۱۰ اصل مهم پرامپت نویسی در هوش مصنوعی
۱. نقش و هویت بدهید (Role Assignment)
به مدل بگویید چه کسی است، در چه سطحی، با چه تخصصی.
مثال:
«تو یک کارشناس ارتباطات بین‌فرهنگی با ۱۰ سال تجربه تدریس در دانشگاه هستی. در این گفت‌وگو باید دقیق، تحلیلی و علمی پاسخ بدهی.»
۲. هدف را واضح بگویید (Clear Objective)
دقیقاً بگویید چه نوع کاری می‌خواهید.
مثال:
«این متن را تحلیل کن و سه نکتهٔ کلیدی دربارهٔ پیام اصلی آن استخراج کن.»
۳. مخاطب را مشخص کنید
هنگامی که مدل بداند خروجی برای چه کسی است، محتوای هدفمندتری می‌سازد.
مثال:
«این توضیح را برای دانشجویان سال اول ارتباطات بنویس تا ساده و قابل‌درک باشد.»
۴. قالب خروجی را تعیین کنید (Output Format)
نوع ارائه را مشخص کنید.
مثال:
«این محتوا را در قالب سه بولت‌پوینت کوتاه ارائه کن.»
۵. محدودیت‌ها و سبک را بگویید
طول، لحن، سطح زبان، سبک نوشتار…
مثال:
«یک متن ۵۰ کلمه‌ای با لحن صمیمی و الهام‌بخش بنویس.»
۶. مثال بدهید (Few-shot Prompting)
اگر فرم خاصی می‌خواهید، نمونه کوچک بدهید تا مدل از آن تقلید کند.
مثال:
«مثل نمونه زیر یک معرفی کوتاه بساز:
نمونه:
«کتابخانه جایی برای ساختن رؤیاهاست. هر صفحه یک جهان تازه.»
حالا یک نمونه مشابه دربارهٔ «یادگیری» بنویس.»
۷. درخواست بهینه‌سازی یا بازنویسی کنید
مدل در اصلاح متن فوق‌العاده است.
مثال:
«این پاراگراف را بازنویسی کن تا روان‌تر، کوتاه‌تر و حرفه‌ای‌تر شود.»
۸. از مدل بخواهید فکر کند (Chain-of-Thought Trigger)
پاسخ‌های عمیق‌تر با این تکنیک ساخته می‌شود.
مثال:
«قبل از پاسخ نهایی، مرحله‌به‌مرحله توضیح بده چطور به نتیجه رسیدی.»
۹. از ابزارهای کمکی بخواهید (Tools / Techniques)
مثل مقایسه، جداسازی، جدول‌سازی، سناریونویسی…
مثال:
«مزایا و معایب یادگیری حضوری و آنلاین را در یک جدول دو ستونه مقایسه کن.»
۱۰. از مدل بخواهید اگر اطلاعات کم است سؤال بپرسد (Clarifying Questions)
این باعث کاهش خطا و افزایش کیفیت پاسخ می‌شود.
مثال:
«اگر برای نوشتن متن اطلاعات کافی نیست، قبل از شروع سؤال‌های تکمیلی بپرس.»
