آموزش پرامپت نویسی از صفر تا حرفهای؛ پرامپت چیست و چطور بهترین جواب را از هوش مصنوعی بگیریم
۱۴۰۵/۷/۱۵
آموزش پرامپت نویسی از صفر: پرامپت چیست، فرمول ۶جزئی Role، Context، Task، Format، Tone و Constraints با مثالهای فارسی قبل و بعد، تکنیکهای پیشرفته و نمونه پرامپتهای آماده.
اگر تا حالا از ChatGPT، Gemini یا Claude جوابی گرفتهاید که کلی، تکراری یا بیربط بوده، احتمالاً مشکل از مدل نبوده؛ مشکل از درخواست بوده. خبر خوب این است که نوشتن یک درخواست خوب، مهارتی قابل یادگیری است. در این آموزش پرامپت نویسی، از تعریف سادهی پرامپت شروع میکنیم، فرمول ۶جزئی یک پرامپت حرفهای را با مثالهای فارسی «قبل و بعد» یاد میگیریم و بعد به تکنیکهای پیشرفته، اشتباههای رایج و چند پرامپت آمادهی کپیشدنی میرسیم.
این راهنما را تیم پلتفرم پرامپت فارسی دکترپرامپت نوشته است؛ جایی که بیش از هزار پرامپت متنی، تصویری و برنامهنویسی را برای فارسیزبانها جمع کردهایم. هدف این مقاله این است که بعد از خواندنش، دیگر به پرامپت آماده وابسته نباشید، برای هر کاری پرامپت خودتان را بنویسید و پرامپتهای آماده را هم هوشمندانهتر شخصیسازی کنید.
پرامپت چیست؟ تعریف ساده پرامپت هوش مصنوعی
پرامپت (Prompt) هر متنی است که به یک مدل هوش مصنوعی میدهید تا بر اساس آن جواب بسازد: یک سؤال، یک دستور، یک متن برای ویرایش یا ترکیبی از همهی اینها. اگر بخواهیم ساده جواب بدهیم که «پرامپت هوش مصنوعی چیست»، میشود گفت پرامپت بریف کاری شماست برای دستیاری بسیار باهوش که هیچ چیزی دربارهی شما، کسبوکارتان و هدفتان نمیداند، مگر چیزی که در همین بریف بنویسید.
مدلهای زبانی بزرگ (LLM) جواب را بر اساس الگوهایی که از حجم عظیمی از متن یاد گرفتهاند و البته بر اساس همین متنی که شما فرستادهاید تولید میکنند. یعنی هر کلمهی پرامپت روی خروجی اثر میگذارد: نقشی که تعریف میکنید، مثالی که میآورید، حتی ترتیب جملهها. پرامپت نویسی یعنی آگاهانه از همین اثر استفاده کنیم، بهجای اینکه آن را به شانس بسپاریم.
پرامپت متنی، تصویری و ویدیویی چه فرقی دارند؟
اصول پایه در هر سه نوع یکی است: هدف روشن، جزئیات کافی و حذف ابهام. اما زبان هر کدام کمی فرق میکند:
- پرامپت متنی: برای چتباتهایی مثل ChatGPT، Gemini و Claude. اینجا نقش، زمینه، وظیفه و فرمت خروجی مهمترین اجزا هستند و میشود گفتوگو را در چند مرحله ادامه داد.
- پرامپت تصویری: برای ابزارهایی مثل ساخت عکس در ChatGPT، مدل Nano Banana در Gemini یا Midjourney. اینجا باید «صحنه» را توصیف کنید: سوژه، سبک، نور، زاویهی دوربین، کادر و نسبت تصویر.
- پرامپت ویدیویی: علاوه بر همهی جزئیات تصویر، «زمان» هم اضافه میشود: حرکت دوربین، اتفاقی که در صحنه میافتد، ریتم و گاهی صدا. دربارهی این نوع، جداگانه در مقالهی پرامپت ویدیویی صحبت کردهایم.
چرا یک پرامپت خوب نصف جواب است؟
چون مدل ذهنخوان نیست. وقتی مینویسید «یک کپشن برای پست اینستاگرام بنویس»، مدل مجبور است دهها چیز را حدس بزند: پیج دربارهی چیست؟ مخاطب کیست؟ لحن رسمی است یا خودمانی؟ چند خط؟ هشتگ بگذارد یا نه؟ هر حدس اشتباه یعنی یک دور رفتوبرگشت و اصلاح بیشتر. پرامپت خوب این حدسها را حذف میکند و بهجای چند دور اصلاح، از همان بار اول به خروجی قابل استفاده نزدیک میشوید.
نکتهی مهمتر این است که پرامپت خوب «تکرارپذیر» است. وقتی یک بار پرامپتی نوشتید که خروجی دلخواهتان را میدهد، میتوانید آن را ذخیره کنید و هفتهی بعد برای محصول یا موضوع دیگری دوباره به کار ببرید.
