شخصیسازی Gemini 3 برای پروژهها و عادات کاری
Gemini3 Team · ۲۷ تیر ۱۴۰۵ · 6 min read
چرا راهکار «عمومی» برای دستیارهای هوش مصنوعی کار نمیکند
Gemini 3 یک ابزار ثابت نیست—یک همکار قابل تنظیم است. اگر با آن مثل یک چتبات معمولی رفتار کنید، ۷۰ درصد از قابلیتهایش را نادیده گرفتهاید. شخصیسازی به معنای تغییر فونت یا تم نیست؛ بلکه هماهنگسازی حافظه، سبک پاسخدهی، آگاهی از بافت و محرکهای یکپارچهسازی Gemini 3 با نحوه کار شما است: ریتم اسپرینتها، سبک یادداشتبرداری، مراسم آمادهسازی جلسات تکراری، یا حتی نحوه برچسبگذاری وظایف در Notion.
این راهنما دقیقاً به شما میگوید چه چیزی را—و به چه ترتیبی—تنظیم کنید تا Gemini 3 به جای یک افزونه، حس امتداد جریان کاری شما را بدهد. ما از تئوری میگذریم. هر مرحله شامل پارامترهای concrete، محدودیتهای واقعبینانه و دامهای تایید شده است (مثلاً پر کردن بیش از حد اسلاتهای حافظه یا پیکربندی نادرست یادآورهای حساس به منطقه زمانی).
مرحله ۱: تثبیت پروفایل هویت اصلی خود (۵ دقیقه)
قبل از دست زدن به پرامپتها یا یکپارچهسازیها، هویت عملیاتی خود را تعریف کنید: شما به صورت حرفهای کیستید، از چه ابزارهایی روزانه استفاده میکنید و قوانین ارتباطی غیرقابل مذاکره شما چیست.
به Settings → Identity Profile بروید و این فیلدها را پر کنید:
- نقش: «Senior Product Manager at SaaS startup» (نه «professional» یا «creative»)
- ابزارهای اصلی: Notion (database ID:
n_abc123)، Google Calendar (calendar ID:primary)، Linear (team slug:midassai-engineering) - سبک پاسخدهی: «Concise. Bullet points > paragraphs. Never use emojis. Prioritize action verbs.»
- منطقه زمانی:
America/Los_Angeles(برای پیگیریهای زمانبندی شده حیاتی است)
⚠️ هشدار دام: خالی گذاشتن «سبک پاسخدهی» آن را به لحن عمومی Gemini بازمیگرداند—مؤدب اما مبهم. به جای «این سوال عالی است!» خواهید شنید «اینجا مانع وجود دارد: محدودیت نرخ API ساعت ۳:۱۴ بعدازظهر PST hits شد. راه حل پیشنهادی: کش کردن توکنهای احراز هویت.»
مرحله ۲: پیکربندی اسلاتهای حافظه مخصوص پروژه (۸ دقیقه)
Gemini 3 تا ۱۲ اسلات حافظه نامگذاری شده را پشتیبانی میکند—هر کدام متصل به یک پروژه، مشتری یا ابتکار خاص. برخلاف حافظه جهانی، اینها فقط زمانی که با نام دقیقشان فراخوانی شوند باقی میمانند.
| نام اسلات | هدف | حداکثر توکن | مثال دنیای واقعی |
|---|---|---|---|
midassai-launch |
رونمایی محصول Q4 2024 | 2,000 | شامل جدول زمانی go-to-market، ایمیلهای ذینفعان، snippets بازخورد کاربران بتا |
client-zenith |
تمدید قرارداد Zenith Corp. | 1,500 | شامل شرایط SLA، یادداشتهای آخرین مذاکره، contacts escalations |
habit-daily-review |
مراسم برنامهریزی صبحگاهی | 300 | شامل قالب ۳ سوالی شما: «چه چیزی شیب شد؟ چه چیزی مانع شد؟ اولویت #1 فردا چیست؟» |
برای فعالسازی: قبل از هر جلسه مربوط به آن ابتکار از /memory load midassai-launch استفاده کنید. جمینای به طور خودکار بافت را بازیابی میکند و دادههای نامربوط از سایر اسلاتها را سرکوب میکند.
Quick Takeaways
مرحله ۳: ساخت محرکهای آگاه به عادت (۱۲ دقیقه)
Gemini 3 میتواند بر اساس رفتار شما اقدامات را آغاز کند، نه فقط دستورات شما. اینجاست که شخصیسازی از واکنشی به پیشبینیکننده تغییر میکند.
