امروزه هوش مصنوعی (AI) دیگر یک تصویر علمی-تخیلی نیست؛ بلکه به یکی از ابزارهای کلیدی در زندگی روزمره تبدیل شده است. از مدل‌های زبانی پیشرفته مانند GPT و Gemini گرفته تا ابزارهای تولید تصویر، موسیقی، ویدیو و کد، این فناوری‌ها، شیوه‌های کار، فکر کردن و خلق اثر را دگرگون کرده‌اند؛ اما نکته مهم اینجا است: «حتی پیشرفته‌ترین مدل‌های هوش مصنوعی، بدون راهنمایی صحی، نمی‌توانند عملکردی مطلوبی داشته باشند».

اینجا است که اهمیت «آموزش پرامپت نویسی» آشکار می‌شود.

آموزش پرامپت نویسی یعنی یادگیری هنر طراحی دقیق ورودی‌ها برای مدل‌های هوش مصنوعی؛ ورودی‌هایی که باعث می‌شوند خروجی‌هایی خلاقانه، کاربردی و دقیق دریافت کنیم.

در واقع، اگر هوش مصنوعی را یک ماشین پیچیده و فوق‌پیشرفته در نظر بگیریم، «پرامپت» همان فرمان روشن‌کننده موتور آن است. آموزش پرامپت نویسی یاد می‌دهد چگونه این فرمان را درست صادر کنید تا بهترین پاسخ را بگیرید.

این مقاله، نقطه‌ آغاز سفر شما در مسیر آموزش پرامپت نویسی است. در این مسیر، از مفاهیم پایه شروع می‌کنیم و گام‌به‌گام سراغ تکنیک‌های پیشرفته‌تری می‌رویم که توسط حرفه‌ای‌ترین کاربران هوش مصنوعی استفاده می‌شود.

در پایان این سفر، تنها یک کاربر ساده نخواهید بود؛ بلکه به یک معمار حرفه‌ای گفتگو با هوش مصنوعی تبدیل خواهید شد؛ کسی که به کمک آموزش پرامپت نویسی، می‌تواند هوش مصنوعی را در مسیر تحقق اهداف شخصی، حرفه‌ای و خلاقانه به کار بگیرد.

پرامپت چیست؟

بیایید از ساده‌ترین سوال شروع کنیم: «پرامپت دقیقا چیست؟»

در ساده‌ترین تعریف، پرامپت (Prompt)، هر نوع ورودی است که شما به یک مدل هوش مصنوعی ارائه می‌دهید. این ورودی می‌تواند یک سوال ساده، یک دستور، یک پاراگراف متن، چند خط کد یا حتی ترکیبی از همه‌ این‌ها باشد.

پرامپت، نقطه‌ شروع گفتگو بین شما و هوش مصنوعی است؛ اما این تعریف ساده، عمق ماجرا را نشان نمی‌دهد. یک پرامپت موثر چیزی فراتر از یک سوال معمولی است.

به این تفاوت فکر کنید:

• جستجو در گوگل: وقتی در گوگل کلمه‌ «ماشین» را جستجو می‌کنید، موتور جستجو صفحات مرتبط با این کلمه را نشان می‌دهد. شما در حال جستجو برای اطلاعات موجود هستید.
• پرامپت برای هوش مصنوعی: وقتی به یک مدل زبانی می‌گویید: «یک مقاله‌ کوتاه در مورد تاریخچه‌ ماشین‌های الکتریکی بنویس»، شما در حال خلق محتوای جدید، بر اساس یک دستور هستید.

بنابراین، پرامپت را می‌توان به‌عنوان «مجموعه‌ای از دستورالعمل‌ها، زمینه‌ها، داده‌ها و سوالات، که برای هدایت یک مدل هوش مصنوعی به سمت تولید یک خروجی مشخص طراحی شده است»، تعریف کرد.

اجزای پرامپت

یک پرامپت می‌تواند شامل اجزای زیر باشد:

• دستور (Instruction): فعل اصلی که از هوش مصنوعی می‌خواهید انجام دهد. برای مثال: «بنویس، خلاصه کن، ترجمه کن، کد بنویس، تحلیل کن».
• زمینه (Context): اطلاعات پس‌زمینه‌ای که به هوش مصنوعی کمک می‌کند درخواستتان را بهتر درک کند. مثلا: «من یک بازاریاب دیجیتال هستم و برای کمپین جدیدمان به ایده نیاز دارم».
• داده ورودی (Input Data): متنی که می‌خواهید پردازش شود. مثلا: «این متن را خلاصه کن: (متن طولانی مقاله)».
• مشخص‌کننده‌ی خروجی (Output Indicator): توضیح فرمت، سبک یا ساختار خروجی موردنظر. مثلا: «پاسخ را در قالب یک لیست شماره‌گذاری‌ شده ارائه بده».

