چت
Hand
Code
Create
Wisebase
برنامه‌ها
آزمایشگاه
قیمت‌گذاری
افزودن به Chrome
ورود
ورود
چت
Hand
Code
Create
Wisebase
برنامه‌ها
آزمایشگاه
قیمت‌گذاری
بازگشت به منوی اصلی
محصولات
برنامه‌ها
  • افزونه‌ها
  • iOS
  • Android
  • Mac OS
  • Windows
Wisebase
  • Wisebase
  • Deep Research
  • Scholar Research
  • Math Solver
  • Rec NoteNew
  • Audio To Text
  • Gamified Learning
  • Interactive Reading
  • ChatPDF
ابزارها
  • سازنده وبNew
  • اسلایدهای هوش مصنوعیNew
  • نویسنده مقاله هوش مصنوعی
  • Nano Banana Pro
  • Nano Banana Infographic
  • تولیدکننده تصویر هوش مصنوعی
  • ژنراتور اختلال ذهنی ایتالیایی
  • حذف‌کننده پس‌زمینه
  • تغییر دهنده پس‌زمینه
  • پاک‌کننده عکس
  • حذف‌کننده متن
  • نقاشی مجدد
  • ارتقاء دهنده تصویر
  • ایجاد
  • مترجم هوش مصنوعی
  • مترجم تصویر
  • مترجم PDF
Sider
  • تماس با ما
  • مرکز راهنما
  • دانلود
  • قیمت‌گذاری
  • برنامه آموزشی
  • چه چیز جدید است
  • وبلاگ
  • جامعه
  • شرکا
  • همکاری در فروش
  • دعوت
©2026 تمام حقوق محفوظ است
شرایط استفاده
سیاست حفظ حریم خصوصی
  • صفحه اصلی
  • وبلاگ
  • ابزارهای هوش مصنوعی
  • به ابزارهای خود بیاموزید که فکر کنند: چگونه <b>مهارت‌های سفارشی Claude</b> را برای تیم خود ایجاد کنید

به ابزارهای خود بیاموزید که فکر کنند: چگونه <b>مهارت‌های سفارشی Claude</b> را برای تیم خود ایجاد کنید