اصول پرامپت نویسی؛ ۶ جزء یک پرامپت حرفهای
برای اینکه اصول پرامپت نویسی را راحت به خاطر بسپارید، از یک فرمول ۶جزئی استفاده میکنیم: Role، Context، Task، Format، Tone و Constraints. لازم نیست هر پرامپتی هر شش جزء را داشته باشد؛ برای یک سؤال ساده، همان Task کافی است. اما هرچه کار مهمتر و پیچیدهتر باشد، اجزای بیشتری لازم دارید. در ادامه همهی اجزا را روی یک سناریوی واقعی میسازیم: جواب دادن به مشتری ناراضی یک فروشگاه اینترنتی.
Role (نقش)
با Role به مدل میگویید از چه زاویهای به مسئله نگاه کند. جملهای مثل «تو یک کپیرایتر باتجربهی فروشگاههای اینترنتی هستی» واژگان، اولویتها و حتی نکتههایی را که مدل در نظر میگیرد عوض میکند. نقش باید مشخص و مرتبط باشد. «تو بهترین متخصص دنیا هستی» تقریباً هیچ اطلاعات مفیدی به مدل نمیدهد، اما «تو مشاور سئو هستی که با سایتهای فروشگاهی کوچک ایرانی کار میکند» میدهد.
نقش: تو کارشناس پشتیبانی مشتری یک فروشگاه اینترنتی لوازم آشپزخانه هستی؛ صبور، دقیق و مسلط به روال ارسال سفارشها.
Context (زمینه)
Context همهی اطلاعاتی است که مدل برای یک جواب درست لازم دارد و خودش نمیداند: کسبوکار شما، مخاطب، هدف، محدودیتهای واقعی و متن یا دادهای که باید روی آن کار کند. بیشتر جوابهای کلی و بیروح از کمبود Context میآیند. یک قاعدهی ساده دارد: هر چیزی را که به یک همکار تازهوارد میگفتید، در پرامپت هم بنویسید.
زمینه: مشتری سه روز پیش سفارش داده و بسته هنوز نرسیده. طبق سیستم، بسته امروز از انبار خارج شده و ۲ تا ۳ روز کاری دیگر میرسد. مشتری ناراحت است و پیام تندی فرستاده.
Task (وظیفه)
Task دقیقاً همان کاری است که میخواهید انجام شود. با یک فعل روشن شروع کنید: بنویس، خلاصه کن، مقایسه کن، دستهبندی کن، بازنویسی کن. اگر کار چند مرحله دارد، مراحل را شمارهگذاری کنید. «دربارهی این ایمیل یک کاری بکن» Task نیست؛ «این ایمیل را در حداکثر ۸۰ کلمه بازنویسی کن تا مؤدبانهتر شود» هست.
وظیفه: یک پاسخ برای این مشتری بنویس که (۱) بابت تأخیر عذرخواهی کند، (۲) وضعیت دقیق ارسال را توضیح دهد و (۳) کد پیگیری مرسوله را به او بدهد.
Format (فرمت خروجی)
بگویید خروجی را به چه شکلی میخواهید: پاراگراف، لیست، جدول، JSON، ایمیل با عنوان و متن، یا مثلاً «۵ گزینهی مختلف». طول هم بخشی از فرمت است. وقتی فرمت را مشخص میکنید، خروجی مستقیم قابل استفاده میشود و لازم نیست خودتان مرتبش کنید.
فرمت: حداکثر ۱۰۰ کلمه، در قالب یک پیام چت (بدون عنوان و امضا). کد پیگیری را در یک خط جدا و به این شکل بیاور: [کد پیگیری]
Tone (لحن)
یک محتوا با لحن رسمی، خودمانی، طنز یا هیجانی کاملاً متفاوت خوانده میشود. لحن را با صفتهای مشخص توصیف کنید و اگر میتوانید یک نمونه هم بیاورید. «لحن دوستانه» کلی است؛ «دوستانه و محترمانه، مثل فروشندهی باتجربهای که مشتریاش را میشناسد، بدون اصطلاحات اداری» دقیق است.
لحن: آرام، همدلانه و محترمانه؛ بدون جملههای کلیشهای مثل «از صبر و شکیبایی شما سپاسگزاریم».
Constraints (محدودیتها)
Constraints خط قرمزها و قواعدی هستند که خروجی باید رعایت کند: چه چیزی نگوید، چه قولی ندهد، از چه اطلاعاتی استفاده نکند. این بخش مخصوصاً برای جلوگیری از اشتباههای پرهزینه مهم است؛ مثلاً اینکه مدل به مشتری قول تخفیفی بدهد که اصلاً وجود ندارد.
