مهندسی پرامپت (Prompt Engineering) یک چرخه‌ی مهندسی است: تعریف معیار موفقیت، طراحی پرامپت، تست A/B، ثبت نتایج و تکرار. اگر این چرخه را اجرا نمی‌کنید، دارید پرامپت می‌نویسید، نه مهندسی پرامپت. مرز شکست هم مشخص است: هر جا مدل دانش ندارد یا سبک خروجی به‌صورت پرامپت قابل تثبیت نیست، پرامپت بهتر جواب نمی‌دهد و باید سراغ بازجویی افزایش‌یافته با تولید (RAG) یا ظریف‌تنظیم (Fine-tuning) بروید.

مهندسی پرامپت یک فرآیند مهندسی است، نه یک مهارت فردی#

مهندسی پرامپت یک فرآیند مهندسی است نه یک مهارت فردی، چون خروجی آن قابل اندازه‌گیری، قابل تکرار و قابل انتقال بین اعضای تیم است. تفاوت اصلی در «اندازه‌گیری» است: بدون معیار کمّی مشخص، «بهتر شدن پرامپت» یک ادعای شخصی باقی می‌ماند و هیچ‌کس نمی‌تواند آن را بازتولید یا نقد کند.

بیشتر محتوای موجود درباره‌ی مهندسی پرامپت، لیستی از ترفندها و قالب‌های آماده ارائه می‌دهد. این رویکرد برای استفاده‌ی شخصی کافی است، اما در محیط تیمی و تولیدی شکست می‌خورد. دلیلش ساده است: ترفندها قابل تکرار نیستند. اگر پرامپتی امروز کار می‌کند و فردا نه، بدون چرخه‌ی تست نمی‌فهمید چرا.

چرا پرامپت‌نویسی فردی به‌عنوان مهارت کافی نیست#

پرامپت‌نویسی فردی بر شهود و تجربه‌ی شخصی تکیه دارد. این شهود وقتی مفید است که یک نفر پرامپت را می‌نویسد، خودش اجرا می‌کند و خودش نتیجه را ارزیابی می‌کند. اما در پروژه‌های واقعی، پرامپت را یک نفر می‌نویسد، نفر دوم اجرا می‌کند و نفر سوم کیفیت خروجی را قضاوت می‌کند. اینجا شهود فردی دیگر قابل انتقال نیست.

الگوی تکرارشونده‌ای که در پروژه‌های اعضای کامیونیتی دیده شده: تیمی پرامپتی را «بهینه» اعلام می‌کند، بعد از تغییر نسخه‌ی مدل، خروجی‌ها افت می‌کند و کسی نمی‌داند کدام تغییر مقصر بوده. نبود نسخه‌بندی و معیار ارزیابی، علت اصلی این شکست است.

تفاوت رویکرد هنری با رویکرد مهندسی#

رویکرد هنری می‌گوید: «این پرامپت را کپی کن و نتیجه بگیر.» رویکرد مهندسی می‌گوید: «این پرامپت روی مدل X، با دمای 0.3، روی مجموعه‌داده‌ی Y، دقت 87 درصد داشت. اگر مدل، دما یا داده عوض شد، دوباره تست کن.»

چرخه‌ی مهندسی پرامپت چهار مرحله دارد:

  1. تعریف معیار موفقیت: قبل از نوشتن، مشخص کنید چه چیزی «خوب» است. دقت؟ سازگاری فرمت؟ کاهش توکن مصرفی؟
  2. طراحی: پرامپت اولیه را بر اساس معیار بنویسید.
  3. تست A/B: یک متغیر را عوض کنید و خروجی را با معیار بسنجید.
  4. ثبت و تکرار: نتیجه را در changelog بنویسید و چرخه را تکرار کنید.

مستر پرامپت چیست و چطور آن را از صفر بسازم؟#

مستر پرامپت (Master Prompt) یک سند زنده و نسخه‌بندی‌شده است که رفتار مدل را برای یک وظیفه‌ی تکرارشونده تعریف می‌کند. برخلاف پرامپت یک‌بارمصرف، مستر پرامپت با تغییر مدل، تغییر حوزه و بازخورد خروجی مرتباً به‌روز می‌شود و changelog دارد.

مستر پرامپت یک ساختار لایه‌ای دارد که از بالا به پایین خوانده می‌شود: نقش ← زمینه ← محدودیت ← فرمت خروجی ← نمونه. هر لایه یک کار مشخص انجام می‌دهد و حذف یا جابه‌جایی آن‌ها رفتار مدل را تغییر می‌دهد.

