پرامپت نویسی چیست؟
راهنمای کامل به زبان ساده

اگر بلد باشی درست بپرسی، هوش مصنوعی هم درست جواب می‌دهد. این مقاله صفر تا صد آن «درست پرسیدن» را به تو یاد می‌دهد.

پرامپت‌نویسی یا «هنر صحبت کردن با هوش مصنوعی» یکی از مهارت‌های کلیدی این دهه است. وقتی پرامپتت ضعیف باشد، جواب AI هم سطحی و عمومی است. وقتی پرامپتت دقیق باشد، می‌توانی ساعت‌ها کار را به دقیقه تبدیل کنی. در این راهنما، از تعریف پایه تا فرمول طلایی، اشتباهات رایج و ۱۰ نمونه پرامپت کپی‌پذیر فارسی را با هم مرور می‌کنیم. اگر می‌خواهی به صورت عمیق‌تر یاد بگیری، راهنمای کامل مهندسی پرامپت را هم بخوان.

پاسخ کوتاه: پرامپت‌نویسی یعنی نوشتن دستور دقیق و ساخت‌یافته برای هوش مصنوعی تا خروجی دقیق و کاربردی بگیرید. یک پرامپت خوب به چهار سؤال پاسخ می‌دهد: چه نقشی، چه کاری، با چه فرمتی و با چه محدودیت‌هایی. هرچه دستور دقیق‌تر باشد، جواب AI حرفه‌ای‌تر است — و این مهارت بدون دانش فنی قابل یادگیری است.

پرامپت‌نویسی چیست؟

پرامپت (Prompt) به‌طور ساده یعنی هر چیزی که به یک مدل هوش مصنوعی مثل ChatGPT، Claude یا Gemini می‌نویسی. می‌تواند یک سؤال باشد، یک دستور، یک متن خام، یا حتی یک قطعه کد. اما پرامپت‌نویسی یک قدم جلوتر است: مهارت طراحی این ورودی به شکلی که مدل بهترین جواب ممکن را بدهد.

این مهارت در زبان فارسی با نام‌های مختلفی شناخته می‌شود:

  • پرامپت‌نویسی — معادل عمومی و رایج
  • مهندسی پرامپت (Prompt Engineering) — وقتی روش‌مند و حرفه‌ای باشد
  • طراحی پرامپت — معادلی که بعضی منابع استفاده می‌کنند
نکته مهم: پرامپت‌نویسی مهارت زبانی است، نه فنی. لازم نیست برنامه‌نویس باشی. اما لازم است یاد بگیری چطور دقیق فکر کنی.

چرا یک پرامپت خوب اهمیت دارد؟

تفاوت یک پرامپت ضعیف و یک پرامپت قوی را با همین مثال ساده ببین:

پرامپت ضعیف

یه پست برام بنویس درباره فروش بیشتر.

این پرامپت ۴ مشکل دارد: مشخص نیست برای کدام پلتفرم است، مخاطب کیست، طول مطلب چقدر باشد، و لحن چه باشد. نتیجه: یک متن کلی و قابل‌حذف.

پرامپت قوی

به‌عنوان یک کپی‌رایتر باتجربه در حوزه‌ی فروشگاه‌های آنلاین کار کن.
یک کپشن اینستاگرام ۸۰ کلمه‌ای بنویس برای فروش زمستانی یک فروشگاه پوشاک مردانه.
مخاطب: مردان ۲۵ تا ۳۵ سال، شاغل، علاقه‌مند به استایل کلاسیک.
لحن: گرم، اعتمادساز، با یک Call-to-Action قوی.
بدون استفاده از کلمات کلیشه‌ای مثل «فرصت ویژه» یا «حراج بی‌نظیر».
خروجی شامل ۳ هشتگ مرتبط فارسی هم باشد.

این پرامپت ۵ جزء حیاتی دارد: نقش، وظیفه، مخاطب، لحن و محدودیت. خروجی مدل از زمین تا آسمان فرق می‌کند.

