چگونه پرامپت حرفهای بنویسیم؟ ۱۵ تکنیک برای گرفتن پاسخ بهتر از هوش مصنوعی
اگر از ChatGPT، Gemini یا Claude استفاده میکنید اما پاسخهایی که دریافت میکنید اغلب کلی، تکراری یا دور از انتظار هستند، احتمالاً باید روش نوشتن درخواستهای خود را تغییر دهید. بسیاری از کاربران تصور میکنند برای گرفتن نتیجه بهتر باید پرامپتهای طولانی و پیچیده بنویسند؛ درحالیکه یک درخواست کوتاه و دقیق میتواند از یک دستور چندصفحهای اما مبهم مؤثرتر باشد.
پرامپت حرفهای به هوش مصنوعی کمک میکند هدف شما، اطلاعات موردنیاز، محدودیتها و شکل خروجی مطلوب را بهتر تشخیص دهد. این مهارت در تولید محتوا، بازاریابی، برنامهنویسی، یادگیری، تحلیل داده و حتی انجام کارهای روزمره کاربرد دارد.
در این مقاله، ۱۵ تکنیک کاربردی برای نوشتن پرامپت حرفهای را یاد میگیرید. هر تکنیک با مثال توضیح داده شده است تا بتوانید آن را در کارهای واقعی به کار ببرید.
پرامپت حرفهای چه ویژگیهایی دارد؟
پرامپت حرفهای در درجه اول باید مشخص کند چه کاری باید انجام شود و نتیجه مطلوب چه ویژگیهایی دارد. لازم نیست تمام درخواستها ساختار یکسانی داشته باشند، اما معمولاً چند عامل در کیفیت آنها مؤثر است:
- هدف روشن: دقیقاً مشخص باشد چه خروجیای میخواهید.
- زمینه کافی: اطلاعات مرتبط با مسئله ارائه شود.
- مخاطب مشخص: سطح دانش و نیاز مخاطب معلوم باشد.
- معیارهای کیفیت: ویژگیهای یک پاسخ قابل قبول تعریف شوند.
- قالب خروجی: ساختار مورد انتظار مانند جدول، فهرست یا متن توضیحی مشخص باشد.
- امکان اصلاح: بتوانید پاسخ اولیه را ارزیابی کنید و دستورهای دقیقتری بدهید.
راهنماهای رسمی OpenAI و Google نیز بر شفافیت دستورها، ارائه زمینه مناسب، استفاده از مثال در صورت نیاز و اصلاح تدریجی پرامپتها تأکید دارند.
تکنیک اول: بهجای موضوع، وظیفه مشخصی تعریف کنید
یکی از رایجترین اشتباهات این است که فقط نام یک موضوع را به هوش مصنوعی میدهیم و انتظار داریم دقیقاً بدانَد چه کاری باید انجام دهد.
برای مثال، درخواست «بازاریابی محتوا» بهتنهایی وظیفه مشخصی نیست. مدل ممکن است تعریفی عمومی ارائه دهد، تاریخچه موضوع را توضیح دهد یا چند راهکار پیشنهاد کند.
در مقابل، درخواست زیر هدف روشنتری دارد:
پرامپت ضعیف:
درباره بازاریابی محتوا توضیح بده.
پرامپت حرفهای:
پنج روش کاربردی برای استفاده از بازاریابی محتوا در یک فروشگاه اینترنتی تازهکار معرفی کن. برای هر روش، مراحل اجرا، هزینههای احتمالی و یک مثال عملی بنویس.
در نمونه دوم، وظیفه، تعداد پیشنهادها و اطلاعات مورد انتظار مشخص شدهاند.
چه زمانی از این تکنیک استفاده کنیم؟
وقتی پاسخهای هوش مصنوعی بیش از حد عمومی هستند یا بهجای حل مسئله، صرفاً درباره موضوع توضیح میدهند.
تکنیک دوم: زمینه و شرایط مسئله را توضیح دهید
هوش مصنوعی معمولاً زمانی میتواند پاسخ متناسبتری تولید کند که اطلاعات کافی درباره شرایط شما داشته باشد.
فرض کنید میخواهید فروش سایت خود را افزایش دهید. پیشنهادهای مناسب برای یک فروشگاه بزرگ با بودجه تبلیغاتی بالا، ممکن است برای یک کسبوکار کوچک کاربردی نباشند.
