راهنمای نوشتن prompt
نوشتن prompt برای مبتدیان: چارچوبی که جواب میدهد
نوشتن prompt برای مبتدیان را با یک چارچوب قابلاستفادهٔ مجدد، قالب prompt، مثالهای کاری، حلقهٔ تکرار و فهرست بررسی برای خروجیهای بهتر هوش مصنوعی یاد بگیرید.
چرا promptها شکست میخورند
نوشتن prompt برای مبتدیان دربارهٔ حفظکردن عبارتهای زیرکانه نیست. دربارهٔ دادن وظیفه، شواهد، مرزها و شکل خروجی به یک مدل هوش مصنوعی است تا چیزی مفید تولید کند. بیشتر promptهای بد شکست میخورند چون بدون تعریف اینکه «خوب» یعنی چه، کمک میخواهند. مدل جاهای خالی را با الگوهای محتمل پر میکند، و آن الگوها میتوانند صیقلی به نظر برسند در حالی که هدف واقعی شما را از دست میدهند.
رایجترین شکست یک وظیفهٔ نامشخص است. «این را بهتر کن» میتواند به معنای کوتاهتر، گرمتر، متقاعدکنندهتر، دقیقتر، کمتخصصتر یا آسانتر برای مرور باشد. شکست دوم زمینهٔ مفقود است. اگر مدل مخاطب، مادهٔ منبع، معیارهای تصمیم یا هدف کسبوکار را نداند، برای کیفیت کلی بهینه میکند. شکست سوم محدودیتهای ضعیف است. بدون قواعد طول، لحن، منبع، حریم خصوصی، قالب و بایدپرهیزها، پاسخ میتواند منحرف شود. شکست چهارم نبود حلقهٔ بازبینی است. اولین پاسخ معمولاً یک پیشنویس است، نه خط پایان.
یک گردش کار قوی برای مبتدیان با نوشتن prompt مثل یک بریف کوتاه بهعلاوهٔ یک بررسی کیفیت رفتار میکند. وظیفه را تعریف میکنید، زمینه را میگنجانید، محدودیتها را تعیین میکنید، یک قالب میخواهید، سپس از مدل میخواهید فرضها یا عدمقطعیت را آشکار کند. این عادت ساده promptهای نوشتن، promptهای پژوهش، promptهای برنامهریزی و promptهای تحلیل را بهبود میدهد چون مدل را از یک دستیار مبهم به یک همکار ساختارمند تبدیل میکند.
چارچوب: دستورالعمل، زمینه، محدودیتها و قالب
برای تقریباً هر prompt جدی از این چارچوب نوشتن prompt هوش مصنوعی استفاده کنید: دستورالعمل، زمینه، محدودیتها، قالب. بهیادماندنی است، بین مدلها قابلانتقال است و بهقدری مشخص است که دقت را بالا ببرد. میتوانید همان قالب را در Whizi روی مدلهای مختلف اجرا کنید و مقایسه کنید کدام بهتر از بریف پیروی میکند.
دستورالعمل همان کنش است. با یک فعل و یک خروجی قابلتحویل شروع کنید: خلاصه کن، مقایسه کن، بازنویسی کن، استخراج کن، نقد کن، دستهبندی کن، طرح بزن، اشکالزدایی کن یا برنامهریزی کن. به جای «با تحقیقات بازار کمک کن»، بنویسید «یک جدول مقایسهٔ رقبا برای پنج محصول در این دسته بساز». هرچه دستورالعمل روشنتر باشد، قضاوت دربارهٔ خروجی آسانتر است.
زمینه همان مادهٔ لازم برای مدل است تا حدس نزند. مخاطب، هدف، پیشزمینه، متن منبع، نمونهها، معیارهای تصمیم و تعریفها را بگنجانید. برای ورودیهای طولانی، منبع را روشن برچسب بزنید و دستورالعملهای خود را پیش یا پس از محتوا در یک ساختار یکنواخت قرار دهید. راهنمایی زمینهٔ طولانی از سوی ارائهدهندگان مدل اغلب بر سازماندهی روشن تأکید میکند چون ورودیهای بزرگ همچنان به تابلوی راهنما نیاز دارند.
