بازنویسی یک پرامپت ضعیف

یکی از بهترین راه های یاد گرفتن پرامپت نویسی این نیست که صد مدل فرمول حفظ کنید.

بهتر است یک درخواست ضعیف را بردارید و ببینید چطور می شود آن را مرحله به مرحله بهتر کرد.

مثلا این پرامپت را در نظر بگیرید:

برای کسب و کار من یک برنامه بازاریابی بنویس.

در ظاهر درخواست بدی نیست. مدل هم احتمالا جواب می دهد.

اما مشکل اینجاست که تقریبا همه چیز را باید حدس بزند:

• چه کسب و کاری دارید؟
• مشتری شما چه کسی است؟
• هدفتان فروش است یا آگاهی از برند؟
• بودجه دارید یا نه؟
• برنامه برای یک هفته است یا شش ماه؟
• خروجی را در چه قالبی می خواهید؟
• چه چیزی برای شما موفقیت محسوب می شود؟

وقتی مدل مجبور باشد این همه چیز را حدس بزند، نباید تعجب کنیم که جوابش عمومی باشد.

در این مقاله می خواهیم همین درخواست را مرحله به مرحله بازنویسی کنیم تا به یک پرامپت دقیق و قابل استفاده برسیم.

مرحله اول: هدف را روشن کنید

پرامپت اولیه:

برای کسب و کار من یک برنامه بازاریابی بنویس.

اول باید مشخص کنیم دقیقا چه نتیجه ای می خواهیم.

مثلا:

برای کسب و کار من یک برنامه بازاریابی ۳۰ روزه بنویس که هدف اصلی آن افزایش درخواست مشاوره باشد.

همین یک جمله چند ابهام را حذف کرد:

• بازه زمانی مشخص شد.
• هدف مشخص شد.
• مدل می داند قرار نیست فقط «برندینگ» پیشنهاد بدهد.

سوالی که باید از خودتان بپرسید

قبل از ارسال پرامپت بپرسید:

اگر جواب عالی باشد، دقیقا چه کاری برای من انجام داده است؟

به جای:

درباره رزومه من کمک کن.

بگویید:

رزومه من را بررسی کن و پنج تغییری را پیشنهاد بده که شانس دعوت به مصاحبه برای موقعیت DevOps Engineer را بیشتر کند.

فعل و نتیجه، هر دو واضح شده اند.

مرحله دوم: Context اضافه کنید

حالا مدل می داند چه می خواهیم، اما هنوز درباره کسب و کار چیزی نمی داند.

نسخه بهتر:

من یک مدرس هوش مصنوعی برای افراد غیر فنی هستم. بیشتر مخاطبان من بین ۲۵ تا ۴۵ سال دارند و می خواهند AI را برای کار روزمره، تولید محتوا و بهره وری استفاده کنند. برای کسب و کار من یک برنامه بازاریابی ۳۰ روزه بنویس که هدف اصلی آن افزایش درخواست مشاوره باشد.

حالا پاسخ احتمالا خیلی متفاوت می شود.

مدل دیگر لازم نیست حدس بزند که مثلا شما فروشگاه پوشاک دارید یا شرکت B2B نرم افزاری.

Context خوب چه ویژگی دارد؟

Context خوب لزوما طولانی نیست.

فقط باید اطلاعاتی را بدهد که اگر مدل آنها را نداند، جواب احتمالا تغییر می کند.

مثلا:

• مخاطب چه کسی است؟
• محصول یا خدمت چیست؟
• الان در چه مرحله ای هستید؟
• چه منابعی دارید؟
• چه چیزی قبلا امتحان شده؟
• چه محدودیتی وجود دارد؟

مرحله سوم: محدودیت ها را اضافه کنید

اگر محدودیت ها را نگویید، مدل ممکن است پیشنهادهایی بدهد که از نظر تئوری خوب هستند اما برای شما قابل اجرا نیستند.

مثلا:

بودجه تبلیغات پولی ندارم. روزانه حداکثر ۹۰ دقیقه برای تولید محتوا زمان دارم. نمی خواهم هر روز پست منتشر کنم و تمرکز اصلی من روی اینستاگرام و سایت است.