محدودیتها: هیچ تخفیف یا هدیهای پیشنهاد نکن. زمان تحویل را دقیقتر از «۲ تا ۳ روز کاری» قول نده. اگر اطلاعاتی کم است، بهجای حدس زدن، جای خالی بگذار.
اگر این شش تکه را کنار هم بگذارید، یک پرامپت کامل دارید که تقریباً هر مدلی با آن پاسخی قابل ارسال مینویسد. این قالب را برای هر کار دیگری هم میتوانید کپی کنید:
نقش: تو [نقش دقیق] هستی.
زمینه: [کسبوکار، مخاطب، هدف و اطلاعات لازم]
وظیفه: [کار دقیق با فعل روشن؛ اگر لازم است مرحلهبهمرحله]
فرمت: [شکل و طول خروجی]
لحن: [لحن با صفتهای مشخص]
محدودیتها: [کارهایی که نباید انجام شود]
آموزش قدمبهقدم نوشتن پرامپت (با مثال قبل و بعد)
فرمول را دیدیم؛ حالا ببینیم «چگونه پرامپت بنویسیم» در عمل یعنی چه. یک پرامپت ضعیف را برمیداریم و در چهار قدم بهترش میکنیم. فرض کنید صاحب یک کافهی کوچک در شیراز هستید و برای منوی پاییزیتان پست اینستاگرام میخواهید.
قبل: یک پست اینستاگرام برای کافهام بنویس.
این پرامپت میتواند هر جوابی بگیرد و معمولاً جوابش یک متن کلی پر از ایموجی و جملههای تکراری است که به هیچ کافهای نمیخورد.
قدم ۱: هدف را دقیق بنویس
اول از خودتان بپرسید: این پست قرار است چه کاری انجام دهد؟ معرفی محصول جدید، دعوت به حضور در کافه، یا گرفتن کامنت و تعامل؟ هدف روشن، Task را روشن میکند و مدل میفهمد خروجی را با چه معیاری بسنجد.
یک کپشن اینستاگرام برای معرفی منوی پاییزی کافهام بنویس که مخاطب را تشویق کند همین هفته برای امتحان نوشیدنیهای جدید سر بزند.
قدم ۲: زمینه و مخاطب را اضافه کن
حالا چیزهایی را اضافه کنید که فقط خودتان میدانید: اسم و حالوهوای کافه، محصولها و اینکه مخاطبها چه کسانی هستند.
کافهی ما «کافه نارنج» در شیراز است؛ فضایی دنج با میزهای چوبی و یک کتابخانهی کوچک. منوی پاییزی سه نوشیدنی جدید دارد: لاتهی دارچین و سیب، چای ماسالای خانگی و شکلات داغ با هل. مخاطبهای ما بیشتر دانشجوها و کارمندهای ۲۲ تا ۳۵ سالهی اطراف هستند که بعدازظهرها برای کار یا گپ میآیند.
قدم ۳: فرمت و طول خروجی را مشخص کن
اگر شکل خروجی را نگویید، مدل خودش انتخاب میکند. اینجا مشخص میکنیم چند خط، با چه ساختاری و چند گزینه میخواهیم تا حق انتخاب داشته باشیم.
۳ نسخهی مختلف بنویس. هر نسخه حداکثر ۶ خط باشد: یک خط اول قلابدار (Hook)، معرفی کوتاه سه نوشیدنی و یک دعوت به اقدام (CTA) برای حضور در همین هفته. در انتها ۵ هشتگ فارسی مرتبط بیاور. لحن گرم و خودمانی باشد و حداکثر ۲ ایموجی استفاده کن.
پرامپت «بعد» از کنار هم گذاشتن همین سه قدم ساخته میشود. تفاوتش با نسخهی «قبل» فقط چند خط است، ولی خروجیاش از یک متن عمومی به سه کپشن واقعی و قابل انتشار تبدیل میشود.
قدم ۴: خروجی را بازخورد بده و اصلاح کن (Iteration)
پرامپت نویسی حرفهای یکمرحلهای نیست. بعد از دیدن خروجی، بهجای شروع از صفر، در همان گفتوگو بازخورد دقیق بدهید. بازخورد خوب هم مثل پرامپت خوب مشخص است: بگویید کدام بخش خوب بود، کدام نه و چرا.
نسخهی دوم را بیشتر دوست دارم، ولی خط اولش زیادی تبلیغاتی است. خط اول را با یک سؤال ساده دربارهی هوای پاییز شروع کن و عبارت «بهترین کافهی شهر» را حذف کن؛ ادعای اثباتنشده نمیخواهیم.
یک نکتهی مهم: نسخهی نهایی پرامپت را (نه فقط خروجی را) ذخیره کنید. دفعهی بعد که منوی زمستانی دارید، فقط چند کلمهاش را عوض میکنید.
