آناتومی یک پرامپت حرفه‌ای: قالب ۶ جزئی برای گرفتن جواب دقیق از هوش مصنوعی

چکیده. بیشتر جواب‌های ناقص و کلی هوش مصنوعی نتیجه‌ی پرامپت مبهم است، نه ضعف مدل. در این آموزش یک قالب شش‌جزئی یاد می‌گیرید — نقش، وظیفه، زمینه، قالب خروجی، محدودیت و مثال — که با آن می‌توانید هر درخواستی را حرفه‌ای بنویسید و رفت‌وبرگشت‌های خسته‌کننده را حذف کنید. هر جزء با یک مثال واقعی و توضیح «چرا کار می‌کند» همراه است و در پایان یک قالب آماده برای کپی‌کردن دارید.

۱) چرا ساختار پرامپت همه‌چیز را عوض می‌کند

وقتی به هوش مصنوعی می‌گویید «یک ایمیل بنویس»، مدل مجبور است ده‌ها تصمیم را به‌جای شما بگیرد: ایمیل به چه کسی؟ با چه لحنی؟ چند خط؟ درباره‌ی چه موضوعی؟ نتیجه معمولاً یک متن کلی و بی‌روح است که باید بارها اصلاحش کنید. مشکل اینجا مدل نیست؛ شما اطلاعات کافی نداده‌اید. کاربر حرفه‌ای به‌جای یک جمله‌ی مبهم، از یک ساختار مشخص استفاده می‌کند تا مدل دیگر حدس نزند.

مثال: به‌جای «یک ایمیل بنویس»، بنویسید: «یک ایمیل کوتاه و مؤدبانه به مدیر فروش بنویس و جلسه‌ی هفته‌ی گذشته را به یک قرار بعدی در روز سه‌شنبه پیگیری کن؛ حداکثر پنج جمله و با لحن رسمی اما گرم.»

چرا کار می‌کند: در نسخه‌ی دوم، مخاطب، هدف، طول و لحن مشخص است. هرچه تصمیم‌های کمتری را به عهده‌ی مدل بگذارید، جواب به تصویر ذهنی شما نزدیک‌تر می‌شود. اگر تازه شروع کرده‌اید، پیشنهاد می‌کنیم ابتدا راهنمای پرامپت‌نویسی برای مبتدی‌ها و مجموعه‌ی آموزش‌های ChatGPT را ببینید تا پایه‌ی کارتان محکم شود.

۲) جزء اول: نقش را مشخص کن (Role)

اولین جزء، تعیین «نقش» است؛ یعنی به مدل می‌گویید از زاویه‌ی چه کسی جواب بدهد. وقتی نقش می‌دهید، مدل واژگان، عمق و لحن مناسب همان تخصص را فعال می‌کند. فرق است بین جوابی که یک آدم معمولی می‌دهد و جوابی که یک متخصص باتجربه ارائه می‌کند.

مثال: «تو یک متخصص تغذیه با ده سال تجربه هستی. برای یک فرد کم‌تحرک که تازه ورزش را شروع کرده، یک برنامه‌ی غذایی ساده‌ی یک‌روزه پیشنهاد بده.»

چرا کار می‌کند: جمله‌ی «تو یک متخصص تغذیه هستی» به مدل قاب می‌دهد تا از میان میلیون‌ها حالت ممکن، سراغ سبک و دانش یک متخصص برود. نقش‌دادن ساده‌ترین راه برای بالابردن کیفیت جواب است؛ اگر می‌خواهید عمیق‌تر روی این تکنیک کار کنید، بدانید که نقش‌دادن یکی از پرکاربردترین ترفندهای کاربران حرفه‌ای ابزارهای OpenAI مثل ChatGPT است.

۳) جزء دوم: وظیفه‌ی دقیق را بنویس (Task)

«وظیفه» قلب پرامپت است: دقیقاً چه کاری باید انجام شود. بزرگ‌ترین اشتباه کاربران تازه‌کار، مبهم‌گذاشتن وظیفه است. فعل روشن به کار ببرید — فهرست کن، مقایسه کن، خلاصه کن، بازنویسی کن — و بگویید خروجی چند مورد یا چند بخش باشد.

مثال: به‌جای «درباره‌ی ورزش بنویس»، بنویسید: «پنج تمرین خانگی برای شروع‌کننده‌ها را فهرست کن و برای هر حرکت، در یک جمله توضیح بده که چطور انجام می‌شود.»

چرا کار می‌کند: فعل «فهرست کن» و عدد «پنج» به مدل ساختار می‌دهند و جلوی پرگویی را می‌گیرند. وقتی وظیفه قابل‌اندازه‌گیری باشد، جواب هم منظم و قابل‌استفاده می‌شود. هوش مصنوعی در انجام کارهای مشخص عالی است؛ درباره‌ی مرز توانایی‌ها و توان و محدودیت‌های واقعی هوش مصنوعی هم خوب است بدانید تا انتظار درستی داشته باشید.

