آموزش کار با Gemini

اولین جلسه: یک فایل واقعی بردارید، نه یک سوال

کسی که این ابزار را با یک سوال عمومی امتحان می کند، جوابی می گیرد که از هر ابزار دیگری هم می گرفت و نتیجه می گیرد فرقی ندارد. فرق از جایی شروع می شود که چیزی پیوست کنید. جلسه اول را با یک سندی شروع کنید که واقعا دارید و واقعا باید بخوانیدش: یک آیین نامه، یک صورتحساب، یک فایل اکسل از فروش سه ماه، یک ضبط جلسه.

روال کار سه قدم است. فایل را پیوست می کنید، سوالتان را می نویسید، و در همان پیام قید می گذارید که جواب فقط از روی همین فایل باشد. قید سوم را آدم ها جا می اندازند و بعد تعجب می کنند که چرا جواب چیزی دارد که در سند نبود. اگر نگویید فقط از این فایل، مدل دانش عمومی خودش را هم قاطی می کند و شما راهی برای تشخیص اینکه کدام جمله از کجا آمده ندارید.

یک نکته که همان جلسه اول به کارتان می آید: به جای خواستن خلاصه، خواستن ارجاع بخواهید. جمله «هر نکته را بنویس و آخرش بگو از کدام بخش سند آمده» یک خلاصه قابل بررسی می سازد؛ خلاصه بدون ارجاع را نمی شود بررسی کرد و چیزی که نشود بررسی اش کرد، در یک کار حرفه ای به درد نمی خورد.

و پیش از اینکه یک ویدیوی نیم ساعته را آپلود کنید، بخش چهارم همین صفحه را بخوانید. سقف مدت ویدیو در پلن رایگان از چیزی که فکر می کنید کمتر است و گوگل عددش را منتشر کرده، پس این یکی از معدود جاهایی است که می شود از قبل برنامه ریزی کرد به جای اینکه وسط کار به دیوار بخورید.

همان مفهوم های همیشگی، به اضافه جم

گفتگو و زمینه و پیوست اینجا هم همان کاری را می کنند که در درس ChatGPT خواندید: گفتگو ظرف یک کار است، زمینه چیزی است که هر نوبت از اول خوانده می شود، و پیوست فایلی است که خوانده می شود بی آنکه دانش دائمی بشود. اگر آن درس را نخوانده اید، همان بخش را بخوانید و بعد برگردید؛ تکرارش نمی کنیم.

چیزی که اینجا اسم خودش را دارد جم است: یک مجموعه دستور ذخیره شده که به آن اسم می دهید و هر بار به جای تایپ دوباره صدایش می زنید. جم همان دستور همیشگی است با یک تفاوت مهم، اینکه چند تا می سازید و برای هر کار یکی را برمی دارید. مثلا یک جم برای بازبینی صورتحساب و یک جم برای نوشتن توضیح محصول؛ هر کدام قید و لحن خودش را دارد و قید یکی روی کار دیگری نمی افتد.

همین جا یک تصمیم عملی هست که کمتر جایی گفته می شود. دستوری که در همه کارهایتان درست است در تنظیمات کلی می رود، و دستوری که فقط برای یک نوع کار درست است در جم. آدم هایی که همه چیز را در تنظیمات کلی می ریزند، بعد یک سوال خشک فنی می پرسند و جواب با لحن معرفی خدمات برمی گردد.

و یک محدودیت که خود گوگل نوشته و به کار برنامه ریزی می آید: فضایی که فعالیت این اپ ها اشغال می کند سقف دارد و آن سقف از فضای گوگل درایو شما جداست. یعنی می شود در درایو جا داشته باشید و اینجا خطای کمبود فضا بگیرید، و راه حلش هم پاک کردن فعالیت قدیمی همین اپ است و نه خالی کردن درایو.

پنج کاری که با پیوست کردن فایل انجام می شود

هر پنج تا با یک فایل شروع می شوند، چون بدون فایل این ابزار همان کاری را می کند که بقیه می کنند. متن داخل آکولاد را با مال خودتان عوض کنید.

یک. فاکتور تامین کننده را به جدول قابل استفاده تبدیل کنید. عکس فاکتور یا پی دی اف را پیوست کنید. خط آخر پرامپت مهم ترین خط است.

تصویر پیوست یک فاکتور است. ردیف های آن را در یک جدول دربیاور با
ستون های: شرح کالا، تعداد، قیمت واحد، قیمت کل.
هر عددی را که در تصویر واضح نیست، به جای حدس زدن بنویس «خوانا نیست».
جمع کل را خودت دوباره حساب کن و اگر با عدد نوشته شده در فاکتور
نخواند، همان اختلاف را جدا بنویس.

