پرامپت‌نویسی فارسی؛ راهنمای کامل و کاربردی

از هوش مصنوعی می‌خواهیم «یک کپشن برای اینستاگرام بنویس» و چیزی تحویل می‌گیریم که انگار از روی هزار کپشن دیگر برداشته شده؛ بی‌رمق، کلی، و قابل استفاده برای هر کسب‌وکاری در هر جای دنیا. بعد نتیجه می‌گیریم که مدل خوب نیست، یا فارسی را درست نمی‌فهمد.

اما مسئله معمولاً جای دیگری است. فاصله‌ی میان یک پاسخ دورریختنی و پاسخی که واقعاً به کار می‌آید، اغلب همان سه چهار خطی است که ننوشته‌ایم.

در ادامه می‌بینیم آن سه چهار خط دقیقاً چه چیزهایی هستند و چطور همان درخواست‌های همیشگی را به خروجی قابل استفاده تبدیل می‌کنند. تفاوت را هم توضیح نمی‌دهیم؛ دو متن را کنار هم می‌گذاریم تا دیده شود.

پرامپت دقیقاً چیست؟

پرامپت متنی است که به مدل هوش مصنوعی می‌دهیم تا کاری انجام دهد؛ اما بهتر است آن را سؤال ندانیم. پرامپت یک سفارش است.

این تفاوت، تفاوت کوچکی نیست. وقتی از کسی سؤال می‌پرسیم، انتظار داریم جواب بدهد؛ ولی وقتی چیزی سفارش می‌دهیم، انتظار داریم دقیقاً همان چیزی را تحویل بگیریم که در ذهن داشته‌ایم؛ و اگر توضیح ندهیم چه می‌خواهیم، تقصیر تحویل‌دهنده نیست.

فرض کنیم به یک طراح فریلنسر پیام می‌دهیم: «یک لوگو برام بزن.» چه تحویل می‌گیریم؟ چیزی که خودش دوست دارد، نه چیزی که ما لازم داریم. حالا اگر بنویسیم لوگو برای یک کافه‌ی کوچک است، مخاطبش دانشجوها هستند، باید تک‌رنگ باشد و روی تابلوی کوچک هم خوانده شود، احتمال اینکه نتیجه به کار بیاید چند برابر می‌شود.

مدل زبانی دقیقاً همین وضعیت را دارد، با یک تفاوت مهم: حافظه‌ی رابطه ندارد. طراح فریلنسر بعد از سه پروژه سلیقه‌ی ما را می‌شناسد؛ مدل هر بار از صفر شروع می‌کند و فقط چیزی را می‌داند که در همان پیام نوشته‌ایم.

چرا پاسخ‌ها کلی و بی‌روح می‌شوند

مدل زبانی روی حجم عظیمی از متن آموزش دیده و کاری که انجام می‌دهد، در ساده‌ترین توصیف، حدس زدن محتمل‌ترین ادامه است. وقتی درخواست ما مبهم باشد، محتمل‌ترین ادامه هم چیزی است که بیشترین شباهت را به همه‌ی متن‌های مشابه دارد؛ یعنی میانگین.

«یک ایمیل تشکر بنویس» را در نظر بگیریم. میانگین همه‌ی ایمیل‌های تشکر جهان، چیزی است شبیه «از زحمات شما صمیمانه سپاسگزارم»؛ درست، بی‌ایراد، و کاملاً بی‌فایده — چون هیچ نشانی از موقعیت واقعی ما در خودش ندارد.

پاسخ کلی، مجازاتِ درخواست کلی است.

مدل بدون توضیح ما هیچ راهی ندارد بفهمد که این ایمیل برای همکار است یا برای مشتری‌ای که تازه قرارداد بسته؛ لحن باید گرم باشد یا خشک و اداری؛ سه خط کافی است یا باید مفصل باشد؛ و اصلاً چه اتفاق مشخصی افتاده که بابتش تشکر می‌کنیم.

هیچ‌کدام از این‌ها اطلاعات پیچیده‌ای نیستند و نوشتنشان بیست ثانیه طول می‌کشد. معمولاً همین سه چهار خط اضافه، فاصله‌ی میان یک متن دورریختنی و متنی است که فقط لازم است یک بار بازخوانی شود.

شش جزء یک پرامپت خوب

هر پرامپتی که واقعاً کار می‌کند، معمولاً شش چیز را روشن کرده است. لازم نیست همیشه هر شش تا را بنویسیم؛ اما هر کدام را که جا بیندازیم، مدل خودش یک پیش‌فرض جایش می‌گذارد — و آن پیش‌فرض، همیشه میانگین است.

