Prompt Engineering זה לא קסם – זה משמעת. יש דפוסים ברורים שכל צוות עסקי יכול ללמוד. הרעיון שצריך ‘להיות מיוחד’ כדי לעבוד עם AI הוא שיווקי בלבד.

מבנה CLEAR – 5 חלקים לכל prompt מקצועי

Context: מי אתה, למה אתה שואל. ‘אני מנהל שיווק בחברת SaaS B2B’.

Language: איך אתה רוצה שהתשובה תיראה. ‘ענה בעברית, בסגנון פורמלי, עם bullet points’.

Example: תן דוגמה או שתיים למה שאתה מחפש. ‘לדוגמה, פוסט לינקדאין טוב נראה כך…’.

Audience: מי הקהל של התוצאה. ‘הקהל שלי הוא CTOs של חברות טכנולוגיה בישראל’.

Result: מה בדיוק אתה רוצה בסוף. ‘תן לי 3 גרסאות של פוסט של 150-200 מילים’.

Chain-of-thought – פירוק בקשה מסובכת

במקום ‘תן לי אסטרטגיית שיווק ל-Q4’ – פרקו: ‘שלב 1 – נתח את המצב הנוכחי. שלב 2 – הצע 3 מטרות. שלב 3 – הצע טקטיקות לכל מטרה. שלב 4 – סדר לפי עדיפות’. AI עונה טוב יותר על שאילתות מובנות.

Few-shot learning בלי לפחד מהמושג

לתת 2-3 דוגמאות למודל = תוצאה טובה פי 10. במקום ‘תרגם לאנגלית’ – ‘תרגם לאנגלית עסקית. דוגמה 1: [עברית] → [אנגלית]. דוגמה 2: …’

System prompts – הסוד של אפליקציות AI מקצועיות

System prompt הוא כמו הגדרת הזהות של ה-AI. במקום להסביר בכל prompt מי אתה – שים את זה פעם אחת ב-system. זה חוסך טוקנים ומייצר consistency.

איך לבנות ספריית prompts לצוות

לא לסמוך על אדם אחד ש’יודע’. תבנו Notion או Airtable עם prompts מוכנים לפי משימה: ‘כתיבת פוסט לינקדאין’, ‘סיכום ישיבה’, ‘מייל ללקוח’. כל אחד עם ה-CLEAR framework. הצוות משתמש – התוצאות עקביות.

מבוסס על פרויקטים אמיתיים

המדריך הזה מבוסס על עבודה עם:

• FutureSelf AI
• chat-AI

קריאה נוספת

אם המדריך הזה עזר לכם, אולי תרצו לקרוא גם על פתרונות AI לעסקים – המדריך המקיף שלנו לתחום.