آموزش پرامپت‌نویسی ChatGPT با مثال

اگر فقط یک نکته از این آموزش پرامپت نویسی ChatGPT به خاطر بسپارید، همین باشد: به‌جای تلاش برای پیدا کردن «جملهٔ جادویی»، یک سفارش کار روشن بنویسید. ChatGPT باید بداند چه کاری انجام دهد، روی چه داده‌ای کار کند، خروجی را در چه قالبی تحویل دهد و شما با چه معیاری آن را قبول یا رد می‌کنید.

مثلاً «درباره دورکاری تحقیق کن» پرامپت ضعیفی است، چون نه دامنهٔ تحقیق معلوم است، نه تازگی منابع و نه شکل تحویل. نسخهٔ بهتر می‌گوید: «سه اثر دورکاری بر بهره‌وری تیم‌های نرم‌افزاری را با منابع منتشرشده از ۲۰۲۴ به بعد بررسی کن؛ برای هر ادعا منبع بده، اختلاف منابع را نشان بده و نتیجه را در جدول تحویل بده.» حالا خروجی را می‌شود بررسی کرد، نه فقط تحسین.

نکات کلیدی:

• پرامپت مؤثر پنج جزء دارد: کار، زمینه، دادهٔ مرجع، قالب خروجی و معیار پذیرش.
• اطلاعات پایدار را از زمینهٔ موقت گفتگو و سند مرجع جدا کنید؛ قاطی‌کردن این سه، منشأ بسیاری از جواب‌های ناسازگار است.
• برای کارهای واقعی، پاسخ اول پیش‌نویس است. آن را با یک آزمون کوچک بررسی و سپس پرامپت را اصلاح کنید.
• درخواست منبع، جلوی خطا را تضمین نمی‌کند؛ لینک‌ها، نقل‌قول‌ها، محاسبات و کد باید راستی‌آزمایی شوند.

فهرست مطالب

• پرامپت خوب دقیقاً چه اجزایی دارد؟
• تبدیل درخواست ضعیف به دستور قابل ارزیابی
• دستور پایدار، زمینهٔ گفتگو و دادهٔ مرجع
• شش مثال کاربردی پرامپت ChatGPT
• چطور پاسخ را ارزیابی و اصلاح کنیم؟
• اشتباه‌های رایج
• پرسش‌های متداول

پرامپت خوب دقیقاً چه اجزایی دارد؟

راهنمای رسمی OpenAI برای نوشتن پرامپت بر شفاف‌بودن وظیفه، دادن زمینهٔ لازم، تعیین لحن و اصلاح تکرارشونده تأکید می‌کند. این توصیه ساده است، اما «جزئیات بیشتر» را نباید با «پرامپت بهتر» یکی گرفت. یک دیوار متن پر از صفت‌های مبهم هنوز هم سفارش بدی است؛ فقط سفارش بدِ طولانی‌تری است.

برای اغلب کارها این اسکلت کافی است:

نقش‌دادن، مثل «تو یک پژوهشگر ارشد هستی»، ممکن است لحن پاسخ را هدایت کند؛ اما جای داده، محدودیت و معیار را نمی‌گیرد. نظر صریح ما: «نقش» چاشنی است، نه غذای اصلی.

جدول تصمیم: کدام جزء را اضافه کنم؟

اگر خروجی این مشکل را دارد	چیزی که به پرامپت اضافه می‌کنید	نمونهٔ کوتاه
کلی و نامرتبط است	مخاطب و هدف تصمیم	«برای مدیر محصولی که باید بین دو گزینه انتخاب کند»
قابل کنترل نیست	قالب و سقف طول	«جدول ۵ ردیفی، هر خانه حداکثر ۳۰ کلمه»
ادعای بی‌پشتوانه دارد	مرز منبع و شیوهٔ استناد	«فقط از فایل پیوست؛ برای هر نتیجه شماره صفحه»
بخشی از کار را جا می‌اندازد	چک‌لیست پذیرش	«هر سه گزینه، ریسک و پیشنهاد نهایی را پوشش بده»
با اطمینان حدس می‌زند	رفتار در نبود داده	«اگر سند کافی نیست بنویس: در دادهٔ مرجع موجود نیست»
کد ظاهراً خوب ولی خراب است	آزمون و محیط اجرا	«Python 3.12؛ تست‌های pytest باید پاس شوند»

برای درک جایگاه این اجزا، راهنمای جامع مهندسی پرامپت را بخوانید.

تبدیل درخواست ضعیف به دستور قابل ارزیابی

بیایید از این درخواست شروع کنیم:

مشکل فقط واژهٔ «خوب» نیست. شغل، جغرافیا، تصمیم مورد نظر، شیوهٔ تحقیق و شکل تحویل هیچ‌کدام معلوم نیست.