حالا پاسخ باید با دنیای واقعی شما سازگارتر شود.

نسخه فعلی پرامپت:

من یک مدرس هوش مصنوعی برای افراد غیر فنی هستم. بیشتر مخاطبان من بین ۲۵ تا ۴۵ سال دارند و می خواهند AI را برای کار روزمره، تولید محتوا و بهره وری استفاده کنند.

برای من یک برنامه بازاریابی ۳۰ روزه طراحی کن که هدف اصلی آن افزایش درخواست مشاوره باشد.

بودجه تبلیغات پولی ندارم، روزانه حداکثر ۹۰ دقیقه زمان دارم، نمی خواهم هر روز پست منتشر کنم و تمرکز اصلی من روی اینستاگرام و سایت است.

این دیگر با پرامپت اول فاصله زیادی دارد.

مرحله چهارم: شکل خروجی را تعیین کنید

اگر فرمت را مشخص نکنید، مدل خودش تصمیم می گیرد جواب را چگونه ارائه کند.

گاهی این تصمیم خوب است، گاهی هم یک دیوار متن تحویل می گیرید که خواندنش خودش پروژه جدیدی است.

مثلا اضافه کنید:

خروجی را در یک جدول ارائه بده. ستون ها شامل روز، اقدام، کانال، هدف، زمان تقریبی اجرا و شاخص موفقیت باشند.

حالا پاسخ نه فقط دقیق تر، بلکه قابل اجرا تر می شود.

مرحله پنجم: معیار کیفیت را مشخص کنید

این مرحله معمولا فراموش می شود.

شما می توانید به مدل بگویید یک جواب خوب از نظر شما چه ویژگی هایی دارد.

مثلا:

پیشنهادها باید عملی باشند، به ابزار یا تیم بزرگ نیاز نداشته باشند و هر اقدام باید مستقیما به یکی از این سه هدف وصل باشد: جذب مخاطب جدید، ایجاد اعتماد یا گرفتن درخواست مشاوره.

این جمله کیفیت خروجی را محدود و قابل سنجش می کند.

نسخه نهایی پرامپت

حالا همه چیز را کنار هم بگذاریم:

من یک مدرس هوش مصنوعی برای افراد غیر فنی هستم. بیشتر مخاطبان من بین ۲۵ تا ۴۵ سال دارند و می خواهند AI را برای کار روزمره، تولید محتوا و بهره وری استفاده کنند.

برای من یک برنامه بازاریابی ۳۰ روزه طراحی کن که هدف اصلی آن افزایش درخواست مشاوره باشد.

محدودیت ها:

• بودجه تبلیغات پولی ندارم.
• روزانه حداکثر ۹۰ دقیقه برای بازاریابی زمان دارم.
• نمی خواهم هر روز پست منتشر کنم.
• تمرکز اصلی روی اینستاگرام و سایت است.

خروجی را به صورت جدول ارائه بده. ستون ها: روز، اقدام، کانال، هدف، زمان تقریبی اجرا و شاخص موفقیت.

پیشنهادها باید عملی باشند و به تیم بزرگ یا ابزار گران نیاز نداشته باشند. هر اقدام باید مستقیما به یکی از این سه هدف وصل باشد: جذب مخاطب جدید، ایجاد اعتماد یا گرفتن درخواست مشاوره.

حالا مقایسه کنید با نسخه اول:

برای کسب و کار من یک برنامه بازاریابی بنویس.

هر دو درباره یک موضوع هستند، اما دومی احتمال خیلی بیشتری دارد که جواب قابل استفاده تولید کند.

قبل و بعد؛ یک مثال ساده برای نوشتن ایمیل

نسخه ضعیف

یک ایمیل برای مشتری بنویس.

بازنویسی مرحله ای

اول هدف:

یک ایمیل برای مشتری بنویس تا جلسه ای که لغو شده دوباره زمان بندی شود.

بعد Context:

مشتری مدیر یک شرکت است و قبلا یک جلسه ۳۰ دقیقه ای برای معرفی سرویس داشتیم که به دلیل مشکل زمانی لغو شد.