۱. نقش و موضوع

اول از همه مشخص می‌کنیم مدل قرار است در چه نقشی و درباره‌ی چه چیزی بنویسد. نقش، دایره‌ی واژگان و زاویه‌ی نگاه را تعیین می‌کند؛ یک مشاور مالی و یک مربی ورزشی، حتی درباره‌ی یک موضوع واحد، دو متن کاملاً متفاوت می‌نویسند.

موضوع را هم تا جای ممکن باریک می‌کنیم. «درباره‌ی بازاریابی» تقریباً هیچ چیز نمی‌گوید؛ «درباره‌ی جذب مشتری اول برای کافه‌ای که تازه باز شده» یک صورت‌مسئله‌ی واقعی است.

نقش و موضوع: کپی‌رایتر یک کافه‌ی کوچک در تهران، درباره‌ی معرفی منوی جدید صبحانه.

۲. هدف

هدف یعنی این متن قرار است چه اتفاقی بیندازد: آگاه کند، بفروشد، توضیح دهد، متقاعد کند یا فقط خلاصه کند؟ مدل بدون هدف، تقریباً همیشه به سراغ توضیح دادن می‌رود؛ چون توضیح، بی‌خطرترین کار ممکن است.

هدف را با فعل بنویسیم، نه با اسم. «معرفی محصول» مبهم است؛ «کاری کن خواننده تصمیم بگیرد یک بار امتحان کند» جهت‌دار است و به مدل می‌گوید چه چیزی را باید برجسته کند.

هدف: کسی که پست را می‌بیند، تصمیم بگیرد آخر هفته برای صبحانه بیاید.

۳. مخاطب

مخاطب، بیشتر از هر جزء دیگری، جنس واژه‌ها را عوض می‌کند. متنی که برای دانشجوی بیست‌ودوساله نوشته می‌شود با متنی که برای مدیر مالی یک شرکت نوشته می‌شود، حتی اگر محتوایشان یکی باشد، هیچ شباهتی به هم ندارند.

هرچه مخاطب مشخص‌تر باشد بهتر است؛ چون «مخاطب عام» در عمل یعنی هیچ‌کس. سن تقریبی، شغل، سطح آشنایی با موضوع و اینکه اصلاً چرا باید برایش مهم باشد، چهار چیزی است که ارزش نوشتن دارد.

مخاطب: دانشجوها و کارمندهای جوان محله، آدم‌هایی که آخر هفته دنبال جای دنج می‌گردند.

۴. لحن و سبک

بیشترین اشتباه درست همین‌جا رخ می‌دهد. می‌نویسیم «لحن حرفه‌ای باشد» و انتظار داریم مدل بفهمد منظورمان چیست؛ در حالی که «حرفه‌ای» برای هر کسی معنای دیگری دارد و مدل ناچار است میانگین را حدس بزند.

بهترین راه، نشان دادن است نه گفتن. یک جمله از متنی که دوستش داریم داخل پرامپت می‌گذاریم و می‌نویسیم لحن نزدیک به این باشد. یک نمونه‌ی واقعی، از ده صفت تعریفی دقیق‌تر است.

لحن: صمیمی و کوتاه، چیزی شبیه این جمله — «صبحانه‌ی امروزت رو خراب نکن.»

۵. طول و قالب

طول را با عدد بنویسیم، نه با صفت. «کوتاه» برای مدل معنای مشخصی ندارد؛ «حداکثر چهل کلمه» دارد. همین‌طور «مفصل» را با «حدود هشتصد کلمه» عوض می‌کنیم.

قالب هم به همان اندازه مهم است؛ چون تعیین می‌کند بعد از گرفتن جواب، چقدر کار روی دستمان می‌ماند. اینکه خروجی پاراگراف باشد یا فهرست، جدول باشد یا چند گزینه‌ی مجزا، را از قبل بخواهیم تا بعداً مجبور به بازچینی نشویم.

طول و قالب: سه گزینه‌ی مجزا، هر کدام حداکثر ۴۰ کلمه، هر کدام با یک ایموجی.

۶. محدودیت‌ها

محدودیت یعنی چیزهایی که نمی‌خواهیم. این جزء تقریباً همیشه فراموش می‌شود و در عمل، بیشترین تأثیر را روی قابل‌استفاده بودن خروجی دارد.

