قواعد طلایی پرامپت‌نویسی: چند فرمول ساده برای گرفتن خروجی بهتر از هر مدل اگر از هوش مصنوعی فقط جواب‌های متوسط گرفته‌اید، مشکل غالباً در خودِ پرامپت است نه مدل. در این راهنمای کاربردی، چند فرمول و قالب ساده اما طلایی را یاد می‌گیرید که خروجی هر مدل متنی را قابل‌پیش‌بینی، دقیق و حرفه‌ای‌تر می‌کند.
بسیاری از ما اولین بار که با مدل‌های متنی مثل ChatGPT یا Claude کار کردیم، خیلی خودمانی با آن‌ها حرف زدیم: «یک متن درباره بازاریابی بنویس»، «ایمیل برای مشتری بنویس»، «این متن را بهتر کن». نتیجه؟ متنی کلیشه‌ای، پراکنده یا خارج از نیاز واقعی ما.
خبر خوب این است که مشکل معمولاً از «هوش» شما یا حتی از خود مدل نیست؛ مشکل از نحوه سؤال پرسیدن و نوشتن پرامپت است. پرامپت‌نویسی یعنی یاد بگیرید چطور هدف، زمینه، نقش و قالب خروجی را طوری بیان کنید که مدل دقیقاً همان چیزی را تولید کند که لازم دارید.
در این مقاله، چند فرمول و قالب طلایی را مرور می‌کنیم که می‌توانید برای تقریباً هر کاری (از تولید محتوا تا کدنویسی و تصمیم‌گیری) بارها و بارها استفاده کنید.
چرا پرامپت مهم‌تر از مدل است؟
مدل‌های متنی بزرگ (LLM) مثل یک دستیار بسیار باهوش اما بدون «زمینه ذهنی» هستند. آن‌ها روی حجم عظیمی از متن آموزش دیده‌اند و بر اساس احتمال، کلمات بعدی را انتخاب می‌کنند؛ اگر درخواست شما مبهم باشد، خروجی هم یک «میانگین» کلی و نه چیزی متناسب با نیاز شما خواهد بود.
یک پرامپت حرفه‌ای معمولاً چهار سؤال را به‌طور شفاف جواب می‌دهد:
- چه کسی جواب می‌دهد؟ (نقش و تخصص)
- دقیقاً چه کاری می‌خواهم انجام شود؟ (وظیفه/هدف)
- پاسخ در چه قالبی باشد؟ (فهرست، جدول، JSON، چند پاراگراف، …)
- محدودیت‌ها و خط قرمزها چیست؟ (طول، لحن، موارد ممنوع، سطح جزئیات)
هر بار که این چهار جزء را روشن می‌کنید، یک قدم بزرگ به خروجی حرفه‌ای‌تر نزدیک می‌شوید.
فرمول طلایی RTFC: نقش، وظیفه، زمینه، محدودیت
یکی از فرمول‌های ساده و بسیار قدرتمند، RTFC است:
- Role (نقش): مدل را در نقش یک فرد یا تخصص مشخص قرار دهید.
- Task (وظیفه): کار مورد نظر را واضح و با فعل امری تعریف کنید.
- Context (زمینه): اطلاعات پس‌زمینه، مخاطب و شرایط استفاده از پاسخ را بدهید.
- Constraints (محدودیت‌ها): طول، لحن، قالب خروجی و موارد ممنوع را تعیین کنید.
مثال ضعیف vs مثال طلایی
پرامپت ضعیف:
یک پست درباره فواید ورزش بنویس.
پرامپت طلایی با RTFC:
نقش: تو یک مربی حرفه‌ای تناسب اندام هستی که با کارکنان شرکت‌ها کار می‌کند.
وظیفه: یک پست کوتاه برای اینستاگرام درباره فواید ورزش صبحگاهی برای کارمندان بنویس.
زمینه: مخاطب کارمندان پشت‌میزنشین 25 تا 40 ساله هستند که زمان کمی دارند و اغلب خسته‌اند.
محدودیت‌ها: لحن پرانرژی و دوستانه، حداکثر 200 کلمه، شامل 3 ایموجی مناسب و 3 هشتگ در پایان.
به‌صورت عملی، خروجی دوم به‌مراتب قابل‌استفاده‌تر و نزدیک‌تر به نیاز واقعی شما خواهد بود.
فرمول R.O.L.E: نقش → هدف → محدودیت → نمونه
R.O.L.E مخصوص مواقعی است که می‌خواهید «کیفیت متن» را کنترل کنید و به مدل یک الگو بدهید.
ساختار کلی:
شما: [Role]
هدف: [Objective]
محدودیت‌ها: [Limit]
نمونه سبک/فرمت:
[Example]
نمونه کاربردی برای خلاصه‌سازی علمی
شما: مترجم علمی برای عموم هستی.
