نقش‌دهی به هوش مصنوعی: چطور با یک جمله جواب‌های تخصصی بگیریم؟

اگر جواب‌هایی که از هوش مصنوعی می‌گیری کلی، سطحی یا بی‌روح به‌نظر می‌رسند، مشکل معمولاً از مدل نیست؛ از نبودِ «نقش» در پرامپت است. نقش‌دهی یا Role Prompting ساده‌ترین و در عین حال یکی از قدرتمندترین تکنیک‌هایی است که کیفیت خروجی را تقریباً با یک جمله متحول می‌کند و بهترین نقطهٔ شروع برای هر کسی است که می‌خواهد جدی‌تر با ابزارهایی مثل ChatGPT کار کند.

۱) نقش‌دهی چیست و چرا این‌قدر مؤثر است؟

نقش‌دهی یعنی پیش از آنکه درخواست اصلی‌ات را مطرح کنی، به مدل بگویی «چه کسی» باشد: یک ویراستار، یک وکیل، یک معلم، یک مشاور بازاریابی یا هر تخصص دیگری که به کارت می‌آید. این کار به‌ظاهر ساده، جهتِ کل جواب را عوض می‌کند. مدل به‌جای اینکه یک پاسخ عمومی و میانگین از همهٔ چیزهایی که «می‌داند» بدهد، پاسخ را از زاویهٔ دید همان نقش، با همان دایرهٔ واژگان و همان سطح دقت تنظیم می‌کند.

دلیل کار کردن این تکنیک به شیوهٔ آموزش مدل‌های زبانی برمی‌گردد. این مدل‌ها روی حجم عظیمی از متن — از مقالهٔ علمی تا گفتگوی روزمره — آموزش دیده‌اند. وقتی نقش را مشخص می‌کنی، در واقع به مدل می‌گویی از کدام بخش از این دانش و با چه لحنی استفاده کند. تفاوت بین «دربارهٔ تغذیه توضیح بده» و «تو یک متخصص تغذیهٔ ورزشی هستی؛ برای یک مبتدی برنامهٔ صبحانه بده» دقیقاً همین‌جاست: دومی، مدل را به سمت یک خروجی متمرکز و کاربردی هدایت می‌کند.

مثال: «تو یک متخصص تغذیهٔ ورزشی هستی. برای فردی که تازه ورزش را شروع کرده و صبح‌ها وقت کمی دارد، یک برنامهٔ سادهٔ صبحانه برای پنج روز هفته پیشنهاد بده و برای هر روز، در یک خط، دلیل انتخابت را بگو.»

اگر تازه با پرامپت‌نویسی آشنا شده‌ای، پیشنهاد می‌کنیم پیش از ادامه، نگاهی به راهنمای پرامپت‌نویسی برای مبتدی‌ها و مجموعهٔ آموزش‌های ChatGPT بیندازی تا مفاهیم پایه دستت بیاید.

۲) آناتومی یک پرامپت نقش‌محور

یک پرامپت نقش‌محورِ خوب معمولاً از چهار جزء ساخته می‌شود و هرچه این چهار جزء روشن‌تر باشند، جواب بهتر است. جزء اول «نقش» است: چه کسی جواب می‌دهد. جزء دوم «وظیفه» است: دقیقاً چه کاری باید انجام شود. جزء سوم «مخاطب» است: این جواب قرار است برای چه کسی و در چه سطحی باشد. و جزء چهارم «قالب خروجی» است: جواب به چه شکلی ارائه شود — فهرست، جدول، پاراگراف کوتاه یا گام‌به‌گام.

وقتی این چهار جزء را کنار هم می‌گذاری، ابهام از بین می‌رود و مدل دیگر مجبور نیست حدس بزند. همین حذفِ حدس‌زدن است که جواب را از «حرف‌های کلی» به «توصیهٔ قابل‌اجرا» تبدیل می‌کند. نکتهٔ مهم این است که لازم نیست پرامپت طولانی باشد؛ کافی است هر چهار جزء، حتی در یک جملهٔ فشرده، حاضر باشند.

