پرامپت‌های طولانی‌تر نه‌تنها بهتر نیستند، بلکه در تسک‌های ساده نویز بیشتری به مدل وارد می‌کنند و خروجی را بی‌ثبات می‌سازند. مدل‌های زبانی بزرگ در بازیابی دستورالعمل‌های میانی context window افت کیفیت دارند. مهارت واقعی مهندسی پرامپت، تشخیص لحظه‌ی حذف ساختار است، نه افزودن آن.

مهندسی پرامپت چیست و چه فرقی با نوشتن دستور معمولی دارد؟#

مهندسی پرامپت (Prompt Engineering) طراحی ساختارمند ورودی‌ها با در نظر گرفتن الگوهای رفتاری مدل زبانی است. تفاوت اصلی‌اش با نوشتن دستور معمولی در این است که به‌جای «زیباتر نوشتن»، روی تکرارپذیری و قابل‌سنجش بودن خروجی تمرکز دارد — یعنی پرامپتی که امروز کار می‌کند، فردا هم همان خروجی را بدهد، بدون اینکه شما دوباره دست به‌کلمه ببرید.

تعریف عملیاتی: ورودی مدل، خروجی مدل، و حلقه‌ی ارزیابی#

مهندسی پرامپت یک حلقه‌ی سه‌مرحله‌ای است: ورودی ساختارمند، خروجی قابل‌سنجش، و ارزیابی تکرارشونده. اگر خروجی‌تان را نمی‌توانید با معیار مشخصی بسنجید، پرامپت‌نویسی انجام داده‌اید، نه مهندسی پرامپت.

در عمل، یک پرامپت مهندسی‌شده سه ویژگی دارد: اول، خروجی‌اش از یک اجرا به اجرای بعدی قابل‌پیش‌بینی است. دوم، تغییرات جزئی در ورودی، تغییرات قابل‌ردیابی در خروجی ایجاد می‌کند. سوم، بدون نیاز به توضیح اضافه، مدل دقیقاً همان چیزی را تولید می‌کند که شما از آن انتظار دارید.

این سوم ویژگی، در عمل سخت‌ترین است. بسیاری از پرامپت‌ها فقط در حضور مثال‌های چندگانه به این نقطه می‌رسند، نه با دستور مستقیم.

چرا «دستور معمولی» کافی نیست؟ — نقش Lost in the Middle#

مدل‌های زبانی بزرگ (Large Language Models) در بازیابی اطلاعات میانی context window افت عملکرد دارند. این پدیده در مقاله‌ی Liu et al. (2023) با نام Lost in the Middle مستند شده است.

نتیجه‌ی عملی: اگر پرامپتتان 2000 توکن دارد و دستور اصلی در میانه‌اش پنهان شده، مدل آن را با دقت کمتری اجرا می‌کند. دستورهای مهم را در ابتدا و انتهای پرامپت بگذارید. پرامپت بلندتر لزوماً بهتر نیست؛ پرامپت بلندتر فقط خطر گم‌شدن دستور را بالا می‌برد.

یک اشتباه پرهزینه که در کلاس‌ها مکرر تکرار می‌شود: افراد لیست طولانی از «قوانین» را وسط پرامپت می‌چینند و بعد شکایت می‌کنند که مدل بعضی قوانین را نادیده می‌گیرد. مدل نادیده نمی‌گیرد؛ بازیابی نمی‌کند.

مرز بین پرامپت‌نویسی و context engineering (مهندسی زمینه)#

مهندسی زمینه (Context Engineering) طراحی کل اطلاعاتی است که به مدل داده می‌شود — شامل اسناد مرجع، تاریخچه‌ی مکالمه، تعریف ابزارها و پرامپت سیستم. مهندسی پرامپت فقط بخش «دستور» این مجموعه را پوشش می‌دهد.