مرحلهٔ ۱: کار و مخاطب را مشخص کنید

مرحلهٔ ۲: دامنه و منبع را محدود کنید

ChatGPT با Search می‌تواند اطلاعات روز وب را جست‌وجو و در پاسخ منبع نمایش دهد؛ این قابلیت و شیوهٔ دیدن منابع در راهنمای رسمی ChatGPT Search توضیح داده شده است. بااین‌حال، وجود citation مساوی درست‌بودن برداشت مدل نیست. منبع را باز کنید و ببینید واقعاً همان ادعا را پشتیبانی می‌کند.

آخرین بررسی: ۲۱ ژوئیهٔ ۲۰۲۶. قابلیت‌ها ممکن است با مدل، پلن، حساب و تنظیمات محیط کاری فرق کنند؛ پیش از اتکا به Search یا ابزار فایل، وجود آن را در حساب خود بررسی کنید.

مرحلهٔ ۳: خروجی و معیار پذیرش را ببندید

این نسخه «قابل ارزیابی» است: می‌توانیم بخش‌ها، تاریخ منابع، لینک‌ها و اتصال پیشنهادها به شواهد را چک کنیم. تضمین حقیقت نیست، اما خطا را قابل مشاهده می‌کند.

دستور پایدار، زمینهٔ گفتگو و دادهٔ مرجع

سه نوع اطلاعات را معمولاً داخل یک پرامپت می‌ریزیم و بعد تعجب می‌کنیم چرا در گفت‌وگوی بعدی رفتار عوض شد. بهتر است هر کدام جای خودش را داشته باشد.

نوع اطلاعات	تعریف	جای مناسب	مثال
دستور پایدار	ترجیحی که در گفت‌وگوهای مختلف تکرار می‌شود	Custom Instructions، در صورت مناسب‌بودن	«پاسخ فارسی، روشن و بدون اغراق باشد»
زمینهٔ همان گفتگو	وضعیت موقت کار فعلی	پیام‌های همان چت	«این گزارش برای جلسهٔ فرداست و مدیر مالی هم حضور دارد»
دادهٔ مرجع	ماده‌ای که پاسخ باید بر آن متکی باشد	فایل، متن محصور یا منبع مشخص	قرارداد PDF، CSV فروش یا متن مصاحبه

طبق مستند رسمی Custom Instructions، این دستورها در ChatGPT برای هدایت پاسخ‌ها در گفت‌وگوها به کار می‌روند و می‌توان آن‌ها را برای گفت‌وگوهای آینده ویرایش یا حذف کرد. پس «همیشه با من فارسی حرف بزن» می‌تواند دستور پایدار باشد؛ اما قیمت‌های فروش این هفته نباید آنجا برود. قیمت‌ها دادهٔ مرجع متغیرند.

زمینهٔ همان چت سند نیست. «همان فایل قبلی» فقط وقتی قابل اتکاست که فایل در دسترس باشد و دقیقاً مشخص کنید کدام فایل. Memory و سابقهٔ چت برای شخصی‌سازی مفیدند، اما OpenAI می‌گوید جزئیات گذشته الزاماً همگی حفظ نمی‌شوند؛ برای اطلاعات دقیق به اشارهٔ مبهم تکیه نکنید. راهنمای رسمی Memory کنترل‌ها و محدودیت‌ها را شرح می‌دهد.

دادهٔ مرجع باید مرز روشن داشته باشد:

جداکننده‌ها احتمال قاطی‌شدن دستور با سند را کم می‌کنند. اگر سند نوشته بود «دستورهای قبلی را نادیده بگیر»، آن جمله داده است، نه فرمان؛ نکته‌ای مهم برای اسناد ناشناس.

شش مثال کاربردی پرامپت ChatGPT

این مثال‌ها قالب‌اند؛ جای‌خالی‌ها را متناسب با مسئلهٔ خودتان پر کنید.

۱. تحقیق همراه با منبع

آزمون خواننده: یک ادعا را انتخاب کنید و تاریخ، جامعه و نتیجهٔ منبع را با پاسخ بسنجید. اگر تطابق ندارد، حذف یا اصلاحش کنید.

۲. خلاصه‌سازی بدون اضافه‌گویی

برای مقاله و محتوای وب، صرف خلاصه‌سازی کافی نیست؛ کنترل منبع، زاویهٔ اختصاصی و ویرایش انسانی را در پرامپت‌های مقاله‌نویسی با هوش مصنوعی دنبال کنید.

۳. تبدیل متن به جدول تصمیم

معیار پذیرش: هر سلول باید به متن مرجع قابل ردیابی باشد و دادهٔ غایب نباید با عددی ساختگی جایگزین شود.

