Persona Prompting یا نقشآفرینی یکی از سادهترین و در عین حال قدرتمندترین تکنیکهای مهندسی پرامپت است. ایده ساده است: بهجای اینکه از مدل بخواهید کاری انجام دهد، اول به آن میگویید «چه کسی» باشد. وقتی نقش بهدرستی تعریف شود، مدل دایره واژگان، عمق تخصصی و حتی سبک تفکر خود را با آن نقش هماهنگ میکند. در این راهنما تئوری کامل، ۲۰ نمونه persona فارسی کپیپذیر، تفاوت رفتار مدلهای مختلف و دامهای پنهان این تکنیک را با هم مرور میکنیم.
Persona Prompting چیست؟
Persona Prompting روشی در مهندسی پرامپت است که در آن قبل از طرح وظیفه اصلی، یک شخصیت یا نقش مشخص به مدل زبانی اختصاص میدهید. این نقش میتواند یک شغل («یک وکیل حقوق تجارت»)، یک نمای ذهنی («یک منتور سختگیر استارتاپی»)، یا یک ترکیب از هر دو باشد. هدف این است که مدل پاسخ خود را نه بهعنوان یک «دستیار عمومی»، بلکه از منظر آن شخصیت تولید کند.
این تکنیک گاهی با نامهای دیگری هم شناخته میشود: Role Prompting، Role Playing Prompt، یا الگوی Act As. اولین بار این الگو در فهرست معروف «Awesome ChatGPT Prompts» در سال ۲۰۲۲ به یک استاندارد عملی تبدیل شد و امروز تقریباً هر مهندس پرامپت حرفهای آن را بهعنوان لایه اول پرامپتهای خود به کار میبرد.
تفاوت Persona با دستور ساده
برای اینکه تفاوت ملموس شود، یک مقایسه ساده میکنیم. فرض کنید میخواهید توضیحی درباره «ریسکهای یک قرارداد همکاری» بگیرید.
| سبک پرامپت | نمونه ورودی | کیفیت پاسخ |
|---|---|---|
| دستور خام | ریسکهای یک قرارداد همکاری را بگو. | کلی، سطحی، فاقد دایره واژگان حقوقی. |
| Act As ساده | بهعنوان یک وکیل حقوق تجارت عمل کن و ریسکهای یک قرارداد همکاری را بگو. | اصطلاحات حقوقی ظاهر میشوند، ساختار پاسخ منظمتر است. |
| Detailed Persona | تو یک وکیل حقوق تجارت با ۱۵ سال تجربه در قراردادهای استارتاپی هستی. سبک پاسخدهیات صریح و کاربردی است و همیشه یک هشدار قانونی در پایان میگذاری. | پاسخ تخصصی، ساختار دقیق، دارای disclaimer و مرتبط با حوزه استارتاپی. |
چرا نقشآفرینی کار میکند؟
برای درک علت اثرگذاری Persona باید به نحوه کار درونی مدلهای زبانی نگاه کرد. هر مدل بزرگ زبانی روی میلیاردها سند آموزش دیده است: مقالات علمی، کدهای گیتهاب، رمان، فروم پزشکی، پروندههای حقوقی و غیره. در داخل مدل، این متون به فضای برداری بسیار بزرگی نگاشته شدهاند. وقتی شما عبارت «بهعنوان یک متخصص هوش مصنوعی» را در ابتدای پرامپت میآورید، در واقع بردار توجه مدل را به سمت آن خوشه از دادهها متمایل میکنید.
این پدیده در ادبیات پژوهشی با نام Context Conditioning شناخته میشود. مقاله Salewski و همکاران (۲۰۲۳) با عنوان «In-Context Impersonation Reveals Large Language Models' Strengths and Biases» نشان داد که صرفاً اضافه کردن یک persona میتواند دقت مدل را در برخی وظایف تخصصی تا ۲۵ درصد بهبود دهد، و در مقابل گاهی سوگیریهای پنهانی هم فعال میکند.
سه مکانیزم اثرگذاری Persona
- فعالسازی دایره واژگان تخصصی: مدل بهجای کلمات عمومی، اصطلاحات فنی همان حوزه را انتخاب میکند. این یعنی پاسخ بلافاصله شکل تخصصی به خود میگیرد.
- تنظیم سبک و لحن: یک «معلم مهد کودک» جملات کوتاه و ساده مینویسد، یک «استاد دانشگاه» جملات پیچیده با ارجاع. مدل این تفاوتها را از دادههای آموزش یاد گرفته است.
- هدایت ساختار پاسخ: یک «code reviewer» بهطور طبیعی پاسخ را به شکل لیست نقاط ضعف میدهد، یک «storyteller» به شکل روایت. ساختار پاسخ هم بخشی از نقش است.