پرامپت ضعیف:
چگونه فروش سایتم را افزایش بدهم؟
پرامپت حرفهای:
یک فروشگاه اینترنتی کوچک دارم که محصولات آموزشی دیجیتال میفروشد. بودجه تبلیغاتی من محدود است و میخواهم از طریق محتوای وبلاگ و بهبود صفحات محصولات، فروش بیشتری ایجاد کنم. پنج اقدام اولویتدار پیشنهاد بده و برای هرکدام، مراحل اجرا و روش سنجش نتیجه را توضیح بده.
در این پرامپت، مدل اطلاعاتی درباره نوع کسبوکار، محدودیت بودجه و هدف دریافت میکند.
البته اطلاعات زمینهای باید مرتبط باشند. وارد کردن جزئیات زیاد و نامرتبط میتواند درخواست را پیچیدهتر کند، بدون اینکه به بهبود پاسخ کمک کند.
تکنیک سوم: مخاطب هدف را مشخص کنید
یک موضوع واحد را میتوان به روشهای مختلف برای افراد متفاوت توضیح داد. بنابراین، اگر میخواهید پاسخ متناسب با سطح دانش مخاطب باشد، او را مشخص کنید.
برای مثال، توضیح هوش مصنوعی برای یک برنامهنویس حرفهای با توضیح آن برای دانشآموزی که هیچ تجربهای ندارد متفاوت است.
پرامپت حرفهای:
مفهوم یادگیری ماشین را برای فردی توضیح بده که هیچ پیشزمینهای در برنامهنویسی یا ریاضیات ندارد. از مثالهای روزمره استفاده کن، اصطلاحات تخصصی را تعریف کن و در پایان سه سؤال ساده برای سنجش یادگیری ارائه بده.
این روش در تولید محتوای آموزشی، نوشتن مقاله، طراحی دوره و پاسخگویی به مشتریان بسیار مفید است.
تکنیک چهارم: نقش مناسبی برای هوش مصنوعی تعریف کنید
تعیین نقش به مدل کمک میکند پاسخ را از زاویه دید موردنظر شما تنظیم کند. برای مثال، میتوانید از آن بخواهید مانند یک ویراستار، تحلیلگر داده، مدرس یا مشاور بازاریابی به مسئله نگاه کند.
پرامپت ضعیف:
این مقاله را بررسی کن.
پرامپت حرفهای:
مانند یک ویراستار حرفهای محتوای فارسی عمل کن. مقاله زیر را از نظر روانی متن، غلطهای نگارشی، تکرار مفاهیم و وضوح توضیحات بررسی کن. معنای اصلی متن را تغییر نده و در پایان، نسخه اصلاحشده را ارائه بده.
نکته مهم این است که تعریف نقش بهتنهایی کافی نیست. بهتر است وظیفه و معیارهای خروجی را نیز مشخص کنید. همچنین تعیین نقش به این معنی نیست که مدل واقعاً تجربه یا مدرک تخصصی انسانی دارد.
تکنیک پنجم: قالب خروجی را از ابتدا تعیین کنید
گاهی پاسخ هوش مصنوعی اطلاعات درستی دارد، اما به شکلی ارائه میشود که استفاده از آن دشوار است. در چنین شرایطی، تعیین قالب خروجی اهمیت زیادی دارد.
برای مثال، اگر میخواهید چند ابزار را مقایسه کنید، یک جدول ممکن است بسیار کاربردیتر از چند پاراگراف توضیحی باشد.
پرامپت حرفهای:
پنج ابزار هوش مصنوعی مناسب تولید محتوای فارسی را مقایسه کن. نتیجه را در جدولی با ستونهای نام ابزار، کاربرد اصلی، امکانات رایگان، محدودیتها و مناسبترین گروه کاربران ارائه بده. اگر اطلاعاتی مانند قیمت یا محدودیت نسخه رایگان بهروز نیست یا قابل تأیید نیست، آن را مشخص کن.
قالبهای متداول خروجی عبارتاند از:
- جدول مقایسهای
- فهرست شمارهگذاریشده
- راهنمای مرحلهبهمرحله
- چکلیست اجرایی
- گزارش تحلیلی
- متن تبلیغاتی کوتاه
- دادههای ساختاریافته مانند JSON
قالب را متناسب با کاربرد نهایی انتخاب کنید، نه صرفاً برای زیباتر شدن پاسخ.
