پرامپت ترید یعنی دستوری که به یک مدل زبانی می‌دهید تا کاری مشخص روی دادهٔ معاملاتی‌تان انجام دهد. تفاوت کسی که از هوش مصنوعی خروجی قابل‌استفاده می‌گیرد با کسی که جواب‌های کلی و بی‌مصرف تحویل می‌گیرد، تقریباً هیچ ربطی به مدل ندارد؛ به ساختار پرامپت دارد. در این مقاله اول آناتومی یک پرامپت ترید درست را باز می‌کنیم، بعد هفت پرامپت آمادهٔ قابل کپی می‌دهیم، و آخر سه دسته پرامپتی را می‌گوییم که نوشتنشان به ضرر شماست.
یک هشدار لازم از همین ابتدا: هیچ‌کدام از پرامپت‌های این مقاله از مدل نمی‌خواهند قیمت را پیش‌بینی کند. دلیلش ساده است — مدل زبانی به قیمت لحظه‌ای دسترسی ندارد، آینده را نمی‌داند، و وقتی چنین سوالی بپرسید با اطمینان کامل چیزی می‌سازد. کاری که واقعاً از آن برمی‌آید نظم‌دادن به فکر شماست، نه غیب‌گویی.
چرا بیشتر پرامپت‌های ترید جواب بی‌مصرف می‌دهند؟
وقتی می‌نویسید «نظرت دربارهٔ بیت کوین چیست؟»، مدل هیچ قیدی ندارد: نه می‌داند شما تریدر کوتاه‌مدت هستید یا سرمایه‌گذار بلندمدت، نه سرمایه‌تان چقدر است، نه چه داده‌ای در اختیار دارید، و نه خروجی را در چه قالبی می‌خواهید. نتیجه، متنی است عمومی که در هر بازار و هر زمانی صادق به نظر می‌رسد و دقیقاً به همین دلیل بی‌فایده است.
پرامپت خوب برعکس عمل می‌کند: فضای جواب را آن‌قدر تنگ می‌کند که مدل مجبور شود چیز مشخصی بگوید. هرچه قید بیشتر بگذارید، هم خروجی دقیق‌تر می‌شود و هم راحت‌تر می‌فهمید کجا اشتباه کرده است.
آناتومی یک پرامپت ترید کارآمد
هر پرامپت ترید که واقعاً کار می‌کند پنج جزء دارد. اگر یکی را جا بیندازید، کیفیت خروجی محسوس افت می‌کند:
جزء سوم مهم‌ترینشان است و بیشترین اشتباه هم همان‌جا رخ می‌دهد. مدل زبانی قیمت امروز را نمی‌داند؛ اگر داده ندهید، یا از دادهٔ کهنهٔ دوران آموزشش استفاده می‌کند یا عدد می‌سازد. دادهٔ لحظه‌ای را خودتان از بازار و قیمت لحظه‌ای ارزینجا یا تریدینگ‌ویو بردارید و داخل پرامپت بگذارید.
هفت پرامپت ترید آمادهٔ استفاده
این هفت پرامپت را می‌توانید مستقیم کپی کنید و فقط بخش‌های داخل کروشه را با اطلاعات خودتان عوض کنید.
- ۱. وکیل شیطان برای ایدهٔ معاملاتی. «نقش یک تحلیلگر بدبین را بگیر. من قصد دارم [ایدهٔ معامله] را اجرا کنم به این دلایل: [دلایل]. به‌جای تایید، پنج دلیل قوی بیاور که چرا این ایده ممکن است شکست بخورد و برای هر دلیل بگو چه نشانه‌ای در بازار آن را تایید می‌کند. بدون مقدمه.»
- ۲. تبدیل ایده به قانون مکتوب. «استراتژی من این است: [توضیح شفاهی]. آن را به مجموعه‌ای از قوانین صریح و بدون ابهام تبدیل کن که شامل شرط ورود، شرط خروج با سود، شرط خروج با ضرر و اندازهٔ موقعیت باشد. هر جای توضیحم مبهم بود، به‌جای حدس‌زدن از من بپرس.»
- ۳. پیداکردن سوراخ‌های استراتژی پیش از بک‌تست. «این مجموعه قوانین معاملاتی را بررسی کن: [قوانین]. سه سناریوی بازار را نام ببر که این قوانین در آن‌ها به‌صورت سیستماتیک ضرر می‌دهند، و بگو در هر سناریو دقیقاً کدام قانون مقصر است.»