درک این اجزا، اولین قدم برای تبدیل شدن از یک پرسشگر ساده به یک مهندس پرامپت حرفه‌ای است.

انواع پرامپت‌ها برای تعامل موثر با هوش مصنوعی

در دنیای امروز که ابزارهای هوش مصنوعی در حال گسترش‌اند، «آموزش پرامپت نویسی» به یک مهارت کلیدی و ضروری تبدیل شده است. اگر می‌خواهید خروجی دقیق‌تر، کاربردی‌تر و متناسب‌تری از مدل‌های زبانی دریافت کنید، باید با انواع پرامپت‌ها آشنا باشید. در این بخش از آموزش پرامپت نویسی، رایج‌ترین انواع پرامپت‌ها را بررسی می‌کنیم:

1. پرامپت صفر شات (Zero-Shot Prompting)

اولین مرحله در آموزش پرامپت نویسی، شناخت پرامپت صفر شات است. این ساده‌ترین نوع پرامپت است که در آن، بدون ارائه هیچ مثال یا توضیحی، مستقیما سوال یا درخواست خود را مطرح می‌کنید. مثال زیر، نمونه‌ای از این نوع پرامپت است:

• پرامپت: «یک شعار برای کافی‌شاپ بنویس».
• پاسخ هوش مصنوعی: «آرامش را در هر فنجان تجربه کنید».

این روش در آموزش پرامپت نویسی، زمانی توصیه می‌شود که وظیفه، ساده و واضح باشد و نیازی به نمونه‌سازی یا زمینه‌سازی نداشته باشید.

2. پرامپت یک شات (One-Shot Prompting)

در ادامه مسیر آموزش پرامپت نویسی، پرامپت یک شات را بررسی می‌کنیم. در این روش، پیش از سوال اصلی، یک نمونه از پاسخ مطلوب ارائه می‌شود تا هوش مصنوعی، بهتر الگو موردنظر را درک کند.

• «پایتخت فرانسه کجا است؟» جواب: «پاریس»
• «پایتخت آلمان کجا است؟» پاسخ مورد انتظار: «برلین»

این سبک، در آموزش پرامپت نویسی، به‌ویژه برای ساختاردهی به پاسخ‌ها یا تعیین فرمت مشخص، بسیار کاربرد دارد.

3. پرامپت چند شات (Few-Shot Prompting)

یکی از نکات پیشرفته در آموزش پرامپت نویسی، استفاده از چند مثال (چند شات) برای آموزش مدل است. با ارائه چند نمونه، هوش مصنوعی می‌تواند الگو نگارش، لحن، یا سبک خاص را بهتر یاد بگیرد.
این روش، برای تولید محتواهایی مانند لیست مزایا، سبک‌های خاص نویسندگی یا مکالمات متنی، بسیار مفید است.

4. پرامپت مبتنی بر نقش (Role-Based Prompting)

در سطح حرفه‌ای‌تر از آموزش پرامپت نویسی، با پرامپت مبتنی بر نقش روبه‌رو می‌شویم. در این روش، نقش مشخصی برای هوش مصنوعی تعریف می‌شود تا پاسخ‌ها از دید آن نقش ارائه شود.

• مثال: «فرض کنید یک نویسنده ارشد در شرکت اپل هستید. یک توضیح الهام‌بخش برای معرفی محصول جدید بنویس».

این روش در آموزش پرامپت نویسی، کمک می‌کند لحن تخصصی، زاویه دید مشخص و محتوای حرفه‌ای‌تری از مدل دریافت کنید.

چرا باید پرامپت نویسی را یاد بگیریم؟

شاید بپرسید: «چرا این همه زحمت؟ مگر هوش مصنوعی به اندازه‌ کافی هوشمند نیست که منظور ما را بفهمد؟» پاسخ هم «بله» است و هم «خیر». مدل‌های زبانی بسیار قدرتمند هستند؛ اما آن‌ها ذهن‌خوان نیستند. کیفیت خروجی آن‌ها ارتباط مستقیمی با کیفیت ورودی شما دارد.