به‌روزرسانی شده در 17 اکتبر 2025

15 دقیقه


مقدمه: به ربات التماس نکنید—آن را آموزش دهید
مشکل دستیارهای هوش مصنوعی این است که همه طوری وانمود می‌کنند که آن‌ها متخصصان همه‌فن‌حریف هستند—تا زمانی که از آن‌ها بخواهید کار به‌شدت خاصی انجام دهند، مانند قالب‌بندی یک یادداشت تدارکاتی با لحن شرکت شما، ارجاع به بند انطباق صحیح، و بایگانی آن در جایی که به آن تعلق دارد. سپس «هوش» ناگهان شبیه یک کارآموز باهوش در اولین روز کاری‌اش به نظر می‌رسد: مشتاق، سریع، و با اطمینان در مورد هر چیزی که مهم است اشتباه می‌کند.
مهارت‌های سفارشی — رفتارهای کوچک و هدفمندی که سلیقه، قوانین و گردش کار تیم شما را رمزگذاری می‌کنند—این شکاف را پر می‌کنند. نه با پاشیدن گرد و غبار جادویی، بلکه با نوشتن اینکه کارآموز واقعاً باید چه کار کند. اینکه چگونه مهارت‌های سفارشی را برای تیم خود ایجاد کنید، به معنای آموزش حقایق جدید به یک مدل نیست. بلکه محدود کردن مسئله، ایجاد محافظ‌ها و ارائه یک مسیر روشن از ورودی به خروجی است. تفاوت بین «چت‌بات عمومی» و «کاری که می‌توانید ارائه دهید» تقریباً همیشه یک مهارت است: یک روال تکرارپذیر و خوش‌تعریف که به فرآیند واقعی شما نگاشت می‌شود، نه یک نسخه نمایشی.
اگر می‌خواهید خلاصه مطلب را در یک خط بگوییم: دست از حدس زدن بردارید. دقیقاً به آن بگویید تیم شما چگونه کار می‌کند. این‌گونه است که مهارت‌های سفارشی را ایجاد می‌کنید که واقعاً ارزش خود را ثابت می‌کنند.
چرا مهارت‌های سفارشی مهم هستند (و دروغِ اعلان عمومی)
  • افسانه: یک اعلان برای حکمرانی بر همه. فقط مشکل خود را در یک جعبه متن جای‌گذاری کنید و خروجی در سطح نوابغ دریافت کنید. بله، و اگر کپی-پیست مشکلات سازمان‌ها را حل می‌کرد، ما جلسات را در سال ۱۹۹۷ حل کرده بودیم.
  • واقعیت: کار تیم شما مجموعه‌ای از قراردادهای خرد است. سبک، نام‌گذاری، مراحل بررسی، مقاصد فایل، عبارات پرچم قرمز. یک مهارت سفارشی این قراردادها را در خود جای می‌دهد.
  • نتیجه: خروجی‌های سازگار، بررسی‌های سریع‌تر، «اصلاح» کمتر توسط انسان‌هایی که باید کار را ارائه دهند. شما اهرم به دست می‌آورید—زیرا هر بار دستورالعمل‌ها را دوباره اختراع نمی‌کنید.
مکان‌های معمولی که مهارت‌ها در آن می‌درخشند (جایی که ربات از تله خوردن دست برمی‌دارد)
  • عملیات محتوا: خلاصه ← پیش‌نویس ← بررسی صحت ← سبک خانه ← نشانه‌گذاری آماده CMS، با پیوندهای متعارف و سلب مسئولیت‌ها.
  • پشتیبانی: خلاصه کردن تیکت، یافتن ورودی‌های پایگاه دانش مطابق، پیشنهاد یک پاسخ با صدای شما و ثبت به‌روزرسانی.
  • فروش: احراز صلاحیت سرنخ‌های ورودی، استخراج اطلاعات شرکت، تهیه پیش‌نویس پیگیری و ارسال به CRM—بدون شکوفایی‌های خلاقانه در جایی که نیازی به آن نیست.
  • مهندسی: مرتب‌سازی گزارش‌های اشکال به مراحل بازتولید، اجزای مشکوک، سطح ریسک و درخواست مودبانه اما قاطع برای یک مثال حداقلی.
  • انطباق و حقوقی: طبقه‌بندی سند، تعیین محل بند، پیشنهاد یک خط قرمز با منطق ردیابی شده. خسته‌کننده؟ بله. مفید؟ همچنین بله.
چگونه مهارت‌های سفارشی را برای تیم خود ایجاد کنید (نسخه کوتاه)
  1. یک کار تکرارپذیر با تعریف واضح از انجام شده را انتخاب کنید. «بهتر بنویسید» یک کار نیست. «تهیه پیش‌نویس یک بیانیه مطبوعاتی که با این الگو مطابقت داشته باشد و از زبان آینده‌نگرانه خودداری کند» یک کار است.
  1. فرآیند خود را در اعلان‌هایی قرار دهید که شبیه دستورالعمل هستند، نه احساسات. سبک، الگو و موارد حاشیه‌ای را به صورت مکتوب قرار دهید.
  1. به زمینه تأییدشده بدهید: اسناد منبع، مثال‌ها و یک راهنمای سبک متعارف. آن را مجبور نکنید حقیقت را حدس بزند. حقیقت را به آن تحویل دهید.