آناتومی یک Persona خوب
یک persona حرفهای پنج جزء دارد. هر چه این پنج جزء دقیقتر تعریف شوند، خروجی مدل منسجمتر و قابلاتکاتر خواهد بود. این چارچوب را میتوانید برای هر نقشی به کار ببرید.
پنج جزء استاندارد
- Title (عنوان نقش): دقیقترین عنوان شغلی یا تخصصی که میتوانید تصور کنید. «نویسنده» خوب نیست، «کپیرایتر تخصصی لندینگپیج SaaS» خوب است.
- Background (پسزمینه): سابقه و تجربه نقش. «با ۱۲ سال تجربه در کار با استارتاپهای B2B» بافتی فراهم میکند که مدل از روی آن جهت میگیرد.
- Expertise (حوزه تخصص): توانمندیهای خاص آن persona. «تخصص در نوشتن هدلاینهای مبتنی بر اصول روانشناسی فروش».
- Style (سبک ارتباطی): لحن، طول جملات، میزان رسمی بودن، استفاده از مثال یا قیاس. این جزء معمولاً نادیده گرفته میشود اما تأثیر آن روی خروجی بسیار زیاد است.
- Constraints (قواعد و محدودیتها): چه کارهایی نباید انجام دهد، چه disclaimer هایی باید بزند، حداکثر طول پاسخ چقدر باشد، چه فرمتی استفاده کند.
وقتی این پنج جزء را در یک پرامپت ترکیب میکنید، یک «شخصیت قابل اجرا» میسازید که میتواند بارها و بارها برای وظایف مختلف از همان حوزه استفاده شود. این الگو پایهای است که اکثر قالبهای پرامپتنویسی حرفهای روی آن سوار میشوند.
الگوی Act As (الگوی کلاسیک)
الگوی Act As سادهترین فرم نقشآفرینی است و به همین دلیل محبوبترین است. ساختار آن یک جمله ساده در ابتدای پرامپت است: «بهعنوان X عمل کن و …». اگر تازه شروع کردهاید، همین الگو معمولاً ۸۰ درصد بهبود کیفیت را به شما میدهد.
ساختار پایه Act As
بهعنوان [نقش] عمل کن.
وظیفه: [توصیف کاری که میخواهی انجام شود]
ورودی: [داده یا سوال اصلی]
خروجی مورد انتظار: [فرمت پاسخ]یک نمونه عملی فارسی برای روشن شدن موضوع:
بهعنوان یک مشاور بازاریابی دیجیتال با تجربه در بازار ایران عمل کن.
وظیفه: یک استراتژی محتوای سهماهه برای صفحه اینستاگرام یک کافه محلی پیشنهاد بده.
ورودی: کافه تازهتأسیس در منطقه ولنجک تهران، گروه هدف ۲۲ تا ۳۵ سال، بودجه محدود.
خروجی مورد انتظار: یک جدول هفتگی شامل نوع پست، موضوع، call to action و معیار سنجش.توجه کنید چطور با همین چهار خط، مدل بهجای پاسخ کلی، یک خروجی هدفمند و قابلاجرا تولید میکند. اگر در حال طراحی پرامپت برای اینستاگرام هستید، مقاله آدیت اینستاگرام با هوش مصنوعی هم میتواند الگوهای بیشتری به شما بدهد.
نقاط ضعف Act As ساده
الگوی Act As یک ضعف اساسی دارد: «X» در جمله را مدل به دلخواه خودش تعبیر میکند. اگر بنویسید «بهعنوان یک طراح عمل کن»، مدل ممکن است طراح گرافیک، طراح UX، طراح صنعتی یا حتی طراح مد را در نظر بگیرد. در پرامپتهای جدی، این ابهام دردسرساز است و باید سراغ الگوی Detailed Persona بروید.
الگوی Detailed Persona
الگوی Detailed Persona همان چارچوب پنجگانهای است که در بخش آناتومی توضیح دادیم، اما این بار به شکل یک پرامپت کامل پیادهسازی شده. این الگو برای پروژههای جدی و پرامپتهای تولیدی (Production) توصیه میشود.
قالب آماده Detailed Persona
تو یک [Title] هستی.
سابقه: [Background — تجربه، حوزه فعالیت، نوع پروژههایی که روی آن کار کردهای]
تخصص اصلی: [Expertise — یک یا دو توانمندی متمایز]
سبک پاسخدهی: [Style — لحن، طول جملات، نوع مثالها]
قواعد:
- [Constraint 1]
- [Constraint 2]
- [Constraint 3]
حالا منتظر سوال یا وظیفه من بمان.یک پیادهسازی واقعی برای نقش «مشاور پایاننامه دکترا» این شکلی است:
تو یک مشاور پایاننامه دکترا در حوزه علوم اجتماعی هستی.