یادگیری پرامپت‌نویسی، به دلایل مختلف یک مهارت کلیدی و مزیتی رقابتی در دنیای امروز به‌شمار می‌آید.

۱. دستیابی به دقت و کنترل بی‌نظیر

به‌جای دریافت یک پاسخ عمومی و کلی، با یک پرامپت دقیق می‌توانید خروجی را دقیقا مطابق با نیاز خود شکل دهید. از لحن و سبک نوشته گرفته تا فرمت و طول آن، همه‌چیز تحت کنترل شما خواهد بود.

• پرامپت ضعیف: «در مورد قهوه بنویس».
• پرامپت قوی: «یک پست وبلاگ ۵۰۰ کلمه‌ای با لحنی دوستانه و جذاب، در مورد فواید نوشیدن یک فنجان قهوه ابتدای صبح، برای افزایش بهره‌وری بنویس. مخاطب این پست، کارمندان جوانی هستند که دنبال راه‌هایی برای شروع یک روز پرانرژی می‌گردند».

۲. افزایش چشمگیر بهره‌وری و صرفه‌جویی در زمان

یک پرامپت خوب در همان تلاش اول، شما را به نتیجه‌ مطلوب می‌رساند. این به‌معنای تکرار کمتر، ویرایش کمتر و در نهایت، صرفه‌جویی در ساعت‌ها کار است. به‌جای اینکه ده بار یک دستور را با کلمات مختلف امتحان کنید، یاد می‌گیرید چگونه از ابتدا، دستورالعمل صحیح را صادر کنید.

۳. شکوفایی خلاقیت و حل مسائل پیچیده

پرامپت‌نویسی فقط برای کارهای تکراری نیست. با تکنیک‌های پیشرفته، می‌توانید هوش مصنوعی را به یک شریک خلاق تبدیل کنید. می‌توانید از آن برای طوفان فکری، تولید ایده‌های نو، نگارش سناریو، ساخت موسیقی یا حتی کمک به حل مسائل پیچیده‌ علمی استفاده کنید. شما محدودیت‌های هوش مصنوعی را کنار می‌زنید.

۴. درک عمیق‌تر از قابلیت‌ها و محدودیت‌های هوش مصنوعی

با تمرین پرامپت‌نویسی، به درک بهتری از نحوه‌ «تفکر» مدل‌های زبانی می‌رسید. می‌فهمید چه نوع دستوراتی را بهتر درک می‌کنند و کجاها دچار مشکل می‌شوند. این دانش کمک می‌کند انتظارات واقع‌بینانه‌تری داشته باشید و از این ابزار به موثرترین شکل ممکن استفاده کنید.

۵. مهارتی برای آینده

همان‌طور که سواد دیجیتال و توانایی کار با کامپیوتر در دهه‌های گذشته به یک مهارت اساسی تبدیل شد، توانایی «گفتگو» با هوش مصنوعی نیز در حال تبدیل به یک مهارت بنیادی برای تمام مشاغل است. سرمایه‌گذاری برای یادگیری آن، سرمایه‌گذاری برای آینده‌ شغلی‌تان است.

آموزش پرامپت نویسی

در اینجا، گام‌به‌گام به آموزش پرامپت نویسی می‌پردازیم و اصول و تکنیک‌های آن را از سطح مبتدی تا پیشرفته بررسی می‌کنیم. این آموزش کمک می‌کند ورودی‌هایی دقیق و هدفمند طراحی کنید و خروجی‌هایی هوشمندانه، خلاقانه و کاربردی از هوش مصنوعی بگیرید.

چه تازه‌کار باشید و چه کاربر حرفه‌ای، این بخش از آموزش پرامپت نویسی، ابزارها و نکاتی را در اختیارتان می‌گذارد تا عملکردتان در تعامل با هوش مصنوعی را به سطح بالاتری برسانید.

وضوح و جزئیات (Clarity and Specificity)

یکی از اصول مهم در آموزش پرامپت نویسی، نوشتن پرامپت‌هایی شفاف، دقیق و دارای جزئیات کافی است. هرچه دستورتان دقیق‌تر باشد، پاسخ بهتری دریافت خواهید کرد. هوش مصنوعی نمی‌تواند حدس بزند در ذهنتان چه می‌گذرد.

