مقالات

پرامپت خوب چه ویژگی‌هایی دارد؟ ۷ اصل نوشتن پرامپت با مثال

مقدماتی مطالعه در ۱۳ دقیقه
mahdyar
· به‌روزرسانی
پرامپت خوب چه ویژگی‌هایی دارد؟ ۷ اصل نوشتن پرامپت با مثال

پرامپت خوب فرق بین یک جواب کلی و یک جواب به‌دردبخور است. وقتی با Claude یا ChatGPT کار می‌کنید، کیفیت پاسخ تا حد زیادی به همان چند خطی بستگی دارد که می‌نویسید. خبر خوب این است که پرامپت خوب لازم نیست طولانی یا پیچیده باشد.

کافی است مدل بداند دقیقاً چه می‌خواهید، برای چه کسی و در چه قالبی. بیشتر پاسخ‌های ناامیدکننده از همین‌جا می‌آیند: ما چیزی را در ذهن داریم، اما آن را در پرامپت نمی‌نویسیم.

در این مقاله هفت ویژگی پرامپت خوب را با مثال «قبل و بعد» مرور می‌کنیم. در پایان هم یک قالب آماده، فهرست اشتباه‌های رایج و یک چک‌لیست کوتاه دارید تا از همین امروز پرامپت‌های بهتری بنویسید.

پرامپت خوب چیست و چرا اهمیت دارد؟

پرامپت متنی است که به مدل زبانی می‌دهید تا کاری را برایتان انجام دهد. مدل ذهن شما را نمی‌خواند و فقط همان چیزی را می‌بیند که نوشته‌اید. بنابراین هر اطلاعاتی که در پرامپت نیاید، مدل باید حدسش بزند.

وقتی مدل حدس می‌زند، معمولاً امن‌ترین و عمومی‌ترین پاسخ را انتخاب می‌کند. نتیجه متنی است که غلط نیست، اما به کار شما هم نمی‌آید. در مقابل، پرامپت خوب جای حدس را با اطلاعات پر می‌کند.

به زبان ساده، پرامپت خوب مثل توضیح دادن یک کار به همکار تازه‌وارد است. همکاری که باهوش است، اما از پروژهٔ شما، مخاطبتان و سلیقه‌تان چیزی نمی‌داند. هرچه توضیح شما روشن‌تر باشد، نتیجه به خواستهٔ شما نزدیک‌تر می‌شود.

مقایسهٔ پرامپت ضعیف و پرامپت خوب و تفاوت پاسخ هوش مصنوعی به هرکدام

۷ ویژگی پرامپت خوب

هفت اصل زیر از راهنماهای رسمی سازندگان مدل‌ها و تجربهٔ روزمرهٔ کار با آن‌ها جمع شده است. برای مطالعهٔ بیشتر، راهنمای مهندسی پرامپت Anthropic و راهنمای پرامپت‌نویسی OpenAI منابع خوبی هستند.

لازم نیست هر هفت اصل را در هر پرامپت بنویسید. برای یک سؤال ساده، هدف روشن کافی است. اما هر وقت پاسخ مدل به دلتان ننشست، این فهرست را مرور کنید و ببینید کدام جزء جا افتاده است.

هفت جزء پرامپت خوب: هدف، زمینه و مخاطب، نقش، قالب خروجی، مثال، محدودیت‌ها و اصلاح گام‌به‌گام

۱. هدف را روشن و مشخص بگویید

مهم‌ترین ویژگی پرامپت خوب، هدف روشن است. به‌جای «یک متن دربارهٔ سئو بنویس» بگویید دقیقاً چه متنی، با چه طولی و برای چه کاری می‌خواهید. هرچه هدف مشخص‌تر باشد، مدل کمتر حدس می‌زند.

یک راه ساده این است که از خودتان بپرسید: «اگر این کار را به یک آدم می‌سپردم، چه سؤال‌هایی از من می‌پرسید؟» جواب همان سؤال‌ها را از قبل در پرامپت بنویسید. مقایسه کنید:

txt
ضعیف: یک متن دربارهٔ سئو بنویس.

بهتر: یک مقدمهٔ ۱۰۰ کلمه‌ای برای مقاله‌ای دربارهٔ سئوی محلی بنویس.
هدف این است که صاحبان کسب‌وکارهای کوچک را قانع کند بقیهٔ مقاله را بخوانند.