در پروژه‌های واقعی، اشتباه رایج این است که افراد با افزودن دستورهای بیشتر به پرامپت، سعی می‌کنند کمبود context engineering را جبران کنند. نتیجه: پرامپت 500 کلمه‌ای که هنوز خروجی بی‌کیفیت می‌دهد، چون مشکل در نبود اطلاعات زمینه است، نه ضعف دستور.

ساختار مستر پرامپت: 5 لایه‌ای که خروجی را قابل‌تکرار می‌کند#

مستر پرامپت (Master Prompt) یک قالب قابل‌بازاستفاده است که 5 لایه دارد: نقش، هدف، محدودیت، فرمت خروجی و مثال. این ساختار خروجی را از «شاید خوب باشد» به «قابل‌سنجش و تکرارپذیر» تبدیل می‌کند.

نمای ایزومتریک از چیدمان لایه‌های شفاف که هر یک نماینده‌ی یک بخش از ساختار پرامپت هستند
هر لایه یک تصمیم جداگانه است؛ حذف یا جابه‌جایی آن‌ها خروجی را تغییر می‌دهد.

فهرست گام‌به‌گام ساخت مستر پرامپت#

  1. نقش (Role): مدل را در یک هویت مشخص قرار دهید. «تو یک ویراستار محتوای فنی هستی» بهتر از «متن خوب بنویس» است.
  2. هدف (Goal): یک جمله‌ی صریح که خروجی نهایی باید چه کاری انجام دهد.
  3. محدودیت (Constraints): چه چیزهایی نباید در خروجی باشد. «از اصطلاحات عامیانه استفاده نکن» یک محدودیت است.
  4. فرمت خروجی (Output Format): ساختار دقیق پاسخ. پاراگراف، لیست، JSON، جدول.
  5. مثال (Example): یک نمونه‌ی ورودی-خروجی که مدل را کالیبره کند.

مثال عملی: مستر پرامپت تولید محتوای وبلاگ#

نقش: تو یک نویسنده‌ی محتوای فنی فارسی‌زبان هستی که برای مخاطب برنامه‌نویس می‌نویسی.

هدف: یک بخش 200 کلمه‌ای درباره‌ی [موضوع] بنویس که یک مفهوم فنی را با مثال عملی توضیح دهد.

محدودیت: از اصطلاحات بازاریابی استفاده نکن. جمله‌های زیر 25 کلمه بنویس. هر ادعا باید قابل‌راستی‌آزمایی باشد.

فرمت خروجی: یک پاراگراف مقدمه + یک لیست گام‌به‌گام + یک پاراگراف جمع‌بندی.

مثال:
موضوع: تفاوت Promise و async/await
خروجی نمونه: async/await دست‌نوشته‌ی Promise نیست، بلکه سینتکس ساده‌تر آن است. زیرمجموعه‌ی Promise کار می‌کند اما خوانایی را بالا می‌برد. [ادامه...]

چه زمانی یک لایه را حذف کنیم؟ (قاعده‌ی حذف)#

قاعده‌ی حذف: اگر حذف یک لایه، خروجی را بدتر نکرد، آن لایه را حذف کن. این قاعده، ضدِ over-engineering است.

در پروژه‌های واقعی، بسیاری از تسک‌ها به 3 لایه نیاز دارند نه 5. مثلاً برای ترجمه‌ی یک پاراگراف، «نقش» و «مثال» اضافه‌اند. برای دسته‌بندی ساده، «فرمت خروجی» کافی است. مستر پرامپت، قالب است نه قانون.

و این دقیقاً همان جایی است که بیشتر افراد گیر می‌کنند: قالب را با قانون اشتباه می‌گیرند و 5 لایه را برای کاری می‌چینند که 2 لایه می‌خواهد. نتیجه؟ پرامپت شلوغ، خروجی گیج‌کننده.

تکنیک‌های اثبات‌شده: few-shot، chain-of-thought و تجزیه‌ی مسئله#

این تکنیک‌ها در مقالات peer-reviewed مستند شده‌اند، اما هرکدام شرایط مؤثر و نامؤثر مشخصی دارند. استفاده‌ی کورکورانه از هر سه با هم، خروجی را بدتر می‌کند.