تکنیک ششم: محدودیتهای دقیق تعیین کنید
عبارتهایی مانند «کوتاه بنویس»، «حرفهای باش» یا «متن جذاب تولید کن» ممکن است برای جهتدهی اولیه مفید باشند، اما معیار دقیقی برای ارزیابی خروجی ارائه نمیکنند.
بهتر است محدودیتها را تا حد امکان قابل اندازهگیری بنویسید.
پرامپت ضعیف:
یک کپشن جذاب برای اینستاگرام بنویس.
پرامپت حرفهای:
برای معرفی یک دوره آموزش اکسل، سه کپشن اینستاگرامی بنویس. هر کپشن حداکثر ۶۰ کلمه داشته باشد، با یک مسئله واقعی مخاطب شروع شود، یک مزیت مشخص دوره را بیان کند و با دعوت به مشاهده سرفصلها پایان یابد. از وعدههای غیرواقعی خودداری کن.
محدودیتهای مفید میتوانند شامل طول متن، تعداد گزینهها، لحن، بودجه، زمان اجرا، موارد ممنوع و معیارهای پذیرش باشند.
تکنیک هفتم: نمونهای از خروجی مطلوب ارائه دهید
گاهی توضیح دادن چیزی که میخواهید، بهاندازه نشان دادن یک نمونه مؤثر نیست. در این روش، یک یا چند نمونه ورودی و خروجی ارائه میکنید تا مدل الگوی موردنظر را بهتر تشخیص دهد. به این روش، پرامپتنویسی همراه با مثال یا Few-Shot Prompting گفته میشود.
فرض کنید میخواهید برای محصولات فروشگاه خود توضیحات کوتاه و یکدست بنویسید.
پرامپت حرفهای:
برای هر محصول، توضیحی کوتاه با ساختار نمونه زیر بنویس.
نمونه:
نام محصول: دوره مقدماتی اکسل
توضیح مطلوب: با این دوره، اصول اولیه اکسل را یاد بگیرید و با انجام تمرینهای کاربردی، کار با جدولها و فرمولهای ساده را شروع کنید.
اکنون برای محصول زیر، توضیحی با همان سبک بنویس:
نام محصول: دوره مقدماتی فتوشاپ
اگر چند نمونه ارائه میدهید، بهتر است ساختار و کیفیت آنها با یکدیگر هماهنگ باشند. نمونههای متناقض ممکن است مدل را درباره الگوی مطلوب سردرگم کنند.
تکنیک هشتم: درخواستهای پیچیده را به مراحل کوچک تقسیم کنید
اگر از هوش مصنوعی بخواهید در یک مرحله تحقیق کند، تحلیل انجام دهد، برنامهریزی کند و خروجی نهایی بسازد، ارزیابی کیفیت هر بخش دشوارتر میشود.
برای کارهای پیچیده، بهتر است فرایند را به مراحل منطقی تقسیم کنید.
برای مثال، اگر میخواهید یک برنامه محتوایی برای وبسایت طراحی کنید، میتوانید این مراحل را دنبال کنید:
۱. مخاطبان و نیازهای آنها را مشخص کن.
۲. موضوعات مرتبط را پیشنهاد بده.
۳. موضوعات مشابه را گروهبندی کن.
۴. برای هر گروه، یک مقاله محوری و چند مقاله مکمل تعیین کن.
۵. ارتباط داخلی مناسب میان مقالات را پیشنهاد بده.
۶. برنامه انتشار و معیارهای سنجش عملکرد را مشخص کن.
در پایان هر مرحله، خروجی را بررسی کنید و در صورت نیاز آن را اصلاح کنید. سپس سراغ مرحله بعد بروید.
این روش بهخصوص در پروژههای طولانی، تولید محتوا، تحلیل کسبوکار و توسعه نرمافزار مفید است.
تکنیک نهم: دستورها را از متن ورودی جدا کنید
اگر میخواهید یک مقاله، گزارش، پیام مشتری یا قطعه کد را تحلیل کنید، بهتر است مشخص باشد کدام بخش دستور شماست و کدام بخش محتوایی است که باید بررسی شود.
برای مثال:
پرامپت حرفهای:
وظیفه: متن زیر را خلاصه کن.
معیارها:
- حداکثر ۱۲۰ کلمه
- حفظ نکات اصلی
- حذف تکرارها
- عدم افزودن اطلاعات جدید
متن ورودی:
[متن موردنظر را اینجا قرار بده]
جدا کردن دستورها از متن ورودی، بهویژه در اسناد طولانی، میتواند از ابهام جلوگیری کند.
