✦ Darkoza

راهنمای کاربران · نسخهٔ ۱٫۰ · ۱۱ نوامبر ۲۰۲۶

چطور از دستیار هوش مصنوعی، نتیجه‌ای مفید و قابل‌اعتماد بگیریم؟

هوش مصنوعی می‌تواند یادگیری، نوشتن، تحلیل و اجرای کارهای مشخص را سریع‌تر کند؛ اما سرعت پاسخ، نشانهٔ درستی آن نیست. این راهنما روشی عملی برای درخواست دقیق، محافظت از اطلاعات و بررسی نتیجه ارائه می‌کند.

زمان مطالعه: حدود ۷ دقیقهمخاطب: همهٔ کاربرانآخرین بازبینی: ۱۱ نوامبر ۲۰۲۶

۱. درخواست مبهم را به شرح‌کار روشن تبدیل کنید

به‌جای «این را بهتر کن»، پنج مورد را مشخص کنید: هدف، زمینه، ورودی مجاز، محدودیت‌ها و شکل خروجی. معیار موفقیت را هم بنویسید تا معلوم باشد چه چیزی واقعاً مسئله را حل می‌کند.

  1. هدف: دقیقاً چه نتیجه‌ای می‌خواهید؟
  2. زمینه: این کار برای چه کسی و در چه موقعیتی است؟
  3. ورودی: کدام فایل، داده یا متن باید مبنا باشد؟
  4. محدودیت: چه کاری نباید انجام شود؟ چه زمانی باید توقف کند؟
  5. خروجی و معیار: چه قالبی می‌خواهید و درستی آن چگونه سنجیده می‌شود؟

قالب آماده برای یک درخواست دقیق

هدف: [نتیجهٔ موردنیاز]
زمینه: [اطلاعات لازم برای فهم مسئله]
ورودی‌های مجاز: [فایل‌ها یا داده‌های مجاز]
محدودیت‌ها: [موارد ممنوع، بودجه، زمان یا سطح ریسک]
خروجی: [گزارش، جدول، کد، برنامه یا پیش‌نویس]
معیار موفقیت: [چیزی که بتوانم بررسی کنم]

فرض‌ها و ابهام‌ها را جداگانه اعلام کن.
اگر داده یا دسترسی کافی نداری، حدس نزن.
در پایان، نتیجه را با معیار موفقیت مقایسه کن.

مسئلهٔ بزرگ را به گام‌های کوچک تقسیم کنید. ابتدا از دستیار بخواهید برداشت خود از هدف و برنامه را توضیح دهد؛ سپس اصلاحات شما را وارد کند و سراغ کار اصلی برود.

۲. سطح اختیار را با ریسک کار هماهنگ کنید

همهٔ کارها به نظارت یکسان نیاز ندارند. هرچه پیامد خطا جدی‌تر یا برگشت‌ناپذیرتر باشد، اختیار خودکار باید محدودتر و بازبینی انسانی قوی‌تر باشد.

سطح ریسکنمونه‌هاروش مناسب
پایینایده‌پردازی، خلاصه‌سازی متن عمومی، تمرین زبان و پیش‌نویس اولیهاز پاسخ شروع کنید؛ واقعیت‌های مهم را مرور کنید.
متوسطکد، گزارش کاری، پیام مشتری، تحلیل داده یا ویرایش فایلپیش‌نمایش تغییر را ببینید؛ داده و منطق را بررسی کنید؛ تست بگیرید؛ بدون اجازهٔ جداگانه ارسال یا منتشر نکنید.
بالاپرداخت، حذف داده، تغییر دسترسی، انتشار عمومی، اطلاعات حساس یا تصمیم پزشکی، حقوقی و مالیاز AI برای تحقیق و آماده‌سازی استفاده کنید؛ تصمیم نهایی و تأیید اثر دقیق را خودتان یا متخصص مسئول انجام دهید.

۳. اطلاعات خصوصی را حداقلی و هدفمند به اشتراک بگذارید

  • رمز عبور، کلید خصوصی، توکن API، کد یک‌بارمصرف، اطلاعات کارت یا حساب بانکی را در گفت‌وگو وارد نکنید.
  • به‌جای ارسال کل پرونده یا پایگاه داده، فقط بخش ضروری را ارائه دهید.
  • نام، ایمیل، شماره تماس و شناسهٔ مشتری را در نمونه‌ها با دادهٔ ساختگی جایگزین کنید.
  • پیش از بارگذاری فایل، حق استفاده از آن و وجود دادهٔ متعلق به دیگران را بررسی کنید.
  • سیاست حریم خصوصی همان سرویس را بخوانید؛ از روی ظاهر رابط، محرمانگی یا حذف داده را فرض نکنید.