• مثال ضعیف: «ایمیل مارکتینگ چیه؟»
• مثال قوی: «ایمیل مارکتینگ را برای صاحب یک کسب‌وکار کوچک که هیچ دانش فنی ندارد، در ۳ پاراگراف توضیح بده. به مزایای اصلی آن مانند هزینه پایین و ارتباط مستقیم با مشتری اشاره کن».

ارائه زمینه (Provide Context)

به هوش مصنوعی بگویید که هستید، مخاطب کیست و هدف چیست. زمینه، به مدل کمک می‌کند پاسخ خود را متناسب با شرایط تنظیم کند.

• مثال ضعیف: «یک اسکریپت ویدیو بنویس».
• مثال قوی: «من معلم علوم پایه‌ پنجم ابتدایی هستم. یک اسکریپت ویدیو ۲ دقیقه‌ای برای توضیح چرخه‌ آب بنویس. زبان آن باید ساده، قابل فهم برای کودکان ۱۰ ساله و پر از مثال‌های تصویری باشد».

تعیین شخصیت (Define a Persona)

یکی از قدرتمندترین تکنیک‌ها این است که از هوش مصنوعی بخواهید نقش یک شخصیت خاص را بازی کند. این کار، لحن، سبک و عمق محتوا را دگرگون می‌کند.

• مثال ضعیف: «مزایا و معایب کار از راه دور را لیست کن».
• مثال قوی: «در نقش یک مشاور منابع انسانی با ۲۰ سال سابقه، مزایا و معایب کار از راه دور را برای مدیر یک شرکت فناوری تحلیل کن. تحلیل خود را با تمرکز بر بهره‌وری تیم، فرهنگ سازمانی و حفظ استعدادها ارائه بده».

مشخص کردن فرمت خروجی (Specify the Format)

دقیقا به هوش مصنوعی بگویید خروجی را در چه قالبی می‌خواهید. این کار، از دریافت یک متن طولانی و به‌هم‌ریخته جلوگیری می‌کند.

• مثال ضعیف: «ایده‌های سفر به ایتالیا را بگو».
• مثال قوی: «یک برنامه‌ سفر ۷ روزه به ایتالیا برای یک زوج جوان پیشنهاد بده. خروجی را در قالب یک جدول Markdown ارائه کن که ستون‌های آن شامل «روز»، «شهر»، «فعالیت‌های اصلی» و «تخمین هزینه‌ها» باشد».

استفاده از محدودیت‌ها (Use Constraints)

برای هوش مصنوعی مرز تعیین کنید. محدودیت‌ها به تمرکز بیشتر و تولید خروجی دقیق‌تر کمک می‌کنند.

• مثال ضعیف: «یک داستان کوتاه بنویس».
• مثال قوی: «یک داستان کوتاه ترسناک حدود ۳۰۰ کلمه بنویس که در یک کتابخانه‌ قدیمی اتفاق می‌افتد. از کلمات «ناگهان» و «تاریک» استفاده نکن. داستان باید با یک سوال به پایان برسد».

آموزش پرامپت نویسی به شیوه گوگل

یکی از رویکردهای موثر در آموزش پرامپت نویسی را می‌توان در آموزه‌های ژان بقوسیان یافت. او در یک ویدیو آموزشی تحت عنوان «نوشتن پرامپت هوش مصنوعی به شیوه گوگل»، به بررسی نکات کلیدی تعامل هدفمند با هوش مصنوعی می‌پردازد. این ویدیو، بر پایه‌ یک چهارچوب کاملا مشخص بنا شده که شباهت زیادی به فلسفه کاری گوگل دارد.

ژان بقوسیان تاکید می‌کند برای دستیابی به خروجی دقیق و قابل‌استفاده از مدل‌های هوش مصنوعی، باید چهار عنصر کلیدی را در طراحی پرامپت لحاظ کنیم:

1. نقش

2. وظیفه

3. زمینه

4. فرمت خروجی

این چارچوب ساختاریافته، به کاربر کمک می‌کند به جای طرح سوالی مبهم، یک دستورالعمل روشن، شفاف و قابل اجرا ارائه دهد.

چکیده نکات این ویدیو یوتیوب را نیز می‌توانید در مقاله‌ای با همین نام (نوشتن پرامپت هوش مصنوعی به شیوه گوگل)، در سایت مدیرسبز مطالعه کنید.

