رفتن به محتوای اصلی

پرامپت نویسی و پرامپت‌های کاربردی

فهرست


مقدمه و آشنایی اولیه با مهندسی پرامپت

مهندسی پرامپت1 یا پرامپت‌نویسی، هنر و علم طراحی دستورالعمل‌های دقیق و مؤثر برای هدایت مدل‌های هوش مصنوعی (AI) به سمت تولید خروجی‌های مطلوب است. به زبان ساده، پرامپت همانند یک فرمان، سوال یا ورودی متنی است که شما به یک سیستم هوش مصنوعی، مانند یک چت‌بات یا یک مولد تصویر، ارائه می‌دهید تا پاسخ یا نتیجه خاصی دریافت کنید. برای مثال، به جای اینکه به یک مدل هوش مصنوعی بگویید "درباره گربه‌ها بنویس"، یک پرامپت مهندسی‌شده می‌تواند اینگونه باشد: "یک پاراگراف کوتاه در مورد تاریخچه اهلی شدن گربه‌ها در مصر باستان بنویس و به نقش آن‌ها در اساطیر اشاره کن." در دنیای امروز که هوش مصنوعی به سرعت در حال پیشرفت است، پرامپت‌ها نقشی حیاتی ایفا می‌کنند؛ آن‌ها کلید ارتباط مؤثر ما با این فناوری‌های پیچیده هستند و به ما امکان می‌دهند تا از پتانسیل عظیم آن‌ها در حوزه‌های مختلف، از تولید محتوا و تحلیل داده گرفته تا حل مسائل پیچیده، به بهترین شکل بهره‌مند شویم.

این سند با هدف اصلی سرعت بخشیدن به فرآیند استفاده از ابزارهای هوش مصنوعی و همچنین بهره‌گیری از تجربیات جمعی در استفاده از پرامپت‌های کارآمد و بهینه تهیه شده است. در این مجموعه، ما پرامپت‌های پرکاربرد و آزمایش‌شده خود را ذخیره، دسته‌بندی و به‌روزرسانی می‌کنیم تا در هنگام نیاز، به سرعت و با اطمینان از کیفیت، به آن‌ها دسترسی داشته باشیم و بتوانیم وظایف خود را با کارایی بیشتری انجام دهیم. برای عزیزانی که علاقه‌مند به آشنایی عمیق‌تر و یادگیری مبانی و تکنیک‌های پیشرفته‌تر مهندسی پرامپت هستند، جدولی حاوی منابع آموزشی منتخب و معتبر در این حوزه ارائه شده است که برای مطالعه و تعمق بیشتر در دسترس خواهد بود.

منابع آموزش و آشنایی با مفاهیم پایه‌ای مهندسی پرامپت

image.png


دوره Google Prompting Essentials

  • لینک‌ اصلی در پلتفرم آموزشی Coursera
  • فایل‌های این دوره دانلود شده و در شبکه داخلی مؤسسه قرار داده شده‌اند که مسیر دسترسی به آن‌ها نیز در ادامه آمده است. زیرنویس فارسی این ویدئوها به همراه فایل ویدئویی قرار دارد و برای استفاده از آن‌ها کافی است در پلیر ویدئو، زبان subtitle را به Farsi تغییر دهید.

\\sarmadserver\Tutorials-IT\AI & Data Science\Google Prompting Essentials

image.png

کتاب منتشر شده توسط گوگل در مورد اصول پرامپت نویسی

Prompting guide 101

A quick-start handbook
for effective prompts

Google Prompting Guide - gemini-for-google-workspace-prompting-guide-101.pdf  | (Link on Google website)
کتاب جامعی در مورد پراپمت نویسی و ساختار LLM ها
کتابخانه‌های پرامپتمستندات و راهنماهای منتشر شده از سوی شرکت‌های توسعه‌دهنده مدل‌های زبانی بزرگ (LLM)، به لحاظ کیفی، بر پرامپت‌های پراکنده در فضای مجازی برتری قابل توجهی دارند.

⬅️ کتابخانه پرامپت آنتروپیک

⬅️ مجموعه پرامپت‌های آماده ChatGPT

منابع آموزشی پراکنده در حوزه پرامت‌نویسی

نکات کلی و کاربردی برای نوشتن پرامپت‌های بهتر و موثرتر

  • نقش مدل را مشخص کنید: پرامپت خود را با تعیین یک نقش مشخص برای مدل زبانی آغاز کنید (مانند «تو الان یه مدیر خدمات مشتری هستی»). این کار به مدل کمک می‌کند تا در چارچوب ذهنی و رفتاری درستی قرار گیرد.
  • وظیفه اصلی را به وضوح تعریف کنید: دقیقاً به مدل بگویید که چه کاری از او انتظار دارید (مانند «بگو بررسی کن فلان درخواست رو تایید کنیم یا نه؟»). شفافیت در تعریف وظیفه بسیار مهم است.
  • برنامه و مراحل کار را ارائه دهید: برای کارهای پیچیده‌تر، یک برنامه کلی (high-level plan) به مدل بدهید و آن را به مراحل منطقی تقسیم کنید.
  • نکات مهم و محدودیت‌ها را ذکر کنید: به مدل بگویید که چه چیزهایی را باید در نظر بگیرد یا از انجام چه کارهایی (مانند استفاده از ابزارهای نامطلوب) خودداری کند.
  • ساختار دقیق خروجی را مشخص کنید: فرمت مورد نیاز برای پاسخ مدل را دقیقاً تعیین کنید. این کار به خصوص برای یکپارچه‌سازی خروجی مدل با ابزارها یا ایجنت‌های دیگر ضروری است.
  • از قالب‌بندی‌ها استاندارد (مانند Markdown) استفاده کنید: استفاده از قالب‌بندی‌هایی مانند Markdown برای سرفصل‌ها و لیست‌ها برای ساختاردهی اطلاعات، باعث می‌شود مدل‌ها پرامپت را بهتر دنبال کرده و نتایج دقیق‌تری بدهند. خروجی را نیز خواناتر میکند.
  • نحوه استدلال را مشخص و مثال ارائه دهید: توضیح دهید که مدل چگونه باید در مورد وظیفه فکر کند. ارائه یک الگوی فکری و چندین مثال مناسب، به مدل کمک می‌کند تا مقصود شما را دقیق‌تر درک کند.
  • از «متا پرامپتینگ2» بهره ببرید: به جای اینکه همیشه خودتان پرامپت‌ها را ویرایش کنید، از خود مدل زبانی (LLM) برای کمک به نقد و بهبود پرامپت‌هایتان استفاده کنید. می‌توانید به مدل نقش یک "مهندس پرامپت متخصص" را بدهید و پرامپت فعلی خود را به آن بدهید تا پیشنهاد ویرایش دهد.
  • یک "دریچه فرار3" برای مدل ایجاد کنید: به مدل دستور دهید که در صورت نداشتن اطلاعات کافی برای تصمیم‌گیری نهایی، به جای "توهم‌زایی" (hallucination) و ارائه اطلاعات ساختگی، این موضوع را گزارش داده یا درخواست اطلاعات بیشتر کند. این اطلاعات گزارش‌شده می‌تواند مانند یک لیست وظایف (to-do list) برای توسعه‌دهنده ایجنت باشد.
  • "ردپای استدلال4" مدل را بررسی کنید: در مدل‌هایی که این قابلیت را دارند (مانند Gemini Pro)، به روند فکری داخلی مدل نگاه کنید. این اطلاعات به شما کمک می‌کنند بفهمید مدل چگونه به نتیجه رسیده و چگونه می‌توانید آن را در جهت مورد نظر هدایت کنید.
  • برای تصمیم‌گیری یا امتیازدهی، معیار ارائه دهید: اگر از مدل می‌خواهید بر اساس معیارهای خاصی تصمیم‌گیری کند یا امتیازی بدهد، یک معیار واضح به او بدهید. تجربه نشان داده که مدل‌های مختلف ممکن است این معیارها را با انعطف‌پذیری متفاوتی اعمال کنند و در این زمینه شخصیت‌های متفاوتی داشته باشند (یکی سفت و سخت، دیگری منعطف‌تر).
  • پرامپت‌های پیچیده را ساختاردهی کنید: برای پروژه‌ها یا مشتریان مختلف، می‌توانید از یک معماری چند لایه برای پرامپت استفاده کنید. به عنوان مثال، System Prompt برای تعریف API کلی شرکت، Developer Prompt برای افزودن زمینه خاص مشتری، و User Prompt برای ورودی کاربر نهایی. این کار به مدیریت پیچیدگی و انعطاف‌پذیری کمک می‌کند.

متا پرامپتینگ25 و پرامپت‌نویسی دو مرحله‌ای

در فرآیند نوشتن دستور (پرامپت) برای هوش مصنوعی، گاهی بهترین راه برای رسیدن به نتیجه مطلوب، دادن یک دستور مستقیم نیست. در عوض، می‌توانیم از یک رویکرد پیشرفته‌تر و هوشمندانه‌تر استفاده کنیم که به آن «پرامپت‌نویسی دو مرحله‌ای» یا در ادبیات تخصصی «متا پرامپتینگ» (Meta-Prompting) می‌گویند. در این روش، شما به جای اینکه مستقیماً از هوش مصنوعی بخواهید کاری را انجام دهد، ابتدا از او به عنوان یک "متخصص پرامپت‌نویسی" استفاده می‌کنید. یعنی از خودِ هوش مصنوعی می‌خواهید که بهترین دستور ممکن را برای انجام وظیفه نهایی شما طراحی کند.

پیاده‌سازی این تکنیک بسیار ساده است. کافی است در دستور اولیه خود، یک طرح کلی و حرفه‌ای برای هوش مصنوعی ترسیم کنید. این طرح معمولاً با تعریف یک نقش تخصصی برای آن (مثلاً «تو یک استراتژیست بازاریابی هستی»)، مشخص کردن وظیفه اصلی او (که همان «نوشتن یک پرامپت عالی» است) و ارائه چند دستورالعمل کلیدی مانند لحن، سبک و مخاطب هدف انجام می‌شود. با این کار، شما به هوش مصنوعی یک چارچوب فکری می‌دهید تا دستوری دقیق و ساختاریافته تولید کند.

برای درک تفاوت این رویکرد، مثال زیر را ببینید:
  • پرامپت ساده:

    "یک شعر در مورد بهار بنویس."

  • یک متا پرامپت قدرتمند:

    "تو یک شاعر مسلط به سبک کلاسیک فارسی هستی. وظیفه تو این است که یک پرامپت دقیق برای سرودن یک غزل عاشقانه در وصف بهار بنویسی که در آن به آرایه‌های ادبی مانند تشبیه و استعاره و لحن لطیف و عارفانه نیز تاکید شده باشد."

پرامپتی که هوش مصنوعی در پاسخ به این درخواست جامع تولید می‌کند، یک دستورالعمل حرفه‌ای خواهد بود که با استفاده مجدد از آن، به نتیجه‌ای بسیار باکیفیت‌تر دست خواهید یافت. با این روش، شما از یک درخواست‌کننده ساده به یک **«معمار»** یا **«کارگردان»** برای خروجی هوش مصنوعی تبدیل می‌شوید و کنترل بسیار بیشتری بر کیفیت محصول نهایی، به خصوص در وظایف پیچیده و خلاقانه، خواهید داشت.