محدودیتها همان قواعد هستند. طول، لحن، دامنه، ادعاهای مستثنا، شواهد لازم، مرزهای حریم خصوصی، سطح خوانش و کاری که هنگام نبود اطلاعات باید انجام شود را اضافه کنید. محدودیتها بهویژه وقتی مفیدند که به promptهایی نیاز دارید که دقت را بالا میبرند: به مدل بگویید به جای درآوردن جزئیات، ناشناختهها را علامت بزند، واقعیتها را از فرضها جدا کند و در صورت امکان به بخش منبع ارجاع دهد.
قالب همان ظرف خروجی است. یک جدول، فهرست بررسی، یادداشت، طرح کلی، فیلدهای شبهJSON، ایمیل، سنجهٔ امتیازدهی یا برنامهٔ گامبهگام بخواهید. راهنمایی خروجی ساختارمند از OpenAI و Gemini مفید است چون همان درس عملی را تقویت میکند: وقتی شکل دلخواه صریح باشد، خروجیها آسانتر تجزیه، مقایسه و استفادهٔ مجدد میشوند.
قالب آمادهٔ prompt: «دستورالعمل: [کنش و خروجی مشخص]. زمینه: [مخاطب، هدف، مادهٔ منبع، نمونهها، تعریفها، معیارهای تصمیم]. محدودیتها: [طول، لحن، باید شامل شود، باید پرهیز شود، قواعد شواهد، قواعد حریم خصوصی، قواعد عدمقطعیت]. قالب: [جدول/فهرست بررسی/یادداشت/ایمیل/طرح کلی/فیلدهای شبهJSON]. پیش از نهاییکردن، فرضها، اطلاعات مفقود و یک پرسش تکمیلی که نتیجه را بهتر میکند فهرست کن.»
مثالها بر پایهٔ کار
بهترین promptها برای کار الگوهای قابلاستفادهٔ مجدد هستند، نه خطهای جادویی یکباره. از مثالهای زیر بهعنوان نقطهٔ شروع استفاده کنید، بعد آنهایی را که بهطور پیوسته خروجی مفید تولید میکنند ذخیره کنید.
prompt نوشتن: «دستورالعمل: این پیشنویس را برای روشنی و مشخصبودن بازنویسی کن. زمینه: مخاطب [مخاطب] است، هدف [هدف] است و پیشنویس [پیشنویس را بچسبان] است. محدودیتها: همهٔ واقعیتها را بدون تغییر نگه دار، از اغراق بپرهیز، از زبان ساده استفاده کن و گام بعدی را بدیهی کن. قالب: یک پیشنویس بازنگریشده برگردان، بعد یک جدول با مسئلهٔ اصلی، ویرایش انجامشده و دلیل.» این جواب میدهد چون به مدل یک وظیفه، یک خواننده، یک معیار و یک رد ویرایش قابلبازبینی میدهد.
prompt پژوهش: «دستورالعمل: این منابع را به یک بریف پژوهشی تبدیل کن. زمینه: دارم [پرسش] را برای [تصمیم] ارزیابی میکنم. منابع: [گزیدههای منبع یا لینکها/یادداشتها را بچسبان]. محدودیتها: فقط از مادهٔ ارائهشده استفاده کن، شواهد را از استنباط جدا کن، شواهد ضعیف را علامت بزن و آمار از خودت درنیاور. قالب: یافتههای کلیدی، جدول شواهد، پرسشهای باز و منابع بعدی پیشنهادی را برگردان.» این بهتر از پرسیدن «دربارهٔ این موضوع پژوهش کن» است چون قابلیت ردیابی را حفظ میکند.
prompt برنامهریزی: «دستورالعمل: یک برنامهٔ اجرایی دوهفتهای بساز. زمینه: هدف [هدف] است، تیم [تیم] است، مهلت [تاریخ] است، محدودیتها [محدودیتها] هستند. محدودیتها: گامهای برگشتپذیر را اولویت بده، موانع را زود شناسایی کن و هر کار را برای مسئول قابلمدیریت نگه دار. قالب: جدولی با روز، کار، مسئول، خروجی، ریسک و بررسی موفقیت.» خروجی به چیزی تبدیل میشود که یک تیم واقعاً میتواند از آن استفاده کند.