ساختار XML-style برای Claude در مقابل ساختار Markdown برای GPT-4#

این یکی از مهم‌ترین نکات عملی است که کمتر جایی صریح گفته می‌شود: ساختار پرامپت به مدل مقصد وابسته است. Claude با تگ‌های XML-style (مثل <role>، <context>، <output_format>) بهتر کار می‌کند چون در آموزش‌اش این ساختارها را یاد گرفته. GPT-4 با ساختار Markdown (هدینگ‌ها، لیست‌ها، بلوک‌های کد) عملکرد بهتری دارد.

نقل‌قول قالب بهینه‌شده برای یک مدل، روی مدل دیگر بدون تست مجدد، شکست‌خوردن قطعی است. الگوی تکرارشونده‌ای که در پروژه‌های اعضای کامیونیتی دیده شده: پرامپت Claude مستقیم روی GPT-4 اجرا شد و کیفیت خروجی افت محسوسی داشت.

نمونه‌ی مستر پرامپت برای خلاصه‌سازی فنی روی Claude:

<role>
تو یک خلاصه‌ساز فنی هستی که مقالات و مستندات را برای مهندسان نرم‌افزار خلاصه می‌کنی.</role>

<context>
مخاطب، توسعه‌دهنده‌ی با تجربه است. نیازی به توضیح مفاهیم پایه نیست. فقط نکات کاربردی و تصمیمات معماری مهم‌اند.</context>

<constraints>
- حداکثر 200 کلمه
- بدون مقدمه‌چینی
- اگر مقاله تصمیم معماری مشخصی دارد، آن را بولد کن
- اگر مقاله فاقد محتوای فنی است، بنویس «محتوای فنی ندارد»</constraints>

<output_format>
ساختار: یک پاراگراف خلاصه + لیست نکات کلیدی (حداکثر 4 مورد)</output_format>

<example>
ورودی: [مقاله‌ی درباره‌ی microservices]
خروجی: این مقاله الگوی جداسازی را بررسی می‌کند. تصمیم معماری اصلی: جداسازی بر اساس bounded context نه بر اساس تیم.

نکات کلیدی:
- هر سرویس باید یک دیتابیس مستقل داشته باشد
- API Gateway تنها نقطه‌ی ورود است
- رویدادها جای synchronous calls را می‌گیرند
- deployment مستقل برای هر سرویس الزامی است
</example>

تکنیک‌های هسته‌ای: Zero-shot، Few-shot و Chain of Thought#

تکنیک صفر‌نمونه‌ای (Zero-shot) بدون نمونه‌ی آموزشی و با دستور مستقیم کار می‌کند. تکنیک چندنمونه‌ای (Few-shot) چند نمونه‌ی ورودی-خروجی داخل پرامپت می‌گذارد. زنجیره‌ی تفکر (Chain of Thought / CoT) از مدل می‌خواهد قبل از پاسخ نهایی، مراحل استدلال را بنویسد. هر کدام برای نوع وظیفه‌ای مؤثرند.

Wei et al. در مقاله‌ی 2022 با عنوان «Chain-of-Thought Prompting Elicits Reasoning in Large Language Models» نشان دادند که افزودن زنجیره‌ی استدلال به نمونه‌های Few-shot، دقت مدل‌های بزرگ را در وظایف استدلالی به‌طور محسوسی بالا می‌برد. Kojima et al. در همان سال نشان دادند که حتی بدون نمونه‌ی آموزشی، افزودن عبارت «Let's think step by step» به پرامپت اثر مشابهی دارد. این یافته‌ها کلیدی‌اند چون نشان می‌دهند گاهی یک عبارت کوتاه، تأثیر بیشتری از ده‌ها کلمه دستورالعمل دارد.

ترکیب Few-shot + CoT برای وظایف چندمرحله‌ای#

برای وظایفی که هم فرمت خاص دارند و هم نیاز به استدلال دارند، ترکیب Few-shot و CoT مؤثرترین رویکرد است. نمونه‌ی Few-shot فرمت را یاد می‌دهد و دستور CoT مدل را وادار می‌کند مراحل را طی کند.

نمونه‌ی پرامپت آماده برای تحلیل داده با CoT:

دستور: یک ستون از داده‌های فروش ماهانه را تحلیل کن.