تکنیکهای پیشرفته در یک نگاه (Few-Shot، Chain of Thought، Role Prompting)
وقتی به فرمول ۶جزئی مسلط شدید، چند تکنیک پیشرفته کیفیت خروجی را یک پله بالاتر میبرد. اینجا فقط مرور کوتاهی میکنیم؛ توضیح کامل هر تکنیک با مثال را در راهنمای کامل مهندسی پرامپت آوردهایم.
- Few-Shot Prompting: بهجای اینکه سبک دلخواهتان را توضیح بدهید، ۲ یا ۳ نمونه از خروجی ایدهآل را در پرامپت میگذارید و میگویید «با همین الگو ادامه بده». برای حفظ لحن برند، فرمت ثابت و دستهبندی دادهها فوقالعاده است.
- Chain of Thought: برای مسئلههای چندمرحلهای مثل محاسبه، تحلیل و تصمیمگیری، از مدل میخواهید قبل از جواب نهایی، مسئله را مرحلهبهمرحله بررسی کند. مدلهای جدیدی که حالت Thinking یا استدلال داخلی دارند این کار را تا حد زیادی خودشان انجام میدهند، ولی مشخص کردن مراحل و معیارهای بررسی هنوز به دقت جواب کمک میکند.
- Role Prompting: همان جزء Role که دیدیم، ولی عمیقتر: تعریف یک شخصیت کامل با تخصص، سابقه، اولویتها و حتی سؤالهایی که باید قبل از جواب دادن از شما بپرسد.
یک نمونهی ساده از Few-Shot برای نوشتن توضیح محصول:
برای محصول آخر یک توضیح کوتاه یکخطی بنویس، دقیقاً با همین سبک:
محصول: ماگ سرامیکی دستساز
توضیح: ماگی که قهوهی صبحت را کمی شخصیتر میکند؛ از هر طرح فقط یک نسخه.
محصول: دفترچهی جلد چرمی
توضیح: برای ایدههایی که حیف است در یادداشتهای گوشی گم شوند.
محصول: شمع معطر دارچین
توضیح:
وقتی پرامپتها خیلی بلند و چندبخشی میشوند و نقش، قوانین، مثالها و فرمت را یکجا دارند، به آنها مگا پرامپت میگویند. دربارهی مگا پرامپت و پرامپتهای بلند هم جداگانه نوشتهایم.
بهتر کردن پرامپت با کمک خود هوش مصنوعی (Meta Prompting)
Meta Prompting یعنی از خود هوش مصنوعی بخواهید برایتان پرامپت بنویسد یا پرامپت شما را بهتر کند. این روش مخصوصاً وقتی مفید است که نمیدانید چه اطلاعاتی لازم است؛ مدل میتواند جاهای خالی پرامپتتان را پیدا کند و قبل از نوشتن، از شما سؤال بپرسد.
تو یک متخصص Prompt Engineering هستی. میخواهم پرامپتی بنویسم برای: [هدف خود را بنویسید].
قبل از نوشتن پرامپت، حداکثر ۵ سؤال کلیدی از من بپرس تا زمینه، مخاطب، فرمت و محدودیتها مشخص شود.
بعد از جوابهای من، پرامپت نهایی را با این ساختار بنویس: نقش، زمینه، وظیفه، فرمت، لحن، محدودیتها.
در آخر بگو کدام بخش پرامپت بیشترین اثر را روی کیفیت خروجی دارد.
روش دیگر «نقد پرامپت» است: پرامپت فعلیتان را به مدل بدهید و بخواهید ابهامها، تناقضها و اطلاعات جاافتادهاش را فهرست کند و نسخهی بهتری پیشنهاد بدهد. اگر نمیخواهید از صفر شروع کنید، در دستهی مهندسی پرامپت دکترپرامپت پرامپتهایی که خودشان پرامپت میسازند را آماده گذاشتهایم؛ مثلاً پرامپت تقویت مهندسی پرامپت دقیقاً برای همین کار ساخته شده است.
کاربردهای پرامپت نویسی در کارهای واقعی
پرامپت نویسی حرفه ای فقط برای متخصصهای فنی نیست. تقریباً هر کسی که با متن، تصویر یا داده سروکار دارد، میتواند با چند پرامپت خوب ساعتها در هفته صرفهجویی کند. در ادامه برای هر حوزه یک پرامپت آماده آوردهایم که میتوانید همین حالا امتحانش کنید.
تولید محتوا و اینستاگرام
برای تولیدکنندههای محتوا، بزرگترین ارزش هوش مصنوعی در ایدهپردازی، برنامهریزی و نوشتن نسخهی اول متن است. اگر مخاطب و لحن پیج را در Context بنویسید، خروجی دیگر شبیه متنهای عمومی نیست. برای شروع میتوانید از پرامپت تقویم محتوایی پست اسلایدی اینستاگرام استفاده کنید؛ ایدههای بیشتر را هم در مقالههای تولید محتوای اینستاگرام با هوش مصنوعی و ایدههای پرامپت برای پیج اینستاگرام جمع کردهایم.