prompt تحلیل: «دستورالعمل: این گزینهها را مقایسه کن و یکی را توصیه کن. زمینه: گزینهها [گزینهها] هستند. معیارهای تصمیم [معیارها] هستند. محدودیتها: مصالحهها، قویترین استدلال مخالف و آنچه توصیه را تغییر میدهد را بگنجان. قالب: جدول کارنامه بهعلاوهٔ یک یادداشت تصمیم کوتاه.» این قضاوت را تشویق میکند بدون پنهانکردن عدمقطعیت.
prompt بازبینی: «دستورالعمل: این خروجی را پیش از استفادهام نقد کن. زمینه: کاربرد موردنظر [مورد استفاده] است. خروجی برای بازبینی: [بچسبان]. محدودیتها: دقت، ادعاهای بدون پشتوانه، زمینهٔ مفقود، لحن، ریسک و جاهایی را که به بازبینی انسانی نیاز دارند بررسی کن. قالب: اول مسائل بحرانی را برگردان، بعد ویرایشهای پیشنهادی، بعد یک رتبهٔ اطمینان نهایی.» این هوش مصنوعی را به یک گام کنترل کیفیت تبدیل میکند، نه فقط یک مولد پیشنویس.
حلقهٔ تکرار
نوشتن prompt خوب تکراری است. باید انتظار داشته باشید اولین پاسخ آشکار کند prompt چه چیزی را فراموش کرده است. به جای شروع از نو، از یک حلقه استفاده کنید: ارزیابی، تشخیص، بازنگری، مقایسه، ذخیره.
پاسخ را در برابر پنج پرسش ارزیابی کنید. آیا دقیقاً همان وظیفه را کامل کرد؟ آیا از زمینهٔ ارائهشده استفاده کرد؟ آیا از محدودیتها پیروی کرد؟ آیا قالب آسان برای استفاده است؟ آیا ادعاها، فرضها و عدمقطعیتها آشکارند؟ اگر پاسخ شکست خورد، پیش از سرزنش مدل، prompt را تشخیص دهید. خروجی مبهم اغلب یعنی وظیفه مبهم بود. خروجی کلی اغلب یعنی زمینه کممایه بود. خروجی پرخطر اغلب یعنی محدودیتها مفقود بودند.
سپس هر بار با یک دستورالعمل دقیق بازنگری کنید. بگویید «توصیه را شواهدمحورتر کن و ناشناختهها را علامت بزن» به جای «دوباره امتحان کن». بگویید «این را به یک جدول با ستونهای ادعا، شواهد، اطمینان و بررسی بعدی تبدیل کن» به جای «ساختارمندتر باش». وقتی کیفیت مهم است، همان prompt بازنگریشده را روی مدلها در Whizi اجرا کنید و دقت، کاملبودن، کنترل لحن و زمان ویرایش را مقایسه کنید.
از این فهرست تکرار استفاده کنید: ۱. شکست را در یک جمله نامگذاری کنید. ۲. زمینه یا محدودیت مفقود را اضافه کنید. ۳. قالب خروجی را سفت کنید. ۴. فرضها و عدمقطعیت را بخواهید. ۵. وقتی کار مهم است یک مدل دوم اجرا کنید. ۶. prompt بهبودیافته را فقط پس از آنکه روی یک کار واقعی (نه یک مثال بازی) جواب داد ذخیره کنید.
کتابخانهٔ prompt قابلاستفادهٔ مجدد خود را بسازید
یک کتابخانهٔ prompt قابلاستفادهٔ مجدد جایی است که نوشتن prompt مبتدیان به یک گردش کار روزانه تبدیل میشود. به جای نگهداشتن promptهای پراکنده در تاریخچهٔ چت، قالبها را بر پایهٔ کار سازماندهی کنید: نوشتن، پژوهش، برنامهریزی، برنامهنویسی، تحلیل مشتری، بازبینی سند و پشتیبانی تصمیم. هر قالب باید همان چهار فیلد را در بر بگیرد: دستورالعمل، زمینه، محدودیتها و قالب.