پرامپت دوم فقط دو خط بلندتر است، اما موضوع، طول، مخاطب و هدف متن را مشخص کرده است. در نتیجه، پاسخ آن تقریباً بدون ویرایش قابل استفاده است.

۲. زمینه و مخاطب را معرفی کنید

یک جمله دربارهٔ اینکه متن برای چه کسی است، لحن و سطح جزئیات را کاملاً عوض می‌کند. توضیح برای یک برنامه‌نویس باتجربه با توضیح برای دانش‌آموزی که تازه شروع کرده فرق دارد. اگر مخاطب را نگویید، مدل یک مخاطب «متوسط» فرضی را در نظر می‌گیرد.

زمینه هم به همین اندازه مهم است. اطلاعاتی دربارهٔ پروژه، کسب‌وکار، محدودیت‌ها یا کارهایی که قبلاً انجام داده‌اید، به مدل کمک می‌کند کلمات و مثال‌های مناسب را انتخاب کند. برای مثال، «فروشگاه اینترنتی لوازم کوهنوردی در تبریز» اطلاعات بسیار بیشتری از «یک فروشگاه» می‌دهد.

البته زمینه نباید به فهرست بی‌پایانی از جزئیات تبدیل شود. فقط اطلاعاتی را بنویسید که روی پاسخ اثر دارند؛ بقیه فقط حواس مدل را پرت می‌کنند.

۳. به مدل نقش بدهید

نقش دادن یعنی بگویید مدل از دید چه کسی پاسخ دهد؛ مثلاً «تو یک ویراستار باتجربهٔ فارسی هستی» یا «مثل یک مشاور سئو پاسخ بده». نقش به مدل کمک می‌کند سطح تخصص، واژگان و زاویهٔ نگاه را انتخاب کند.

برای نمونه، اگر از مدل بخواهید متنی را «مثل یک معلم دبستان» توضیح دهد، جمله‌ها کوتاه‌تر و مثال‌ها ساده‌تر می‌شوند. اما اگر بگویید «مثل یک داور مقالهٔ علمی» نقد کند، پاسخ دقیق‌تر و سخت‌گیرانه‌تر خواهد بود.

با این حال، نقش به‌تنهایی معجزه نمی‌کند. «تو یک متخصص بازاریابی هستی» بدون هدف و زمینهٔ روشن، همچنان پاسخ کلی می‌گیرد. نقش را کنار اصل اول و دوم به کار ببرید.

۴. قالب خروجی را تعیین کنید

اگر جدول می‌خواهید، بگویید جدول. اگر فهرست سه‌موردی می‌خواهید، تعداد را هم بنویسید. تعیین قالب باعث می‌شود پاسخ را بدون ویرایش زیاد در کارتان استفاده کنید.

قالب فقط شکل ظاهری نیست؛ طول، لحن و ترتیب بخش‌ها را هم شامل می‌شود. برای مثال، «پاسخ را در سه بخش بنویس: خلاصه، جزئیات، قدم بعدی» یا «حداکثر ۵۰ کلمه، بدون مقدمه» هر دو قالب‌اند.

برای خروجی‌هایی که قرار است برنامه‌ای آن را بخواند، مثلاً JSON، یک نمونهٔ کوچک از ساختار دلخواه را در پرامپت بگذارید:

txt
خروجی را فقط به شکل JSON با این ساختار بده و هیچ متن دیگری ننویس:
{"title": "...", "summary": "...", "tags": ["...", "..."]}

۵. مثال بزنید

یک یا دو نمونه از چیزی که می‌خواهید، معمولاً از چند پاراگراف توضیح مؤثرتر است. مدل الگو را از مثال می‌گیرد و پیشنهادهایی در همان حال‌وهوا می‌دهد. در ادبیات هوش مصنوعی به این روش «Few-shot» می‌گویند.

