یادداشت‌برداری با هوش مصنوعی؛ آموزش تبدیل صدا، PDF و متن به یادداشت هوشمند

یادداشت‌برداری فقط ثبت چند جمله در دفتر یا نرم‌افزار نیست. یک سیستم یادداشت‌برداری مناسب باید بتواند اطلاعات پراکنده را به دانشی قابل جستجو، قابل مرور و قابل استفاده تبدیل کند.

مشکل این است که بیشتر ما حجم زیادی از اطلاعات را در جلسه‌ها، پیام‌های صوتی، مقاله‌ها، فایل‌های PDF، دوره‌های آموزشی و گفت‌وگوهای کاری دریافت می‌کنیم؛ اما فرصت کافی برای ثبت، مرتب‌سازی و مرور آن‌ها نداریم. نتیجه معمولاً مجموعه‌ای از یادداشت‌های ناقص و پراکنده است که پیدا کردن نکته مهم در آن‌ها دشوار خواهد بود.

یادداشت‌برداری با هوش مصنوعی می‌تواند این فرایند را سریع‌تر و ساختاریافته‌تر کند. با کمک ابزارهای مناسب می‌توان:

• صدای یک جلسه را به متن تبدیل کرد.
• نکات اصلی یک فایل PDF را استخراج کرد.
• متن‌های طولانی را به یادداشت کوتاه و منظم تبدیل کرد.
• تصمیم‌ها و وظایف جلسه را از مکالمات جدا کرد.
• برای یک موضوع فلش‌کارت و سؤال مرور ساخت.
• اطلاعات چند منبع را با یکدیگر مقایسه کرد.
• یادداشت‌های پراکنده را دسته‌بندی و برچسب‌گذاری کرد.
• یک پایگاه دانش شخصی یا سازمانی قابل جستجو ساخت.

در این مقاله، یادداشت‌برداری هوشمند را به‌صورت عملی بررسی می‌کنیم و چند گردش کار آماده برای جلسه، مطالعه، مدیریت پروژه و ثبت ایده می‌سازیم.

یادداشت‌برداری با هوش مصنوعی چیست؟

یادداشت‌برداری با هوش مصنوعی یا AI Note Taking به استفاده از مدل‌های هوش مصنوعی برای ثبت، بازنویسی، خلاصه‌سازی، سازمان‌دهی و بازیابی اطلاعات گفته می‌شود.

در این روش، کاربر یک یا چند منبع در اختیار سیستم قرار می‌دهد؛ برای مثال:

• متن خام
• فایل صوتی
• ویدئو
• متن پیاده‌سازی‌شده جلسه
• فایل PDF
• سند Word
• صفحه وب
• تصویر حاوی متن
• مجموعه‌ای از یادداشت‌های قدیمی

سپس هوش مصنوعی این داده‌ها را به خروجی قابل استفاده تبدیل می‌کند؛ مانند:

• خلاصه مدیریتی
• صورت‌جلسه
• فهرست تصمیم‌ها
• وظایف و مسئول هر وظیفه
• نکات کلیدی
• پرسش‌های بدون پاسخ
• فلش‌کارت
• جدول مقایسه
• واژه‌نامه
• یادداشت به روش Cornell
• ساختار پیشنهادی برای مقاله یا ارائه
• برچسب‌ها و دسته‌بندی‌های مرتبط

هدف اصلی این فناوری حذف کامل یادداشت‌برداری انسانی نیست. هدف این است که زمان کمتری صرف پاک‌نویس و مرتب‌سازی کنیم و زمان بیشتری برای فهمیدن، تصمیم‌گیری و استفاده از اطلاعات داشته باشیم.

تفاوت ضبط، تبدیل صدا به متن و یادداشت‌برداری هوشمند

این سه مفهوم شبیه به نظر می‌رسند، اما یکسان نیستند.

متن کامل جلسه ممکن است ده‌ها صفحه باشد. این متن آرشیو مفیدی محسوب می‌شود، اما هنوز یک یادداشت خوب نیست. یادداشت هوشمند باید مشخص کند:

• موضوع اصلی چه بود؟
• چه تصمیمی گرفته شد؟
• چه کاری باید انجام شود؟
• مسئول هر کار چه کسی است؟
• مهلت انجام کار چه زمانی است؟
• چه پرسش‌هایی بدون پاسخ باقی مانده‌اند؟
• برای بررسی صحت اطلاعات باید به کدام قسمت منبع مراجعه کرد؟

بنابراین، رونویسی فقط مرحله‌ای از فرایند است و نباید آن را با نتیجه نهایی اشتباه گرفت.

هوش مصنوعی در یادداشت‌برداری چه کارهایی انجام می‌دهد؟

تبدیل صوت به متن

نخستین کاربرد، تبدیل پیام صوتی، مصاحبه، کلاس یا جلسه به متن است. کیفیت نتیجه به عواملی مانند وضوح صدا، نویز محیط، تعداد گویندگان، لهجه، اصطلاحات تخصصی و کیفیت میکروفون بستگی دارد.

نام اشخاص، اعداد، تاریخ‌ها و اصطلاحات انگلیسی باید پس از رونویسی بررسی شوند؛ به‌خصوص زمانی که متن قرار است مبنای یک تصمیم کاری باشد.

خلاصه‌سازی

هوش مصنوعی می‌تواند یک متن طولانی را در قالب‌های متفاوت خلاصه کند:

• خلاصه یک‌پاراگرافی
• خلاصه مدیریتی
• فهرست نکات کلیدی
• خلاصه بخش‌به‌بخش
• خلاصه مناسب مرور سریع
• خلاصه متناسب با سطح دانش مخاطب

عبارت «این متن را خلاصه کن» معمولاً خروجی عمومی تولید می‌کند. اگر قالب، هدف و مخاطب را مشخص کنید، نتیجه بسیار کاربردی‌تر خواهد شد.

