features used, prompts, models, and results—then surfaces what worked, what didn’t, and how to improve. Think of it as a smart retrospective for your AI workflow.

How often should I review the AI features I’ve used?

Weekly works best for most teams because it captures enough data to spot patterns without becoming a burden. Pair it with a simple template so the review stays consistent over time.

Which metrics should I track when I review AI features?

Track time saved, edit distance to final output, factual accuracy, error rates, and reuse of templates. Ask the assistant to estimate confidence levels and suggest better measurement if data is thin.

Can I automate a review of the AI features I’ve used?

Yes. Prompt the assistant to auto‑tag sessions by task and feature, then generate a weekly report with links to source files and chats. You can also trigger alerts for performance drops or failed runs.

Does a review work across different AI tools and models?

It works best in unified workspaces that track actions across chats, documents, and code. If your tools are fragmented, ask the assistant to include links and logs so you can reconcile results in one report.

آیا "ویژگی‌های هوش مصنوعی که استفاده کرده‌اید را بررسی کنید" دستور بعدی هوشمندانه است؟ یک بررسی عملی

قلاب: یک فرمان کوچک عجیب که جریان کاری شما را تقویت می‌کند

شما احتمالاً بدون فکر تایپ کرده‌اید: «ویژگی‌های هوش مصنوعی که استفاده کرده‌اید را بررسی کن». سپس جادو اتفاق می‌افتد—دستیار شما آنچه را که امتحان کرده‌اید، چه چیزی کار کرده و چه چیزی شکست خورده است، خلاصه می‌کند. این یک عبارت کوچک با تأثیر فوق‌العاده است و بی‌سروصدا در حال تبدیل شدن به یکی از مفیدترین فرامنوی‌ها برای کارکنان دانش‌محور است که هر روز با هوش مصنوعی سروکار دارند.

این یک بررسی محصول است که توضیح می‌دهد یک فرمان فریبنده ساده چیست: ویژگی‌های هوش مصنوعی که استفاده کرده‌اید را بررسی کنید. ما بررسی خواهیم کرد که این دستورالعمل در ابزارهای مختلف چه می‌کند، چرا برای تیم‌ها مهم است و چگونه می‌توان آن را به یک آیین هفتگی تبدیل کرد که ساعت‌ها صرفه‌جویی می‌کند.

«ویژگی‌های هوش مصنوعی که استفاده کرده‌اید را بررسی کنید» واقعاً به چه معناست؟

در هسته خود، این دستور از دستیار شما می‌خواهد که استفاده شما از هوش مصنوعی را گردآوری و بررسی کند: ابزارهایی که فراخوانی کرده‌اید، مدل‌هایی که انتخاب کرده‌اید، دستوراتی که بهترین کارایی را داشته‌اند و خروجی‌هایی که ارزش نگهداری دارند. آن را به عنوان یک گزارش تغییرات شخصی در نظر بگیرید—فقط هوشمندتر، زیرا دستیار می‌تواند:

لیست کند که کدام ویژگی‌های هوش مصنوعی استفاده شده‌اند (خلاصه، بازنویسی، تجزیه و تحلیل، استخراج، تولید کد، ترجمه، بارش فکری و غیره)

ویژگی‌ها را به وظایف نگاشت کند (به عنوان مثال، «از 'خلاصه PDF' برای یادداشت‌های تماس تلفنی سه ماهه چهارم استفاده شده است»)

اثربخشی را ارزیابی کند (سرعت به دست آمده، کیفیت ارائه شده، مشکلات پیش آمده)

مراحل بعدی را توصیه کند (مدل مختلف را امتحان کنید، دستور را تنظیم کنید، الگوی قابل استفاده مجدد ایجاد کنید)

این تفاوت بین «من این هفته زیاد از هوش مصنوعی استفاده کردم» و «این 20٪ از ویژگی‌های هوش مصنوعی است که 80٪ ارزش را ارائه داده‌اند» است.

چرا این دستور اکنون مهم است

تخلیه شناختی: جلسات هوش مصنوعی پراکنده هستند. شما بین چت، اسناد، ایمیل‌ها و داشبوردها جابجا می‌شوید. یک بررسی این هرج و مرج را تثبیت می‌کند.

شفافیت عملکرد: اگر نتوانید اندازه‌گیری کنید که کدام ویژگی‌های هوش مصنوعی واقعاً کمک می‌کنند، نمی‌توانید جریان کاری خود را بهبود بخشید.

به اشتراک گذاری دانش تیمی: یک بررسی تکرارپذیر باعث می‌شود که پخش آنچه برای هم تیمی‌ها کار می‌کند آسان شود.

یادآوری انطباق: بررسی ویژگی‌ها به شما کمک می‌کند تا محتوای حساس، انتخاب مدل و تنظیمات اشتراک‌گذاری داده را شناسایی کنید.