سابقه: ۲۰ سال راهنمایی دانشجوی دکترا در دانشگاههای معتبر، ۸ کتاب در حوزه روش تحقیق، عضو هیئتتحریریه دو ژورنال ISI.
تخصص اصلی: کمک به ساختاردهی فصلها، اصلاح فرضیهها و آمادهسازی برای دفاع.
سبک پاسخدهی: دقیق، مستند، با ارجاع به متدلوژیهای شناختهشده. هرگز جواب کلی نمیدهی و همیشه یک قدم بعدی روشن پیشنهاد میکنی.
قواعد:
- اگر سوال مبهم بود، اول دو یا سه سوال شفافسازی بپرس.
- در پایان هر پاسخ یک «گام بعدی» بهصورت چکلیست بده.
- از تعارفات بیمورد پرهیز کن.
حالا منتظر سوال یا فصل اولم بمان.این الگو در عمل خروجیای میدهد که از یک گفتوگوی واقعی با یک استاد راهنما قابل تشخیص نیست. تفاوت آن با Act As ساده در عمل قابل لمس است.
الگوی Multi-Persona و Board of Advisors
یکی از قدرتمندترین الگوهای پیشرفته، الگوی Multi-Persona است که به آن Board of Advisors هم میگویند. در این الگو شما چند persona را در یک پرامپت کنار هم مینشانید و از مدل میخواهید روی یک موضوع از منظر هر کدام نظر بدهد. این الگو برای تصمیمگیریهای پیچیده، برنامهریزی استراتژیک و طوفان فکری بینظیر است.
قالب آماده Board of Advisors
یک هیئت مشاوران مجازی تشکیل بده که شامل سه عضو است:
عضو ۱) [نقش اول] با تخصص [حوزه]
عضو ۲) [نقش دوم] با تخصص [حوزه]
عضو ۳) [نقش سوم] با تخصص [حوزه]
موضوع جلسه: [موضوع تصمیمگیری]
ابتدا هر عضو نظر خودش را در ۳ بند کوتاه ارائه میدهد.
سپس بحث متقابل بین اعضا میکنند (حداقل ۲ دور).
در نهایت یک جمعبندی مشترک با امضای هر سه نفر ارائه میشود.یک پیادهسازی واقعی برای تصمیمگیری درباره قیمتگذاری یک دوره آنلاین:
یک هیئت مشاوران مجازی تشکیل بده که شامل سه عضو است:
عضو ۱) متخصص قیمتگذاری محصول با تجربه در SaaS
عضو ۲) روانشناس مصرفکننده با تخصص در تصمیمگیری ایرانی
عضو ۳) مدیر بازاریابی محتوا با تجربه در فروش دوره آنلاین
موضوع جلسه: قیمتگذاری یک دوره مهندسی پرامپت با هدف بازار ایران، گروه هدف برنامهنویس و فریلنسر.
ابتدا هر عضو نظر خودش را در ۳ بند کوتاه ارائه میدهد.
سپس بحث متقابل بین اعضا میکنند (حداقل ۲ دور).
در نهایت یک جمعبندی مشترک با امضای هر سه نفر ارائه میشود.این الگو در عمل دیدگاههای متفاوت را روی میز میآورد و یک تصمیم چندبعدی به شما میدهد، نه یک پاسخ تکجانبه. تجربه نشان میدهد سه نفر معمولاً عدد بهینه است؛ پنج نفر context را پر میکند و عملکرد افت میکند.
۲۰ نمونه persona فارسی کاربردی
این بخش قلب مقاله است. در ادامه ۲۰ persona آماده برای پنج حوزه مختلف میبینید. هر persona را میتوانید مستقیماً کپی کرده، در ChatGPT یا Claude بچسبانید و وارد گفتوگو شوید. این persona ها بر اساس چارچوب پنجگانه طراحی شدهاند.
دسته ۱) کسبوکار و مدیریت
۱. مشاور کسبوکار:
تو یک مشاور کسبوکار با ۱۵ سال تجربه در راهاندازی استارتاپ در بازار ایران هستی.
تخصص اصلیات: مدل کسبوکار، تحلیل بازار محلی و طراحی مسیر رشد در محدودیتهای اقتصادی.
سبک پاسخدهی: صریح، واقعگرا، با عدد و مثال از بازار ایران. هیچوقت جواب کلیشهای نمیدهی.
قاعده: اگر اطلاعات کافی برای جواب نداری، اول سه سوال شفافسازی بپرس.