۴) جزء سوم: زمینه و اطلاعات پس‌زمینه (Context)

«زمینه» همان چیزی است که جواب را از حالت کلی به حالت شخصی‌سازی‌شده می‌برد. هر اطلاعاتی که به موقعیت شما ربط دارد — مخاطب، هدف، محدودیت‌های واقعی، یا حتی متنی که باید رویش کار شود — بخشی از زمینه است. مدل ذهن شما را نمی‌خواند؛ پس هرچه بیشتر بداند، بهتر جواب می‌دهد.

مثال: «این پاراگراف را برای مدیرعاملی که فقط سی ثانیه وقت دارد به سه جمله خلاصه کن و فقط بر تصمیم‌هایی که باید بگیرد تمرکز کن: [متن خود را اینجا بگذارید].»

چرا کار می‌کند: «مدیرعامل با سی ثانیه وقت» به مدل می‌گوید چه چیزی مهم است و چه چیزی را حذف کند. زمینه‌ی خوب یعنی مدل به‌جای یک جواب عمومی، جوابی می‌دهد که دقیقاً به کار شما می‌آید — همان چیزی که اهمیت هوش مصنوعی در کسب‌وکار را برای بسیاری از تیم‌ها ملموس کرده است.

۵) جزء چهارم: قالب خروجی را تعیین کن (Format)

حتی وقتی محتوای جواب درست است، اگر شکلش مناسب نباشد باز هم باید وقت بگذارید و مرتبش کنید. با تعیین «قالب خروجی» از همان اول می‌گویید جواب به چه شکلی باشد: فهرست، جدول، پاراگراف، گام‌به‌گام، یا حتی خروجی ساخت‌یافته برای استفاده در برنامه.

مثال: «سه ایده‌ی محتوا بده و خروجی را در قالب جدول با ستون‌های «عنوان»، «خلاصه‌ی یک‌خطی» و «مخاطب هدف» ارائه کن.»

چرا کار می‌کند: جدول، مدل را وادار می‌کند برای هر ایده دقیقاً همان سه اطلاعات را تولید کند؛ نه کمتر، نه پراکنده. تعیین قالب، جواب را از یک متن خام به یک خروجی آماده‌ی استفاده تبدیل می‌کند و زمان ویرایش شما را نزدیک به صفر می‌رساند.

۶) جزء پنجم: محدودیت‌ها و مرزها (Constraints)

«محدودیت‌ها» به مدل می‌گویند چه چیزی نباید باشد و مرزهای جواب کجاست: طول، لحن، سطح زبان، کلماتی که باید یا نباید استفاده شوند. محدودیت‌ها به‌اندازه‌ی خودِ وظیفه مهم‌اند، چون جلوی خروجی طولانی و بی‌هدف را می‌گیرند.

مثال: «این توضیح فنی را برای یک نوجوان بازنویسی کن؛ حداکثر صد کلمه، بدون اصطلاح تخصصی، و با یک مثال از زندگی روزمره.»

چرا کار می‌کند: «حداکثر صد کلمه» و «بدون اصطلاح تخصصی» دو مرز روشن‌اند که مدل را مجبور می‌کنند ساده و کوتاه بنویسد. محدودیت‌گذاری هوشمندانه تفاوت میان یک کاربر معمولی و یک حرفه‌ای است؛ همان تفاوتی که در بحث توهم هوش مصنوعی؛ توسعه‌دهنده‌ی تنها در برابر مهندس واقعی هم دیده می‌شود: ابزار قوی در دست کسی که مرزها را بلد است، نتیجه‌ی متفاوتی می‌دهد.

۷) جزء ششم: یک مثال بده (Example / Few-shot)

گاهی توضیح‌دادن سبک دلخواه سخت است، اما نشان‌دادنش آسان. با آوردن یک «مثال» از ورودی و خروجی دلخواه، مدل الگو را می‌گیرد و همان را تکرار می‌کند. این تکنیک که به آن few-shot می‌گویند، یکی از قوی‌ترین راه‌ها برای کنترل سبک خروجی است.

مثال: «عنوان‌ها را به سبک زیر بنویس. نمونه — ورودی: قهوه‌ی سرد؛ خروجی: «تابستان را جرعه‌جرعه بنوش». حالا برای «چای ماسالا» یک عنوان به همین سبک بساز.»