مثال: «تو یک مشاور کسب‌وکار با ۱۰ سال تجربه در استارتاپ‌های کوچک هستی (نقش). برای یک فروشگاه اینترنتی نوپا در حوزهٔ پوشاک، سه راهکار عملی برای افزایش فروش پیشنهاد بده (وظیفه). مخاطب یک کارآفرین بی‌تجربه است (مخاطب)؛ جواب را به‌صورت فهرست کوتاه و با زبان ساده بنویس (قالب).»

۳) گام‌به‌گام: اولین پرامپت نقش‌دار را بساز

برای ساختن اولین پرامپت نقش‌دار، از یک الگوی ذهنی ساده استفاده کن. گام اول: نقش را در همان ابتدای جمله بیاور، مثل «تو یک … هستی». گام دوم: بلافاصله وظیفه را روشن کن؛ از فعل‌های دقیق مثل «بنویس»، «خلاصه کن»، «مقایسه کن» یا «نقد کن» استفاده کن نه فعل‌های مبهم. گام سوم: در صورت نیاز مخاطب و سطح را اضافه کن. گام چهارم: قالب خروجی را در انتها مشخص کن.

یک ترفند طلایی هم این است که بعد از نوشتن پرامپت، به مدل اجازهٔ سؤال بدهی. جمله‌ای مثل «اگر برای انجام دقیق این کار اطلاعات بیشتری لازم داری، اول از من بپرس» باعث می‌شود مدل به‌جای حدس‌زدن، ابهام‌ها را با تو روشن کند. این کار مخصوصاً وقتی درخواستت پیچیده است، کیفیت جواب را به‌شکل محسوسی بالا می‌برد.

مثال: «تو یک مربی تولید محتوای اینستاگرام هستی. می‌خواهم برای یک صفحهٔ آموزش آشپزی، ایدهٔ محتوایی هفتگی بگیرم. اگر برای پیشنهاد دقیق‌تر به اطلاعاتی مثل مخاطب هدف یا سبک آشپزی نیاز داری، اول همان‌ها را از من بپرس، بعد ۷ ایده بده.»

۴) نقش را دقیق و تخصصی کن

دقتِ نقش، مستقیماً کیفیت جواب را تعیین می‌کند. «وکیل» یک نقش خیلی کلی است؛ اما «وکیل متخصص قراردادهای تجاری با تجربه در کسب‌وکارهای ایرانی» جوابی هدفمندتر و مرتبط‌تر می‌دهد. هرچه سطح تجربه، حوزهٔ کاری و سبکِ نقش را روشن‌تر کنی، مدل با اطمینان بیشتری وارد جزئیات می‌شود و کمتر به کلی‌گویی پناه می‌برد.

برای تخصصی‌کردن نقش، به سه چیز فکر کن: سطح تجربه (مبتدی، حرفه‌ای، ۱۵ سال سابقه)، حوزهٔ تمرکز (به‌جای «پزشک» بگو «متخصص تغذیه»)، و سبک کار (محافظه‌کار، خلاق، داده‌محور). این ریزه‌کاری‌ها همان چیزی است که خروجی یک کاربر حرفه‌ای را از یک کاربر معمولی جدا می‌کند. البته یادت باشد که نقش تخصصی جای دانش تخصصیِ خودت را نمی‌گیرد؛ برای درک بهتر اینکه هوش مصنوعی کجا قوی و کجا محدود است، خواندن مطلب توانمندی‌ها و محدودیت‌های واقعی هوش مصنوعی کمک‌کننده است.

مثال: «تو یک معلم ریاضی پایهٔ نهم هستی که در ساده‌کردن مفاهیم سخت مهارت دارد. مفهوم “تابع” را برای دانش‌آموزی که از ریاضی می‌ترسد، با یک مثال از زندگی روزمره و بدون فرمول‌های پیچیده توضیح بده و در پایان یک تمرین ساده بده.»