بعد لحن:

لحن حرفه ای، کوتاه و بدون فشار فروش باشد.

بعد خروجی:

ایمیل حداکثر ۱۲۰ کلمه باشد و سه گزینه زمانی برای هفته آینده پیشنهاد دهد.

نسخه نهایی

برای مشتری ای که جلسه معرفی سرویس ما را به دلیل مشکل زمانی لغو کرده، یک ایمیل کوتاه برای زمان بندی مجدد بنویس.

مخاطب مدیر یک شرکت است. لحن حرفه ای و دوستانه باشد و حس فشار فروش نداشته باشد.

ایمیل حداکثر ۱۲۰ کلمه باشد و سه گزینه زمانی برای هفته آینده پیشنهاد دهد. Subject هم بنویس.

این تفاوت بین «از AI چیزی خواستن» و «یک کار را درست تعریف کردن» است.

مثال دوم: بازنویسی پرامپت برای تولید محتوا

نسخه ضعیف

برای اینستاگرام درباره AI محتوا بده.

مشکل؟ تقریبا همه چیز مبهم است.

نسخه بهتر:

پنج ایده برای Reel اینستاگرام درباره استفاده عملی از AI در محیط کار پیشنهاد بده.

مخاطب مدیران و کارشناسان غیر فنی ۳۰ تا ۴۵ ساله هستند که ChatGPT را می شناسند اما استفاده حرفه ای از آن ندارند.

ایده ها نباید مبتدی یا کلیشه ای باشند. هر ایده باید یک نکته مشخص، یک مثال واقعی و یک Hook کوتاه داشته باشد.

خروجی را به صورت جدول با ستون های عنوان، Hook، نکته اصلی و مثال ارائه بده.

دوباره، موضوع همان است؛ تعریف مسئله بهتر شده است.

مثال سوم: بازنویسی پرامپت برای تحلیل

نسخه ضعیف

این فایل را تحلیل کن.

مدل از کجا بداند دنبال چه چیزی هستید؟

نسخه بهتر:

این گزارش فروش سه ماهه را تحلیل کن و فقط روی سه موضوع تمرکز کن:

1. محصولاتی که بیشترین رشد یا افت را داشته اند.
2. تغییرات غیر عادی که نیاز به بررسی دارند.
3. سه اقدام پیشنهادی برای ماه بعد.

هیچ عددی را حدس نزن. اگر داده کافی نیست، صریح بنویس «داده کافی نیست».

در پایان یک خلاصه مدیریتی حداکثر پنج خطی بده.

حالا مدل می داند چه چیزی مهم است و چه چیزی مهم نیست.

یک اشتباه رایج: پرامپت را بی دلیل طولانی نکنید

بهتر کردن پرامپت به معنی طولانی تر کردن آن نیست.

گاهی کاربران بعد از یاد گرفتن Prompt Engineering شروع می کنند به نوشتن درخواست هایی که از خود مسئله طولانی ترند.

این هم می تواند کیفیت را پایین بیاورد.

قاعده ساده:

هر جمله ای که روی جواب اثر ندارد، احتمالا لازم نیست در پرامپت باشد.

مثلا اگر برای ترجمه یک جمله کوتاه می نویسید، لازم نیست سه پاراگراف درباره نقش مدل، روش فکر کردن و فلسفه ترجمه بنویسید.

پرامپت خوب لزوما بلند نیست؛ اطلاعات لازم را دارد.

به جای یک پرامپت کامل، گفتگو کنید

همیشه لازم نیست از همان ابتدا کامل ترین پرامپت دنیا را بنویسید.

برای کارهای پیچیده، یک روش بهتر این است که مسئله را مرحله ای حل کنید.

مثلا ابتدا بگویید:

می خواهم برای دوره جدیدم یک Landing Page بنویسم. قبل از نوشتن متن، پنج سوال مهمی که برای ساخت صفحه لازم داری از من بپرس.

بعد جواب سوال ها را بدهید و از مدل بخواهید نسخه اول را بسازد.

سپس نقد کنید:

بخش Hero زیادی تبلیغاتی است. مستقیم ترش کن و روی نتیجه دوره تمرکز کن.