یک نکته مهم: اگر متن ورودی شامل دستورهایی است که با هدف شما تعارض دارند، آنها را بهعنوان محتوای مورد بررسی در نظر بگیرید، نه دستورهایی که باید خودکار اجرا شوند. این موضوع در تحلیل اسناد و دادههای دریافتشده از منابع خارجی اهمیت دارد.
تکنیک دهم: از هوش مصنوعی بخواهید سؤالهای ضروری را مطرح کند
گاهی اطلاعات لازم برای انجام درست کار را در اختیار ندارید یا نمیدانید چه جزئیاتی باید به پرامپت اضافه کنید. در این شرایط، میتوانید از مدل بخواهید پیش از ارائه پاسخ نهایی، ابهامهای مهم را مشخص کند.
پرامپت حرفهای:
میخواهم یک برنامه بازاریابی برای کسبوکارم طراحی کنی. اگر اطلاعاتی درباره نوع محصول، مخاطبان، بودجه یا هدف فروش برای ارائه پیشنهادهای کاربردی ضروری است، ابتدا حداکثر پنج سؤال مهم بپرس. پس از دریافت پاسخها، برنامه را با توجه به محدودیتهای واقعی من تدوین کن.
این تکنیک زمانی مفید است که مسئله به اطلاعات شخصیسازیشده وابسته باشد. برای پرسشهای ساده و مشخص، درخواست سؤالهای اضافی میتواند فرایند را بیجهت طولانی کند.
تکنیک یازدهم: معیارهای ارزیابی پاسخ را مشخص کنید
اگر میخواهید خروجی قابل استفاده باشد، باید بدانید آن را با چه معیارهایی ارزیابی میکنید.
برای مثال، یک متن تبلیغاتی را میتوان بر اساس وضوح پیام، تناسب با مخاطب، مشخص بودن مزیت محصول، قابلباور بودن ادعاها و دعوت به اقدام بررسی کرد.
پرامپت حرفهای:
متن تبلیغاتی زیر را بر اساس پنج معیار ارزیابی کن:
۱. وضوح پیام
۲. تناسب با مخاطب
۳. مشخص بودن مزیت محصول
۴. قابلباور بودن ادعاها
۵. کیفیت دعوت به اقدام
برای هر معیار از ۱ تا ۵ امتیاز بده، دلیل امتیاز را توضیح بده و سپس نسخه بهبودیافته متن را ارائه کن.
امتیازهای مدل را بهعنوان یک ارزیابی اولیه در نظر بگیرید، نه حقیقت قطعی. در صورت امکان، کیفیت خروجی را با بازخورد مخاطبان یا نتایج واقعی نیز بسنجید.
تکنیک دوازدهم: بهجای «بهترش کن»، اصلاح دقیق بخواهید
یکی از روشهای مؤثر برای رسیدن به خروجی مناسب، اصلاح مرحلهای است. اگر پاسخ اولیه مناسب نبود، لازم نیست همهچیز را از ابتدا شروع کنید؛ میتوانید دقیقاً مشخص کنید کدام بخش باید تغییر کند.
برای مثال، پس از دریافت یک مقاله میتوانید بنویسید:
«مقدمه مقاله بیش از حد کلی است. آن را با یک مسئله ملموس از زندگی مخاطب شروع کن. مثالهای بخش دوم را حفظ کن و فقط مقدمه را بازنویسی کن.»
یا:
«پنج پیشنهاد ارائهشده تکراری هستند. آنها را به پنج راهکار متفاوت تبدیل کن و برای هر راهکار، یک مثال اجرایی اضافه کن.»
این روش از دستورهای مبهمی مانند «متن را بهتر کن» مؤثرتر است، زیرا مدل میداند چه چیزی باید تغییر کند و چه بخشهایی باید حفظ شوند.
تکنیک سیزدهم: از هوش مصنوعی بخواهید عدم قطعیت را مشخص کند
یکی از خطرهای استفاده از هوش مصنوعی، دریافت پاسخهایی است که با لحنی مطمئن ارائه میشوند اما ممکن است نادرست باشند.
اگر موضوع به آمار، قیمت، قوانین، نسخه نرمافزار یا اطلاعات روز وابسته است، بهتر است نحوه برخورد با اطلاعات نامطمئن را مشخص کنید.