Few-shot prompting — مقاله‌ی Brown et al. (2020) و محدودیت‌هایش#

مقاله‌ی «Language Models are Few-Shot Learners» (Brown et al., 2020) نشان داد که مدل‌های بزرگ با چند مثال در context، بدون fine-tuning عملکرد بهتری دارند.

محدودیت عملی: few-shot برای تسک‌هایی مؤثر است که الگوی ورودی-خروجی مشخص دارند (دسته‌بندی، استخراج، تبدیل فرمت). برای تسک‌های خلاقانه مثل نوشتن داستان، مثال‌ها مدل را به سمت تکرار الگوی مثال می‌برند و تنوع را می‌کشند.

Chain-of-Thought prompting — Wei et al. (2022) و تسک‌های مناسب#

مقاله‌ی Wei et al. (2022) نشان داد که افزودن جملاتی مثل «قدم‌به‌قدم فکر کن» به پرامپت، عملکرد مدل‌ها در تسک‌های استدلال ریاضی و منطقی را بهبود می‌دهد.

شرط مؤثر بودن: تسک باید واقعاً چندمرحله‌ای باشد. برای تسک‌های تک‌مرحله‌ای (ترجمه، خلاصه‌سازی، دسته‌بندی)، chain-of-thought فقط توکن اضافه مصرف می‌کند و خروجی را کندتر و گاهی بدتر می‌کند.

نکته‌ای که کمتر گفته می‌شود: chain-of-thought در مدل‌های reasoning-native مثل o1 عملاً درونی‌سازی شده و افزودن «قدم‌به‌قدم فکر کن» به پرامپت، فقط یک دستور تکراری است.

تجزیه‌ی مسئله (Problem Decomposition) — چه زمانی مدل را گیج می‌کند#

تجزیه‌ی مسئله یعنی شکستن یک تسک بزرگ به زیرتسک‌های کوچک‌تر و ارسال جداگانه‌ی هرکدام. مؤثر است وقتی تسک واقعاً پیچیده است و مدل در یک پاس نمی‌تواند همه‌ی محدودیت‌ها را هم‌زمان رعایت کند.

ضدِ مؤثر: اگر تسک در یک جمله قابل تعریف است، تجزیه‌اش فقط overhead اضافه می‌کند. الگوی رایج در پروژه‌های اعضای کامیونیتی: افراد یک پرامپت 7 مرحله‌ای می‌نویسند برای کاری که 2 مرحله دارد، و بعد از کیفیت بد تعجب می‌کنند.

مثال عملی: مستر پرامپت با few-shot برای دسته‌بندی#

نقش: تو یک دسته‌بند نظرات کاربری هستی.

هدف: هر نظر را به یکی از سه دسته «مثبت»، «خنثی» یا «منفی» تقسیم کن.

محدودیت: فقط یک کلمه خروجی بده. توضیح نده.

فرمت خروجی: JSON با کلید category

مثال‌ها:
ورودی: «محصول خوب بود ولی ارسال دیر رسید» → خروجی: {"category": "خنثی"}
ورودی: «اصلاً راضی نیستم، کیفیت افتضاح بود» → خروجی: {"category": "منفی"}
ورودی: «عالی بود، حتماً دوباره می‌خرم» → خروجی: {"category": "مثبت"}

ورودی: [نظر کاربر]
خروجی:

چه زمانی پرامپت ساده بهتر از پرامپت پیچیده کار می‌کند؟#

برای تسک‌های ساده‌ی دسته‌بندی، استخراج و ترجمه، پرامپت‌های کوتاه‌تر عملکرد بهتری دارند چون نویز کمتری به مدل وارد می‌کنند. هر دستور اضافه، یک متغیر جدید برای خطا ایجاد می‌کند.