  1. بررسی‌ها را اضافه کنید. از مهارت بخواهید QA خود را با یک لیست کوتاه اجرا کند: آیا فیلدهای اصلی وجود دارند؟ آیا ادعاها ذکر شده‌اند؟ آیا لحن در محدوده است؟
  1. روی ورودی‌های واقعی آزمایش کنید، خطاهایی را که به آن‌ها اهمیت می‌دهید اندازه‌گیری کنید و مانند یک محصول تکرار کنید—زیرا این یک محصول است.
این چارچوب سطح بالا است. حالا، جزئیات.
مرحله ۱: شغل مهارت را تعریف کنید، نه شخصیت آن را
به شخصیت نیاز ندارد. بلکه به شرح شغل با معیارهای پذیرش نیاز دارد. با یک منشور یک جمله‌ای شروع کنید:
  • منشور: «تهیه یک پیش‌نویس پست وبلاگ ۶۰۰–۸۰۰ کلمه‌ای برای محصول امنیت سایبری ما، در سبک خانه ما، با دو پیوند داخلی، یک آمار خارجی ذکر شده و یک پاراگراف CTA که به نسخه آزمایشی رایگان اشاره می‌کند—نه طرح سازمانی.
  • ورودی‌ها: موضوع، ۲–۳ پیوند منبع که به آن‌ها اعتماد داریم، لیست کلمات کلیدی، مخاطب.
  • خروجی‌ها: پیش‌نویس نشانه‌گذاری، گزینه‌های عنوان، یک توضیح SEO ۱۴۰ کاراکتری و فهرستی از استنادها با URL.
  • تعریف انجام شده: همه خروجی‌ها موجود هستند، هیچ آمار توهمی وجود ندارد، لحن با راهنمای سبک مطابقت دارد، CTA بعد از بخش یکی مانده به آخر قرار می‌گیرد.
طوری آن را بنویسید که انگار آن را به یک استخدام جدید می‌دهید که امروز شروع به کار می‌کند. ابهام جایی است که هوش مصنوعی حقایق را اختراع می‌کند.
مرحله ۲: اعلان را به عنوان یک مشخصات بسازید، نه یک حس
یک مهارت سفارشی بر اساس مشخصات اعلان زنده می‌ماند یا می‌میرد. از بخش‌های ساده‌ای استفاده کنید که مدل بتواند از آن‌ها اطاعت کند:
  • نقش: «شما دستیار تولید برای وبلاگ امنیتی ما هستید.
  • اهداف: فهرست، شماره‌گذاری شده.
  • محدودیت‌ها: تعداد کلمات، قوانین لحن، عبارات ممنوعه، قالب‌بندی.
  • ساختار مورد نیاز: سرفصل‌ها، بخش‌ها، فیلدها.
  • منابع: دقیقاً جایی که اجازه داده می‌شود حقیقت از آنجا بیاید.
  • فهرست QA: مدل قبل از خروجی خود را بررسی می‌کند.
اسکلت مثال:
""" شما دستیار تهیه پیش‌نویس برای وبلاگ امنیت Acme هستید.
اهداف:
  1. پستی با ۶۰۰–۸۰۰ کلمه بنویسید که [موضوع] را برای رهبران امنیتی توضیح دهد.
  1. لیست کلمات کلیدی دقیق را وارد کنید: [لیست].
  1. دو پیوند داخلی از [internal_link_list] را وارد کنید.
  1. به یک آمار خارجی فقط از منابع ارائه شده استناد کنید.
محدودیت‌ها:
  • لحن: صریح، دقت فنی، بدون کلمات تبلیغاتی: «انقلابی»، «مخل»، «تغییردهنده بازی».
  • قالب: نشانه‌گذاری با H2/H3، پاراگراف‌های کوتاه، بدون ایموجی، یک پاراگراف CTA قبل از نتیجه‌گیری.
  • حقایق، نقل قول‌ها یا آمار را جعل نکنید.
منابع:
  • فقط به این موارد اعتماد کنید: [link1]، [link2]، [house_style_guide]. اگر ادعایی پشتیبانی نمی‌شود، آن را بیان کنید.
فهرست QA (بی‌صدا قبل از خروجی نهایی اجرا شود):
  • همه بخش‌های مورد نیاز وجود دارند.
  • آمار خارجی با URL ذکر شده است.
  • کلمات کلیدی به طور طبیعی وارد شده‌اند.
  • هیچ کلمه ممنوعه ظاهر نمی‌شود.
  • CTA در جای مناسب وجود دارد. """
ترفند خسته‌کننده است: همه چیز را یادداشت کنید. خسته‌کننده کار می‌کند. احساسات مقیاس پذیر نیستند.
مرحله ۳: زمینه مناسب را به بدهید (بدون غرق کردن آن)
«از صدای ما استفاده کنید» زمینه نیست. زمینه واقعی شما:
  • راهنمای سبک شما، در یک یا دو صفحه، با بایدها و نبایدهای مشخص.
  • تعدادی از مثال‌های داخلی عالی که با دلیل خوب بودن آن‌ها حاشیه‌نویسی شده‌اند.
  • لیست متعارف پیوندهای داخلی که باید ظاهر شوند.
  • فرهنگ لغت نام محصولات، نام ویژگی‌ها و اختصاراتی که به روش خودتان هجی می‌شوند.