دو. از فایل فروش سه ماه، سه سوال بپرسید. فایل اکسل را پیوست کنید. توجه کنید که سوال ها را خودتان می نویسید؛ خواستن تحلیل بدون سوال، متن تبلیغاتی می سازد.

فایل پیوست فروش {سه} ماه گذشته من است. به این سه سوال جواب بده و
برای هر جواب بگو از کدام ستون و کدام ردیف ها حساب کردی:
۱) پرفروش ترین و کم فروش ترین کالا در این بازه.
۲) ماهی که بیشترین تغییر نسبت به ماه قبلش داشته.
۳) کالاهایی که فروششان در هر سه ماه صفر بوده.
هیچ پیش بینی نکن و هیچ توصیه ای نده. فقط چیزی که در فایل هست.

سه. ضبط جلسه را به فهرست تصمیم و کار تبدیل کنید. سقف مدت صوت را پیش از آپلود در بخش بعدی ببینید؛ اگر جلسه بلندتر بود، متن پیاده شده را پیوست کنید نه خود فایل صوتی.

فایل پیوست ضبط یک جلسه کاری است. سه فهرست بده:
۱) تصمیم هایی که گرفته شد.
۲) کارهایی که به کسی سپرده شد، با اسم همان شخص اگر در فایل گفته شده.
۳) چیزهایی که مطرح شد و به تصمیم نرسید.
اگر جایی صدا نامفهوم بود بنویس نامفهوم، و آن تکه را حدس نزن.
تاریخ و مبلغی که در فایل گفته نشده ننویس.

چهار. از روی تصویر خود کالا توضیح بنویسید. برای فروشنده ای که مشخصات مکتوب ندارد و فقط عکس دارد.

این {چهار} تصویر از یک کالاست. اول فهرست کن چه چیزهایی را در
تصویرها می بینی که یک خریدار به آن اهمیت می دهد.
بعد یک توضیح محصول {هفتاد} کلمه ای بنویس که فقط به همان چیزهای
دیده شده اشاره کند.
درباره جنس، دوام، کشور سازنده و گارانتی چیزی ننویس؛ اینها از تصویر
معلوم نمی شود.

پنج. از یک سند بلند، جواب یک سوال مشخص را با ارجاع بگیرید. این همان کاری است که بیشترین وقت را می گیرد و بیشترین صرفه را دارد.

سند پیوست را بخوان و فقط به این سوال جواب بده: {سوال شما}
شکل جواب:
- هر نکته یک سطر، و آخر سطر داخل پرانتز شماره بخش یا صفحه.
- اگر جواب در سند نیست، بنویس «در سند نیامده» و همان جا تمام کن.
- اگر سند در دو جا حرف متفاوتی زده، هر دو را بیاور و بگو کجا.
از دانش عمومی خودت استفاده نکن. فقط این سند.

«از دانش عمومی خودت استفاده نکن» تنها خطی است که هر پنج تا به آن احتیاج دارند. بدون آن، جواب ترکیبی از سند شما و چیزی است که مدل از قبل خوانده، و هیچ راهی برای جدا کردن این دو ندارید. با آن، هر جمله جواب یا ارجاع دارد یا اعلام می کند که در سند نبوده، و همین یک تغییر خروجی را از یک متن خوش خوان به یک چیز قابل اتکا تبدیل می کند.

سقف ها را خود گوگل نوشته است، پس از قبل بدانیدشان

این بخش دلیل اصلی نوشتن این درس است. صفحه راهنمای خود گوگل درباره آپلود فایل، سقف ها را با عدد منتشر کرده و همه چیزی که پایین می خوانید در ۱۵ شهریور ۱۴۰۵ از همان صفحه خوانده شده. هیچ کدام از این عددها حدس ما نیست.

در هر پیام تا ۱۰ فایل می شود اضافه کرد و اگر پوشه ای آپلود کنید، هر فایل داخلش جدا شمرده می شود. هر ویدیو تا ۲ گیگابایت و بقیه انواع پشتیبانی شده تا ۱۰۰ مگابایت. یک پوشه کد یا یک مخزن گیت هاب، تا ۵۰۰۰ فایل و حداکثر ۱۰۰ مگابایت. فایل زیپ تا ۱۰ فایل و تا ۱۰۰ مگابایت، و ویدیو و صوت داخل زیپ پذیرفته نمی شود.