نقش‌دهی دقیق در محیط کسب‌وکار هم برگ برنده است؛ اگر می‌خواهی ببینی چرا این مهارت برای شرکت‌ها ارزشمند شده، اهمیت هوش مصنوعی در کسب‌وکار را بخوان.

۵) مخاطب و لحن را مشخص کن

یک جواب خوب برای یک مدیر ارشد با یک جواب خوب برای یک کودک دبستانی کاملاً فرق دارد، حتی اگر موضوع یکی باشد. به همین دلیل، مشخص‌کردن مخاطب یکی از مؤثرترین کارهایی است که می‌توانی در پرامپت انجام بدهی. وقتی می‌گویی جواب برای «یک مدیر پرمشغله که فقط ۳۰ ثانیه وقت دارد» است، مدل خودش را جمع‌وجور می‌کند و سراغ اصل مطلب می‌رود.

لحن هم بخش مهمی از تجربهٔ خواننده است. می‌توانی بگویی جواب «رسمی و محترمانه»، «صمیمی و خودمانی» یا «انگیزشی» باشد. ترکیب نقش با لحنِ درست، خروجی را طبیعی و متناسب با کاربردت می‌کند — چه بخواهی یک ایمیل کاری بنویسی، چه یک کپشن اینستاگرام.

مثال: «تو یک کارشناس منابع انسانی هستی. یک ایمیل کوتاه و محترمانه به کارمندی بنویس که اخیراً عملکردش افت کرده؛ لحن باید حمایتگر باشد نه سرزنش‌گر، و در پایان یک جلسهٔ گفتگو پیشنهاد بده.»

۶) قالب خروجی را کنار نقش کنترل کن

حتی بهترین جواب اگر در قالب نامناسب ارائه شود، سخت‌خوان می‌شود. به همین دلیل، قالب خروجی را همیشه صریح بگو. می‌توانی بخواهی جواب در قالب جدول مقایسه‌ای، فهرست شماره‌دار، پاراگراف کوتاه، یا حتی یک الگوی آمادهٔ کپی‌کردنی باشد. ترکیب «نقش دقیق + قالب مشخص» به تو کنترل تقریباً کاملی روی خروجی می‌دهد.

یک تکنیک پیشرفته‌تر این است که از مدل بخواهی خروجی را در چند بخش بدهد؛ مثلاً «اول خلاصه، بعد جزئیات، و در آخر یک اقدام پیشنهادی». این ساختاردهی باعث می‌شود جواب هم کامل باشد و هم قابل‌استفاده. کنترل قالب مخصوصاً وقتی می‌خواهی خروجی را مستقیم در یک گزارش یا صفحهٔ وب استفاده کنی، وقتت را حسابی ذخیره می‌کند.

مثال: «تو یک تحلیلگر بازار هستی. تفاوت دو ابزار هوش مصنوعی را برای یک تیم فروش مقایسه کن و خروجی را در یک جدول با سه ستون بده: قابلیت، مزیت، محدودیت. زیر جدول هم در دو خط بگو کدام برای تیم کوچک مناسب‌تر است.»

۷) اشتباه‌های رایج در نقش‌دهی

اولین و رایج‌ترین اشتباه، نقش بیش از حد کلی است؛ «تو یک متخصص هستی» تقریباً هیچ کمکی نمی‌کند چون مشخص نیست متخصص چه. اشتباه دوم، انباشتن چند نقش متضاد در یک پرامپت است؛ وقتی از مدل می‌خواهی هم‌زمان «شاعر، حسابدار و برنامه‌نویس» باشد، تمرکزش را از دست می‌دهد. بهتر است برای هر کار، نقش متناسب همان کار را بدهی.

