اعلان‌ها به عنوان اجزا: چگونه طراحان در سال ۲۰۲۶ کتابخانه‌های اعلان قابل استفاده مجدد می‌سازند

یک طراح ارشد در سال ۲۰۲۶ کتابخانه‌ی اعلان خود را به همان روشی باز می‌کند که یک طراح ارشد در سال ۲۰۱۸ کتابخانه‌ی اجزای خود را باز کرد. آن‌ها اعلان حسابرسی برند، نسخه ۲.۴، را انتخاب می‌کنند و آن را در نسخه جدید صفحه اصلی فعال می‌کنند. خروجی در پانزده ثانیه نمایش داده می‌شود. روبریک آن را امتیاز می‌دهد. صف حرکت می‌کند.

این حرکت بدون یک کتابخانه‌ی واقعی در زیر آن غیرممکن است. اکثر تیم‌ها کتابخانه‌ای ندارند. آن‌ها یک صفحه Notion از اعلان‌های پیست شده، یک رشته Slack با سه تغییر، و یک طراح که موارد خوب را در ذهن خود نگه می‌دارد، دارند. این پشته دفعه‌ی بعدی که مدل زیر آن به‌روزرسانی می‌شود، از بین می‌رود.

اعلان‌ها اجزای جدید هستند. آن‌ها آناتومی، انواع، نسخه‌بندی، ترکیب، توزیع و یک کتابدار در دست دارند. تیم‌هایی که در سال ۲۰۲۶ سریع‌ترین ترکیب را انجام دادند، نوشتن اعلان‌ها را به عنوان رشته‌های یکبار مصرف متوقف کردند و شروع به ارسال آن‌ها مانند یک سیستم طراحی کردند.

دفترچه راهنمای کار: آناتومی پنج قسمتی، ماتریس متغیرها، قوانین نسخه‌بندی، سطوح توزیع، نقشی که مالک آن است.

اعلان‌ها مانند اجزا رفتار می‌کنند، با آنها مانند اجزا رفتار کنید

یک اعلان یک واحد دستورالعمل قابل استفاده مجدد است که مدل برای انجام یک کار بارگیری می‌کند. همان شرح وظیفه‌ای که یک جزء دارد. قابل استفاده مجدد. محدوده‌بندی شده. در محل فراخوانی پیکربندی شده. متعلق به. نسخه‌بندی شده. قابل اعتماد است زیرا هزار بار استفاده شده است.

تیمی که اعلان‌ها را به عنوان رشته‌های یک‌باره می‌نویسد، رشته‌ها را ارسال می‌کند. تیمی که اعلان‌ها را به عنوان اجزا می‌نویسد، دارایی‌ها را ارسال می‌کند. رشته‌ها وقتی یک مدل به‌روزرسانی می‌شود، یک هم‌تیمی ملحق می‌شود یا همان کار به سطح دیگری منتقل می‌شود، بی‌صدا از هم می‌پاشند. اجزا باقی می‌مانند.

تغییر ذهنی کل بازی است. دیگر با اعلان به عنوان چیزی که دیروز نوشتید و فراموش کردید رفتار نکنید. با آن به عنوان چیزی که تیم نصب، پیکربندی، ارزیابی و ارسال می‌کند رفتار کنید.

آناتومی پنج قسمتی یک اعلان تولید

هر اعلانی که از به‌روزرسانی مدل جان سالم به در می‌برد، پنج بخش یکسان دارد. سیستم، دامنه، مثال‌ها، محدودیت‌ها، قالب خروجی. اگر هر یک از آنها را از دست بدهید، دستورالعمل از بین می‌رود.

بدون نقش سیستم، دستورالعمل وقتی لحن پیش‌فرض مدل تغییر می‌کند، منحرف می‌شود. بدون دامنه، دستورالعمل به سوالاتی پاسخ می‌دهد که هرگز قرار نبوده به آنها بپردازد. بدون مثال، در مورد چهارم مشخصات را اشتباه می‌گیرد. بدون محدودیت، آنچه را که نمی‌تواند استنباط کند، اختراع می‌کند. بدون فرمت خروجی، هر مصرف‌کننده پایین‌دستی می‌شکند. پنج بخش، به ترتیب، هر بار.

