🧠 راهنمای جامع مهندسی پرامپت: هنر معماری کلمات
پرامپتنویسی دقیقاً شبیه به طراحی معماری یک نرمافزار است؛ اگر ورودیها (Input)، متغیرها و محدودیتهای سیستم را شفاف و منطقی تعریف کنید، خروجی نهایی (Output) دقیق، ساختاریافته و بینقص خواهد بود.
برای تسلط بر این مهارت، نیازی به حفظ کردن جملات طولانی ندارید؛ کافیست از یک فریمورک استاندارد پیروی کنید و آن را بسته به نیاز خود (متن یا تصویر) تغییر دهید.
بخش اول: فرمول ۵ پلهای برای پرامپتهای متنی (سئو، کپیرایتینگ، کدنویسی)
یک پرامپت حرفهای و بینقص باید این ۵ عنصر را در خود داشته باشد:
- نقش (Role): به هوش مصنوعی یک هویت بدهید تا دایره لغات و تخصصش را تنظیم کند.
- مثال: «به عنوان یک متخصص ارشد سئو و کپیرایتر حرفهای...»
- بافتار و زمینه (Context): اطلاعات پسزمینه و هدف نهایی را مشخص کنید. هوش مصنوعی باید بداند این خروجی قرار است کجا استفاده شود.
- مثال: «...که برای یک وبسایت فروش تجهیزات صنعتی (B2B) محتوا تولید میکند...»
- وظیفه اصلی (Task): درخواست خود را کاملاً شفاف، مستقیم و بدون ابهام بیان کنید.
- مثال: «...یک لندینگ پیج متقاعدکننده برای معرفی یک محصول جدید بنویس.»
- لحن و سبک (Tone & Style): احساس و اتمسفر متن را تعیین کنید.
- مثال: «لحن متن باید تخصصی، قابل اعتماد و در عین حال ترغیبکننده باشد.»
- فرمت و محدودیتها (Format & Constraints): ساختار خروجی و خط قرمزها را مشخص کنید.
- مثال: «خروجی را در ۳ پاراگراف ارائه بده، از بولتپوینت استفاده کن و کلمه "ارزان" را به هیچوجه به کار نبر.»
💡 ترفند پیشرفته (Few-Shot Prompting): همیشه سعی کنید یک نمونه (الگو) از سبک دلخواهتان را داخل پرامپت قرار دهید. مثلاً بگویید: "ساختار نگارش را شبیه به این متن پیش ببر: [متن نمونه شما]". این کار معجزه میکند.
ویدیو آموزشی و خلاصه مختصر آموزش نکات پرامپت نویسی
بخش دوم: آناتومی پرامپتهای تصویری (Midjourney, Kling و ...)
پرامپتنویسی برای تصویر نیازمند ادبیات متفاوتی است. موتورهای تولید تصویر به «ساختار جملات» کمتر اهمیت میدهند و بیشتر روی «کلمات کلیدی توصیفی» تمرکز دارند. فرمول طلایی پرامپت تصویر به این شکل است:
موضوع اصلی + محیط و پسزمینه + نورپردازی + زاویه دوربین/لنز + استایل رندرینگ + پارامترهای ابزار
- موضوع (Subject): یک مهندس نرمافزار در حال کار، یک قطعه صنعتی، پرتره یک شخص.
- محیط (Environment): اتاق سرور تاریک، فضای مینیمال و روشن، بکگراند سایبرپانک.
- نورپردازی (Lighting): Cinematic lighting (نورپردازی سینمایی), Golden hour (ساعت طلایی), Neon glow (درخشش نئون).
- دوربین و لنز (Camera & Lens): Shot on 35mm lens, Drone view, Macro photography.
- استایل (Style): Photorealistic (فوقواقعگرایانه), Unreal Engine 5 render, Watercolor.
- پارامترها (Parameters): مقادیری مثل --ar 16:9 برای نسبت تصویر یا --v 6.0 برای ورژن میدجرنی.
مثال ترکیب شده برای یک تصویر حرفهای:
A photorealistic close-up of a senior software architect working intensely on multiple glowing screens, dark modern office environment, cinematic dramatic lighting, neon blue and orange accents, shot on 35mm lens, 8k resolution, highly detailed --ar 16:9 --style raw
بخش سوم: ۳ قانون طلایی که همیشه باید به یاد داشته باشید
- قانون وضوح بر ادب ارجحیت دارد: نیازی به استفاده از کلماتی مثل "لطفاً" یا "ممکن است" نیست. دستورات را به صورت افعال امری و قاطع صادر کنید (مثلاً: بنویس، تحلیل کن، بساز).