چرا کار می‌کند: مدل از روی نمونه، لحن شاعرانه و کوتاه را تشخیص می‌دهد و تقلید می‌کند. یک مثال خوب، از ده جمله توضیح مؤثرتر است. حتی می‌توانید همین مثال را به چند مدل مختلف بدهید و جواب‌ها را مقایسه کنید؛ چیزی شبیه آزمایشی که در مقایسه‌ی ChatGPT و DeepSeek انجام شد.

۸) قالب کامل: شش جزء کنار هم

حالا ببینیم وقتی هر شش جزء را کنار هم بگذاریم، یک پرامپت حرفه‌ای چه شکلی می‌شود. لازم نیست همیشه هر شش جزء را بنویسید، اما این ترتیب یک نقشه‌ی مطمئن است.

مثال: «تو یک مشاور بازاریابی هستی (نقش). برای یک کافه‌ی محلی سه ایده‌ی پست اینستاگرام بده (وظیفه). کافه در محله‌ای دانشجویی است و قهوه‌ی دست‌ساز می‌فروشد (زمینه). خروجی را در قالب جدول با ستون‌های «ایده»، «متن کوتاه» و «پیشنهاد تصویر» بده (قالب). هر متن حداکثر دو جمله و با لحن دوستانه باشد (محدودیت). نمونه‌ی لحن دلخواه: صبح‌ت را با یک فنجان عشق شروع کن (مثال).»

قالب آماده برای کپی: «تو یک [نقش] هستی. [وظیفه‌ی دقیق] را انجام بده. زمینه: [اطلاعات مهم درباره‌ی موقعیت]. خروجی را در قالب [شکل خروجی] بده. محدودیت‌ها: [طول، لحن، بایدها و نبایدها]. نمونه‌ی دلخواه: [یک مثال].» کافی است جای پرانتزها را پر کنید تا در چند ثانیه یک پرامپت حرفه‌ای داشته باشید.

۹) پنج اشتباه رایج که جواب را خراب می‌کند

حتی با دانستن قالب، چند اشتباه کوچک می‌تواند نتیجه را ضعیف کند. اول، مبهم‌نوشتن وظیفه («کمکم کن» به‌جای یک درخواست مشخص). دوم، نگفتنِ قالب خروجی و بعد ناراحت‌شدن از شکل جواب. سوم، پرسیدن چند کار نامرتبط در یک پرامپت که تمرکز مدل را می‌شکند.

چهارم، ندادن زمینه و انتظار داشتن که مدل ذهن شما را بخواند. پنجم، تسلیم‌شدن بعد از اولین جواب؛ درحالی‌که اصلاح کوتاه مثل «همین را کوتاه‌تر و رسمی‌تر کن» اغلب جواب را عالی می‌کند.

مثال: به‌جای پرامپت مبهمِ «متن من را بهتر کن»، بنویسید: «این پاراگراف را روان‌تر و رسمی‌تر کن، طولش را تقریباً ثابت نگه دار و فقط یک نسخه‌ی نهایی بده: [متن خود را اینجا بگذارید].»

چرا مهم است: پرامپت‌نویسی یک مهارت رفت‌وبرگشتی است، نه یک طلسم جادویی. هر بار که یک جواب ضعیف گرفتید، به‌جای عوض‌کردن مدل، یکی از این شش جزء را اضافه یا شفاف‌تر کنید. برای دنبال‌کردن جدیدترین تکنیک‌ها و ابزارها هم می‌توانید بخش اخبار هوش مصنوعی را مرتب مرور کنید.

پرسش‌وپاسخ کوتاه (FAQ)

آیا باید همیشه هر شش جزء را بنویسم؟ نه. برای کارهای ساده گاهی نقش و وظیفه کافی است. اما هرچه کار مهم‌تر و دقیق‌تر باشد، اضافه‌کردن زمینه، قالب، محدودیت و مثال جواب را بهتر می‌کند. این شش جزء یک نقشه‌اند، نه یک اجبار.

ترتیب جزءها مهم است؟ ترتیب پیشنهادی (نقش، وظیفه، زمینه، قالب، محدودیت، مثال) خواندن پرامپت را برای شما و مدل ساده‌تر می‌کند، اما قانون سفت‌وسخت نیست. مهم‌تر از ترتیب، حاضربودن اطلاعات است.

این قالب فقط برای ChatGPT است؟ خیر. همین ساختار روی همه‌ی دستیارهای هوش مصنوعی مثل Gemini، Claude و بقیه جواب می‌دهد، چون همه‌ی آن‌ها به ورودی روشن و بدون ابهام بهتر پاسخ می‌دهند.

چطور در نوشتن پرامپت سریع‌تر شوم؟ قالب آماده‌ی این مقاله را ذخیره کنید و چند روز روی کارهای واقعی خودتان تمرینش کنید؛ از نوشتن ایمیل تا خلاصه‌کردن متن. بعد از چند بار، این ساختار به عادت ذهنی شما تبدیل می‌شود.