سیستم نقش را تعیین می‌کند، محدوده را تعیین می‌کند

دستور سیستم نام مدل را مشخص می‌کند. محدوده نام آنچه را که دستورالعمل مجاز به لمس آن است، مشخص می‌کند. از هر کدام که بگذرید، دستورالعمل به انجام کار اشتباه با اطمینان منحرف می‌شود.

یک بلوک سیستم کارآمد یک یا دو جمله است. "شما یک طراح ارشد برند هستید که یک قهرمان صفحه اصلی را در برابر عنوان صدای برند بررسی می‌کنید." نه "شما یک دستیار مفید هستید." نقش خاص، ارشدیت خاص، چارچوب خاص. مدل به نقش متمایل می‌شود و بقیه دستورالعمل کوتاه‌تر می‌شود.

محدوده مرز را تعیین می‌کند. «فقط متن اصلی را مرور کنید. در مورد طرح‌بندی، رنگ یا تصاویر نظر ندهید. جایگزین پیشنهاد ندهید.» محدوده، مدل را از سرگردانی باز می‌دارد. دستورالعمل‌هایی که در مرحله تولید ارائه می‌شوند، همگی یک بلوک محدوده صریح دارند. آن‌هایی که شکست می‌خورند، معمولاً آن را از دست می‌دهند.

مثال‌ها بیشتر از دستورالعمل‌ها آموزش می‌دهند

مثال‌های چند قسمتی، وزن بیشتری در هر نشانه نسبت به هر دستورالعملی دارند. دستورالعمل‌هایی که در تعویض مدل باقی می‌مانند، آن‌هایی هستند که سه تا پنج مثال واقعی در بدنه خود دارند.

به مدل بگویید «محکم بنویس، اول مقدمه، بدون پرکننده» و او تلاش می‌کند. سه جفت قبل و بعد را نشان دهید و قفل می‌شود. دستورالعمل یک پیشنهاد است. مثال یک مشخصه است.

مثال‌ها را واقعی نگه دارید، نه ساختگی. سه خروجی که تیم در سه ماهه گذشته تأیید کرده است، سه خروجی که تیم رد کرده است را بیرون بکشید، آن‌ها را جفت کنید. مدل با خواندن برند، برند را یاد می‌گیرد.

محدودیت‌ها و قالب خروجی، دستورالعمل‌ها را برای ماشین قابل خواندن می‌کنند

محدودیت‌ها حالت‌های خرابی را که مدل در غیر این صورت با اطمینان به شما ارائه می‌داد، از بین می‌برند. یک قالب خروجی دقیق، اعلان را به یک API تبدیل می‌کند که خط لوله می‌تواند به آن اعتماد کند.

بلوک‌های محدودیت مانند یک چک لیست خوانده می‌شوند. "هرگز از خط تیره em استفاده نکنید. هرگز با کلمه "تصور" شروع نکنید. هرگز متنی طولانی‌تر از نه کلمه پیشنهاد ندهید. هرگز ویژگی‌های محصولی را که در خلاصه نیستند، اختراع نکنید." هر خط، قانونی است که مدل در غیر این صورت به گونه‌ای آن را می‌شکند که تمیز کردن آن یک ساعت هزینه دارد. هر بار ارزش توکن‌ها را دارد.

قالب خروجی، تفاوت بین نثر و داده‌های ساختاریافته‌ای است که پشته ارزیابی می‌تواند امتیاز دهد. JSON با یک طرحواره ثابت، Markdown با ترتیب عنوان ثابت، YAML با فیلدهای نامگذاری شده. یکی را انتخاب کنید، آن را مستند کنید، ابزارهای پایین‌دستی دیگر حدس نمی‌زنند.

اعلان‌های نسخه، نحوه نسخه‌بندی کامپوننت‌ها را نشان می‌دهند.

یک اعلان که هیچ‌کس آن را نسخه‌بندی نمی‌کند، اعلانی است که هیچ‌کس مالک آن نیست و اولین به‌روزرسانی مدل، بی‌سروصدا، کف کیفیت تیم را بازنویسی می‌کند.

