MOJ PRO — PROMPT DESIGN
پرامپتنویسی برای تولید محتوای حرفهاییک چارچوب بریفمحور و قابل تکرار
اگر نتوانیم مسئله، مخاطب و معیار کیفیت را روشن توضیح دهیم، طولانیترکردن پرامپت خروجی حرفهایتری نمیسازد.
یک الگوی ششجزئی برای تبدیل درخواست مبهم به دستور قابل ارزیابی در متن، تصویر و ویدیو.
پرامپت خوب یک ترفند نیست؛ یک بریف فشرده است. اگر نمیتوانی خواستهات را برای یک همکار تازهوارد در پنج خط توضیح دهی، هیچ مدلی هم آن را نمیفهمد.
فهرستهای «صد پرامپت جادویی» فراواناند و تقریباً همه یک مشکل مشترک دارند: پرامپت را از زمینهاش جدا میکنند. پرامپتی که برای یک برند و یک مخاطب نتیجه میدهد، برای برند دیگر خروجی بیمصرف تولید میکند. دلیلش نه مدل است نه انتخاب واژهها؛ بریف است.
این مقاله بهجای فهرست پرامپت، یک چارچوب میدهد. چارچوبی که برای متن، تصویر و ویدیو کار میکند، به مدل خاصی وابسته نیست، و با هر نسخه جدید ابزارها از کار نمیافتد.
چرا بیشتر پرامپتها خروجی متوسط میدهند
سه علت پشت تقریباً همه خروجیهای ناامیدکننده است و هر سه به خود پرامپت برمیگردند، نه به مدل:
- نبود بریف — «یک مقاله درباره بازاریابی محتوا بنویس» یعنی همه چیز و هیچ چیز
- نبود محدودیت — بدون محدودیت، خروجی به سمت میانگین میرود و میانگین همان چیزی است که همه دارند
- نبود معیار پذیرش — اگر خودت نمیدانی خروجی خوب چه شکلی است، نمیتوانی بگویی کجا اشتباه شده
علت دوم مهمتر از آن است که به نظر میرسد. این مدلها برای «قابل قبول بودن» بهینه شدهاند، نه برای «متمایز بودن». محدودیت تقریباً تنها ابزاری است که خروجی را از میانگین دور میکند — و محدودیت چیزی است که فقط تو میتوانی تعیینش کنی.
شش جزء یک پرامپت قابل تکرار
هر پرامپتی که قرار است بارها استفاده شود، باید به این شش سؤال جواب بدهد. ترتیبشان مهم نیست؛ حاضر بودنشان مهم است:
| جزء | به چه سؤالی جواب میدهد | اگر نباشد چه میشود |
|---|---|---|
| نقش و زمینه | از طرف چه کسی و در چه موقعیتی نوشته میشود؟ | لحن بیصاحب و قابل انتساب به هر برندی |
| مخاطب | برای چه کسی و با چه سطح آگاهی؟ | توضیح دادن بدیهیات یا پریدن از مفاهیم پایه |
| هدف | خواننده بعد از خواندن چه کاری بکند؟ | متنی که اطلاعات میدهد ولی به جایی نمیرسد |
| محدودیت | چه چیزی نباید باشد؟ طول، لحن، واژههای ممنوع | خروجی میانگین و پر از عبارتهای کلیشهای |
| ورودی و منابع | چه واقعیتهایی را خودت در اختیار میگذاری؟ | مدل جای خالی را با حدس پر میکند |
| معیار پذیرش و قالب | خروجی قابل قبول دقیقاً چه شکلی است؟ | رفتوبرگشتهای بیپایان بدون معیار داوری |
جزء چهارم و ششم همان دو موردی هستند که تقریباً همیشه حذف میشوند و بیشترین اثر را دارند. اگر فقط وقت اضافهکردن دو جزء را داری، همین دو تا را اضافه کن.
