ساختار یک پرامپت حرفه‌ای: فرمول ۵ بخشی برای جواب بهتر از هوش مصنوعی

یاد بگیر چطور با یک فرمول ساده‌ی ۵ بخشی، هر درخواست معمولی را به یک پرامپت حرفه‌ای تبدیل کنی و از هوش مصنوعی جواب‌های دقیق‌تر و قابل‌استفاده‌تر بگیری.

چرا ساختار پرامپت از خودِ سؤال مهم‌تر است؟

تصور کنید دو نفر یک درخواست مشابه را به هوش مصنوعی می‌دهند. نفر اول می‌نویسد «یک متن برای اینستاگرام بنویس» و نفر دوم دقیقاً می‌گوید چه محصولی، برای چه مخاطبی، با چه لحنی و در چه طولی. جواب این دو زمین تا آسمان فرق می‌کند. مدل‌های زبانی مثل ChatGPT فوق‌العاده توانمندند، اما ذهن‌خوان نیستند؛ آن‌ها بر اساس همان چیزی که می‌نویسید حدس می‌زنند شما چه می‌خواهید. هرچه ورودی مبهم‌تر باشد، مدل مجبور است بیشتر حدس بزند و همین‌جاست که جواب‌های کلی و بی‌روح متولد می‌شوند.

به همین دلیل، مهارت اصلی در کار با هوش مصنوعی نوشتن سؤال‌های طولانی‌تر نیست، بلکه نوشتن سؤال‌های ساختارمند است. یک پرامپت خوب مثل یک بریف دقیق برای یک همکار حرفه‌ای عمل می‌کند: هرچه واضح‌تر و منظم‌تر باشد، خروجی بهتری می‌گیرید. اگر تازه با این حوزه آشنا شده‌اید، پیشنهاد می‌کنیم ابتدا نگاهی به راهنمای پرامپت‌نویسی برای مبتدی‌ها بیندازید تا با مفاهیم پایه راحت‌تر جلو بروید.

خبر خوب این است که ساختار یک پرامپت حرفه‌ای پیچیده نیست. تقریباً هر پرامپت قوی را می‌توان در پنج بخش خلاصه کرد. بیایید اول یک نمونه‌ی ضعیف را ببینیم و در ادامه همان را قدم‌به‌قدم حرفه‌ای کنیم:

درباره‌ی مدیریت زمان بنویس.

این پرامپت هیچ نقشی، مخاطبی، قالبی و محدودیتی ندارد؛ برای همین جوابش هم می‌تواند هر چیزی باشد. حالا سراغ فرمول ۵ بخشی می‌رویم.

بخش اول: نقش (به مدل بگو چه کسی باشد)

اولین و یکی از مؤثرترین بخش‌های هر پرامپت، تعیین «نقش» است. وقتی به مدل می‌گویید در جایگاه یک متخصص خاص قرار بگیرد، لحن، عمق و دایره‌ی واژگان جواب به‌طور محسوسی تغییر می‌کند. مدل ناخودآگاه از الگوهای همان تخصص استفاده می‌کند و جواب از حالت عمومی خارج می‌شود.

به این دو نمونه دقت کنید؛ اولی بدون نقش است و دومی با نقش. تفاوت خروجی معمولاً چشمگیر است:

چند نکته برای مذاکره بگو.

تو یک مربی حرفه‌ای مذاکره با ۱۵ سال تجربه در فروش سازمانی هستی. سه نکته‌ی کاربردی برای مذاکره‌ی قیمت با یک مشتری سرسخت بگو.

همان‌طور که می‌بینید، نقش‌دادن به مدل مثل انتخاب یک متخصص مناسب برای کار است. اگر می‌خواهید با تکنیک‌های بیشتری برای کار با ChatGPT آشنا شوید، مجموعه‌ی آموزش‌های ChatGPT نقطه‌ی خوبی برای ادامه است.

بخش دوم: زمینه (موضوع، مخاطب و هدف را روشن کن)

مدل هرچه درباره‌ی موقعیت شما بیشتر بداند، جواب دقیق‌تری می‌دهد. «زمینه» یعنی به مدل بگویید موضوع چیست، مخاطب کیست و هدف نهایی کدام است. بدون زمینه، مدل مجبور است یک جواب میانگین و همه‌پسند تولید کند که معمولاً برای هیچ‌کس کاملاً مناسب نیست.

فرض کنید می‌خواهید یک متن معرفی محصول بنویسید. این دو حالت را مقایسه کنید:

یک متن برای معرفی محصول بنویس.

می‌خواهم یک اپلیکیشن یادگیری زبان را به دانشجوهایی که بودجه‌ی کمی دارند معرفی کنم. هدفم این است که کاربر نسخه‌ی رایگان را نصب کند.

جمله‌ی دوم به مدل می‌گوید دقیقاً برای چه کسی و با چه هدفی می‌نویسد؛ در نتیجه لحن، مثال‌ها و پیشنهادها همه با موقعیت واقعی شما هماهنگ می‌شوند. زمینه همان چیزی است که یک جواب عمومی را به یک جواب شخصی‌سازی‌شده تبدیل می‌کند.

بخش سوم: وظیفه (دقیقاً چه کاری انجام شود)

«وظیفه» قلب پرامپت است؛ همان کاری که واقعاً می‌خواهید مدل انجام دهد. رایج‌ترین اشتباه اینجاست که وظیفه بیش از حد کلی نوشته می‌شود. به‌جای عبارت‌های مبهم مثل «کمکم کن»، از فعل‌های دقیق و روشن استفاده کنید: «فهرست کن»، «مقایسه کن»، «بازنویسی کن»، «خلاصه کن» یا «سه گزینه پیشنهاد بده».

