آموزش طراحی سایت و برنامه‌نویسی وب
آموزش پرامپت‌نویسی در ChatGPT و Claude با مثال فارسی
«یک متن خوب بنویس» درخواست کوتاهی است، اما خوب‌بودن را تعریف نمی‌کند. متن قرار است برای چه کسی باشد؟ کجا منتشر شود؟ خواننده بعد از خواندن آن چه کاری انجام بدهد؟ وقتی این اطلاعات را اضافه می‌کنید، ChatGPT و Claude کمتر مجبور می‌شوند جای شما تصمیم بگیرند.
پرامپت همان درخواستی است که به ابزار می‌دهید. در این درس از دستهٔ آموزش هوش مصنوعی یاد می‌گیرید درخواست قابل بررسی بنویسید، جواب نامناسب را اصلاح کنید و تشخیص بدهید کجا باید سؤال را کوچک‌تر کنید. این تمرین به دستور انگلیسی، نقش عجیب یا قابلیت پولی خاصی نیاز ندارد؛ دسترسی مجاز و سقف استفاده حساب را بررسی کنید.
چهار چیز را در درخواست روشن کنید
برای تمرین، چهار سؤال از خودتان بپرسید: چه می‌خواهم، ابزار چه زمینه‌ای باید بداند، چه مرزی نباید رد شود و جواب چه شکلی باشد؟ لازم نیست همیشه این‌ها را با تیتر بنویسید. یک درخواست دوخطی هم می‌تواند هر چهار مورد را داشته باشد.
مثلاً «این یادداشت را برای اطلاعیه یک کارگاه کتاب‌خوانی بازنویسی کن؛ مخاطب بزرگسال مبتدی است، زمان و هزینه را تغییر نده و خروجی زیر صد کلمه باشد» هدف، مخاطب، محدودیت و شکل پاسخ را مشخص می‌کند. اگر تاریخ در یادداشت نیست، اضافه‌کردن تاریخ واقعی به درخواست کمک می‌کند؛ شرح طولانی تاریخچه کتاب‌خوانی کمکی نمی‌کند.
راهنمای رسمی پرامپت‌نویسی OpenAI هم بر روشن‌کردن هدف و زمینه مرتبط تأکید دارد و فرمول خشک را ضروری نمی‌داند. از این چهار سؤال به عنوان چک‌لیست استفاده کنید. طولانی‌ترکردن درخواست به‌خودی‌خود پاسخ را بهتر نمی‌کند، به‌خصوص وقتی چند دستور ناسازگار در آن جمع می‌شود.
از درخواست مبهم به یک پرامپت قابل استفاده
سناریوی این درس ساختگی است: یک کتاب‌فروشی فرضی قرار است کارگاه آشنایی با داستان کوتاه برگزار کند. اطلاعاتی که داریم این‌هاست: جلسه حضوری است، نود دقیقه طول می‌کشد، برای بزرگسالان مبتدی است و ثبت‌نام از طریق پیام انجام می‌شود. تاریخ، قیمت و نام مدرس هنوز قطعی نیست.
درخواست «برای کارگاهم تبلیغ جذاب بنویس» احتمال اضافه‌شدن اطلاعات را بالا می‌برد. ممکن است پاسخ وعده «مدرک معتبر»، «ظرفیت محدود» یا «مدرس برجسته» بدهد؛ هیچ‌کدام در اطلاعات ما نیست. در نسخه اصلاح‌شده، همین جاهای خالی را صریح نگه می‌داریم.
از اطلاعات زیر یک اطلاعیه فارسی برای کارگاه فرضی کتاب‌خوانی بنویس. مخاطب بزرگسال مبتدی است. اطلاعات قطعی: حضوری، نود دقیقه، موضوع آشنایی با داستان کوتاه، ثبت‌نام با ارسال پیام. تاریخ، هزینه، محل دقیق و نام مدرس هنوز مشخص نیست. برای اطلاعات نامشخص از جای‌خالی داخل کروشه استفاده کن. هیچ مزیت، تخفیف، مدرک یا محدودیت ظرفیتی اضافه نکن. لحن روشن و صمیمی باشد و از هیجان‌سازی تبلیغاتی دوری کن. خروجی یک عنوان کوتاه و یک متن حداکثر صد کلمه‌ای باشد.