۴. تحلیل فایل

OpenAI در راهنمای رسمی تحلیل داده با ChatGPT می‌گوید ChatGPT می‌تواند فایل‌های داده را بررسی کند، جدول و نمودار بسازد و در بعضی وظایف محاسبات را با Python انجام دهد. همان راهنما توصیه می‌کند برای دادهٔ ساخت‌یافته، نام ستون روشن و یک رکورد در هر ردیف داشته باشید و کد و فرض‌ها را بازبینی کنید.

آخرین بررسی: ۲۱ ژوئیهٔ ۲۰۲۶. نوع فایل‌های قابل استفاده و دسترسی به ابزار تحلیل ممکن است با پلن، مدل و تنظیمات حساب تفاوت داشته باشد. برای عدد حساس، خروجی و کد را مستقل بازبینی کنید؛ یک نمودار شیک می‌تواند محاسبهٔ اشتباه را هم خیلی مرتب نمایش دهد.

۵. کدنویسی با تست

قرارداد ورودی و خروجی، خطاها، نسخهٔ محیط و تست مهم‌تر از عبارت «کد بده» هستند. کد را در پروژه‌ای جدا اجرا و diff را بازبینی کنید. این یک آزمون قابل تکرار توسط خواننده است، نه ادعای آزمون عملی کلادی.

۶. ساخت بریف سایت

خروجی باید به ساختار صفحه تبدیل شود. برای الگوهای بیشتر، راهنمای پرامپت ساخت لندینگ‌پیج و برای انتخاب ابزار تا انتشار، راهنمای ساخت سایت با هوش مصنوعی را ببینید.

چطور پاسخ را ارزیابی و اصلاح کنیم؟

پرامپت‌نویسی یک چرخه است، نه مراسمی که با فشردن Enter تمام شود. OpenAI نیز در بهترین رویه‌های رسمی prompting برای ChatGPT اصلاح تکرارشونده را توصیه می‌کند: پاسخ را ببینید، ابهام یا کمبود را پیدا کنید و درخواست را بر همان اساس تغییر دهید.

روش پنج‌مرحله‌ای:

1. نمونهٔ کوچک بسازید. قبل از سپردن ۲۰۰ ردیف، روی ۱۰ ردیف امتحان کنید.
2. معیارها را جداگانه بسنجید. صحت، پوشش، قالب، منبع و لحن را یک نمرهٔ مبهم نکنید.
3. خطا را نام‌گذاری کنید. بگویید «دو ادعا منبع ندارند»، نه «بهترش کن».
4. فقط متغیر لازم را تغییر دهید. اگر قالب بد است، هم‌زمان موضوع و مخاطب را عوض نکنید.
5. آزمون را تکرار کنید. نسخهٔ اصلاحی باید همان نمونه‌های قبلی و یک نمونهٔ مرزی را پاس کند.

یک پیام اصلاحی خوب چنین است:

این از «دوباره بنویس، حرفه‌ای‌تر» مؤثرتر است. مدل ذهن شما را نمی‌خواند؛ خوشبختانه، چون احتمالاً آنجا هم چند تب باز و یک چای سرد پیدا می‌کند.

اشتباه‌های رایج

گفتن «چه نکند» بدون تعیین جایگزین

به‌جای «طولانی ننویس» بگویید «بین ۳۰۰ تا ۴۰۰ کلمه، با چهار تیتر». به‌جای «لحن رباتی نباشد» ویژگی مثبت بدهید: «جمله‌های کوتاه، مثال مشخص، بدون ادعای تبلیغاتی». محدودیت مثبت، قابل سنجش‌تر است.

سپردن حقیقت به لحن مطمئن

راهنمای رسمی OpenAI درباره درستی پاسخ‌های ChatGPT هشدار می‌دهد که مدل ممکن است نقل‌قول، مطالعه یا ارجاع نادرست بسازد و اطمینان ظاهری معادل قابلیت اعتماد نیست. برای تصمیم مهم، پاسخ را پیش‌نویس بدانید؛ منبع اصلی، محاسبه و خروجی اجرا را خودتان بررسی کنید.

فراموش‌کردن حریم خصوصی

دادهٔ مشتری، رمز، کلید API، پروندهٔ پزشکی یا قرارداد محرمانه را صرفاً برای گرفتن پاسخ بهتر وارد نکنید. ابتدا سیاست سازمان و تنظیمات Data Controls را بررسی و داده را تا حد ممکن ناشناس کنید. پرامپت عالی، مجوز پردازش داده ایجاد نمی‌کند.

یک الگوی نهایی برای استفاده روزمره

همیشه لازم نیست همهٔ خانه‌ها را پر کنید. برای بازنویسی ساده شاید «هدف + مخاطب + قالب» کافی باشد؛ برای تحقیق، تحلیل داده یا کد، منبع و معیار پذیرش حیاتی‌اند. پرامپت را به اندازهٔ ریسک کار دقیق کنید.