  • هرگونه مین زمینی سیاست: ادعاهایی که هرگز مطرح نمی‌کنید، سلب مسئولیت‌هایی که همیشه وارد می‌کنید.
از بازیابی هوشمندانه استفاده کنید. اگر از ابزاری استفاده می‌کنید که از پایگاه دانش پشتیبانی می‌کند، منابع را پین کنید تا مهارت بتواند به آن‌ها استناد کند. اگر در حال پیوست کردن فایل‌ها به ازای هر درخواست هستید، آن‌ها را کوتاه و مرتبط نگه دارید. سی PDF زمینه نیست. سهل‌انگاری است.
مرحله ۴: خروجی‌های ساختاریافته را اضافه کنید—اتصال آن را آسان کنید
هنگامی که مهارت‌های سفارشی ایجاد می‌کنید، به این فکر کنید که نتیجه بعداً به کجا می‌رود. اگر خروجی به یک CMS تغذیه می‌شود، یک بلوک JSON یا ماده جلویی تعریف کنید. اگر در Jira قرار می‌گیرد، به فیلدها نام‌هایی بدهید که Jira انتظار دارد. هرچه کلیک‌ها بین مدل و سیستم ثبت کمتر باشد، مکان‌های کمتری برای انسان‌ها برای قالب‌بندی مجدد و وارد کردن مجدد خطاها وجود دارد.
مثال‌ها:
  • پیش‌نویس وبلاگ: ماده جلویی YAML (عنوان، توضیحات، برچسب‌ها) + بدنه نشانه‌گذاری.
  • پاسخ پشتیبانی: موضوع، بدنه، پیوندهای KB، برچسب‌های تیکت.
  • خلاصه فروش: نام حساب، اندازه، نقاط درد، مراحل بعدی، امتیاز اطمینان.
از ساختار شکایت نخواهد کرد. مردم شکایت خواهند کرد—اگر وجود نداشته باشد.
مرحله ۵: محافظ‌ها را در آن قرار دهید (خودآزمایی > پاک‌سازی پس از واقع)
یک مهارت سفارشی خوب فقط یک دستورالعمل نیست. بلکه یک روال کوچک است که کار خود را بررسی می‌کند. از بخواهید قبل از خروجی نهایی اعتبارسنجی کند:
  • تله توهم: «اگر هر ادعایی در منابع ارائه شده پشتیبانی نشود، آن را «تأیید نشده» علامت‌گذاری کنید یا عبارتی پیشنهاد دهید که از این ادعا اجتناب کند.
  • تله لحن: «قبل از خروجی نهایی، عبارات ممنوعه را اسکن کنید. آن‌ها را با جایگزین‌های ساده‌تر جایگزین کنید.
  • تله ساختار: «تأیید کنید که همه فیلدهای مورد نیاز وجود دارند. اگر وجود ندارند، ورودی از دست رفته را در یک سؤال بپرسید.
خودآزمایی یک پیش‌نویس ۷۰٪ را به چیزی تبدیل می‌کند که بدون بازی کارآگاه قابل بررسی است.
مرحله ۶: روی کار واقعی آزمایش کنید، نه اعلان‌های اسباب بازی
توضیحات نمایشی ندهید. ورودی‌های واقعی هفته گذشته را به مهارت تغذیه کنید. خطاها را شمارش کنید:
  • خطاهای محتوا: حقایق اشتباه، استنادهای از دست رفته، نام محصولات نادرست.
  • خطاهای ساختاری: فیلدهای از دست رفته، قالب اشتباه، بخش‌های اشتباه.
  • خطاهای سبک: لحن خاموش، کلمات ممنوعه، خیلی طولانی/کوتاه.
سپس مشخصات را اصلاح کنید—یک بار. نه پنجاه ویرایش موردی به خروجی. مشخصات محصول است.
مرحله ۷: آن را به گردش کار خود متصل کنید (دکمه‌ها از اعلان‌ها بهتر هستند)
سریع‌ترین راه برای ایجاد یک مهارت سفارشی، قرار دادن یک دکمه در جایی است که کار در آن زندگی می‌کند. در داخل ویرایشگر سند، سیستم تیکتینگ یا کلاینت چت خود. هر مرحله اضافی—کپی، پیست، تعویض تب‌ها—دعوت می‌کند تا «من فقط خودم این کار را انجام خواهم داد.
اگر از پلتفرمی مانند Sider.AI استفاده می‌کنید، این موضوع به‌طور خوشایندی سرراست است: یک مهارت سفارشی را به یک فضای کاری پین کنید، سبک خانه و مثال‌های خود را پیوست کنید و آن را روی متن یا فایل‌های انتخاب شده فعال کنید. Sider.AI واقعاً کار می‌کند—به‌ویژه هنگامی که مهارت را به آنچه تیم شما واقعاً تکرار می‌کند، محدود کنید. این کار به‌طور جادویی استراتژی را اختراع نمی‌کند. بلکه شما را از قالب‌بندی دستی همان پاراگراف برای بار چهارصدم بازمی‌دارد.
الگوهای عملی که به‌طور مکرر کار می‌کنند
  • تهیه پیش‌نویس دو مرحله‌ای: مرحله اول برای ساختار و پوشش. مرحله دوم برای وضوح و لحن. مرحله دوم را به یک مهارت جداگانه تبدیل کنید که مرحله اول را ویرایش می‌کند.