ساختاربندی یادداشت‌های خام

یادداشت‌های سریع معمولاً شامل جمله‌های ناقص، ایده‌های تکراری و اصطلاحات پراکنده هستند. هوش مصنوعی می‌تواند آن‌ها را به بخش‌هایی مانند موضوع، توضیح، نمونه، سؤال، تصمیم و اقدام تبدیل کند.

استخراج وظایف

از متن یک جلسه می‌توان موارد زیر را استخراج کرد:

• عنوان وظیفه
• شرح وظیفه
• مسئول
• مهلت
• وابستگی
• وضعیت
• نکته مبهم

اگر مسئول یا مهلت در متن مشخص نشده باشد، سیستم باید آن را «نامشخص» ثبت کند، نه اینکه اطلاعاتی را حدس بزند.

ساخت فلش‌کارت و سؤال

برای یادگیری، می‌توان جزوه یا PDF را به فلش‌کارت، سؤال تشریحی، سؤال چندگزینه‌ای و برنامه مرور تبدیل کرد. این کار به‌ویژه برای یادگیری مفاهیم، اصطلاحات تخصصی و زبان کاربرد دارد.

دسته‌بندی و برچسب‌گذاری

هوش مصنوعی می‌تواند برای هر یادداشت عنوان، پوشه، برچسب و ارتباط با یادداشت‌های قبلی پیشنهاد دهد. این قابلیت برای ساخت پایگاه دانش شخصی مفید است.

بازیابی اطلاعات

در یک سیستم پیشرفته‌تر، کاربر می‌تواند به‌جای جستجوی دقیق کلمات، سؤال طبیعی بپرسد:

• در آخرین جلسه درباره زمان انتشار چه تصمیمی گرفتیم؟
• کدام وظایف هنوز مسئول مشخصی ندارند؟
• در یادداشت‌های ماه گذشته چه ایده‌هایی درباره بازاریابی ثبت شده است؟
• تفاوت پیشنهاد اول و دوم چه بود؟

این نوع بازیابی معمولاً با جستجوی معنایی و معماری RAG پیاده‌سازی می‌شود.

بهترین ساختار برای یک یادداشت هوشمند

یک قالب واحد برای تمام یادداشت‌ها مناسب نیست. بااین‌حال، قالب زیر نقطه شروع خوبی برای یادداشت‌های عمومی است:

عنوان:
تاریخ:
منبع:
هدف یادداشت:

خلاصه:
نکات کلیدی:
جزئیات مهم:
تصمیم‌ها:
وظایف:
پرسش‌های باز:
اصطلاحات:
منابع مرتبط:
برچسب‌ها:
موارد نیازمند بررسی:

وجود بخش «موارد نیازمند بررسی» اهمیت زیادی دارد. اگر نام، عدد، تاریخ یا ادعایی در منبع مبهم باشد، هوش مصنوعی باید آن را در این بخش ثبت کند.

گردش کار استاندارد یادداشت‌برداری با هوش مصنوعی

مرحله اول: هدف یادداشت را مشخص کنید

قبل از پردازش منبع، باید بدانید قرار است از یادداشت چه استفاده‌ای کنید.

برای مثال، خروجی موردنیاز از یک جلسه فروش با خروجی یک دوره آموزشی متفاوت است:

• جلسه کاری: تصمیم، مسئول و مهلت
• مطالعه: مفهوم، مثال و سؤال مرور
• تحقیق: ادعا، شواهد و منبع
• ثبت ایده: مسئله، راهکار و قدم بعدی
• گزارش: یافته، ریسک و پیشنهاد
• آموزش: تعریف، مراحل و تمرین

اگر هدف مشخص نباشد، مدل معمولاً یک خلاصه عمومی تولید می‌کند.

مرحله دوم: منبع را آماده کنید

منبع باید تا حد امکان کامل، خوانا و مرتبط باشد. برای فایل صوتی، نسخه اصلی را نگه دارید. برای PDF، مطمئن شوید متن فایل قابل استخراج است. اگر PDF اسکن‌شده باشد، ابتدا باید با OCR متن آن استخراج شود.

برای یادداشت‌های دستی نیز می‌توان از تصویر استفاده کرد، اما نتیجه باید با متن اصلی تطبیق داده شود.

مرحله سوم: متن خام را پاک‌سازی کنید

در متن‌های تبدیل‌شده از صدا، مشکلات زیر رایج‌اند:

• تشخیص اشتباه نام‌ها
• حذف علائم نگارشی
• تکرار کلمات
• اشتباه در تشخیص گوینده
• ثبت نادرست اعداد
• ترکیب فارسی و انگلیسی
• تبدیل اشتباه اصطلاحات تخصصی

در این مرحله، از هوش مصنوعی بخواهید فقط متن را پاک‌سازی کند و هنوز خلاصه نسازد. این جداسازی باعث می‌شود کنترل بیشتری بر نتیجه داشته باشید.

مرحله چهارم: نوع اطلاعات را جدا کنید

از مدل بخواهید محتوا را به چند نوع اطلاعات تقسیم کند:

• واقعیت یا Fact
• نظر
• پیشنهاد
• تصمیم قطعی
• وظیفه
• سؤال باز
• فرضیه
• مورد مبهم

یکی از خطاهای رایج این است که یک پیشنهاد مطرح‌شده در جلسه به‌عنوان تصمیم نهایی ثبت شود. تفکیک این موارد از ابتدا، احتمال چنین خطایی را کاهش می‌دهد.

مرحله پنجم: یادداشت ساختاریافته بسازید

اکنون می‌توان از مدل خواست خروجی را در قالب مناسب تولید کند. بهتر است قالب موردنظر را داخل پرامپت بنویسید تا نتیجه هر بار ساختار یکسانی داشته باشد.