پرامپت حرفهای:
درباره محدودیتهای نسخه رایگان سه ابزار هوش مصنوعی تحقیق کن. برای هر ادعا، منبع معتبر و تاریخ بررسی را ارائه بده. اطلاعات تأییدشده را از برآوردها و موارد نامشخص جدا کن. اگر به منبع بهروز دسترسی نداری، صریحاً اعلام کن و اطلاعات را حدس نزن.
توجه کنید که این دستور بهتنهایی دسترسی اینترنتی ایجاد نمیکند. اگر ابزار قابلیت جستوجو نداشته باشد، باید اطلاعات متغیر را از منابع معتبر دیگری بررسی کنید.
تکنیک چهاردهم: برای کارهای تکراری، پرامپت قالبدار بسازید
اگر هر روز کار مشابهی انجام میدهید، لازم نیست هر بار پرامپت را از ابتدا بنویسید. یک قالب استاندارد طراحی کنید و اطلاعات متغیر را در بخشهای مشخص قرار دهید.
برای مثال، قالب تولید توضیحات محصول میتواند چنین باشد:
پرامپت آماده:
برای محصول زیر، توضیحی دقیق و قابل فهم برای فروشگاه اینترنتی بنویس.
نام محصول: [نام محصول]
ویژگیهای تأییدشده: [ویژگیها]
مخاطب هدف: [نوع مشتری]
مزیت اصلی: [مزیت محصول]
محدودیتها:
- فقط از اطلاعات ارائهشده استفاده کن.
- ویژگیهای تأییدنشده را به محصول نسبت نده.
- متن را روان و بدون تکرار بنویس.
- از وعدههای اغراقآمیز خودداری کن.
قالب خروجی:
- معرفی کوتاه
- ویژگیهای اصلی
- کاربرد محصول
- نکات مهم پیش از خرید
این الگو را میتوان برای تولید مقاله، پاسخ به پرسشهای متداول، تهیه گزارش، نوشتن ایمیل و بسیاری از کارهای تکراری دیگر نیز تنظیم کرد.
تکنیک پانزدهم: پرامپت را آزمایش و بهینهسازی کنید
حتی پرامپتی که در یک موقعیت نتیجه خوبی میدهد، ممکن است برای وظیفهای دیگر یا در نسخه متفاوت یک مدل به همان اندازه مؤثر نباشد. بنابراین، بهتر است بهجای جستوجوی یک پرامپت جادویی، آن را آزمایش و اصلاح کنید.
برای این کار:
۱. یک وظیفه مشخص انتخاب کنید.
۲. نسخه اولیه پرامپت را بنویسید.
۳. خروجی را با معیارهای تعیینشده بررسی کنید.
۴. یک تغییر مشخص در پرامپت ایجاد کنید.
۵. خروجی جدید را با نسخه قبلی مقایسه کنید.
۶. نسخه بهتر را ذخیره کنید و آزمایش را با وظایف مشابه ادامه دهید.
برای مثال، اگر هدف تولید توضیحات محصول است، میتوانید بررسی کنید که اضافه کردن مخاطب هدف، نمونه خروجی یا محدودیت تعداد کلمات چه تأثیری بر نتیجه دارد.
راهنمای رسمی Google نیز بر تکرار، آزمایش عبارتبندیهای متفاوت و اصلاح تدریجی پرامپتها تأکید میکند.
آموزش پرامپت نویسی از صفر تا پیشرفته؛ راهنمای کامل با مثالهای کاربردی
یک الگوی جامع برای نوشتن پرامپت حرفهای
اکنون که با ۱۵ تکنیک آشنا شدید، میتوانید آنها را در یک الگوی ساده ترکیب کنید. لازم نیست در همه درخواستها تمام بخشها را پر کنید؛ فقط مواردی را نگه دارید که برای انجام وظیفه ضروری هستند.
الگوی پرامپت:
نقش: [از چه دیدگاهی به مسئله نگاه کن]
هدف: [دقیقاً چه کاری انجام بده]
زمینه: [اطلاعات ضروری درباره مسئله]
مخاطب: [پاسخ برای چه کسی است]
مراحل انجام کار: [در صورت نیاز، مراحل را مشخص کن]
معیارهای کیفیت: [چه ویژگیهایی باید رعایت شوند]
محدودیتها: [چه کارهایی نباید انجام شوند]
قالب خروجی: [پاسخ را در چه ساختاری ارائه کن]
بررسی نهایی: [چه مواردی باید پیش از ارائه پاسخ بررسی شوند]
مثال کامل از کاربرد الگو
فرض کنید میخواهید برای یک وبسایت آموزشی، ایدههای مقاله تولید کنید.