هر اعلان در کتابخانه در یک مخزن git با یک پیام commit که تغییر را نامگذاری می‌کند، قرار دارد. Semver کار می‌کند. وصله برای رفع مشکلات مربوط به کلمات. جزئی برای مثال‌های جدید یا محدودیت سخت‌تر. اصلی برای فرمت خروجی تغییر یافته یا نقش سیستمی تعویض شده. تیمی که نسخه ۱.۴.۲ از اعلان ممیزی برند خود را منتشر می‌کند، می‌داند که چه زمانی و چرا این روبریک تنظیم شده است.

قانون سخت‌تر، ارزیابی‌های سریع برای هر تغییر است. نسخه جدید را در برابر همان پنجاه مورد آزمایشی قدیمی اجرا کنید، با یک داور LLM در برابر روبریک برند امتیاز دهید، فقط در صورتی ادغام کنید که نسخه جدید امتیاز بالاتری کسب کند یا مطابقت داشته باشد. Anthropic Workbench از این پشتیبانی می‌کند. مدیریت اعلان OpenAI نیز این کار را انجام می‌دهد. مسیر سفارشی یک فراخوانی API Claude است که در یک اسکریپت پیچیده شده و در CI اجرا می‌شود. یک اعلان بدون ارزیابی، اعلانی است که روی امید اجرا می‌شود.

نوشتن اعلان‌های والد و فرزند

اعلان‌ها به روشی که اجزا در هم تنیده‌اند، تودرتو می‌شوند. یک اعلان والد زمینه را تعیین می‌کند. اعلان‌های فرزند یک زیروظیفه واحد را مدیریت می‌کنند.

یک ممیزی برند یک اعلان والد است. درون آن، نقد متن اصلی، بررسی فراخوان عمل (CTA) و اسکن ناوبری، پیام‌های فرزند هستند. والد، نمایه برند و روبریک را بارگذاری می‌کند. فرزندان، زمینه را به ارث می‌برند و امتیازدهی محدود خود را اجرا می‌کنند. هر فرزند به طور مستقل نسخه‌بندی و قابل ارزیابی است. والد تنها چیزی است که کاربر فراخوانی می‌کند.

یک قالب صفحه، والد است. دکمه‌ها، کارت‌ها و ناوبری‌های درون آن، فرزندان هستند. هیچ‌کس تمام صفحه را هر بار از ابتدا نمی‌نویسد. ترکیب‌بندی چیزی است که کتابخانه را به چیزی بیش از یک لیست از فایل‌ها تبدیل می‌کند. از نوشتن یک پیام غول‌پیکر که همه کارها را انجام می‌دهد، دست بردارید. والد را تشکیل دهید که زمینه و فرزندانی را بارگذاری کند که هر کدام یک کار را به خوبی انجام دهند.

انواع پیام‌ها، روشی که Figma برای دکمه‌ها دارد

دکمه‌ها دارای انواع اندازه، حالت و نقش هستند. همان شکل برای پیام‌ها در لحظه‌ای که یک تیم آنها را در بیش از یک سطح ارسال می‌کند، اعمال می‌شود.

انواع اندازه، اشکال کوتاه و بلند یک پیام هستند. نسخه کوتاه برای نقد سریع در IDE اجرا می‌شود. نسخه بلند در خط لوله ارزیابی با روبریک کامل و خروجی ساختاریافته اجرا می‌شود. همان دستورالعمل، دو اندازه.

انواع وضعیت، دستورالعملی هستند که برای شرایط شروع متفاوت پیکربندی شده‌اند. یک دستورالعمل ممیزی برند، یک نوع «گذر اول» دارد که آسان‌گیرانه‌تر است و یک نوع «بررسی ارسال» که سختگیرانه‌تر است. منطق یکسان، آستانه متفاوت.

انواع نقش، بلوک سیستم را تغییر می‌دهند. یک دستورالعمل بررسی کپی، نقش «بازبین» برای تضمین کیفیت و نقش «نویسنده» برای تولید دارد. بدنه، سرفصل و مثال‌ها یکسان باقی می‌مانند. تعویض نقش، دستورالعمل را به ابزاری متفاوت با همان مغز تبدیل می‌کند.