کلمه‌هایی که نباید بیایند، ادعاهایی که نباید مطرح شوند، تعداد دقیق گزینه‌ها و چیزهایی که از قلم نباید بیفتند، همه در همین بخش جا می‌گیرند. یک خط «این کلمه‌ها را ننویس» گاهی کل خروجی را نجات می‌دهد.

محدودیت‌ها: بدون هشتگ، بدون کلمه‌ی «بی‌نظیر»، بدون ادعای قیمت.

قالب آماده

هر شش جزء کنار هم، چیزی شبیه این می‌شود؛ می‌شود کپی‌اش کرد و هر بار فقط جاهای خالی را عوض کرد.

نقش و موضوع: …
هدف: …
مخاطب: …
لحن: …
طول و قالب: …
محدودیت‌ها: …

شش مقایسه‌ی قبل و بعد

توضیح دادن درباره‌ی پرامپت خوب، خودش نوعی پرامپت بد است. پس شش درخواست پرتکرار را برمی‌داریم و کنار هم می‌گذاریم: یک بار همان‌طور که معمولاً می‌نویسیم، یک بار بعد از اصلاح.

متن‌های خروجی در این بخش نوشته‌ی خود ماست و نقش نمونه دارند؛ آورده‌ایم تا تفاوت قابل دیدن باشد، نه اینکه گزارش یک آزمایش باشند.

۱ · کپشن اینستاگرام برای یک کافه

یک کپشن برای اینستاگرام کافه بنویس.

یک نمونه از پاسخ کلی:

☕ قهوه‌ای که روزت را می‌سازد. منتظر شما هستیم!

هر کافه‌ای در هر شهری می‌تواند همین را منتشر کند؛ و همین یعنی به درد هیچ کافه‌ای نمی‌خورد.

نقش و موضوع: کپی‌رایتر یک کافه‌ی کوچک در شمال تهران، معرفی منوی جدید صبحانه.
هدف: خواننده تصمیم بگیرد آخر هفته بیاید.
مخاطب: دانشجوها و کارمندهای جوان محله.
لحن: صمیمی و کوتاه، بدون تعارف.
طول و قالب: سه گزینه، هر کدام حداکثر ۴۰ کلمه.
محدودیت‌ها: بدون هشتگ، بدون کلمه‌ی «بی‌نظیر».

نمونه‌ای از پاسخ بعد از اصلاح پرامپت:

جمعه‌ها دیر بیدار شدن حق توست. صبحانه تا ساعت ۲ سرو می‌شود.

چه چیزی عوض شد: مخاطب و لحن. همین دو، کپشن را از یک جمله‌ی تبلیغاتی عمومی به حرفی تبدیل کرد که فقط به درد همین کافه می‌خورد.

۲ · خلاصه کردن یک متن طولانی

این متن رو خلاصه کن.

یک نمونه از پاسخ کلی:

این گزارش به بررسی عملکرد فروش در سه ماه گذشته می‌پردازد و به نکات مهمی در این زمینه اشاره می‌کند.

خلاصه‌ای که فقط می‌گوید متن درباره‌ی چیست، کار را جلو نمی‌برد؛ ما نتیجه می‌خواستیم، نه فهرست موضوعات.

نقش و موضوع: تحلیلگر فروش، خلاصه‌ی گزارش سه‌ماهه.
هدف: مدیر در دو دقیقه بفهمد چه اتفاقی افتاده و چه تصمیمی لازم است.
مخاطب: مدیر فروش، بدون حوصله‌ی جزئیات.
طول و قالب: پنج بولت، هر کدام یک جمله، با عدد.
محدودیت‌ها: بدون مقدمه، بدون تکرار عنوان گزارش.

نمونه‌ای از پاسخ بعد از اصلاح پرامپت:

فروش کل ۱۸٪ رشد کرد، اما تهران ۴٪ افت داشت. دو محصول جدید ۳۱٪ از رشد را ساختند. نرخ بازگشت مشتری از ۲۲٪ به ۲۹٪ رسید.

چه چیزی عوض شد: هدف و قالب. وقتی گفتیم خروجی باید تصمیم‌ساز باشد و پنج بولت عددی خواستیم، خلاصه از توصیف به گزارش تبدیل شد.

۳ · ایمیل پیگیری به یک مشتری

یه ایمیل پیگیری برای مشتری بنویس.

یک نمونه از پاسخ کلی:

با سلام و احترام، ضمن تشکر از وقتی که در اختیار ما قرار دادید، خواهشمند است در صورت امکان نظر خود را اعلام فرمایید.

