📚 فهرست 👤 پنل 🔐 ورود
سطح: کاربردی (ویژه ورود به بازار کار)

جادوی کلمات در عصر هوش مصنوعی:
تسلط بر مهندسی پرامپت

به جای مکالمه ساده، یاد بگیرید چگونه به هوش مصنوعی دستورات ساختاریافته بدهید تا خروجی‌های دقیق، حرفه‌ای و آماده استفاده بگیرید. این راهنما به شما فرمول‌های اثبات‌شده‌ای را آموزش می‌دهد.

چارچوب طلایی پرامپت‌نویسی (RTCF)

یک دستور حرفه‌ای از ۵ بخش کلیدی تشکیل می‌شود. در این بخش، ساختار یک پرامپت استاندارد را کالبدشکافی کرده‌ایم. موس را روی هر کارت ببرید تا جزئیات را ببینید.

🎭

نقش (Role)

هویت و تخصص مدل را تعیین می‌کند. چه کسی باید باشد؟

مثال: "تو یک مدیر ارشد بازاریابی با ۱۰ سال سابقه هستی..."
🎯

هدف (Task)

دقیقاً چه کاری باید انجام شود؟ عمل اصلی چیست؟

مثال: "یک استراتژی محتوای یک ماهه برای اینستاگرام بنویس."
🚧

محدودیت (Constraint)

قوانین و مرزها چیست؟ چه چیزهایی نباید باشد؟

مثال: "بیشتر از ۵۰۰ کلمه نشود و از کلمات تخصصی استفاده نکن."
🎵

لحن (Tone)

احساس و سبک بیان متن چگونه باشد؟

مثال: "لحنی صمیمی، انگیزشی و متقاعدکننده داشته باش."
📋

فرمت (Format)

شکل ظاهری خروجی چگونه باشد؟ (جدول، لیست، کد...)

مثال: "خروجی را در یک جدول با ۳ ستون ارائه بده."

[Role] + [Task] + [Constraints] + [Tone] + [Format] = High-Quality Output

قدرت «پرامپت سیستم»

پرامپت سیستم (System Prompt) مانند تنظیمات کارخانه یا روح بخشیدن به هوش مصنوعی است. قبل از اینکه مکالمه اصلی شروع شود، شما در پس‌زمینه به مدل می‌گویید که دقیقاً چه هویتی دارد و چارچوب رفتاری‌اش چیست. این کار باعث می‌شود تمام پاسخ‌های بعدی او در همان قالب باقی بماند.

یک شخصیت انتخاب کنید:

دستور کاربر:

"جاذبه زمین چیست؟"

System Instructions Active
System:

شما یک تحلیلگر داده ارشد هستید. پاسخ‌ها باید بر اساس فیزیک، دقیق، خلاصه و متمرکز بر فرمول‌ها باشد.

AI Response:

جاذبه (g) نیرویی است که اجرام را به سمت مرکز زمین می‌کشد. شتاب گرانشی استاندارد برابر با 9.80665 m/s² است. بر اساس قانون نیوتن: F = G(m1m2)/r².

درخواست بدون مثال vs. یادگیری با مثال

مدل‌های زبانی هوشمند هستند، اما ذهن‌خوان نیستند. تکنیک Zero-shot یعنی از مدل بخواهیم کاری را بدون دیدن نمونه انجام دهد. تکنیک Few-shot یعنی یک یا چند نمونه از ورودی و خروجی مطلوب را به او نشان دهیم. نمودار زیر تفاوت کیفیت را در سناریوهای پیچیده نشان می‌دهد.

Zero-shot

بدون مثال (سریع اما پرخطا)

پرامپت: این نظر را دسته‌بندی کن: "محصولتون افتضاح بود، پولم رو پس بدید."

خروجی مدل: نظر منفی است و مشتری ناراضی است.

Few-shot

با ارائه مثال (دقیق و فرمت‌بندی شده)

متن: "عالی بود ممنون" -> برچسب: [مثبت] - دپارتمان: [تشکر]
متن: "کی به دستم میرسه؟" -> برچسب: [خنثی] - دپارتمان: [پشتیبانی]

پرامپت: این نظر را دسته‌بندی کن: "محصولتون افتضاح بود، پولم رو پس بدید."

خروجی مدل: برچسب: [منفی] - دپارتمان: [مرجوعی و مالی]

بانک مثال‌های کاربردی (آماده کپی)

در این بخش تفاوت یک دستور معمولی را با یک دستور مهندسی‌شده (با رعایت ۵ اصل) در سناریوهای واقعی روزمره مشاهده می‌کنید. دستورات حرفه‌ای را می‌توانید مستقیماً کپی و استفاده کنید.

پرامپت ضعیف (آماتور)

یه ایمیل بنویس برای مشتری و بگو که پروژه با ۳ روز تاخیر تحویل داده میشه.

مشکل خروجی: لحن ممکن است نامناسب باشد، مقصر مشخص نیست، راه حلی ارائه نمی‌دهد و فرمت استاندارد ایمیل را ندارد.

پرامپت مهندسی‌شده (حرفه‌ای)

نقش: تو یک مدیر پروژه حرفه‌ای در یک شرکت نرم‌افزاری هستی. هدف: نوشتن یک ایمیل به مشتری اصلی برای اعلام تاخیر ۳ روزه در تحویل فاز دوم پروژه. محدودیت: مسئولیت را بپذیر و عذرخواهی کن، اما دلایل فنی پیچیده نیاور. در پایان یک راه حل برای جبران این زمان پیشنهاد بده (مثلاً پشتیبانی رایگان یک ماهه). بیشتر از ۳ پاراگراف نشود. لحن: کاملاً رسمی، محترمانه و اطمینان‌بخش. فرمت: ساختار یک ایمیل کامل شامل موضوع جذاب، سلام رسمی، بدنه اصلی، و امضای حرفه‌ای.

دارای نقش هدف دقیق محدودیت شفاف لحن مشخص فرمت استاندارد