یک کتابخانه فعال، یک ماتریس متغیر را مانند Figma نمایش می‌دهد. سه ردیف، سه ستون، نه دستورالعمل که یک عطف مشترک دارند. تیم یک بار عطف را یاد می‌گیرد، نوع را انتخاب می‌کند، ارسال می‌کند. سطح جدید، یک ستون اضافه می‌کند.

دستورالعمل‌ها را به عنوان مهارت‌ها، بسته‌ها و کتابخانه‌های تیمی توزیع کنید

دستورالعملی که در یادداشت‌های یک طراح وجود دارد، یک دارایی خصوصی است. تبدیل آن به یک دارایی تیمی نیاز به یک سطح توزیع دارد که بقیه تیم بتوانند آن را نصب کنند.

پنج سطح در سال ۲۰۲۶ واقعی هستند. مهارت‌ها به عنوان پوشه‌هایی که مدل بر اساس تقاضا بارگذاری می‌شود، ارسال می‌شود، قوی‌ترین الگو برای تیم‌های طراحی در Claude. Anthropic Workbench میزبان‌های اعلان را با نسخه‌بندی و ارزیابی‌های داخلی ارائه می‌دهد. مکان‌نما .cursorrules میزبان‌های اعلان را به عنوان یک فایل در مخزن IDE هر هم‌تیمی به طور خودکار دریافت می‌کند. Continue.dev الگوی مشابهی مانند .continuerc.json را برای تیم‌های سمت متن‌باز ارائه می‌دهد. مدیریت اعلان OpenAI میزبان‌های اعلان را برای تیم‌ها در GPT ارائه می‌دهد.

سطحی را انتخاب کنید که با پشته تیم مطابقت داشته باشد و استانداردسازی کنید. اشتباه این است که اجازه دهید چهار سطح به طور موازی با نسخه‌های مختلف یک اعلان مشابه اجرا شوند. این کتابخانه فقط زمانی ترکیب می‌شود که سطح واحد، نامگذاری شده و متعلق به آن باشد.

یک بسته اعلان، لایه بعدی است، مجموعه‌ای از اعلان‌های مرتبط که به همراه یک سیاست نسخه‌بندی و یک مسیر نصب ارسال می‌شوند. Brainy کلودبرینی را به عنوان مجموعه‌ای از مهارت‌های طراحی به همراه یک ماتریس متغیر مستند و یک مجموعه ارزیابی ارائه می‌دهد. تیمی که این بسته را نصب می‌کند، روبریک، اعلان‌ها، متغیرها و ارزیابی‌ها را به عنوان یک واحد دریافت می‌کند.

اگر برای راه‌اندازی یک کتابخانه اعلان به کمک نیاز دارید، استخدام ⟦برند ۰⟧ را ارائه می‌دهد. کلودبرینی بسته‌های مهارت و قالب‌های کتابخانه اعلان را به همراه نسخه‌بندی و ارزیابی‌ها ارائه می‌دهد. برندبرینی سیستم‌های برند برای تولید هوش مصنوعی را برای هر امتیازدهی اعلان ارائه می‌دهد.

نقش جدید، کتابدار اعلان و مالک ارزیابی

وقتی اعلان‌ها مانند اجزا رفتار می‌کنند، کسی مالک کتابخانه است. نقشی که در سال ۲۰۲۶ پدیدار می‌شود، شبیه یک کتابدار اعلان است که مجموعه ارزیابی را نیز اجرا می‌کند.

کتابدار اعلان، ویرایش می‌کند. آنها درخواست‌های pull را در مخزن اعلان بررسی می‌کنند، ارزیابی‌ها را اجرا می‌کنند، ادغام یا رد می‌کنند، گزارش تغییرات را می‌نویسند، اعلان‌هایی را که دیگر درآمدی ندارند، منسوخ می‌کنند. آنها برای درخواست‌ها همان کاری را می‌کنند که نگهدارندگان سیستم طراحی برای اجزا انجام می‌دهند. جذابیت کمتری نسبت به ارسال کار جدید، و قابلیت نفوذ بیشتری نسبت به هر چیز دیگری در تیم دارد.