در مسیر آموزش پرامپت نویسی، چنین نگاهی از پراکندگی در پرسش‌ها جلوگیری می‌کند و هوش مصنوعی را وادار می‌سازد دقیقا همان چیزی را تولید کند که در ذهن شما است؛ نه چیزی نزدیک و احتمالی؛ بلکه دقیق و هدفمند.

نظم، دقت و خروجی حرفه‌ای

گوگل به‌عنوان یک غول فناوری، همیشه بر نظم، ساختار و تصمیم‌گیری مبتنی بر داده تکیه کرده است. جالب است بدانید همین فلسفه را می‌توان در آموزش پرامپت نویسی نیز به‌کار گرفت. دیگر زمان پرسیدن سوالات پراکنده با امید به دریافت پاسخ خوب گذشته است. امروز، با تعریف دقیق نقش مدل، مشخص‌کردن وظیفه، ارائه‌ زمینه‌ مناسب و تعیین فرمت خروجی، می‌توان کنترل کامل پاسخ را در دست گرفت.

در این مقاله، این متد چهارمرحله‌ای را که از آموزه‌های ژان بقوسیان برگرفته شده و با تفکر تحلیلی گوگل هم‌راستا است را بررسی خواهیم کرد. هدف این بخش از آموزش پرامپت نویسی، این است نشان دهیم چگونه می‌توان تنها با چند تغییر در نحوه نگارش پرامپت، کیفیت و دقت پاسخ‌های دریافتی از هوش مصنوعی را به‌طرز چشمگیری افزایش داد.

آموزش پرامپت نویسی در ChatGPT

بر اساس ویدیو آموزشی پربیننده‌ای با عنوان «Master the Perfect ChatGPT Prompt Formula» از کانال یوتیوب Jeff Su، می‌توان به یکی از کاربردی‌ترین و موثرترین فرمول‌ها در زمینه‌ آموزش پرامپت نویسی دست یافت.

جف سو در این ویدیو، با زبانی ساده و ساختاری منظم، یک چارچوب شش‌مرحله‌ای را معرفی می‌کند که به کاربران کمک می‌کند پرامپت‌هایی دقیق، هدفمند و قابل‌اعتماد طراحی کنند. در ادامه به این فرمول شش مرحله‌ای می‌پردازیم.

1. وظیفه (Task)

مهم‌ترین و ضروری‌ترین بخش هر پرامپت است. وظیفه باید با یک فعل عملی آغاز شود و به‌صورت واضح هدف نهایی را مشخص کند. بدون تعریف دقیق وظیفه، هوش مصنوعی نمی‌تواند خروجی معناداری ارائه دهد.

2. متن یا زمینه (Context)

ارائه اطلاعات لازم برای محدود کردن دامنه پاسخ‌ها. این بخش شامل اطلاعاتی درباره وضعیت کاربر، هدف او، محیط کاری، تعریف موفقیت یا هر جزئیاتی است که به شفاف‌سازی پرسش کمک می‌کند. نکته کلیدی اینجا است که باید از زیاده‌گویی پرهیز شود و فقط داده‌های مرتبط گنجانده شود.

3. نمونه‌ها (Exemplars)

نمونه‌ها یا مثال‌ها به هوش مصنوعی ساختار و قالب موردنظرتان را نشان می‌دهند. با ارائه چند الگو یا سند مرجع، می‌توان کیفیت و دقت پاسخ را به شکل چشم‌گیری افزایش داد.

4. شخصیت (Persona)

تعیین نقش یا هویتی برای مدل، مانند «یک متخصص منابع انسانی»، «یک معلم ریاضی« یا حتی «یک نویسنده خلاق». این رویکرد باعث می‌شود پاسخ‌ها با لحن و زاویه دید مشخصی تولید شوند.

5. قالب (Format)

مشخص کردن شکل نهایی پاسخ، مانند فهرست بولت‌دار، جدول، ایمیل، کد، یا فرمت markdown. تعیین فرمت به هوش مصنوعی کمک می‌کند خروجی، به‌طور دقیق با نیازتان هماهنگ باشد.

6. لحن (Tone)

تعریف احساس یا سبک نوشتار پاسخ. به‌جای استفاده از صفات کلی مانند «رسمی» یا «دوستانه»، بهتر است حس یا موقعیت موردنظر را توضیح دهید. مثلا: «طوری بنویس که انگار در حال توضیح دادن برای یک کارآفرین تازه‌کار  هستی».