این متن را می‌توانید در هر دو ابزار استفاده کنید. اگر یکی از آن‌ها چیزی اضافه کرد، لازم نیست کل درخواست را از نو بسازید. همان اضافه را نام ببرید و بخواهید حذف شود. بازخورد مشخص مثل «عبارت ظرفیت محدود را حذف کن؛ چنین اطلاعاتی نداده‌ام» از «واقعی‌تر بنویس» دقیق‌تر است.
اجرای همین تمرین در ChatGPT و Claude
-
در نسخه وب هر ابزار، گفت‌وگوی متنی تازه‌ای باز کنید. هدف تمرین نوشتن متن بر اساس اطلاعات داده‌شده است، پس اتصال به حساب‌های دیگر یا دسترسی به رایانه لازم نیست.
-
پرامپت را همراه تمام اطلاعات نمونه وارد کنید. اگر در گفت‌وگوی قبلی موضوع دیگری مطرح بوده، شروع تازه کمک می‌کند اثر آن موضوع را در مقایسه کمتر کنید. تنظیمات شخصی حساب همچنان ممکن است روی لحن اثر بگذارد.
-
عنوان و متن را بخوانید و زیر هر ادعایی که در ورودی نبود خط بکشید. سپس تعداد کلمات و باقی‌ماندن جای‌خالی‌ها را بررسی کنید.
-
یک اصلاح یکسان به هر دو بدهید: «عنوان را کمتر تبلیغاتی کن و جمله ثبت‌نام را آخر متن بگذار؛ اطلاعات و محدودیت‌های قبلی حفظ شوند.» نتیجه اصلاح را کنار نسخه اول نگه دارید.
| مرحله | ChatGPT | Claude |
|---|---|---|
| ورودی | همان اطلاعات و محدودیت‌های نمونه را بدهید. | از کوتاه‌کردن یا کامل‌ترکردن ورودی نسبت به ابزار دیگر پرهیز کنید. |
| ارزیابی | ادعای اضافه، لحن و قالب را کنترل کنید. | همان سه معیار را کنترل کنید. |
| اصلاح | ایراد را با نمونه مشخص نام ببرید. | همان بازخورد روشن را اعمال کنید. |
| محدودیت | پرامپت، مدل را آموزش دائمی نمی‌دهد. | این درخواست به‌خودی‌خود Skill یا تنظیم سراسری نمی‌سازد. |
این مقایسه درباره یک کار متنی است. از آن نمی‌توان نتیجه گرفت همه امکانات ChatGPT و Claude هم‌ارزند. همچنین اگر یک پاسخ بهتر بود، همان نتیجه را گزارش کنید: «در این درخواست، نسخه اول نیاز به اصلاح کمتری داشت.» ادعای برتری همیشگی به شواهد بسیار بیشتری نیاز دارد.
نقش‌دادن چه وقت کمک می‌کند؟
عبارت «مثل یک ویراستار بررسی کن» می‌تواند نوع بررسی را روشن کند، اما گفتن «تو بهترین متخصص جهان هستی» اطلاعات مسئله را کامل نمی‌کند. اگر می‌خواهید متن از نظر نگارش بررسی شود، بگویید املای کلمات، جمله‌های طولانی و تعهدهای اضافه را پیدا کند. این معیارها از عنوان پرطمطراق کاربردی‌ترند.