به هر prompt ذخیرهشده یک یادداشت کوتاه استفاده اضافه کنید: چه زمانی استفاده شود، به چه ورودیهایی نیاز دارد، کدام مدل بهترین عملکرد را داشت و چگونه خروجی را راستیآزمایی کنید. برای مثال، یک prompt پژوهش ممکن است به گزیدههای منبع و یک جدول ادعا-شواهد نیاز داشته باشد. یک prompt نوشتن ممکن است به مخاطب، نمونهٔ صدا و واقعیتهای باید-نگهداشتنی نیاز داشته باشد. یک prompt بازبینی کد ممکن است به diff، رفتار مورد انتظار و زمینهٔ تست نیاز داشته باشد.
Whizi با این گردش کار جور است چون میتوانید قالبها را ذخیره کنید و آنها را روی مدلها اجرا کنید، به جای اینکه برای همیشه به یک مدل متعهد شوید. این هفته با سه قالب شروع کنید: یک بازنویسی نوشتن، یک بریف پژوهشی و یک کارنامهٔ تصمیم. هر قالب را روی یک کار واقعی اجرا کنید، خروجیهای مدل را مقایسه کنید، قالب را بازنگری کنید و نسخهای را که مفیدترین نتیجه را با کمترین پاکسازی تولید میکند نگه دارید.
برای یک راهنمای گستردهتر مبتدیان، چگونه از هوش مصنوعی استفاده کنیم را بخوانید. برای کارهای پژوهشمحور، Founder Research Stack را امتحان کنید. وقتی آماده شدید نوشتن prompt را به یک فضای کاری تکرارپذیر تبدیل کنید، حساب خود را در register بسازید.
فهرست بررسی
- هر prompt جدی را با یک دستورالعمل و خروجی مشخص شروع کنید.
- مخاطب، هدف، مادهٔ منبع، نمونهها و معیارهای تصمیم را بهعنوان زمینه اضافه کنید.
- از محدودیتها برای کنترل طول، لحن، شواهد، حریم خصوصی و عدمقطعیت استفاده کنید.
- یک قالب مشخص بخواهید: جدول، فهرست بررسی، یادداشت، طرح کلی یا فیلدهای شبهJSON.
- از مدل بخواهید فرضها، اطلاعات مفقود و حدود اطمینان را فهرست کند.
- promptها را هر بار با یک بازنگری متمرکز بهبود دهید.
- promptهای مهم را پیش از ذخیرهٔ قالب نهایی روی مدلها مقایسه کنید.
- promptهای قابلاستفادهٔ مجدد را بر پایهٔ گردش کار ذخیره کنید، نه بر پایهٔ نام مدل.
پرسشهای متداول
نوشتن prompt برای مبتدیان چیست؟
نوشتن prompt برای مبتدیان یعنی دادن دستورالعمل روشن، زمینهٔ مرتبط، محدودیتهای مفید و یک قالب خروجی مشخص به مدلهای هوش مصنوعی، تا پاسخ آسانتر قابلاعتماد، ویرایش و استفادهٔ مجدد باشد.
چگونه promptهای بهتری بنویسم؟
promptهای بهتر را با نامگذاری وظیفه، دادن اطلاعات پیشزمینه به مدل، تعیین مرزها، درخواست یک قالب روشن و خواستن اینکه پیش از نهاییکردن فرضها یا اطلاعات مفقود را بیان کند، بنویسید.
آیا قالبهای prompt در مدلهای مختلف هوش مصنوعی جواب میدهند؟
بله، قالبهای prompt قابلاستفادهٔ مجدد معمولاً در مدلها جواب میدهند، اما خروجیها میتوانند متفاوت باشند. برای کار مهم، همان prompt را روی مدلها اجرا کنید و دقت، ساختار، لحن و زمان ویرایش را مقایسه کنید.