در آموزش پرامپت نویسی، این فرمول یک ابزار راهبردی است تا بتوانید در زمان کوتاه، پرامپت‌هایی دقیق، قابل‌فهم و موثر طراحی کنید؛ البته لازم نیست هر شش بخش در همه پرامپت‌ها استفاده شوند؛ اما آگاهی از آن‌ها باعث می‌شود کنترل بیشتری بر کیفیت خروجی داشته باشید.

آموزش پرامپت نویسی پیشرفته

وقتی بر اصول پایه مسلط شدید، می‌توانید از این تکنیک‌های پیشرفته برای حل مسائل پیچیده‌تر و دستیابی به نتایج خارق‌العاده استفاده کنید.

۱. پرامپت‌نویسی چندنمونه‌ای (Few-Shot Prompting)

در این روش، قبل از طرح سوال اصلی، چند مثال از ورودی و خروجی دلخواه را به هوش مصنوعی می‌دهید. این کار به مدل یاد می‌دهد دقیقا چه الگویی را دنبال کند. این تکنیک برای کارهایی که نیاز به فرمت یا سبک بسیار خاصی دارند، عالی است.

چند مثال مانند نمونه زیر به هوش مصنوعی بدهید تا درک بهتری پیدا کند:

• پرامپت: «متن‌های زیر را تحلیل و احساسات آن‌ها (مثبت، منفی، خنثی) را مشخص کن».

در ادامه، چند مثال بزنید:

• مثال 1: من عاشق این فیلم شدم! بازیگری عالی بود. احساس: مثبت
• مثال 2: محصول دیر به دستم رسید و خراب بود. احساس: منفی
• مثال 3: این کنفرانس فردا برگزار می‌شود. احساس: خنثی

حالا از هوش مصنوعی بخواهید، مانند نمونه‌های داده شده، خودش احساس متن زیر را مشخص کند:

• متن: از خدمات مشتری شما بسیار ناامید شدم؛ اما خود محصول کیفیت خوبی دارد.
• احساس: ؟

۲. پرامپت‌نویسی زنجیره-فکر (Chain-of-Thought Prompting – CoT)

این یک تکنیک انقلابی برای حل مسائل منطقی، ریاضی و استدلالی است. به‌جای اینکه فقط پاسخ نهایی را بخواهید، از هوش مصنوعی بخواهید مرحله به مرحله فکر کند و فرایند رسیدن به پاسخ را توضیح دهد.

این کار مدل را وادار می‌کند  مسئله را به بخش‌های کوچکتر تقسیم کرده و با دقت بیشتری آن را حل کند.

• مثال ضعیف: «اگر ۵ ماشین‌کار بتوانند ۱۰ قطعه را در ۲ ساعت بسازند، ۳ ماشین‌کار چند قطعه را در ۴ ساعت می‌سازند؟» (ممکن است پاسخ اشتباه بدهد)
• مثال قوی: «اگر ۵ ماشین‌کار بتوانند ۱۰ قطعه را در ۲ ساعت بسازند، ۳ ماشین‌کار چند قطعه را در ۴ ساعت می‌سازند؟» بیا مرحله به مرحله فکر کنیم تا به جواب برسیم.

مراحل رسیدن به پاسخ نهایی، به شرح زیر می‌باشد:

۱. ابتدا حساب کن یک ماشین‌کار در یک ساعت چند قطعه می‌سازد.

۲. سپس حساب کن ۳ ماشین‌کار در یک ساعت چند قطعه می‌سازند.

۳. در نهایت، حساب کن آن ۳ ماشین‌کار در ۴ ساعت چند قطعه خواهند ساخت.

۳. استفاده از دانش تولیدشده (Generated Knowledge Prompting)

برای موضوعات پیچیده یا جدید، می‌توانید از هوش مصنوعی بخواهید ابتدا دانش موردنیاز را تولید کرده و سپس بر اساس آن، به سوال اصلی پاسخ دهد. این کار دقت و عمق پاسخ را افزایش می‌دهد.

مثال: «من می‌خواهم یک پست در مورد «اقتصاد گیگ» (Gig Economy) بنویسم».

1. قدم اول: ابتدا، سه حقیقت کلیدی و سه چالش اصلی اقتصاد گیگ را شناسایی و لیست کن.

2. قدم دوم: با استفاده از حقایق و چالش‌هایی که در قدم اول لیست کردی، یک مقدمه‌ جذاب و تاثیرگذار برای یک مقاله‌ وبلاگ بنویس که خواننده را به ادامه‌ مطالعه ترغیب کند.