مقیاس‌ها در پرامپت‌نویسی : ابزار دقیق برای کنترل خروجی هوش مصنوعی

وقتی از مقیاس‌ها (عددی، توصیفی یا نسبی) در #پرامپت استفاده می‌کنی، خروجی مدل دقیق‌تر، قابل‌پیش‌بینی‌تر و متناسب با نیازت می‌شه.

انواع مقیاس‌ها و کاربردها:

  • عددی: «سطح تخصص را 8 از 10 قرار بده (در حد دانشجوی کارشناسی ارشد زیست‌شناسی)»
  • نسبی: «بیان ساده ولی نه سطحی، طوری که یک دبیر فیزیک لذت ببره»
  • توصیفی: «بیان علمی ولی قابل فهم برای عموم، شبیه مقالات علمی‌ترویجی»
  • ترتیبی: «مراحل فتوسنتز را از مهم‌ترین تا جزئی‌ترین مرتب کن»

مثال‌های علمی:

  • «مفهوم "آنتروپی" را با پیچیدگی 7 از 10 توضیح بده؛ مناسب دانش‌آموزان دبیرستانی با پیش‌زمینه قوی فیزیک»
  • «یک خلاصه از #نظریه تکامل داروین بنویس، لحن رسمی 9/10، با سطح جزئیات در حد مقاله علمی مروری»
  • «مفهوم "نورون‌های آینه‌ای" را با #خلاقیت 6/10 و لحن جذاب برای مخاطب علاقه‌مند به علوم اعصاب ارائه بده»

الگوی پیشنهادی پرامپت: [موضوع] + [سطح تخصص یا پیچیدگی با عدد] + [لحن یا سبک با عدد یا توصیف] + [مخاطب هدف]

استفاده از مقیاس، مثل داشتن درجه تنظیم در مکالمه با هوش مصنوعیه .

Context Engineering

مهندسی زمینه (Context Engineering) رویکردی پیشرفته در هوش مصنوعی است که بر چیدمان دقیق اطلاعات، ابزارها و دستورالعمل‌ها برای «عامل‌های هوشمند» (AI Agents) تمرکز دارد.

برخلاف مهندسی پرامپت که برای گفتگوهای ساده کاربرد دارد، این روش برای ساخت سیستم‌های مستقلی مانند پشتیبان فروشگاه آنلاین ضروری است، زیرا به جای یک دستور لحظه‌ای، یک نقشه راه کامل و از پیش طراحی‌شده در اختیار هوش مصنوعی قرار می‌دهد. این نقشه راه به عامل هوشمند می‌آموزد که چه وظیفه‌ای را، چگونه و با چه ابزاری انجام دهد و در نتیجه، می‌تواند وظایف پیچیده را به صورت خودکار، با کمترین خطا و بدون نیاز به دخالت مداوم کاربر به سرانجام برساند.

برای درک بهتر، تفاوت آن را با مهندسی پرامپت در نظر بگیرید. در مهندسی پرامپت، شما صرفاً یک دستور ساده صادر می‌کنید؛ مانند اینکه بگویید «یک تخم‌مرغ بپز.» اما در مهندسی زمینه، یک عامل هوشمند (Agent) طوری طراحی می‌شود که خودش با دسترسی به دانش لازم، تمام جزئیات دقیق برای پخت یک «تخم‌مرغ عسلی با زرده روان» را فراهم کرده و در اختیار مدل قرار می‌دهد.

این تفاوت در کاربردهای واقعی برجسته‌تر هم می‌شود. یک چت‌بات ساده که با مهندسی پرامپت کار می‌کند، می‌تواند به سوالی مثل «بهترین رنگ کفش برای دویدن چیست؟» پاسخ دهد. در مقابل، یک «عامل پشتیبانی فروشگاه» که با مهندسی زمینه ساخته شده، به طور خودکار به پایگاه داده موجودی، سوابق خرید مشتری و سیستم ارسال متصل است. در نتیجه، این عامل می‌تواند بدون نیاز به ورود اطلاعات توسط کاربر، به سوالات پیچیده‌ای مانند «سفارش من با شماره ۱۲۳ کجاست؟» پاسخی دقیق و عملیاتی بدهد.

بنابراین، مهندسی زمینه به جای تمرکز بر نوشتن یک دستور خوب، بر طراحی یک «سیستم» کامل و مستقل تمرکز دارد که در آن، هوش مصنوعی نقشه راه دقیقی برای انجام خودکار وظایف در اختیار دارد.

tut

غلبه بر سوگیری تأییدی در پاسخ دریافتی از مدل‌های زبانی

کاربران اغلب هنگام مطرح کردن یک ایده با مدل‌های زبانی، با پاسخ‌هایی مواجه می‌شوند که ایده آن‌ها را بیش از حد تأیید می‌کند. این حالت چاپلوسانه و «بله‌قربانگو» بودن در عملکرد این مدل‌ها، نه یک نقص فنی یا باگ الگوریتمی، بلکه رفتاری عمدی است. این رفتار به منظور دریافت ارزیابی خوب از سوی کاربر انجام می‌شود و بخشی از فرآیند «یادگیری تقویتی از طریق بازخورد انسانی36 » است. تأیید بی‌چون‌وچرای ایده‌ها توسط هوش مصنوعی، به خصوص زمانی که کاربر قصد دارد بر اساس آن تصمیمات مهم و هزینه‌زا (مانند ایده‌های کسب و کار) بگیرد، می‌تواند آسیب‌زننده و مشکل‌ساز باشد.

تمایل مدل‌های زبانی به تأیید ایده کاربر، تقلیدی از یک تمایل روان‌شناختی است که در اکثر انسان‌ها وجود دارد و «سوگیری تأییدی» یا Confirmation Bias نامیده می‌شود. سوگیری تأییدی یعنی تمایل به جمع‌آوری اطلاعات، شواهد و استدلال‌هایی که باورهای موجود یا مطلوب فرد را تأیید کنند و تلاش ناچیز برای یافتن شواهدی که آن باورها را رد می‌کنند. اگر کاربر روش‌های اصولی را اجرا نکند، مدل‌ زبانی نیز دقیقاً همین کار را انجام می‌دهد؛ یعنی برای تأیید نظر کاربر شواهد و منطق می‌آورد و در نتیجه، ارزیابی‌ای که کاربر از ایده خود به دست می‌آورد، بسیار غیرواقع‌بینانه خواهد بود.

آزمایش‌های انجام شده نشان می‌دهند که سوگیری تأییدی یک مشکل فراگیر است و ارتباطی به نوع مدل مورد استفاده ندارد؛ چه از مدل‌های سریع و رایگان استفاده شود، چه مدل‌های Thinking و غیره. برای جلوگیری از این سوگیری، لازم است که کاربران فعالانه و آگاهانه عمل کرده و صرفاً به دانستن وجود سوگیری اکتفا نکنند.

راهکار اصلی برای غلبه بر سوگیری تأییدی، استفاده از یک پرامپت انتقادی است که می‌تواند در بخش دستورالعمل‌های سفارشی47 که بعضی چت‌بات‌ها ارائه می‌دهند یا به صورت مجزا در ابتدای هر پرسش یا پرامپت قرار گیرد. این پرامپت باید از هوش مصنوعی بخواهد که تمجیدهای بی‌مورد را کنار بگذارد، ایده‌ها را نقادانه بررسی کند، فرضیات پنهان را زیر سؤال ببرد، دیدگاه‌های مخالف را مطرح نماید و در صورت تأیید ایده، حتماً بر پایه شواهد معتبر و منطق استدلال بچیند. راهکار دوم برای دستیابی به یک درک واقع‌بینانه، درخواست صریح از مدل‌ زبانی است تا پاسخ سؤال را از سه زاویه مختلف ارائه دهد: دیدگاه بی‌طرف، دیدگاه مخالف و دیدگاه مثبت.

پرامپت پیشنهادی

پرامپت زیر می‌تواند برای غلبه بر سوگیری تأییدی در پرامت‌های تعامل با مدل‌های زبانی، مورد استفاده قرار گیرد:

در تمام پاسخ‌هایت، به جای تمجید و سوگیری، روی محتوا تمرکز کن. از تعارف‌های غیرضروری خودداری کن. با ایده‌های من نگاهی منتقدانه داشته باش و فرضیاتم را، حتی موارد پنهان آن، به چالش بکش. سوگیری‌هایم را شناسایی کن و در صورت لزوم، نظر مخالف ارائه بده. از مخالفت با من نترس و اطمینان داشته باش که هرگونه تأیید تو نسبت به نظرات و ایده‌هایم، بر پایه‌ی منطق و شواهد است.

قانون 80/20 پارتو در پرامپت‌نویسی

قانون پارتو می‌گه: «۸۰٪ نتیجه، از ۲۰٪ ورودی‌های مهم به‌دست میاد.»

پرامپت‌ پیشنهادی پارتویی:

I want to learn about the {موضوع یا حرفه ای که میخواهید یاد بگیرید} topic. Identify and share the most important 20% of learnings from this topic that will help me understand 80% of it.

«می‌خوام با استفاده از قانون ۲۰/۸۰، این متن/درس/مفهوم رو خلاصه کنی. یعنی فقط ۲۰٪ محتوایی رو بگو که ۸۰٪ ارزش، یادگیری یا نتیجه رو ایجاد می‌کنه. نکات رو به ترتیب اهمیت بگو و در حد امکان ساده و قابل فهم توضیح بده. در پایان اگر لازم بود، یک مثال کوتاه بزن.»

این پرامپت با بهره‌گیری از قانون ۸۰/۲۰ (که به قانون پارتو معروف است)، به فرد کمک می‌کند تا در زمان کمتری، بیشترین میزان یادگیری را از یک موضوع خاص به دست آورد. به جای اینکه فرد برای یادگیری همه جزئیات و موضوعات مرتبط وقت زیادی صرف کند، پرامپت از او می‌خواهد که به ۲۰ درصد از محتوایی که بیشترین تأثیر را دارد، تمرکز کند. این ۲۰ درصد شامل نکات کلیدی، مفاهیم بنیادی، و مطالبی است که به فرد کمک می‌کند تا ۸۰ درصد از موضوع را درک کند.

مدیریت حافظه هوش مصنوعی در گفتگوهای طولانی

توصیه کاربردی: برای بهره‌وری بیشتر در کار با دستیارهای هوش مصنوعی، به‌خصوص در مکالمات چندمرحله‌ای و پیچیده، به خاطر داشته باشید که این مدل‌ها ممکن است در میانه راه دچار سردرگمی شوند. تحقیقات نشان می‌دهد که با افزایش طول گفتگو، مدل‌ها تمایل دارند به پاسخ‌های اولیه خود (حتی اگر اشتباه باشند) بچسبند و اطلاعاتی را که در میانه مکالمه به آن‌ها داده‌اید، فراموش کنند که این امر منجر به افت کیفیت و دقت پاسخ‌ها می‌شود. بهترین راهکار برای مقابله با این مشکل، «شروع دوباره هوشمندانه» است. اگر احساس کردید که مدل دیگر منظور شما را به درستی درک نمی‌کند، به جای تلاش برای اصلاح آن در همان گفتگو، یک چت جدید باز کنید و تمام اطلاعات و دستورالعمل‌های لازم را به صورت یکجا و منسجم در اختیارش قرار دهید. یک تکنیک مؤثر دیگر این است که از خودِ مدل بخواهید خلاصه‌ای از مباحث مطرح‌شده را به شما بدهد، سپس آن خلاصه را در یک پنجره چت جدید کپی کرده و گفتگو را از آن نقطه ادامه دهید تا با یک زمینه (Context) تمیز و متمرکز، عملکرد دقیق‌تری داشته باشد.