تو استراتژیست محتوای اینستاگرام هستی. پیج من دربارهی [موضوع پیج] است و مخاطبش [مخاطب] است.
برای ۷ روز آینده یک برنامهی محتوا بساز. برای هر روز اینها را بنویس: نوع پست (ریلز، اسلاید یا استوری)، ایدهی اصلی در یک جمله، خط اول کپشن و یک سؤال برای گرفتن کامنت.
خروجی را در قالب جدول بده. از ایدههای کلیشهای مثل «صبح بخیر» و «نقلقول انگیزشی» استفاده نکن.
ساخت عکس با هوش مصنوعی
در پرامپت تصویری، بهجای Task و Format، «صحنه» را توصیف میکنید: سوژه، محیط، سبک، نور، لنز و نسبت تصویر. یک فرمول ساده که برای شروع کافی است:
[subject + details], [setting], [style], [lighting], [camera angle / lens], [aspect ratio]
Example: A ceramic coffee cup with latte art on a rustic wooden table, cozy autumn cafe interior, photorealistic, soft window light from the left, close-up shot, 50mm lens, shallow depth of field, vertical 4:5 aspect ratio
برای آموزش کامل، از آناتومی پرامپت عکس تا ۱۰ نمونهی آماده، مقالهی آموزش پرامپت نویسی برای عکس را بخوانید. اگر هم دنبال یک ترند آماده هستید، پرامپت تصویر دهه ۶۰ و دهه ۸۰ یکی از پرطرفدارترین پرامپتهای تصویری سایت است.
آموزش و کلاس درس
معلمها میتوانند از هوش مصنوعی برای طرح درس، ساخت تمرین در سطحهای مختلف، طراحی سؤال امتحانی و حتی نوشتن بازخورد شخصیسازیشده کمک بگیرند. کلید کار، مشخص کردن پایه، سطح کلاس و هدف آموزشی است. پرامپت ایجاد الگوهای طرح درس نقطهی شروع خوبی است و راهنمای کاملتر را در پرامپت نویسی برای معلمها میخوانید. پرامپتهای آمادهی کلاس را هم در بخش پرامپت درسی معلمها پیدا میکنید.
تو یک معلم باتجربهی [درس] پایهی [پایه] هستی. برای مبحث «[مبحث]» یک طرح درس ۴۵ دقیقهای بنویس که این بخشها را داشته باشد: هدف آموزشی، یک فعالیت شروع ۵ دقیقهای، توضیح مفهوم با یک مثال از زندگی روزمره، ۳ تمرین (آسان، متوسط و چالشی) و یک سؤال برای ارزشیابی پایان کلاس.
زبان ساده و مناسب سن دانشآموزان باشد.
ترجمه و نویسندگی
ترجمهی ماشینی ساده معمولاً لحن را از دست میدهد. با پرامپت میتوانید مخاطب، سطح رسمی بودن و واژهنامهی اختصاصیتان را مشخص کنید تا ترجمه طبیعیتر شود. یک نمونهی آماده، پرامپت ترجمهی کپشنها برای دسترسی جهانی است و تکنیکهای بیشتر را در پرامپتهای ترجمهی دقیق آوردهایم.
این متن انگلیسی را به فارسی روان و طبیعی ترجمه کن، طوری که انگار از اول به فارسی نوشته شده.
مخاطب: کاربران عادی یک اپلیکیشن، نه متخصصهای فنی.
قواعد: اصطلاحات فنی رایج (مثل اپلیکیشن و نوتیفیکیشن) را ترجمه نکن. جملههای طولانی را بشکن. اگر عبارتی معادل دقیق فارسی ندارد، بعد از ترجمه در یک خط جدا توضیح بده چه انتخابی کردی.
متن: """[متن انگلیسی]"""
برنامهنویسی و وایب کدینگ
برنامهنویسها از پرامپت برای نوشتن کد، پیدا کردن باگ، ریفکتور و توضیح کد دیگران استفاده میکنند. در وایب کدینگ که بخش بزرگی از کد را هوش مصنوعی مینویسد، کیفیت پرامپت مستقیم روی کیفیت کد اثر میگذارد. مهمترین Context در این حوزه، نسخهی زبان و فریمورک، ساختار پروژه و متن کامل پیام خطاست. دربارهی وایب کدینگ با هوش مصنوعی و پرامپتهای آمادهی برنامه نویسی جداگانه نوشتهایم؛ برای بازبینی کد هم پرامپت تحلیل کیفیت کد را ببینید.
تو یک توسعهدهندهی ارشد [زبان/فریمورک و نسخه] هستی. کد زیر این خطا را میدهد.
۱. اول توضیح بده علت احتمالی خطا چیست.
۲. بعد کد اصلاحشده را بده و فقط بخشهای تغییرکرده را با کامنت مشخص کن.