مثلاً اگر می‌خواهید مدل عنوان مقاله پیشنهاد بدهد، دو عنوانی را که دوست دارید بنویسید و بگویید چرا خوب‌اند:

txt
برای مقاله‌ای دربارهٔ مدیریت زمان، ۵ عنوان پیشنهاد بده.
دو نمونه از عنوان‌هایی که دوست دارم:
- «۲۵ دقیقه تمرکز، ۵ دقیقه استراحت؛ تکنیکی که کارم را نجات داد»
- «چرا فهرست کارهایت هیچ‌وقت تمام نمی‌شود؟»
این عنوان‌ها خوب‌اند چون عدد یا سؤال دارند و به یک دردِ واقعی اشاره می‌کنند.

فقط مراقب باشید مثال‌ها بیش از حد شبیه هم نباشند. در غیر این صورت، مدل همان را با تغییرات کوچک تکرار می‌کند.

۶. محدودیت‌ها و معیار کیفیت را بنویسید

گاهی مهم‌تر از اینکه چه می‌خواهید، این است که چه نمی‌خواهید. محدودیت‌هایی مثل «از اصطلاحات انگلیسی استفاده نکن»، «ادعای آماری بدون منبع ننویس» یا «از ۲۰۰ کلمه بیشتر نشود» جلوی بسیاری از اصلاح‌های بعدی را می‌گیرند.

در کنار محدودیت‌ها، معیار کیفیت را هم بگویید. برای مثال، «متن باید برای کسی که هیچ پیش‌زمینه‌ای ندارد قابل فهم باشد» یا «هر پیشنهاد باید قابل اجرا در یک هفته باشد». این جمله‌ها به مدل می‌گویند پاسخ خوب از نظر شما چه شکلی است.

همچنین اگر دقت برایتان مهم است، از مدل بخواهید جاهایی را که مطمئن نیست مشخص کند. این کار احتمال اینکه مدل با اطمینان چیزی نادرست بگوید را کم می‌کند.

۷. گام‌به‌گام اصلاح کنید

اولین پاسخ لازم نیست پاسخ نهایی باشد. پرامپت‌نویسی یک گفت‌وگوست: خروجی را بخوانید، بگویید کدام بخش خوب بود و کدام نه، و درخواست اصلاح کنید.

جمله‌هایی مثل «کوتاه‌ترش کن»، «لحن را رسمی‌تر کن» یا «مثال دوم را با یک مثال ایرانی عوض کن» در چند دور، متن را به چیزی که در ذهن دارید نزدیک می‌کنند. بازخورد دقیق، مثل «پاراگراف دوم بیش از حد فنی است»، بسیار مؤثرتر از «خوب نیست، دوباره بنویس» است.

علاوه بر این، وقتی به نتیجهٔ خوب رسیدید، پرامپت نهایی را ذخیره کنید. دفعهٔ بعد می‌توانید از همان شروع کنید و دیگر لازم نیست چند دور اصلاح را تکرار کنید.

چرخهٔ اصلاح پرامپت خوب: نوشتن، خواندن پاسخ، بازخورد دقیق و ذخیرهٔ پرامپت نهایی

یک قالب آماده برای نوشتن پرامپت خوب

اگر نمی‌دانید از کجا شروع کنید، این قالب هفت اصل بالا را در چند خط جمع کرده است. جاهای داخل کروشه را پر کنید و خط‌هایی را که لازم ندارید حذف کنید:

txt
نقش: تو یک [نقش، مثلاً ویراستار باتجربه / مشاور سئو] هستی.
زمینه: [دربارهٔ پروژه، کسب‌وکار یا موقعیت در یک یا دو جمله].
مخاطب: این متن برای [مخاطب و سطح دانش او] است.
هدف: [دقیقاً چه کاری می‌خواهی انجام شود و برای چه].
قالب خروجی: [جدول / فهرست ۵ موردی / متن ۲۰۰ کلمه‌ای / JSON] با لحن [لحن].
نمونه: [یک یا دو مثال از خروجی دلخواه، اگر داری].
محدودیت‌ها: [چه چیزهایی نباشد؛ مثلاً اصطلاح انگلیسی، ادعای بی‌منبع].
اگر اطلاعاتی کم است، قبل از پاسخ، سؤال‌هایت را بپرس.

خط آخر قالب یک ترفند ساده اما مؤثر است. به‌جای اینکه مدل کمبود اطلاعات را با حدس پر کند، از شما سؤال می‌پرسد و پاسخ نهایی دقیق‌تر می‌شود.