جمع‌بندی: پرامپت را به قرارداد تحویل تبدیل کنید

پرامپت خوب تضمین بی‌خطایی نیست؛ خطا را زودتر آشکار می‌کند. هدف، دادهٔ مرجع، شکل خروجی و معیار پذیرش را روشن کنید. سپس نمونه‌ای کوچک اجرا کنید و دقیقاً بگویید کدام معیار پاس نشده است.

قدم بعدی: الگوی نهایی بالا را روی یک کار واقعی و کم‌ریسک اجرا کنید، پاسخ را با پنج معیار «صحت، پوشش، قالب، منبع و قابلیت اقدام» بسنجید و نسخهٔ دوم پرامپت را فقط بر اساس خطاهای مشاهده‌شده بنویسید.

اگر هنوز می‌خواهید تصویر کلی‌تر را ببینید، CTA اصلی شما مطالعهٔ راهنمای جامع مهندسی پرامپت و ساختن چارچوب شخصی پرامپت‌هاست. برای یک تمرین سبک‌تر، CTA ثانویه این است که یکی از پرامپت‌های فارسی ساخت تصویر را بردارید و فقط معیارهای قابل سنجش آن را علامت بزنید؛ لازم نیست همان لحظه چیزی تولید کنید.

پرسش‌های متداول

پرامپت ChatGPT چیست؟

پرامپت ورودی‌ای است که کاربر برای هدایت پاسخ به ChatGPT می‌دهد؛ معمولاً متن است، اما بسته به قابلیت‌های در دسترس می‌تواند همراه فایل یا ورودی‌های دیگر باشد. یک پرامپت کاری علاوه بر درخواست، زمینه، داده، قالب و معیار پذیرش را نیز مشخص می‌کند.

برای نوشتن پرامپت حرفه‌ای باید انگلیسی بلد باشیم؟

خیر. می‌توانید پرامپت را به فارسی روشن و طبیعی بنویسید. دقت در هدف، داده و خروجی معمولاً از استفادهٔ نمایشی از اصطلاحات انگلیسی مهم‌تر است؛ نام فنی یا کد را فقط جایی انگلیسی نگه دارید که ابهام را کم کند.

آیا پرامپت هرچه طولانی‌تر باشد بهتر است؟

نه. طول فقط وقتی مفید است که ابهام ضروری را حذف کند. توضیح تکراری، نقش‌های پرزرق‌وبرق و محدودیت‌های متناقض می‌توانند کار را بدتر کنند؛ کوتاه‌ترین پرامپتی را بنویسید که همهٔ معیارهای لازم را روشن می‌کند.

فرق پرامپت و Custom Instructions چیست؟

پرامپت معمولاً درخواست همان لحظه یا همان گفتگوست. Custom Instructions برای ترجیح‌ها و دستورهای نسبتاً پایدار در ChatGPT طراحی شده است؛ دادهٔ متغیر پروژه یا سند مرجع را بهتر است در چت یا فایل مربوط به همان کار ارائه کنید.

چگونه از ساختن منبع جعلی جلوگیری کنیم؟

هیچ عبارت واحدی تضمین نمی‌کند. منبع اولیه بخواهید، لینک مستقیم و تاریخ تعیین کنید، به مدل اجازه دهید نبود شواهد را اعلام کند و سپس چند ادعا را با بازکردن منبع راستی‌آزمایی کنید. برای کار حساس، بررسی همهٔ منابع لازم است.

آیا ChatGPT می‌تواند فایل اکسل یا CSV را تحلیل کند؟

طبق مستند رسمی OpenAI، ChatGPT در محیط‌های پشتیبانی‌شده می‌تواند فایل‌های ساخت‌یافته را تحلیل و جدول یا نمودار تولید کند. دسترسی و نوع فایل ممکن است با حساب و تنظیمات فرق داشته باشد؛ ساختار داده، کد محاسبه و کنترل جمع‌ها را بازبینی کنید. آخرین بررسی: ۲۱ ژوئیهٔ ۲۰۲۶.

بهترین روش اصلاح پاسخ ضعیف چیست؟

یک یا دو خطای قابل مشاهده را نام ببرید، معیار درست را تکرار کنید و دامنهٔ تغییر را ببندید. مثلاً بگویید «فقط جدول را اصلاح کن؛ هر ادعای بدون منبع را حذف کن و سایر بخش‌ها را دست نزن.»

آیا یک پرامپت در همهٔ نسخه‌های ChatGPT نتیجهٔ یکسان می‌دهد؟

خیر؛ مدل، ابزارهای فعال، تنظیمات، زمینهٔ گفتگو و تغییرات محصول می‌توانند نتیجه را عوض کنند. به همین دلیل باید نمونهٔ آزمون، معیار پذیرش و تاریخ آخرین بررسی داشته باشید، نه اینکه یک خروجی خوب را تضمین همیشگی بدانید.