مرحله ششم: خروجی را با منبع تطبیق دهید

نام‌ها، اعداد، تاریخ‌ها، تصمیم‌ها و وظایف را بررسی کنید. اگر متن دارای زمان‌بندی یا شماره صفحه است، از مدل بخواهید برای هر نکته مهم به زمان یا صفحه مربوط اشاره کند.

مرحله هفتم: یادداشت را ذخیره و برچسب‌گذاری کنید

یک یادداشت زمانی ارزشمند است که بعداً بتوان آن را پیدا کرد. حداقل این اطلاعات را ذخیره کنید:

• عنوان واضح
• تاریخ ایجاد
• نوع منبع
• موضوع
• پروژه مرتبط
• برچسب‌ها
• پیوند منبع اصلی
• وضعیت بررسی

مرحله هشتم: مرور و به‌روزرسانی کنید

یادداشت‌های کاری باید با تصمیم‌ها و تغییرات جدید به‌روز شوند. بهتر است بین «نسخه خام»، «نسخه تأییدشده» و «نسخه نهایی» تفاوت قائل شوید.

آموزش تبدیل فایل صوتی به یادداشت هوشمند

برای تبدیل یک فایل صوتی به یادداشت، این مراحل را انجام دهید:

1. فایل صوتی را با کیفیت اصلی نگه دارید.
2. صدا را به متن تبدیل کنید.
3. نام گویندگان را تا حد امکان مشخص کنید.
4. متن رونویسی‌شده را پاک‌سازی کنید.
5. نکات کلیدی، تصمیم‌ها و اقدامات را استخراج کنید.
6. اطلاعات مبهم را جداگانه علامت بزنید.
7. خروجی را با قسمت‌های مهم فایل صوتی مقایسه کنید.
8. نسخه تأییدشده را در نرم‌افزار یادداشت ذخیره کنید.

پرامپت پاک‌سازی متن صوتی

متن زیر از یک فایل صوتی فارسی استخراج شده است.

وظیفه تو:
1. اشتباهات واضح نگارشی را اصلاح کن.
2. جمله‌بندی را خوانا کن.
3. تکرارهای غیرضروری را حذف کن.
4. معنی جمله‌ها را تغییر نده.
5. هیچ نام، عدد، تاریخ یا اطلاعات جدیدی حدس نزن.
6. موارد نامفهوم را با عبارت [نامفهوم] علامت‌گذاری کن.
7. در این مرحله متن را خلاصه نکن.

متن:
[متن خام]

پرامپت تبدیل متن صوتی به یادداشت

متن زیر نسخه پاک‌سازی‌شده یک جلسه یا پیام صوتی است.

آن را به یک یادداشت کاربردی با ساختار زیر تبدیل کن:

عنوان پیشنهادی:
خلاصه در حداکثر 5 جمله:
نکات کلیدی:
تصمیم‌های قطعی:
پیشنهادهای مطرح‌شده:
وظایف:
- عنوان کار
- مسئول
- مهلت
پرسش‌های بدون پاسخ:
موارد مبهم یا نیازمند بررسی:
برچسب‌های پیشنهادی:

قوانین:
- پیشنهاد را با تصمیم قطعی اشتباه نگیر.
- اگر مسئول یا مهلت مشخص نیست، بنویس «نامشخص».
- هیچ اطلاعاتی خارج از متن اضافه نکن.
- نام‌ها، اعداد و تاریخ‌ها را عیناً حفظ کن.

متن:
[متن جلسه]

آموزش تبدیل PDF به یادداشت هوشمند

همه PDFها را نباید به یک شکل خلاصه کرد. ابتدا نوع سند را مشخص کنید:

• مقاله آموزشی
• گزارش سازمانی
• کتاب یا فصل کتاب
• راهنمای محصول
• مقاله پژوهشی
• جزوه
• کاتالوگ
• قرارداد یا سند حساس

برای اسناد حساس یا تخصصی، خروجی هوش مصنوعی نباید جایگزین بررسی انسانی یا نظر متخصص شود.

روش پیشنهادی برای PDF کوتاه

اگر فایل کوتاه است:

1. فایل را در ابزار مناسب بارگذاری کنید.
2. هدف مطالعه را توضیح دهید.
3. خلاصه بخش‌به‌بخش بخواهید.
4. نکات مهم را همراه با شماره صفحه استخراج کنید.
5. برای مفاهیم دشوار مثال بخواهید.
6. در پایان، فلش‌کارت یا سؤال مرور تولید کنید.

روش پیشنهادی برای PDF طولانی

برای اسناد طولانی، بهتر است پردازش مرحله‌ای باشد:

1. فهرست و ساختار سند را استخراج کنید.
2. بخش‌های مرتبط با هدف خود را مشخص کنید.
3. هر بخش را جداگانه خلاصه کنید.
4. خلاصه بخش‌ها را ادغام کنید.
5. تناقض‌ها و ارتباط میان بخش‌ها را استخراج کنید.
6. خلاصه نهایی را با صفحات منبع پیوند دهید.

پرامپت تبدیل PDF به یادداشت آموزشی

این سند را برای یادگیری پردازش کن.

هدف من:
[هدف مطالعه]

سطح آشنایی من:
[مبتدی، متوسط یا حرفه‌ای]

خروجی را با ساختار زیر ارائه کن:

1. موضوع اصلی سند
2. خلاصه هر بخش
3. مفاهیم کلیدی با تعریف ساده
4. مثال‌های ذکرشده در سند
5. ارتباط میان مفاهیم
6. نکات مهم برای مرور
7. 10 فلش‌کارت پرسش و پاسخ
8. 5 سؤال تشریحی
9. اصطلاحات تخصصی فارسی و معادل انگلیسی آن‌ها
10. مواردی که برای فهم بهتر به منبع دیگری نیاز دارند

فقط بر اساس محتوای سند پاسخ بده. برای نکات مهم، شماره صفحه را نیز ذکر کن. اگر پاسخ در سند وجود ندارد، صریحاً اعلام کن.

