پرامپت خوب از نام نقش شروع نمی‌شود؛ از خروجی مورد نیاز و روش قضاوت آن شروع می‌شود. باید روشن باشد مدل چه ورودی می‌گیرد، چه چیزی تحویل می‌دهد و در نبود اطلاعات چه می‌کند. جمله «مثل یک متخصص جواب بده» این قرارداد را به‌تنهایی نمی‌سازد.
پرامپت چیست و پرامپت‌نویسی چه کاری می‌کند؟
پرامپت همان ورودی و شرح کاری است که به مدل می‌دهید؛ می‌تواند سؤال، متن مرجع، مثال و شرط خروجی داشته باشد. پرامپت‌نویسی یعنی این ورودی را طوری روشن کنید که نتیجه قابل بررسی باشد. «پرامپت فارسی» هم به همین قرارداد نیاز دارد؛ نوشتن چند صفت مانند حرفه‌ای، دقیق یا هوشمند به‌تنهایی دامنه کار را مشخص نمی‌کند.
ابتدا بگویید چه چیزی می‌خواهید تحویل بگیرید: توضیح برای یک تازه‌کار، استخراج چند فیلد یا پیش‌نویس قابل ویرایش؟ سپس ورودی معتبر و محدودیت را اضافه کنید. این توضیح کوتاه از معرفی مبهم یک نقش کاربردی‌تر است. اگر تازه با یک دستیار آشنا می‌شوید، راهنمای شروع چت جی پی تی یک نمونه ساده دارد؛ دستورهای این مقاله به یک محصول خاص محدود نیستند.
سه الگوی ساده برای نوشتن دستور فارسی
استخراج اطلاعات: «از متن مرجع فقط موضوع، مسئول و موعد صریح را در جدول بیاور. اگر مقداری نوشته نشده، نامشخص بنویس. موضوع تازه پیشنهاد نکن.» معیار بررسی این است که داده پیدا شود، نه اینکه جای خالی با حدس پر شود.
بازنویسی: «متن زیر را برای خواننده تازه‌کار ساده کن. عدد، نام و شرط‌ها ثابت بمانند. اگر عبارتی مبهم است، آن را در بخش جدا توضیح بده و واقعیت تازه اضافه نکن.» پس از دریافت پیش‌نویس، متن اصلی و بازنویسی را برای تعهد و عدد تطبیق دهید.
خلاصه‌سازی: «نکته‌های اصلی این متن را در پنج مورد بنویس. تصمیم قطعی، پیشنهاد و سؤال باز را جدا نگه دار. برای هر مورد، بخش متن مرجع را مشخص کن.» این قالب پیشنهادی آموزشی است؛ اجرای واقعی یا دقت یک مدل را گزارش نمی‌کند.
جواب ضعیف را با بازخورد مشخص اصلاح کنید
به‌جای «جوابت اشتباه است»، مورد قابل بررسی را نام ببرید: «برای جمله بدون موعد، تاریخ ساخته‌ای؛ طبق مرجع، آن خانه باید نامشخص باشد.» سپس همان ورودی را دوباره بررسی کنید. اگر هم‌زمان چند شرط را عوض کنید، نمی‌دانید کدام تغییر مؤثر بوده است.
برای فارسی، نام، عدد لاتین و فارسی، نیم‌فاصله و جمله محاوره‌ای را هم در نمونه‌ها قرار دهید. حفظ معنی مهم‌تر از یکسان‌بودن واژه‌های پاسخ است. از یک جواب خوب درباره همه کارها نتیجه نگیرید و تنظیمات و نسخه آزمون را کنار نمونه نگه دارید.
وظیفه را به قرارداد تبدیل کنید
به‌جای درخواست کلی «این متن را بهتر کن»، مخاطب، هدف، حدود تغییر و قالب خروجی را تعیین کنید. اگر عدد و ادعای واقعی باید ثابت بماند، آن شرط را صریح بنویسید. نمونه‌ای از پاسخ قابل قبول آماده کنید. معیار موفقیت باید پیش از دیدن جواب مشخص باشد تا هر خروجی روانی، درست فرض نشود.
آزمون را فقط با ورودی تمیز انجام ندهید
یک ورودی کامل، یک ورودی ناقص و یک ورودی خارج از دامنه بسازید. بررسی کنید مدل در نبود اطلاعات، سؤال می‌پرسد یا چیزی اختراع می‌کند. شرط‌ها را کوتاه و قابل آزمون بنویسید؛ دستورهای متناقض مانند «خیلی کامل و فقط یک کلمه» نتیجه را مبهم می‌کنند. پس از هر اصلاح، نمونه‌های ثابت را دوباره اجرا کنید.
نمونه عملی
نمونه پرامپت آموزشی: «از متن زیر فقط اقدام‌های صریح را استخراج کن. خروجی جدول سه‌ستونه اقدام، مسئول و موعد باشد. اگر مسئول یا موعد در متن نیست، نامشخص بنویس. اقدام تازه پیشنهاد نکن.» ورودی: «نسخه قرارداد را بررسی کنیم؛ مریم نتیجه را تا دوشنبه می‌فرستد.» در ارزیابی، جداشدن دو اقدام و حفظ ابهام مسئول بررسی می‌شود. این نمونه تست است و هیچ کار واقعی را ثبت یا ارسال نمی‌کند.
| مورد بررسی | کار یا شاهد لازم | نتیجه مورد انتظار |
|---|---|---|
| ورودی | متن و حدود داده مشخص شوند | دامنه روشن |
| خروجی | قالب و ستون و طول تعیین شوند | تحویل قابل بررسی |
| ناموجود | قاعده سؤال یا نامشخص نوشته شود | حدس کم |
| پذیرش | نمونه درست و مرزی آماده شود | قضاوت ثابت |
کاربرگ قابل استفاده
ردیف‌های جدول در فایل CSV این راهنما قرار دارند. ستون نتیجه واقعی، مسئول و تاریخ را پس از بررسی خودتان تکمیل کنید. مثال‌های این نوشته آموزشی‌اند و گزارش آزمون یک محصول یا مشتری نیستند.
محدودیت و قدم بعد
پرامپت، صحت منبع یا اجرای بی‌خطا را تضمین نمی‌کند. در اقدام عملیاتی، کنترل دسترسی و اعتبارسنجی خارج از مدل نیز لازم است؛ متن دستور جای آن‌ها نیست.
اگر مسئله اصلی شما پاسخ‌گویی به مشتری است، پیش از هزینه برای زیرساخت، یک گفت‌وگوی واقعی و معیار پذیرش آن را مشخص کنید. برای آشنایی با مسیر محصول، راهنمای چت سایت اپرا و دموی اپرا را ببینید.