۳. اگر برای تشخیص دقیق اطلاعات بیشتری لازم داری، بهجای حدس زدن سؤال بپرس.
پیام خطا: [پیام خطا]
کد: [کد]
کارهای حقوقی و کسبوکار کوچک
کسبوکارهای کوچک برای پیشنویس قرارداد، ایمیلهای رسمی، آگهی استخدام و پاسخ به مشتری میتوانند از هوش مصنوعی کمک بگیرند. در کارهای حقوقی، هوش مصنوعی جای وکیل را نمیگیرد، اما پیشنویس اولیه و چکلیست بندها را خیلی سریعتر آماده میکند؛ نسخهی نهایی را حتماً یک متخصص بررسی کند. نمونهاش پرامپت تنظیم قرارداد مشارکت تجاری است و مجموعهی کاملتر را در پرامپتهای کاربردی برای وکلا جمع کردهایم.
تو کارشناس منابع انسانی یک شرکت کوچک نرمافزاری در تهران هستی. برای استخدام یک [عنوان شغلی] آگهی استخدام بنویس که این بخشها را داشته باشد: معرفی کوتاه شرکت، شرح وظایف (۵ مورد)، مهارتهای لازم، مزایا و نحوهی ارسال رزومه.
لحن حرفهای ولی صمیمی باشد. از عبارتهای کلیشهای مثل «محیط کاری پویا و جوان» استفاده نکن و هیچ شرط سنی یا جنسیتی ننویس.
اگر میخواهید همین نوع پرامپتها در کل شرکت یکدست و امن به کار برود، مسیر آموزش مدیران و کارکنان را در راهنمای آموزش هوش مصنوعی سازمانی توضیح دادهایم.
پرامپت نویسی در مدلهای جدید (ChatGPT، Gemini، Claude)
مدلهای جدید باهوشتر شدهاند و پرامپتهای ضعیف را بهتر از قبل تحمل میکنند، اما اصول پرامپت نویسی هنوز همان است. در چند ماه اخیر نسلهای تازهای از هر سه خانواده منتشر شدهاند: OpenAI خانوادهی GPT-6 را از شهریور ۱۴۰۵ عرضه کرده، Anthropic مدلهای Claude 5.5 را منتشر کرده و گوگل هم مدلهای Gemini و ابزار تصویری Nano Banana را بهروز کرده است. تغییرات نسل جدید را جداگانه در تغییرات پرامپت نویسی در GPT-6 بررسی کردهایم.
چند نکته که در همهی این مدلها جواب میدهد:
- صریح و دقیق بنویسید. مدلهای جدید دستورها را دقیقتر اجرا میکنند؛ یعنی اگر چیزی را نگویید، لزوماً حدسش نمیزنند و اگر دستور متناقض بدهید، خروجی هم سردرگم میشود.
- معیار «کار تمامشده» را بگویید. برای کارهای طولانی مشخص کنید خروجی نهایی چه ویژگیهایی باید داشته باشد تا مدل بداند کارش کجا تمام است.
- بخشهای پرامپت را از هم جدا کنید. با تیتر، خط جداکننده یا تگهای XML (مثلاً یک تگ context برای زمینه و یک تگ task برای وظیفه) بخشها را جدا کنید. این کار در پرامپتهای بلند به نظم خروجی کمک زیادی میکند.
- برای کارهای استدلالی از حالت Thinking استفاده کنید. بهجای اینکه فقط بنویسید «قدمبهقدم فکر کن»، معیارها و مراحل بررسی را مشخص کنید.
- از مدل بخواهید وقتی مطمئن نیست بگوید. جملهای مثل «اگر اطلاعات کافی نداری، بهجای حدس زدن بگو» احتمال جوابهای ساختگی را کم میکند.
نقاط قوت مدلها را در مقایسهی ChatGPT، Gemini و Claude آوردهایم. اگر میخواهید یک پرامپت را روی دو مدل امتحان کنید، در چت هوش مصنوعی دکترپرامپت میتوانید با Claude و Gemini کار کنید.
۱۰ اشتباه رایج در پرامپت نویسی
- پرامپت خیلی کلی: «یک متن دربارهی بازاریابی بنویس» هزار جواب ممکن دارد. موضوع، مخاطب و هدف را مشخص کنید.
- نگفتن مخاطب: متنی که برای مدیرعامل نوشته میشود با متنی که برای دانشآموز نوشته میشود فرق دارد. همیشه بگویید خواننده کیست.
- چند کار بیربط در یک پرامپت: اگر هم مقاله میخواهید، هم کپشن و هم ایمیل، آنها را جدا کنید یا مرحلهبهمرحله پیش بروید.
- دستورهای متناقض: «خیلی کامل توضیح بده ولی کوتاه باشد» مدل را سردرگم میکند. اولویت را مشخص کنید.