پرامپت نویسی با JSON

راهنمای پرامپت‌نویسی ساختاریافته با استفاده از JSON
JSON چیست و چه کاربردی در پرامپت‌نویسی دارد؟

واژه JSON مخفف عبارت JavaScript Object Notation است. اگرچه نام کامل آن ممکن است فنی به نظر برسد، اما مفهوم آن در عمل بسیار ساده است. JSON یک قالب استاندارد و سبک برای ساختاردهی به داده‌ها با استفاده از جفت‌های کلید-مقدار (key-value) است که خوانایی بالایی برای انسان و پردازش ساده‌ای برای ماشین دارد.

برای درک بهتر، JSON را می‌توان به یک فرم سفارش دقیق تشبیه کرد. در این فرم، هر مشخصه (مانند اندازه پیتزا، نوع خمیر و مواد افزودنی) به وضوح برچسب‌گذاری شده و مقدار آن مشخص است. این ساختار دقیق، هرگونه ابهام یا نیاز به تفسیر را از بین می‌برد و تضمین می‌کند که خروجی دقیقاً مطابق با ورودی تعریف‌شده باشد.

مثال ساده از ساختار JSON:

JSON
{
  "name": "Sara",
  "age": 28,
  "city": "Tehran"
}

مثال سفارش پیتزا در قالب JSON:

JSON
{
  "size": "Large",
  "crust": "Thin",
  "toppings": ["Mushrooms", "Olives", "Cheese"]
}

همان‌طور که مشاهده می‌شود، تمامی پارامترها به شکلی شفاف و بدون ابهام تعریف شده‌اند.

چالش اصلی در پرامپت‌نویسی با زبان طبیعی

زبان طبیعی، با وجود قدرت بالای بیانی خود، ذاتاً دارای ابهام است. زمانی که از یک مدل هوش مصنوعی با دستوری کلی مانند «این ایمیل را خلاصه کن» یا «نکات مهم آن را استخراج کن» استفاده می‌کنیم، فضای زیادی برای تفسیرهای چندگانه ایجاد می‌کنیم. این امر می‌تواند منجر به تولید خروجی‌های غیردقیق یا نامرتبط شود؛ پدیده‌ای که با عنوان «هذیان‌گویی» (Hallucination) شناخته می‌شود.

در این نقطه، پرامپت‌نویسی مبتنی بر JSON به عنوان یک راه‌حل کارآمد مطرح می‌شود. مدل‌های هوش مصنوعی پیشرفته بر روی مجموعه‌های عظیمی از داده‌های ساختاریافته، از جمله APIها و داده‌های وب، آموزش دیده‌اند. بنابراین، تعامل با آن‌ها از طریق یک قالب ساختاریافته که برایشان قابل فهم است، به پاسخ‌های دقیق‌تر و قابل‌اعتمادتری منجر می‌شود.

مزایای کلیدی پرامپت‌نویسی با JSON
  1. قطعیت از طریق ساختار: JSON با الزام به تعریف ورودی در قالب «فیلد و مقدار»، هرگونه ابهام و نیاز به تفسیر را از بین می‌برد. مدل دقیقاً می‌داند چه پارامترهایی را باید در نظر بگیرد و چه مقادیری را به آن‌ها اختصاص دهد.

  2. کنترل دقیق بر فرمت خروجی: پرامپت‌نویسی مؤثر تنها به تعریف ورودی محدود نمی‌شود، بلکه شامل تعیین ساختار خروجی مورد انتظار نیز هست. با استفاده از JSON، می‌توان فرمت خروجی را به شکلی دقیق مشخص کرد تا نتایج همواره ساختاری یکسان و قابل پیش‌بینی داشته باشند.

  3. قابلیت استفاده مجدد و مقیاس‌پذیری: پرامپت‌های JSON را می‌توان به عنوان قالب‌های استاندارد ذخیره و به دفعات استفاده کرد. این ویژگی به تیم‌ها اجازه می‌دهد تا خروجی‌های همسان و استانداردی تولید کنند و نتایج را به طور مستقیم و بدون نیاز به پردازش دستی، در API‌ها، پایگاه‌های داده یا سایر برنامه‌ها به کار گیرند. این امر به افزایش کارایی، سرعت و پایداری فرآیندها منجر می‌شود.

کاربرد نوین در تولید ویدیو

اگرچه این تکنیک برای انواع مدل‌های هوش مصنوعی کاربردی است، اما اخیراً به دلیل تأثیر چشمگیر آن در مدل‌های تولید ویدیو، توجه ویژه‌ای به خود جلب کرده است. استفاده از JSON برای تعریف دقیق پارامترهای صحنه، حرکت دوربین، مشخصات کاراکتر و عناصر بصری، به کاربران امکان می‌دهد تا خروجی‌هایی با دقت و کیفیت هنری بالا تولید کنند.

در بخش بعد، نمونه‌هایی از ویدیوهای تولید شده به همراه پرامپت‌های JSON مربوط به آن‌ها ارائه خواهد شد.

وب سایت دانلود پرامپت های ویدیوی Veo3 : بانکی از انواع پرامت‌های آماده JSON برای ساخت ویدئوهای هوش مصنوعی با هوش مصنوعی

پالایش مکرر دستور58 : کلیدی برای دریافت بهترین پاسخ از هوش مصنوعی

پالایش مکرر دستور یا "Iterative Prompt Refinement"، فرآیندی است که در آن کاربر به صورت گام به گام و طی چندین مرحله، دستور یا «پرامپت» (Prompt) خود را به مدل‌های هوش مصنوعی (مانند ChatGPT، Gemini و...)1 بهبود می‌بخشد تا به دقیق‌ترین، مرتبط‌ترین و باکیفیت‌ترین پاسخ ممکن دست یابد. این رویکرد به جای تلاش برای نوشتن یک دستور بی‌نقص در همان ابتدا، بر یک چرخه بهبود مستمر استوار استچرا پالایش مکرر دستور اهمیت دارد؟

دل‌های زبانی بزرگ (LLMs) بر اساس دستوری که دریافت می‌کنند، پاسخ تولید می‌کنند.2 هرچه دستور واضح‌تر، دقیق‌تر و حاوی جزئیات بیشتری باشد، خروجی مدل نیز به همان نسبت به خواسته‌ی کاربر نزدیک‌تر خواهد بود. پالایش مکرر به شما این امکان را می‌دهد که:

  • ابهام را کاهش دهید: دستورات اولیه ممکن است کلی یا مبهم باشند. با هر بار پالایش، می‌توانید منظور خود را شفاف‌تر بیان کنید.

  • پاسخ را هدایت کنید: می‌توانید با افزودن جزئیات، تعیین نقش برای هوش مصنوعی (مثلاً "مانند یک کارشناس بازاریابی عمل کن") یا ارائه مثال، پاسخ را به سمت و سوی دلخواه خود هدایت نمایید.3

  • کیفیت خروجی را افزایش دهید: این فرآیند به تولید محتوای دقیق‌تر، خلاقانه‌تر و کاربردی‌تر منجر می‌شود.

مراحل اصلی پالایش مکرر دستور

این فرآیند معمولاً شامل چند مرحله ساده است:

  1. ارائه دستور اولیه: با یک دستور ساده و کلی شروع کنید که هدف اصلی شما را مشخص می‌کند.
  2. تحلیل پاسخ دریافتی: خروجی هوش مصنوعی را به دقت بررسی کنید. آیا پاسخ دقیق است؟ آیا تمام جوانب مورد نظر شما را پوشش داده است؟ چه کمبودهایی در آن مشاهده می‌شود؟
  3. بهبود و اصلاح دستور: بر اساس تحلیل خود، دستور را اصلاح کنید. این کار می‌تواند شامل موارد زیر باشد:
    • افزودن جزئیات و زمینه: اطلاعات بیشتری در مورد موضوع ارائه دهید.
    • مشخص کردن فرمت خروجی: از هوش مصنوعی بخواهید پاسخ را در قالب لیست، جدول، پاراگراف یا کد ارائه دهد.
    • تعیین لحن و سبک: لحن پاسخ (رسمی، دوستانه، طنزآمیز) را مشخص کنید.
    • ارائه مثال (Few-shot Prompting): یک یا چند نمونه از ورودی و خروجی مطلوب را در دستور خود بگنجانید.4
    • محدود کردن پاسخ: طول پاسخ یا موارد مورد بررسی را محدود کنید.
  4. تکرار فرآیند: مراحل ۲ و ۳ را تا زمانی که به نتیجه‌ی مطلوب و رضایت‌بخش برسید، تکرار کنید.

مثال کاربردی

فرض کنید می‌خواهید در مورد تأثیرات تغییرات اقلیمی یک متن دریافت کنید.

  • دستور اولیه:

    در مورد تغییرات اقلیمی بنویس.

  • تحلیل پاسخ: پاسخ دریافتی احتمالاً یک متن کلی و عمومی در مورد تعریف تغییرات اقلیمی و علل آن خواهد بود. اما شما به دنبال اطلاعاتی خاص‌تر هستید.

  • دستور پالایش شده (مرحله اول):

    یک مقاله ۵۰۰ کلمه‌ای در مورد تأثیرات تغییرات اقلیمی بر کشاورزی در منطقه خاورمیانه بنویس.

  • تحلیل پاسخ: این بار پاسخ متمرکزتر است، اما شاید به راهکارها اشاره‌ای نکرده باشد.

  • دستور پالایش شده (مرحله دوم و نهایی):

    به عنوان یک کارشناس محیط زیست، یک مقاله ۵۰۰ کلمه‌ای با لحنی رسمی در مورد تأثیرات تغییرات اقلیمی بر کشاورزی (به خصوص کمبود آب و افزایش دما) در منطقه خاورمیانه بنویس. در انتهای مقاله، سه راهکار عملی برای مقابله با این چالش‌ها ارائه بده.

این دستور نهایی، با مشخص کردن نقش، تعداد کلمات، موضوع دقیق، منطقه جغرافیایی، لحن و درخواست ارائه راهکار، هوش مصنوعی را به سمت تولید یک خروجی بسیار دقیق و کاربردی هدایت می‌کند.

در نهایت، پالایش مکرر دستور یک مهارت کلیدی در "مهندسی پرامپت" (Prompt Engineering) است که به کاربران کمک می‌کند تا از تعامل خود با هوش مصنوعی بیشترین بهره را ببرند و آن را از یک ابزار ساده به یک دستیار هوشمند و توانمند تبدیل کنند.

 



ترجمه انگلیسی به فارسی

نسخه انگلیسی پرامپت ترجمه

You are a professional Persian translator with expertise in creating highly natural and fluent translations. Your goal is to make the translation sound as if it was originally written in Persian while maintaining accuracy. Please translate the following English text to Persian, considering these guidelines:

* Prioritize natural Persian flow over literal translation

* Use everyday Persian expressions and colloquialisms where appropriate

* Adapt the sentence structure to match Persian language patterns

* Maintain the exact meaning but feel free to rephrase for better flow

* Use contemporary Persian vocabulary that sounds natural to native speakers

* Consider the target audience and adjust the tone accordingly

* If there are idioms or expressions, use Persian equivalents rather than literal translations

* Break long sentences if it helps with readability in Persian

* Use connecting words and phrases that are common in Persian

* Use formal Persian expressions.

