📌 مقدمه

آیا تا به حال از یک هوش مصنوعی سوال پرسیده‌اید و پاسخی کلی، مبهم یا حتی اشتباه گرفته‌اید؟ بیشتر اوقات مشکل از خود مدل نیست، بلکه از نحوه‌ی سوال پرسیدن شماست. پرامپت نویسی یا مهندسی پرامپت (Prompt Engineering) هنر و علم نوشتن دستورالعمل‌هایی است که حداکثر پتانسیل مدل‌های زبانی بزرگ را فعال کند. در این مقاله، بهترین پرامپت‌ها و تکنیک‌هایی را یاد می‌گیرید که خروجی هوش مصنوعی را از حالت تصادفی به دقیق و حرفه‌ای تبدیل می‌کنند.

📌 ۱. مشخص بودن و جزئیات دقیق

مهم‌ترین اصل در پرامپت‌نویسی این است که هرچه مبهم‌تر بپرسید، پاسخ مبهم‌تر خواهید گرفت. به جای «یک متن تبلیغاتی بنویس»، بگویید: «یک متن تبلیغاتی برای فروش ساعت هوشمند بنویس. مخاطب: مدیران ۳۵-۵۰ ساله. لحن: رسمی و قابل اعتماد. نقاط قوت: عمر باتری ۱۴ روزه و قابلیت اندازه‌گیری فشار خون. در انتها یک دعوت به اقدام برای خرید از وب‌سایت قرار بده.»

مثال دیگر:

🔸 پرامپت ضعیف:

• «یک داستان کوتاه بنویس.»

🔸 پرامپت قوی:

• «یک داستان کوتاه ۵۰۰ کلمه‌ای در ژانر علمی-تخیلی بنویس. شخصیت اصلی یک مهندس رباتیک است که در سال ۲۱۰۰ در مریخ زندگی می‌کند. داستان از جایی شروع شود که ربات دستیار او یک خطای نرم‌افزاری نشان می‌دهد.»

هرچه جزئیات بیشتر باشد، مدل بهتر می‌تواند بافت را درک کند و خروجی هدفمندتری تولید کند.

📌 ۲. استفاده از نقش (Persona)

به مدل یک نقش بدهید تا سبک و دامنه دانش خود را محدود کند. به عنوان مثال:

• «تو یک روانشناس بالینی هستی. به من بگو چطور می‌توانم استرس قبل از سخنرانی را مدیریت کنم.»
• «تو یک ویراستار کتاب هستی. این پاراگراف را از نظر نگارش و انسجام نقد کن.»

این تکنیک باعث می‌شود مدل از واژگان تخصصی و رویکرد مناسب استفاده کند. برای خروجی خلاقانه، نقش‌هایی مانند «شاعر معاصر» یا «فیلمنامه‌نویس هالیوود» را امتحان کنید.

📌 ۳. ارائه زمینه و مثال

گاهی یک نمونه خوب بهتر از هزار دستورالعمل است. از تکنیک «few-shot prompting» استفاده کنید: چند مثال از ورودی و خروجی مطلوب به مدل بدهید و سپس درخواست خود را مطرح کنید.

🔸 مثال:

• «در زیر چند نمونه از تبدیل جملات رسمی به غیررسمی آورده شده است:

جمله رسمی: جناب آقای مدیر، بدین وسیله استعفای خود را اعلام می‌دارم. غیررسمی: من استعفا می‌دم. جمله رسمی: مقتضی است نسبت به پیگیری موضوع اقدام فرمایید. غیررسمی: لطفاً این موضوع رو پیگیری کن.

حالا این جمله را غیررسمی کن: «خواهشمند است نسبت به تکمیل فرم اقدام فرمایید.»»

این روش دقت مدل را به شدت افزایش می‌دهد، مخصوصاً برای کارهای زبانی یا تبدیل سبک.

📌 ۴. تعیین محدودیت‌ها و قالب خروجی

مدل را مجبور کنید در یک چارچوب مشخص پاسخ دهد. فرمت خروجی، تعداد کلمات، یا ساختار پاسخ را مشخص کنید.