این قالب برای بیشتر کارهای روزمره، از نوشتن ایمیل تا برنامه‌ریزی محتوا، جواب می‌دهد. با کمی تمرین، دیگر به قالب نیاز ندارید و این اجزا خودبه‌خود در پرامپت‌هایتان می‌آیند.

نمونهٔ کامل: از پرامپت ضعیف تا پرامپت خوب

فرض کنید صاحب یک کافه هستید و می‌خواهید برای اینستاگرام کپشن بنویسید. پرامپت اول بیشتر ما چیزی شبیه این است:

txt
یک کپشن اینستاگرام برای کافه‌ام بنویس.

پاسخ این پرامپت احتمالاً متنی کلی با چند ایموجی و جمله‌هایی مثل «بهترین قهوهٔ شهر» است. حالا همان درخواست را با اصول پرامپت خوب بازنویسی می‌کنیم:

txt
تو یک تولیدکنندهٔ محتوای شبکه‌های اجتماعی برای کسب‌وکارهای کوچک هستی.
کافهٔ من در یک محلهٔ دانشجویی در شیراز است و این هفته قهوهٔ دمی سرد را به منو اضافه کرده‌ایم.
مخاطب: دانشجوهای ۱۸ تا ۲۵ ساله که بعدازظهرها برای درس خواندن می‌آیند.
سه کپشن کوتاه (حداکثر ۴۰ کلمه) با لحن صمیمی و کمی شوخ بنویس.
هر کپشن با یک سؤال تمام شود تا مخاطب کامنت بگذارد.
از کلیشه‌هایی مثل «بهترین قهوهٔ شهر» استفاده نکن.

پرامپت دوم نقش، زمینه، مخاطب، هدف، قالب و محدودیت را در شش خط گفته است. در نتیجه، کپشن‌ها مخصوص همین کافه و همین مخاطب نوشته می‌شوند و نه برای هر کافه‌ای.

اگر خروجی هنوز کامل نبود، اصل هفتم وارد می‌شود. با یک بازخورد مثل «کپشن دوم را نگه دار و دو نسخهٔ دیگر در همان سبک بنویس» به نتیجهٔ نهایی می‌رسید.

بیشتر بخوانید: آموزش پرامپت نویسی از صفر؛ اصول مهندسی پرامپت با مثال

اشتباه‌های رایج در نوشتن پرامپت

حتی کسانی که هر روز با هوش مصنوعی کار می‌کنند، گاهی در این دام‌ها می‌افتند:

  • پرامپت یک‌کلمه‌ای: «ایمیل اداری» یا «خلاصه کن» جا را برای حدس زدن مدل باز می‌گذارد.
  • چند درخواست بی‌ربط در یک پرامپت: مدل به همه نصفه‌نیمه جواب می‌دهد؛ کارهای بزرگ را به چند مرحله تقسیم کنید.
  • دستورهای متناقض: «کوتاه بنویس اما همه‌چیز را کامل توضیح بده» مدل را سردرگم می‌کند.
  • فقط گفتن چیزهای ممنوع: به‌جای «رسمی ننویس»، بگویید «صمیمی و ساده بنویس».
  • اعتماد کامل به پاسخ: مدل ممکن است آمار یا منبع نادرست بسازد؛ اطلاعات مهم را خودتان بررسی کنید.
  • نوشتن اطلاعات محرمانه: رمزها، اطلاعات مشتریان و داده‌های حساس را در پرامپت نگذارید.
  • رها کردن بعد از اولین پاسخ: یک یا دو دور بازخورد معمولاً تفاوت بزرگی ایجاد می‌کند.

این اصول فقط برای نوشتن متن نیستند. برای مثال، در عیب‌یابی سایت هم وقتی کد خطا، زمان و تغییرات اخیر را به مدل بدهید، پاسخ از یک فهرست کلی به یک برنامهٔ بررسی واقعی تبدیل می‌شود.

بیشتر بخوانید: راهنمای جامع خطاهای سایت؛ معنی و رفع خطای ۴۰۴، ۵۰۰ و ۵۰۳ با کمک هوش مصنوعی

چک‌لیست پرامپت خوب

پیش از ارسال هر پرامپت مهم، این هفت سؤال را از خودتان بپرسید. اگر جواب یکی «نه» است، همان را اضافه کنید.