* Do not remove the numbers indicating the cited references.

Now translate this text:

"""
<YOUR_TEXT>
"""

نسخه فارسی پرامپت ترجمه

شما یک مترجم حرفه‌ای فارسی هستید که تخصص شما تولید متون طبیعی، روان و حرفه‌ای است؛ به گونه‌ای که خروجی شما به هیچ وجه حالت ترجمه لفظی یا ماشینی نداشته باشد. لطفاً متن زیر را با اصول زیر ترجمه کنید:

ساختار، معنای دقیق و منطق متن اصلی را حفظ کنید.
اگر لازم شد جملات طولانی را تقسیم و با اتصال منطقی به فارسی برگردانید.
از واژگان معیار، روان و امروزی فارسی استفاده کنید و از معادل‌سازی رایج برای اصطلاحات بهره ببرید؛ معادل انگلیسی اصطلاحات فنی را فقط در پرانتز و بعد از معادل فارسی بیاورید.
مثال‌ها، نقل‌قول‌ها و تشبیه‌ها را با معادل‌های ملموس و بومیِ فارسی بیان کنید اما منظور اصلی را دقیق منتقل کنید.
اگر جمله یا عبارت ابهام دارد، در صورت نیاز، یک توضیح کوتاه در پرانتز اضافه کنید.
لحن رسمی و در عین حال قابل فهم و متناسب با جامعه مدیران سازمان‌های غیرانتفاعی حفظ شود.
متن را به صورت پاراگرافی و منسجم، با رعایت علائم نگارشی و اتصال معنایی جملات ارائه دهید.
(نمونه ترجمه: اگر جمله «She worked hard, so she succeeded.» آمد، ترجمه کنید: «او سخت تلاش کرد و همین باعث موفقیتش شد.»)
حال متن زیر را به فارسی ترجمه کن:

پراپت سفارشی iSegaro برای ترجمه فایل‌های srt زیرنویس

Translate the following subtitle blocks to Persian.

You are an expert cinematic subtitle translator. Your primary goal is to translate the text of each block into natural, conversational, and informal Persian. The translations should be fluent and easy for a Persian-speaking viewer to understand instantly, while accurately conveying the meaning and intent of the original subtitle block. Each translated block, even if part of a larger sentence, should aim for maximum standalone coherence or lead naturally and grammatically into the next.

CRUCIAL BLOCK ISOLATION RULE:

⚠️ Do not merge, join, or combine any two input blocks. Each subtitle block MUST be translated and returned independently.
⚠️ Even if a sentence continues across multiple blocks, you must not combine its translation across multiple blocks. Instead, translate only what appears in each block—even if it results in an incomplete sentence fragment.
⚠️ Every input block must produce one and only one corresponding translated block that contains only the translated content of that block. No text from other blocks should appear in it.
⚠️ Merging content across blocks is strictly forbidden.

CONTEXT USAGE FOR SMOOTHNESS (without merging content):

You may refer to the surrounding original blocks (Block N−1 and N+1) for context only to improve fluency and word choice, but you must not include or merge their actual content into the current block's translation.
You may use the context to:

Avoid awkward repetitions.

Choose better transitional phrasing.

Adjust tone and coherence.

But: each block must stand on its own structurally.

CORE TRANSLATION TASK FOR EACH BLOCK:

Translate only the text of the current block. Prioritize fluency, natural Persian phrasing, and meaning accuracy.

Translate incomplete sentences as incomplete, keeping their natural rhythm without trying to complete them.

If a sentence clearly continues into the next block, translate the portion in this block naturally but do not carry over or merge the meaning of the next block.

If the block is empty, return an empty string.

STRICT FORMAT AND OUTPUT REQUIREMENTS:

✅ You must return exactly one translated block for every input block, in the same order.
✅ Do not skip, merge, drop, or reorder blocks.
✅ Each block's translation must be separated from the next by a double newline.
✅ Never include block numbers, labels, comments, or formatting beyond the translation text itself.
✅ Preserve line breaks that appear within a block.
✅ Again: do not join sentence parts from other blocks into the current one.
✅ The number of returned translated blocks must equal the number of input blocks. Always.

پرامت پیشنهاد شده برای ترجمه کتاب

پرامپت تقدیم شما

  • شما نقش یک مترجم حرفه‌ای کتاب‌های علمی و دانشگاهی را دارید.
  • وظیفه شما ترجمه دقیق، سلیس و روان فصل ‌به ‌فصل یک کتاب انگلیسی است.
  • لطفاً طبق موارد زیر عمل کنید
    1. ترجمه باید کاملاً روان، بومی و قابل فهم برای خواننده فارسی‌زبان باشد.
    2. از ترجمه کلمه‌به‌کلمه و تحت‌اللفظی پرهیز کرده و مفهوم هر جمله را به‌درستی منتقل کنید.
    3. اصطلاحات علمی را با معادل دقیق فارسی یا همراه با توضیح کوتاه ترجمه کنید.
    4. تنها فصل مشخص‌شده از فایل پیوست‌شده را بخوانید و ترجمه کنید.
    5. ترجمه هر فصل باید منسجم، دقیق و در سطح قابل چاپ در یک کتاب فارسی باشد.
    6. در پایان ترجمه هر فصل فقط این جمله را از من بپرسید، مایلی فصل بعدی رو ترجمه کنم؟ اکنون لطفاً محتوای فصل اول را از فایل پیوست‌شده بخوان و ترجمه روان، کامل و دقیق آن را ارائه بده

---


تجمیع دو متن

پرامپت تجمیع دو متن

I have two similar texts that I want to merge into a single cohesive version. Please consider the key ideas, tone, and structure of both texts and create a unified piece that combines the strengths of each. Ensure the final output is concise, coherent, and maintains the original intent and context of the texts. Here are the texts:

1. [Insert first text here]

2. [Insert second text here]

Please ensure:

  • Redundant phrases are avoided.
  • The tone and style are consistent throughout.
  • Contradictory points, if any, are resolved thoughtfully.
  • The final version reads smoothly as a single text.

---


خلاصه سازی یک متن

در صورتی که مایل هستید متن خلاصه، در قالب توصیف شده در بخش "<span style="color: rgb(53, 152, 219);">Format your response as follows</span>" ایجاد گردد (که چندان توصیه نمی‌گردد)، این بخش را نیز در پرامپت قرار دهید.

پرامپت خلاصه سازی متن

Please generate a comprehensive, well-structured summary of the following text. Your summary should:
• Maintain the core meaning and important subtleties of the original text
• Organize information into a clear hierarchical bullet-point structure
• Use main bullets (•) for primary concepts and sub-bullets (◦) for supporting details
• Preserve nuanced perspectives, qualifications, and contextual elements
• Eliminate redundancies and repetitive concepts without losing unique information
• Include specific examples, data points, and evidence when they add substantive value
• Group related ideas together under appropriate headings
• Maintain the original author's tone and stance on issues
• Highlight key terminology with italics where appropriate
• End with a brief section identifying any ambiguities or areas where the original text lacks clarity

Format your response as follows:
1. Title: [Create a concise, descriptive title]
2. Executive Summary: [2-3 sentence high-level overview]
3. Main Points: [Bulleted hierarchical structure]
4. Key Insights: [1-2 bullets highlighting the most important takeaways]
5. Areas for Clarification: [If applicable]

TEXT TO SUMMARIZE:
"""
<YOUR_TEXT>
"""

---


تبدیل متن فارسی به پرامپت انگلیسی بهینه برای سرویس‌های تولید تصویر (دومرحله‌ای)

سیستمی برای تولید پرامپت که با دریافت یک جمله ساده به زبان فارسی، یک پرامپت بهینه و مهندسی شده به زبان انگلیسی همراه با یک پرامپت منفی<a href="#bkmrk-footnote-1747121750966" title=" Negative"><sup>6</sup></a> ارائه می‌دهد. حتماً توجه داشته باشید که خروجی این دستور یک پرامپت اصلی و یک پرامپ منفی است که باید برای تولید تصویر به کار ببرید. بسته به مدل تولید تصویری که استفاده می‌کنید، ممکن است ابزار شما از پرامپت منفی نیز پشتیبانی کند؛ در این صورت، آن را به صورت جداگانه کپی کرده و در بخش مربوط به پرامپت منفی در ابزار تولید تصویر وارد کنید.

پرامپت فارسی:

وظیفه: متنی که ارائه می‌شود را به یک پرامپت دقیق، بهینه و توصیفی برای یک مدل هوش مصنوعی ساخت تصویر تبدیل کن.
زبان خروجی: انگلیسی
ساختار پرامپت:

توصیف دقیق: صحنه، سوژه، حالات، نورپردازی، سبک هنری
سبک و تکنیک: نقاشی، واقع‌گرایانه، سه‌بعدی، دیجیتال‌آرت، فتورئالیستی و ...
جزئیات فنی: وضوح بالا، ترکیب‌بندی، رنگ‌بندی، پرسپکتیو
ورودی: یک توصیف ساده یا ایده‌ی خام
همچنین اگر یک عکس به عنوان ورودی آپلود شد ، عکس رو به دقت آنالیز کن و به عنوان خروجی یک پرامپت بنویس که اون عکس رو تولید کنه
خروجی: پرامپت کامل و بهینه‌شده به انگلیسی
نکته مهم: پرامپت رو داخل مارک داون بنویس برای کپی کردن راحت تر
فقط و فقط خود پرامپت رو بنویس و توضیحات اضافه نده

English prompt:

Task: Transform the given input into a highly detailed, optimized, and structured prompt for AI image generation.

Output Language: English

Prompt Structure:
- Core Description: Scene, subject, expressions, lighting, mood, atmosphere , etc.
- Artistic Style & Medium: Realistic, photorealistic, 3D render, cinematic, digital painting, etc.
- Technical Enhancements: Ultra-high resolution, professional composition, depth, color grading, intricate textures
- Input: A simple description, raw idea, or reference image
- If an image is provided: Conduct a precise analysis and generate a prompt that recreates it as accurately as possible.

Key Optimization Rules:
1. Maximize Realism & Detail – Extend the initial prompt by doubling its length with additional refinements, ensuring a natural and immersive outcome.
2. Seamless Enhancement – Added details must elevate the image without introducing inconsistencies or distortions.
3. Optimized for Google Imagen 3 – Structure the prompt for best results with this specific model. but Do Not mention that in the final prompt.
4. No Aspect Ratios – Do not specify image dimensions unless explicitly required.
5. Default to Photorealism – Unless another style (e.g., comic, oil painting) is explicitly mentioned, prioritize lifelike rendering.
6. Utilize Latest Prompting Techniques – If internet access is available, incorporate cutting-edge AI imaging strategies for superior results.

Important Note:
- Write the final prompt in Markdown format for easy copying.
- Provide only the optimized prompt**—do not include any explanations or additional text.

---


تبدیل متن فارسی به پرامپت انگلیسی بهینه برای تولید ویدیو با Veo (دومرحله‌ای)

این سیستم پرامپت به این صورت عمل می‌کند که شما یک ایده ساده را به زبان فارسی وارد می‌کنید؛ سپس پرامپت، یک پرامپت بهینه و مهندسی شده همراه با یک پرامپت منفی در اختیار شما قرار می‌دهد. حتماً توجه داشته باشید که خروجی این دستور یک پرامپت اصلی و یک پرامپ منفی است که باید برای تولید ویدئئو به کار ببرید. بسته به مدل تولید ویدئویی که استفاده می‌کنید، ممکن است ابزار شما از پرامپت منفی نیز پشتیبانی کند؛ در این صورت، آن را به صورت جداگانه کپی کرده و در بخش مربوط به پرامپت منفی در ابزار تولید ویدئو وارد کنید.

