پرامپت مخاطب‌محور؛ به هوش مصنوعی بگو جواب را برای چه کسی می‌نویسی

بیشترِ ما وقتی از هوش مصنوعی جواب مبهم یا بی‌فایده می‌گیریم، تقصیر را گردن مدل می‌اندازیم؛ حال آنکه اغلب یک چیز ساده جا افتاده است: به مدل نگفته‌ایم این جواب قرار است به درد چه کسی بخورد. همان توضیحِ «مالیات بر ارزش افزوده» که برای یک حسابدار عالی است، برای مادربزرگِ تازه‌واردِ به دنیای فروش اینترنتی تقریباً بی‌مصرف است. تکنیکی که این شکاف را پر می‌کند، «پرامپت مخاطب‌محور» نام دارد: به‌جای آنکه فقط بگویی چه می‌خواهی، صریح بگویی جواب برای چه کسی نوشته می‌شود.

در این درس یاد می‌گیری چطور با مشخص‌کردنِ دقیقِ مخاطب، کیفیت، لحن و عمقِ جواب را کنترل کنی؛ چرا این کار با «نقش‌دهی» فرق دارد؛ و یک قالب آماده می‌گیری که همین امروز بتوانی روی کارهای واقعی‌ات امتحان کنی.

مخاطب‌محوری در پرامپت یعنی چه؟

مخاطب‌محوری یعنی در پرامپت، «خوانندهٔ نهاییِ جواب» را روشن تعریف کنی تا مدل واژگان، میزان جزئیات، مثال‌ها، طول و لحن را متناسب با همان خواننده تنظیم کند. مدل‌های زبانی هنگام تولید پاسخ مدام حدس می‌زنند که تو چه سطحی از دانش داری و چه انتظاری از جواب داری؛ وقتی این حدس را به‌جای مدل خودت تعیین کنی، جواب از حالت «میانگینِ همه‌پسند» بیرون می‌آید و دقیقاً به اندازهٔ نیاز یک نفرِ مشخص کوک می‌شود.

ساده‌ترین شکلش همان جملهٔ آشنای «طوری توضیح بده که انگار با یک بچهٔ ده‌ساله حرف می‌زنی» است؛ اما این تکنیک خیلی فراتر می‌رود. می‌توانی بگویی جواب برای یک مدیرمالیِ کم‌حوصله است، یا یک توسعه‌دهندهٔ تازه‌کار، یا یک سرمایه‌گذارِ بدبین که دنبال نقطه‌ضعف می‌گردد. هر کدام از این‌ها جوابِ کاملاً متفاوتی می‌طلبد، حتی اگر سؤال یکی باشد.

تفاوت کلیدی نقش‌دهی و مخاطب‌محوری

این دو تکنیک مدام با هم اشتباه گرفته می‌شوند، ولی به دو سؤال متفاوت جواب می‌دهند. نقش‌دهی می‌گوید مدل «چه کسی باشد» و مخاطب‌محوری می‌گوید جواب «برای چه کسی نوشته شود». قوی‌ترین پرامپت‌ها معمولاً هر دو را کنار هم دارند: «تو یک پزشک متخصصی (نقش) و داری برای یک بیمارِ نگران و بی‌اطلاع از پزشکی توضیح می‌دهی (مخاطب).»

ویژگی	نقش‌دهی	مخاطب‌محوری
سؤال اصلی	مدل چه کسی باشد؟	جواب برای چه کسی است؟
اثر روی جواب	دانش و زاویهٔ دید پاسخ‌دهنده	واژگان، عمق و لحنِ متناسب با خواننده
نمونه	«تو یک وکیل باتجربه‌ای.»	«برای کسی بنویس که هیچ سابقهٔ حقوقی ندارد.»
بهترین حالت	تعیین تخصص و منبعِ پاسخ	تنظیم سطح و قابل‌فهم‌کردن پاسخ

خلاصه اینکه نقش‌دهی سمتِ تولیدکنندهٔ محتوا را تنظیم می‌کند و مخاطب‌محوری سمتِ مصرف‌کننده را. وقتی هر دو را داشته باشی، مدل هم می‌داند از کجا حرف بزند و هم برای چه کسی.

چرا تعیین مخاطب کیفیت جواب را بالا می‌برد

وقتی مخاطب را مشخص نمی‌کنی، مدل مجبور است برای یک «خوانندهٔ فرضیِ متوسط» بنویسد؛ نتیجه معمولاً جوابی است که نه برای مبتدی به‌قدر کافی ساده است و نه برای متخصص به‌قدر کافی عمیق. تعیین مخاطب سه چیز را هم‌زمان درست می‌کند: سطحِ واژگان (اصطلاح تخصصی یا زبان روزمره)، عمقِ توضیح (تعریف پایه یا جزئیات پیشرفته)، و انتخابِ مثال‌ها (مثالی که برای آن مخاطب آشناست).