و حالا دو عددی که بیشتر از همه به کارتان می آید و بیشتر از همه غافلگیرکننده اند. مجموع طول ویدیو در حالت پایه تا ۵ دقیقه است و با ارتقا به پلن های پولی گوگل تا یک ساعت، یعنی ۶۰ دقیقه، بالا می رود. مجموع طول صوت تا ۱۰ دقیقه است و با ارتقا تا سه ساعت، یعنی ۱۸۰ دقیقه. یک جلسه چهل دقیقه ای که ضبط کرده اید، بدون پلن پولی اصلا آپلود نمی شود.

گوگل جدا از اینها می نویسد که برای آپلود و تحلیل فایل محدودیت چرخشی هم هست: بعد از مدتی سقف بازنشانی می شود و دوباره می توانید ادامه بدهید. برای پنجره متن هم عدد داده: پلن های پولی پنجره یک میلیون توکنی دارند و خود گوگل آن را معادل تا ۱۵۰۰ صفحه متن یا ۳۰۰۰۰ خط کد توضیح داده، و حالت Deep Think پنجره ۱۹۲ هزار توکنی دارد.

نتیجه عملی این جدول یک جمله است: برای هر چیزی که بلندتر از این سقف هاست، فایل رسانه ای را آپلود نکنید و متنش را آپلود کنید. یک جلسه یک ساعته را جای دیگری پیاده کنید و متن پیاده شده را پیوست کنید؛ آن متن یک فایل چند صد کیلوبایتی است و هیچ کدام از سقف های بالا سراغش نمی آید. این ساده ترین کاری است که در این درس یاد می گیرید و بیشترین وقت را نگه می دارد.

حریم خصوصی، بازبین انسانی، و وضعیت ایران

گوگل این بخش را با صراحتی نوشته که کم پیش می آید و بهتر است جمله خودش را بخوانید: در اعلامیه حریم خصوصی این اپ ها می نویسد بازبین های انسانی، از جمله بازبین های آموزش دیده شرکت های همکارش، بخشی از داده های جمع آوری شده را می بینند، و از کاربر می خواهد اطلاعات محرمانه ای را که نمی خواهد یک بازبین ببیند یا گوگل برای بهبود سرویس هایش استفاده کند، اصلا وارد نکند.

سه تنظیم و یک عدد که باید بدانید. تنظیم اصلی در بخش فعالیت اپ هاست و همان جا هم فعالیت را می بینید و پاک می کنید، هم بازه پاک شدن خودکار را عوض می کنید، و هم کنترل می کنید که داده هایتان برای بهبود هوش مصنوعی گوگل استفاده بشود یا نه. بازه پاک شدن خودکار به صورت پیش فرض ۱۸ ماه است و می شود روی ۳ ماه یا ۳۶ ماه یا نامحدود گذاشتش. کسی که هیچ وقت سراغ این تنظیم نرفته، یعنی گفتگوهای امروزش تا یک سال و نیم دیگر آنجاست.

و جزئیاتی که مهم است و کمتر گفته می شود: گفتگوهایی که بازبین انسانی دیده، وقتی فعالیتتان را پاک می کنید پاک نمی شوند. طبق نوشته خود گوگل آنها همراه با داده های مرتبطشان تا سه سال نگه داشته می شوند. پس دکمه پاک کردن، همه چیز را پاک نمی کند و کسی که فکر می کند می کند، بر اساس یک فرض غلط تصمیم می گیرد. گوگل همچنین می نویسد حتی وقتی ذخیره فعالیت خاموش است، باز هم از گفتگوها برای جواب دادن به شما و برای محافظت از سرویس استفاده می کند، از جمله با کمک بازبین انسانی.

درباره ایران، وضعیت یک تناقض ظاهری دارد که دانستنش به درد می خورد. صفحه خود گوگل می گوید اپ وب جمنای در بیش از ۷۰ زبان و بیش از ۲۳۰ کشور و منطقه در دسترس است، و فارسی در فهرست زبان های پشتیبانی شده هست. ولی ایران در فهرست کشورها نیست. یعنی زبان پشتیبانی می شود و کشور نه، و این دو چیز جدا هستند. این را در صفحه جمنای در مرجع هوش مصنوعی با منبع نوشته ایم و لایه پرداخت را جدا در راهنمای خرید ابزارهای هوش مصنوعی. ما نه اکانت می فروشیم و نه راه دور زدن پیشنهاد می کنیم.