پرامپت خوب قرار نیست طولانی یا پر از اصطلاحات عجیب باشد. یک درخواست حرفهای فقط باید ابهام را کم کند، مقصد را روشن نشان دهد و به مدل بگوید خروجی قابلقبول چه ویژگیهایی دارد. در این راهنما یک روش تکرارپذیر میسازیم که برای نوشتن، تحقیق، برنامهنویسی و ایدهپردازی جواب میدهد. توصیههای این مقاله با راهنماهای پرامپتنویسی که خود OpenAI، Anthropic و Google منتشر کردهاند همخوان است و نمونهها برای کاربر فارسیزبان نوشته شدهاند.
چرا نتیجه بعضی پرامپتها معمولی میشود؟
وقتی تنها مینویسیم «یک متن تبلیغاتی بنویس»، مدل باید خودش مخاطب، لحن، هدف، کانال انتشار و طول متن را حدس بزند. هر حدس اضافه یعنی فاصله بیشتر میان چیزی که در ذهن ماست و چیزی که تحویل میگیریم.
راهحل، شلوغکردن پیام نیست؛ باید اطلاعاتی را اضافه کنیم که واقعاً تصمیم مدل را تغییر میدهد. هدف، زمینه، محدودیت و شکل خروجی چهار قطعهای هستند که بیشترین اثر را دارند.
فرمول پنجمرحلهای یک پرامپت قابل اعتماد
پرامپت را با نقش شروع کن، سپس مسئله را توضیح بده، دادههای لازم را در اختیار مدل بگذار، محدودیتها را مشخص کن و در پایان قالب پاسخ را تعریف کن. این ترتیب باعث میشود درخواست هم برای انسان و هم برای مدل قابل مرور باشد.
- نقش: «مثل یک استراتژیست محتوای فارسی فکر کن.»
- هدف: دقیق بگو در پایان چه تصمیم یا خروجیای نیاز داری.
- زمینه: مخاطب، محصول، شرایط و اطلاعات ضروری را اضافه کن.
- محدودیت: لحن، طول، کلمات ممنوع یا معیارهای کیفی را بنویس.
- قالب: جدول، فهرست، متن نهایی یا چند گزینه برای مقایسه بخواه.
نمونه تبدیل یک درخواست ضعیف به پرامپت حرفهای
درخواست ضعیف: «برای اینستاگرام کپشن بنویس.» درخواست بهتر: «برای فروشگاه ابزار هوش مصنوعی، سه کپشن فارسی برای معرفی اشتراک تدوین ویدیو بنویس. مخاطب تولیدکننده محتوای ۲۰ تا ۳۵ ساله است. لحن مطمئن و صمیمی باشد، اغراق نکن، هر کپشن حداکثر ۸۰ کلمه و دارای یک دعوت به اقدام کوتاه باشد.»
نسخه دوم هنوز ساده است، اما مدل دیگر مجبور نیست درباره مهمترین متغیرها حدس بزند. همین الگو را میتوان برای خلاصهسازی مقاله، نوشتن ایمیل، ساخت برنامه مطالعه یا بررسی کد استفاده کرد.
| کاربرد | پرامپت ضعیف | نسخه بهتر |
|---|---|---|
| خلاصهسازی | این را خلاصه کن. | این گزارش را در پنج نکته برای مدیری که دو دقیقه وقت دارد خلاصه کن و تصمیمهای لازم را جدا بنویس. |
| ایمیل | یک ایمیل پیگیری بنویس. | ایمیل پیگیری کوتاه و مؤدبانه برای مشتریای بنویس که یک هفته به پیشنهاد قیمت جواب نداده؛ حداکثر ۱۲۰ کلمه. |
| یادگیری | پایتون یادم بده. | یک برنامه چهارهفتهای برای یادگیری پایتون برای تحلیل داده بساز؛ روزی یک ساعت وقت دارم و برنامهنویسی بلد نیستم. |
| کد | این کد را درست کن. | این تابع با ورودی خالی خطا میدهد. علت را توضیح بده، یک تست برای همین حالت بنویس و بعد اصلاح را پیشنهاد کن. |
مثال بده و بخشهای پرامپت را از هم جدا کن
یکی از مؤثرترین روشها که در راهنمای هر سه شرکت آمده، دادن نمونه است. اگر یک یا دو نمونه از خروجی مطلوب را نشان بدهی، مدل لحن، طول و ساختار را خیلی دقیقتر از توضیح کلامی میفهمد. فقط مراقب باش نمونهها بیش از حد شبیه هم نباشند، وگرنه خروجی هم تکراری میشود.
وقتی پرامپت طولانی است، دستورها، داده و نمونهها را با برچسب یا جداکننده مشخص از هم جدا کن. برای مثال، متن مقاله را بین دو خط مشخص بگذار و بنویس «متن زیر را بر اساس دستورهای بالا ویرایش کن». Anthropic بهطور خاص استفاده از برچسبهای XML را برای جداکردن بخشها در Claude پیشنهاد میکند.
کارهای پیچیده را مرحلهبهمرحله بخواه
اگر از مدل بخواهی در یک پیام تحقیق کند، تحلیل کند و متن نهایی هم بنویسد، معمولاً هر سه بخش متوسط میشود. کار را بشکن: اول فهرست نکات یا منابع، بعد تحلیل و در آخر متن نهایی. در هر مرحله خروجی را بررسی کن و اصلاح لازم را بده.