- مشخص نکردن فرمت و طول: وقتی جدول میخواهید و پاراگراف تحویل میگیرید، معمولاً مشکل از پرامپت است.
- اعتماد کامل به فکتها و عددها: مدلها گاهی با اطمینان کامل اطلاعات نادرست میسازند. آمار، منبع، قیمت و نکتهی حقوقی را همیشه چک کنید. علتش را در چرا هوش مصنوعی جواب غلط میدهد توضیح دادهایم.
- شروع دوباره بهجای اصلاح: وقتی خروجی ۷۰ درصد خوب است، پاک کردن گفتوگو و نوشتن پرامپت جدید یعنی دور ریختن Context. در همان گفتوگو بازخورد بدهید.
- مقدمه و تعارف زیاد: سه خط مقدمه جای اطلاعات مفید را میگیرد؛ مستقیم سراغ اصل مطلب بروید.
- بیتوجهی به زبان پرامپت: مدلهای جدید فارسی را خوب میفهمند، اما در بعضی ابزارها، مخصوصاً ابزارهای تصویری، پرامپت انگلیسی هنوز دقیقتر اجرا میشود. مقایسهی کامل را در پرامپت فارسی بهتر است یا انگلیسی؟ بخوانید.
- ذخیره نکردن پرامپتهای موفق: پرامپتی که یک بار خوب جواب داده، دارایی شماست. آن را با یک اسم مشخص ذخیره کنید تا دفعهی بعد از صفر شروع نکنید.
نمونه پرامپتهای آماده برای شروع
این پنج نمونه پرامپت چت جی پی تی در Gemini و Claude هم به همین شکل کار میکنند. کپیشان کنید، جاهای داخل کروشه را با اطلاعات خودتان پر کنید و نتیجه را ببینید.
۱. خلاصهی کاربردی یک متن طولانی
این متن را برای یک مدیر پرمشغله خلاصه کن.
فرمت: یک جملهی اصلی در خط اول، بعد حداکثر ۵ نکتهی کلیدی بهصورت لیست و در آخر «اقدام بعدی پیشنهادی» در یک خط.
فقط از اطلاعات داخل متن استفاده کن و چیزی از خودت اضافه نکن.
متن: """[متن]"""
۲. ایمیل رسمی سریع
یک ایمیل رسمی و مؤدبانه به [گیرنده و سمت او] بنویس برای [هدف ایمیل].
اطلاعات لازم: [جزئیات]
ایمیل شامل عنوان (Subject)، متن حداکثر ۱۲۰ کلمه و یک درخواست مشخص در پایان باشد. از جملههای اداری کلیشهای پرهیز کن.
۳. ایدهپردازی ساختاریافته
من [شغل یا کسبوکار] هستم و میخواهم [هدف].
۱۰ ایدهی متفاوت پیشنهاد بده و آنها را در جدولی با ستونهای «ایده»، «هزینهی تقریبی (کم/متوسط/زیاد)»، «زمان اجرا» و «ریسک» مرتب کن. در آخر ۲ ایدهای را که برای شروع مناسبترند، با دلیل مشخص کن.
۴. تمرین مصاحبهی کاری
تو مصاحبهکنندهی استخدام برای موقعیت [عنوان شغلی] در یک شرکت [حوزه] هستی.
یک مصاحبهی تمرینی با من انجام بده: هر بار فقط یک سؤال بپرس، منتظر جواب من بمان و بعد از هر جواب یک بازخورد کوتاه بده (یک نقطهی قوت و یک پیشنهاد برای بهتر شدن). بعد از ۶ سؤال، جمعبندی کلی بده.
۵. یادگیری یک مفهوم جدید
میخواهم مفهوم «[مفهوم]» را یاد بگیرم. سطح فعلی من: [مبتدی/متوسط].
اول با یک مثال از زندگی روزمره توضیح بده، بعد تعریف دقیق را بگو و سپس ۳ سؤال کوتاه از من بپرس تا ببینی درست فهمیدهام. اگر جوابم غلط بود، با یک مثال دیگر دوباره توضیح بده.
اگر نمیخواهید از صفر بنویسید، در آرشیو دستهبندیشدهی پرامپتهای آماده بیش از هزار پرامپت متنی، تصویری و برنامهنویسی پیدا میکنید؛ از کپشن و ایمیل مارکتینگ تا نقشسازهایی مثل استاد نقشآفرینی.
سوالات متداول درباره آموزش پرامپت نویسی
آیا برای یادگیری پرامپت نویسی باید برنامهنویسی بلد باشم؟
نه. پرامپت نویسی بیشتر به نوشتن شفاف و فکر کردن ساختاریافته مربوط است تا کدنویسی. فقط در کاربردهای خاص، مثل گرفتن خروجی JSON یا اتصال مدل به یک نرمافزار، آشنایی فنی کمک میکند.