این موارد را در Automation → Habit Triggers فعال کنید:
- «بعد از هر رویداد Google Calendar که با '-review' تمام میشود» → تولید خودکار خلاصه + bullets مرحله بعد، سپس ارسال به صفحه «Weekly Review» در Notion شما
- «وقتی یک issue در Linear با برچسب '#shipping' بسته میشود» → کشیدن release notes، پیشنویس announcement در Slack، و زمانبندی یک دمو داخلی ۱۵ دقیقهای
- «هر دوشنبه ساعت ۷:۳۰ صبح به وقت محلی» → اجرای اسلات حافظه «Habit-Daily-Review»، کشیدن وظایف تکمیل شده دیروز از Todoist، و خروجی اولویتبندی امروز
✅ نکته حرفهای: از منطقه زمانی مطلق استفاده کنید (7:30 AM America/Chicago)—نه نسبی («در ۳۰ دقیقه»). محرکهای نسبی در تغییرات ساعت تابستانی منحرف میشوند.
مرحله ۴: تنظیم دقیق دقت پاسخ با لنگرهای پرامپت (۶ دقیقه)
به جای بازنویسی پرامپتها در هر بار، لنگرهای بافت را مستقیماً در پروفایل هویت خود embed کنید. اینها به عنوان اصلاحکنندههای خاموش عمل میکنند:
{{project-context}}: ۳ bullet point برتر اسلات حافظه فعلی را inject میکند{{tool-output-format}}: خروجی را مجبور میکند با schema مورد انتظار ابزار شما مطابقت داشته باشد (مثلاً{"status":"done","estimate_hours":2.5}برای Linear){{habit-rhythm}}: نشانههای زمانبندی مانند «این سومین روز متوالی شماست که به هدف میرسید—شتاب را حفظ کنید» اضافه میکند
نمونه پرامپت:
«۳ مصاحبه آخر مشتری را خلاصه کنید. از {{project-context}} برای اولویتبندی نقاط درد همسو با نقشه راه Q4 ما استفاده کنید. خروجی را به صورت {{tool-output-format}} برای Linear فرمتبندی کنید.»
دیگر نیازی به «لطفاً به صورت JSON فرمت شود» یا «به یاد داشته باشید ما در حال ساخت X هستیم» نیست—اینها baked in هستند.
مرحله ۵: اعتبارسنجی و تکرار با تستهای دود دنیای واقعی (۱۰ دقیقه)
فرض نکنید پیکربندی کار میکند—آن را تحت فشار تست کنید:
- تست حافظه:
client-zenithرا لود کنید، بپرسید «شرط پرداخت توافق شده چه بود؟» → باید برگرداند «Net 45، با ۲٪ تخفیف اگر ظرف ۱۰ روز پرداخت شود» (نه یک تعریف عمومی). - تست محرک: یک issue در Linear با تگ
#shippingرا به صورت دستی ببندید → تأیید کنید پیام Slack ظرف ۹۰ ثانیه ارسال میشود، شامل شماره نسخه release کشیده شده از commit hash است. - تست عادت: منتظر دوشنبه ساعت ۷:۳۰ صبح بمانید → تأیید کنید صفحه Notion با وظایف تکمیل شده واقعی دیروز بهروزرسانی میشود، نه متن placeholder.
اگر هر کدام شکست خورد:
- تعداد توکن اسلات حافظه را بررسی کنید (ترانکیت به صورت خاموش پس از Limits رخ میدهد)
- تأیید کنید IDهای تقویم پس از reorgهای workspace تغییر نکرده باشند
- اطمینان حاصل کنید کلید API در Linear دارای scope
issues:writeاست (نه فقطread)
این راهنما مناسب چه کسانی است:
- مدیران محصولی که ابتکارات موازی با ذینفعان و جدولهای زمانی متمایز را اداره میکنند
- فریلنسرهایی که ۴+ مشتری فعال را بدون غرق شدن در context-switching مدیریت میکنند
- مدیران مهندسی که اتوماسیون retrospectiveهای اسپرینت و ردیابی موانع را انجام میدهند
- هر کسی که «مجموعه عادات» او شامل ≥3 ابزار است و میخواهد هوش مصنوعی آنها را پل بزند—نه اضافه کردن اپ دیگر
نیازی به ساخت agentهای سفارشی یا نوشتن اسکریپتهای Python ندارید. لایه شخصیسازی بومی Gemini 3—وقتی عمدی پیکربندی شود—۸۰٪ همسویی جریان کاری را مدیریت میکند. بقیه آن refinement است: تعویض یک اسلات حافظه، تنظیم زمان یک محرک، یا محکمکردن یک لنگر پرامپت. با یک پروژه شروع کنید. آن را درست انجام دهید. سپس مقیاس دهید. عادات شما نباید با هوش مصنوعی سازگار شوند. هوش مصنوعی باید با عادات شما سازگار شود.