یک مثال واقعی: قبل و بعد
پرامپت اول، همانی که اکثر مردم مینویسند:
«یک پست اینستاگرام برای یک کافه بنویس.»
و همان درخواست، بعد از عبور از چارچوب ششجزئی:
- نقش: کپیرایتر یک کافه محلی که مشتری ثابتش کارمندهای ادارههای اطرافاند
- مخاطب: کارمند ۲۵ تا ۴۰ ساله که وقت ناهارش کوتاه است و دنبال پانزده دقیقه سکوت میگردد
- هدف: خواننده تصمیم بگیرد فردا ظهر بهجای سفارش آنلاین، پیاده بیاید
- محدودیت: حداکثر ۶۰ کلمه، بدون ایموجی، بدون واژههای «دنج»، «حس خوب» و «طعم بینظیر»، جمله اول سؤالی نباشد
- ورودی: کافه از هفت صبح باز است، میز پشتبام دارد، اسپرسو را روی دستگاه دستی میگیرد
- معیار پذیرش: سه نسخه که در زاویه با هم فرق داشته باشند، نه در واژه
تفاوت این دو پرامپت در طولشان نیست؛ در تعداد تصمیمهایی است که گرفته شده. پرامپت اول همه تصمیمها را به مدل واگذار کرده و مدل هم منطقاً میانگین را برگردانده. پرامپت دوم شش تصمیم را از قبل بسته و فقط اجرا را واگذار کرده.
به بند محدودیت دقت کن. فهرست واژههای ممنوع، عجیبترین و در عین حال مؤثرترین بخش این پرامپت است. حذف سه کلیشه رایج، مدل را مجبور میکند مسیر دیگری برای گفتن همان حرف پیدا کند — و همان مسیر جایگزین است که متن را از بقیه جدا میکند.
پرامپت متن، تصویر و ویدیو سه مهارت متفاوتاند
چارچوب یکی است اما آنچه تعیینکننده است در هر رسانه فرق میکند. جدول زیر تفاوت را خلاصه میکند:
| نوع | چه چیزی تعیینکننده است | متداولترین خطا |
|---|---|---|
| متن | منطق، ساختار و واقعیتهایی که خودت وارد میکنی | انتظار اینکه مدل واقعیتهای مربوط به کسبوکار تو را بداند |
| تصویر | سوژه، ترکیببندی، نور، فاصله دوربین، سبک، و آنچه نباید در قاب باشد | توصیف احساس بهجای توصیف تصویر؛ «تصویری الهامبخش» چیزی نمیسازد |
| ویدیو | حرکت، مدت هر نما، و تداوم شخصیت و فضا بین نماها | نوشتن یک پرامپت برای یک نمای طولانی، بهجای چند نمای کوتاه قابل کنترل |
سختترین بخش پرامپت ویدیو، حفظ یک شخصیت واحد در چند نمای پیاپی است. بیشتر ابزارها برای این کار یک مدل یا عنصر مرجع میسازند و پرامپتهای بعدی به آن مرجع ارجاع میدهند. نکتهای که معمولاً بعد از چند تولید اشتباه فهمیده میشود این است که تغییر نام یک مرجع، تصویر پایهاش را عوض نمیکند؛ برای اصلاح هویت شخصیت باید مرجع جدید ساخته شود.
قاعده عملی برای ویدیو: هر نما را جداگانه بنویس، مدتش را کوتاه بگیر، و پیش از رفتن به نمای بعد، خروجی نمای فعلی را تأیید کن. تولید یک قطعه بلند با یک پرامپت، هم گرانتر است و هم تقریباً همیشه به بازسازی کامل ختم میشود.