پرامپت را فارسی بنویسم یا انگلیسی؟
برای کارهای متنی، مدلهای جدید فارسی را خوب میفهمند و اگر خروجی فارسی میخواهید، پرامپت فارسی معمولاً نتیجهی طبیعیتری میدهد. در ابزارهای ساخت تصویر، پرامپت انگلیسی معمولاً هنوز دقیقتر اجرا میشود.
یک پرامپت خوب چقدر باید طولانی باشد؟
طول مهم نیست؛ کامل بودن مهم است. برای یک سؤال ساده یک خط کافی است و برای یک کار پیچیده ممکن است یک صفحه لازم باشد. هر جملهای را که اطلاعات تازهای به مدل نمیدهد حذف کنید.
آیا یک پرامپت در همهی مدلها جواب یکسانی میدهد؟
نه. هر مدل برداشت و سبک خودش را دارد و حتی یک مدل هم ممکن است برای یک پرامپت در دفعات مختلف جوابهای متفاوتی بدهد. فرمول ۶جزئی در همهی مدلها کار میکند، اما بهتر است پرامپتهای مهم را روی همان مدلی که استفاده میکنید تست کنید.
آموزش پرامپت نویسی رایگان را از کجا شروع کنم؟
همین مقاله نقطهی شروع است. بعد از آن، فرمول ۶جزئی را روی یکی از کارهای روزانهتان امتحان کنید و چند پرامپت آماده از کتابخانهی دکترپرامپت را باز کنید تا ببینید چطور ساخته شدهاند.
پرامپت نویسی و مهندسی پرامپت چه فرقی دارند؟
پرامپت نویسی یعنی نوشتن یک درخواست خوب. مهندسی پرامپت (Prompt Engineering) یک قدم جلوتر است: طراحی، تست و بهینهسازی سیستماتیک پرامپتها با تکنیکهایی مثل Few-Shot و Chain of Thought، برای ساختن پرامپتهایی که در مقیاس بزرگ یا داخل یک محصول هم قابل اتکا باشند.
جمعبندی: آموزش پرامپت نویسی را میشود در یک جمله خلاصه کرد: به هوش مصنوعی همان اطلاعاتی را بدهید که به یک همکار باهوش اما تازهوارد میدادید. فرمول ۶جزئی (Role، Context، Task، Format، Tone و Constraints) را روی کارهای روزانهتان تمرین کنید، خروجی را با بازخورد اصلاح کنید و پرامپتهای موفق را نگه دارید. بعد از چند هفته میبینید که نوشتن پرامپت خوب برایتان عادت شده است.
اگر میخواهید سریعتر پیش بروید و پرامپتهای حرفهای و تستشده را همیشه دم دست داشته باشید، دسترسی کامل به کتابخانه با اشتراک Dr.Pass متن پرامپتهای پولی را برایتان باز میکند و چت با Claude و Gemini را هم در اختیارتان میگذارد.
پرامپتهای مرتبط
مقالات مرتبط
مهندسی پرامپت
شخصیسازی پرامپت آماده؛ راهنمای گامبهگام برای گرفتن جواب حرفهای
پرامپت آماده فقط نقطه شروع است. در این راهنما یاد میگیرید با پنج لایه شخصیسازی، قالبهای عمومی را به پرامپتهایی تبدیل کنید که خروجی مخصوص کسبوکار شما میدهند.
۱۴۰۵/۸/۱۴
توسعه و برنامهنویسی
مدلهای هوش مصنوعی چینی ۲۰۲۶؛ Kimi K3، GLM-5.3، Wan3.0 و MiniMax H3
مرور تازهترین مدلهای هوش مصنوعی چینی بر اساس صفحات رسمی: Kimi K3 و K2.8 Preview، GLM-5.3، Wan3.0 و MiniMax H3؛ و اینکه برای کاربر ایرانی چه معنایی دارند.
۱۴۰۵/۸/۱۳
توسعه و برنامهنویسی
کلود اپوس ۵.۵؛ قویترین مدل Anthropic برای برنامهنویسی و پروژههای بزرگ
Anthropic در ۲۲ سپتامبر ۲۰۲۶ Claude Opus 5.5 را با عملکرد پیشرو در کدنویسی ایجنتی و ۴۰ درصد هزینه کمتر از Opus 5 معرفی کرد. راهنمای کامل برای برنامهنویسان.
۱۴۰۵/۸/۱۲
مهندسی پرامپت
ابزار هوش مصنوعی رایگان برای فارسیزبانها در ۲۰۲۶؛ چه چیزی واقعاً رایگان است؟
کدام ابزار هوش مصنوعی رایگان واقعاً به درد کار روزمره میخورد؟ راهنمای پلنهای رایگان ChatGPT، Claude و DeepSeek، مدلهای متنباز و ۷ ترفند برای استفاده بهتر.
۱۴۰۵/۸/۱۱