  • تیم قرمز به عنوان یک مهارت: یک لیست کوتاه و بی‌رحمانه که سعی می‌کند ادعاها را زیر سوال ببرد، کلمات طفره‌آمیز را تشخیص دهد و آمار تأیید نشده را علامت‌گذاری کند.
  • استخراج-تبدیل-بارگذاری (ETL) برای متن: یک مهارت فیلدها را از ورودی‌های نامرتب استخراج می‌کند. دیگری اصطلاحات را نرمال می‌کند. سومی مصنوع نهایی را ارائه می‌دهد.
  • پین کردن زمینه بر اساس وظیفه: هر مهارت با بسته منبع خود ارسال می‌شود. اجازه ندهید «پایگاه دانش عمومی» خط قرمزهای انطباق شما را به نثر بازاریابی تبدیل کند.
یک آموزش گام به گام ملموس: ساخت یک مهارت مرتب‌سازی پشتیبانی
مورد استفاده: تیکت‌های ایمیل ورودی یک آشفتگی هستند. شما مرتب‌سازی مجدد تولید را می‌خواهید.
  1. منشور
  • ایمیل‌های خام را به یک تیکت ساختاریافته تبدیل کنید: حوزه محصول، شدت، قابلیت تولید مجدد، پیوندهای KB پیشنهادی و یک پیش‌نویس پاسخ اول.
  1. ورودی‌ها
  • متن ایمیل خام، دامنه فرستنده و آخرین فهرست KB.
  1. خروجی‌ها
  • بلوک JSON با فیلدها: product_area، severity (P۱–P۴)، repro_steps، suspected_component، kb_suggestions (۳ برتر با اطمینان)، reply_draft و برچسب‌ها.
  1. محدودیت‌ها
  • وعده هیچ جدول زمانی. هیچ ادعایی در مورد علت اصلی. پاسخ را زیر ۱۵۰ کلمه نگه دارید، لحن ساده.
  1. منابع
  • فقط به KB اعتماد کنید. اگر هیچ تطابقی در KB وجود ندارد، بگویید «هیچ مقاله KB یافت نشد. به بررسی انسانی ارتقا دهید.
  1. فهرست QA
  • شدت در یک جمله توجیه شده است.
  • حداقل یک مرحله بازتولید.
  • پاسخ عاری از تعهدات.
هسته اعلان مثال:
""" نقش: شما ایمیل‌های پشتیبانی را به تیکت‌های ساختاریافته مرتب می‌کنید.
اهداف:
  1. استخراج فیلدهای ساختاریافته.
  1. حداکثر ۳ پیوند KB را منحصراً از فهرست ارائه شده پیشنهاد دهید.
  1. یک پاسخ ایمن و مختصر تهیه کنید.
محدودیت‌ها:
  • سیاست‌ها، جدول‌های زمانی یا علل را اختراع نکنید.
  • اگر مطمئن نیستید، فیلدها را به عنوان UNKNOWN علامت‌گذاری کنید و دلیل آن را در یادداشت‌ها توضیح دهید.
فرمت خروجی: { "product_area": "", "severity": "P1|P2|P3|P4", "repro_steps": [""], "suspected_component": "", "kb_suggestions": [{"title":"","url":"","confidence":0–1}], "reply_draft": "", "tags": [""], "notes": "" }
QA قبل از نهایی:
  • همه فیلدها وجود دارند.
  • هیچ پیوند اختراع شده‌ای وجود ندارد.
  • پاسخ <= ۱۵۰ کلمه. """
آن را ارسال کنید، روی ۵۰ تیکت واقعی آزمایش کنید، دلتاها را اندازه‌گیری کنید، سفت کنید.
اشتباهات رایج (و نحوه جلوگیری از شلیک به فرآیند خود)
  • دامنه بیش از حد گسترده: «بازاریابی انجام دهید.» یک برش را انتخاب کنید. راه اندازی کنید، یاد بگیرید، گسترش دهید.
  • حقیقت مبهم: هیچ منبع تأیید شده‌ای وجود ندارد، تعداد زیادی مزخرفات مطمئن.
  • بدون ساختار: دیواری از متن که نمی‌توانید آن را در یک سیستم قرار دهید.
  • دستکاری اعلان یکباره: با مهارت‌ها مانند مشخصات محصول رفتار کنید، نه جادوگری.
  • نادیده گرفتن حلقه‌های بررسی: همیشه به افراد راهی برای اصلاح و بازخورد بهبودها به مشخصات بدهید.
بازی تیمی: چه کسی مالک مهارت است؟
مهارت‌های سفارشی «تنظیم و فراموش کردن» نیستند. شخصی مالک است:
  • نگهداری: هنگامی که راهنمای سبک تغییر می‌کند، مهارت تغییر می‌کند.
  • کنترل رانش: خروجی‌ها را به صورت ماهانه برای لحن خزنده یا رانش ساختاری نظارت کنید.
  • معیارها: زمان صرفه‌جویی شده، نرخ خطا و دلایل رد را پیگیری کنید.
به آن مانند یک محصول کوچک فکر کنید: چند خط مشخصات، یک پایگاه کاربری اسیر و نیاز به نگهداری. هزینه کم است. نتیجه عقلانیت تکرارپذیر است.