در عمل، کیفیت پرامپت بیشترین تأثیر را بر کیفیت خروجی دارد: همان مدل، با همان قیمت، می‌تواند به یک نفر خروجی فوق‌العاده بدهد و به دیگری خروجی متوسط — فقط به‌خاطر نحوه‌ی پرسیدن.

فرمول طلایی: Role + Context + Task + Format + Constraint

۹۰ درصد پرامپت‌های حرفه‌ای از همین ۵ جزء تشکیل شده‌اند. هر بار نخواه دوباره چرخ را اختراع کنی:

جزءچه چیزی است؟مثال
Roleبه مدل می‌گویی «چه کسی» باشد«تو یک حسابدار با ۱۰ سال تجربه‌ای»
Contextپس‌زمینه و اطلاعات لازم«من صاحب یک کافه‌ام، ماهانه ۳۰۰ مشتری دارم»
Taskکاری که باید انجام دهد«یک گزارش سود و زیان ساده بنویس»
Formatقالب خروجی«در ۳ پاراگراف، با یک جدول»
Constraintچه چیزی نباید بکند«بدون استفاده از اصطلاحات تخصصی»

اگر این ۵ جزء را بشناسی و در هر پرامپت رعایت کنی، کیفیت خروجی‌ات حداقل ۳ برابر بالاتر خواهد رفت. این فرمول در دوره‌های پیشرفته به Persona Prompting و System Prompt هم گسترش پیدا می‌کند.

۵ اشتباه رایج پرامپت‌نویس‌های مبتدی

  1. پرسیدن سؤال خیلی کلی: «درباره‌ی بازاریابی بگو» = جواب کلی. درست: «۳ روش بازاریابی محتوا برای فروشگاه آنلاین لباس را با مثال توضیح بده.»
  2. ندادن مخاطب: اگر نگویی پاسخ برای چه کسی است، مدل یک متن «همه‌خوان» می‌نویسد که برای هیچ‌کس مناسب نیست.
  3. اعتماد بی‌چون و چرا به خروجی اول: پرامپت‌نویسی فرآیند رفت و برگشت است. نسخه‌ی اول معمولاً ۶۰ درصد خوب است. با بازخورد و ویرایش می‌رسد به ۹۰ درصد.
  4. نگفتن لحن: «رسمی» با «دوستانه» با «طنز» با «علمی» چهار خروجی کاملاً متفاوت تولید می‌کنند. اگر نگویی، مدل پیش‌فرض «بی‌طرف و خشک» تولید می‌کند.
  5. قاطی کردن چندین وظیفه در یک پرامپت: «خلاصه کن و ترجمه کن و سؤال طراحی کن» = هر سه با کیفیت متوسط. درست: یکی یکی، با کیفیت بالا.
یک قانون طلایی: اگر فکر می‌کنی پرامپتت کافی است، یک بار دیگر بخوان و از خودت بپرس «اگر همکارم این پرامپت را می‌خواند، می‌فهمید دقیقاً چه می‌خواهم؟» — اگر جواب نه است، هنوز کار دارد.

۱۰ نمونه پرامپت آماده برای کارهای روزانه

این ۱۰ قالب را در نوت‌بوک خودت ذخیره کن. فقط بخش‌های داخل [ ] را با نیاز خودت جایگزین کن:

۱. خلاصه‌ی هوشمند یک متن طولانی

متن زیر را در ۵ بولت ۲۰ کلمه‌ای خلاصه کن.
هر بولت باید یک ایده‌ی مستقل را پوشش دهد.
از تکرار کلمات کلیدی متن اصلی پرهیز کن.

متن: [متن طولانی را اینجا paste کن]

۲. پاسخ ایمیل حرفه‌ای

به‌عنوان دستیار اداری من کار کن.
ایمیل زیر را با لحن مؤدبانه و قاطع پاسخ بده.
هدف من: [مثلاً «رد درخواست بدون آسیب به رابطه»].
کلمات کلیدی که باید به کار بروند: [اختیاری].
ایمیل دریافتی: [متن ایمیل]

۳. تحلیل سریع داده

این جدول فروش ماهانه‌ی ما را ببین:
[داده‌ها را paste کن]

به‌عنوان یک تحلیلگر داده، ۳ روند کلیدی، ۲ نگرانی و یک پیشنهاد عملی به من بگو.
هر مورد را در یک پاراگراف کوتاه توضیح بده.

