پرش به محتوای اصلی

جست‌وجو در مدل‌ها، ابزارها، سرویس‌ها، شرکت‌ها، ارائه‌دهندگان، APIها، پلن‌ها، مقالات و اخبار.

مهندسی پرامپتمقدماتی 14 دقیقه

مهندسی پرامپت عملی: هفت قاعده‌ای که واقعاً جواب می‌دهد

تکنیک‌هایی که مقابل مدل‌های نسل جدید همچنان کار می‌کنند — از دادن زمینه و قالب خروجی تا خردکردن کار بزرگ و تکرار هدفمند. با مثال‌هایی که در همان پنج دقیقهٔ اول قابل استفاده‌اند.

مهندسی پرامپت عملی: هفت قاعده‌ای که واقعاً جواب می‌دهد

زمینه بدهید: مدل ذهن‌خوان نیست

شایع‌ترین علت جواب‌های بی‌مصرف، پرامپت‌های کوتاهِ بدون زمینه است. مدل نمی‌داند برای چه کسی، با چه هدفی و با چه محدودیت‌هایی کار می‌کند — مگر اینکه بگویید. یک پرامپت قوی معمولاً در پنج خط جا می‌شود: نقش، مخاطب، هدف، محدودیت‌ها و قالب خروجی.

  • نقش بدهید: «تو کارشناس سئوی فروشگاه‌های اینترنتی هستی» — رفتار مدل را متمرکز می‌کند.
  • محدودیت واقعی قید کنید: «بدون اصطلاحات تخصصی»، «حداکثر ۱۵۰ کلمه»، «فقط از این سه منبع».
  • اطلاعات پس‌زمینه را بچسبانید: محصول، شرکت، مخاطب — هرچه مدل لازم دارد و نمی‌تواند حدس بزند.

قالب خروجی را همان اول بخواهید

بزرگ‌ترین صرفه‌جویی وقت در یک جمله است: «خروجی را در قالب X بده». اگر جدول می‌خواهید، ستون‌ها را نام ببرید؛ اگر JSON می‌خواهید، اسکیمای آن را بدهید؛ اگر لیست می‌خواهید، تعداد را بگویید. مدل در حذف ابهام عالی است — وقتی دیگر ابهامی نمانده باشد.

  • «سه گزینه، هر کدام دو خط، با ذکر مزیت و ریسک» بهتر از «چند گزینه بده» است.
  • برای کارهای تکراری، قالب را در پرامپت سیستمی بگذارید تا هر بار تکرار نکنید.
  • خروجی ساخت‌یافته (JSON/جدول) را با یک نمونهٔ مطلوب همراه کنید.

خرد کن، نمونه بده، هدفمند تکرار کن

کار بزرگ را به گام‌های مستقل بشکنید — مدل روی «فهرست ایده بده، بعد بهترینش را باز کن» بهتر از «یک مقالهٔ کامل بنویس» عمل می‌کند. چند نمونه از خروجی مطلوب بدهید (few-shot) تا سبک شما را بگیرد. و در هر تکرار فقط یک متغیر را عوض کنید — وگرنه یاد نمی‌گیرید چه چیزی جواب داد.

  • زنجیرهٔ فکر: برای مسئله‌های چندمرحله‌ای بگویید «گام‌به‌گام استدلال کن، بعد جواب نهایی».
  • از مدل بخواهید از شما سؤال بپرسد: «قبل از شروع، هر ابهامی را بپرس».
  • پرامپت‌های خوب را در یک فایل شخصی نگه دارید — این دارایی واقعی شماست.