هرچه فعل شما مشخص‌تر باشد، مدل بهتر می‌فهمد خروجی باید چه باشد. این دو نمونه را ببینید:

درباره‌ی ایمیل کاری کمکم کن.

سه نمونه ایمیل کوتاه برای پیگیری مؤدبانه‌ی یک فاکتور پرداخت‌نشده بنویس.

وظیفه‌ی دوم آن‌قدر روشن است که مدل دقیقاً می‌داند چه تعداد، چه نوع و با چه هدفی باید تولید کند. یک وظیفه‌ی دقیق، نیمی از راه رسیدن به جواب خوب است.

بخش چهارم: قالب خروجی (جواب چه شکلی باشد)

گاهی جواب مدل درست است اما شکلش به درد شما نمی‌خورد؛ مثلاً یک پاراگراف طولانی می‌گیرید در حالی که به یک فهرست کوتاه نیاز داشتید. با تعیین «قالب» این مشکل حل می‌شود. کافی است بگویید خروجی به شکل جدول، فهرست شماره‌دار، پاراگراف کوتاه یا حتی قالب یک ایمیل باشد.

تعیین قالب یکی از سریع‌ترین راه‌ها برای مرتب و قابل‌استفاده‌شدن جواب است. برای مثال می‌توانید بنویسید:

جواب را به شکل یک جدول با سه ستون «مزیت»، «توضیح» و «مثال» بده.

وقتی قالب مشخص باشد، مدل انرژی‌اش را صرف محتوا می‌کند نه حدس‌زدنِ شکل خروجی. این کار به‌خصوص وقتی می‌خواهید جواب را مستقیم در جایی کپی کنید یا به تیم‌تان تحویل دهید بسیار ارزشمند است.

بخش پنجم: محدودیت و لحن (چارچوب جواب را بساز)

آخرین بخش، تعیین «محدودیت‌ها» است: طول جواب، لحن نوشته و چیزهایی که نباید در جواب باشند. این بخش شاید کوچک به نظر برسد اما اغلب تفاوت بین یک جواب معمولی و یک جواب حرفه‌ای را می‌سازد. مثلاً می‌توانید بگویید «حداکثر ۱۰۰ کلمه»، «با لحن دوستانه و ساده» یا «بدون استفاده از اصطلاحات فنی».

محدودیت‌ها دست مدل را نمی‌بندند؛ برعکس، به آن کمک می‌کنند تمرکز کند و دقیقاً همان چیزی را بدهد که می‌خواهید. یک نمونه:

در حداکثر ۸۰ کلمه و با لحنی صمیمی توضیح بده، طوری که یک نوجوان هم راحت متوجه شود.

با اضافه‌کردن همین یک جمله، خروجی از یک متن خشک و طولانی به چیزی دقیقاً متناسب با نیاز شما تبدیل می‌شود.

یک پرامپت کامل: هر ۵ بخش کنار هم

حالا بیایید هر پنج بخش را در یک پرامپت واقعی ترکیب کنیم تا قدرت این فرمول را ببینید. به این نمونه دقت کنید که چطور نقش، زمینه، وظیفه، قالب و محدودیت به‌نرمی کنار هم نشسته‌اند:

تو یک مشاور تغذیه‌ی حرفه‌ای هستی. من یک کارمند پرمشغله‌ام که وقت زیادی برای آشپزی ندارم. یک برنامه‌ی صبحانه‌ی ۵ روزه بنویس. خروجی را به شکل جدول با ستون‌های «روز»، «غذا» و «کالری» بده. هر وعده باید زیر ۴۰۰ کالری باشد و مواد اولیه در فروشگاه‌های معمولی پیدا شوند.

این پرامپت دیگر جای حدس‌زدن برای مدل باقی نمی‌گذارد. همین درخواست اگر فقط «یک برنامه‌ی صبحانه بده» بود، احتمالاً یک متن کلی و بی‌فایده تحویل می‌گرفتید. ابزارهای هوش مصنوعی مثل محصولات شرکت OpenAI روزبه‌روز قوی‌تر می‌شوند، اما همچنان کیفیت جوابی که می‌گیرید تا حد زیادی به کیفیت پرامپت شما بستگی دارد.

یک عادت خوب این است که پرامپت‌های مهم خود را قبل از ارسال یک بار از فیلتر این پنج بخش رد کنید و ببینید کدام بخش را جا انداخته‌اید. برای دنبال‌کردن جدیدترین ابزارها و تکنیک‌ها هم می‌توانید سری به بخش اخبار هوش مصنوعی بزنید.

پرسش‌وپاسخ کوتاه (FAQ)

آیا باید همیشه هر پنج بخش را بنویسم؟

نه لزوماً. برای سؤال‌های ساده و روزمره، یک وظیفه‌ی روشن کافی است. اما هرچه کار مهم‌تر و پیچیده‌تر باشد، رعایت بخش‌های بیشتر جواب دقیق‌تری می‌دهد. این فرمول یک چارچوب است، نه یک قانون سخت‌گیرانه.

ترتیب بخش‌های پرامپت مهم است؟

ترتیب رایج و منطقی همان نقش، زمینه، وظیفه، قالب و محدودیت است، اما اجباری نیست. مهم‌تر از ترتیب، حضور خودِ این اطلاعات در پرامپت است؛ مدل معمولاً می‌تواند بخش‌ها را در هر ترتیبی درک کند.

آیا این ساختار برای زبان فارسی هم کار می‌کند؟

بله. این فرمول به زبان وابسته نیست و برای پرامپت‌های فارسی هم به‌خوبی جواب می‌دهد. فقط توجه کنید که هرچه درخواست فارسی شما شفاف‌تر و بدون ابهام باشد، خروجی بهتری می‌گیرید.