چگونه با یک LLM بنویسیم

دو قانون ساده که به LLM ها اجازه می دهد نوشتن شما را بدون پاستوریزه کردن و جک کردن آن با شربت ذرت ساده و بهبود بخشند.

نوشتن در مورد نوشتن دشوار است. آن را به عنوان یک لاف می آید; داری به خوبی می نویسی شاید این کار را بکنید، و شاید هم نداشته باشید، اما مطمئنا تعداد زیادی از منتقدان در اینترنت در جایی وجود دارند که فکر می‌کنند شما آن را بد می‌کنید. من مانند بقیه افراد بیهوده و ناامن هستم و نوشتن این قطعه را به طرز عجیبی ناخوشایند می دانم. اما من بر خودم غلبه می‌کنم و این موضوع را نادیده می‌گیرم، زیرا این توصیه مهم است، بحث کردن با آن سخت و صریح است.

خوانندگان می توانند کلمات LLM را در قسمت در تریلیون تشخیص دهند. هر چقدر هم که برای پاک کردن و انسانی کردن آن تلاش کنید، یک پاراگراف LLM برای بسیاری از مخاطبان شما نه به عنوان نوشته، بلکه به عنوان خروجی ثبت می شود. بنابراین، اول خبر بد: شما باید برای خودتان بنویسید.

اما LLM ها هنوز هم فوق العاده مفید هستند. فقط باید از آنها به عنوان یک ویرایشگر کپی استفاده کنید تا یک شبح نویس. بنابراین، مرحله اول روش من: قطعه خود را بنویسید. سپس، مرحله دوم: آن را به یک مدل خوب تغذیه کنید تا عیب‌ها را پیدا کنید.

اما قبل از اینکه در مورد نحوه کارکرد آن صحبت کنیم، دو قانون وجود دارد که باید بدانید. آنها از خزش LLM جلوگیری می کنند که شما را به دره عجیب بین بیان و خروجی می اندازد و شما را از توجه خواننده خارج می کند.

قانون شماره یک: شما نمی توانید از یک کلمه که LLM به شما پیشنهاد می کند استفاده کنید.

شکستن این قانون چیزی است که شما را به دردسر می‌اندازد. دلیل این است: مدل های مرزی به طور ماوراء طبیعی در انتخاب نوبت های دلپذیر عبارت خوب هستند. این همه چیز آنهاست. مشکلات مربوط به آنچه مدل‌ها پیشنهاد می‌کنند ظریف هستند. به این موضوع فکر کنید: مدل‌های مرزی در حالتی قرار می‌گیرند که همه چیزهایی که می‌نویسند تیتر یک مجله است. سرفصل ها خوب هستند، اما در مورد کسی که با ده ها مورد از آنها مقاله نوشته است تعجب می کنید.

بنابراین من فکر می‌کنم که به‌عنوان نوعی از تجهیزات حفاظت شخصی فکری، باید این قاعده را اتخاذ کنید که هر چرخش خاص عبارتی که یک LLM پیشنهاد می‌کند، ممنوع است. در مورد قانون سختگیر باشید! کل فرضیه اینجا این است که شما نمی‌خواهید تمام روش‌هایی را که مدل‌های مرزی سعی می‌کنند نوشته‌های شما را به Velveeta تبدیل کنند، به‌طور قابل اعتماد تشخیص دهید. حتی اگر کلمات را دوست دارید، حتی اگر مطمئن هستید که آنها بهتر از آنچه قبلا دارید هستند، عبارات تولید شده توسط LLM DQ'd هستند.

LLM ها همچنین نوشته های شما را از طریق کمپین های تأثیرگذاری آلوده می کنند. این یک مشکل بسیار ظریف‌تر است و آسیب آن کمتر آشکار است، اما همچنان راهی است که در آن LLM نوشتن شما را بدتر می‌کند، و اگر نتیجه آن باشد، ممکن است اصلا از LLM استفاده نکنید.

موضوع: هر قطعه ای از نوشتن را به یک LLM بدهید، و پاسخ می دهد: "این طلاست، جری!" اما این چیزی نیست که شما باید بشنوید!

در پیش نویس اول، بیشتر پاراگراف های شما بد هستند، جریان موضوع شما نامنسجم است و حداقل 750 کلمه دارید که به آن نیاز ندارید. این مدل شما را در مورد ساختار کلی خود تشویق می کند. سپس، بعدا، در مورد پاراگراف ها و انتقال ها. سپس انتخاب کلمات و استعاره ها. ارجاعات فرهنگ پاپ آنها بد هستند! همه بد! گوش نده!

در اینجا آمده است که چگونه این شما را لعنت می کند. شما قصد دارید تمام تکانه های پیش نویس اول خود را دو برابر کنید. اما به طور معمول این کاری نیست که شما انجام می دهید. شما پاراگراف ها را ویرایش، تجدید نظر و جایگزین می کنید. این بازاندیشی‌ها بخش‌هایی از صدای شما هستند. خوانندگان انگشت خود را روی آنچه اشتباه است نمی گذارند، اما احساس می کنند که شما طعم مصنوعی پیدا کرده اید.

چند سالی بود که همه اعلان‌های ویرایش را با این دروغ باز می‌کردم که من نویسنده نیستم، بلکه سردبیر یک نشریه آنلاین هستم و قطعاتی را برای گنجاندن بررسی می‌کنم. این کمک می‌کند، اما مدل معمولا بیش از حد به «اهداف» «انتشار» من تناسب دارد.