الگوی شکست: دستورهای متناقض و اولویت‌بندی مدل#

وقتی چند دستور در پرامپت با هم در تضادند، مدل آن‌ها را اولویت‌بندی می‌کند — اما اولویت‌بندی‌اش همیشه با نیت شما یکی نیست. مثال: «مختصر بنویس» + «هر جزئیات فنی را پوشش بده» یک تناقض است. مدل یکی را قربانی می‌کند و شما نمی‌دانید کدام را.

الگوی مشاهده‌شده در پروژه‌ها: افراد پرامپت را با «همه‌چیز بگو» می‌نویسند و بعد از خروجی‌های ناپایدار تعجب می‌کنند. راه‌حل: یک دستور اصلی داشته باشید، بقیه را حذف کنید.

Over-engineering — نشانه‌های اینکه پرامپتتان بیش‌ازحد است#

نشانه‌های عملی over-engineering:

  • پرامپت بیش از 1000 کلمه دارد ولی تسک در یک جمله قابل تعریف است.
  • دستورهای «حتماً»، «هرگز»، «مطمئن شو که» به‌صورت مکرر تکرار شده‌اند.
  • برای تسک‌های ساده، مثال‌های چندگانه گذاشته‌اید.
  • خروجی مدل‌های مختلف با یک پرامپت، تفاوت فاحش دارد — نشانه‌ی ابهام در دستور.

قاعده‌ی تصمیم‌گیری: چه تسک‌هایی ساختار می‌خواهند و چه تسک‌هایی نه#

ساختار 5 لایه‌ای برای تسک‌هایی لازم است که خروجی‌شان وارد سیستم بعدی می‌شود (API، اتوماسیون، گزارش‌گیری). برای تسک‌های تعاملی و یک‌بارمصرف، پرامپت 2 لایه‌ای (هدف + فرمت) کافی است.

قاعده: اگر خروجی را یک ماشین مصرف می‌کند، ساختار لازم است. اگر خروجی را یک انسان می‌خواند و قضاوت می‌کند، ساختار کمتر و لحن بیشتر.

مستر پرامپت چت در برابر API: چرا یکی برای هر دو کار نمی‌کند#

مستر پرامپت چت تعاملی روی لحن و مثال تمرکز دارد؛ مستر پرامپت API و اتوماسیون روی متغیرها و ساختار JSON اجباری. استفاده‌ی یک پرامپت برای هر دو، در یکی از آن‌ها شکست می‌خورد.

جدول مقایسه‌ای: چت در برابر API#

معیارمستر پرامپت چتمستر پرامپت API
ساختار خروجیانعطاف‌پذیر، انسانیاجباری، JSON schema
متغیرهاکم یا بدون متغیرمتغیرهای مشخص با placeholder
تستانسانی، چشمیخودکار، assertion-based
خطاقابل‌تحمل، قابل‌اصلاح در مکالمهغیرقابل‌تحمل، سیستم را می‌شکند
طول پرامپتمعمولاً کوتاه‌ترمعمولاً بلندتر (به‌خاطر schema)

بهینه‌سازی بین مدل‌ها: چرا یک پرامپت GPT-4 در Claude خروجی متفاوت می‌دهد#

رفتار instruction-following مدل‌های مختلف متفاوت است. در مقایسه‌های میدانی جامعه‌ی کاربری، الگوی غالب این است که Claude در رعایت محدودیت‌های منفی («این کار را نکن») قوی‌تر عمل می‌کند و GPT-4 در تفسیر دستورهای مبهم خلاق‌تر است.

الگوی مشاهده‌شده: یک پرامپت را برای مدل A بهینه می‌کنید، کپی می‌کنید برای مدل B، و خروجی افت می‌کند. راه‌حل: ساختار 5 لایه را ثابت نگه دارید، اما مثال‌ها و لحن را برای هر مدل جداگانه تست کنید.