۴. ایده‌پردازی برای کسب‌وکار

من صاحب [نوع کسب‌وکار] هستم.
محدودیت بودجه: [مبلغ].
۵ ایده‌ی جذب مشتری بده که در ۳۰ روز قابل اجرا باشند.
ایده‌ها باید قابل اندازه‌گیری باشند و نتیجه‌ی مورد انتظار را هم بگو.

۵. ترجمه با حفظ لحن

متن انگلیسی زیر را به فارسی ترجمه کن.
لحن نویسنده [طنزآمیز / رسمی / آکادمیک] است — همان لحن را در فارسی حفظ کن.
اصطلاحات فنی را به انگلیسی نگه دار با توضیح فارسی در پرانتز.

[متن انگلیسی]

۶. ویرایش متن

متن زیر را ویرایش کن. تمرکزت روی:
- روان‌تر شدن جملات
- حذف تکرار
- بهبود قلاب‌های ابتدای پاراگراف
معنای کلی متن را تغییر نده.

[متن]

۷. تولید محتوای اینستاگرام

۳ کپشن مختلف برای پست اینستاگرام درباره‌ی [موضوع] بنویس:
نسخه ۱: روایی و گرم
نسخه ۲: کوتاه و قاطع (زیر ۵۰ کلمه)
نسخه ۳: لیستی و کاربردی
در پایان هر کپشن، ۵ هشتگ فارسی و ۲ هشتگ انگلیسی پیشنهاد بده.

۸. برنامه‌ریزی هفتگی

من یک [شغل/نقش] هستم.
این لیست کارهای من برای هفته است:
[لیست را paste کن]

یک برنامه‌ی روز به روز با اولویت‌بندی و تخمین زمان بساز.
کارهای عمیق را در صبح و کارهای ارتباطی را در عصر بگذار.

۹. آماده‌سازی مصاحبه‌ی شغلی

من برای موقعیت [نام شغل] در یک شرکت [نوع شرکت] مصاحبه دارم.
رزومه‌ام: [خلاصه‌ی رزومه]
۱۰ سؤال احتمالی مصاحبه را با پاسخ پیشنهادی به سبک STAR (Situation, Task, Action, Result) برایم بنویس.

۱۰. یادگیری زبان

من سطح [A1/A2/B1/B2] انگلیسی هستم.
یک دیالوگ ۱۰-خطی بساز که موضوعش [مثلاً سفارش غذا در رستوران] باشد.
بعد از دیالوگ، ۵ اصطلاح جدید را با ترجمه و یک مثال دیگر برایم توضیح بده.

این فقط شروع است. در دوره‌ی جامع مهندسی پرامپت بیش از ۲۰۰ قالب کاربردی همراه با تمرین و بازخورد در اختیار دانشجوها قرار می‌گیرد.

ابزارها — کجا تمرین کنیم؟

سه ابزار اصلی برای تمرین پرامپت‌نویسی به‌رایگان در دسترس هستند:

  • ChatGPT (chat.openai.com) — نسخه‌ی رایگان GPT-4o-mini برای تمرین کافی است. برای کار حرفه‌ای ChatGPT Plus توصیه می‌شود.
  • Claude (claude.ai) — Claude Sonnet 4.5 برای متن‌های بلند و تحلیل دقیق فوق‌العاده است. در فارسی بسیار قوی است.
  • Gemini (gemini.google.com) — برای کاربرد‌های مرتبط با جستجوی زنده و اطلاعات روز مزیت دارد.

برای کسانی که می‌خواهند تفاوت‌ها را عمیق‌تر بفهمند، مقایسه‌ی کامل ChatGPT و Claude و Gemini را در همین وبلاگ بخوانید.

توصیه‌ی متین: با ChatGPT شروع کن. وقتی پایه‌ها قوی شد، Claude را امتحان کن — مخصوصاً برای متن‌های فارسی بالای ۲۰۰۰ کلمه که خروجی‌اش معمولاً طبیعی‌تر و منسجم‌تر است.