یک فایدهٔ کمترشناخته‌شده هم دارد: تعیین مخاطب به‌طور غیرمستقیم طول و ساختار جواب را هم تنظیم می‌کند. «برای یک مدیرعاملِ پرمشغله» معمولاً یعنی خلاصه و تیتروار؛ «برای یک دانشجو که دارد یاد می‌گیرد» یعنی گام‌به‌گام و با مثال. اگر می‌خواهی این کنترل را دقیق‌تر کنی، می‌توانی آن را با کنترل طول پاسخ ترکیب کنی.

چهار مؤلفهٔ یک مخاطبِ دقیق

گفتنِ «برای یک مبتدی بنویس» بهتر از هیچ است، اما مبهم. یک مخاطبِ خوب‌ساخته چهار مؤلفه دارد که هر چه بیشترشان را بدهی، جواب دقیق‌تر می‌شود:

• کیستی: این خواننده دقیقاً کیست؟ «یک صاحبِ کسب‌وکار کوچک»، «یک دانش‌آموز دبیرستانی»، «یک مدیر فنی».
• دانش قبلی: چقدر دربارهٔ موضوع می‌داند؟ «هیچ‌چیز از برنامه‌نویسی نمی‌داند» یا «با مفاهیم پایه آشناست ولی تجربهٔ عملی ندارد».
• هدف: با این جواب می‌خواهد چه کند؟ «می‌خواهد تصمیم بگیرد بخرد یا نه»، «می‌خواهد به تیمش آموزش بدهد».
• بافت و رسانه: جواب کجا خوانده می‌شود؟ یک ایمیل، یک اسلاید، یک پیام کوتاه، یا یک گزارش رسمی.

هر چهار مؤلفه را که کنار هم بگذاری، مدل تقریباً هیچ چیزی را به حدس واگذار نمی‌کند. همین‌جا است که مخاطب‌محوری به پرامپت سیستمی در برابر پرامپت کاربر هم گره می‌خورد: اگر همیشه برای یک مخاطب ثابت می‌نویسی، آن تعریف را در پیام سیستمی بگذار تا در هر گفتگو تکرار نشود.

قالب آمادهٔ پرامپت مخاطب‌محور

این قالب را کپی کن و جاهای خالی را پر کن:

موضوع: [چیزی که می‌خواهی توضیح داده یا نوشته شود]

مخاطب این جواب:
- کیستی: [مثلاً یک صاحب فروشگاه اینترنتی تازه‌کار]
- دانش قبلی: [مثلاً هیچ تجربه‌ای در تبلیغات ندارد]
- هدف: [مثلاً می‌خواهد اولین کمپین تبلیغاتی‌اش را راه بیندازد]
- بافت: [مثلاً این متن را روی موبایل می‌خواند]

بر اساس این مخاطب، واژگان، عمق و مثال‌ها را تنظیم کن.
هر جا اصطلاح تخصصی آوردی، یک بار ساده توضیحش بده.

نکتهٔ مهم: جملهٔ آخر قالب («هر جا اصطلاح تخصصی آوردی…») یک محافظ است. بدون آن، گاهی مدل مخاطب را درست می‌فهمد ولی باز هم ناخودآگاه اصطلاح تخصصی به کار می‌برد. این جمله مدل را وادار می‌کند خودش را بازبینی کند.

نمونهٔ عملی؛ یک موضوع برای سه مخاطب

قدرت واقعی این تکنیک وقتی دیده می‌شود که یک موضوع ثابت را برای چند مخاطب بنویسی. موضوع: «محاسبات ابری چیست؟»

• برای یک کودک ده‌ساله: «فکر کن به‌جای اینکه همهٔ اسباب‌بازی‌هایت را توی اتاق خودت نگه داری، یک انباریِ بزرگ و مشترک هست که هر وقت بخواهی اسباب‌بازی‌ات را از آنجا برمی‌داری. محاسبات ابری یعنی کامپیوترت فایل‌ها را به‌جای خودش، در یک انباریِ بزرگ روی اینترنت نگه می‌دارد.»
• برای یک صاحب کسب‌وکار: «محاسبات ابری یعنی به‌جای خریدِ سرور و نگهداریِ گران‌قیمتش، فضا و قدرت پردازش را ماهانه از شرکت‌هایی مثل ارائه‌دهنده‌های ابری اجاره می‌کنی؛ هزینهٔ اولیه کم می‌شود و فقط بابت چیزی که مصرف می‌کنی پول می‌دهی.»
• برای یک توسعه‌دهندهٔ فنی: «محاسبات ابری یعنی تحویلِ منابع محاسباتی به‌صورت سرویس و درخواستی، با مدل‌های IaaS، PaaS و SaaS، مقیاس‌پذیری افقی خودکار و پرداخت به‌ازای مصرف.»