- قانون زنجیره افکار (Chain of Thought): برای مسائل پیچیده منطقی یا تحلیل دیتابیس، از هوش مصنوعی بخواهید مسیر رسیدن به جواب را توضیح دهد. از عبارت "قدم به قدم فکر کن و دلیل هر مرحله را توضیح بده" استفاده کنید.
- قانون بازنویسی چرخشی (Iterative Refinement): پرامپت اول همیشه بهترین پرامپت نیست. خروجی را بگیرید، ایراداتش را پیدا کنید و در پرامپت بعدی، محدودیت جدیدی اضافه کنید تا خروجی صیقل بخورد.
مایلی برای تمرین این اصول، همین الان یک پرامپت خام و اولیه که در ذهن داری (چه برای نوشتن یک محتوای سئو شده و چه برای خلق یک تصویر خاص) به من بدهی تا آن را با هم به یک «مگا پرامپت» حرفهای تبدیل کنیم؟
🏆 قوانین طلایی معماری پرامپت
۱. قانون اولویت جایگاه (Token Priority) هوش مصنوعی به کلمات و دستوراتی که در ابتدای پرامپت میآیند، وزن و اهمیت بیشتری میدهد. همیشه نقش، هدف اصلی و حیاتیترین دستور را در خطوط اول بنویسید و جزئیات فرعی، فرمتها یا متون فرعی را به اواسط و انتهای پرامپت منتقل کنید. این قانون در پرامپتهای تصویری (مثل میدجرنی) نیز به شدت حیاتی است.
۲. قانون استفاده از تگهای ساختاری (XML Tags) برای پرامپتهای پیچیده، طولانی یا چندمرحلهای، اطلاعات را با استفاده از تگها تفکیک کنید. این کار ساختار منطقی پرامپت را برای هوش مصنوعی شفاف میکند. مثال:
«متن موجود در تگ <متن_مبنا> را بر اساس دستورالعملهای تگ <قوانین_نگارش> بازنویسی کن. <متن_مبنا> [متن شما] <قوانین_نگارش> [قوانین شما] »
۳. قانون خطوط قرمز قاطع (Negative Constraints) تعریف کردن «چه کاری نباید انجام شود» به اندازه «چه کاری باید انجام شود» اهمیت دارد. هوش مصنوعی گرایش به پرگویی یا استفاده از کلمات کلیشهای دارد. همیشه خطوط قرمز خود را مشخص کنید. مثال: «از کلمات زرد مارکتینگ استفاده نکن»، «پاسخ نباید بیشتر از ۲۰۰ کلمه باشد»، یا در پرامپت تصویر: --no blur, low quality.
۴. قانون تزریق الگو (Few-Shot Prompting) هوش مصنوعی یک مقلد بینظیر است. اگر لحن خاصی در کپیرایتینگ، استراتژی خاصی در سئو یا ساختار دقیقی در خروجی مد نظرتان است، به جای توصیفهای طولانی، ۱ یا ۲ نمونه از کارهای ایدهآل قبلی خود را به عنوان الگو داخل پرامپت قرار دهید و بگویید: «خروجی جدید را دقیقاً با این فرمت و لحن بساز».
۵. قانون زنجیره تفکر (Chain of Thought) برای کارهای تحلیلی، استراتژیک، کدنویسی یا حل مسائل پیچیده، هرگز مستقیماً خروجی نهایی را نخواهید. از عبارتهای هدایتکننده استفاده کنید: مثال: «ابتدا گلوگاهها و زوایای مختلف مسئله را قدم به قدم تحلیل کن، سپس بر اساس آن، راهکار نهایی را در قالب جدول ارائه بده». این کار دقت مدل را تا چند برابر افزایش میدهد.
۶. قانون مهندسی معکوس (Reverse Prompting) اگر متن فوقالعادهای خواندید یا تصویر بینظیری دیدید و خواستید فرمول ساخت آن را به دست آورید، آن خروجی را به هوش مصنوعی بدهید و بپرسید: مثال: «به عنوان یک مهندس پرامپت ارشد، این [متن/تصویر] را تحلیل کن و پرامپت دقیق و بهینهای که میتواند چنین خروجی کاملی را خلق کند، برای من بنویس».
۷. قانون تنظیم پارامترهای پنهان (Context Controls) در پرامپتهای خود مشخص کنید که هوش مصنوعی چقدر اجازه ایده پردازی دارد. اگر خروجی دقیق و فکتمحور میخواهید، قید کنید: «صرفاً بر اساس دادههای داده شده پاسخ بده و هیچ فرضیهای از خودت اضافه نکن». اگر خروجی خلاقانه میخواهید، بگویید: «از زوایای غیرمتعارف و نوآورانه به موضوع نگاه کن».