بهجای یک پرامپت غولپیکر، یک زنجیره
درخواست «یک مقاله کامل سئوشده با تیتر و متا و پرسشهای متداول بنویس» در یک پرامپت، مدل را وادار میکند در هر بخش میانگین بگیرد. تقسیم همان کار به چهار مرحله، کیفیت را به شکل محسوسی بالا میبرد:
- مرحله ۱ — ورودی: منابع، دادهها و واقعیتها را تو میدهی، نه مدل
- مرحله ۲ — اسکلت: فقط تیترها و یک جمله توضیح برای هر بخش. اصلاح اینجا انجام شود
- مرحله ۳ — پیشنویس: بخشبهبخش تولید کن، نه یکجا
- مرحله ۴ — ویرایش: با یک پرامپت جداگانه و معیار مشخص، نه با «بهترش کن»
اصلاح اسکلت ده دقیقه وقت میبرد؛ اصلاح مقالهای که روی اسکلت اشتباه نوشته شده، دو ساعت. تمام ارزش زنجیره در همین اختلاف است.
لحن برند را چطور منتقل کنیم
«حرفهای بنویس» برای مدل تقریباً بیمعنی است، چون هر کسی تعریف متفاوتی از حرفهای دارد. صفتها لحن را منتقل نمیکنند؛ نمونهها منتقل میکنند.
روش عملی: سه پاراگراف از متنهای تأییدشده خودت را داخل پرامپت بگذار و بنویس «با همین ریتم جمله و همین سطح رسمیت بنویس». این کار از هر توصیفی دقیقتر است. در کنارش یک فهرست واژههای ممنوع بساز و همراه هر پرامپت بفرست — همان فهرست، بیشتر از هر توصیف مثبتی لحن را کنترل میکند.
اگر هنوز تصویر کلی از جایگاه این ابزارها در فرایند تولید محتوا نداری، تولید محتوا با هوش مصنوعی چیست؟ راهنمای عملی برای برندها نقطه شروع بهتری است.
سه چیزی که هرگز نباید بدون بررسی دستی منتشر شوند
این بخش قابل مذاکره نیست. صرفنظر از اینکه پرامپت چقدر دقیق نوشته شده:
- اعداد، آمار و تاریخها — باورپذیر تولید میشوند و باورپذیری با درستی یکی نیست
- نقلقولها و ارجاع به منابع — مدلها منبعی میسازند که کاملاً واقعی به نظر میرسد و وجود ندارد
- هر ادعای حقوقی، پزشکی یا مالی — ریسکش با برند است، نه با ابزار
یک مورد چهارم هم هست که کمتر گفته میشود و برای برندها خطرناکتر است: ادعاهای مربوط به خود شرکت. مدل چیزی درباره سابقه، ظرفیت، مشتریان و افتخارات تو نمیداند و اگر جای خالی ببیند، آن را با چیزی محتمل پر میکند. هر جملهای که درباره خود برند نوشته شده باید مستقیماً تأیید شود.
درباره اینکه گوگل با محتوای تولیدشده به کمک هوش مصنوعی چطور برخورد میکند، محتوای هوش مصنوعی و سئو؛ گوگل واقعاً چه میگوید؟ موضع رسمی و مرز خط قرمز را توضیح داده است.
پرامپت را مثل دارایی نگه دار، نه مثل پیام چت
پرامپتی که ثبت نشود، هر بار از صفر ساخته میشود و هر بار کمی بدتر. یک کتابخانه پرامپت تیمی، حتی به سادگی یک فایل مشترک، بیشترین بازده را در میان همه کارهای این حوزه دارد. چهار قاعده برای نگهداشتنش:
- هر پرامپتی که جواب داد، همراه با نمونه خروجیاش ذخیره شود — بدون خروجی، پرامپت قابل ارزیابی نیست
- نامگذاری بر اساس کاربرد باشد، نه بر اساس ابزار (مثلاً «کپشن معرفی محصول»، نه «پرامپت شماره ۷»)
- نسخهبندی ساده داشته باشد تا معلوم باشد کدام تغییر چه اثری گذاشت
- ثبت شود با کدام مدل جواب داده؛ خروجی مدلهای مختلف با یک پرامپت واحد یکسان نیست
چه کارهایی را به مدل نسپاریم
- تصمیم درباره جایگاه برند و پیام اصلی — اینها ورودی پرامپتاند، نه خروجیاش
- انتخاب اینکه چه چیزی گفته نشود؛ حذف کردن هنوز کار انسان است
- قضاوت درباره اینکه یک ادعا قابل اثبات هست یا نه
- نوشتن متنی که قرار است تجربه شخصی و دستاول را روایت کند
برای طراحی فرایند تولید محتوا با ترکیب تیم انسانی و ابزارهای هوش مصنوعی، خدمات تولید محتوا موج پرو و برای یادگیری عملی همین چارچوب، دوره تولید محتوا با هوش مصنوعی در دسترساند.