ساخت یادداشت جلسه با هوش مصنوعی

یک صورت‌جلسه خوب باید میان گفت‌وگو، پیشنهاد، مخالفت، تصمیم و وظیفه تفاوت ایجاد کند.

قالب پیشنهادی:

عنوان جلسه:
تاریخ:
حاضران:
هدف جلسه:

خلاصه مدیریتی:
موضوعات مطرح‌شده:
تصمیم‌های نهایی:
وظایف:
پرسش‌های باز:
ریسک‌ها و موانع:
زمان جلسه بعدی:
پیوست‌ها و منابع:

برای هر وظیفه می‌توان از این قالب استفاده کرد:

اگر داده‌ای در جلسه وجود ندارد، سلول باید «نامشخص» باقی بماند. مدل نباید اطلاعات ناقص را تکمیل یا حدس بزند.

تبدیل یادداشت‌های روزانه به برنامه عملی

بسیاری از افراد در طول روز ایده‌ها، وظایف و نگرانی‌های خود را در یک فایل یا پیام شخصی ثبت می‌کنند. در پایان روز، می‌توان این نوشته‌ها را به برنامه عملی تبدیل کرد.

پرامپت مرتب‌سازی یادداشت روزانه

یادداشت‌های خام امروز را بررسی کن و آن‌ها را در گروه‌های زیر قرار بده:

- کارهای فوری
- کارهای مهم اما غیرفوری
- ایده‌ها
- مواردی که باید پیگیری شوند
- اطلاعاتی که فقط باید آرشیو شوند
- سؤالات بدون پاسخ

سپس:
1. سه اولویت اصلی را پیشنهاد بده.
2. برای هر کار، قدم بعدی کوچک و مشخص بنویس.
3. موارد تکراری را ادغام کن.
4. هیچ وظیفه جدیدی خارج از متن ایجاد نکن.
5. اگر زمان انجام کار مشخص نیست، آن را حدس نزن.

یادداشت‌ها:
[متن یادداشت روزانه]

روش Cornell با هوش مصنوعی

روش Cornell صفحه یادداشت را به چند بخش تقسیم می‌کند:

• یادداشت‌های اصلی
• پرسش‌ها و کلمات کلیدی
• خلاصه نهایی

هوش مصنوعی می‌تواند متن یک کلاس، مقاله یا فصل کتاب را به این قالب تبدیل کند.

پرامپت ساخت یادداشت Cornell

محتوای زیر را به یادداشت Cornell تبدیل کن.

خروجی شامل این بخش‌ها باشد:

عنوان موضوع:
هدف یادگیری:

یادداشت‌های اصلی:
- توضیح دقیق مفاهیم
- نمونه‌ها
- روابط علت و معلولی

ستون پرسش و کلیدواژه:
- پرسش‌هایی که با مرور آن‌ها بتوان مطالب را به یاد آورد
- واژه‌ها و مفاهیم کلیدی

خلاصه پایانی:
- حداکثر 150 کلمه

خودآزمایی:
- 5 سؤال کوتاه
- پاسخ‌ها در بخش جداگانه

فقط از اطلاعات موجود در منبع استفاده کن.

منبع:
[متن]

بهترین ابزارهای یادداشت‌برداری با هوش مصنوعی

انتخاب ابزار به نوع ورودی و هدف شما بستگی دارد. هیچ ابزار واحدی برای همه کاربران بهترین گزینه نیست.

NotebookLM

NotebookLM برای کار با مجموعه‌ای از منابع، پرسش‌وپاسخ بر اساس همان منابع و ساخت محتوای مطالعاتی مناسب است. نسخه‌های جدید آن قابلیت‌هایی مانند Audio Overview، فلش‌کارت، آزمون و مشاهده نکات مهم را نیز ارائه می‌کنند. جزئیات قابلیت‌های موبایل و دسترسی آفلاین برخی خروجی‌ها در راهنمای رسمی NotebookLM توضیح داده شده است.

این ابزار برای موارد زیر مناسب است:

• مطالعه چند فایل مرتبط
• خلاصه‌سازی اسناد
• پرسش از منابع
• مرور مطالب
• تبدیل منابع به محتوای شنیداری
• ساخت فلش‌کارت و آزمون

بااین‌حال، همچنان باید نقل‌قول‌ها، شماره صفحات و نتیجه‌گیری‌های مهم را با منابع اصلی تطبیق دهید.

Microsoft OneNote و Copilot

OneNote برای افرادی مناسب است که یادداشت‌های خود را در محیط Microsoft 365 نگهداری می‌کنند. Copilot در OneNote می‌تواند برای خلاصه‌سازی یادداشت‌ها، بازنویسی محتوا و استخراج اقدامات کمک کند. مایکروسافت روش خلاصه‌کردن یادداشت‌ها را در راهنمای رسمی Copilot در OneNote توضیح داده است.

دسترسی به قابلیت‌ها ممکن است به نوع حساب، مجوز سازمانی و پلن کاربر وابسته باشد.

Otter

Otter بیشتر بر ثبت و پردازش مکالمات و جلسه‌ها تمرکز دارد. براساس راهنمای رسمی Otter، این سرویس امکاناتی مانند AI Notetaker، خلاصه خودکار، Takeaways و گفت‌وگو با محتوای جلسه را ارائه می‌کند.

قبل از استفاده برای زبان فارسی، کیفیت تشخیص گفتار، پشتیبانی زبانی و دقت آن را با یک فایل نمونه واقعی آزمایش کنید. پشتیبانی مناسب از زبان انگلیسی الزاماً به معنی دقت مشابه برای فارسی نیست.