برای موضوع تخصصی هم نقش‌دادن اعتبار حرفه‌ای ایجاد نمی‌کند. درخواست «مثل وکیل جواب بده» پاسخ را به مشاوره حقوقی قابل اتکا تبدیل نمی‌کند. در کارهای پرپیامد، محدودیت را مشخص کنید، منبع بخواهید و تصمیم را با متخصص مرتبط بررسی کنید. این درس را روی همان اطلاعیه کم‌خطر تمرین می‌کنیم.
وقتی چند خواسته با هم دعوا دارند
«خیلی کوتاه بنویس، همه جزئیات را بیاور، توضیح کامل بده و چیزی حذف نکن» ممکن است دستور ناسازگار باشد. اولویت بدهید: «اطلاعات قطعی حذف نشود؛ اگر متن از صد کلمه بیشتر شد، قبل از کوتاه‌کردن بگو کدام بخش را می‌توان حذف کرد.» حالا ابزار می‌داند هنگام تعارض چه کار کند.
اگر کار چند خروجی دارد، آن را مرحله‌بندی کنید. ابتدا طرح اطلاعیه، بعد متن و در پایان بررسی ادعاهای اضافه را بخواهید. گرفتن ده نسخه هم‌زمان همیشه مفید نیست؛ ممکن است وقت بیشتری صرف انتخاب کنید. برای شروع دو نسخه با تفاوت روشن بخواهید، مثلاً یکی رسمی و دیگری صمیمی، با اطلاعات یکسان.
پاسخ قبلی را فقط از نظر این سه مورد اصلاح کن: ادعاهای خارج از اطلاعات من حذف شوند؛ جای‌خالی‌های تاریخ و هزینه باقی بمانند؛ لحن از تبلیغاتی به روشن و صمیمی تغییر کند. ساختار عنوان و متن کوتاه را حفظ کن. بعد از نسخه اصلاح‌شده، در دو جمله بگو چه تغییرهایی دادی. اگر برای تغییر به واقعیت تازه‌ای نیاز داری، آن را نساز.
نمونه خوب بدهید، بدون تحویل اطلاعات خصوصی
اگر لحن مدنظرتان سخت توضیح داده می‌شود، دو جمله ساختگی به عنوان نمونه بدهید و بگویید کدام ویژگی را می‌خواهید: کوتاهی جمله، میزان رسمیت یا واژه‌های روزمره. روشن کنید که محتوای نمونه نباید وارد خروجی شود. در غیر این صورت ممکن است ابزار نام یا وعده‌ای از نمونه را به متن تازه منتقل کند.
برای مثال بنویسید: «لحن این جمله را الگو بگیر: برای آشنایی با داستان کوتاه، از یک متن ساده شروع می‌کنیم. فقط سادگی لحن را حفظ کن.» نیازی نیست پیام خصوصی مشتری را کپی کنید. نمونه ساختگی معمولاً برای نشان‌دادن لحن کافی است.
تمرین پایانی و معیار قبولی
برای یک رویداد فرضی دیگر، درخواستی بنویسید که دقیقاً سه واقعیت قطعی و دو جای‌خالی داشته باشد. خروجی را با ورودی مقایسه کنید. تمرین زمانی قابل قبول است که هر سه واقعیت حفظ شده باشند، هیچ واقعیت تازه‌ای ساخته نشده باشد و جای‌خالی‌ها باقی مانده باشند.
اگر پاسخ این معیارها را نداشت، با یک پیام اصلاحی کوتاه آن را درست کنید. پرامپت اولیه و اصلاح موفق را برای استفاده بعدی در یک یادداشت شخصی نگه دارید. آن یادداشت یک الگوی درخواست است؛ در درس‌های بعد تفاوت آن با دستورهای پایدار و Skill را جداگانه بررسی می‌کنیم.
منابع و تاریخ بررسی
آخرین بررسی: ۸ اکتبر ۲۰۲۶. پرامپت‌ها و سناریوها برای آموزش نوشته شده‌اند؛ خروجی آزمایش‌شده دو محصول ارائه نشده است.