اصل کمینه‌سازی ساده است: فقط داده‌ای را بدهید که برای همان نتیجه لازم است. اگر می‌توان مسئله را با نمونهٔ ناشناس یا دادهٔ ساختگی حل کرد، نسخهٔ واقعی را نفرستید.

مشاهدهٔ سیاست حریم خصوصی Darkoza

۴. «پیشنهاد شد» با «اجرا شد» و «اعتبارسنجی شد» فرق دارد

یکی از خطاهای رایج در کار با عامل‌های هوش مصنوعی، یکی‌گرفتن توضیح موفقیت با خودِ موفقیت است. این چهار وضعیت را از هم جدا نگه دارید:

پیشنهادشده

راه‌حل یا برنامه نوشته شده است؛ هنوز تغییری انجام نشده.

اجراشده

ابزار یا سامانهٔ مجاز، اقدام را انجام داده و نتیجهٔ اجرا ثبت شده است.

آزمون‌شده

آزمون مشخصی اجرا شده و نتیجهٔ آن گزارش شده است.

اعتبارسنجی‌شده

نتیجه در محیط یا مسیر واقعی بررسی شده و شاهد مستقل و قابل‌بازبینی دارد.

برای کارهایی مثل انتشار صفحه، تغییر فایل، ارسال پیام یا اصلاح کد بپرسید:

  • دقیقاً کدام فایل، حساب، مقصد یا منبع تغییر کرد؟
  • چه چیزی قبل و بعد از اقدام فرق کرده است؟
  • آزمون کجا و با چه ورودی‌ای اجرا شد؟ خروجی واقعی چه بود؟
  • آیا مسیر بازگشت یا نسخهٔ قبلی مشخص است؟
  • چه بخش‌هایی هنوز انجام نشده یا اثبات نشده‌اند؟

قالب آماده برای درخواست گزارش قابل‌ممیزی

وضعیت را دقیقاً در چهار بخش گزارش کن:
۱) پیشنهادشده
۲) اجراشده
۳) آزمون‌شده
۴) اعتبارسنجی‌شده

برای هر ادعای اجرا یا موفقیت، شاهد قابل‌بازبینی،
زمان، دامنهٔ آزمون و محدودیت را ارائه بده.
اگر شاهدی وجود ندارد، صریحاً بگو «تأیید نشده».
موفقیت را از روی متن پاسخ خودت نتیجه‌گیری نکن.

۵. پاسخ‌ها را مثل یک خروجی حرفه‌ای بررسی کنید

  • منبع: منبع اولیه، تاریخ انتشار و لینک دقیق را بخواهید. لینک را باز کنید و ببینید همان ادعا را پشتیبانی می‌کند یا نه.
  • تازگی: برای قانون، قیمت، نسخهٔ نرم‌افزار، رویداد یا آمار روز، تاریخ را بررسی کنید. پاسخ قدیمی ممکن است زمانی درست بوده باشد.
  • عدم‌قطعیت: واقعیت، فرض، تخمین و نظر را جدا کنید و قوی‌ترین دلیل مخالف را هم بخواهید.
  • محاسبه: فرمول، واحد، ورودی و یک نمونهٔ کنترل دستی بخواهید.
  • کد: کد را در محیط محدود اجرا کنید؛ تست، وابستگی‌ها و مسیر بازگشت را بررسی کنید. موفقیت یک تست، امنیت یا صحت همهٔ حالت‌ها را ثابت نمی‌کند.
  • تصمیم حساس: پاسخ را با منبع رسمی و نظر متخصص واجد صلاحیت تطبیق دهید.

ارجاع یا نقل‌قول به‌خودی‌خود ضمانت صحت نیست. منبع باید واقعی، مرتبط، به‌روز و متناسب با همان پرسش باشد.

۶. پیش از اقدام بیرونی، پیش‌نمایش و تأیید بخواهید

برای هر اقدامی که روی جهان بیرون اثر می‌گذارد—مانند انتشار، ارسال، حذف، تغییر دسترسی، اجرای فرمان یا به‌روزرسانی سامانه—ابتدا شرح اثر را بخواهید. مقصد، محتوای دقیق، سطح دسترسی، ریسک، روش بازگشت و آزمون پس از اجرا باید روشن باشد.