اشتباه سوم، فراموش‌کردن مخاطب و قالب است که باعث می‌شود جواب اگرچه درست، اما غیرقابل‌استفاده باشد. و اشتباه چهارم، این تصور که نقش‌دهی «جادو» است؛ اگر موضوع به داده یا منبع دقیق نیاز دارد، همان را هم باید در پرامپت بدهی. نقش‌دهی کیفیت را بالا می‌برد، اما جای اطلاعات درست را نمی‌گیرد. این تمایز — بین ظاهرِ حرفه‌ای و محتوای واقعاً درست — چیزی است که در مطلب توهم هوش مصنوعی؛ توسعه‌دهندهٔ تنها در برابر مهندس واقعی با جزئیات بررسی شده است.

مثال: به‌جای «تو یک متخصص همه‌چیز هستی، دربارهٔ سرمایه‌گذاری بگو»، بنویس: «تو یک مشاور مالی محافظه‌کار هستی. برای فردی با پس‌انداز محدود و ریسک‌پذیری پایین، سه اصل ساده برای شروع پس‌انداز بگو و تأکید کن که این توصیهٔ عمومی است نه مشاورهٔ مالی شخصی.»

۸) الگوهای آمادهٔ نقش‌دهی برای کارهای پرتکرار

برای اینکه بتوانی سریع شروع کنی، چند الگوی آماده را همیشه دمِ دست داشته باش و فقط بخش داخل قلاب را با نیاز خودت جایگزین کن. برای ویرایش متن: «تو یک ویراستار حرفه‌ای فارسی هستی؛ این متن را روان و بدون تغییر معنا بازنویسی کن: [متن]». برای خلاصه‌سازی: «تو یک خلاصه‌نویس دقیق هستی؛ این متن را در پنج نکتهٔ کلیدی خلاصه کن: [متن]».

برای یادگیری: «تو یک معلم صبور هستی؛ مفهوم [موضوع] را طوری توضیح بده که یک نوجوان بفهمد و یک مثال بزن». برای کسب‌وکار: «تو یک مشاور بازاریابی هستی؛ برای [محصول] سه ایدهٔ تبلیغاتی کم‌هزینه پیشنهاد بده». همین چند الگو، اگر به عادت تبدیل شوند، سرعت و کیفیت کارت با هوش مصنوعی را به‌کلی تغییر می‌دهند. برای الگوهای بیشتر و به‌روز، سری هم به بخش اخبار و آموزش‌های هوش مصنوعی بزن.

مثال: «تو یک برنامه‌ریز سفر هستی. برای یک سفر سه‌روزهٔ کم‌هزینه به شمال ایران در فصل پاییز، یک برنامهٔ روزبه‌روز بده؛ برای هر روز یک صبح، ظهر و عصر پیشنهاد بده و بودجهٔ تقریبی هر بخش را هم بنویس.»

پرسش‌های پرتکرار

س: آیا نقش‌دهی روی همهٔ ابزارهای هوش مصنوعی جواب می‌دهد؟ ج: بله. نقش‌دهی یک تکنیک عمومی است و روی ChatGPT، Gemini، Claude و بقیهٔ چت‌بات‌های متنی به‌خوبی کار می‌کند؛ فقط ممکن است لحن هر مدل کمی فرق کند.

س: پرامپت نقش‌دار باید چقدر بلند باشد؟ ج: بلندی مهم نیست، کامل‌بودن مهم است. یک جملهٔ فشرده که هر چهار جزء (نقش، وظیفه، مخاطب، قالب) را داشته باشد، از یک پاراگراف پرحرف بهتر جواب می‌دهد.

س: اگر جواب خوب نبود چه کنم؟ ج: نقش را دقیق‌تر کن، مخاطب را روشن‌تر بگو، یا از مدل بخواه قبل از جواب سؤال بپرسد. اصلاح مرحله‌به‌مرحلهٔ پرامپت تقریباً همیشه بهتر از پاک‌کردن و شروع از صفر است.