برای مسائل استدلالی، از مدل بخواه قبل از جواب نهایی مراحل فکرش را بنویسد یا فرضهایش را فهرست کند. این کار خطاهای منطقی را قابل دیدن میکند و اصلاحشان را سادهتر.
- مرحله اول: جمعآوری نکات یا گزینهها
- مرحله دوم: مقایسه و انتخاب با معیار مشخص
- مرحله سوم: نوشتن خروجی نهایی در قالب خواستهشده
- مرحله چهارم: بازبینی با چکلیست هدف اولیه
پرامپت برای کاربردهای مختلف چه فرقی دارد؟
در نوشتن محتوا مهمترین بخش پرامپت مخاطب و لحن است. اگر یک متن نمونه از برند خودت داری، آن را بهعنوان نمونه سبک بده و بگو کدام ویژگیهایش را حفظ کند. در تحقیق، مهمترین بخش محدوده و منبع است: بگو دنبال چه بازه زمانی و چه نوع منبعی هستی و از مدل بخواه آنچه را مطمئن نیست جدا علامت بزند.
در برنامهنویسی، زمینه فنی تعیینکننده است: زبان، نسخه کتابخانهها، پیام خطای کامل و رفتار مورد انتظار. در ساخت تصویر یا ویدیو هم بهجای صفتهای کلی مثل «زیبا» یا «حرفهای»، سوژه، نور، زاویه دوربین، سبک و نسبت تصویر را مشخص کن. هرچه متغیرهای مهمتر را خودت تعیین کنی، حدس مدل کمتر و نتیجه قابل پیشبینیتر میشود.
پاسخ اول را نسخه نهایی حساب نکن
کار حرفهای با یک رفتوبرگشت کوتاه بهتر میشود. بهجای شروع دوباره، دقیقاً بگو کدام بخش خوب بود و کدام بخش باید تغییر کند؛ مثلاً «ساختار را نگه دار، لحن را جدیتر کن و مثال دوم را با یک نمونه ایرانی جایگزین کن.»
در پایان، اطلاعات حساس، اعداد، نامها و ادعاهای مهم را خودت بررسی کن. هوش مصنوعی دستیار تولید و تحلیل است، نه جایگزین مسئولیت نهایی تو.
- یک تغییر مشخص در هر مرحله بخواه.
- نمونه خروجی مطلوب بده.
- برای ادعاهای مهم منبع و امکان بررسی درخواست کن.
- نسخه نهایی را با هدف اولیه تطبیق بده.
پرامپتهای خوبت را ذخیره و دوباره استفاده کن
وقتی پرامپتی نتیجه خوبی داد، آن را دور نریز. یک فایل ساده با پرامپتهای پرتکرار بساز و بخشهای متغیر را با کروشه مشخص کن تا دفعه بعد فقط همانها را عوض کنی. دستیارها هم برای این کار امکاناتی دارند: Projects در ChatGPT و Claude اجازه میدهد دستورالعمل و فایلهای ثابت را یک بار تعریف کنی و GPTهای سفارشی در ChatGPT یک پرامپت کامل را به ابزار قابل استفاده دوباره تبدیل میکنند.
اصول این راهنما در همه دستیارها جواب میدهد، اما هرکدام نقاط قوت خودش را دارد. اگر هنوز دستیار اصلیات را انتخاب نکردهای، مقایسه ChatGPT، Claude و Gemini را بخوان. AI PremiX فروشندهای مستقل است و هیچ وابستگی یا همکاری سازمانی با OpenAI، Anthropic، Google یا Perplexity ندارد.
سؤالهایی که شاید تو هم داشته باشی
پرامپت حرفهای چه ویژگیهایی دارد؟
هدف روشن، زمینه کافی، محدودیتهای مشخص و قالب خروجی تعریفشده. طولانی بودن یا اصطلاحات خاص ملاک حرفهای بودن نیست.
آیا پرامپت فارسی نتیجه بدتری از انگلیسی میدهد؟
دستیارهای اصلی فارسی را خوب میفهمند و برای خروجی فارسی، نوشتن پرامپت به فارسی معمولاً طبیعیتر است. اصطلاحات فنی را میتوانی به انگلیسی کنار معادل فارسی بنویسی.
همین روش برای ChatGPT، Claude و Gemini کار میکند؟
بله. اصول اصلی مثل هدف روشن، دادن نمونه و تقسیم کار در راهنمای هر سه شرکت آمده است؛ فقط جزئیاتی مثل استفاده از برچسب XML در Claude رایجتر است.
دادن نقش به مدل واقعاً اثر دارد؟
نقش کمک میکند لحن و زاویه دید مشخص شود، اما بدون هدف، زمینه و قالب خروجی اثر محدودی دارد. نقش را کنار بقیه اجزای پرامپت استفاده کن.
چطور جلوی اطلاعات نادرست در پاسخ را بگیرم؟
برای ادعاهای مهم منبع بخواه، داده لازم را خودت در پرامپت بده و اعداد و نامها را پیش از استفاده بررسی کن.
پرامپتهای پرتکرار را کجا نگه دارم؟
یک فایل ساده با بخشهای متغیر کافی است. Projects در ChatGPT و Claude و GPTهای سفارشی هم برای ذخیره دستورالعملهای ثابت مفیدند.
منابع این راهنما
اطلاعات ابزارها را از صفحهها و مستندات خود سازندگان بررسی کردهایم. فقط یادت باشد امکانات و محدودیتها ممکن است با گذشت زمان تغییر کنند.