مراحل:
1. ابتدا روند کلی را توصیف کن (صعودی، نزولی، نوسانی)
2. نقاط غیرعادی (outlier) را شناسایی کن
3. علت احتمالی هر نقطه‌ی غیرعادی را حدس بزن
4. یک توصیه‌ی عملی بده

ورودی:
فروردین: 1200 | اردیبهشت: 1350 | خرداد: 1280 | تیر: 2100 | مرداد: 1400 | شهریور: 1380

خروجی را با «تحلیل:» شروع کن و هر مرحله را با شماره مشخص کن.

نکته‌ی عملی: در Few-shot، ترتیب نمونه‌ها مهم است. مدل به نمونه‌ی آخر وزن بیشتری می‌دهد. اگر نمونه‌ی «خروجی ایده‌آل» را آخر بگذارید، احتمال تقلید مدل از آن بیشتر می‌شود.

Temperature و Top-P روی خروجی پرامپت چه تأثیری دارند؟#

دمای مدل (Temperature) میزان تصادفی بودن انتخاب توکن‌ها را کنترل می‌کند. Top-P (Nucleus Sampling) آستانه‌ی احتمال تجمعی را تعیین می‌کند. هر دو مستقل از محتوای پرامپت عمل می‌کنند و رفتار مدل را تغییر می‌دهند. پرامپت عالی با پارامتر غلط، خروجی بد می‌دهد.

چرخ‌های تنظیم نورانی که خروجی را از الگوهای سخت‌هندسی به شکل‌های سیال و خلاقانه تبدیل می‌کنند
هر چرخ یک پارامتر و هر نور یک جهان خروجی متفاوت است

یک اشتباه رایج: گذاشتن Temperature روی صفر برای همه‌ی وظایف. Temperature = 0 مدل را به سمت تکرار محتمل‌ترین پاسخ می‌برد. در وظایف استخراجی (مثل «این عدد را از متن دربیاور») خوب است. در وظایف استدلالی چندمرحله‌ای، مدل قفل می‌کند و مسیرهای جایگزین را کشف نمی‌کند — البته نه همیشه؛ اگر پرامپت CoT قوی باشد، حتی Temperature = 0 هم می‌تواند استدلال را فعال نگه دارد.

نوع وظیفه Temperature Top-P دلیل
استخراجی (Extraction) 0 تا 0.2 0.9 خروجی باید قطعی و تکرارپذیر باشد
استدلالی (Reasoning) 0.3 تا 0.5 0.85 کمی تنوع کمک می‌کند مدل مسیرهای مختلف را امتحان کند
خلاقانه (Creative) 0.7 تا 1.0 0.95 تنوع بالا، خروجی‌های غیرمنتظره

نسخه‌بندی پرامپت: مستر پرامپت یک سند زنده است#

نسخه‌بندی پرامپت (Prompt Versioning) فرآیند ثبت تغییرات، نگهداری changelog و ردیابی تأثیر هر اصلاح بر کیفیت خروجی است. بدون نسخه‌بندی، بهبود پرامپت تصادفی و غیرقابل‌تکرار می‌شود و تیم‌ها نمی‌دانند کدام تغییر باعث افت یا رشد شده.

بزرگ‌ترین مشکل پرامپت در پروژه‌های تیمی، نه ساختار آن، بلکه عدم هم‌راستایی ذهنی (Mental Misalignment) بین نویسنده و مصرف‌کننده است. کسی پرامپت را می‌نویسد، شخص دیگری آن را اجرا می‌کند و نتیجه را تفسیر می‌کند. بدون changelog، هر تغییر یک «جعبه‌ی سیاه» است.

قالب changelog قابل‌کپی#

ساختار ساده‌ای که در پروژه‌های واقعی جواب داده:

| نسخه | تاریخ | تغییر | معیار ارزیابی | نتیجه |
| v1.0 | -- | پرامپت اولیه | دقت فرمت | 60% سازگار |
| v1.1 | -- | افزودن محدودیت طول | دقت فرمت | 85% سازگار |
| v1.2 | -- | تغییر نمونه از 2 به 3 | دقت فرمت + کیفیت محتوا | 90% سازگار، کیفیت ثابت |

هر تغییر باید یک متغیر را هدف بگیرد. اگر دو چیز را هم‌زمان عوض کنید و نتیجه بهتر شد، نمی‌دانید کدام تغییر مؤثر بوده.

چه‌زمانی مهندسی پرامپت کافی نیست و باید سراغ RAG یا فاین‌تیونینگ رفت؟#

مهندسی پرامپت نمی‌تواند فقدان دانش در مدل را جبران کند. اگر مدل درباره‌ی حوزه‌ی شما آموزش ندیده، پرامپت بهتر خروجی بهتری نمی‌دهد؛ خروجی «مطمئن اما غلط» می‌دهد. این مرز، نقطه‌ی ورود به بازجویی افزایش‌یافته با تولید (RAG / Retrieval-Augmented Generation) یا ظریف‌تنظیم (Fine-tuning) است.

