پرامپت‌نویسی
پرامپت‌نویسی چیست؟
پرامپت‌نویسی (Prompt Engineering) هنر و مهارت نوشتن دستورات (پرامپت) برای هوش مصنوعی‌های زبانی (مثل ChatGPT، Claude و...) به‌طوری‌که بهترین و دقیق‌ترین پاسخ ممکن را از آن‌ها بگیریم.
اصول پایه‌ی یک پرامپت خوب
- وضوح (Clarity): درخواست را شفاف و بدون ابهام بنویسید.
- زمینه (Context): اطلاعات لازم را بدهید؛ هوش مصنوعی حافظه‌ای فراتر از گفتگوی فعلی ندارد.
- هدف مشخص: بگویید دقیقاً چه خروجی‌ای می‌خواهید (متن، کد، لیست، جدول و...).
- مثال دادن (Few-shot): اگر می‌شود، یک یا دو مثال از خروجی موردنظر بدهید.
- محدودیت تعیین کنید: طول پاسخ، لحن، زبان، فرمت خروجی را مشخص کنید.
تکنیک‌های رایج
۱. نقش دادن (Role Prompting)
به هوش مصنوعی بگویید چه نقشی دارد.
مثال: "تو یک معلم زبان انگلیسی هستی. به من در سطح مبتدی گرامر زمان حال ساده را یاد بده."
۲. مرحله‌به‌مرحله فکر کردن (Chain of Thought)
از مدل بخواهید قدم‌به‌قدم استدلال کند.
مثال: "این مسئله ریاضی را قدم‌به‌قدم و با توضیح هر مرحله حل کن."
۳. دادن فرمت خروجی مشخص
مثال: "پاسخ را به‌صورت جدول با دو ستون (نام، توضیح) بده."
۴. محدود کردن طول پاسخ
مثال: "در حداکثر ۳ جمله توضیح بده."
۵. دادن مثال (Few-shot Prompting)
مثال: ورودی: "سلام" → خروجی: "Hello" ورودی: "خداحافظ" → خروجی: "Goodbye" ورودی: "متشکرم" → خروجی: ؟
ساختار پیشنهادی یک پرامپت کامل
- نقش: هوش مصنوعی چه کسی/چه‌چیزی باشد
- وظیفه: دقیقاً چه‌کاری باید انجام دهد
- زمینه/اطلاعات پس‌زمینه: هر اطلاعات لازم برای انجام درست کار
- فرمت خروجی: چطور پاسخ داده شود
- محدودیت‌ها: طول، لحن، زبان و...
مثال کامل:
نقش: تو یک کپی‌رایتر حرفه‌ای هستی. وظیفه: یک کپشن اینستاگرام برای معرفی یک کافه جدید بنویس. زمینه: کافه به تازگی در شهر تهران افتتاح شده و روی قهوه‌های تخصصی تمرکز دارد. فرمت: یک پاراگراف کوتاه با ۲-۳ ایموجی مرتبط. محدودیت: لحن صمیمی و جوان‌پسند، حداکثر ۴۰ کلمه.
اشتباهات رایج
- پرامپت خیلی کلی و مبهم نوشتن (مثلاً فقط «یه متن بنویس»)
- ندادن زمینه کافی
- نپرسیدن دوباره یا اصلاح نکردن پرامپت وقتی پاسخ خوب نیست
- انتظار داشتن که مدل «ذهن‌خوانی» کند
نکته مهم
پرامپت‌نویسی یک فرایند تکراری (Iterative) است — معمولاً پرامپت اول عالی نیست؛ آن را بر اساس پاسخی که می‌گیرید اصلاح و بهتر کنید.