الگوی شکست رایج: کپی پرامپت وایرال بدون تطبیق با مدل مقصد#

پرامپت‌های وایرال در شبکه‌های اجتماعی معمولاً برای یک مدل خاص بهینه شده‌اند. کپی بدون تطبیق، یعنی استفاده‌ی پرامپت Claude برای GPT یا برعکس. نتیجه: خروجی بی‌کیفیت و سرخوردگی.

راه‌حل عملی: هر پرامپت وایرال را در مدل مقصد تست کنید و حداقل یک پاس اصلاحی بزنید. پرامپت‌نویسی بدون تست روی مدل مقصد، حدس‌زدن است نه مهندسی.

اشتباهات رایجی که مستر پرامپت را خراب می‌کنند#

پنج اشتباه اصلی: پرامپت بیش‌ازحد طولانی، دستورهای متناقض، فقدان مثال، جملات جادویی بی‌محتوا، و ساختار ثابت برای همه‌ی تسک‌ها. هرکدام از این‌ها در پروژه‌های واقعی بارها تکرار شده‌اند.

«Take a deep breath» و جملات جادویی — چرا کار نمی‌کنند#

جملاتی مثل «Take a deep breath and work on this step by step» یا «I'll tip you $200 for a good answer» در پرامپت‌های وایرال زیاد دیده می‌شوند. این جملات هیچ اثر فنی روی مدل ندارند.

مدل‌های زبانی «نفس» نمی‌کشند و «انگیزه» ندارند. این جملات فقط توکن مصرف می‌کنند و context window را شلوغ‌تر می‌کنند. اگر تسک نیاز به استدلال مرحله‌ای دارد، chain-of-thought واقعی بنویسید، نه ادای آن.

ساختار ثابت 7 مرحله‌ای برای هر تسک#

الگوی رایج: یک پرامپت 7 مرحله‌ای با «مقدمه، تحلیل، راه‌حل، مثال، جمع‌بندی، نکات، CTA» که برای همه‌ی تسک‌ها کپی می‌شود. نتیجه: خروجی‌های یکدست و بی‌کیفیت، چون تسک‌های مختلف ساختارهای متفاوتی نیاز دارند.

مستر پرامپت، نقطه‌ی شروع است نه نقطه‌ی پایان. برای هر تسک جدید، بپرسید: کدام لایه واقعاً لازم است؟ کدام را حذف کنم؟

عدم تست روی مدل مقصد#

بدترین اشتباه: پرامپت را در یک مدل تست می‌کنید، خروجی خوب است، و بدون تست در مدل مقصد deploy می‌کنید. مدل‌های مختلف، رفتار متفاوت دارند. حتی نسخه‌های مختلف یک مدل هم تفاوت دارند.

حداقل 5 اجرای متفاوت با ورودی‌های متنوع روی مدل مقصد انجام دهید. اگر خروجی‌ها ناپایدارند، پرامپت هنوز آماده نیست.

ابزارهای مدیریت پرامپت و فریمورک نسخه‌بندی#

Promptfoo و LangSmith ابزارهای تست خودکارند. فریمورک نسخه‌بندی پرامپت — ثبت هر تغییر خروجی با تغییر نسخه و دلیل — چیزی است که در نتایج جستجو آموزش داده نمی‌شود اما در پروژه‌های جدی حیاتی است.

Promptfoo، LangSmith و AIPRM — کاربرد و محدودیت هرکدام#

  • Promptfoo: تست خودکار پرامپت با assertion. مناسب برای API و اتوماسیون. محدودیت: UI چت را شبیه‌سازی نمی‌کند.
  • LangSmith: ردیابی و ارزیابی end-to-end برای اپلیکیشن‌های مبتنی بر LangChain. محدودیت: وابستگی به اکوسیستم LangChain.
  • AIPRM: کتابخانه‌ی پرامپت‌های آماده. محدودیت: پرامپت‌ها عمومی‌اند و برای تسک خاص شما بهینه نیستند.