سیستم پرامپت بهینه شده برای تولید ویدئو در Google AI Studio

Task: Transform the given input into a highly detailed, optimized, and structured positive prompt and a corresponding negative prompt for AI video generation.

Output Language: Only English

1. Positive Prompt Structure:

Core Description:

Scene: Detailed environment, setting.
Subject: Who or what is the main focus? Appearance?
Action & Movement: What is the subject doing? How are objects or environment moving? Describe the specific motion and pacing.
Expressions & Emotions: Facial expressions, body language, emotional tone.

Camera & Framing: Describe camera movement (pan, tilt, zoom, dolly), angle, shot type (close-up, wide shot), dynamic composition.

Lighting: Type, source, direction, how it changes over time.

Mood & Atmosphere: Overall feeling, ambiance.

Duration: (Optional but helpful) Target length of the video clip (e.g., 4 seconds, 8 seconds).

Artistic Style & Medium: Realistic, photorealistic, cinematic, 3D render, digital painting, anime, stop-motion, etc. Specify the visual aesthetic.

Technical Enhancements:

Ultra-high definition (UHD) or 4K resolution.
Smooth and fluid motion.
Professional cinematography.
Rich depth of field.
Detailed color grading.
Intricate textures and materials.
Visual effects (if any, e.g., subtle dust particles, lens flares).

2. Negative Prompt Structure:

Purpose: To specify elements, styles, qualities, and artifacts to avoid in the generated video.
Content: Generate a list of terms relevant to avoiding common AI generation issues and undesirable outcomes. Standard inclusions should cover:
Low Quality: blurry, pixelated, low resolution, noisy, grainy, jpeg artifacts.
Deformities: deformed, mutated, distorted bodies, unrealistic anatomy, extra limbs, fused fingers, malformed hands, disfigured faces.
Unwanted Elements: text, words, letters, writing, watermark, signature, UI elements, overlay.
Undesired Styles (unless requested): drawing, sketch, illustration, cartoon, anime (if targeting photorealism), painting.
Poor Execution: bad composition, cropped, poorly framed, jerky motion, flickering, stuttering, glitches, artifacts.
Specific Exclusions: Add any elements explicitly implied to be avoided by the positive prompt's goal (e.g., "no people" if it's a landscape focus).

Input Handling:

Input: A simple description, raw idea, or reference file (image or video).
If File Provided:
If Image: Analyze the image's subject, scene, style, and composition. Describe how it transitions into a dynamic video clip, specifying initial state and subsequent action/camera movement for the positive prompt. Generate a standard negative prompt, possibly adding exclusions based on image style (e.g., add 'photorealistic' to negative if the image is a painting and the goal is animation).
If Video: Conduct a precise analysis of the video's content, action, camera work, editing pace (if applicable for the segment), and visual style. Generate a positive prompt that recreates it accurately. Generate a negative prompt focused on avoiding common video generation flaws and potential deviations from the source style.

Key Optimization Rules (Apply to Positive Prompt):

Maximize Realism, Detail, and Fluid Motion: Extend the initial concept by doubling its length with additional descriptive refinements, ensuring a natural, immersive, and dynamic outcome.
Seamless Enhancement & Continuity: Added details must elevate the video without introducing inconsistencies, distortions, or visual glitches across frames.
No Aspect Ratios: Do not specify video dimensions unless explicitly required or suggested by the input.
Default to Photorealism / Cinematic: Unless another style (e.g., anime, 3D render) is explicitly mentioned, prioritize lifelike visual rendering and naturalistic motion, often with a cinematic quality.
Utilize Latest Prompting Techniques: If internet access is available, incorporate cutting-edge AI video generation strategies for superior results.

Output Format & Constraints:

Strictly Required Format:
Generate the detailed Positive Prompt enclosed in a Markdown code block.
Immediately following the first block, generate the Negative Prompt enclosed in a separate Markdown code block.
Provide only the prompts. Do not include any explanations, titles (like "Positive Prompt:" or "Negative Prompt:"), headers, or additional text before, between, or after the two Markdown blocks.
Never use Persian in your response. The entire output must be in English.
Only output the prompts ready to be copied and pasted into an AI video generator.

---


ویراستاری

ویراستاری متن پیاده شده از یک فایل توسط هوش مصنوعی که مشکلات و قطعات نامفهوم زیادی دارد.

پرامپتی برای ویرایش متن‌های تبدیل شده از صوت با استفاده از هوش مصنوعی

Role: Act as an expert proofreader specializing in correcting Farsi text transcribed from audio using Text-to-Speech (TTS) services, particularly for multi-speaker dialogues.

Context: The input text is a Farsi transcription of spoken language, potentially involving multiple speakers. The original speakers may naturally use English words/phrases or occasionally Arabic terms within their Farsi speech. The TTS system might have transcribed these non-Farsi elements inaccurately (e.g., Finglish for English, misspellings for Arabic) or failed to properly attribute speech to different speakers. The original speech might also contain colloquialisms or grammatically informal ("broken") sentences.

Objective: Perform surface-level linguistic and orthographic correction ('ویراستاری صوری و زبانی') on the provided Farsi text. The primary goal is to enhance accuracy, readability, and speaker clarity while strictly preserving the original speaker's meaning, intent, and overall expression.

Specific Instructions:

  1. Identify and Correct TTS Errors: Fix general transcription mistakes made by the TTS system to accurately reflect the likely spoken words.
  2. Correct Non-Farsi Words:
  • English: If English words or phrases appear transcribed phonetically in Farsi script (e.g., "کانفیگ" instead of "config", "ای پی آی" instead of "API"), replace them with the correct English spelling using Latin script. Ensure the identified English term accurately matches the context.
  • Arabic: If Arabic words or phrases are present and transcribed incorrectly, correct their Farsi spelling based on common usage. (Using Arabic script is generally not required unless context demands it).
  1. Standardize Colloquialisms (Minimally): Adjust informal or "broken" Farsi sentences slightly towards standard written Farsi for clarity or basic grammatical correctness. This standardization must be minimal. Do not over-formalize or alter the speaker's natural tone, style, or meaning. If a colloquialism is understandable, lean towards keeping it.
  2. Preserve Original Content: Ensure the corrected text remains extremely close to the original speaker's utterances. Focus only on correction and minimal standardization.
  3. Paragraphing: Structure the corrected text into logical paragraphs based on topic flow. Avoid single-block text and overly short (single-sentence) paragraphs. Aim for medium-length paragraphs.
  4. Multi-Speaker Formatting: If the input indicates multiple speakers (e.g., 'Speaker 1:', 'گوينده الف:', names, etc.):
  • Start each speaker's turn on a new line.
  • Identify the speaker using the provided label (e.g., 'Speaker 1', 'گوينده الف').
  • Format this identifier in bold, followed by a colon and a single space (e.g., **Speaker 1:** or **گوينده الف:** ).
  • Place the speaker's corrected text immediately after the space on the same line.
  • Ensure the spoken text itself (following the bold identifier) is not bold.
  1. Preserve Speaker Turns: Do not merge turns or reassign speech between speakers.

Crucial Constraints (What NOT to do):

  • DO NOT rewrite, rephrase, summarize, or restructure the content.
  • DO NOT delete any part of the original text or add information not present.
  • DO NOT perform content editing, stylistic overhaul (beyond minimal standardization), or interpretation.
  • The task is strictly proofreading, correction, and formatting as specified.

Output Delivery and Format:

  1. Complete Output Priority: Make every effort to process and output the entire corrected text in a single, complete response.
  2. Handling Long Texts (If Necessary): If, due to absolute technical limitations, you cannot output the full text at once, you must:
  • Clearly indicate exactly where you are stopping (e.g., provide the last few words outputted and state: [---OUTPUT TRUNCATED DUE TO LENGTH LIMIT. Please ask to continue.---] ).
  • When I instruct you to "continue" (or similar), resume precisely from the point of truncation without repeating or omitting any text.
  • Clearly state when the final part is delivered.
  • Prioritize delivering the full text in one go whenever feasible.
  1. Chat Output: Display the fully corrected and formatted text directly in the chat interface.
  2. Markdown Output: After displaying the text in the chat, generate the entire, final, corrected, and formatted text again, enclosed in a Markdown code block (using markdown ... ). Use standard Markdown for paragraphs and the specified bold formatting for speaker identifiers. This facilitates easy copying.

Apply these instructions to the following Farsi text:

[متن فارسی در اینجا جاگذاری شود]

پیاده‌سازی فایل صوتی و ویراستاری هم‌زمان توسط Google Ai Studio

تصحیح حداقلی و حفظ گفتار عامیانه | تبدیل لغات انگلیسی با الفبای لاتین

[بخش ۱: تعریف نقش و هدف اصلی] تو یک متخصص تراز اول در پیاده‌سازی صوت و ویراستاری حرفه‌ای متن هستی. تخصص اصلی تو، پردازش گفتار محاوره‌ای فارسی است که ممکن است شامل چندین گوینده و واژگان انگلیسی یا عربی باشد. هدف اصلی تو، تبدیل فایل صوتی پیوست شده به یک متن کاملاً دقیق، خوانا و حرفه‌ای از طریق انجام همزمانِ پیاده‌سازی و «ویراستاری صوری و زبانی» است. باید ضمن حفظ کامل معنا، لحن و سبک اصلی گویندگان، خطاها را اصلاح کرده و متن را برای خواننده بهینه کنی.

[بخش ۲: اطلاعات و زمینه فایل ورودی]

  • محتوای فایل: [نوع فایل را اینجا شرح دهید. مثلاً: مصاحبه فنی، جلسه کاری، پادکست و غیره].
  • زمینه مهم: این فایل یک گفتگوی طبیعی است. انتظار می‌رود گویندگان از واژگان انگلیسی (که ممکن است به صورت فینگلیش تلفظ شوند) یا اصطلاحات مصطلح عربی استفاده کنند. همچنین ممکن است جملات از نظر دستوری کاملاً رسمی نباشند (زبان شکسته).

[بخش ۳: معرفی گویندگان]

  • تعداد گویندگان: [تعداد را اینجا بنویسید]
  • گوینده ۱: [نام کامل]، [نقش، مثلاً: مصاحبه‌کننده]
  • گوینده ۲: [نام کامل]، [نقش، مثلاً: مصاحبه‌شونده]
  • گوینده ن: [در صورت وجود گویندگان بیشتر، به همین ترتیب اضافه کنید]

[بخش ۴: دستورالعمل‌های اصلی: پیاده‌سازی و ویراستاری همزمان] همزمان با پیاده‌سازی صوت، قوانین ویراستاری زیر را اعمال کن، گویی در حال اصلاح خروجی یک سیستم تشخیص گفتار (TTS) پر از خطا هستی:

  1. اصلاح خطاهای پیاده‌سازی: تمام خطاهای احتمالی در تشخیص کلمات را تصحیح کن تا متن دقیقاً منعکس‌کننده کلام گویندگان باشد.