امنیت و حریم خصوصی: موارد غیر قابل مذاکره
  • به حداقل رساندن داده‌ها: فقط حداقل زمینه مورد نیاز را منتقل کنید. «همه چیز در مخزن» یک برنامه نیست.
  • مرزهای منبع حقیقت: داده‌های شخصی را بیرون نگه دارید مگر اینکه رضایت صریح و پوشش سیاست داشته باشید.
  • ثبت و ویرایش: فیلدهای حساس را قبل از لمس اعلان، پاک کنید. آن را خودکار کنید.
  • قابلیت حسابرسی: خروجی‌های ساختاریافته به شما امکان می‌دهند یک دنباله کاغذی نگه دارید. برای QA خوب است، برای انطباق بهتر است.
چگونه «خوب» را اندازه‌گیری کنیم (نکته: این احساسات نیست)
  • زمان تأیید: دقایقی از پیش‌نویس تا انتشار/ارسال تأیید شده.
  • فاصله ویرایش: چه مقدار یک انسان مجبور شد تغییر دهد. کلمات یا درصد تفاوت را بشمارید.
  • تعداد دفعات کلاس خطا: واقعی، ساختاری، لحن. ریشه را در مشخصات اصلاح کنید.
  • دریافت: آیا مردم واقعاً از دکمه استفاده می‌کنند؟ اگر نه، مهارت در جای اشتباهی قرار دارد.
ابتدا آن را خسته‌کننده کنید، سپس آن را سریع کنید
سرعت یک هدف مرتبه دوم است. ابتدا، خروجی‌های سازگار و صحیح دریافت کنید. سپس در سرعت سرمایه‌گذاری کنید:
  • ذخیره و استفاده مجدد: زمینه پایدار (راهنمای سبک، واژه‌نامه) را پین نگه دارید، دوباره ارسال نشود.
  • الگوهای از پیش اعتبارسنجی شده: به مهارت اجازه دهید فیلدها را پر کند، نه اینکه هر بار فریم را بازسازی کند.
  • موازی‌سازی: ابتدا فیلدها را استخراج کنید، سپس پیش‌نویس‌هایی را تولید کنید که مشروط به فیلدهای استخراج شده باشند.
چه زمانی یک مهارت را تقسیم کنیم در مقابل متحد نگه داریم
هنگامی که تقسیم کنید:
  • صدا یا مخاطب تغییر می‌کند (خلاصه اجرایی در مقابل سند توسعه‌دهنده).
  • منابع داده تغییر می‌کنند (KB در مقابل مشخصات محصول).
  • ساختار خروجی واگرا می‌شود (نشانه‌گذاری در مقابل JSON برای API).
هنگامی که متحد نگه دارید:
  • وظیفه با ورودی‌های جزئی یکسان است (موضوعات، پیوندها، نام‌ها).
  • بازبین‌ها یکسان هستند و یک «احساس» می‌خواهند.
یک الگوی سریع که می‌توانید بدزدید (عمومی اما مفید)
""" عنوان: [نام مهارت]
منشور: در یک جمله، کار انجام شود.
ورودی‌ها: شمارش کنید، با انواع.
منابع مورد اعتماد: پیوندها یا نام‌های سند را لیست کنید.
فرمت خروجی: طرح‌واره صریح (JSON، نشانه‌گذاری، ماده جلویی YAML + بدنه). بدون غافلگیری.
محدودیت‌ها:
  • لحن و کلمات ممنوعه.
  • تعداد کلمات و ترتیب بخش.
  • بدون جعل. حذف را به اختراع ترجیح دهید.
فهرست QA:
  • فیلدهای مورد نیاز وجود دارند.
  • ادعاها به منابع استناد می‌کنند.
  • سبک و طول در محدوده هستند.
حالت خرابی:
  • اگر ورودی‌ها یا منابع از دست رفته‌اند، یک سؤال واضح بپرسید و متوقف شوید. """
در پیروی از قوانین خوب است—هنگامی که آن‌ها را می‌نویسید
مدل‌ها جامعه‌ستیزهای مودب هستند: آن‌ها با جذابیت نگران‌کننده‌ای از شایستگی تقلید می‌کنند. به آن‌ها قانون بدهید، و آن‌ها با صبر ماشینی از آن‌ها پیروی می‌کنند. به آن‌ها احساس بدهید، و آن‌ها با اطمینان توهم می‌زنند. کل ترفند ایجاد مهارت‌های سفارشی ، ترجمه غرایز سخت‌به‌دست‌آمده تیم شما به محدودیت‌ها، مثال‌ها و فهرست‌های بررسی است. «احساس» را با یک مصنوع جایگزین کنید.
Sider.AI کجا قرار می‌گیرد (و کجا قرار نمی‌گیرد)
Sider.AI تابع اجباری را صادقانه نگه می‌دارد: شما راهنمای سبک و مثال‌های متعارف را پیوست می‌کنید، مهارت را به ابزارها و فایل‌های خاص متصل می‌کنید و آن را در مکانی که کار از قبل اتفاق می‌افتد اجرا می‌کنید. سعی نمی‌کند رئیس، CMS و درمانگر شما باشد. یک چاقوی تیز با دسته خوب است. از آن برای:
