پرامپت‌نویسی فارسی: از جواب‌های بی‌ربط تا خروجی دقیق

اگر جواب‌های هوش مصنوعی کلی و بی‌مصرف است، مشکل از مدل نیست — از صورت‌مسئله است. این راهنما نشان می‌دهد چطور درخواستتان را طوری بنویسید که همان چیزی را بگیرید که در ذهن دارید.

🍊 تیم نارنگی ⏱ 13 دقیقه مطالعه
آموزش پرامپت‌نویسی فارسی برای گرفتن خروجی دقیق از هوش مصنوعی

یک آزمایش ساده: از هوش مصنوعی بخواهید «یک متن درباره‌ی قهوه بنویس». چیزی که می‌گیرید احتمالاً با «قهوه یکی از محبوب‌ترین نوشیدنی‌های جهان است» شروع می‌شود و در چهار پاراگراف عمومی تمام می‌شود. نه غلط است، نه به درد می‌خورد.

حالا همان درخواست را طور دیگری بنویسید: «برای صفحه‌ی اینستاگرام یک کافه‌ی محلی در شیراز، سه کپشن کوتاه بنویس درباره‌ی قهوه‌ی دم‌آوری سرد. هر کپشن زیر ۲۵ کلمه، لحن صمیمی بدون شعار تبلیغاتی، و در هرکدام یک جزئیات حسی باشد.» خروجی این یکی معمولاً قابل استفاده است.

فرق این دو، مدل نیست. هر دو را همان مدل جواب داده. فرق در صورت‌مسئله است. و این دقیقاً کاری است که پرامپت نویسی انجام می‌دهد: تبدیل چیزی که در ذهن شماست به چیزی که ماشین می‌تواند دنبالش کند.

این راهنما از تعریف‌های کلی رد می‌شود و می‌رود سراغ ساختارهایی که در عمل جواب می‌دهند — با مثال‌های فارسی که می‌توانید همین حالا کپی کنید و امتحان کنید.

چرا جواب‌ها بی‌ربط از آب درمی‌آیند

برای اینکه بدانیم چه چیزی را درست کنیم، اول باید بفهمیم زیر کاپوت چه خبر است. مدل‌های زبانی — چه ChatGPT، چه Gemini، چه آنچه در نارنگی استفاده می‌کنید — یک کار انجام می‌دهند: پیش‌بینی محتمل‌ترین ادامه‌ی متن.

این جمله ساده به‌نظر می‌رسد ولی نتیجه‌های مهمی دارد:

  • مدل ذهن‌خوانی نمی‌کند. اگر ننویسید مخاطبتان کیست، مدل میانگین همه‌ی مخاطب‌های ممکن را در نظر می‌گیرد. نتیجه: متنی که برای هیچ‌کس دقیقاً مناسب نیست.
  • ابهام را با کلی‌گویی پر می‌کند. وقتی نگویید «چقدر»، «برای چه» و «در چه قالبی»، مدل امن‌ترین مسیر را می‌رود — و امن‌ترین مسیر همیشه بی‌مزه‌ترین است.
  • محتمل بودن با درست بودن یکی نیست. اگر داده‌ی کافی نداشته باشد، چیزی می‌سازد که شبیه جواب درست است. این همان چیزی است که به آن توهم یا hallucination می‌گویند.
💡 قانون اول

هر ابهامی که در پرامپت بگذارید، مدل با یک فرض پرش می‌کند — و آن فرض تقریباً هیچ‌وقت همان چیزی نیست که شما در ذهن داشتید. کار شما حذف ابهام است، نه مؤدب بودن.

تعارف کردن با مدل کمکی نمی‌کند

خیلی‌ها فکر می‌کنند «لطفاً» و «ممنون می‌شوم» کیفیت جواب را بالا می‌برد. در عمل تأثیر معناداری ندارد. آنچه تأثیر دارد، اطلاعاتی است که اضافه می‌کنید — نه ادبی که به کار می‌برید. جمله‌ی «لطفاً یک متن خوب بنویس» هنوز همان‌قدر مبهم است که «یک متن بنویس».

البته یک استثنا هست: وقتی از مدل می‌خواهید نقش خاصی بازی کند، لحن خودتان روی لحن خروجی اثر می‌گذارد. اگر رسمی بنویسید، جواب رسمی‌تر می‌گیرید. ولی این ربطی به تعارف ندارد؛ ربط به هم‌رنگی لحن دارد.