سوالات متداول

پرامپت‌نویسی با مهندسی پرامپت چه فرقی دارد؟

این دو معادل هم‌اند. «پرامپت‌نویسی» اصطلاح ساده و عمومی‌تر است، در حالی که «مهندسی پرامپت» وقتی استفاده می‌شود که کار روش‌مند، تخصصی و در سطح حرفه‌ای انجام شود. در عمل، هر دو به مهارت طراحی ورودی برای مدل‌های زبانی اشاره دارند.

آیا باید برنامه‌نویس باشم تا پرامپت‌نویس بشوم؟

خیر. پرامپت‌نویسی یک مهارت زبانی است نه فنی. هر کسی که بتواند به فارسی روان و دقیق فکر کند، می‌تواند پرامپت‌نویس خوبی شود. البته اگر بخواهی به سمت Function Calling یا اتوماسیون با AI بروی، دانش مقدماتی برنامه‌نویسی کمک می‌کند.

بهترین زبان برای نوشتن پرامپت چیست؟ فارسی یا انگلیسی؟

بسته به مدل و موضوع متفاوت است. ChatGPT و Claude در فارسی هم خروجی فوق‌العاده می‌دهند، به شرطی که پرامپت دقیق باشد. برای موضوعات خیلی تخصصی فنی، گاهی انگلیسی نتیجه‌ی بهتری می‌دهد. برای محتوای فارسی، حتماً پرامپت را فارسی بنویس.

چقدر طول می‌کشد پرامپت‌نویسی حرفه‌ای یاد بگیرم؟

اصول اولیه را در یک هفته‌ی تمرین روزانه می‌توانی به دست بیاوری. تسلط واقعی نیاز به ۲ تا ۳ ماه تمرین مستمر روی مسئله‌های واقعی دارد. در دوره‌ی جامع مهندسی پرامپت این مسیر فشرده شده و در ۴ تا ۶ هفته می‌توانی به سطح حرفه‌ای برسی.

اگر مدل جواب اشتباه داد چه کار کنم؟

ابتدا پرامپت را بازنویسی کن — معمولاً مشکل آنجاست. اگر مطمئنی پرامپت دقیق است و باز هم جواب اشتباه می‌گیری، تکنیک‌هایی مثل Chain of Thought یا Few-shot Learning را امتحان کن.

چه تفاوتی بین System Prompt و پرامپت کاربر هست؟

System Prompt یک دستور پایه است که در ابتدای کل گفت‌وگو به مدل داده می‌شود و رفتار کلی‌اش را تعیین می‌کند. پرامپت کاربر همان چیزی است که در هر پیام تایپ می‌کنیم. مقاله‌ی System Prompt این تفاوت را عمیق‌تر بررسی می‌کند.

آیا پرامپت‌نویسی شغل پایدار است؟

تا وقتی مدل‌های زبانی بخشی از کسب‌وکارها هستند — یعنی حداقل ۱۰ سال آینده — این مهارت ارزشمند است. اما به‌جای اینکه «پرامپت‌نویس» باشی، بهتر است این مهارت را در کنار تخصص اصلی‌ات داشته باشی: مارکتر+AI، حسابدار+AI، طراح+AI.

می‌خوای از تئوری به مهارت برسی؟

این مقاله یک شروع است. اگر می‌خواهی مهندسی پرامپت را به‌صورت مدون، با پروژه‌ی واقعی و پشتیبانی مستقیم یاد بگیری، دوره‌ی جامع مهندسی پرامپت همان مسیری است که دنبالش هستی — ۱۳ فصل، ۵۸ جلسه، گروه پشتیبانی و ۳ روز ضمانت بازگشت کامل وجه.

شروع دوره
نویسنده: متین لب‌خندق — مهندس هوش مصنوعی با ۱۰ سال برنامه‌نویسی و ۵ سال تمرکز روی مدل‌های زبانی (LLM)؛ سازنده‌ی سیستم‌های واقعیِ production با ChatGPT، Claude و Gemini و بنیان‌گذار آکادمی متین لب‌خندق. مقاله‌ی پایه: راهنمای جامع مهندسی پرامپت.