قالب آماده برای کنترل اجرای کار

فعلاً اجرا نکن.
ابتدا برنامه و پیش‌نمایش تغییر را ارائه بده:
- هدف و مقصد دقیق
- فایل‌ها یا داده‌هایی که تغییر می‌کنند
- مجوز موردنیاز و اثر احتمالی
- ریسک‌ها و روش بازگشت
- آزمون‌های قبل و بعد

تا وقتی اثر دقیق را تأیید نکرده‌ام، اقدام بیرونی را انجام نده.
پس از اجرا، نتیجه را با شواهد مستقل بررسی کن.

این روش جایگزین کنترل دسترسی سامانه نیست؛ درخواستی روشن برای حفظ اختیار کاربر است. اگر ابزار یا مجوز لازم وجود ندارد، محدودیت باید اعلام شود، نه اینکه اقدام انجام‌شده وانمود شود.

۷. یک گردش‌کار ساده و قابل‌تکرار

  1. تعریف: هدف، ورودی و معیار موفقیت را بنویسید.
  2. محدودسازی: دادهٔ لازم و سطح اختیار را مشخص کنید.
  3. پیش‌نمایش: قبل از تغییر بیرونی، طرح و اثر را ببینید.
  4. اجرا: فقط در محدودهٔ مجاز اقدام کنید.
  5. بررسی: خروجی را با آزمون و شاهد واقعی بسنجید.
  6. یادگیری: خطاها، فرض‌های غلط و راه بهتر را برای درخواست بعدی ثبت کنید.

برای کارهای کوچک، این مراحل می‌توانند در یک گفت‌وگوی کوتاه جمع شوند. برای کارهای حساس یا پیچیده، هر مرحله را جداگانه تأیید کنید.

پرسش‌های رایج

آیا می‌توانم هر اطلاعاتی را برای گرفتن پاسخ بهتر ارسال کنم؟

خیر. فقط اطلاعات ضروری و مجاز را بفرستید. رمزها، کلیدها و اطلاعات حساس را حذف کنید و در صورت امکان از نمونهٔ ناشناس استفاده کنید.

اگر دستیار گفت «تمام شد»، یعنی کار واقعاً انجام شده است؟

نه لزوماً. بپرسید چه ابزار یا مسیری اجرا شده، چه چیزی تغییر کرده و کدام آزمون مستقل نتیجه را تأیید می‌کند. بدون شاهد، وضعیت را تأییدنشده در نظر بگیرید.

آیا می‌توان از AI برای تصمیم پزشکی، حقوقی یا مالی استفاده کرد؟

می‌توان برای فهم اصطلاحات، آماده‌کردن پرسش‌ها یا سازمان‌دهی اطلاعات از آن کمک گرفت؛ اما خروجی را جایگزین منبع رسمی یا متخصص واجد صلاحیت نکنید.

آیا این راهنما تضمین امنیت یا صحت کامل می‌دهد؟

خیر. این راهنما احتمال خطا و افشای ناخواسته را کاهش می‌دهد، اما ریسک را صفر نمی‌کند. سیاست حریم خصوصی، مجوزهای واقعی و کنترل‌های فنی هر سرویس باید جداگانه بررسی شوند.

مبنای پژوهشی و مطالعهٔ بیشتر

  1. Google PAIR — Explainability + Trust: راهنمای طراحی برای تنظیم سطح اعتماد، توضیح حدود توانایی و منبع داده، و توجه به اهمیت موقعیت و پیامد تصمیم.
  2. Google Research / SOUPS 2026 — Understanding U.S. Users' Security and Privacy Transparency Needs for Consumer-Facing Generative AI: مطالعهٔ مصاحبه و طراحی با ۲۱ کاربر آمریکایی؛ شرکت‌کنندگان خواستار اطلاعات امنیتی و حریم خصوصی قابل‌فهم و قابل‌استفاده بودند. نمونه محدود است و نباید آن را نمایندهٔ همهٔ کاربران دانست.
  3. Scientific Reports · 9 February 2026 — Building user trust in AI chatbots for customer service through human-like cues and perceived reliability: مطالعهٔ کیفی با ۲۸ شرکت‌کننده در پاکستان و چین که دقت، شفافیت، پاسخ‌گویی و امنیت داده را از عوامل مرتبط با اعتماد گزارش می‌کند؛ این نمونه به‌تنهایی اثبات علّی یا نمایندهٔ همهٔ جوامع نیست.