پنج رکن یک پرامپت که کار می‌کند

بعد از کار کردن با هزاران درخواست کاربران فارسی‌زبان، الگویی که مدام تکرار می‌شود این است: پرامپت‌های موفق تقریباً همیشه پنج چیز را مشخص کرده‌اند. لازم نیست همیشه هر پنج‌تا را بنویسید، ولی هرکدام را که جا بیندازید، همان‌جا کیفیت افت می‌کند.

۱. نقش — مدل از کدام زاویه نگاه کند

وقتی می‌گویید «تو یک سردبیر مجله‌ی اقتصادی هستی»، دایره‌ی واژگان، سطح دقت و پیش‌فرض‌های مدل جابه‌جا می‌شود. این کار مثل انتخاب لنز دوربین است.

❌ درباره‌ی تورم بنویس.

✅ تو یک روزنامه‌نگار اقتصادی هستی که برای مخاطب عمومی می‌نویسد.
   درباره‌ی تورم بنویس، طوری که یک دانشجوی غیراقتصاد هم بفهمد.

نقش را واقعی و مشخص انتخاب کنید. «تو یک متخصص همه‌فن‌حریف هستی» هیچ کمکی نمی‌کند، چون هیچ زاویه‌ی مشخصی نمی‌سازد.

۲. هدف — خروجی قرار است چه کاری بکند

این مهم‌ترین رکن است و بیشتر از همه فراموش می‌شود. بین «متنی درباره‌ی محصول بنویس» و «متنی بنویس که کسی را که مردد است، قانع کند همین امروز خرید کند» زمین تا آسمان فاصله است.

❌ یک ایمیل به مشتری بنویس.

✅ یک ایمیل به مشتری‌ای بنویس که دو ماه است سفارشی نداده.
   هدف: برگرداندنش، بدون اینکه حس کند داریم التماس می‌کنیم.

۳. مخاطب — چه کسی این را می‌خواند

سن، سطح دانش، و اینکه چقدر حوصله دارد. «برای مدیرعامل که فقط ۳۰ ثانیه وقت دارد» خروجی کاملاً متفاوتی می‌سازد نسبت به «برای کارآموزی که تازه شروع کرده».

۴. محدودیت — چارچوبی که نباید از آن بیرون بزند

طول، لحن، چیزهایی که نباید بیاید. محدودیت‌ها تنبیه نیستند؛ ریل هستند. مدل بدون ریل به سمت میانگین می‌رود.

  • طول: «حداکثر ۱۵۰ کلمه» بهتر از «کوتاه» است.
  • لحن: «صمیمی ولی نه شوخ» بهتر از «خوب» است.
  • ممنوعیت: «از کلیشه‌هایی مثل «در دنیای امروز» استفاده نکن» واقعاً جواب می‌دهد.

۵. قالب — خروجی دقیقاً چه شکلی باشد

اگر نگویید، مدل پاراگراف تحویل می‌دهد. اگر جدول می‌خواهید، بگویید جدول. اگر می‌خواهید خروجی را در جایی کپی کنید، ساختارش را دقیق مشخص کنید.

خروجی را دقیقاً در این قالب بده:

عنوان: [حداکثر ۸ کلمه]
خلاصه: [یک جمله]
سه نکته:
  - [نکته]
  - [نکته]
  - [نکته]
🧩 الگوی آماده

[نقش] + [هدف] + [مخاطب] + [محدودیت] + [قالب]

مثال کامل: «تو یک مشاور شغلی هستی. برای دانشجوی سال آخر مهندسی که هیچ سابقه‌ی کاری ندارد، سه پیشنهاد عملی بنویس که این ماه بتواند اجرا کند. هر پیشنهاد حداکثر دو جمله، بدون توصیه‌های کلی مثل «شبکه‌سازی کن». خروجی: لیست شماره‌دار.»

قبل و بعد: هفت مثال واقعی

تئوری کافی است. اینها درخواست‌هایی هستند که کاربران واقعاً می‌نویسند، و نسخه‌ی بازنویسی‌شده‌شان.

۱. خلاصه‌کردن یک متن

❌ این متن را خلاصه کن.

✅ این متن را در ۵ بولت خلاصه کن. هر بولت یک نکته‌ی عملی
   باشد که بشود روی آن تصمیم گرفت، نه بازگویی محتوا.
   اگر عدد یا تاریخ مهمی هست، حتماً نگه دار.

۲. نوشتن پیام کاری

❌ یک پیام بنویس که بگویم پروژه دیر می‌شود.