بعد دوباره اصلاح کنید.

این فرایند معمولا از تلاش برای نوشتن یک «Super Prompt» چند صفحه ای بهتر است.

چک لیست بازنویسی یک پرامپت ضعیف

قبل از ارسال یک درخواست مهم، این سوال ها را مرور کنید:

1. هدف مشخص است؟

   • مدل دقیقا باید چه کاری انجام دهد؟

2. Context کافی داده ام؟

   • چه اطلاعاتی اگر مدل نداند، جواب تغییر می کند؟

3. محدودیت ها مشخص هستند؟

   • زمان، بودجه، طول، ابزار، لحن یا موارد ممنوعه چیست؟

4. شکل خروجی را گفته ام؟

   • متن، جدول، JSON، چک لیست، مراحل اجرایی یا چیز دیگر؟

5. معیار کیفیت مشخص است؟

   • از کجا بفهمیم جواب خوب است؟

6. اطلاعات اضافی حذف شده اند؟

   • آیا چیزی نوشته ام که هیچ تاثیری روی پاسخ ندارد؟

اگر جواب این شش سوال روشن باشد، معمولا پرامپت شما به اندازه کافی خوب است.

یک فرمول ساده برای بازنویسی

برای بیشتر درخواست ها می توانید از این ساختار استفاده کنید:

کار: [دقیقا چه کاری انجام شود]

زمینه: [اطلاعاتی که مدل باید بداند]

محدودیت ها: [زمان، طول، بودجه، لحن، موارد ممنوع]

خروجی: [فرمت دقیق پاسخ]

معیار کیفیت: [چه چیزی یک پاسخ خوب را تعریف می کند]

مثلا:

کار: سه گزینه برای عنوان مقاله پیشنهاد بده.

زمینه: مقاله درباره اشتباهات رایج افراد مبتدی در استفاده از ChatGPT است و مخاطب آن کاربران غیر فنی هستند.

محدودیت ها: عنوان ها حداکثر ۱۲ کلمه باشند، کلیک بیتی نباشند و عبارت «هوش مصنوعی» حداقل در یکی از گزینه ها وجود داشته باشد.

خروجی: سه عنوان شماره گذاری شده، بدون توضیح اضافه.

معیار کیفیت: عنوان باید موضوع مقاله را روشن کند و در عین حال کنجکاوی ایجاد کند.

تمرین: یک پرامپت واقعی خودتان را بازنویسی کنید

برای تمرین، یکی از درخواست هایی را که اخیرا برای ChatGPT، Claude یا Gemini نوشته اید پیدا کنید.

نسخه اولیه را نگه دارید.

بعد در پنج مرحله آن را اصلاح کنید:

1. هدف را دقیق تر کنید.
2. Context لازم را اضافه کنید.
3. محدودیت ها را مشخص کنید.
4. فرمت خروجی را تعیین کنید.
5. معیار کیفیت اضافه کنید.

حالا هر دو نسخه را جداگانه به مدل بدهید و خروجی ها را مقایسه کنید.

این تمرین خیلی بیشتر از حفظ کردن فهرستی از «ترفندهای پرامپت نویسی» به شما یاد می دهد.

چون کم کم یک مهارت مهم را پیدا می کنید:

دیدن ابهام قبل از اینکه مدل مجبور شود آن را حدس بزند.

جمع بندی

پرامپت ضعیف معمولا به این دلیل ضعیف نیست که کلمات جادویی ندارد.

مشکل اغلب ساده تر است:

درخواست به اندازه کافی تعریف نشده است.

برای بهتر کردن آن:

• هدف را روشن کنید.
• Context لازم را بدهید.
• محدودیت ها را مشخص کنید.
• شکل خروجی را تعیین کنید.
• معیار کیفیت تعریف کنید.
• اطلاعات بی اثر را حذف کنید.

پرامپت نویسی خوب بیشتر از اینکه «ترفند نوشتن برای AI» باشد، مهارت تعریف درست مسئله است.

و این مهارتی است که حتی اگر فردا مدل های هوش مصنوعی ده برابر بهتر شوند، باز هم ارزش خودش را حفظ می کند.