SharifGPT

هوش مصنوعی

چگونه بهترین پرامپت‌ها را بنویسیم؟

با مشخص‌کردن هدف، زمینه، محدودیت و قالب پاسخ، پرامپت‌هایی بنویسید که خروجی دقیق‌تر و قابل استفاده‌تری تولید کنند.

۳ دقیقه مطالعه — به‌روزرسانی ۳۰ مرداد ۱۴۰۵ — تحریریه SharifGPT

ساخت یک پرامپت دقیق و تبدیل آن به پاسخ منظم هوش مصنوعی

«بهترین پرامپت» برای همه وجود نداره

یک پرامپت وقتی خوبه که برای کار مشخص تو خروجی قابل استفاده بسازه. درخواست مناسب برای خلاصه‌کردن قرارداد با درخواست ایده‌پردازی یا رفع خطای کد یکی نیست. به‌جای دنبال‌کردن یک جمله جادویی، مسئله، ورودی، محدودیت و معیار قبولی رو روشن کن.

چهار جزء ساده: هدف، زمینه، محدودیت، قالب

اول بگو چه نتیجه‌ای می‌خوای؛ بعد اطلاعات لازم و مخاطب رو بده؛ مواردی مثل طول، لحن، زبان، داده ممنوع یا بازه زمانی رو مشخص کن؛ و در پایان شکل پاسخ رو تعیین کن. اگر منبعی داری، متن یا لینک دقیقش رو بده و از مدل بخواه ادعاهای بدون پشتوانه رو جدا علامت بزنه.

نمونه قبل و بعد برای یک متن فروش

قبل: «برای محصولم یک متن خوب بنویس.» بعد: «برای صفحه محصول یک سرویس مدیریت پروژه، یک معرفی ۹۰ تا ۱۲۰ کلمه‌ای به فارسی محاوره‌ای بنویس؛ مخاطب تیم‌های پنج تا بیست نفره‌اند؛ روی نظم کار و دیدن مسئول هر وظیفه تمرکز کن؛ قیمت یا ادعای تضمینی نساز؛ در پایان یک دعوت کوتاه برای دیدن دموی محصول بده.» نسخه دوم قابل ارزیابی و ویرایشه.

نمونه قبل و بعد برای یک سؤال واقعی

قبل: «این گزارش رو خلاصه کن.» بعد: «گزارش پیوست‌شده رو فقط بر اساس متن خودش در پنج نکته خلاصه کن؛ عددها و تاریخ‌ها رو با شماره صفحه بیار؛ بین یافته نویسنده و برداشت خودت فرق بذار؛ اگر پاسخ یک سؤال در گزارش نیست، بنویس پیدا نشد.» این محدودیت‌ها احتمال قاطی‌شدن متن منبع و حدس مدل رو کمتر می‌کنه.

اگر اطلاعات کمه، اول سؤال بگیر

برای کارهای مبهم این جمله مفیده: «قبل از پاسخ، حداکثر سه سؤال بپرس که جواب‌شون نتیجه رو واقعاً تغییر می‌ده.» جواب‌دادن به سؤال‌های درست معمولاً از اضافه‌کردن ده‌ها صفت مثل حرفه‌ای، عالی و بی‌نقص اثر بیشتری داره. برای کار ساده هم لازم نیست پرامپت رو بی‌دلیل طولانی کنی.

خروجی رو به قطعه‌های قابل کنترل تقسیم کن

به‌جای درخواست یک پروژه کامل، اول طرح، بعد یک نمونه کوتاه و بعد نسخه نهایی رو بگیر. برای جدول، نام ستون‌ها؛ برای کد، ورودی و خروجی و تست؛ و برای متن، تیترها و معیار لحن رو از قبل مشخص کن. این روش پیدا کردن خطا و بازخورد دادن رو ساده‌تر می‌کنه.

بخش بررسی رو داخل خود درخواست بذار

در پایان پرامپت بخواه مدل عددها، نام‌ها، تاریخ‌ها و ادعاهای نیازمند منبع رو فهرست کنه، اما این فهرست رو تأیید نهایی حساب نکن. لینک‌ها رو باز کن، نقل‌قول رو با متن اصلی تطبیق بده، محاسبه رو مستقل انجام بده و برای موضوع حساس نظر متخصص بگیر. مدل ممکنه با لحن مطمئن پاسخ نادرست بده.

پرامپت و داده حساس رو هم‌زمان مدیریت کن

رمز، کد امنیتی، اطلاعات هویتی و اسناد محرمانه رو وارد نکن مگر استفاده از آن سرویس و تنظیماتش برای این داده مجاز و ضروری باشه. نسخه‌های موفق پرامپت رو همراه با نمونه خروجی و تاریخ نگه دار؛ هر بار فقط یک یا دو متغیر رو تغییر بده تا بفهمی چه چیزی واقعاً نتیجه رو بهتر کرده.

راهنماهای بیشتر یا گفت‌وگو با پشتیبانی