✅ یک پیام کوتاه به کارفرما بنویس که تحویل پروژه دو هفته
   عقب می‌افتد. مسئولیت را بپذیر، دلیل واقعی را بگو
   (کمبود نیرو)، و تاریخ جدید را دقیق بده.
   بدون عذرخواهی زیاد. حداکثر ۸۰ کلمه.

۳. ایده‌گرفتن

❌ چند ایده برای محتوا بده.

✅ برای یک صفحه‌ی آموزش آشپزی با ۲ هزار دنبال‌کننده،
   ۱۰ ایده‌ی محتوا بده که با گوشی و بدون تجهیزات قابل
   ساخت باشد. ایده‌های تکراری مثل «پشت صحنه» را حذف کن.
   کنار هر ایده بنویس چرا جواب می‌دهد.

۴. اصلاح متن

❌ این متن را بهتر کن.

✅ این متن را ویرایش کن: جمله‌های بلند را بشکن، کلمات
   قلمبه را ساده کن، و تکرارها را بردار. معنا و لحن
   نویسنده را عوض نکن. فقط متن نهایی را بده.

آن جمله‌ی آخر — «فقط متن نهایی را بده» — بیشتر از چیزی که فکر می‌کنید وقت صرفه‌جویی می‌کند. بدون آن، مدل معمولاً یک مقدمه و یک توضیح هم اضافه می‌کند.

۵. یادگیری یک مفهوم

❌ بلاک‌چین را توضیح بده.

✅ بلاک‌چین را طوری توضیح بده که یک نفر با دیپلم بفهمد.
   از یک مثال روزمره‌ی ایرانی شروع کن. اصطلاح انگلیسی
   را فقط وقتی بیاور که ناچاری، و همان‌جا معنی‌اش را بگو.
   آخرش یک تست ۳ سؤالی بده که بفهمم فهمیدم یا نه.

۶. تصمیم‌گیری

❌ کدام لپ‌تاپ بهتر است؟

✅ من برنامه‌نویس وب هستم، بودجه‌ام ۴۰ میلیون تومان،
   و بیشتر بیرون از خانه کار می‌کنم. سه گزینه پیشنهاد بده
   و برای هرکدام بنویس چه چیزی را فدا می‌کنم.
   اگر اطلاعات کافی نداری، اول از من بپرس.

آن جمله‌ی آخر یکی از مفیدترین ترفندهاست: به مدل اجازه‌ی سؤال‌پرسیدن بدهید. اغلب سؤالی می‌پرسد که خودتان به آن فکر نکرده بودید.

۷. تولید تصویر

پرامپت تصویری قواعد خودش را دارد. اینجا توصیف بصری مهم است، نه دستور:

❌ یک عکس از یک کافه بکش.

✅ کافه‌ی کوچک سنتی ایرانی، نور طلایی عصر از پنجره،
   میز چوبی با استکان کمرباریک، بخار چای در نور،
   عمق میدان کم، حس آرام و گرم، کیفیت عکاسی واقع‌گرایانه.

راهنمای کامل این بخش را در مقاله‌ی ساخت عکس با هوش مصنوعی نوشته‌ایم.

پنج تکنیک که سطح خروجی را عوض می‌کند

۱. نمونه بدهید (Few-shot)

مؤثرترین کاری که می‌توانید بکنید: به‌جای توصیف سبک، یک نمونه از سبک دلخواهتان بدهید. مدل الگو را از نمونه بهتر می‌گیرد تا از توضیح.

می‌خواهم عنوان بنویسی. این سبک مورد نظر من است:

نمونه ۱: «چرا کدهایت کار می‌کند ولی کسی نمی‌فهمدشان»
نمونه ۲: «سه اشتباهی که هر تازه‌کار در گیت می‌کند»

حالا با همین سبک، ۵ عنوان برای مقاله‌ای درباره‌ی
مدیریت زمان بنویس.

۲. بخواهید مرحله‌به‌مرحله فکر کند

برای مسائل منطقی، ریاضی یا هر چیزی که چند گام دارد، اضافه‌کردن «قدم‌به‌قدم استدلال کن و بعد جواب نهایی را بگو» دقت را محسوس بالا می‌برد. دلیلش این است که مدل با نوشتن گام‌ها، فضای بیشتری برای «فکر کردن» می‌سازد.