ویژگیسؤال بررسی
هدفآیا دقیقاً گفته‌ام چه می‌خواهم و برای چه؟
زمینهآیا اطلاعات لازم دربارهٔ پروژه یا موقعیت را داده‌ام؟
مخاطبآیا مشخص است متن برای چه کسی است؟
نقشآیا گفته‌ام مدل از دید چه کسی پاسخ دهد؟
قالبآیا شکل، طول و لحن خروجی روشن است؟
مثالآیا نمونه‌ای از خروجی دلخواه گذاشته‌ام؟
محدودیتآیا گفته‌ام چه چیزهایی نباید باشد؟

این چک‌لیست را کنار دستتان نگه دارید. بعد از چند هفته، این سؤال‌ها بدون فکر کردن در ذهنتان مرور می‌شوند و پرامپت‌هایتان از همان بار اول بهتر خواهند بود.

سخن پایانی

پرامپت خوب جادو نیست؛ مهارتی است که با چند اصل ساده شروع می‌شود. هدف روشن، زمینه و مخاطب، نقش، قالب خروجی، مثال، محدودیت‌ها و اصلاح گام‌به‌گام، همان چیزهایی هستند که به یک همکار تازه‌وارد هم می‌گفتید.

لازم نیست هر بار همهٔ این اصول را بنویسید. کافی است هر وقت پاسخ مدل به دلتان ننشست، چک‌لیست را مرور کنید و ببینید کدام جزء جا افتاده است. معمولاً اضافه کردن همان یک جزء، پاسخ را متحول می‌کند.

از همین امروز یکی از پرامپت‌های پرتکرارتان را با قالب این مقاله بازنویسی کنید و نتیجه را مقایسه کنید. تفاوت را در همان اولین پاسخ خواهید دید.

پرسش‌های پرتکرار

پرامپت خوب چیست؟

پرامپت خوب دستوری است که هدف، مخاطب، زمینه و قالب خروجی را آن‌قدر روشن می‌گوید که مدل برای پاسخ دادن نیازی به حدس زدن نداشته باشد. طول پرامپت مهم نیست؛ دقت و کامل بودن اطلاعات مهم است.

پرامپت خوب باید چقدر طولانی باشد؟

به اندازه‌ای که کار نیاز دارد. برای یک سؤال ساده یک جمله کافی است، اما برای نوشتن مقاله یا تحلیل داده، چند خط دربارهٔ مخاطب، قالب و محدودیت‌ها نتیجه را بسیار بهتر می‌کند.

آیا نوشتن پرامپت به فارسی نتیجهٔ خوبی می‌دهد؟

بله. مدل‌هایی مثل ChatGPT و Claude فارسی را خوب می‌فهمند. اگر خروجی فارسی می‌خواهید، پرامپت را فارسی بنویسید و لحن و سطح زبان را هم مشخص کنید.

چرا هوش مصنوعی به پرامپت من جواب کلی می‌دهد؟

معمولاً چون پرامپت کلی است. وقتی مخاطب، هدف، قالب خروجی و محدودیت‌ها مشخص نباشد، مدل امن‌ترین و عمومی‌ترین پاسخ را می‌دهد. یکی از هفت اصل این مقاله احتمالاً جا افتاده است.

آیا باید به مدل نقش بدهم؟

نقش دادن، مثل «تو یک ویراستار باتجربه هستی»، به مدل کمک می‌کند لحن و سطح تخصص را انتخاب کند. اما نقش به‌تنهایی کافی نیست و باید کنار هدف و زمینهٔ روشن بیاید.

پرامپت خوب برای ChatGPT و Claude فرق دارد؟

اصول پایه یکی است. هر دو مدل با هدف روشن، زمینهٔ کافی، قالب مشخص و مثال بهتر کار می‌کنند. تفاوت‌ها جزئی‌اند و با یکی دو دور اصلاح برطرف می‌شوند.

دیدگاه‌ها

هنوز دیدگاهی ثبت نشده است. شروع‌کننده باشید — پرسش و اصلاح را با آغوش باز می‌پذیریم.

دیدگاه بگذارید

برای **پررنگ**، *مورب*، `کد` و لینک از Markdown استفاده کنید. لینک‌ها nofollow هستند.