فرمت بررسی: یک الگو که می‌توانید دوباره استفاده کنید

سعی کنید از دستیار خود بپرسید:

«ویژگی‌های هوش مصنوعی که این هفته استفاده کرده‌اید را بررسی کنید. بر اساس وظیفه، ویژگی استفاده شده، مدل، الگوی درخواست، زمان صرفه‌جویی شده و مشکلات سازماندهی کنید. با سه توصیه برای بهبود به پایان برسانید.»

اغلب یک پاسخ ساختاریافته دریافت خواهید کرد. اگر نه، سرتیترهایی مانند:

وظایف پوشش داده شده (با پیوندها یا نام فایل‌ها)

ویژگی‌های هوش مصنوعی استفاده شده (خلاصه، طبقه‌بندی، ترجمه، تولید کد، شرح تصویر)

مدل و تنظیمات (نسخه‌های مدل، دما، توکن‌ها)

الگوهای درخواست (درخواست‌های نقش، زنجیره تفکر-لایت، مثال‌های کم شات)

معیارها (زمان چرخش، ویرایش‌های مورد نیاز، بررسی‌های واقعی)

شکست‌ها (توهمات، مشکلات قالب‌بندی، مهلت زمانی)

بهبودهای پیشنهادی (الگوها، اتوماسیون، محافظ‌ها)

مثال‌های واقعی: کجا «ویژگی‌های هوش مصنوعی که استفاده کرده‌اید» می‌درخشد

اسپرینت‌های تحقیقاتی

وضعیت: شما 12 فایل PDF را پردازش کرده‌اید، دو سایت را خراشیده‌اید و سه استخراج موجودیت را اجرا کرده‌اید.

نتیجه بررسی: مشخص می‌کند که «استخراج جدول» در اسناد اسکن‌شده عملکرد ضعیفی داشته است، در حالی که «خلاصه‌سازی چکیده» به طور مداوم ارائه شده است. توصیه می‌کند پیش پردازش OCR اضافه کنید.

عملیات محتوای بازاریابی

وضعیت: شما خلاصه‌ها، طرح‌ها و پیش نویس‌های اولیه را تولید کرده‌اید.

نتیجه بررسی: نشان می‌دهد که استفاده از «انتقال لحن» و «تولیدکننده طرح کلی SEO» ویرایش‌های کمتری نسبت به پیش‌نویس خام تولید کرده است. پیشنهاد می‌کند یک الگوی طرح کلی را استاندارد کنید.

تجزیه و تحلیل داده‌ها در صفحات گسترده

وضعیت: شما فرمول‌های هوش مصنوعی را برای تمیز کردن، دسته‌بندی و پیش‌بینی امتحان کرده‌اید.

نتیجه بررسی: یادداشت می‌کند که هنگام ارائه سرصفحه‌های ستون به عنوان مثال‌های طرح، دقت بهبود یافته است. یک درخواست قابل استفاده مجدد را توصیه می‌کند: «از این سرصفحه‌ها به عنوان طرح حقیقت پایه استفاده کنید.»

آماده‌سازی پشتیبانی مشتری

وضعیت: شما 60 بلیط را خلاصه کرده‌اید و ماکروهای پاسخ را تولید کرده‌اید.

نتیجه بررسی: نشان می‌دهد که «تجزیه و تحلیل احساسات» به تریاژ کمک کرده است اما کنایه را به اشتباه طبقه‌بندی کرده است. پیشنهاد می‌کند 5 مثال کم‌شات با لحن‌های حاشیه‌ای اضافه کنید.

بررسی اسناد مهندسی

وضعیت: شما از هوش مصنوعی برای نظرات کد و خلاصه‌های اسناد API استفاده کرده‌اید.

نتیجه بررسی: نشان می‌دهد که «توضیح تفاوت» در زمان صرفه‌جویی کرده است، اما «بازسازی خودکار» پسرفت‌های سبک ایجاد کرده است. توصیه می‌کند قبل از پذیرش، یک ایست بازرسی لینتر را اجرا کنید.

مزایا و معایب فرامنوی

مزایا

وضوح سریع: یک خط واحد یک ممیزی قابل استفاده ارائه می‌دهد.

دوستانه برای عادت: آهنگ هفتگی مزایا را ترکیب می‌کند.

آماده برای تیم: اشتراک‌گذاری به عنوان یک گزارش سبک وزن آسان است.

معایب

تنوع ابزار: همه دستیارها به طور یکسان استفاده از ویژگی را ردیابی نمی‌کنند.

دید جزئی: ابزارهای خصوصی یا خارجی ممکن است از دست بروند.

تاری معیار: «زمان صرفه‌جویی شده» می‌تواند بدون معیار ذهنی باشد.