۳. منبع را خودتان بدهید

اگر می‌خواهید درباره‌ی چیزی جواب بگیرد که مدل نمی‌تواند بداند — قرارداد شما، مقاله‌ای خاص، داده‌های شرکتتان — متن را پیوست کنید یا در پرامپت بگذارید و بگویید «فقط بر اساس متن زیر جواب بده. اگر چیزی در متن نبود، بگو در متن نیست.»

این تک‌جمله بیشترین تأثیر را در کاهش جواب‌های ساختگی دارد.

۴. بگویید چه چیزی نمی‌خواهید

مدل‌ها به سمت الگوهای پرتکرار می‌روند. اگر از کلیشه خسته‌اید، صریح ممنوعشان کنید:

از این عبارت‌ها استفاده نکن:
«در دنیای امروز»، «بدون شک»، «شایان ذکر است»،
«به عبارت دیگر»، «در نهایت می‌توان گفت».
جمله را با فعل شروع کن نه با قید.

۵. تکرار کنید، از نو ننویسید

اولین خروجی را پیش‌نویس بدانید نه محصول. سریع‌ترین راه به نتیجه، اصلاح جهت‌دار است:

  • «همین ساختار خوب است، ولی مثال‌ها را ایرانی کن.»
  • «پاراگراف دوم را نگه دار، بقیه را کوتاه‌تر کن.»
  • «لحن خیلی تبلیغاتی شد. خنثی‌تر بنویس.»

جدول تشخیص سریع مشکل

مشکلی که می‌بینیدعلت محتملچه چیزی به پرامپت اضافه کنید
جواب کلی و بی‌مزههدف و مخاطب مشخص نشده«این برای [کی] است و باید [چه کاری] بکند»
خیلی بلند شدسقف تعیین نشده«حداکثر [عدد] کلمه»
لحن مناسب نیستلحن توصیف نشدهیک نمونه‌ی متن با لحن دلخواه بدهید
اطلاعات اشتباهمدل داده ندارد«فقط بر اساس متن زیر جواب بده»
ساختار به‌هم‌ریختهقالب مشخص نشدهقالب خروجی را خط‌به‌خط بنویسید
مقدمه‌ی اضافی می‌نویسدمحدوده‌ی خروجی باز است«فقط خودِ متن را بده، بدون توضیح»
تکراری و کلیشه‌ایهیچ ممنوعیتی نگذاشته‌ایدفهرست عبارت‌های ممنوع

فارسی بنویسیم یا انگلیسی؟

این سؤال را زیاد می‌پرسند. جواب کوتاه: برای کارهای متنی، فارسی بنویسید.

چند سال پیش تفاوت محسوسی وجود داشت، چون داده‌های آموزشی فارسی کم بود. امروز مدل‌های اصلی فارسی را خوب می‌فهمند و — مهم‌تر — وقتی فارسی می‌نویسید، خروجی هم اصطلاحات و ساختار طبیعی فارسی دارد. اگر انگلیسی بپرسید و ترجمه بگیرید، متنی می‌گیرید که بوی ترجمه می‌دهد.

دو استثنا:

  • تولید تصویر: مدل‌های تصویری عمدتاً با برچسب‌های انگلیسی آموزش دیده‌اند. توصیف انگلیسی معمولاً دقیق‌تر جواب می‌دهد. (در نارنگی این ترجمه خودکار انجام می‌شود، پس لازم نیست نگرانش باشید.)
  • اصطلاحات فنی: نام کتابخانه، تابع و خطاها را انگلیسی بنویسید. «ارور را حل کن» مبهم است؛ چسباندن متن دقیق خطا نیست.

کتابخانه‌ی پرامپت: ۱۲ قالب آماده

اینها را کپی کنید و جاهای خالی را پر کنید.

برای نوشتن

۱) بازنویسی روان
متن زیر را روان‌تر کن بدون اینکه معنا عوض شود.
جمله‌های بالای ۲۵ کلمه را بشکن. فقط متن نهایی را بده.
---
[متن]

۲) تبدیل لحن
این متن را از رسمی به صمیمی تبدیل کن، طوری که برای
اینستاگرام مناسب باشد. طول تقریباً همان بماند.
---
[متن]

۳) عنوان‌سازی
۷ عنوان برای این متن بنویس. سه‌تا خبری، دوتا سؤالی،
دوتا کنجکاوی‌برانگیز. هیچ‌کدام بالای ۱۰ کلمه نباشد.
---
[متن]