هدف: مقاله زیر (بعداً پیست می‌کنم) را در 4 پاراگراف توضیح بده، هر پاراگراف حداکثر 80–100 کلمه.
محدودیت‌ها: از استعاره‌های روزمره استفاده کن، مفاهیم پیچیده را با مثال ساده توضیح بده، از فرمول‌های ریاضی خودداری کن.
نمونه سبک:
«تصور کن مغز انسان مثل یک کتابخانه بزرگ است که…»
با این فرمول، هم نقش روشن است، هم طول و لحن، و هم نمونه‌ای از سبک دلخواه را داده‌اید.
فرمول S.F.O: دقت، قالب، محدودیت خروجی
S.F.O برای کارهای ساختارمند مثل سئو، گزارش‌نویسی، فرم‌سازی یا تولید دادهٔ قابل‌پردازش عالی است.
- Specific (دقیق): جزئیات کلیدی را مشخص کنید (چه کسی، چه زمانی، مخاطب، هدف).
- Format (قالب): خروجی دقیقاً چه شکلی باشد؟ فهرست، جدول، JSON، CSV…
- Output-constrained (محدودیت خروجی): تعداد آیتم‌ها، حداکثر کاراکتر، قواعد نوشتاری.
مثال برای متادسکریپشن محصول
کار: تولید 3 متادسکریپشن برای صفحه محصول.
مشخصات: هرکدام حداکثر 150 کاراکتر، لحن فروشنده اما صادق، شامل کلمه کلیدی «هدفون بی‌سیم».
قالب خروجی: فهرست شماره‌دار.
تکنیک «اول ساختار، بعد محتوا» (Show & Verify)
برای محتواهای بلند (مقاله، گزارش، مستندات فنی)، یک اشتباه رایج این است که یک‌باره می‌گویید «یک مقاله کامل بنویس». بهتر است ابتدا از مدل بخواهید فقط ساختار را نشان دهد:
1) ابتدا فهرست سرتیترها (H1/H2/H3) را با شماره نمایش بده.
2) بعد از تأیید من، هر بخش را حداکثر در 200 کلمه بنویس.
این کار به شما اجازه می‌دهد قبل از تولید متن کامل، ساختار را ببینید، اصلاح کنید و بعد سراغ جزئیات بروید.
مقایسه و تصمیم‌گیری: فرمول A vs B → Explain
گاهی پرامپت فقط برای تولید متن نیست، بلکه برای کمک در تصمیم‌گیری است (انتخاب ابزار، استراتژی، پلن قیمت‌گذاری و …). در این حالت:
مقایسه کن: ابزار A و ابزار B برای تولید محتوای بلاگ.
خروجی: جدول 3 ستونه با معیارهای سرعت، دقت، هزینه و امتیاز نهایی (1–10).
در انتها یک توصیه 2–3 جمله‌ای بر اساس نیاز یک تیم کوچک تولید محتوا بده.
با این ساختار، خروجی هم قابل‌مقایسه است و هم پیشنهاد عملی در انتها دارد.
Few-Shot Prompting: آموزش مدل با چند نمونه
اگر می‌خواهید مدل به «سبک شما» یا «سبک برند» بنویسد، بهترین راه استفاده از چند نمونه (few-shot) است.
ساختار پیشنهادی
- تعریف نقش و کار:
نقش: تو کپی‌رایتر برند X هستی.
وظیفه: پست‌های اینستاگرام را به همان سبک ادامه بده.
- آوردن 1–3 نمونه واقعی از ورودی→خروجی (کار قبلی خودتان).
- وارد کردن ورودی جدید و درخواست خروجی «مشابه نمونه‌ها».
نکته مهم: نمونه‌ها را کوتاه، واضح و واقعاً نمایندهٔ سبک دلخواه انتخاب کنید؛ نمونه ضعیف یعنی آموزش اشتباه به مدل.
چند تکنیک تکمیلی قدرتمند
1. Chain-of-Thought (فکر کردن گام‌به‌گام)
در مسائل تحلیلی، منطقی یا محاسباتی، یک جملهٔ ساده می‌تواند کیفیت پاسخ را بالا ببرد:
مسئله زیر را حل کن و گام‌به‌گام فکر کن، هر مرحله را توضیح بده و بعد نتیجه نهایی را بگو.
مدل به‌جای «جواب نهایی بدون توضیح»، یک مسیر منطقی ارائه می‌کند که قابل‌بررسی است.
2. استفاده از جداکننده‌ها (Delimiters)
برای پرامپت‌های ترکیبی (مثلاً هم دستور می‌دهید، هم متنی را پیست می‌کنید که باید خلاصه شود)، از علامت‌های جداکننده استفاده کنید:
متن زیر را که بین سه کوتیشن آمده خلاصه کن:
"""
[اینجا متن اصلی]
"""
خلاصه را در 5 نکته bullet-point بنویس.