ChatGPT، Gemini و Claude

دستیارهای عمومی هوش مصنوعی برای تبدیل متن خام به یادداشت، خلاصه‌سازی، استخراج وظایف و بازنویسی محتوا انعطاف‌پذیر هستند. مزیت اصلی آن‌ها امکان تعریف دقیق قالب خروجی از طریق پرامپت است.

در استفاده از این ابزارها:

• اطلاعات حساس را بدون بررسی شرایط سرویس وارد نکنید.
• متن‌های طولانی را مرحله‌ای پردازش کنید.
• از مدل بخواهید موارد نامطمئن را مشخص کند.
• خروجی را با منبع تطبیق دهید.
• نام‌ها، اعداد و تاریخ‌ها را دستی بررسی کنید.

ابزارهای مدیریت یادداشت

نرم‌افزارهایی مانند Notion، Obsidian و OneNote می‌توانند محل نگهداری یادداشت‌ها باشند. حتی اگر پردازش هوش مصنوعی در ابزار دیگری انجام شود، خروجی نهایی را می‌توان در این برنامه‌ها ذخیره و سازمان‌دهی کرد.

نکته مهم این است که ابزار پردازش و ابزار نگهداری یادداشت الزاماً نباید یکی باشند.

کدام ابزار برای شما مناسب‌تر است؟

قبل از انتقال تمام یادداشت‌ها به یک سرویس، یک نمونه واقعی را آزمایش کنید. کیفیت خروجی فارسی، محدودیت حجم فایل، امکان خروجی گرفتن، هزینه و سیاست نگهداری داده‌ها را بررسی کنید.

پرامپت جامع برای تبدیل متن خام به یادداشت حرفه‌ای

نقش تو:
ویراستار و سازمان‌دهنده یادداشت‌های فارسی هستی.

هدف:
متن خام زیر را بدون افزودن اطلاعات جدید، به یک یادداشت دقیق و قابل مرور تبدیل کن.

مخاطب:
[مخاطب را بنویسید]

کاربرد یادداشت:
[جلسه، مطالعه، پروژه، تحقیق یا ثبت ایده]

ساختار خروجی:
# عنوان پیشنهادی

## خلاصه
حداکثر 5 جمله

## نکات کلیدی
فهرست نکات مهم به ترتیب منطقی

## جزئیات
توضیح منظم هر نکته

## تصمیم‌ها
فقط تصمیم‌های صریح و قطعی

## اقدامات
برای هر اقدام:
- عنوان
- مسئول
- مهلت
- وابستگی

## پرسش‌های باز

## موارد مبهم یا نیازمند بررسی

## اصطلاحات کلیدی
اصطلاح فارسی و معادل انگلیسی

## برچسب‌های پیشنهادی

قوانین:
- هیچ اطلاعاتی را حدس نزن.
- پیشنهادها را تصمیم قطعی ثبت نکن.
- تکرارها را ادغام کن.
- نام‌ها، عددها و تاریخ‌ها را تغییر نده.
- اگر اطلاعاتی وجود ندارد، بنویس «در منبع مشخص نشده است».
- متن را به فارسی روان و رسمی بنویس.

متن خام:
[متن]

پرامپت مقایسه چند یادداشت

یادداشت‌های زیر درباره یک موضوع مشترک هستند.

آن‌ها را مقایسه کن و خروجی را در بخش‌های زیر ارائه بده:

1. نکات مشترک
2. نکات متفاوت
3. تناقض‌ها
4. اطلاعات تکمیلی هر منبع
5. پرسش‌هایی که هنوز پاسخ ندارند
6. جمع‌بندی نهایی فقط بر اساس منابع
7. جدولی که نشان دهد هر نکته در کدام منبع آمده است

قوانین:
- هیچ منبعی را بدون دلیل معتبرتر فرض نکن.
- اگر دو منبع متناقض‌اند، تناقض را حذف یا حل نکن؛ آن را گزارش بده.
- برای هر ادعا، نام منبع را ذکر کن.

منبع اول:
[متن]

منبع دوم:
[متن]

منبع سوم:
[متن]

پرامپت کنترل کیفیت یادداشت

پس از ساخت یادداشت، بهتر است یک مرحله جداگانه برای کنترل کیفیت اجرا شود:

یادداشت تولیدشده را با متن اصلی مقایسه کن.

این موارد را بررسی کن:
1. آیا نکته مهمی حذف شده است؟
2. آیا اطلاعاتی در یادداشت وجود دارد که در متن اصلی نیست؟
3. آیا پیشنهاد یا احتمال به‌عنوان تصمیم قطعی ثبت شده است؟
4. آیا نام‌ها، اعداد، درصدها یا تاریخ‌ها تغییر کرده‌اند؟
5. آیا وظایف و مسئولان به‌درستی استخراج شده‌اند؟
6. کدام جمله‌ها نیازمند بررسی انسانی هستند؟

خروجی:
- خطاهای احتمالی
- اطلاعات حذف‌شده
- ادعاهای بدون پشتوانه
- اصلاحات پیشنهادی
- نسخه اصلاح‌شده یادداشت

متن اصلی:
[متن اصلی]

یادداشت:
[یادداشت تولیدشده]

نمونه عملی: تبدیل یادداشت جلسه به خروجی قابل اقدام

فرض کنید متن خام زیر را داریم:

قرار شد نسخه اولیه صفحه جدید تا دوشنبه آماده شود. علی گفت برای تکمیل طراحی به تصاویر محصول نیاز دارد. هنوز مشخص نیست تصاویر را چه کسی تحویل می‌دهد. مریم پیشنهاد داد انتشار به آخر هفته منتقل شود، اما تصمیم نهایی گرفته نشد.