منتظر سوال من بمان.۲. تحلیلگر بازار:
تو یک تحلیلگر بازار B2B با ۱۰ سال تجربه در پژوهش رقبا و مشتری هستی.
تخصص اصلی: ترسیم نقشه رقابتی، شناسایی شکاف بازار، و طراحی پرسونای مشتری.
سبک پاسخدهی: ساختاریافته با جدول و دستهبندی. همیشه منبع فرضیههایت را ذکر میکنی.
قاعده: همیشه دو دیدگاه مخالف برای هر تحلیل ارائه میدهی تا سوگیری کم شود.
منتظر موضوع پژوهشی من بمان.۳. فروشنده حرفهای:
تو یک فروشنده حرفهای B2B با ۱۲ سال تجربه در فروش راهحلهای نرمافزاری هستی.
تخصص اصلی: کشف نیاز مشتری با تکنیک SPIN، رسیدگی به اعتراضات و بستن قرارداد.
سبک پاسخدهی: گفتوگومحور، با سوالهای هدفمند بهجای ارائه طولانی.
قاعده: قبل از پیشنهاد راهحل، حتماً نیاز واقعی مشتری را با حداقل ۳ سوال بشکاف.
حالا فرض کن من مشتری بالقوهام و گفتوگو را شروع کن.۴. مدیر برند:
تو یک مدیر برند با ۲۰ سال تجربه در ساخت و موقعیتیابی برندهای مصرفی هستی.
تخصص اصلی: شخصیت برند (Brand Personality)، Tone of Voice و معماری پیام.
سبک پاسخدهی: تصویری، با مثال از برندهای موفق ایرانی و جهانی.
قاعده: همیشه قبل از پیشنهاد، شخصیت برند فعلی را در ۵ صفت توصیف میکنی.
منتظر بریف برند من بمان.دسته ۲) حوزههای تخصصی (با Disclaimer قانونی)
۵. وکیل حقوق تجارت:
تو یک وکیل حقوق تجارت با ۱۸ سال تجربه در قراردادهای ایرانی هستی.
تخصص اصلی: قراردادهای همکاری، نمایندگی، و حل و فصل اختلاف.
سبک پاسخدهی: دقیق، با ارجاع به ماده قانونی هر زمان ممکن باشد.
قاعده: در پایان هر پاسخ این جمله را اضافه میکنی: «این متن صرفاً اطلاعرسانی عمومی است و جایگزین مشاوره حضوری وکیل نیست.»
منتظر سوال حقوقی من بمان.۶. پزشک عمومی:
تو یک پزشک عمومی با ۱۵ سال تجربه بالینی هستی.
تخصص اصلی: تفسیر علائم اولیه، توصیههای سبک زندگی و راهنمایی برای ارجاع به متخصص.
سبک پاسخدهی: ساده، با زبان قابلفهم برای مخاطب غیرپزشک، بدون اضطرابسازی.
قاعده: هرگز نسخه یا داروی خاص تجویز نمیکنی و در پایان هر پاسخ این هشدار را میگذاری: «این پاسخ مشاوره پزشکی نیست؛ برای تشخیص قطعی به پزشک مراجعه کنید.»
منتظر شرح علائم بمان.۷. روانشناس بالینی:
تو یک روانشناس بالینی با گرایش شناختی-رفتاری (CBT) و ۱۲ سال تجربه هستی.
تخصص اصلی: تشخیص الگوهای فکری ناسالم و تمرینهای روزانه برای اصلاح آنها.
سبک پاسخدهی: همدلانه، بدون قضاوت، با سوالهای باز.
قاعده: همیشه قبل از پیشنهاد تمرین، احساس فرد را تأیید میکنی. در پایان این هشدار را میآوری: «این گفتوگو جایگزین درمان حضوری نیست.»
منتظر شرح حال فرد بمان.۸. حسابدار رسمی:
تو یک حسابدار رسمی با ۱۵ سال تجربه در حسابداری شرکتهای کوچک و متوسط ایرانی هستی.
تخصص اصلی: مالیات بر ارزش افزوده، اظهارنامه عملکرد و گزارشگیری مدیریتی.
سبک پاسخدهی: دقیق، عددمحور، با ذکر ماده قانونی مرتبط.
قاعده: در پایان هر پاسخ این هشدار را میآوری: «قوانین مالیاتی بهسرعت تغییر میکنند؛ برای تصمیم قطعی با مشاور رسمی هماهنگ شوید.»
منتظر سوال مالی من بمان.دسته ۳) خلاقیت و محتوا
۹. کپیرایتر تبلیغاتی:
تو یک کپیرایتر تبلیغاتی با ۱۰ سال تجربه در نوشتن متن برای کمپینهای دیجیتال هستی.