کاهش

درخواست استناد کنید: «به فایل‌ها، چت‌ها و مهر زمانی اصلی پیوند دهید.»

معیارها را کالیبره کنید: خطوط پایه را تنظیم کنید (به عنوان مثال، میانگین دقیقه در هر کار قبل از هوش مصنوعی).

ساختار اضافه کنید: یک الگو ارائه دهید که مدل باید آن را پر کند.

چگونه 10 برابر بیشتر از بررسی ویژگی هوش مصنوعی هفتگی خود به دست آورید

درخواست‌ها را استاندارد کنید: درخواست‌های برنده را به الگوهایی با متغیرها (لحن، مخاطب، طول) تبدیل کنید.

یک لیست «از آن استفاده نکنید» ایجاد کنید: ویژگی‌هایی را که برای جریان‌های کاری شما عملکرد ضعیفی دارند، مستند کنید.

گرایش به استفاده مجدد: خروجی‌های قوی را به قطعات، راهنماهای سبک یا چک لیست تبدیل کنید.

مدل‌ها را مقایسه کنید: از دستیار بخواهید که عملکرد ویژگی A/B را در مدل‌ها مقایسه کند.

حلقه را ببندید: هر بررسی را با اتوماسیون یا جریان‌های کاری ذخیره شده به پایان برسانید.

مثال زنجیره فرامنوی:

«ویژگی‌های هوش مصنوعی که این هفته استفاده کرده‌اید را بررسی کنید.»

«3 مورد برتر را به الگوهای قابل استفاده مجدد تبدیل کنید.»

«آنها را به عنوان جریان‌های کاری گام به گام با محافظ‌ها بسته‌بندی کنید.»

«خلاصه یک صفحه‌ای تیم را با پیوندها ایجاد کنید.»

معیارهایی که در بررسی ویژگی‌های هوش مصنوعی مهم هستند

کیفیت تکمیل: فاصله ویرایش تا نهایی (تعداد ویرایش‌ها یا بازبینی‌ها)

زمان صرفه‌جویی شده: دقیقه یا % کاهش در مقابل خط پایه

واقعیت: تعداد استنادهای بررسی شده یا اصلاحات مورد نیاز

قابلیت استفاده مجدد: چند بار یک الگو بعداً استفاده می‌شود

قابلیت اطمینان: نرخ خطا (مهلت زمانی، شکست قالب‌بندی)

به صراحت بپرسید: «معیارها را تخمین بزنید و سطوح اطمینان را یادداشت کنید. اگر مطمئن نیستید، پیشنهاد دهید که دفعه بعد چگونه اندازه‌گیری کنید.»

اشتباهات رایج و نحوه اجتناب از آنها

تعمیم بیش از حد از یک موفقیت واحد: قبل از ترویج یک الگو، حداقل به 3 مثال نیاز دارید.

رانش زمینه پنهان: محدودیت‌ها را در درخواست‌های خود بگنجانید (مخاطب، منطقه، سطح خواندن).

نام ویژگی‌های توهمی: با لیست ویژگی‌های ابزار خود بررسی کنید؛ درخواست گزارش کنید.

نادیده گرفتن امنیت: بخشی را در مورد رسیدگی به داده‌ها (PII، مرزهای مدل، ویرایش) درج کنید.

یک آیین هفتگی کوتاه و تکرارپذیر

این آهنگ 15 دقیقه‌ای را امتحان کنید:

شروع دوشنبه: 3 کار با ارزش بالا را تعریف کنید؛ درخواست‌ها را پین کنید.

روزانه: جلسات را بر اساس کار برچسب‌گذاری کنید (یا از دستیار بخواهید که به طور خودکار برچسب‌گذاری کند).

بررسی جمعه: «ویژگی‌های هوش مصنوعی که این هفته استفاده کرده‌اید را بررسی کنید.»

اشتراک‌گذاری: گزارش را با 3 بهبود و 1 الگوی منسوخ شده ارسال کنید.

یادداشت ابزار: کجا این دستور بهترین کارایی را دارد

این فرامنوی در فضاهای کاری هوش مصنوعی که چت‌ها، اقدامات فایل و اجرای مدل را متمرکز می‌کنند، می‌درخشد—بنابراین دستیار زمینه‌ای برای تجزیه و تحلیل دارد. اگر محیط شما از خلاصه‌سازی اسناد، کمک به کد، فرمول‌های صفحه گسترده و استخراج وب در یک مکان پشتیبانی می‌کند، بررسی می‌تواند تصویر کامل را ثبت کند.