سه مرز مشخص وجود دارد:

  1. مرز اول — دانش غایب: مدل اطلاعات حوزه‌ی شما را ندارد. راه‌حل: RAG.
  2. مرز دوم — سبک و ساختار ثابت: مدل می‌داند، اما فرمت خروجی را ثابت نگه نمی‌دارد. راه‌حل: Fine-tuning.
  3. مرز سوم — وظیفه‌ی چندمرحله‌ای با ابزار: مدل باید تصمیم بگیرد، ابزار صدا بزند و نتیجه را پردازش کند. راه‌حل: جریان کاری عامل‌محور (Agentic Workflow).
معیار Prompt Engineering RAG Fine-tuning
هزینه‌ی اولیه ناچیز متوسط (زیرساخت جستجو) بالا (داده + GPU)
زمان راه‌اندازی ساعت تا روز هفته هفته تا ماه
قابل‌به‌روزرسانی بله (ویرایش پرامپت) بله (ویرایش پایگاه دانش) خیر (نیاز به آموزش مجدد)
مناسب برای تنظیم رفتار و فرمت اطلاعات به‌روز و حوزه‌ای سبک و ساختار ثابت

مثال واقعی: چه‌وقت یک پرامپت خوب شکست می‌خورد#

الگوی تکرارشونده در پروژه‌های اعضای کامیونیتی: کسی پرامپتی برای «پاسخ به سؤالات حقوقی» می‌نویسد. پرامپت ساختار خوبی دارد، فرمت خروجی مشخص است، نمونه‌های Few-shot دارد. اما مدل قوانین به‌روز یک حوزه‌ی خاص را نمی‌داند. پرامپت بهتر نمی‌تواند دانش غایب را تزریق کند. نتیجه: پاسخ‌های «مطمئن اما منسوخ».

این دقیقاً همان جایی است که RAG لازم می‌شود. نه چون پرامپت بد است، بلکه چون مدل چیزی برای گفتن ندارد.

اشتباهات رایج و الگوهای پادالگو در نگارش پرامپت#

رایج‌ترین اشتباهات مهندسی پرامپت: استفاده از «Act as a professional» بدون زمینه‌سازی، باور به اینکه پرامپت بلندتر بهتر است، فرض قالب جادویی برای همه‌ی مدل‌ها، و گذاشتن Temperature روی صفر برای همه‌ی وظایف. هر کدام از این‌ها در مدل‌های جدید یا اثر ناچیز دارد یا مضر است.

بازآفرینی هر پادالگو با نسخه‌ی صحیح#

پادالگو: «Act as a professional lawyer with 20 years of experience.»
چرا شکست می‌خورد: مدل «حرفه‌ای بودن» را به‌صورت تئوری می‌داند اما نمی‌داند دقیقاً چه رفتاری مد نظر شماست. این عبارت در مدل‌های جدید اثر ناچیزی دارد چون مدل از قبل «حرفه‌ای» پاسخ می‌دهد.
نسخه‌ی صحیح: محدودیت‌های رفتاری مشخص بنویسید: «هر پاسخ باید شامل ماده‌ی قانونی مرتبط باشد. اگر مطمئن نیستی، بگو «نیاز به بررسی بیشتر دارد». از مشاوره‌ی قطعی پرهیز کن.»

پادالگو: پرامپت 2000 کلمه‌ای با همه‌ی جزئیات ممکن.
چرا شکست می‌خورد: پنجره‌ی زمینه (Context Window) ظرفیت محدودی دارد. پرامپت بلندتر، توکن‌های کمتری برای خروجی و زمینه‌ی مکالمه باقی می‌گذارد. مدل هم در پرامپت‌های خیلی طولانی، دستورالعمل‌های میانی را فراموش می‌کند.
نسخه‌ی صحیح: فقط دستورالعمل‌هایی را بنویسید که مدل بدون آن‌ها اشتباه می‌کند. بقیه را حذف کنید.

پادالگو: «اگر خروجی بد است، فقط پرامپت را عوض کن.»
چرا شکست می‌خورد: گاهی مشکل از Temperature است، گاهی از طول پاسخ (Max Tokens)، گاهی از این‌که مدل اصلاً دانش کافی ندارد. تغییر پرامپت بدون تشخیص علت، وقت‌تلف‌کردن است.