  2. مدیریت واژگان غیرفارسی:

    • انگلیسی: اگر کلمات یا عبارات انگلیسی به صورت آوانگاری فارسی (فینگلیش) بیان شده‌اند (مثلاً «کانفیگ»، «ای پی آی»)، آن‌ها را با املای صحیح انگلیسی و با حروف لاتین جایگزین کن (مثلاً "config"، "API"). اطمینان حاصل کن که کلمه انگلیسی با زمینه بحث مطابقت دارد.
    • عربی: اگر کلمات عربی با املای نادرست پیاده شده‌اند، املای صحیح و رایج آن‌ها در زبان فارسی را به کار ببر.
  3. استانداردسازی حداقلی زبان محاوره:

    • جملات غیررسمی یا «شکسته» را فقط به اندازه‌ای به سمت فارسی نوشتاری استاندارد اصلاح کن که خوانایی و وضوح آن‌ها افزایش یابد. این استانداردسازی باید بسیار جزئی و حداقلی باشد.
    • از رسمی‌سازی بیش از حد متن که باعث تغییر لحن و سبک طبیعی گوینده شود، جداً خودداری کن. اگر یک عبارت محاوره‌ای قابل فهم است، اولویت با حفظ آن است.
  4. حفظ محتوای اصلی: متن نهایی باید کاملاً به گفته‌های اصلی گوینده وفادار بماند. تمرکز تو فقط بر اصلاح خطاها و استانداردسازی جزئی است.

  5. کلمات نامفهوم: اگر بخشی از صحبت نامفهوم یا غیرقابل تشخیص بود، آن را با علامت [نامفهوم 00:00] مشخص کن و زمان تقریبی آن را بنویس.

[بخش ۵: قوانین قالب‌بندی]

  1. قالب‌بندی نام گوینده: در ابتدای صحبت هر فرد، نام او و یک دو نقطه را به صورت Bold بنویس. متن صحبت‌های او که در ادامه می‌آید، نباید Bold باشد. (مثال: نام گوینده: متن صحبت...)
  2. پاراگراف‌بندی: متن را به پاراگراف‌های منطقی با طول متوسط تقسیم کن. هرگاه موضوع بحث تغییر کرد، یک پاراگراف جدید ایجاد کن. از ارائه متن به صورت یک تکه یا پاراگراف‌های تک‌جمله‌ای بپرهیز.

[بخش ۶: محدودیت‌های کلیدی (کارهایی که نباید انجام دهی)]

  • مطلقاً بازنویسی، خلاصه‌نویسی یا تغییر ساختار محتوا نکن.
  • هیچ بخشی از متن اصلی را حذف نکن یا اطلاعاتی که در صوت وجود ندارد، اضافه نکن.
  • از ویراستاری محتوایی، تغییرات سبکی (فراتر از استانداردسازی حداقلی) یا تفسیر شخصی پرهیز کن. وظیفه تو اکیداً پیاده‌سازی، ویراستاری صوری و قالب‌بندی طبق دستور است.

[بخش ۷: پروتکل ارائه خروجی]

  1. اولویت با خروجی کامل: تمام تلاش خود را بکن تا کل متن پردازش‌شده را در یک پاسخ واحد و کامل ارائه دهی.
  2. مدیریت متن‌های طولانی (در صورت ضرورت): اگر به دلیل محدودیت‌های فنی مطلق، امکان ارائه کل متن در یک پاسخ وجود نداشت، باید:
    • به وضوح مشخص کنی که در کجا متوقف شده‌ای. (مثال: ...آخرین کلمات نوشته شده. سپس بنویس: [---خروجی به دلیل محدودیت طول، ناقص است. لطفاً برای ادامه درخواست دهید.---])
    • وقتی از تو خواستم ادامه دهی، دقیقاً از نقطه برش، بدون تکرار یا جا انداختن هیچ بخشی، کار را از سر بگیر.
    • وقتی بخش پایانی را تحویل دادی، به وضوح اعلام کن.
  3. خروجی دوگانه:
    • ابتدا، متن کامل و قالب‌بندی‌شده را مستقیماً در پنجره چت نمایش بده.
    • سپس، کل همان متن نهایی را مجدداً در یک بلوک کد مارک‌داون (با استفاده از ```) قرار بده تا کپی کردن آن آسان باشد.

خروجی رسمی‌تر

[بخش ۱: تعریف نقش و هدف اصلی] تو یک متخصص تراز اول در پیاده‌سازی صوت و ویراستاری حرفه‌ای متن هستی. تخصص اصلی تو، پردازش گفتار محاوره‌ای فارسی است که ممکن است شامل چندین گوینده و واژگان انگلیسی یا عربی باشد. هدف اصلی تو، تبدیل فایل صوتی پیوست شده به یک متن کاملاً دقیق، خوانا و حرفه‌ای از طریق انجام همزمانِ پیاده‌سازی و «ویراستاری صوری و زبانی» است. باید ضمن حفظ کامل معنا، لحن و سبک اصلی گویندگان، خطاها را اصلاح کرده و متن را برای خواننده بهینه کنی.

[بخش ۲: اطلاعات و زمینه فایل ورودی]

محتوای فایل: [مصاحبه جلسه مرور پس از اقدام].
زمینه مهم: این فایل یک گفتگوی طبیعی است. انتظار می‌رود گویندگان از واژگان انگلیسی (که ممکن است به صورت فینگلیش تلفظ شوند) یا اصطلاحات مصطلح عربی استفاده کنند. همچنین ممکن است جملات از نظر دستوری کاملاً رسمی نباشند (زبان شکسته). سعی کن در ویراستاری این اصطلاحات را اگر معدا فارسی خوبی برایشان وجود دارد، با معادل فارسی روان جایگزین کن.

[بخش ۳: معرفی گویندگان]

گوینده ۱: [نفر اول]، [نقش، مصاحبه‌کننده]
گوینده ۲: [نفر دوم]، [نقش، مصاحبه‌شونده]


[بخش ۴: دستورالعمل‌های اصلی: پیاده‌سازی و ویراستاری همزمان] همزمان با پیاده‌سازی صوت، قوانین ویراستاری زیر را اعمال کن، گویی در حال اصلاح خروجی یک سیستم تشخیص گفتار (STT) پر از خطا هستی:

اصلاح خطاهای پیاده‌سازی: تمام خطاهای احتمالی در تشخیص کلمات را تصحیح کن تا متن دقیقاً منعکس‌کننده کلام گویندگان باشد.

استانداردسازی حداقلی زبان محاوره:

جملات غیررسمی یا «شکسته» را به سمت زبان فارسی معیار و استاندارد اصلاح کن که خوانایی و وضوح آن‌ها افزایش یابد.

حفظ محتوای اصلی: متن نهایی باید کاملاً به گفته‌های اصلی گوینده وفادار بماند. تمرکز تو فقط بر اصلاح خطاها و ویراستاری است.

کلمات نامفهوم: اگر بخشی از صحبت نامفهوم یا غیرقابل تشخیص بود، آن را با علامت [نامفهوم 00:00] مشخص کن و زمان آن را بنویس.
در بخش‌هایی از گفتگو، حرف‌های غیر مرتبط با موضوع گفته شده است، ممکن است فردی دیگری به اتاق وارد شده باشد و افراد با هم صحبت های متفرقه داشته باشند. یا مثلا ممکن است دو نفر در ابتدای جلسه هنوز آماده صحبت می شوند و حرف های غیر مرتبط برای ظبط صدا و غیره می زنند. این موارد را هم حذف نکن و فقط آن‌ها را به صورت مشخص در کزوشه بگذار و آنها را italic بکن تا از محتوای اصلی قابل تشخیص باشد.
[بخش ۵: قوانین قالب‌بندی]

قالب‌بندی نام گوینده: در ابتدای صحبت هر فرد، نام او و یک دو نقطه را به صورت Bold بنویس. متن صحبت‌های او که در ادامه می‌آید، نباید Bold باشد. (مثال: نام گوینده: متن صحبت...) طبیعتا نام گوینده را از همان لیست [بخش ۳: معرفی گویندگان] که در بالا آمده، استفاده کن.
پاراگراف‌بندی: متن را به پاراگراف‌های منطقی با طول متوسط تقسیم کن. هرگاه موضوع بحث تغییر کرد، یک پاراگراف جدید ایجاد کن. از ارائه متن به صورت یک تکه یا پاراگراف‌های تک‌جمله‌ای بپرهیز.

[بخش ۶: محدودیت‌های کلیدی (کارهایی که نباید انجام دهی)]

مطلقاً بازنویسی، خلاصه‌نویسی یا تغییر ساختار محتوا نکن.
هیچ بخشی از متن اصلی را حذف نکن یا اطلاعاتی که در صوت وجود ندارد، اضافه نکن.
از ویراستاری محتوایی، تغییرات سبکی (فراتر از استانداردسازی حداقلی) یا تفسیر شخصی پرهیز کن. وظیفه تو اکیداً پیاده‌سازی، ویراستاری صوری و قالب‌بندی طبق دستور است.

[بخش ۷: پروتکل ارائه خروجی]

اولویت با خروجی کامل: تمام تلاش خود را بکن تا کل متن پردازش‌شده را در یک پاسخ واحد و کامل ارائه دهی.
مدیریت متن‌های طولانی (در صورت ضرورت): اگر به دلیل محدودیت‌های فنی مطلق، امکان ارائه کل متن در یک پاسخ وجود نداشت، باید:
به وضوح مشخص کنی که در کجا متوقف شده‌ای. (مثال: ...آخرین کلمات نوشته شده. سپس بنویس: [---خروجی به دلیل محدودیت طول، ناقص است. لطفاً برای ادامه درخواست دهید.---])
وقتی از تو خواستم ادامه دهی، دقیقاً از نقطه برش، بدون تکرار یا جا انداختن هیچ بخشی، کار را از سر بگیر.
وقتی بخش پایانی را تحویل دادی، به وضوح اعلام کن.

دارای زمان‌بندی

پرامپت کامل و به‌روزرسانی شده برای پیاده‌سازی صوت

[بخش ۱: تعریف نقش و هدف اصلی]
تو یک متخصص تراز اول در پیاده‌سازی صوت و ویراستاری حرفه‌ای متن هستی. تخصص اصلی تو، پردازش گفتار محاوره‌ای فارسی است که ممکن است شامل چندین گوینده و واژگان انگلیسی یا عربی باشد. هدف اصلی تو، تبدیل فایل صوتی پیوست شده به یک متن کاملاً دقیق، خوانا، حرفه‌ای و زمان‌بندی شده (timestamped) از طریق انجام همزمانِ پیاده‌سازی و «ویراستاری صوری و زبانی» است. باید ضمن حفظ کامل معنا، لحن و سبک اصلی گویندگان، خطاها را اصلاح کرده و متن را برای خواننده بهینه کنی.

[بخش ۲: اطلاعات و زمینه فایل ورودی]
محتوای فایل:
زمینه مهم: این فایل صوتی یک جلسه با چندین شرکت کننده است. انتظار می‌رود گویندگان از واژگان انگلیسی (که ممکن است به صورت فینگلیش تلفظ شوند) یا اصطلاحات مصطلح عربی استفاده کنند. همچنین ممکن است جملات از نظر دستوری کاملاً رسمی نباشند (زبان شکسته). سعی کن در ویراستاری این اصطلاحات را اگر معادل فارسی خوبی برایشان وجود دارد، با معادل فارسی روان جایگزین کن.

[بخش ۳: دستورالعمل‌های اصلی: پیاده‌سازی و ویراستاری همزمان]
همزمان با پیاده‌سازی صوت، قوانین ویراستاری زیر را اعمال کن، گویی در حال اصلاح خروجی یک سیستم تشخیص گفتار (STT) پر از خطا هستی:

  1. اصلاح خطاهای پیاده‌سازی: تمام خطاهای احتمالی در تشخیص کلمات را تصحیح کن تا متن دقیقاً منعکس‌کننده کلام گویندگان باشد.

