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.

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.