- ۴. ژورنال معاملاتی. «این‌ها ۱۰ معاملهٔ اخیر من با دلیل ورود و نتیجه‌شان است: [فهرست]. بدون قضاوت اخلاقی، الگوهای تکرارشونده را پیدا کن: آیا خطای من در انتخاب نقطهٔ ورود است، در زمان خروج، یا در اندازهٔ موقعیت؟ پاسخ را با شاهد از همین داده‌ها بده.»
- ۵. خلاصه‌سازی سند فنی. «این بخش از وایت‌پیپر را بخوان: [متن]. در حداکثر ۲۰۰ کلمه توضیح بده مکانیزم اقتصادی توکن چیست، چه کسی توکن دریافت می‌کند و چه زمانی عرضه آزاد می‌شود. اگر سند دربارهٔ چیزی ساکت است، صریح بنویس «اعلام نشده».»
- ۶. چک‌لیست پیش از ورود. «بر اساس سبک معاملاتی من ([توضیح]) یک چک‌لیست ۸ سوالی بساز که قبل از هر ورود باید جواب بدهم. سوال‌ها باید جواب بله/خیر داشته باشند و حداقل دو تایشان دربارهٔ حالت روانی من باشد.»
- ۷. ترجمهٔ خبر به فرض قابل آزمون. «این خبر را بخوان: [متن خبر]. سه فرض قابل‌آزمون بنویس که اگر این خبر واقعاً مهم باشد باید در دادهٔ بازار دیده شوند، و برای هرکدام بگو با چه معیاری رد یا تاییدش کنم. دربارهٔ جهت قیمت اظهار نظر نکن.»
الگوی مشترک هر هفت پرامپت این است که از مدل «قضاوت» نمی‌خواهند، از آن «ساختار» می‌خواهند. خروجی این پرامپت‌ها ورودی تصمیم شماست، نه خود تصمیم. پرامپت شمارهٔ ۳ مخصوصاً وقتی ارزشمند است که بلافاصله بعدش سراغ بک‌تست گرفتن از استراتژی معاملاتی بروید و فرض‌ها را با داده بسنجید.
یک نمونهٔ کامل: از ایدهٔ خام تا قانون قابل آزمون
تئوری را رها کنیم و یک مسیر واقعی را قدم‌به‌قدم ببینیم. فرض کنید ایده‌تان این است: «وقتی قیمت بعد از یک ریزش شدید آرام می‌گیرد، وارد می‌شوم.» این جمله به‌عنوان استراتژی بی‌فایده است، چون هیچ کلمه‌اش قابل اندازه‌گیری نیست.
- قدم اول — پرامپت ۲. ایده را می‌دهید و می‌خواهید به قانون صریح تبدیل شود. مدل مجبور می‌شود بپرسد «ریزش شدید یعنی چند درصد؟» و «آرام گرفتن را با چه معیاری می‌سنجی؟». همین سوال‌ها ارزش اصلی این قدم‌اند، نه جوابی که می‌دهد.
- قدم دوم — پرامپت ۳. قوانین صریح‌شده را می‌دهید و می‌خواهید سناریوهای شکست را نام ببرد. معمولاً همین‌جا معلوم می‌شود قانون شما در بازار نزولی ممتد فاجعه است.
- قدم سوم — پرامپت ۱. نسخهٔ اصلاح‌شده را می‌دهید و نقش مخالف می‌خواهید تا سوگیری تاییدی خودتان را خنثی کنید.
- قدم چهارم — پرامپت ۶. از دل قانون نهایی، چک‌لیست پیش از ورود می‌سازید تا در لحظهٔ هیجان، تصمیم از قبل گرفته شده باشد.
توجه کنید در هیچ‌کدام از این چهار قدم، از مدل نپرسیدیم بازار بالا می‌رود یا پایین. کاری که کردیم این بود که یک جملهٔ مبهم را به چیزی تبدیل کردیم که می‌شود رویش بک‌تست گرفت. بعد از این مرحله است که تست تاریخی معنا پیدا می‌کند؛ قبل از آن، چیزی برای تست وجود ندارد.
تنظیم پرامپت بر اساس ابزاری که استفاده می‌کنید
پرامپت یکسان روی ابزارهای مختلف خروجی یکسان نمی‌دهد و دلیلش بیشتر به دسترسی‌ها برمی‌گردد تا به هوشمندی مدل:
- چت ساده بدون جست‌وجو: هیچ دادهٔ زنده‌ای ندارد. همهٔ اعداد را باید خودتان بدهید و صریح بنویسید «فقط از داده‌های من استفاده کن».