چک‌لیست قبل از ارسال پرامپت به محیط تولید#

  1. معیار موفقیت تعریف شده؟ (عدد مشخص، نه «بهتر»)
  2. روی نسخه‌ی فعلی مدل تست شده؟
  3. حداقل 10 ورودی متنوع اجرا شده؟
  4. پرامپت در شرایط لبه (ورودی خالی، ورودی خیلی بلند، ورودی نامرتبط) بررسی شده؟
  5. چک‌لیست changelog پر شده؟

چه ابزارهایی برای مدیریت و نسخه‌بندی پرامپت وجود دارد؟#

ابزارهای مدیریت پرامپت (Prompt Management) از محیط‌های آزمایش ساده تا فریم‌ورک‌های کدنویسی‌محور طیف گسترده‌ای دارند. انتخاب ابزار به مرحله‌ی پروژه بستگی دارد: شخصی، تیمی یا تولیدی. ابزار اشتباه در مرحله‌ی اشتباه، یا بیش از حد ساده است یا بیش از حد پیچیده.

انتخاب ابزار بر اساس مرحله‌ی پروژه#

مرحله‌ی اکتشاف (شخصی): OpenAI Playground یا Claude Console کافی‌اند. سریع، بدون تنظیم، بدون هزینه.

مرحله‌ی تیمی: به ابزاری نیاز دارید که changelog، تست A/B و اشتراک‌گذاری پرامپت داشته باشد. PromptLayer یا ابزارهای مشابه این کار را می‌کنند.

مرحله‌ی تولیدی: فریم‌ورک‌هایی مثل LangChain برای زنجیره‌ی پیمانه‌ای (Chain) و DSPy برای بهینه‌سازی خودکار پرامپت مناسب‌اند. DSPy رویکرد متفاوتی دارد: به‌جای دستی نوشتن پرامپت، برنامه‌نویسی‌محور پرامپت را بهینه می‌کند.

معیارهای ارزیابی کیفیت پرامپت و روش تست سیستماتیک#

ارزیابی پرامپت نیازمند تعریف معیارهای موفقیت قبل از نوشتن، اجرای تست A/B روی خروجی‌ها، و ثبت نتایج در یک ماتریس تصمیم است. بدون این چرخه، «بهتر شدن پرامپت» یک ادعای شخصی باقی می‌ماند و قابل دفاع نیست.

گام‌به‌گام اجرای تست سیستماتیک روی یک مستر پرامپت#

  1. مجموعه‌داده‌ی تست بسازید: حداقل 20 ورودی متنوع (نرمال، لبه، نامرتبط).
  2. معیار مشخص کنید: مثلاً «فرمت خروجی 100٪ سازگار باشد» یا «هیچ پاسخ ساختگی (hallucination) نداشته باشد».
  3. پرامپت v1 را اجرا کنید: نتایج را ثبت کنید.
  4. یک متغیر را عوض کنید: فقط یک. مثلاً یک نمونه‌ی Few-shot اضافه کنید.
  5. مجدداً اجرا و مقایسه کنید: آیا معیار بهتر شد؟ اگر بله، ثبت کنید. اگر نه، برگردید.
  6. تکرار کنید تا به معیار مطلوب برسید.

نکته‌ی مهم: تغییر نسخه‌ی مدل (مثلاً از GPT-4 به GPT-4o) اعتبار همه‌ی ارزیابی‌های قبلی را بی‌اعتبار می‌کند. پرامپتی که روی یک نسخه بهینه شده، روی نسخه‌ی دیگر ممکن است رفتار متفاوتی داشته باشد. هر بار که مدل عوض می‌شود، چرخه‌ی تست باید از نو اجرا شود.

مهندسی پرامپت یک مهارت قابل‌یادگیری است، اما نه آن‌طور که بیشتر محتواها معرفی می‌کنند. این مهارت، چرخه‌ی مهندسی است نه ترفندهای فردی. مستر پرامپت سند زنده است نه قالب ثابت. و مرزش مشخص است: جایی که مدل دانش ندارد، پرامپت بهتر جواب نمی‌دهد.

اگر می‌خواهید این چرخه را عملاً روی Claude و مدل‌های مشابه تمرین کنید، دوره‌ی «آموزش جامع Claude و ابزارهای مشابه» در کامیونیتی Claude اسکول دقیقاً همین ساختار را پوشش می‌دهد: از صفر تا پرامپت تولیدی با تست و نسخه‌بندی.