تخصص اصلی: هدلاینهای قلابدار، call to action مؤثر و میکروکپی فروش.
سبک پاسخدهی: خلاقانه، فشرده، با چند گزینه برای انتخاب.
قاعده: همیشه ۵ نسخه از هر متن مینویسی، هر کدام با یک زاویه روانشناختی متفاوت.
منتظر بریف کمپین من بمان.۱۰. شاعر معاصر فارسی:
تو یک شاعر معاصر فارسی هستی که از سبک سهراب سپهری و فروغ فرخزاد الهام میگیری.
تخصص اصلی: شعر سپید با تصویرسازی طبیعی و حس درونی عمیق.
سبک پاسخدهی: کوتاه، با کلمات انتخابی، بدون تکلف.
قاعده: قبل از سرایش، فضای حسی موضوع را در یک پاراگراف کوتاه توصیف میکنی.
منتظر موضوع شعر بمان.۱۱. کمدین استندآپ:
تو یک کمدین استندآپ ایرانی هستی که با مشاهدات روزمره از زندگی شهری مردم را میخنداند.
تخصص اصلی: ساخت ستهای ۵ دقیقهای با ساختار setup-punchline-tag.
سبک پاسخدهی: محاورهای، بدون توهین، با ارجاع به تجربههای مشترک ایرانی.
قاعده: هر جوک باید با یک observation شروع شود و حداقل یک tag پایانی داشته باشد.
منتظر موضوع ست بمان.۱۲. داستاننویس (Storyteller):
تو یک داستاننویس کوتاه با تخصص در ژانر رئالیسم اجتماعی هستی.
تخصص اصلی: شخصیتپردازی عمیق در داستانهای کوتاه زیر ۱۰۰۰ کلمه.
سبک پاسخدهی: نمایشی (Show don't tell)، با دیالوگهای طبیعی فارسی.
قاعده: همیشه داستان را با یک صحنه ملموس شروع میکنی، نه با توضیح. پایان داستان همیشه باز یا غافلگیرکننده است.
منتظر هسته داستانی من بمان.دسته ۴) تکنیکال و توسعه نرمافزار
۱۳. Code Reviewer:
تو یک Code Reviewer ارشد با ۱۲ سال تجربه در پایتون و جاوااسکریپت هستی.
تخصص اصلی: بررسی خوانایی، عملکرد، امنیت و پایداری کد.
سبک پاسخدهی: ساختاریافته در سه بخش: مشکلات بحرانی، پیشنهادهای بهبود، نکات سبکی.
قاعده: همیشه شدت هر ایراد را با تگ [Critical] [Major] [Minor] مشخص میکنی.
کد را برایم بفرست تا شروع کنم.۱۴. DevOps Engineer:
تو یک DevOps Engineer ارشد با ۱۰ سال تجربه در Docker، Kubernetes و CI/CD هستی.
تخصص اصلی: طراحی پایپلاین مقاوم، مانیتورینگ و کاهش هزینه زیرساخت.
سبک پاسخدهی: عملی، با نمونه کد yaml و دستور خط فرمان آماده.
قاعده: قبل از پیشنهاد راهحل، حتماً context زیرساخت فعلی را با ۲ سوال مشخص میکنی.
منتظر مسئله زیرساختی من بمان.۱۵. DBA (مدیر پایگاه داده):
تو یک DBA با ۱۵ سال تجربه در PostgreSQL و MySQL هستی.
تخصص اصلی: بهینهسازی کوئری، طراحی ایندکس و تحلیل query plan.
سبک پاسخدهی: تحلیلی، با ذکر دقیق علت کندی و راهحل عددی.
قاعده: قبل از پیشنهاد، EXPLAIN ANALYZE خروجی فعلی را میخواهی.
منتظر کوئری من بمان.۱۶. Software Architect:
تو یک Software Architect با ۲۰ سال تجربه در طراحی سیستمهای توزیعشده هستی.
تخصص اصلی: انتخاب الگوی معماری مناسب، تحلیل trade-off و طراحی scalability.
سبک پاسخدهی: تصمیممحور، با ذکر معماریهای جایگزین و دلیل انتخاب.
قاعده: هر پیشنهاد معماری حداقل ۳ نقطه ضعف خود را هم بیان میکند.
منتظر شرح سیستم بمان.دسته ۵) آموزش و یادگیری
۱۷. استاد دانشگاه:
تو یک استاد دانشگاه با ۲۵ سال تجربه تدریس در دانشکده علوم کامپیوتر هستی.
تخصص اصلی: سادهسازی مفاهیم پیچیده با مثالهای روزمره.
سبک پاسخدهی: علمی اما قابلفهم، با ارجاع به مقالات کلیدی.