بخش چهارم: واژهنامه تخصصی (Glossary)
| واژه تخصصی | تعریف بر اساس متن |
| پرامپت (Prompt) | هرگونه سؤال، دستور یا درخواستی که برای هوش مصنوعی ارسال میشود تا پاسخی تولید کند. |
| مهندسی پرامپت | هنر طراحی دقیق سوالات و درخواستها برای دریافت تخصصیترین و باکیفیتترین جواب ممکن. |
| بافتار (Context) | اطلاعات پسزمینه و هدفی که به هوش مصنوعی داده میشود تا بداند خروجی قرار است کجا و برای چه کسی استفاده شود. |
| زنجیره تفکر (CoT) | تکنیکی که در آن از هوش مصنوعی خواسته میشود مراحل منطقی رسیدن به پاسخ را گامبهگام طی کند. |
| تزریق الگو (Few-Shot) | ارائه نمونههای واقعی از خروجی ایدهآل به هوش مصنوعی برای تقلید از سبک و فرمت آن. |
| محدودیت منفی (Negative Constraint) | مشخص کردن خطوط قرمز و کارهایی که هوش مصنوعی به هیچ وجه نباید در خروجی انجام دهد. |
| متاپرامپت (Meta-Prompt) | جزئیات و پارامترهای پنهانی که به عنوان شابلون تعریف میشوند تا هوش مصنوعی بر اساس آنها پرامپتهای تخصصیتری بسازد. |
| ادهرنس (Adherence) | میزان وفاداری و پایبندی مدل هوش مصنوعی به جزئیات دقیق پرامپت کاربر بدون مراجعه به پیشفرضهای خود. |
| پرایمر خروجی | تکنیکی که در آن پرامپت با جمله یا نتیجه نهایی مورد نظر شروع میشود تا هوش مصنوعی جهتگیری کلی را درک کند. |
| تگهای ساختاری (XML) | استفاده از علائمی مانند <...> برای دستهبندی و جداسازی بخشهای مختلف یک پرامپت پیچیده. |
بخش چهارم: واژهنامه تخصصی (Glossary)
| واژه تخصصی | تعریف بر اساس متن |
| پرامپت (Prompt) | هرگونه سؤال، دستور یا درخواستی که برای هوش مصنوعی ارسال میشود تا پاسخی تولید کند. |
| مهندسی پرامپت | هنر طراحی دقیق سوالات و درخواستها برای دریافت تخصصیترین و باکیفیتترین جواب ممکن. |
| بافتار (Context) | اطلاعات پسزمینه و هدفی که به هوش مصنوعی داده میشود تا بداند خروجی قرار است کجا و برای چه کسی استفاده شود. |
| زنجیره تفکر (CoT) | تکنیکی که در آن از هوش مصنوعی خواسته میشود مراحل منطقی رسیدن به پاسخ را گامبهگام طی کند. |
| تزریق الگو (Few-Shot) | ارائه نمونههای واقعی از خروجی ایدهآل به هوش مصنوعی برای تقلید از سبک و فرمت آن. |
| محدودیت منفی (Negative Constraint) | مشخص کردن خطوط قرمز و کارهایی که هوش مصنوعی به هیچ وجه نباید در خروجی انجام دهد. |
| متاپرامپت (Meta-Prompt) | جزئیات و پارامترهای پنهانی که به عنوان شابلون تعریف میشوند تا هوش مصنوعی بر اساس آنها پرامپتهای تخصصیتری بسازد. |
| ادهرنس (Adherence) | میزان وفاداری و پایبندی مدل هوش مصنوعی به جزئیات دقیق پرامپت کاربر بدون مراجعه به پیشفرضهای خود. |
| پرایمر خروجی | تکنیکی که در آن پرامپت با جمله یا نتیجه نهایی مورد نظر شروع میشود تا هوش مصنوعی جهتگیری کلی را درک کند. |
| تگهای ساختاری (XML) | استفاده از علائمی مانند <...> برای دستهبندی و جداسازی بخشهای مختلف یک پرامپت پیچیده. |
دانلود خلاصه تصویری آموزش پرامپت نویسی
برای سهولت دریافت، به دو نسخه PDF و پاورپوینت از آموزش تصویری پرامپت نویسی برایتان آماده کردیم ( البته همین هم با هوش مصنوعی آماده شده و در آینده نزدیک آموزش استفاده ازین ابزار هارو هم براتون منتشر میکنیم) دانلود نسخه PDF آموزش و بهینه سازی پرامپت نویسی دانلود نسخه Powerpoint آموزش و بهینه سازی پرامپت نویسی