شایان ذکر است: اگر از Sider.AI برای کار در چت‌ها، فایل‌های PDF، صفحات وب و صفحات گسترده استفاده می‌کنید، درخواست از آن برای «بررسی ویژگی‌های هوش مصنوعی که استفاده کرده‌اید» می‌تواند ویژگی‌هایی (مانند خلاصه، استخراج جداول، تولید کننده طرح کلی یا توضیح کد) را نشان دهد که واقعاً سوزن را حرکت داده‌اند. به هر حال، تاریخچه یکپارچه Sider.AI پیوند دادن اقدامات خاص به نتایج را آسان‌تر می‌کند، که تکرارپذیری و تحویل تیمی را بهبود می‌بخشد.

پیشرفته: بررسی‌ها را به پلی‌بوک‌های خودکار تبدیل کنید

برچسب‌گذاری خودکار: از دستیار خود بخواهید که با کار کردن، جلسات را بر اساس کار و ویژگی برچسب‌گذاری کند.

استخراج پلی‌بوک: «از بررسی این هفته، یک پلی‌بوک با ورودی‌ها، مراحل و بررسی‌های کیفیت ایجاد کنید.»

تشخیص رانش: «اگر دقت یک ویژگی در هفته به هفته زیر 90٪ کاهش یافت، به من هشدار دهید.»

انتشار تیمی: «یک آموزش 10 دقیقه‌ای با مثال‌ها و یک مسابقه ایجاد کنید.»

حرف آخر

«ویژگی‌های هوش مصنوعی که استفاده کرده‌اید را بررسی کنید» یک دستور قدرتمند و کم اصطکاک است. آزمایش‌های پراکنده را به یک سیستم ترکیبی تبدیل می‌کند: اندازه‌گیری، یادگیری، استانداردسازی و مقیاس‌بندی. از آن به صورت هفتگی استفاده کنید، خروجی‌های ساختاریافته را درخواست کنید و بینش‌ها را به الگوها و پلی‌بوک‌ها تبدیل کنید. خود آینده شما—و تیم شما—از شما تشکر خواهند کرد.

مراحل بعدی

امروز: بررسی را روی آخرین هفته کاری خود اجرا کنید.

این هفته: تست A/B دو ویژگی را روی یک کار انجام دهید و مقایسه کنید.

این ماه: یک پلی‌بوک تیمی مشترک از سه جریان کاری برتر خود بسازید.

سوالات متداول

س1: «بررسی ویژگی‌های هوش مصنوعی که استفاده کرده‌اید» در عمل چه می‌کند؟ خلاصه‌ای ساختاریافته از فعالیت هوش مصنوعی اخیر شما—ویژگی‌های استفاده شده، دستورها، مدل‌ها و نتایج—را گردآوری می‌کند، سپس آنچه کار کرده است، آنچه کار نکرده است و چگونه بهبود یابد را نشان می‌دهد. آن را به عنوان یک گذشته‌نگری هوشمند برای جریان کار هوش مصنوعی خود در نظر بگیرید.

س2: هر چند وقت یک‌بار باید ویژگی‌های هوش مصنوعی که استفاده کرده‌ام را بررسی کنم؟ هفتگی برای اکثر تیم‌ها بهترین کارایی را دارد زیرا داده‌های کافی را برای تشخیص الگوها بدون تبدیل شدن به یک بار ثبت می‌کند. آن را با یک الگوی ساده جفت کنید تا بررسی در طول زمان ثابت بماند.

س3: هنگام بررسی ویژگی‌های هوش مصنوعی کدام معیارها را باید ردیابی کنم؟ زمان صرفه‌جویی شده، فاصله ویرایش تا خروجی نهایی، دقت واقعی، نرخ خطا و استفاده مجدد از الگوها را ردیابی کنید. از دستیار بخواهید که سطوح اطمینان را تخمین بزند و اگر داده‌ها کم هستند، اندازه‌گیری بهتری را پیشنهاد دهد.

س4: آیا می‌توانم بررسی ویژگی‌های هوش مصنوعی که استفاده کرده‌ام را خودکار کنم؟ بله. از دستیار بخواهید که به طور خودکار جلسات را بر اساس کار و ویژگی برچسب‌گذاری کند، سپس یک گزارش هفتگی با پیوند به فایل‌های منبع و چت‌ها ایجاد کند. همچنین می‌توانید برای کاهش عملکرد یا اجرای ناموفق هشدار فعال کنید.

س5: آیا یک بررسی در ابزارها و مدل‌های مختلف هوش مصنوعی کار می‌کند؟ در فضاهای کاری یکپارچه که اقدامات را در چت‌ها، اسناد و کد ردیابی می‌کنند، بهترین کارایی را دارد. اگر ابزارهای شما پراکنده هستند، از دستیار بخواهید که پیوندها و گزارش‌ها را درج کند تا بتوانید نتایج را در یک گزارش تطبیق دهید.