بنابراین در حال حاضر، بهترین توصیه عملی من این است: مدل را از تشویق منع کنید و سپس در مورد تمجید بیش از حد هوشیار باشید.

آنها در علامت گذاری مشکلات عالی هستند. پسر، آیا شما بسیاری از آنها را دارید؟ می توانید آنها را به صورت مکانیکی تشخیص دهید، اما این کار خسته کننده و طاقت فرسا است. مدل ها خسته نمی شوند بنابراین آنها بهتر از شما در توجه هستند:

شما در حال استفاده بیش از حد از صدای غیرفعال (یا اگر کلمه LLM را برای همه چیز در نظر بگیرید، شاید کم استفاده کنید)، افعال خود را نامگذاری می کنید یا عمل آنها را مدفون می کنید، و همان چرخش های انتخاب عبارت یا کلمه را تکرار می کنید.

شما "بسیار" و "متاسفانه" و "واقعا" و "در واقع" مانند خاک اره چسبیده به میز کار روی پیش نویس پاشیده شده اید.

تقریبا به طور قطع 2 تا 3 پاراگراف وجود دارد که می توانید به سرعت به جای دیگری در قطعه منتقل کنید که فورا وضوح را بهبود می بخشد (اینها واقعا ویرایش های بسیار رضایت بخش هستند).

اگر شما هم مثل من برنامه نویسی هستید، ای کاش کتابی وجود داشت که طرحواره ای برای این نوع ویرایش ها ارائه می کرد، نوعی «رابط و پیاده سازی C» که برای نثر همان کاری را انجام می دهد که هانسون برای بزرگترین زبان برنامه نویسی وحشتناک انجام می دهد. و: آن کتاب وجود دارد. این «سبک: درس‌هایی در وضوح و لطف» نام دارد و به مسیح قسم می‌خورم که ویرایش کپی را به کدنویسی جاوا تبدیل می‌کند. دقیقا همان کسالت، دقیقا همان اثربخشی. من در مورد این کتاب از ریچارد گابریل فهمیدم و تعجب می کنم که هر برنامه نویسی که می شناسم نسخه ای روی میز خود ندارد.

بنابراین «سبک» یا چیزی شبیه به آن را بخوانید و در حین حرکت یادداشت برداری کنید. فهرستی از درخواست‌ها را برای یک مدل تهیه کنید و سپس آن‌ها را به صورت گذر بر روی کار خود اجرا کنید.

از مدل بخواهید مشکلات را در نوشته شما تشخیص دهد.

برای هر مشکل، پاراگراف (یا جمله یا بخش) را بازنویسی کنید.

نوشته اصلی و جدید را به مدل ارائه دهید و از آن بپرسید که کدام بهتر است.

به طرز آزاردهنده‌ای، در اینجا با یک نوع قانون دو مواجه می‌شوید، زیرا اگر مراقب نباشید، مدل می‌داند که چیزی را بازنویسی کرده‌اید و می‌داند که می‌خواهید بشنوید که نسخه جدید بهتر است. بنابراین گزینه ها را به مدلی بدهید که زمینه فرآیند ویرایش شما را ندارد.

من کمی نرم افزار را برای مدیریت این موضوع برای خودم تدبیر کردم، بعد از اینکه در نهایت صبرم را از دست دادم و سعی کردم مدل ها را متقاعد کنم که یک نویسنده نیستم، بلکه یک مربی مفید اما سختگیر هستم که سعی می کنم به دانش آموزی کمک کنم که ممکن است خوب باشد اما ممکن است وحشتناک باشد. در اینجا یک فرمان باز وجود دارد که به خوبی کار می کرد:

ما قصد داریم یک ابزار کارگاه نوشتن بسازیم. ابتدا کارها را بالا بیاوریم. Python، HTMX برای تعاملات، SQLite backend، Tailwind frontend، از یک ساخت محلی استفاده کنید نه CDN. ویرایشگر نثر واقعا عالی، Notion-style. از برجسته کردن پشتیبانی کنید (ما می‌خواهیم پاس‌های ویرایش را انجام دهیم). چندین سند، بازبینی‌ها را دنبال کنید، به کاربر اجازه دهید تا نسخه‌های اصلی را علامت‌گذاری کند و سپس به شما بگویم که واقعا چه می‌خواهم.

سپس، لیستی از درخواست‌های ویرایشی را که به آن‌ها رسیده‌اید، بدهید و از طریق کدکس، کلود یا آنتی‌گرانش CLI اجرا شود. هر چیزی که شما در اینجا بیاورید، بهتر از من خواهد بود، زیرا هر چیزی که هر کسی به تنهایی به ذهنش برسد، برای خودش بهتر از دیگران است.

بنابراین: اجازه ندهید یک LLM کلمات شما را انتخاب کند. مراقب باشید اجازه ندهید که شما را فریب دهد تا فکر کنید پیش نویس اولتان بهتر از آن چیزی است که هست. سپس تمام خسته کننده ترین کارها را به مدل برون سپاری کنید. صدای شما دست نخورده باقی می ماند، اما کار شما سریع تر، بهتر و کمتر دردناک است.

یک چیز آخر. همه توصیه های مدل را برای ویرایش کپی نکنید. این نتیجه قاعده دو است. من این قطعه را یک دقیقه پیش به GPT5 دادم ("من این را ننوشتم") و گفت که کل موضوع 20٪ خیلی طولانی است. احتمالا درست است ولی درستش نمیکنم من فقط من خواهم بود