• «پاسخ را دقیقاً در ۳ پاراگراف و هر پاراگراف حداکثر ۵۰ کلمه بنویس.»
• «لیستی از ۵ نکته به صورت بولت پوینت تهیه کن.»
• «خروجی را به صورت جدول با ستون‌های «نام محصول»، «قیمت»، «مزایا» و «معایب» ارائه بده.»

تعیین محدودیت باعث می‌شود مدل دچار حاشیه‌روی نشود و پاسخ ساختاریافته‌ای بدهد که خواندن و ویرایش آن آسان است.

📌 ۵. درخواست چند گزینه

اگر به یک پاسخ قطعی نیاز ندارید یا می‌خواهید ایده‌های مختلف ببینید، از مدل بخواهید چند نسخه متفاوت ارائه دهد.

• «برای تیتر این مقاله سه گزینه پیشنهاد بده: یکی رسمی، یکی جذاب و یکی کوتاه.»
• «دو طرح اولیه برای لوگوی یک شرکت فناوری پیشنهاد بده: یکی مینیمال و یکی مدرن.»

این کار خلاقیت مدل را فعال می‌کند و شما می‌توانید بهترین گزینه را انتخاب یا ترکیب کنید.

📌 ۶. پرامپت‌های توالی‌دار (زنجیره‌ای)

به جای یک پرامپت طولانی، کار را به چند مرحله تقسیم کنید. ابتدا یک پیش‌نویس بگیرید، سپس اصلاح کنید.

گام ۱: «یک طرح اولیه برای مقاله‌ای درباره تغذیه سالم بنویس. شامل مقدمه، سه بخش اصلی و نتیجه‌گیری.» گام ۲ (بعد از دریافت پاسخ): «حالا بخش دوم را گسترش بده و سه زیربخش به آن اضافه کن.» گام ۳: «نتیجه‌گیری را بازنویسی کن و یک دعوت به اقدام قوی اضافه کن.»

این روش به شما کنترل بیشتری بر فرآیند می‌دهد و از خروجی‌های شلخته جلوگیری می‌کند.

📌 ۷. بازخورد و اصلاح تکراری

پرامپت اولیه به ندرت کامل است. پس از دریافت پاسخ، بازخورد بدهید:

• «خیلی کلی بود. لطفاً دقیق‌تر و با مثال‌های عددی توضیح بده.»
• «لحن را غیررسمی‌تر کن و از کلمات ساده استفاده کن.»
• «این بخش را با دیدگاه انتقادی بیشتری تحلیل کن.»

مدل‌های مدرن قابلیت «حافظه مکالمه» دارند و می‌توانند بر اساس درخواست‌های قبلی اصلاح شوند. از این ویژگی استفاده کنید تا به خروجی ایده‌آل برسید.

📌 ۸. استفاده از کلمات کلیدی و دستورالعمل‌های واضح

از افعال امری واضح مثل «فهرست کن»، «مقایسه کن»، «تحلیل کن»، «خلاصه کن» استفاده کنید. همچنین کلمات کلیدی مرتبط با موضوع را در پرامپت بگنجانید.

• «نقاط قوت و ضعف روش Scrum را در مدیریت پروژه تحلیل کن. هر مورد را با یک مثال واقعی توضیح بده.»
• «تفاوت بین هوش مصنوعی مولد (Generative AI) و هوش مصنوعی تحلیلی (Analytical AI) را در یک جدول مقایسه کن.»

این کار مدل را راهنمایی می‌کند که به جای توضیحات کلی، به سراغ اطلاعات دقیق برود.

📌 جمع‌بندی

پرامپت‌نویسی یک مهارت اکتسابی است که با تمرین بهبود می‌یابد. با به کارگیری تکنیک‌های بالا — مشخص بودن، استفاده از نقش، مثال‌زنی، تعیین قالب، درخواست چند گزینه، زنجیره‌سازی، اصلاح تکراری و واضح‌گویی — خروجی هوش مصنوعی را از یک پاسخ تصادفی به یک دستیار هوشمند و قابل اعتماد تبدیل کنید. به یاد داشته باشید: هرچه زمان بیشتری برای نوشتن پرامپت صرف کنید، زمان کمتری برای ویرایش خروجی نیاز دارید. از همین حالا یک پرامپت ضعیف را انتخاب کنید و با این تکنیک‌ها آن را به یک پرامپت حرفه‌ای تبدیل کنید.