۴. خود اصلاحی (Self-Correction / Reflection)

می‌توانید از هوش مصنوعی بخواهید خروجی خود را نقد و اصلاح کند. این تکنیک برای بهبود کیفیت نوشته‌ها، کدها و تحلیل‌ها فوق‌العاده است.

مثال: «متن زیر را که در مورد هوش مصنوعی نوشته‌ام، بازنویسی کن تا برای مخاطب عام، قابل‌فهم‌تر باشد. (متن موردنظر را نیز بگذارید.)

پس از بازنویسی، پاسخ را مرور کن و از خودت این سوالات را بپرس:

• آیا از اصطلاحات فنی پیچیده پرهیز کرده‌ام؟
• آیا از مثال‌های ساده و قابل درک استفاده کرده‌ام؟
• آیا متن نهایی لحنی خنثی و اطلاع‌رسان دارد؟

اگر لازم است، متن را دوباره اصلاح کن تا به این معیارها برسد.

مثال کاربردی

بیایید تمام این تکنیک‌ها را در یک پرامپت قدرتمند ترکیب کنیم.

پرامپت جامع

«در نقش یک استراتژیست ارشد بازاریابی دیجیتال با تخصص در برندهای لوکس، عمل کن».
شرکت ما قصد دارد یک ساعت مچی جدید و گران‌قیمت را که از مواد بازیافتی ساخته شده، در بازار خاورمیانه عرضه کند. مخاطب هدف ما، نسل جوان (۲۵ تا ۴۰ ساله) و ثروتمندی است که به پایداری و محیط زیست اهمیت می‌دهد.

• وظیفه: یک استراتژی معرفی محصول در سه بخش برای اینستاگرام طراحی کن.
• فرمت خروجی: پاسخ را در قالب یک سند Markdown با تیترهای مشخص برای هر بخش ارائه بده.

دستورالعمل‌های دقیق

۱. بخش اول: فاز تیزر (Teaser Phase)

• سه ایده‌ی پست برای ایجاد کنجکاوی قبل از معرفی محصول پیشنهاد بده.
• از تکنیک Few-Shot استفاده کن.
• برای مثال: پست ۱: تصویر کلوزآپ از بافت منحصربه‌فرد ساعت.
• کپشن: زمان، بازیافته شد.

۲. بخش دوم: فاز معرفی (Launch Phase)

• یک متن برای پست اصلی معرفی محصول بنویس (حداکثر ۱۵۰ کلمه).
• این متن باید داستان پشت ساعت (ترکیب لوکس بودن و پایداری) را روایت کند.

۳. بخش سوم: فاز پس از معرفی (Post-Launch Phase)

• دو ایده برای همکاری با اینفلوئنسرهای منطقه پیشنهاد بده.
• نوع اینفلوئنسر و پیام اصلی کمپین را مشخص کن.
• محدودیت: در کل متن، از لحنی پیچیده و مغرور پرهیز کن. لحن باید لوکس، اما آگاه و مسئولانه باشد.

خود-اصلاحی

پس از نوشتن استراتژی، آن را مرور کن و مطمئن شو پیام «پایداری»، به‌شکلی اصیل و نه شعاری، منتقل شده است. اگر این‌طور نیست، بخش‌های لازم را اصلاح کن.

پرامپت‌نویسی درست مانند یادگیری یک زبان جدید یا نواختن یک ساز، مهارت است و نه مجموعه‌ای از دانستنی‌های ثابت. تنها راه تسلط بر این مهارت، تمرین مداوم، تجربه و آزمون و خطا است. از اشتباه کردن نترسید. انواع پرامپت‌ها را امتحان کنید، نتایج را با هم مقایسه کنید و ببینید کدام روش برای شما بهترین نتیجه را به همراه دارد.

اکنون به اصول و تکنیک‌های قدرتمندی مجهز شده‌اید که شما را از ۹۹٪ کاربران هوش مصنوعی متمایز می‌کند. شما دیگر فقط یک مصرف‌کننده‌ منفعل نیستید؛ بلکه یک خالق فعال و یک کارگردان هستید که می‌تواند از این فناوری شگفت‌‌انگیز، برای رسیدن به اهداف بزرگ خود استفاده کند. کلید پادشاهی در دستان شما است؛ وقت آن است که قفل‌ها را باز کنید.