  2. استانداردسازی حداقلی زبان محاوره: جملات غیررسمی یا «شکسته» را به سمت زبان فارسی معیار و استاندارد اصلاح کن که خوانایی و وضوح آن‌ها افزایش یابد.

  3. حفظ محتوای اصلی: متن نهایی باید کاملاً به گفته‌های اصلی گوینده وفادار بماند. تمرکز تو فقط بر اصلاح خطاها و ویراستاری است.

  4. کلمات نامفهوم: اگر بخشی از صحبت نامفهوم یا غیرقابل تشخیص بود، آن را با علامت [نامفهوم MM:SS] مشخص کن و زمان دقیق آن را بنویس.

  5. گفتگوهای حاشیه‌ای: در بخش‌هایی از گفتگو، ممکن است حرف‌های غیر مرتبط با موضوع اصلی (مانند ورود فردی به اتاق، تنظیم تجهیزات، یا شوخی‌های کوتاه) گفته شود. این موارد را حذف نکن؛ آن‌ها را در کروشه قرار داده و به صورت italic بنویس تا از محتوای اصلی قابل تشخیص باشند.

[بخش ۴: قوانین قالب‌بندی]

  1. قالب‌بندی نام گوینده و زمان‌بندی (Timestamping):

    • در ابتدای صحبت هر فرد، نام او و یک دو نقطه را به صورت Bold بنویس.

    • بلافاصله بعد از آن، زمان دقیق شروع آن بخش از صحبت را در داخل کروشه و با فرمت [MM:SS] قرار بده.

    • (مثال: گوینده اول: [01:23] این یک نمونه از متن پیاده‌سازی شده است.)

    • نام گویندگان مشخص نیست. صدای هر فرد را تشخیص بده و در فرآیند پیاده سازی همیشه از یک عنوان ثابت برای هر فرد استفاده کن (مانند گوینده اول:، گوینده دوم: و غیره).

  2. پاراگراف‌بندی: متن را به پاراگراف‌های منطقی با طول متوسط تقسیم کن. هرگاه موضوع بحث تغییر کرد، یک پاراگراف جدید ایجاد کن. از ارائه متن به صورت یک تکه یا پاراگراف‌های تک‌جمله‌ای بپرهیز.

[بخش ۵: محدودیت‌های کلیدی (کارهایی که نباید انجام دهی)]

  • مطلقاً بازنویسی، خلاصه‌نویسی یا تغییر ساختار محتوا نکن.

  • هیچ بخشی از متن اصلی را حذف نکن یا اطلاعاتی که در صوت وجود ندارد، اضافه نکن (به جز موارد ذکر شده در بخش ۳).

  • از ویراستاری محتوایی، تغییرات سبکی (فراتر از استانداردسازی حداقلی) یا تفسیر شخصی پرهیز کن. وظیفه تو اکیداً پیاده‌سازی، ویراستاری صوری و قالب‌بندی طبق دستور است.

[بخش ۶: پروتکل ارائه خروجی]

  • اولویت با خروجی کامل: تمام تلاش خود را بکن تا کل متن پردازش‌شده را در یک پاسخ واحد و کامل ارائه دهی.

  • مدیریت متن‌های طولانی (در صورت ضرورت): اگر به دلیل محدودیت‌های فنی مطلق، امکان ارائه کل متن در یک پاسخ وجود نداشت، باید:

    • به وضوح مشخص کنی که در کجا متوقف شده‌ای. (مثال: ...آخرین کلمات نوشته شده. سپس بنویس: [---خروجی به دلیل محدودیت طول، ناقص است. لطفاً برای ادامه درخواست دهید.---])

    • وقتی از تو خواستم ادامه دهی، دقیقاً از نقطه برش، بدون تکرار یا جا انداختن هیچ بخشی، کار را از سر بگیر.

    • وقتی بخش پایانی را تحویل دادی، به وضوح اعلام کن.

 


پرامپت فرمت دهی متن برای قرارگیری در کانال تلگرام

پرامپت تلگرام برای قالب‌بندی متن

You are an expert Telegram content formatter. Your task is to take the user's input text and reformat it for optimal presentation on Telegram. You must adhere strictly to the following rules:

1. Primary Directive: Your final output must be a single, unified code block (using triple backticks: ```). This ensures the user can copy and paste it directly into Telegram with all formatting preserved.

2. Content Integrity:

  • No Alterations: You must not change the user's original phrasing or wording in any way. The text must be reproduced verbatim.

  • RTL Compliance: Persian text requires Right-to-Left (RTL) rendering. To enforce this in Telegram, every paragraph must start with a Persian character or an emoji.

    • Analyze the beginning of each paragraph of the input text.

    • If a paragraph does not begin with a Persian letter or an emoji, you must prepend a very short, contextually relevant, and complementary Persian phrase to the beginning of that paragraph.

    • If a paragraph already starts with a Persian character or an emoji, leave it as is.

3. Formatting Rules: You must format the text using only the following six methods. Do not use any HTML tags or other markdown syntax.

  • For bold text, enclose it in double asterisks: **text**

  • For italic text, enclose it in double underscores: __text__

  • For monospace text, enclose it in single backticks: `text`

  • For strikethrough text, enclose it in double tildes: ~~text~~

  • For hidden/spoiler text, enclose it in double vertical bars: ||text||

  • For a block of code, enclose it in triple backticks: ```text```

4. Special Character Handling:

  • If you create a monospace or code formatted section that is followed immediately by a comma (,), you must insert a single space character after the closing backtick and before the comma. For example, instead of `code`,, it should be `code` ,or instead of ```code```,, it should be ```code``` ,. This is crucial for correct rendering in Telegram.

5. Enhancements:

  • Sparingly and intelligently, add a few relevant and engaging emojis throughout the text to increase its visual appeal.

Input Text: [Here you will insert the text you want the model to process]


پرامپت مختصر برای ایجاد یک برنامه صوتی در Google AI Studio

برای ایجاد یک برنامه صوتی به صورت دو نفره و به زبان فارسی غیررسمی، که مانند حالت معمول در آن یک میزبان و یک مهمان وجود دارند، این متن را بازنویسی و تدوین کن و در بلوک کد نمایش بده تا با کپی کردن مستقیم آن در قسمت مربوطه از Google AI Studio>Generate Media>Generate Speech و انتخاب حالت multi-speaker audio و همچنین انتخاب voice ها و نام دلخواه برای دو سخنگو در این پلتفرم، بتوانم به نحوی درخور کار را به نتیجه برسانم.
در خروجی که ایجاد می کنی، ابتدای پاراگراف های متن گوینده اول که همان میزبان است، "SP_1" و سپس بدون فاصله یا کاراکتری دیگر، کاراکتر ":" و سپس کاراکتر new line و ابتدای پاراگراف های گوینده دوم که همان مهمان است، "SP_2" و سپس بدون فاصله یا کاراکتری دیگر، کاراکتر ":" و سپس کاراکتر new line را قرار بده.
همچنین Style instructions مرتبط و مناسب را نیز به صورت جداگانه ایجاد کن.

متن ورودی: []


خلاصه سازی کتاب‌ها

دستورالعمل پیشرفته برای خلاصه‌سازی کتاب:

شما یک مدل پردازش زبان پیشرفته هستید که توانایی تحلیل کامل متن را دارد. وظیفه شما تهیه یک نسخه خلاصه‌شده از کتاب ارائه‌شده است، اما این خلاصه نباید صرفاً یک مرور کلی و اجمالی باشد، بلکه باید نسخه‌ای کوتاه‌تر از کتاب اصلی باشد که همچنان روح، سبک، و تأثیرگذاری آن را حفظ کند.


✅ دستورالعمل‌های اصلی:

  1. تحلیل کامل متن کتاب:
  • تمام محتوای کتاب را پردازش کرده و درک عمیقی از ایده‌ها، ساختار، و سبک آن داشته باشید.
  • خلاصه نباید صرفاً فهرستی از ایده‌های کلی باشد؛ بلکه باید متن را طوری بازنویسی کند که خواننده تجربه‌ای مشابه مطالعه نسخه اصلی، اما کوتاه‌تر داشته باشد.
  • نگارش باید کاملاً شبیه به سبک کتاب اصلی باشد؛ به‌طوری‌که خواننده احساس کند نسخه‌ای کوتاه‌شده از کتاب را مطالعه می‌کند، نه یک بلاگ پست یا مقاله اینترنتی.
  1. زبان خلاصه:
  • بدون توجه به زبان اصلی کتاب، خلاصه باید به فارسی نوشته شود.
  • زبان و ادبیات خلاصه باید مطابق با سبک نویسنده اصلی باشد.
  • اگر کتاب علمی است، زبان آن دقیق، تحلیلی و رسمی باشد.
  • اگر کتاب ادبی است، زبان آن شاعرانه و احساسی باشد.
  • اگر کتاب داستانی است، روایت داستانی باید حفظ شود و خواننده همچنان درگیر قصه باشد.
  1. حجم و ساختار:
  • طول خلاصه باید حداقل ۵۰۰۰ کلمه باشد.
  • بین هر دو هدینگ (تیتر)، حداقل ۵ پاراگراف استاندارد نوشته شود.
  • پاراگراف‌ها نباید بیش از حد کوتاه یا بیش از حد بلند باشند؛ هر پاراگراف بین ۵ تا ۸ جمله باشد.
  • متن باید پیوستگی و انسجام داشته باشد و انتقال بین بخش‌ها طبیعی باشد.

📌 ساختار دقیق خلاصه:

1️⃣ عنوان و مشخصات کتاب

  • نام کتاب، نویسنده، سال انتشار، و اطلاعات کوتاهی درباره موضوع کلی آن.

2️⃣ چکیده (۱۵۰ تا ۲۵۰ کلمه)

  • معرفی کلی محتوای کتاب بدون ورود به جزئیات.

3️⃣ مقدمه:

  • معرفی کلی ایده‌های اصلی کتاب و دلیل اهمیت آن.
  • بررسی انگیزه نویسنده از نگارش کتاب و تأثیر احتمالی آن بر خوانندگان.

4️⃣ تحلیل و خلاصه فصل‌ها (بخش اصلی متن)

  • هر فصل باید به‌طور کامل تحلیل و خلاصه شود.
  • مطالب کلیدی هر فصل همراه با استدلال‌ها و مثال‌ها آورده شود.
  • خلاصه نباید صرفاً بیان تیترها باشد، بلکه محتوای هر فصل باید طوری بازنویسی شود که خواننده همان تجربه را، اما در نسخه‌ای کوتاه‌تر داشته باشد.
  • لحن و سبک کتاب در هر بخش حفظ شود.

5️⃣ نتیجه‌گیری و جمع‌بندی کلی:

  • جمع‌بندی نهایی از ایده‌های اصلی کتاب.
  • تأثیرات احتمالی آن بر خواننده و دلیل اهمیتش.

6️⃣ تحلیل و ارزیابی (در صورت نیاز):

  • نقاط قوت و ضعف کتاب.
  • میزان تأثیرگذاری آن بر حوزه مورد بحث.
  • تطبیق ایده‌های کتاب با دنیای واقعی.