خروجی صحیح باید چیزی شبیه این باشد:

عنوان: پیگیری آماده‌سازی صفحه جدید

تصمیم قطعی:
- نسخه اولیه صفحه جدید باید تا دوشنبه آماده شود.

وظایف:
- آماده‌سازی نسخه اولیه صفحه
  مسئول: در متن مشخص نشده است
  مهلت: دوشنبه

وابستگی:
- علی برای تکمیل طراحی به تصاویر محصول نیاز دارد.

موضوع حل‌نشده:
- مسئول تحویل تصاویر هنوز مشخص نیست.

پیشنهاد:
- مریم پیشنهاد داده است انتشار به آخر هفته منتقل شود.

تصمیم‌گیری‌نشده:
- تغییر زمان انتشار هنوز نهایی نشده است.

خروجی نامناسب ممکن است بنویسد: «انتشار به آخر هفته منتقل شد.» این جمله اشتباه است، زیرا در متن فقط یک پیشنهاد مطرح شده و تصمیم نهایی وجود ندارد.

نکات مهم برای یادداشت‌برداری فارسی

پردازش متن فارسی چالش‌های خاصی دارد:

واژه‌های فارسی و انگلیسی

در متن‌های تخصصی ممکن است شکل فارسی و انگلیسی یک اصطلاح هم‌زمان استفاده شود؛ مانند:

• هوش مصنوعی و Artificial Intelligence
• پرامپت و Prompt
• توکن و Token
• یادداشت هوشمند و AI Note Taking

بهتر است در نخستین استفاده، شکل فارسی و معادل انگلیسی را کنار یکدیگر بنویسید و در ادامه از عبارت طبیعی‌تر فارسی استفاده کنید.

اعداد و تاریخ‌ها

ممکن است مدل میان اعداد فارسی و انگلیسی یا تاریخ شمسی و میلادی اشتباه کند. از مدل بخواهید قالب تاریخ را تغییر ندهد و همه تاریخ‌ها را در مرحله کنترل کیفیت بررسی کنید.

نیم‌فاصله و راست‌به‌چپ

اگر خروجی قرار است در Ghost، Word، Notion یا نرم‌افزار دیگری منتشر شود، نمایش موارد زیر را بررسی کنید:

• نیم‌فاصله
• علائم نگارشی
• ترکیب فارسی و کد انگلیسی
• جدول‌ها
• فهرست‌ها
• لینک‌ها
• شماره‌گذاری

نام اشخاص و برندها

نام‌های خاص یکی از پرتکرارترین خطاهای رونویسی صوت فارسی هستند. بهتر است پیش از پردازش، فهرستی از نام‌های مهم، برندها و اصطلاحات پروژه را در پرامپت قرار دهید.

ساخت ابزار یادداشت‌برداری اختصاصی با API درواره

اگر توسعه‌دهنده هستید یا می‌خواهید یادداشت‌برداری هوشمند را به نرم‌افزار، CRM، پنل سازمانی یا سامانه مدیریت پروژه اضافه کنید، می‌توانید از API مدل‌های هوش مصنوعی استفاده کنید.

درواره یک زیرساخت دسترسی API به مدل‌های هوش مصنوعی است؛ بنابراین نباید آن را با یک نرم‌افزار آماده یادداشت‌برداری اشتباه گرفت. با استفاده از API درواره می‌توانید قابلیت یادداشت‌برداری را داخل محصول خود پیاده‌سازی کنید.

گردش کار ساده چنین سیستمی به این شکل است:

1. دریافت متن، PDF یا خروجی تبدیل صوت به متن
2. پاک‌سازی محتوا
3. ارسال متن و دستور ساختاربندی به مدل
4. دریافت یادداشت
5. ذخیره خروجی در پایگاه داده
6. اتصال یادداشت به منبع اصلی
7. جستجو، برچسب‌گذاری و نمایش در رابط کاربری

نصب کتابخانه

pip install openai

نمونه کد Python

در این نمونه، متن یک فایل خوانده و برای تبدیل به یادداشت ساختاریافته به API درواره ارسال می‌شود:

import os
from pathlib import Path
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["DARVAREH_API_KEY"],
    base_url="https://api.darvareh.ir/v1"
)

raw_notes = Path("raw-notes.txt").read_text(encoding="utf-8")

prompt = f"""
متن زیر را به یک یادداشت حرفه‌ای فارسی تبدیل کن.

ساختار خروجی:
# عنوان
## خلاصه
## نکات کلیدی
## تصمیم‌ها
## وظایف
## پرسش‌های باز
## موارد نیازمند بررسی
## برچسب‌ها

قوانین:
- هیچ اطلاعاتی خارج از متن اضافه نکن.
- اگر مسئول یا مهلت مشخص نیست، بنویس «نامشخص».
- پیشنهادها را با تصمیم قطعی اشتباه نگیر.
- نام‌ها، اعداد و تاریخ‌ها را عیناً حفظ کن.
- خروجی را با Markdown معتبر ارائه بده.

متن:
{raw_notes}
"""

response = client.chat.completions.create(
    model="YOUR_MODEL_ID",
    messages=[
        {
            "role": "system",
            "content": "تو یک دستیار دقیق برای سازمان‌دهی یادداشت‌های فارسی هستی."
        },
        {
            "role": "user",
            "content": prompt
        }
    ],
    temperature=0.2
)

note = response.choices[0].message.content

Path("structured-note.md").write_text(note, encoding="utf-8")

print("یادداشت در structured-note.md ذخیره شد.")

مقدار YOUR_MODEL_ID را با شناسه مدل ارائه‌شده در درواره جایگزین کنید. برای مشاهده مدل‌های موجود و مقایسه هزینه‌ها، صفحه مدل‌های درواره را ببینید.