برای کار

۴) خلاصه‌ی جلسه
از یادداشت زیر، صورت‌جلسه بساز با سه بخش:
تصمیم‌ها، کارهای باقی‌مانده (با مسئول)، سؤالات باز.
---
[یادداشت]

۵) پاسخ به شکایت مشتری
به این پیام مشتری ناراضی جواب بده. مسئولیت بپذیر،
راه‌حل مشخص بده، تاریخ بده. بدون تعارف اضافه.
حداکثر ۱۰۰ کلمه.
---
[پیام]

۶) تحلیل تصمیم
من می‌خواهم [تصمیم] بگیرم. سه دلیل موافق و سه دلیل
مخالف بنویس. بعد بگو اگر جای من بودی چه می‌کردی و چرا.

برای یادگیری

۷) توضیح ساده
[مفهوم] را در سه سطح توضیح بده:
یک: برای بچه‌ی ۱۰ ساله. دو: برای بزرگسال غیرمتخصص.
سه: برای کسی که می‌خواهد عمیق شود.

۸) آزمون بگیر
من دارم [موضوع] می‌خوانم. ۵ سؤال از من بپرس، یکی‌یکی.
بعد از هر جواب من، بگو درست بود یا نه و چرا.
جواب همه را یک‌جا نده.

۹) نقشه‌ی یادگیری
می‌خواهم در ۸ هفته [مهارت] یاد بگیرم و روزی ۱ ساعت
وقت دارم. برنامه‌ی هفتگی بده با منابع رایگان فارسی
یا انگلیسی. هر هفته یک خروجی عملی داشته باشد.

برای برنامه‌نویسی

۱۰) دیباگ
این کد این خطا را می‌دهد. دلیلش را توضیح بده و
نسخه‌ی درست را بده. اگر چند علت ممکن است،
از محتمل‌ترین شروع کن.
--- کد:
[کد]
--- خطا:
[متن دقیق خطا]

۱۱) بازبینی کد
این کد را مرور کن. فقط مشکلات واقعی را بگو
(باگ، امنیت، کارایی). سلیقه‌ی کدنویسی را کاری نداشته باش.

۱۲) توضیح کد قدیمی
این کد چه کار می‌کند؟ خط‌به‌خط توضیح نده؛
منطق کلی و ورودی/خروجی را بگو و بنویس
کجایش خطرناک است.

شش اشتباهی که همه می‌کنند

  1. چند کار در یک پرامپت. «متن را خلاصه کن، ترجمه کن، و برایش عنوان بنویس» یعنی هر سه‌تا متوسط انجام می‌شود. جدا بخواهید.
  2. فرض اینکه مدل تاریخ امروز را می‌داند. اگر کاری به زمان دارد، تاریخ را خودتان بنویسید.
  3. دادن متن ناقص. «این را اصلاح کن» بدون چسباندن متن، شایع‌ترین اشتباه است.
  4. تسلیم‌شدن بعد از یک جواب بد. جواب اول پیش‌نویس است. یک جمله اصلاح، معمولاً کافی است.
  5. پذیرفتن عدد و آمار بدون بررسی. هر عددی که مدل می‌دهد و منبعش را نداده، باید راستی‌آزمایی شود.
  6. پرامپت طولانی به‌جای پرامپت دقیق. اضافه‌کردن جمله‌های تزئینی کمکی نمی‌کند؛ فقط سیگنال را رقیق می‌کند.

پرامپت‌نویسی در نارنگی

اگر با نارنگی کار می‌کنید، چند نکته‌ی مخصوص:

  • حالت هوشمند خودش تشخیص می‌دهد درخواستتان متنی است، تصویری، ویدیویی یا نیاز به جستجوی وب دارد — لازم نیست دستی مدل عوض کنید.
  • برای تصویر، فارسی بنویسید؛ ترجمه‌ی بهینه‌شده پشت صحنه انجام می‌شود.
  • ابزارها در واقع پرامپت‌های آماده‌ی تنظیم‌شده هستند. اگر کاری را زیاد تکرار می‌کنید، احتمالاً ابزارش وجود دارد و نتیجه‌ی یکدست‌تری می‌دهد.
  • می‌توانید فایل پیوست کنید (PDF و Word). برای پرسیدن درباره‌ی یک سند، این بهتر از کپی‌کردن متن است.

تمرین: همین حالا امتحان کنید

بهترین راه یادگیری، مقایسه است. این دو را پشت سر هم بفرستید و تفاوت را ببینید:

پرامپت اول:
یک متن برای معرفی خودم بنویس.