فریمورک نسخه‌بندی مستر پرامپت#

هر تغییر خروجی = تغییر نسخه + ثبت دلیل. این ساده‌ترین فریمورک نسخه‌بندی است و در عمل، ارزشمندتر از هر ابزار گران‌قیمتی.

  1. یک فایل یا دیتابیس ساده داشته باشید که هر نسخه‌ی پرامپت را با timestamp ذخیره کند.
  2. کنار هر نسخه بنویسید: چه چیزی تغییر کرد و چرا.
  3. اگر خروجی بدتر شد، نسخه‌ی قبلی را برگردانید — نه پرامپت را از صفر بازنویسی کنید.
  4. هر 2 هفته، نسخه‌های فعال را روی مدل مقصد re-test کنید (مدل‌ها آپدیت می‌شوند).

از مهندسی پرامپت تا مهندسی ارزیابی (Evaluation Engineering)#

مهندسی ارزیابی (Evaluation Engineering) یعنی تعریف معیار موفقیت برای خروجی مدل، قبل از نوشتن پرامپت. چالش اصلی در پروژه‌های واقعی، نوشتن پرامپت نیست؛ تعریف «خوب» است.

الگوی مشاهده‌شده: تیم‌ها پرامپت می‌نویسند، خروجی می‌گیرند، و چون معیار مشخصی ندارند، «به نظرم خوب است» می‌گویند. سه هفته بعد، خروجی تغییر کرده و کسی نمی‌تواند تشخیص دهد بهتر شده یا بدتر.

آیا مهندسی پرامپت شغل مستقل است؟#

نقش «Prompt Engineer» به‌عنوان شغل مستقل در حال ادغام در نقش‌های توسعه‌دهنده و مهندس داده است. Sam Altman اشاره کرده که با پیشرفت مدل‌ها، نیاز به مهندسی پرامپت پیچیده کاهش می‌یابد (نیازمند راستی‌آزمایی جزئیات).

مسیر شغلی فعلی: از Prompt Engineer به AI Evaluation Engineer#

بازار کار در حال جابه‌جایی است. نقش‌های صرفاً پرامپت‌نویس در حال ادغام‌اند. آنچه ارزشمندتر می‌شود: توانایی تعریف معیارهای ارزیابی، ساخت سیستم‌های تست، و طراحی pipeline‌هایی که پرامپت و context را هم‌زمان مدیریت کنند.

چه مهارت‌هایی ارزشمندترند؟#

  • مهندسی ارزیابی: تعریف متریک‌های کمّی برای خروجی مدل.
  • Context Engineering: طراحی کل اطلاعات ورودی، نه فقط پرامپت.
  • اتوماسیون و API: تبدیل پرامپت به سیستم قابل‌استفاده‌ی مجدد.
  • مدل‌شناسی: درک تفاوت‌های رفتاری مدل‌ها و انتخاب درست برای هر تسک.

توصیه‌ی عملی برای تازه‌کارها#

اگر تازه شروع کرده‌اید، به‌جای جمع‌کردن پرامپت‌های آماده، یک تسک واقعی از شغل خودتان انتخاب کنید. مستر پرامپت بسازید، 10 بار اجرا کنید، خروجی‌ها را مقایسه کنید، و نسخه‌بندی کنید. این یک تمرین، بیشتر از هر دوره‌ی تئوری به شما یاد می‌دهد.

مهارت واقعی در تشخیص لحظه‌ی حذف است، نه افزودن. هر بار که پرامپتتان را بلندتر می‌کنید، بپرسید: آیا این لایه واقعاً خروجی را بهتر می‌کند یا فقط حس کنترل بیشتری به من می‌دهد؟

اگر می‌خواهید مهندسی پرامپت را در پروژه‌های واقعی تمرین کنید و با ساختارهای عملی API و اتوماسیون آشنا شوید، دوره‌ی «آموزش جامع Claude و ابزارهای مشابه» در کامیونیتی اسکول، تمرین‌های عملی روی مدل‌های واقعی و آموزش نسخه‌بندی پرامپت را پوشش می‌دهد.