- مدل با دسترسی به وب: می‌تواند خبر و قیمت را بیاورد، ولی منبع را باید ازش بخواهید. جملهٔ «برای هر ادعا منبع و تاریخ بنویس» را همیشه اضافه کنید.
- مدل با اجرای کد: برای محاسبات آماری و بک‌تست ساده بهترین گزینه است. به‌جای پرسیدن نتیجه، بخواهید کد محاسبه را هم نشان دهد تا قابل بازبینی باشد.
یک عادت خوب: در انتهای پرامپت‌های تحلیلی بنویسید «اگر اطلاعات کافی برای پاسخ نداری، به‌جای حدس‌زدن بگو چه داده‌ای لازم داری». این یک جمله بیشترین تاثیر را در کاهش پاسخ‌های ساختگی دارد.
سه پرامپتی که نباید بنویسید
- «قیمت بیت کوین هفتهٔ آینده چقدر می‌شود؟» مدل نه به قیمت لحظه‌ای دسترسی دارد و نه به آینده. جوابی که می‌گیرید با اطمینان بیان می‌شود و همین خطرناکش می‌کند.
- «بهترین ارز برای خرید الان چیست؟» سوال بدون قید است و جوابش بازتاب داده‌های قدیمی و پرتکرار اینترنت خواهد بود، نه تحلیل وضعیت شما.
- «یک ربات معامله‌گر سودده برایم بنویس.» کد تولیدشده بدون بک‌تست، بدون مدیریت خطا و بدون درک شما از منطقش، سریعترین راه از دست‌دادن سرمایه است. اگر دنبال خودکارسازی هستید، اول ترید خودکار با ربات‌ها و مقایسهٔ ربات‌های هوش مصنوعی با تریدر انسانی را ببینید.
محدودیت‌هایی که باید بشناسید
چهار محدودیت واقعی وجود دارد که هیچ پرامپتی آن‌ها را حل نمی‌کند:
- نداشتن قیمت لحظه‌ای. مگر اینکه ابزار جست‌وجو فعال باشد، مدل دادهٔ امروز را ندارد.
- توهم با لحن مطمئن. مدل می‌تواند عدد، تاریخ یا نام پروتکلی بسازد که وجود ندارد و آن را قاطعانه بیان کند.
- همسویی با کاربر. اگر ایده‌تان را با هیجان توضیح دهید، مدل تمایل دارد تاییدتان کند. برای همین پرامپت شمارهٔ ۱ صریحاً نقش مخالف تعیین می‌کند.
- بی‌خبری از وضعیت شما. مدل نمی‌داند چقدر سرمایه دارید و چقدر ضرر را تحمل می‌کنید؛ این قیدها را باید خودتان بگذارید.
مستندات رسمی خود سازندگان هم روی همین نکته تاکید دارند؛ راهنمای پرامپت‌نویسی وب‌سایت رسمی انتروپیک و مستندات رسمی هوش مصنوعی گوگل هر دو نقش‌دهی و ارائهٔ زمینه را اصل اول می‌دانند. هیچ‌کدام مدل را ابزار تصمیم مالی معرفی نمی‌کنند.
چطور خروجی را راستی‌آزمایی کنیم؟
هر خروجی هوش مصنوعی باید از یک فیلتر سه‌لایه رد شود، وگرنه عملاً دارید حدس یک ماشین را جای تحلیل خودتان می‌گذارید:
- لایهٔ اول — عدد و اسم. هر رقم، تاریخ، نام پروتکل و نام شخصی که در جواب آمده را مستقل چک کنید. اگر مدل نتوانست منبع بدهد، آن جمله را حذف‌شده فرض کنید.
- لایهٔ دوم — منطق داخلی. از خود مدل بخواهید استدلالش را قدم‌به‌قدم باز کند. اگر بین دو قدم پرش دیدید، همان‌جا ضعف است.
- لایهٔ سوم — آزمون معکوس. همان سوال را با فرض مخالف بپرسید. اگر مدل با همان قاطعیت نتیجهٔ معکوس گرفت، خروجی‌اش بی‌ارزش است و فقط لحن شما را بازتاب می‌دهد.
لایهٔ سوم ساده‌ترین و در عین حال افشاگرترین آزمون است. یک استدلال درست با عوض‌شدن لحن سوال عوض نمی‌شود؛ یک بازتاب همسویانه بلافاصله می‌چرخد.