این کار باعث می‌شود مدل دقیقاً بداند کدام بخش «دستور» است و کدام بخش «دادهٔ ورودی».
چرخه سریع بهبود پرامپت (Iterate & Refine)
به اولین خروجی به چشم «پیش‌نویس» نگاه کنید، نه نتیجه نهایی. یک چرخه ساده:
-
اجرای پرامپت و دریافت خروجی.
-
پرسیدن از مدل که چرا این ساختار را انتخاب کرده (یک توضیح کوتاه).
-
دادن بازخورد مشخص:
پاسخ قبلی خیلی طولانی بود و مثال عملی نداشت؛ نسخه جدید را 30٪ کوتاه‌تر کن و برای هر نکته یک مثال یک‌خطی اضافه کن. -
درخواست توضیح تفاوت بین نسخه قبلی و جدید در چند خط، تا ببینید آیا تغییر مطابق خواست شما بوده است یا نه.
این چرخه را می‌توان بارها تکرار کرد تا به نسخهٔ مطلوب برسید، بدون آن‌که از صفر شروع کنید.
تنظیمات فنی که معمولاً کارسازند
اگر از مدل‌ها در محیط‌هایی استفاده می‌کنید که امکان تغییر تنظیمات دارند (مانند برخی APIها یا پنل‌های پیشرفته)، این نکات کلی کمک می‌کند:
- temperature:
- برای خروجی‌های دقیق و قابل‌پیش‌بینی: حدود 0 تا 0.3.
- برای طوفان فکری و ایده‌های خلاق: حدود 0.7 تا 1.
- max_tokens:
- مطمئن شوید سقف توکن اجازه می‌دهد پاسخ کامل تولید شود؛ اگر پاسخ نصفه قطع شد، سقف را افزایش دهید یا کار را به چند بخش بشکنید.
- top_p و penalties:
- معمولاً اگر temperature را خوب تنظیم کنید، نیازی به دست‌کاری زیاد این مقادیر نیست؛ اما می‌توانند برای کنترل تنوع و جلوگیری از تکرار افراطی مفید باشند.
اگر تازه با خودِ ابزارها و پنل‌ها آشنا می‌شوید، راهنمای شروع کار با ChatGPT: ثبت‌نام، تنظیمات و اولین گفتگوهای مفید می‌تواند کمک کند محیط را بهتر بشناسید.
برای تازه‌کارها: از پرامپت‌های کوچک شروع کنید
اگر تازه وارد دنیای هوش مصنوعی و ابزارهایش شده‌اید، لازم نیست از روز اول پیچیده‌ترین فرمول‌ها را حفظ کنید. یک مسیر ساده:
- با پرامپت‌های کوتاه و مشخص تمرین کنید (مثلاً خلاصه‌سازی، بازنویسی، لیست نکات).
- به‌تدریج نقش، هدف، قالب و محدودیت را به آن‌ها اضافه کنید (مثلاً با R.O.L.E).
- خروجی را نقد کنید و پرامپت را اصلاح کنید.
- هر هفته یک نوع پرامپت جدید به «جعبه‌ابزار» خودتان اضافه کنید.
برای دیدن تصویر کلی مسیر یادگیری ابزارهای هوش مصنوعی، مطالعهٔ نقشه‌راه ساده و فارسی‌زبان هوش مصنوعی و ابزارهایش می‌تواند نقطه شروع خوبی باشد.
جمع‌بندی: یک قالب قابل‌حمل برای هر روز
در نهایت، می‌توانید از این قالب کلی برای تقریباً هر کار استفاده کنید و فقط جای خالی‌ها را پر کنید:
شما: [نقش دقیق]
وظیفه: [هدف واضح و قابل‌اندازه‌گیری]
فرمت خروجی: [مثلاً فهرست 5تایی، جدول، JSON، 3 پاراگراف]
محدودیت‌ها: [طول، لحن، موارد ممنوع]
نمونه/الگو: [یک یا دو خط نمونه از نتیجه مطلوب]
ابتدا: فهرست یا ساختار را نمایش بده، سپس محتوای کامل را بنویس.
هر بار که نقش، هدف، قالب و محدودیت را شفاف می‌کنید، یک قدم از خروجی «متوسط» دور و به خروجی «حرفه‌ای و قابل‌اعتماد» نزدیک می‌شوید. پرامپت را مثل یک محصول در حال بهبود ببینید؛ آن را بنویسید، امتحان کنید، اصلاح کنید و نسخهٔ بهترش را ذخیره کنید تا دفعهٔ بعد، از همان ابتدا با فرمول طلایی شروع کنید.