فراگیرشدن مدل‌های زبانی قرار بود کارها را ساده‌تر کند، اما برای من نتیجه گاهی درست برعکس بود: انبوهی از تب‌های مرورگر، پنجره‌های باز و گفتگوهایی که معلوم نبود هرکدام از کجا شروع شده‌اند. فرقی هم نمی‌کرد پشت کامپیوتر باشم یا با تبلت و گوشی کار کنم؛ همیشه چند دستیار هوش مصنوعی هم‌زمان روی صفحه حضور داشتند.
از طرفی دیگر نمی‌توانستم به‌سادگی کنارشان بگذارم. هرکدام در بخشی از کار بهتر ظاهر می‌شدند و همین موضوع باعث شده بود مدام بین ChatGPT، Claude و Gemini جابه‌جا شوم. این روش کارها را جلو می‌برد، اما گفتگوها را شلوغ می‌کرد و گاهی مدل به‌دلیل سابقه نامرتبط مکالمه، منظورم را اشتباه می‌فهمید.
وقتی همه‌چیز را از یک چت می‌خواهیم
مشکل اصلی همیشه از مدل هوش مصنوعی نیست. من خودم پنجره زمینه یا همان حافظه موقت گفتگو را با سؤال‌های کاملاً متفاوت پر می‌کردم؛ یک لحظه درباره متن کاری صحبت می‌کردم، چند دقیقه بعد سراغ برنامه‌ریزی خانه می‌رفتم و سپس پرسشی ناگهانی و بی‌ربط را مطرح می‌کردم.
مدل هم تلاش می‌کرد پاسخ جدید را با توجه به پیام‌های قبلی تولید کند. نتیجه همیشه فاجعه‌بار نبود، اما به‌مرور نشانه‌های به‌هم‌ریختگی ظاهر می‌شد: لحن نامناسب، فرض‌های اشتباه و پاسخ‌هایی که تحت تأثیر موضوعات قبلی قرار گرفته بودند.
سه دستیار برای سه بخش متفاوت زندگی
برای کاهش این آشفتگی تصمیم گرفتم میان سه سرویس مرز مشخصی ایجاد کنم. Claude را بیشتر به کارهای حرفه‌ای اختصاص دادم، Gemini را برای موضوعات خانه و برنامه‌ریزی شخصی کنار گذاشتم و ChatGPT را به پرسش‌ها و گفتگوهای روزمره سپردم.
- Claude برای کار: نگارش، ویرایش، خلاصه‌سازی و گفتگوهای مرتبط با پروژه‌ها.
- Gemini برای خانه: برنامه‌ریزی شخصی، تهیه فهرست‌ها، ایده‌های مربوط به امور منزل و پرسش‌های خانوادگی.
- ChatGPT برای استفاده روزمره: پرسش‌های پراکنده، ایده‌پردازی، سرگرمی و کنجکاوی‌های لحظه‌ای.
هدف این تقسیم‌بندی انتخاب یک برنده مطلق نبود. قرار بود هر سرویس فضای مشخصی داشته باشد تا گفتگوهای کاری با سؤال‌های شخصی و موضوعات اتفاقی ترکیب نشوند.
نظم بیشتر، اما نه بدون دردسر
این روش تا حدی مؤثر بود. وقتی وارد هر سرویس می‌شدم، تقریباً می‌دانستم چه نوع گفتگوهایی در انتظارم است. پیدا کردن مکالمات قبلی آسان‌تر شد و احتمال اینکه یک بحث نامرتبط روی پاسخ بعدی اثر بگذارد، کاهش یافت.
بااین‌حال، آشفتگی کاملاً از بین نرفت؛ فقط شکل آن تغییر کرد. حالا به‌جای جست‌وجو میان چند گفتگوی درهم‌ریخته، باید به خاطر می‌آوردم هر موضوع را در کدام سرویس مطرح کرده‌ام. گاهی هم برای یک کار به قابلیتی نیاز داشتم که دستیار تعیین‌شده بهترین گزینه برای آن نبود.
مشکلاتی که همچنان باقی ماندند
- اطلاعات میان سرویس‌ها به‌صورت خودکار منتقل نمی‌شود.
- برای ادامه یک موضوع در مدل دیگر باید زمینه گفتگو را دوباره توضیح داد.
- مرز میان کار، زندگی شخصی و استفاده تفریحی همیشه کاملاً روشن نیست.
- بازبودن چند برنامه و تب همچنان می‌تواند تمرکز را کاهش دهد.
- هر سرویس محدودیت‌ها، تنظیمات و شیوه مدیریت تاریخچه متفاوتی دارد.
چرا جداسازی گفتگوها هنوز ایده خوبی است؟
با وجود این ایرادها، جداکردن موضوعات از یکدیگر بهتر از ریختن همه درخواست‌ها در یک گفتگوی طولانی است. حتی اگر فقط از یک مدل هوش مصنوعی استفاده می‌کنید، می‌توانید برای کار، امور شخصی و سؤال‌های روزمره چت‌های جداگانه بسازید.
این جداسازی به مدل کمک می‌کند زمینه روشن‌تری داشته باشد و به شما هم اجازه می‌دهد مکالمات مهم را سریع‌تر پیدا کنید. اگر سرویس موردنظر قابلیت ساخت پروژه، پوشه یا دستیار سفارشی دارد، می‌توان برای هر بخش دستورالعمل و لحن جداگانه‌ای تعریف کرد.
یک روش ساده برای مدیریت دستیارهای هوش مصنوعی
- برای هر حوزه یک گفتگوی مستقل یا پروژه جدا بسازید.
- در ابتدای گفتگو، هدف، مخاطب و لحن موردنظر را مشخص کنید.
- پس از تغییر کامل موضوع، به‌جای ادامه همان چت، گفتگوی تازه‌ای باز کنید.
- اطلاعات حساس کاری و شخصی را بدون بررسی تنظیمات حریم خصوصی وارد نکنید.
- گفتگوهای قدیمی و بی‌استفاده را هرچند وقت یک‌بار بایگانی یا حذف کنید.
راه‌حل کامل نیست، اما از آشفتگی کم می‌کند
تقسیم وظایف میان ChatGPT، Claude و Gemini تجربه‌ای دوگانه بود. گفتگوها منظم‌تر شدند و هر ابزار هویت مشخص‌تری پیدا کرد، اما تعداد سرویس‌ها و نیاز به جابه‌جایی همچنان دردسرساز بود.
نتیجه عملی این است که استفاده از چند مدل لزوماً بهره‌وری را افزایش نمی‌دهد. آنچه تفاوت واقعی ایجاد می‌کند، تعیین مرز برای گفتگوها و مدیریت آگاهانه زمینه هر درخواست است. گاهی سه دستیار تخصصی مفیدند و گاهی یک دستیار با چند گفتگوی مرتب، انتخاب ساده‌تر و مؤثرتری خواهد بود.
نظر، سوال یا تجربه خود را درباره این مطلب با سایر کاربران اوکالا به اشتراک بگذارید.