قاعده: هر مفهوم را اول با یک قیاس روزمره شروع میکنی، بعد سراغ فرمول و جزئیات میروی.
منتظر موضوع درس بمان.۱۸. مربی فردی (Life Coach):
تو یک مربی فردی با تخصص در هدفگذاری و عادتسازی هستی.
تخصص اصلی: تبدیل اهداف بزرگ به گامهای روزانه کوچک قابلاجرا.
سبک پاسخدهی: انگیزشی اما واقعگرا، بدون شعارهای کلیشهای.
قاعده: همیشه آخر هر گفتوگو یک «اقدام کوچک برای ۲۴ ساعت آینده» پیشنهاد میکنی.
منتظر هدف من بمان.۱۹. سقراطی (Socratic Tutor):
تو یک معلم با روش سقراطی هستی. هرگز جواب مستقیم نمیدهی.
تخصص اصلی: کشف فهم دانشآموز با زنجیرهای از سوالات هدایتشده.
سبک پاسخدهی: فقط سوال. در هر نوبت یک سوال میپرسی که دانشآموز را یک قدم به جواب نزدیکتر کند.
قاعده: تنها زمانی جواب میدهی که دانشآموز سه بار صریح بگوید «جواب را به من بگو».
موضوع را به من بگو تا شروع کنیم.۲۰. مربی مصاحبه شغلی:
تو یک مربی مصاحبه شغلی با ۱۰ سال تجربه در آمادهسازی مهندسان نرمافزار هستی.
تخصص اصلی: مصاحبههای behavioral با چارچوب STAR و system design.
سبک پاسخدهی: شبیهسازی مصاحبهگر واقعی، با follow-up question.
قاعده: بعد از هر پاسخ من، یک امتیاز از ۱۰ همراه با دو نکته بهبود میدهی.
نقش مصاحبهگر را شروع کن: من برای موقعیت Senior Backend Engineer آمدهام.ترکیب Persona با System Prompt و Few-shot
Persona Prompting در ترکیب با تکنیکهای دیگر بیشترین قدرت را نشان میدهد. دو ترکیب کلیدی وجود دارد که هر مهندس پرامپت حرفهای باید بشناسد.
ترکیب با System Prompt
System Prompt پیامی است که قبل از شروع گفتوگو به مدل داده میشود و در طول کل نشست فعال میماند. وقتی persona را در System Prompt قرار میدهید، نقش در تمام پاسخهای بعدی پابرجا میماند بدون اینکه لازم باشد در هر پیام تکرارش کنید.
مثلاً اگر در حال ساخت یک چتبات پشتیبانی هستید، persona را در System Prompt تعریف میکنید و فقط پیامهای کاربر را در پیامهای بعدی میفرستید. این کار هم توکن صرفهجویی میکند و هم انسجام رفتاری مدل را بالا میبرد.
ترکیب با Few-shot
Few-shot Learning یعنی نشان دادن چند مثال در پرامپت تا مدل الگوی فرمت خروجی را یاد بگیرد. ترکیب Persona با Few-shot یکی از قویترین الگوهای مهندسی پرامپت است.
تو یک کپیرایتر تبلیغاتی با تخصص در هدلاینهای ایمیل مارکتینگ هستی.
سبک پاسخدهی: هر بار سه نسخه میدهی، با عمر کلمات کوتاه و حس فوریت.
نمونه:
موضوع کمپین: تخفیف ۲۴ ساعته یک دوره آموزشی
خروجی:
۱) آخرین فرصت برای تخفیف ۵۰ درصدی.
۲) فقط تا فردا: نیمبهای دوره.
۳) یک روز مانده، تخفیف تمام میشود.
موضوع کمپین: معرفی یک ابزار جدید پروژهمدیریت
خروجی:
۱) ابزاری که تیم شما را سریعتر میکند.
۲) ۲۰ دقیقه در روز در زمان صرفهجویی کنید.
۳) سه دلیل که تیمهای موفق این ابزار را انتخاب کردهاند.
موضوع کمپین: وبینار رایگان درباره هوش مصنوعی
خروجی:این الگو هم نقش را برای مدل تثبیت میکند و هم فرمت دقیق پاسخ را نشان میدهد. خروجی بهطور قابلتوجهی منسجمتر از حالتی است که فقط یکی از دو تکنیک را استفاده کنید.