کلید API را داخل کد قرار ندهید. آن را به‌صورت متغیر محیطی تعریف کنید:

export DARVAREH_API_KEY="YOUR_API_KEY"
python app.py

نکات مهم برای نسخه عملیاتی

برای تبدیل این نمونه به یک قابلیت واقعی، موارد زیر را در نظر بگیرید:

• برای فایل‌های طولانی، متن را بخش‌بندی کنید.
• نسخه اصلی منبع را نگه دارید.
• هر یادداشت را به منبع مربوط متصل کنید.
• امکان ویرایش و تأیید انسانی فراهم کنید.
• وضعیت یادداشت را به «خام»، «بررسی‌شده» و «تأییدشده» تقسیم کنید.
• خطاها و زمان پاسخ API را مدیریت کنید.
• برای درخواست‌های ناموفق از Retry کنترل‌شده استفاده کنید.
• خروجی مدل را قبل از ذخیره نهایی اعتبارسنجی کنید.
• اطلاعات حساس را متناسب با الزامات پروژه مدیریت کنید.
• برای جلوگیری از افزایش هزینه، فقط بخش‌های مرتبط را پردازش کنید.

ساخت پایگاه دانش شخصی از یادداشت‌ها

اگر تعداد یادداشت‌ها زیاد شود، پوشه‌بندی ساده کافی نخواهد بود. یک ساختار عملی می‌تواند شامل این بخش‌ها باشد:

• پروژه‌ها
• حوزه‌های مسئولیت
• منابع
• آرشیو

هر یادداشت بهتر است این فراداده‌ها را داشته باشد:

عنوان:
تاریخ:
پروژه:
نوع یادداشت:
منبع:
برچسب‌ها:
وضعیت:
آخرین زمان بررسی:

برای یادداشت‌های زیاد، می‌توان جستجوی معنایی اضافه کرد. در این روش، کاربر مفهوم موردنظر را جستجو می‌کند و سیستم یادداشت‌های مرتبط را حتی بدون تطابق دقیق کلمات پیدا می‌کند.

به‌عنوان مثال، جستجوی «مشکلات انتشار محصول» می‌تواند یادداشت‌هایی را پیدا کند که در آن‌ها از «تأخیر در عرضه»، «آماده نبودن نسخه نهایی» یا «مشکل استقرار» صحبت شده است.

حریم خصوصی در ابزارهای یادداشت‌برداری

یادداشت‌ها ممکن است شامل اطلاعات شخصی، جزئیات پروژه، محتوای جلسه یا داده‌های داخلی باشند. قبل از بارگذاری اطلاعات در هر سرویس، موارد زیر را بررسی کنید:

• چه اطلاعاتی ارسال می‌شود؟
• داده‌ها کجا ذخیره می‌شوند؟
• امکان حذف اطلاعات وجود دارد؟
• آیا می‌توان از داده خروجی گرفت؟
• چه افرادی به یادداشت دسترسی دارند؟
• سیاست نگهداری داده چیست؟
• آیا استفاده از این سرویس با مقررات و سیاست داخلی مجموعه شما سازگار است؟

برای اطلاعات حساس، ابتدا داده‌های غیرضروری، نام‌ها و شناسه‌های شخصی را حذف یا ناشناس‌سازی کنید. همچنین خروجی هوش مصنوعی را جایگزین سند رسمی و تأییدشده نکنید.

اشتباهات رایج در یادداشت‌برداری با هوش مصنوعی

خلاصه‌سازی مستقیم متن پرخطا

اگر متن رونویسی‌شده اشتباه باشد، خلاصه نیز همان اشتباه‌ها را تقویت می‌کند. ابتدا متن را پاک‌سازی و سپس خلاصه کنید.

استفاده از پرامپت بسیار کوتاه

پرامپت «این متن را خلاصه کن» قالب، مخاطب، هدف و معیار کیفیت را مشخص نمی‌کند. نتیجه احتمالاً عمومی و کم‌فایده خواهد بود.

حذف منبع اصلی

نسخه صوتی، PDF یا متن اصلی را نگه دارید. یادداشت باید راهی برای بازگشت به منبع داشته باشد.

اعتماد کامل به خروجی

مدل ممکن است بخشی از متن را اشتباه تفسیر کند یا یک پیشنهاد را تصمیم تلقی کند. کنترل انسانی برای اطلاعات مهم ضروری است.

ساخت یادداشت‌های بسیار طولانی

اگر خلاصه تقریباً هم‌اندازه متن اصلی باشد، هدف یادداشت‌برداری از بین می‌رود. بهتر است چند سطح خروجی داشته باشید:

• خلاصه یک‌دقیقه‌ای
• یادداشت استاندارد
• جزئیات کامل
• منبع اصلی

تولید ساختار بیش‌ازحد پیچیده

تعداد زیاد پوشه‌ها و برچسب‌ها نگهداری سیستم را دشوار می‌کند. با ساختاری ساده شروع کنید و فقط در صورت نیاز آن را گسترش دهید.

استخراج وظیفه بدون زمینه

یک جمله ممکن است پیشنهادی احتمالی باشد، نه وظیفه قطعی. از مدل بخواهید شواهد مربوط به هر وظیفه را نیز مشخص کند.

نداشتن فرایند مرور

تولید یادداشت به‌تنهایی کافی نیست. یادداشت باید مرور، تأیید و در زمان مناسب استفاده شود.

چک‌لیست ساخت یادداشت هوشمند

پیش از شروع:

• هدف یادداشت مشخص شده است.
• منبع کامل و قابل خواندن است.
• نوع خروجی انتخاب شده است.
• اطلاعات حساس شناسایی شده‌اند.
• قالب یادداشت مشخص است.