هر سه جواب درست‌اند؛ ولی فقط یکی‌شان برای هر خواننده مناسب است. همین است تفاوتِ یک جوابِ «درست» با یک جوابِ «به‌درد‌بخور».

اشتباه‌های رایج در تعیین مخاطب

• مخاطب بیش از حد کلی: «برای عموم مردم» تقریباً هیچ راهنمایی‌ای به مدل نمی‌دهد. هر چه مخاطب مشخص‌تر، جواب تیزتر.
• تناقض میان نقش و مخاطب: اگر از مدل بخواهی «خیلی تخصصی» بنویسد ولی مخاطب را «مبتدی» تعریف کنی، جواب دودل و بی‌هویت می‌شود. این دو باید هم‌راستا باشند.
• فراموش‌کردنِ هدفِ مخاطب: دو نفر با دانشِ یکسان ولی هدفِ متفاوت، به دو جوابِ متفاوت نیاز دارند؛ یکی برای تصمیم‌گیری، دیگری برای آموزش به دیگران.
• تعریف مخاطب فقط در پایان پرامپت: بهتر است مخاطب را اول یا در بخش جداگانه بیاوری تا مدل از ابتدا با آن ذهنیت شروع کند.

ترکیب مخاطب‌محوری با تکنیک‌های دیگر

مخاطب‌محوری تنها نمی‌ماند؛ در ترکیب با بقیهٔ تکنیک‌ها بهترین نتیجه را می‌دهد. با پرامپت محرک جهت‌دهنده می‌توانی علاوه بر مخاطب، چند نکتهٔ کلیدی را هم به مدل بدهی تا حتماً پوشش داده شوند. اگر هدفِ مخاطب «یادگیری» است، ترکیب آن با الگوی معلم خصوصی هوش مصنوعی باعث می‌شود جواب نه‌فقط ساده، بلکه آموزنده و همراه با تمرین باشد. و وقتی برای یک مخاطب ثابت و تکرارشونده می‌نویسی، تعریفِ مخاطب را در پیام سیستمی نگه دار تا هر بار از نو ننویسی.

پرسش‌های پرتکرار

آیا مخاطب‌محوری همان «ساده‌نویسی» است؟

نه. ساده‌نویسی فقط یک حالتِ آن است (وقتی مخاطب مبتدی باشد). مخاطب‌محوری می‌تواند جواب را تخصصی‌تر و فنی‌تر هم بکند، مثلاً وقتی خواننده یک متخصص باشد.

چند مخاطب را می‌توانم هم‌زمان بدهم؟

می‌توانی از مدل بخواهی یک محتوا را برای چند مخاطب جداگانه بنویسد (مثل نمونهٔ بالا)، اما تعریفِ «یک جواب برای چند مخاطبِ متناقض» معمولاً نتیجه را ضعیف می‌کند. برای هر مخاطب یک نسخهٔ مجزا بگیر.

اگر خودم مخاطب را نمی‌شناسم چه کنم؟

می‌توانی از مدل بخواهی اول چند سؤال از تو بپرسد تا مخاطب را با هم بسازید، یا دو سه مخاطبِ محتمل را توصیف کنی و بگویی برای هر کدام یک نسخه بنویسد تا نزدیک‌ترین را انتخاب کنی.

چرا گاهی مدل مخاطب را نادیده می‌گیرد؟

معمولاً چون تعریفِ مخاطب کوتاه یا مبهم بوده، یا وسطِ یک پرامپت طولانی گم شده است. مخاطب را واضح، در بخشِ جداگانه و نزدیک به ابتدای پرامپت بیاور و در پایان یک یادآوری کوتاه بگذار.

جمع‌بندی

مخاطب‌محوری یکی از کم‌هزینه‌ترین و پربازده‌ترین تغییرهایی است که می‌توانی در پرامپت‌نویسی‌ات بدهی: فقط کافی است قبل از هر درخواست از خودت بپرسی «این جواب قرار است به درد چه کسی بخورد؟» و همان را به مدل بگویی. چهار مؤلفهٔ کیستی، دانش قبلی، هدف و بافت را به یاد بسپار، نقش‌دهی و مخاطب‌محوری را با هم به کار ببر، و هر محتوا را برای مخاطبِ واقعی‌اش کوک کن.

این درس بخشی از مجموعهٔ آموزش پرامپت‌نویسی Mr ChatGPT است. برای دیدن ترتیبِ کامل درس‌ها و تکنیک‌های دیگر، به صفحهٔ سری آموزش پرامپت‌نویسی سر بزن.

نسخهٔ فوری این مطلب در تلگرام: اینجا بخوانید