پرامپت‌نویسی پیشرفته: نقش، نمونه و قالب

سه تکنیک، هرکدام برای یک نوع شکست رایج. وقتی الگوی ساده جواب نداد، یکی از این سه معمولاً مشکل را حل می‌کند.

#نقش، اما دقیق

گفتن «به‌عنوان ویراستار» یک شروع است، اما مدل هزاران نوع ویراستار دیده. هرچه نقش را مشخص‌تر کنید، خروجی هم‌سوتر می‌شود: «ویراستار» در مقابل «ویراستار یک نشریه‌ی تخصصی فناوری که برای مخاطب عمومی می‌نویسد و از کلمات قرضی پرهیز می‌کند». نقش دوم، ده‌ها تصمیم ریز را از پیش گرفته است.

#نشان بده، نگو (الگوسازی با نمونه)

برای کارهایی که توضیحش سخت ولی نشان‌دادنش آسان است، یک یا دو نمونه‌ی کامل بدهید و بعد بگویید «حالا برای ورودی بعدی همین کار را بکن». مدل از نمونه، لحن و ساختار و سطح جزئیات را همزمان می‌گیرد — چیزی که با توضیح، خطوط زیادی می‌برد.

این‌ها را به یکی از سه دسته‌ی «فوری»، «بعداً»، «واگذار» تقسیم کن. نمونه:
«پاسخ به ایمیل مدیر درباره‌ی گزارش» → فوری

حالا این‌ها:
- بازبینی پیش‌نویس مقاله تا آخر هفته
- یافتن یک ابزار بهتر برای یادداشت‌برداری
- رزرو بلیت سفر ماه بعد

#قالب را کامل کنترل کنید

مبهم‌ترین بخش بیشتر پرامپت‌ها، شکل خروجی است. اگر نگویید، مدل حدس می‌زند — و حدسش معمولاً یک پاراگراف وسط است. دقیقاً بگویید: «جدول با سه ستون»، «حداکثر پنج بولت»، «اول یک خلاصه‌ی یک‌جمله‌ای، بعد جزئیات». برای خروجی‌ای که قرار است در جای دیگری استفاده شود (مثلاً داده)، حتی قالب فنی بخواهید: «فقط JSON، بدون توضیح اضافه».

سه ابزار هوش مصنوعی برای نوشتن را در یک جدول مقایسه کن. ستون‌ها: نام، نقطه‌قوت اصلی، یک محدودیت. دقیقاً سه ردیف. بدون هیچ متنی قبل یا بعد جدول.

#هر سه با هم

قدرت واقعی وقتی است که هر سه را ترکیب کنید: نقشِ دقیق + یک نمونه + قالبِ مشخص. این ترکیب، تفاوت بین کسی است که «از هوش مصنوعی استفاده می‌کند» و کسی که «دقیقاً می‌داند چه می‌خواهد و آن را می‌گیرد». در فصل بعد می‌بینیم وقتی همین هم جواب نداد، چطور پرامپت را اصلاح کنیم.