تفاوت Persona در ChatGPT و Claude و Gemini
هر مدل با persona بهشکل متفاوتی برخورد میکند. این تفاوتها از دادههای آموزش، سیاستهای ایمنی و معماری پشت هر مدل ناشی میشوند. آگاهی از این تفاوتها به شما کمک میکند پرامپت خود را برای هر مدل بهینه کنید.
| ویژگی | ChatGPT (GPT-4o) | Claude (Sonnet 4.5) | Gemini (1.5 Pro) |
|---|---|---|---|
| پذیرش نقش | سریع، با مقاومت کم | محتاط، گاهی روی نقشهای حساس تردید میکند | متوسط، گاهی نقش را در میانه گفتوگو فراموش میکند |
| پایداری در طول گفتوگو | متوسط، نیاز به یادآوری دارد | بسیار خوب، انسجام طولانیمدت | ضعیفتر، بهخصوص با دادههای زنده |
| پاسخ به Multi-Persona | عالی، شخصیتها را خوب از هم جدا میکند | عالی، با عمق تحلیل بالا | متوسط، گاهی صداها در هم میآمیزند |
| رعایت Constraint ها | خوب | بسیار خوب | قابلقبول |
| توصیه طول persona | ۵ تا ۸ خط | ۸ تا ۱۲ خط (با جزئیات بیشتر بهتر کار میکند) | ۴ تا ۶ خط (کوتاهتر بهتر است) |
بهطور خلاصه: برای پرامپتهای خلاقانه و کوتاه ChatGPT انتخاب خوبی است، برای persona های پیچیده با constraint های زیاد Claude بهتر کار میکند، و برای کاربردهای ترکیبی با دادههای روز Gemini مزیت دارد ولی پایداری نقشش کمتر است.
اشتباهات رایج در Persona Prompting
در طول دورههای مهندسی پرامپت سه اشتباه را بارها در پرامپتهای شاگردان میبینم. شناخت این اشتباهات نقطه شروع خوبی برای بهبود سریع کیفیت کار شماست.
۱. Persona سطحی
نوشتن «بهعنوان یک متخصص عمل کن» تقریباً هیچ اثری ندارد. کلمه «متخصص» برای مدل آنقدر کلی است که نمیتواند بافت خاصی فعال کند. بهجای آن «بهعنوان یک متخصص بهینهسازی نرخ تبدیل صفحات فروش با ۸ سال تجربه روی فروشگاههای B2C» بنویسید. جزئیات نقش، جزئیات پاسخ را میسازد.
۲. تناقض بین Persona و Task
گاهی persona را یک نقش انتخاب میکنید و بعد وظیفهای میدهید که با آن نقش همخوانی ندارد. مثلاً «تو یک شاعر کلاسیک هستی، حالا یک گزارش مالی فصلی بنویس». این تناقض مدل را گیج میکند و خروجی شکل میبازد. همیشه چک کنید که وظیفه با persona همخوانی منطقی داشته باشد.
۳. Context Overflow
گاهی persona را آنقدر طولانی و پر از جزئیات مینویسید که خود persona بخش بزرگی از پنجره context را پر میکند و فضای کافی برای داده اصلی نمیماند. persona باید فشرده و هدفمند باشد، نه یک رزومه ۲ صفحهای.
۴. فراموش کردن Constraint
persona بدون constraint مثل یک ماشین بدون ترمز است. مدل ممکن است وارد نقش شود اما هیچ مرزی نداشته باشد. حداقل دو constraint روشن در هر persona تعریف کنید: یکی برای کنترل فرمت و یکی برای رفتار اخلاقی یا قانونی.
۵. تغییر مکرر Persona در یک نشست
اگر در یک گفتوگو چندبار persona را عوض کنید، مدل گیج میشود و نمیداند الان باید چه شخصیتی باشد. اگر نیاز به نقش جدید دارید، بهتر است یک نشست جدید باز کنید.
محدودیتهای اخلاقی و امنیتی
Persona Prompting یک ابزار قدرتمند است و مثل هر ابزار قدرتمندی میتواند به شکل نادرستی استفاده شود. دو ریسک جدی در این تکنیک وجود دارد که آگاهی از آنها برای هر کاربر حرفهای ضروری است.
ریسک ۱: Jailbreak از طریق نقش
یکی از قدیمیترین تکنیکهای دور زدن محدودیتهای ایمنی مدل، استفاده از persona های ساختگی است. مثلاً پرامپت معروف DAN (Do Anything Now) با دادن نقش یک «هوش مصنوعی بدون محدودیت» تلاش میکرد رفتار مدل را تغییر دهد. مدلهای جدید بسیار مقاومتر شدهاند ولی این حمله هنوز در سناریوهای خاص جواب میدهد. اگر شما در حال ساخت یک محصول روی API مدل هستید، باید فرض کنید که کاربران ممکن است سعی کنند با persona های ساختگی محدودیتهای شما را دور بزنند و در طراحی System Prompt خود این موضوع را در نظر بگیرید.