مؤدبانه است و کاملاً بی‌اثر؛ چون نه معلوم است درباره‌ی چیست، نه معلوم است از مخاطب چه می‌خواهیم.

نقش و موضوع: مدیر فروش یک شرکت نرم‌افزاری، پیگیری پیشنهاد قیمتی که ده روز پیش فرستادیم.
هدف: مشتری یا جواب بدهد یا بگوید چه چیزی مانع تصمیم است.
مخاطب: مدیر خرید، آدمی که روزی صد ایمیل می‌گیرد.
لحن: محترمانه اما مستقیم.
طول و قالب: حداکثر شش خط، با یک سؤال مشخص در انتها.
محدودیت‌ها: بدون عذرخواهی بابت مزاحمت، بدون «خواهشمند است».

نمونه‌ای از پاسخ بعد از اصلاح پرامپت:

ده روز پیش پیشنهاد قیمت را برایتان فرستادم و می‌خواستم مطمئن شوم به دستتان رسیده. اگر بخشی از آن جای بحث دارد، همین هفته می‌توانم اصلاحش کنم. یک سؤال: تصمیم منتظر بودجه است یا منتظر جزئیات فنی؟

چه چیزی عوض شد: نقش و محدودیت. حذف «خواهشمند است» و ممنوع کردن عذرخواهی، ایمیل را از حالت اداری بیرون آورد و به یک پیام واقعی تبدیل کرد.

۴ · بازنویسی یک پاراگراف خشک

این پاراگراف رو روان‌تر کن.

یک نمونه از پاسخ کلی:

این پاراگراف با اندکی تغییر، روان‌تر و خواناتر شده است.

مدل نمی‌داند «روان‌تر» یعنی چه؛ پس محتاط‌ترین کار ممکن را می‌کند و تقریباً هیچ چیز را عوض نمی‌کند.

نقش و موضوع: ویراستار، بازنویسی یک پاراگراف از صفحه‌ی «درباره‌ی ما».
هدف: متن خوانده شود، نه اسکرول شود.
لحن: نزدیک به این جمله — «ما یک تیم پنج‌نفره‌ایم که از سال ۹۸ داریم همین یک کار را می‌کنیم.»
طول و قالب: یک پاراگراف، حداکثر شصت کلمه.
محدودیت‌ها: بدون «با افتخار»، بدون «ارائه‌دهنده‌ی بهترین خدمات».

نمونه‌ای از پاسخ بعد از اصلاح پرامپت:

ما پنج نفریم و از سال ۹۸ فقط یک کار می‌کنیم: نرم‌افزار حسابداری برای کسب‌وکارهای کوچک. همین تمرکز باعث شده چیزهایی را بدانیم که یک تیم عمومی نمی‌داند.

چه چیزی عوض شد: لحن، آن هم با نمونه. یک جمله‌ی واقعی داخل پرامپت، از هر صفتی مثل «صمیمی» یا «حرفه‌ای» کارآمدتر بود.

۵ · تولید ایده برای محتوا

چند تا ایده محتوا بهم بده.

یک نمونه از پاسخ کلی:

۱. معرفی محصولات ۲. پشت صحنه‌ی کار ۳. نظرات مشتریان ۴. نکات آموزشی

فهرستی که برای هر کسب‌وکاری صدق می‌کند، در عمل هیچ ایده‌ای نیست.

نقش و موضوع: تولیدکننده‌ی محتوای یک فروشگاه آنلاین لوازم خانگی.
هدف: ایده‌هایی که بشود همین هفته با گوشی ضبطشان کرد.
مخاطب: خانواده‌های جوانی که تازه خانه گرفته‌اند.
طول و قالب: هفت ایده، هر کدام یک عنوان و یک جمله توضیح.
محدودیت‌ها: هیچ ایده‌ای که به استودیو یا بازیگر نیاز دارد؛ هیچ ایده‌ی تکراری مثل «معرفی محصول».

نمونه‌ای از پاسخ بعد از اصلاح پرامپت:

جهیزیه با ده میلیون — چیدن یک لیست واقعی با قیمت‌های امروز. سه اشتباه موقع خرید یخچال — از زبان کسی که روزی بیست تا می‌فروشد.

چه چیزی عوض شد: محدودیت و تعداد. ممنوع کردن ایده‌های تکراری و بستن شرط «قابل ضبط با گوشی»، فهرست را از حالت کلیشه‌ای خارج کرد.