مالک ارزیابی در کنار یا درون نقش کتابدار می‌نشیند. آنها روبریک‌ها را تعریف می‌کنند، آستانه‌ها را تنظیم می‌کنند، هر سه ماه یکبار رانش حسابرسی را انجام می‌دهند و داده‌های تبدیل را به روبریک برمی‌گردانند، همانطور که پشته ارزیابی طراح توصیف می‌کند. بدون مالک ارزیابی، کتابخانه موزه‌ای از درخواست‌ها است که هیچ کس به آن اعتماد ندارد.

نردبان تغییر شکل می‌دهد. افراد تازه‌کار درخواست‌ها را ارائه می‌دهند و صف را اداره می‌کنند. طراحان سطح متوسط ​​انواع را ارسال می‌کنند و روبریک‌ها را تنظیم می‌کنند. افراد مسن ستون فقرات و سیاست ارزیابی را در اختیار دارند. رهبران حلقه بین داده‌های تبدیل و به‌روزرسانی‌های کتابخانه را در اختیار دارند. "آیا چشم دارید" تبدیل به "آیا چشم دارید و می‌توانید آن را رمزگذاری کنید" می‌شود.

داستان هشدار دهنده، درخواست‌ها به عنوان رشته‌های یکبار مصرف

اکثر تیم‌ها با درخواست‌ها به عنوان رشته‌های یکبار مصرف رفتار می‌کنند. آنها اولین باری که مدل اساسی به‌روزرسانی می‌شود، شاهد پوسیدگی آنها هستند. هزینه پاکسازی با کیفیت ارسال شده پرداخت می‌شود.

الگو همیشه یکسان است. یک طراح در ماه فوریه یک دستور عالی می‌نویسد. خروجی‌ها واضح هستند. تیم آن را در پیکربندی‌های خصوصی Cursor Notion، Slack کپی-پیست می‌کند. تا ماه ژوئیه، دستور هشت نسخه در پنج مکان دارد که همگی کمی متفاوت هستند و هیچ کدام متعلق به دیگری نیستند. در ماه اوت، مدل به‌روزرسانی می‌شود. چهار نسخه بی‌سروصدا تخریب می‌شوند. تیم شاهد کاهش کیفیت خروجی است اما نمی‌تواند آن را ردیابی کند زیرا هیچ نسخه‌ای استاندارد نیست و هیچ نسخه‌ای ارزیابی ندارد.

این رایج‌ترین شکست طراحی تقویت‌شده با هوش مصنوعی در سال ۲۰۲۶ است. دستورات بدی نیستند. دستورات گم‌شده. دستورات رانده‌شده. دستورات بدون نسخه. راه حل، نوشتن بهتر نیست، بلکه بهداشت کتابخانه است. هر دستور را به محض اینکه دوباره استفاده می‌شود، به عنوان یک جزء در نظر بگیرید و پوسیدگی اتفاق نمی‌افتد.

تیم‌هایی که این را در سال ۲۰۲۴ یاد گرفتند، دو برابر خلاصه‌های هوش مصنوعی را با نصف پاکسازی اجرا می‌کنند. تیم‌هایی که این را یاد نگرفتند، هر دوشنبه همان هشت دستور را بررسی می‌کنند و تعجب می‌کنند که چرا خروجی همچنان افت می‌کند.

سوالات متداول

کامپوننت prompt چیست؟

یک کامپوننت prompt یک واحد دستورالعمل قابل استفاده مجدد، نسخه‌بندی شده و دارای محدوده است که با همان نظم یک کامپوننت رابط کاربری ارسال می‌شود. این کامپوننت دارای آناتومی (سیستم، محدوده، مثال‌ها، محدودیت‌ها، فرمت خروجی)، انواع (اندازه، حالت، نقش)، نسخه‌بندی، ارزیابی‌ها و یک سطح توزیع مستند است. تیم‌ها با آن به عنوان یک دارایی رفتار می‌کنند، نه یک رشته.