پرسشهای متداول
پرامپت را فارسی بنویسم یا انگلیسی؟
برای خروجی فارسی، پرامپت فارسی بنویس؛ لحن و اصطلاحات دقیقتر منتقل میشوند. برای تولید تصویر و ویدیو، پرامپت انگلیسی معمولاً نتیجه پایدارتری میدهد چون بیشتر ابزارها با داده انگلیسی آموزش دیدهاند. ترکیب این دو هم رایج است: ساختار و محدودیتها به فارسی، اصطلاحات فنی بصری به انگلیسی.
پرامپت طولانیتر همیشه بهتر است؟
نه. آنچه کیفیت را بالا میبرد تعداد تصمیمهای گرفتهشده است، نه تعداد کلمات. پرامپت طولانی که پر از توصیفهای کلی و صفتهای مبهم باشد، از یک پرامپت کوتاه و دقیق بدتر عمل میکند. معیار ساده: اگر یک جمله را حذف کنی و خروجی فرق نکند، آن جمله زائد بوده.
چرا با یک پرامپت واحد، هر بار خروجی متفاوتی میگیرم؟
این رفتار ذاتی این مدلهاست و بهطور کامل قابل حذف نیست. راه کاهشش، بستن درجات آزادی است: تعیین قالب دقیق خروجی، مشخصکردن طول، و دادن نمونه. اگر ثبات برایت حیاتی است، خروجی تأییدشده را ذخیره کن و از آن بهعنوان نمونه در پرامپتهای بعدی استفاده کن.
برای تولید تصویر، چه چیزی را حتماً باید در پرامپت بنویسم؟
دستکم پنج مورد: سوژه، ترکیببندی و فاصله دوربین، نور، سبک بصری، و فهرست چیزهایی که نباید در قاب باشند. مورد آخر بیشترین اثر را دارد و بیشتر از همه فراموش میشود. توصیف احساس («تصویری گرم و صمیمی») جای هیچکدام از این پنج مورد را نمیگیرد.
آیا استفاده از هوش مصنوعی به سئوی سایت آسیب میزند؟
معیار گوگل نحوه تولید نیست، کیفیت و ارزش واقعی محتواست. محتوایی که فقط برای پر کردن صفحه تولید شده مشکلساز است، چه انسان نوشته باشد چه ماشین. چیزی که ریسک میسازد انتشار بدون بررسی است: اعداد نادرست، منابع ساختگی و ادعاهای تأییدنشده.
از کجا بفهمم پرامپت من به اندازه کافی خوب است؟
یک آزمون ساده: پرامپت را به یک همکار بده که با پروژه آشنا نیست و از او بخواه خودش خروجی را بنویسد. اگر توانست چیزی نزدیک به انتظار تو تولید کند، پرامپت کامل است. اگر مجبور شد سؤال بپرسد، همان سؤالها دقیقاً اجزای گمشده پرامپتاند.
از دانش تا اجرا
پرامپتنویسی را در پروژه واقعی تمرین کنید
از بریف و پرامپت تا ساخت تصویر، ویدیو و کنترل خروجی با آموزش مرحلهبهمرحله.