پرامپت دوم:
تو یک نویسنده‌ی حرفه‌ای پروفایل لینکدین هستی.
برای من که ۳ سال تجربه‌ی طراحی رابط کاربری دارم و
دنبال کار دورکاری در یک تیم محصول هستم، یک بخش
«درباره‌ی من» بنویس.
مخاطب: مدیر استخدام که ۱۵ ثانیه وقت دارد.
لحن: مطمئن ولی بدون اغراق.
طول: حداکثر ۶۰ کلمه.
با فعل شروع کن، نه با «من یک ...».

تفاوت خروجی این دو، خلاصه‌ی کل این مقاله است.

جمع‌بندی

پرامپت‌نویسی مهارت پیچیده‌ای نیست. یک عادت است: قبل از اینکه Enter بزنید، از خودتان بپرسید «اگر این را به یک آدم می‌دادم، آیا می‌فهمید دقیقاً چه می‌خواهم؟» اگر جواب نه است، همان‌جا مشخص است چه چیزی کم دارید.

و مثل هر مهارت دیگری، با تکرار جا می‌افتد. اولین بار پنج خط می‌نویسید و فکر می‌کنید زیاده‌روی است؛ بعد از یک هفته می‌بینید آن پنج خط، بیست دقیقه اصلاح‌کردن را حذف کرده.

برای ادامه، این مقاله‌ها را ببینید:

اگر می‌خواهید عمیق‌تر شوید، راهنمای رسمی مهندسی پرامپت OpenAI و Prompt Engineering Guide منابع خوبی هستند — هر دو انگلیسی، ولی مثال‌هایشان قابل ترجمه به فارسی است.

پرسش‌های پرتکرار

پرامپت دقیقاً یعنی چه؟ +
پرامپت همان متنی است که به هوش مصنوعی می‌دهید — چه یک سؤال کوتاه باشد، چه یک بریف چندپاراگرافی. تفاوت یک پرامپت خوب و بد در این نیست که کدام مؤدبانه‌تر است، در این است که کدام ابهام کمتری باقی می‌گذارد.
آیا باید پرامپت را انگلیسی بنویسم تا جواب بهتری بگیرم؟ +
برای مدل‌های امروزی لازم نیست. تفاوت کیفیت بین فارسی و انگلیسی در کارهای عمومی تقریباً از بین رفته است. جایی که هنوز انگلیسی برتری دارد، تولید تصویر است — چون بیشتر داده‌های آموزشیِ مدل‌های تصویری برچسب انگلیسی دارند.
چرا هوش مصنوعی گاهی چیزی می‌گوید که اصلاً درست نیست؟ +
چون این مدل‌ها محتمل‌ترین ادامه‌ی متن را می‌سازند، نه لزوماً درست‌ترین را. وقتی اطلاعات کافی در اختیارشان نگذارید، خلأ را با چیزی پر می‌کنند که شبیه جواب است. راه‌حل: منبع را خودتان بدهید و صریح بگویید اگر نمی‌داند، بگوید نمی‌دانم.
طول پرامپت چقدر باید باشد؟ +
به اندازه‌ای که ابهام را بردارد و نه بیشتر. یک پرامپت ۳۰ کلمه‌ای دقیق، از ۳۰۰ کلمه‌ی پراکنده بهتر جواب می‌دهد. معیار عملی: هر جمله‌ای که حذفش خروجی را عوض نمی‌کند، اضافه است.
اگر جواب اول بد بود، از اول بنویسم یا اصلاح کنم؟ +
اصلاح کنید. گفتن «همین را نگه دار ولی لحن را رسمی‌تر کن» معمولاً سریع‌تر به نتیجه می‌رسد تا نوشتن یک پرامپت تازه — چون مدل زمینه‌ی قبلی را در اختیار دارد.
#پرامپت نویسی #پرامپت فارسی #هوش مصنوعی فارسی #آموزش پرامپت #چت جی پی تی
به‌دردِ کسی می‌خورد؟ تلگرام واتساپ
🍊

خواندنش خوب بود — حالا امتحانش کن

هرچه در این صفحه خواندی، همین حالا داخلِ نارنگی قابلِ اجراست. ثبت‌نام با شماره‌ی موبایل، نارنگیِ رایگانِ شروع، بدونِ نیاز به کارت یا تحریم‌شکن.

بدونِ نصب هم کار می‌کند — ولی در اپ سریع‌تر است