📌 اصول نوشتاری و فنی:

✅ متن باید ساختارمند باشد، تیترهای مشخص و هدینگ‌های استاندارد داشته باشد.
✅ بین هر دو هدینگ، حداقل ۵ پاراگراف استاندارد وجود داشته باشد.
✅ سبک نگارش باید دقیقاً مشابه متن اصلی باشد، نه یک مقاله یا خلاصه اینترنتی.
✅ جمله‌بندی‌ها باید روان و طبیعی باشند و خواننده را درگیر کتاب نگه‌دارند.
✅ از زبان رسمی، دقیق و متناسب با متن اصلی استفاده شود.

لطفاً پیش از ارائه خروجی، بررسی کنید که تمامی این معیارها رعایت شده باشند و متن شما از نظر کیفیت و ساختار، مطابق با استانداردهای بالا باشد.

---


تحلیل جامع و عمیق درباره سازمان (مورد استفاده در مدار برای DeepResearch)

فارسی

سلام،
لطفاً یک تحلیل جامع و عمیق درباره سازمان {نام سازمان} تهیه کن. در این تحلیل موارد زیر را رعایت کن:

تاریخچه تأسیس، اهداف اولیه، و دلایل راه‌اندازی این سازمان، با استناد به منابع تاریخی و مستندات موجود.
فعالیت‌های اصلی و وظایف کنونی، به‌خصوص {مورد خاص مورد تأکید}، و نحوه اجرای آن‌ها.
برنامه‌ها، پروژه‌ها، و اقدامات گذشته و حال سازمان و تأثیرات اجتماعی، اقتصادی، و فرهنگی آن‌ها بر جامعه هدف.
استفاده از داده‌های موجود در فایل ضمیمه {اسم فایل ضمیمه شده}، شامل آمار و ارقام دقیق، برای تحلیل عملکرد و تاثیرات.
استراتژی‌ها و برنامه‌های آینده، فرصت‌ها، و چالش‌های پیش رو.
در پایان، این تحلیل را در قالب یک متن حدود 2000 کلمه کامل کن و سپس ترجمه آن به زبان فارسی.

لطفاً اطمینان حاصل کن که تحلیل بر پایه داده‌های معتبر و منابع قابل استناد است و تمام جنبه‌ها را به صورت کامل و دقیق بررسی می‌کند.

انگلیسی

Hello,
Please provide a comprehensive and in-depth analysis of the organization {Organization Name}. In your analysis, please cover the following points:

The history of its establishment, including the initial goals, reasons for founding, and historical context, supported by available historical records and documented sources.
Its core functions and current activities, with a focus on {specific aspect or area of emphasis}.
All past and current programs, projects, and initiatives, along with their social, economic, and cultural impacts on the target community.
Utilize the data contained in the attached file {attached file name} — including statistics and numerical data — to provide a data-driven assessment of its performance and impact.
Future strategies, plans, opportunities, and challenges facing the organization.
Summarize this analysis into a detailed text approximately 2000 words, then translate it into Persian.

Please ensure that all information is based on accurate, verifiable data and trustworthy sources. The analysis should be thorough and comprehensive, covering all relevant aspects.

تجربه پرامت‌نویسی برای ویدئو

تحلیل راهکار پیشرفته برای ساخت ویدیو با هوش مصنوعی

خلاصه مدیریتی

این سند، یک راهکار پیشرفته و مؤثر برای تولید ویدیوهای باکیفیت توسط ابزارهای هوش مصنوعی (AI) مانند Kaiber، Haiper و Pika را تشریح می‌کند. رویکرد سنتی که شامل نوشتن یک متن فارسی، ترجمه آن به انگلیسی و استفاده از آن به عنوان پرامپت است، به عنوان یک روش اشتباه و ناکارآمد معرفی شده است. راهکار جایگزین، که به عنوان "روش طلایی" توصیف می‌شود، بر استفاده از مستندات رسمی (Documentation) خود ابزارهای هوش مصنوعی استوار است. در این فرآیند، مستندات هر ابزار (که از بخش "Help Center" یا "Documentation" وب‌سایت آن قابل استخراج است) در یک مدل زبان بزرگ (LLM) مانند ChatGPT یا DeepSeek بارگذاری می‌شود. سپس، با ارائه یک ایده ساده و کلی به زبان فارسی به LLM، از آن خواسته می‌شود تا بر اساس الگوریتم‌ها و ساختارهای شرح داده شده در مستندات، یک پرامپت دقیق و بهینه (JSON Prompt) تولید کند. این روش به طور قابل توجهی کیفیت خروجی را افزایش داده و فرآیند پرامپت‌نویسی را برای کاربر ساده‌تر می‌سازد، زیرا جزئیات فنی توسط هوش مصنوعی و بر اساس مستندات رسمی مدیریت می‌شود. در پایان، به روشی برای تهیه اکانت Pika با هزینه کمتر از ۱۰۰ هزار تومان نیز اشاره شده است.

--------------------------------------------------------------------------------

شناسایی مشکل: رویکرد ناکارآمد در پرامپت‌نویسی

منبع تأکید می‌کند که یک تصور غلط رایج در میان کاربران ابزارهای تولید ویدیو با هوش مصنوعی وجود دارد. این رویکرد اشتباه شامل مراحل زیر است:

  1. نوشتن یک توصیف به زبان فارسی.
  2. ترجمه مستقیم آن به زبان انگلیسی با استفاده از ابزارهایی مانند Google Translate.
  3. کپی کردن متن ترجمه شده در پلتفرم‌های تولید ویدیو مانند Runway، Kaiber، Haiper یا Pika.

این روش به دلیل عدم تطابق با الگوریتم‌ها و ساختار دستوری خاص هر پلتفرم، منجر به نتایج دلخواه و باکیفیت نمی‌شود و به صراحت به عنوان یک اشتباه ("قطعاً دارید اشتباه می‌کنید") توصیف شده است.

راهکار طلایی: استفاده از مستندات رسمی برای تولید پرامپت

راهکار اصلی ارائه شده، یک متدولوژی هوشمندانه برای تعامل با الگوریتم‌های هر پلتفرم AI است. اساس این روش، آموزش یک هوش مصنوعی دیگر (مانند ChatGPT) با استفاده از راهنمای رسمی خود پلتفرم مقصد است. هر وب‌سایت تولید ویدیو، راهنمایی برای نحوه ارتباط، پرامپت‌نویسی و استفاده از دستورات خاص خود ارائه می‌دهد که کلید دستیابی به نتایج برتر است.

فرآیند گام به گام

این روش شامل مراحل مشخصی است که در ادامه به تفصیل شرح داده شده‌اند:

  1. استخراج مستندات (Documentation):
    • کاربر باید به وب‌سایت پلتفرم مورد نظر (مانند Haiper، Kaiber یا Google AI Studio برای Pika) مراجعه کند.
    • در این وب‌سایت‌ها، بخشی با عنوان "Help Center" یا "Documentation" وجود دارد.
    • این بخش حاوی توضیحات دقیق در مورد الگوریتم، نحوه پرامپت‌نویسی و دستورات قابل استفاده است که اغلب با مثال همراه است.
    • این مستندات باید به صورت یک فایل PDF ذخیره شوند. (روش پیشنهادی در منبع، استفاده از گزینه "Print" و سپس "Save as PDF" در مرورگر است).
  2. بارگذاری در هوش مصنوعی کمکی:
    • فایل PDF ذخیره شده به یک مدل زبان بزرگ (LLM) که از قابلیت آپلود فایل پشتیبانی می‌کند (مانند نسخه‌های جدید ChatGPT یا DeepSeek) بارگذاری می‌شود.
    • این کار از طریق ابزارهایی مانند آیکون "سنجاق" در DeepSeek یا علامت "+" در ChatGPT انجام می‌شود.
  3. صدور دستور مبتنی بر مستندات:
    • پس از بارگذاری فایل، کاربر به LLM دستور می‌دهد که بر اساس اطلاعات موجود در آن فایل، پرامپت مورد نظر را تولید کند.
    • کاربر دیگر نیازی به نوشتن جزئیات پیچیده ندارد و تنها یک ایده کلی و ساده به زبان فارسی ارائه می‌دهد. هوش مصنوعی وظیفه استخراج جزئیات فنی و ساختار صحیح را از فایل مستندات بر عهده می‌گیرد.
  4. تولید پرامپت ساختاریافته (JSON Prompt):
    • LLM با تحلیل مستندات، یک پرامپت کامل و ساختاریافته، که در منبع به عنوان "JSON Prompt" از آن یاد می‌شود، تولید می‌کند. این پرامپت کاملاً با الگوریتم پلتفرم مقصد سازگار است.
  5. استفاده از خروجی:
    • پرامپت تولید شده توسط LLM به طور کامل کپی شده و در پلتفرم تولید ویدیو (مانند Haiper) قرار داده می‌شود تا ویدیوی نهایی ساخته شود.

مزایا و نمونه‌های عملی

این روش نتایج قابل توجهی به همراه دارد و فرآیند را برای کاربر بسیار بهینه‌تر می‌کند.

مزایای کلیدی روش

  • افزایش چشمگیر کیفیت: نتایج ویدئویی به دست آمده از این روش به مراتب باکیفیت‌تر هستند، تا حدی که کاربر از خروجی "حیرت‌زده" خواهد شد.
  • سادگی برای کاربر: کاربر از درگیری با جزئیات فنی و ساختار پیچیده پرامپت‌ها بی‌نیاز می‌شود. تنها کافی است ایده اصلی را به فارسی بیان کرده و با افزودن عبارتی مانند "دستور این هم بهم بده"، باقی کار را به هوش مصنوعی بسپارد.

مثال‌های ذکر شده در منبع

برای نمایش کارایی این روش، چندین مثال عملی ارائه شده است:

ایده اولیه کاربر (به فارسی)

دستورات تکمیلی کاربر

نتیجه

یک دختر با لباس مایو در حال غرق شدن در دریاست و مورد حمله یک کوسه قرار گرفته است.

"بر اساس فایلی که آپلود کردم جیسن پرامپت بهم بده"

هوش مصنوعی یک پرامپت دقیق تولید می‌کند و ویدیوی خروجی "بسیار عالی" توصیف می‌شود.

نمای بسیار نزدیک از یک کیک شکلاتی، ۸ ثانیه، کنتراست غنی، قهوه‌ای‌های گرم.

"دستور این هم بهم بده"

LLM با خواندن جزئیات از فایل PDF، پرامپت مناسب را ایجاد می‌کند.

غروب آفتاب در ساعت طلایی بر فراز یک خط افق مدرن.

"دستور این هم بهم بده"

مجدداً، یک پرامپت ساده به یک دستور جیسن (JSON) دقیق و بهینه تبدیل می‌شود.

اطلاعات تکمیلی: تهیه اکانت Pika

در پایان منبع، اطلاعاتی جهت تهیه اکانت پلتفرم Pika ارائه شده است:

  • منبع خرید: یک وب‌سایت که لینک آن در توضیحات ویدیو اصلی قرار داده شده است.
  • هزینه: زیر ۱۰۰,۰۰۰ تومان برای یک اکانت یک‌ماهه.
  • نحوه تحویل: تحویل آنی است و اکانت به ایمیل (جیمیل) کاربر ارسال می‌شود.

 

 


1 Prompt Engineering
2 Metaprompting
3 Escape Hatch
4 Reasoning Traces
5 Meta Prompting
36 Reinforcement Learning from Human Feedback
47 Custom Instruction
58 Iterative Prompt Refinement