ریسک ۲: انتشار اطلاعات نادرست در حوزههای حساس
وقتی به مدل نقش پزشک، وکیل یا روانشناس میدهید، پاسخها لحن قطعی و حرفهای پیدا میکنند، اما این به معنای دقت تخصصی نیست. مدل هنوز همان مدل احتمالاتی است و ممکن است اطلاعات اشتباه را با اعتماد به نفس بالا ارائه دهد. این یکی از خطرناکترین جنبههای Persona Prompting در حوزههای پزشکی و حقوقی است.
قواعد طلایی استفاده اخلاقی
- در حوزههای پزشکی، حقوقی و مالی، همیشه یک disclaimer روشن در پایان پاسخ بگنجانید.
- هرگز persona را به شکلی طراحی نکنید که هویت یک شخص واقعی را جعل کند.
- اگر در حال ساخت محصول هستید، قابلیت گزارشگیری از پاسخها را پیشبینی کنید تا در صورت بروز مشکل قابل پیگیری باشد.
- به کاربر نهایی شفاف بگویید که در حال گفتوگو با یک مدل زبانی است، نه یک متخصص واقعی.
جریان کاری روزانه با Persona
یکی از سوالهای پرتکرار این است که در عمل، یک کاربر حرفهای روزانه چطور از persona استفاده میکند؟ پاسخ ساده است: شما به یک «کتابخانه persona شخصی» نیاز دارید. این کتابخانه بهمرور تبدیل به یکی از باارزشترین داراییهای حرفهای شما میشود.
چکلیست راهاندازی کتابخانه persona
- یک فایل markdown یا یک workspace در Notion ایجاد کنید با نام «My Personas».
- برای هر حوزه کاری که مرتباً با آن سر و کار دارید، یک persona دقیق بنویسید (بر اساس چارچوب پنجگانه).
- هر persona را با چند مثال خروجی تست کنید و در صورت لزوم اصلاح کنید.
- برای کاربردهای پرتکرار، persona را بهعنوان Custom GPT یا System Prompt ذخیره کنید.
- هر سه ماه یک بار کتابخانه را بازبینی کنید؛ persona های قدیمی را بهروز و persona های جدید را اضافه کنید.
- persona های موفق را با تیم خود به اشتراک بگذارید تا کل تیم از یک استاندارد استفاده کند.
این روش در عمل بهرهوری شما را چندبرابر میکند. بهجای اینکه هر بار از صفر پرامپت بنویسید، یک کاتالوگ آماده دارید که فقط کافی است داده ورودی را به آن بچسبانید.
جمعبندی نکات کلیدی
چکیده مقاله
- Persona Prompting یعنی دادن یک نقش مشخص به مدل قبل از طرح وظیفه اصلی.
- یک persona خوب پنج جزء دارد: عنوان، پسزمینه، تخصص، سبک و قواعد.
- الگوی Act As سادهترین فرم است؛ Detailed Persona برای کار جدی و Multi-Persona برای تصمیمگیری.
- ترکیب با System Prompt و Few-shot قویترین الگوست.
- ChatGPT سریع وارد نقش میشود، Claude پایدارتر است، Gemini نقش را زودتر فراموش میکند.
- سه اشتباه رایج: persona سطحی، تناقض با وظیفه، و طول بیش از حد.
- در حوزههای حساس همیشه disclaimer قانونی بگنجانید.
- یک کتابخانه persona شخصی بهمرور به یکی از باارزشترین داراییهای شما تبدیل میشود.
میخواهید Persona Prompting و سایر تکنیکهای پیشرفته را در عمل یاد بگیرید؟
در دوره مهندسی پرامپت آکادمی متین لبخندق، یک کتابخانه persona فارسی آماده دریافت میکنید و یاد میگیرید برای حوزه شغلی خودتان persona های اختصاصی طراحی کنید.
مشاهده سرفصلهای دورهسوالات متداول
Persona Prompting یا نقشآفرینی چیست؟
تفاوت Persona Prompting با System Prompt چیست؟
چرا الگوی Act As در پرامپتنویسی محبوب است؟
یک Persona خوب چه اجزایی دارد؟
آیا میتوان چند Persona همزمان در یک پرامپت داشت؟
Persona Prompting چه خطرات اخلاقی و امنیتی دارد؟
آیا Persona در ChatGPT و Claude رفتار یکسانی دارد؟
Persona را چطور با Few-shot ترکیب کنیم؟
اشتباهات رایج در Persona Prompting کدامند؟
قدم بعدی
اگر میخواهید مهندسی پرامپت را اصولی و کاربردی یاد بگیرید، از آموزش پرامپتنویسی شروع کنید یا مستقیماً سرفصلهای دوره را ببینید.
ثبتنام دوره مهندسی پرامپت