یک کامپوننت prompt چه تفاوتی با یک مهارت Claude دارد؟

یک مهارت Claude یکی از قوی‌ترین سطوح توزیع برای کامپوننت‌های prompt در پشته Anthropic است. این کامپوننت الگوی طراحی است. مهارت، فرمت بسته و سیستم تریگر است. یک تیم می‌تواند همان کامپوننت prompt را به عنوان یک مهارت در Claude، یک بلوک .cursorrules در Cursor، یک prompt میزبانی شده در مدیریت prompt OpenAI یا هر سه ارسال کند.

چگونه یک اعلان را نسخه‌بندی می‌کنید؟

به همان روشی که یک کامپوننت را نسخه‌بندی می‌کنید. مخزن گیت، semver، پیام‌های commit که تغییر را توضیح می‌دهند، و یک مجموعه ارزیابی اعلان که هر تغییر را در مقایسه با نسخه قبلی در یک مجموعه تست ثابت امتیاز می‌دهد. وصله برای اصلاحات جمله‌بندی، جزئی برای مثال‌های جدید یا یک محدودیت سخت‌گیرانه، اصلی برای یک فرمت خروجی تغییر یافته یا یک نقش تعویض شده.

چه مشکلی پیش می‌آید وقتی اعلان‌ها به عنوان رشته‌های یکبار مصرف در نظر گرفته می‌شوند؟

آنها می‌پوسند. در کپی‌ها جابجا می‌شوند. وقتی مدل به‌روزرسانی می‌شود، بی‌صدا تخریب می‌شوند. تیم احساس می‌کند کیفیت خروجی کاهش می‌یابد اما نمی‌تواند آن را ردیابی کند زیرا هیچ نسخه‌ای استاندارد نیست و هیچ نسخه‌ای ارزیابی ندارد. راه حل، بهداشت کتابخانه است، نه نوشتن بهتر.

چه کسی مالک کتابخانه اعلان در یک تیم طراحی است؟

یک کتابدار اعلان. این نقش با مالکیت ارزیابی جفت می‌شود. آنها کتابخانه را گردآوری می‌کنند، ارزیابی‌ها را برای هر تغییر اجرا می‌کنند، گزارش تغییرات را می‌نویسند، اعلان‌هایی را که دیگر درآمد خود را دریافت نمی‌کنند، منسوخ می‌کنند و داده‌های تبدیل را به روبریک‌ها برمی‌گردانند. نردبان در سال ۲۰۲۶ حول این نقش تغییر شکل می‌دهد.

کتابخانه اعلان را این هفته راه‌اندازی کنید

سه حرکت. نیازی به خرید پلتفرم نیست.

اول، ستون فقرات را نامگذاری کنید. پنج اعلانی را که تیم بیشتر از همه استفاده می‌کند انتخاب کنید. هر کدام را با آناتومی پنج قسمتی بازنویسی کنید. آنها را در یک مخزن گیت با README و برچسب نسخه قرار دهید. جمعه.

دوم، مجموعه ارزیابی را ارسال کنید. بیست خروجی تأیید شده و بیست خروجی رد شده را استخراج کنید. به عنوان یک مجموعه آزمایشی بپیچید. یک روبریک Claude بنویسید. آن را روی ستون فقرات اجرا کنید. شکست‌ها را تنظیم کنید.

سوم، سطح توزیع را انتخاب کنید. مهارت‌ها Claude، مکان‌نما .cursorrules، میز کار Anthropic، Continue.dev یا مدیریت اعلان OpenAI. یک سطح. استانداردسازی کنید.

اگر می‌خواهید در اتصال کتابخانه اعلان به یک روش کاری به شما کمک شود، استخدام ⟦برند ۰⟧ را انتخاب کنید. کلودبرینی بسته‌های مهارت، قالب‌های کتابخانه‌ی اعلان و ماتریس متغیر را به عنوان کتابخانه‌ی آغازین ارائه می‌دهد. برندبرینی سیستم عامل برند را برای هر اعلانی که امتیاز می‌گیرد، ارائه می‌دهد. نسل بعدی کیفیت طراحی در کتابخانه‌ی اعلان مهندسی شده است، نه اینکه هر دوشنبه دوباره تایپ شود، و تیم‌هایی که ابتدا کتابخانه را می‌سازند، سطحی را که سه تیم قبلاً پوشش می‌دادند، اداره خواهند کرد.