۶ · خلاصه کردن جزوه برای امتحان

این جزوه رو برام خلاصه کن.

یک نمونه از پاسخ کلی:

این جزوه شامل مفاهیم اصلی درس است و به بررسی موضوعات مختلف می‌پردازد.

خلاصه‌ای که قرار است شب امتحان خوانده شود، با خلاصه‌ای که قرار است موضوع را معرفی کند، دو چیز کاملاً متفاوت است.

نقش و موضوع: دانشجویی که فردا امتحان دارد، خلاصه‌ی فصل سوم.
هدف: مرور شب امتحان؛ چیزی که بشود در بیست دقیقه خواند و به خاطر سپرد.
طول و قالب: برای هر مفهوم یک تعریف یک‌خطی، یک مثال، و یک نکته‌ی امتحانی.
محدودیت‌ها: بدون مقدمه، بدون تکرار عنوان فصل.

ساختار خروجی بعد از اصلاح پرامپت، این شکلی می‌شود:

مفهوم: تعریف در یک خط. مثال: یک نمونه‌ی ملموس. نکته‌ی امتحانی: چیزی که معمولاً از همین‌جا سؤال می‌آید.

اینجا عمداً قالب را نشان داده‌ایم، نه محتوای یک جزوه‌ی خیالی.

چه چیزی عوض شد: هدف. «مرور شب امتحان» به مدل گفت خروجی باید قابل حفظ کردن باشد، نه توصیفی.

چهار تکنیک که نتیجه را جهشی بهتر می‌کنند

شش جزء، کف کار است. چهار تکنیک زیر جایی به کار می‌آیند که خروجی درست است، اما هنوز آن چیزی نیست که می‌خواستیم.

نمونه دادن (few-shot)

به‌جای توصیف کردن آنچه می‌خواهیم، یک یا دو نمونه از آن را داخل پرامپت می‌گذاریم. مدل الگو را از نمونه بیرون می‌کشد، و این کار از هر توضیحی دقیق‌تر است.

مثلاً برای نوشتن عنوان محصول، دو عنوان قبلی خودمان را می‌آوریم و می‌نویسیم «ده تای دیگر دقیقاً با همین ساختار بنویس». تفاوت خروجی با حالتی که فقط بگوییم «عنوان جذاب بنویس»، معمولاً چشمگیر است.

تقسیم کردن کار

یک پرامپت، یک کار. اگر از مدل بخواهیم همزمان تحقیق کند، ساختار بدهد، بنویسد و ویرایش کند، هر چهار کار را متوسط انجام می‌دهد.

بهتر است اول ساختار را بخواهیم، نگاه کنیم، اصلاح کنیم و بعد بگوییم براساس همین ساختار متن را بنویس. هر مرحله‌ای که جدا شود، یک نقطه‌ی کنترل به ما می‌دهد.

درخواست نسخه‌های متفاوت

به‌جای «یک عنوان بنویس»، می‌خواهیم «پنج عنوان با پنج زاویه‌ی متفاوت؛ یکی سؤالی، یکی عددی، یکی جنجالی، یکی ساده و یکی طولانی».

این کار مدل را مجبور می‌کند از میانگین فاصله بگیرد؛ و معمولاً گزینه‌ی چهارم و پنجم هستند که چیز جالبی درشان پیدا می‌شود.

اصلاح پله‌ای

اولین خروجی را نقطه‌ی شروع بدانیم، نه جواب نهایی. به‌جای نوشتن دوباره‌ی کل پرامپت، فقط می‌گوییم چه چیزی را دوست نداشتیم: «همین را نگه دار، فقط جمله‌ی دوم را کوتاه‌تر کن و لحن را یک درجه خودمانی‌تر.»

سه چهار بار رفت‌وبرگشت کوتاه، تقریباً همیشه نتیجه‌ی بهتری از یک پرامپت طولانی و کامل می‌دهد.

پرامپت برای تصویر چه تفاوتی دارد

پرامپت متنی دستور است؛ پرامپت تصویری توصیف. مدل تصویرساز چیزی را می‌سازد که برایش تصویر کنیم، نه کاری که ازش بخواهیم؛ پس به‌جای فعل، دنبال صفت و جزئیات می‌گردیم.

پنج چیز معمولاً کافی است: سوژه، سبک، نور، قاب، و فهرست چیزهایی که نباید در تصویر باشند. همین مورد آخر — پرامپت منفی — بیشترین تأثیر را دارد و بیشتر از همه فراموش می‌شود.