  • پین کردن زمینه خاص مهارت که به لجن عمومی تبدیل نمی‌شود.
  • فعال کردن مهارت‌ها از متن انتخاب شده یا فایل‌های آپلود شده بدون دستکاری زمینه.
  • به اشتراک گذاشتن یک مهارت در یک تیم تا همه شکل و لحن خروجی یکسانی دریافت کنند.
از Sider.AI—یا هر ابزاری—به عنوان جایگزینی برای تصمیم‌گیری در مورد اینکه «خوب» چگونه به نظر می‌رسد، استفاده نکنید. این قسمت کار شماست.
تنظیم آن: تکرار بدون چرخاندن چرخ
  • با یک کار با حجم بالا شروع کنید.
  • یک مهارت v1 با مشخصات دقیق و سه مثال ارسال کنید.
  • آن را به مدت یک هفته اجرا کنید. اشتباهات را جمع آوری کنید.
  • مشخصات را یک بار اصلاح کنید. دوباره اجرا کنید.
  • مشخصات را مسدود کنید. به مهارت شماره ۲ بروید.
پس از سه یا چهار مهارت، متوجه یک الگو خواهید شد: هرچه کمتر از بخواهید چیزی اختراع کند، خروجی‌های شما بهتر می‌شوند. هیجان انگیز نیست. بدون شک مؤثر است.
موارد حاشیه‌ای و نحوه برخورد با آن‌ها بدون درام
  • ورودی‌های ناشناخته: به مهارت آموزش دهید که یک سؤال واضح بپرسد، نه بیست سؤال.
  • منابع متناقض: منبع جدیدترین تاریخ‌دار را ترجیح دهید. اگر تاریخ‌ها برابر بودند، داخلی را به خارجی ترجیح دهید. اگر هنوز گره خورده بود، UNRESOLVED را علامت‌گذاری کنید.
  • برخوردهای قانونی: اگر یک ادعا یک قانون ادعای ممنوعه را فعال کرد، زبان را به طور خودکار کاهش دهید. همیشه می‌توانید در بررسی آن را پس بگیرید.
آموزش تیم (زیرا انسان‌ها گلوگاه واقعی هستند)
  • مشخصات مهارت را به افراد بدهید، نه فقط دکمه. اگر نمی‌توانند نام تعریف انجام شده را ببرند، از آن سوء استفاده خواهند کرد.
  • ویرایش‌های درون خطی را در مشخصات تشویق کنید، نه تصحیحات یکباره پس از واقع که هرگز به بالادست برنمی‌گردند.
  • به کار غیر جذاب حفظ راهنمای سبک پاداش دهید. این مدل حقیقت شماست.
گذر نهایی: فهرست بررسی که خود آینده شما از شما تشکر خواهد کرد
  • منشور یک جمله‌ای نوشته شده است.
  • ورودی‌ها، خروجی‌ها و محدودیت‌ها مستند شده‌اند.
  • منابع معتبر پیوست شده و کوچک هستند.
  • خودآزمایی QA در اعلان (prompt) تعبیه شده است.
  • خروجی ساختاریافته تعریف شده است.
  • دکمه به جایی که کار در آن جریان دارد متصل شده است.
  • معیارها (Metrics) ابزاربندی شده‌اند (زمان تا تأیید، فاصله ویرایش، خطاها).
  • مالک برای نگهداری تعیین شده است.
نقطه سکون (The Quiet Point)
ایجاد مهارت‌های سفارشی کلود (Claude) برای تیم شما، به دنبال کردن یک تیتر خبری درباره هوش مصنوعی نیست. بلکه نوشتن کارهایی است که از قبل انجام می‌دهید، زمانی که آن را به خوبی انجام می‌دهید، و سپس تبدیل کردن آن به حالت پیش‌فرض. این کار به اندازه چک‌لیست‌ها خسته‌کننده است—درست تا زمانی که شما را از برخورد برای دهمین بار به همان دیوار نجات دهد. این نوعی از «تحول هوش مصنوعی» است که هیچ‌کس به آن مباهات نمی‌کند، زیرا بسیار شبیه نظم و انضباط است. نکته جالب: نظم و انضباط بهتر از حس و حال مقیاس‌پذیر است.
نتیجه‌گیری: ابزارها را آموزش دهید، نه افسانه‌ها را
وعده هوش مصنوعی این نبود که یک ماشین ذهن شما را بخواند. بلکه این بود که وقتی دقیقاً به آن بگویید چه کار کند، آن را هر بار انجام خواهد داد. مهارت‌های سفارشی کلود (Claude) چک ضمانتی برای تحقق این وعده هستند. قوانین را به صورت مکتوب درآورید، آن‌ها را به منابع خود متصل کنید و خروجی‌ها را به سیستم‌هایی که از قبل استفاده می‌کنید، متصل کنید. هدف‌تان تکرارپذیری غیر جذاب باشد، و تنها ترفند جادویی را که در یک تیم اهمیت دارد، به دست خواهید آورد: کاری که در اولین تلاش، بدون هیچ درامی، ارائه می‌شود. این یک انقلاب نیست. بلکه بهتر است.