پرامپت نهایی:
«مانند یک استراتژیست محتوای آموزشی عمل کن. برای یک وبسایت فارسیزبان در حوزه هوش مصنوعی، ۱۰ ایده مقاله برای کاربران مبتدی پیشنهاد بده.
زمینه: وبسایت تازهکار است و هدف آن جذب مخاطب از طریق جستوجوی گوگل است.
مخاطب: کاربران فارسیزبانی که تجربه محدودی در استفاده از هوش مصنوعی دارند.
معیارهای کیفیت:
- موضوعات تکراری نباشند.
- هر عنوان به یک نیاز مشخص مخاطب پاسخ بدهد.
- برای هر عنوان، هدف احتمالی جستوجو و زاویه محتوایی متمایز ارائه کن.
- از ادعای حجم جستوجوی بالا بدون داده معتبر خودداری کن.
- برای اعتبارسنجی تقاضای جستوجو، ابزار یا روش مناسب پیشنهاد بده.
قالب خروجی: جدول شامل عنوان مقاله، نیاز مخاطب، هدف جستوجو و زاویه پیشنهادی محتوا.
در پایان، سه ایدهای را که برای شروع مناسبترند انتخاب کن و دلیل انتخاب را توضیح بده.»
این نمونه، هدف، زمینه، مخاطب، معیارهای کیفیت و قالب خروجی را در یک درخواست ترکیب میکند. اگر داده واقعی جستوجو در دسترس نباشد، نتیجه باید بهعنوان پیشنهاد اولیه در نظر گرفته شود و پیش از تصمیمگیری نهایی اعتبارسنجی شود.
اشتباهاتی که حتی در پرامپتهای حرفهای باید از آنها دوری کنید
استفاده از تکنیکهای پیشرفته نیز تضمین نمیکند که هر پاسخ کاملاً دقیق باشد. برای نتیجه بهتر، مراقب این خطاها باشید:
- طولانی کردن غیرضروری درخواست: توضیحات تکراری را حذف کنید.
- تعارض میان دستورها: اگر همزمان متن بسیار کوتاه و توضیح کامل میخواهید، اولویت خود را مشخص کنید.
- استفاده از اطلاعات ناقص: در صورت نیاز، دادههای ضروری را پیش از درخواست نهایی فراهم کنید.
- اعتماد به ادعاهای بدون منبع: اطلاعات مهم را مستقل بررسی کنید.
- تعیین معیارهای مبهم: «کیفیت بالا» را با معیارهای قابل ارزیابی جایگزین کنید.
- نادیده گرفتن محدودیتهای ابزار: همه مدلها قابلیت جستوجو، اجرای کد یا پردازش فایل یکسانی ندارند.
- استفاده از یک پرامپت برای همه وظایف: درخواست تولید تصویر با درخواست تحلیل داده یکسان نیست و باید متناسب با نوع کار تنظیم شود.
جمعبندی
برای نوشتن پرامپت حرفهای، لازم نیست از دستورهای عجیب یا عبارتهای پیچیده استفاده کنید. مهمترین کار این است که هدف خود را روشن کنید، زمینه مناسب ارائه دهید، مخاطب و محدودیتها را مشخص کنید و قالب خروجی را متناسب با نیازتان انتخاب کنید.
۱۵ تکنیک این مقاله به شما کمک میکنند درخواستهای دقیقتری بنویسید، پاسخهای کلی را به خروجیهای کاربردیتر تبدیل کنید و با ارزیابی و اصلاح تدریجی، کیفیت نتایج را افزایش دهید.
از یک وظیفه واقعی شروع کنید؛ مثلاً نوشتن یک مقاله، طراحی برنامه محتوایی یا مقایسه چند ابزار. ابتدا یک پرامپت ساده بنویسید، پاسخ را بررسی کنید و سپس با افزودن اطلاعات یا معیارهای ضروری آن را بهبود دهید. با تکرار این فرایند، بهتدریج الگوهایی خواهید ساخت که برای کارهای روزمره و حرفهای شما کاربرد دارند.