پنج اشتباه رایج در استفاده از پرامپت ترید
- پرسیدن چند سوال در یک پرامپت. مدل بین آن‌ها اولویت‌بندی می‌کند و معمولاً سوال آخر را سطحی جواب می‌دهد. هر پرامپت، یک وظیفه.
- ندادن محدودیت طول. بدون قید، جواب طولانی و پر از عبارت پوششی می‌شود. «حداکثر ۱۵۰ کلمه، بدون مقدمه» کیفیت را بالا می‌برد.
- ادامه‌دادن یک گفتگوی طولانی. هرچه گفتگو بلندتر شود، مدل بیشتر به حرف‌های قبلی خودش وفادار می‌ماند، حتی اگر اشتباه بوده باشند. برای هر تحلیل تازه، گفتگوی تازه باز کنید.
- کپی‌کردن خروجی بدون بازنویسی. خروجی مدل پیش‌نویس است، نه نتیجه. تا وقتی خودتان آن را به زبان خودتان بازنویسی نکرده‌اید، مطمئن نیستید که فهمیده‌ایدش.
- استفاده از مدل به‌عنوان مشاور عاطفی بعد از ضرر. در این حالت پرامپت‌ها ناخودآگاه به‌سمت گرفتن دلداری می‌روند و خروجی، توجیه تصمیم بد را می‌سازد.
چک‌لیست پنج‌مرحله‌ای پیش از فرستادن پرامپت
- نقش مشخص کرده‌ام؟
- زمینه (سرمایه، افق زمانی، سبک) را گفته‌ام؟
- دادهٔ لازم را خودم داده‌ام یا انتظار دارم مدل بداند؟
- وظیفه یک کار مشخص است یا چند کار درهم؟
- قالب خروجی را تعیین کرده‌ام؟
اگر جواب یکی از این پنج سوال «نه» باشد، خروجی قابل پیش‌بینی است: متنی عمومی که هیچ تصمیمی از دلش درنمی‌آید. و فارغ از کیفیت پرامپت، تصمیم نهایی و اندازهٔ موقعیت همیشه کار شماست — پنج استراتژی مدیریت ریسک و کاربردهای هوش مصنوعی در ترید در همین نقطه تعیین‌کننده‌اند.
جمع‌بندی
یک پرامپت ترید خوب از مدل نمی‌خواهد آینده را بگوید؛ از آن می‌خواهد فکر شما را مرتب کند، فرض‌های پنهانتان را بیرون بکشد و ضعف‌های استراتژی‌تان را قبل از بازار پیدا کند. پنج جزء نقش، زمینه، داده، وظیفه و قالب را رعایت کنید، دادهٔ لحظه‌ای را خودتان تامین کنید، و هر خروجی را مثل نظر یک همکار تازه‌کار ببینید: قابل استفاده، ولی نیازمند بازبینی. این تفاوت بین ابزار و توهم ابزار است.
سوالات متداول
آیا هوش مصنوعی می‌تواند قیمت ارز دیجیتال را پیش‌بینی کند؟
خیر. مدل زبانی به قیمت لحظه‌ای دسترسی ندارد و آینده را نمی‌داند. اگر چنین سوالی بپرسید پاسخی می‌سازد که با اطمینان بیان می‌شود ولی پشتوانهٔ داده‌ای ندارد. استفادهٔ درست، ساختاردهی به تحلیل خودتان است.
بهترین پرامپت ترید برای شروع کدام است؟
پرامپت «وکیل شیطان». ایدهٔ معاملاتی‌تان را توضیح می‌دهید و از مدل می‌خواهید به‌جای تایید، دلایل شکست آن را بیاورد. این پرامپت بیشترین ارزش را برای کمترین پیچیدگی دارد و جلوی سوگیری تاییدی را می‌گیرد.
چرا باید داده را خودم داخل پرامپت بگذارم؟
چون مدل بدون داده یا از اطلاعات کهنهٔ دوران آموزشش استفاده می‌کند یا عدد می‌سازد. دادهٔ قیمت و حجم را از منبع زنده بردارید و داخل پرامپت بگذارید و صریح بنویسید که فقط از همین داده استفاده کند.
آیا می‌توانم با پرامپت یک ربات معامله‌گر بسازم؟
کد گرفتن ممکن است، ولی اجرای آن روی سرمایهٔ واقعی بدون بک‌تست، مدیریت خطا و درک کامل منطقش پرریسک است. هر کد تولیدشده را باید مثل کد یک برنامه‌نویس تازه‌کار بازبینی و آزمایش کنید.