سوالات متداول

س۱: سریع‌ترین راه برای ایجاد مهارت‌های سفارشی کلود (Claude) برای تیم من چیست؟ با یک کار پرحجم شروع کنید، یک منشور (charter) دقیق بنویسید و ورودی‌ها، خروجی‌ها و محدودیت‌ها را به زبان ساده تعریف کنید. منابع معتبر و یک چک‌لیست QA را به کلود (Claude) بدهید، سپس یک دکمه را در جریان کار واقعی سیم‌کشی کنید تا افراد بدون حرکات ژیمناستیک کپی-پیست از آن استفاده کنند.
س۲: چگونه از توهم‌زایی کلود (Claude) در مهارت‌های سفارشی جلوگیری کنم؟ حقیقت را به منابع معتبر محدود کنید و به مهارت دستور دهید که ادعاها را در صورت عدم پشتیبانی، به عنوان تاییدنشده (UNVERIFIED) برچسب‌گذاری کند. یک مرحله خودآزمایی اضافه کنید که عبارات ممنوعه را رد کند و قبل از خروجی نهایی، نیاز به استناد داشته باشد.
س۳: چه نوع کارهایی بیشتر از مهارت‌های سفارشی کلود (Claude) بهره‌مند می‌شوند؟ هر چیزی که قابل تکرار باشد با یک تعریف واضح از پایان کار: عملیات محتوا، مرتب‌سازی پشتیبانی، خلاصه فروش و بازبینی انطباق. اگر تیم شما از قبل الگو یا چک‌لیستی دارد، این یک نامزد عالی است.
س۴: چگونه باید اندازه‌گیری کنم که آیا یک مهارت سفارشی کلود (Claude) کار می‌کند؟ زمان تا تأیید، فاصله ویرایش از پیش‌نویس تا نهایی و دسته‌های خطا (واقعی، ساختاری، لحن) را پیگیری کنید. اگر این اعداد بهبود یابند و افراد واقعاً از دکمه استفاده کنند، مهارت شما اجاره خود را پرداخت می‌کند.
س۵: Sider.AI در مهارت‌های سفارشی کلود (Claude) چه نقشی دارد؟ Sider.AI به سنجاق کردن زمینه، به اشتراک گذاری مهارت‌ها در بین تیم‌ها و اجرای آنها در جایی که کار در حال حاضر در آنجا جریان دارد—اسناد، تیکت‌ها یا فایل‌ها—بدون بازی هر بار با پرامپت-جنگا کمک می‌کند. این یک موتور استراتژی نیست. بلکه مکانی است که مهارت سفارشی شما به یک ابزار قابل اعتماد تبدیل می‌شود.

مقالات اخیر
چگونه در ChatPDF مهارت پیدا کنیم: دسترسی سریع‌تر به اطلاعات از اسناد حجیم

چگونه در ChatPDF مهارت پیدا کنیم: دسترسی سریع‌تر به اطلاعات از اسناد حجیم

بهترین جایگزین X Auto-Translation برای ترجمه سریع و دقیق اسناد

بهترین جایگزین X Auto-Translation برای ترجمه سریع و دقیق اسناد

عدم دسترسی به ترجمه هوش مصنوعی سامسونگ در ایران؟ راهکارهای عملی

عدم دسترسی به ترجمه هوش مصنوعی سامسونگ در ایران؟ راهکارهای عملی

ابزارهای ترجمه فارسی: راهنمای عملی برای کار سریع‌تر و دقیق‌تر

ابزارهای ترجمه فارسی: راهنمای عملی برای کار سریع‌تر و دقیق‌تر

بهترین جایگزین Grok برای تحقیقات عمیق و مستند

بهترین جایگزین Grok برای تحقیقات عمیق و مستند

۱۵ ویژگی برتر تولیدکننده تصویر هوش مصنوعی که واقعاً از آنها استفاده خواهید کرد

۱۵ ویژگی برتر تولیدکننده تصویر هوش مصنوعی که واقعاً از آنها استفاده خواهید کرد