هنگام پردازش:

• متن صوتی ابتدا پاک‌سازی شده است.
• مدل اجازه حدس‌زدن اطلاعات ندارد.
• پیشنهادها از تصمیم‌ها جدا شده‌اند.
• وظایف با مسئول و مهلت ثبت شده‌اند.
• موارد نامشخص علامت‌گذاری شده‌اند.
• ارتباط با صفحه یا زمان منبع حفظ شده است.

پس از پردازش:

• نام‌ها بررسی شده‌اند.
• اعداد و تاریخ‌ها بررسی شده‌اند.
• خروجی با منبع تطبیق داده شده است.
• یادداشت عنوان و برچسب مناسب دارد.
• منبع اصلی نگهداری شده است.
• وضعیت تأیید یادداشت مشخص است.
• قدم بعدی یا زمان مرور تعیین شده است.

سؤالات متداول

آیا هوش مصنوعی می‌تواند کاملاً جایگزین یادداشت‌برداری شود؟

برای ثبت، خلاصه‌سازی و سازمان‌دهی اطلاعات می‌تواند بخش زیادی از کار را انجام دهد؛ اما تعیین اهمیت واقعی اطلاعات، تشخیص زمینه و تأیید تصمیم‌های حساس همچنان به بررسی انسان نیاز دارد.

بهترین هوش مصنوعی برای یادداشت‌برداری فارسی چیست؟

پاسخ به نوع ورودی بستگی دارد. برای PDF و منابع، NotebookLM می‌تواند مفید باشد. برای ساختاربندی انعطاف‌پذیر متن می‌توان از دستیارهای عمومی استفاده کرد. برای صدا باید کیفیت تشخیص فارسی ابزار را با نمونه واقعی سنجید.

آیا می‌توان صدای جلسه را مستقیماً به صورت‌جلسه تبدیل کرد؟

بله، اما بهتر است فرایند در دو مرحله انجام شود: ابتدا تبدیل صدا به متن و اصلاح رونویسی، سپس استخراج تصمیم‌ها، وظایف و پرسش‌های باز.

چگونه از ساخته‌شدن اطلاعات نادرست جلوگیری کنیم؟

در پرامپت بنویسید مدل فقط از منبع استفاده کند، اطلاعات ناموجود را «نامشخص» اعلام کند و موارد مبهم را جداگانه نشان دهد. سپس خروجی را با منبع اصلی تطبیق دهید.

آیا هوش مصنوعی می‌تواند از جزوه فلش‌کارت بسازد؟

بله. می‌توانید تعداد کارت‌ها، سطح دشواری، قالب پرسش و پاسخ و موضوعات موردنظر را در پرامپت مشخص کنید. پاسخ‌ها باید با جزوه اصلی کنترل شوند.

آیا می‌توان چند فایل را هم‌زمان پردازش کرد؟

بله، به شرط آنکه ابزار یا مدل ظرفیت کافی داشته باشد. برای منابع زیاد بهتر است ابتدا هر فایل جداگانه پردازش شود و سپس خلاصه‌ها در مرحله دوم با یکدیگر مقایسه شوند.

آیا یادداشت‌برداری هوشمند برای تیم‌ها مناسب است؟

بله. مهم‌ترین کاربردهای تیمی آن شامل ساخت صورت‌جلسه، استخراج وظایف، ثبت تصمیم‌ها، آماده‌سازی گزارش و ایجاد پایگاه دانش قابل جستجو است.

آیا درواره یک برنامه آماده یادداشت‌برداری است؟

خیر. درواره زیرساخت دسترسی API به مدل‌های هوش مصنوعی را فراهم می‌کند. توسعه‌دهندگان می‌توانند با این API قابلیت‌هایی مانند خلاصه‌سازی، ساختاربندی یادداشت و استخراج وظایف را به نرم‌افزار خود اضافه کنند.

جمع‌بندی

یادداشت‌برداری با هوش مصنوعی زمانی بیشترین ارزش را ایجاد می‌کند که بخشی از یک فرایند مشخص باشد، نه صرفاً یک دکمه برای خلاصه‌کردن متن.

یک گردش کار مناسب باید منبع اصلی را حفظ کند، متن خام را پاک‌سازی کند، تصمیم‌ها را از پیشنهادها جدا کند، وظایف را بدون حدس‌زدن استخراج کند و در پایان امکان کنترل انسانی را فراهم سازد.

برای شروع، لازم نیست یک سامانه پیچیده بسازید. می‌توانید با یک قالب ثابت و سه مرحله آغاز کنید:

1. ثبت یا استخراج متن
2. تبدیل متن به یادداشت ساختاریافته
3. بررسی و ذخیره نسخه تأییدشده

اگر توسعه‌دهنده هستید و می‌خواهید این قابلیت را در محصول، پنل سازمانی یا سامانه مدیریت دانش خود پیاده‌سازی کنید، از طریق درواره می‌توانید به API مدل‌های هوش مصنوعی دسترسی داشته باشید. برای انتخاب مدل و مشاهده اطلاعات به‌روز، صفحه مدل‌های درواره را بررسی کنید.

مقالات مرتبط

• آموزش کامل NotebookLM؛ کار با اسناد و ساخت دفتر هوشمند
• خلاصه‌کردن متن و PDF با هوش مصنوعی
• تبدیل صدا و ویس فارسی به متن با هوش مصنوعی
• ساخت سیستم خلاصه‌سازی جلسه با هوش مصنوعی
• ساخت فلش‌کارت از PDF و جزوه با هوش مصنوعی
• ساخت نقشه ذهنی از متن و PDF با هوش مصنوعی
• هوش مصنوعی در Microsoft Word؛ راهنمای کامل و کاربردی

برای مطالعه شرایط استفاده و محدودیت‌های مسئولیت، صفحه «سلب مسئولیت» را مشاهده کنید.