نمونه‌ی زیر، پرامپتی است که برای ساختن شخصیت هوش‌زی استفاده می‌کنیم:

Cute futuristic AI robot mascot, white rounded body, black glossy visor face with glowing cyan eyes, blue antennas, glowing cyan chest panel, sitting at a small desk writing on a glowing notepad, floating papers around, friendly and focused, high quality 3D render, Pixar style, neon blue and purple lighting, soft studio background

و فهرست منفی‌اش:

realistic human, scary, angry, dirty, broken, low quality, bad anatomy, different face, sharp design, horror, text, watermark

دو نکته: پرامپت تصویر را معمولاً انگلیسی می‌نویسیم، چون بیشتر مدل‌های تصویرساز با انگلیسی دقیق‌تر کار می‌کنند؛ و ترتیب کلمه‌ها اهمیت دارد، چون چیزی که اول می‌آید، وزن بیشتری می‌گیرد.

هفت اشتباه رایج

• ۱. پنج کار در یک پرامپت. وقتی همزمان تحقیق، ساختار، نگارش و ویرایش می‌خواهیم، مدل هر چهار را متوسط انجام می‌دهد. هر بار یک کار؛ خروجی هر مرحله، ورودی مرحله‌ی بعد.
• ۲. گفتن «محترمانه» یا «حرفه‌ای» به‌جای نشان دادن. این صفت‌ها برای هر کسی معنای دیگری دارند و مدل ناچار است میانگین را حدس بزند. یک جمله‌ی نمونه از لحن دلخواه داخل پرامپت بگذاریم.
• ۳. ننوشتن مخاطب. بدون مخاطب، مدل برای «همه» می‌نویسد؛ و متنی که برای همه نوشته شود، برای هیچ‌کس جذاب نیست. حتی یک خط — «برای دانشجوی سال اول» — کل واژگان را عوض می‌کند.
• ۴. صفت به‌جای عدد برای طول. «کوتاه» و «مفصل» قابل اندازه‌گیری نیستند. عدد بدهیم: چهل کلمه، پنج بولت، سه پاراگراف.
• ۵. جا انداختن محدودیت‌ها. چیزی که نمی‌خواهیم را اگر نگوییم، معمولاً همان چیز می‌آید. یک خط «این‌ها را ننویس» آخر پرامپت اضافه کنیم.
• ۶. دور انداختن خروجی به‌جای اصلاح کردن آن. پاک کردن و از نو نوشتن، همان نتیجه را با کلمات دیگر تولید می‌کند. بگوییم دقیقاً چه چیزی را دوست نداشتیم و بخواهیم فقط همان اصلاح شود.
• ۷. انتظار خواندن ذهن. مدل نمی‌داند برند ما چیست، مشتری‌مان کیست و هفته‌ی پیش چه گفته‌ایم. هر چیزی که خروجی به آن وابسته است، باید داخل همان پیام باشد.

چک‌لیست نهایی

قبل از فرستادن پرامپت، هفت سؤال زیر را مرور می‌کنیم. اگر جواب همه بله باشد، احتمال رسیدن به نتیجه در همان بار اول، بالاست.

• نقش و موضوع را نوشته‌ایم؟
• هدف را با فعل مشخص کرده‌ایم؟
• مخاطب را دقیق گفته‌ایم؟
• برای لحن نمونه داده‌ایم یا فقط صفت نوشته‌ایم؟
• طول را با عدد گفته‌ایم؟
• قالب خروجی را مشخص کرده‌ایم؟
• نوشته‌ایم چه چیزهایی نباید بیاید؟

جمع‌بندی

اگر فقط یک چیز از این راهنما بماند، همین کافی است: پرامپت سؤال نیست، سفارش است. هر چیزی که در سفارش ننویسیم، طرف مقابل خودش حدس می‌زند؛ و حدسِ یک مدل زبانی، همیشه میانگین است.

لازم هم نیست از فردا پرامپت‌های طولانی بنویسیم. کافی است دفعه‌ی بعد، قبل از زدن دکمه‌ی ارسال، سه خط اضافه کنیم: برای چه کسی، با چه هدفی، و چه چیزی نباید بیاید. تفاوت خروجی معمولاً همان جایی است که آدم‌ها فکر می‌کنند «انگار این یکی واقعاً فهمید».

اگر خواستید همین حالا امتحانش کنید، chat.hooshzy.ir هست.