اوپنایآی (OpenAI) مجموعهای کامل و کاربردی از توصیههای پرامپتنویسی (Prompt Engineering) را در یک راهنمای واحد منتشر کرده است که مخاطب آن توسعهدهندگان نیست، بلکه کاربران عادی اند. این سند، فلسفهی جدید تعامل با هوش مصنوعی را خلاصه میکند: «کوچک آغاز کنید، آنچه میخواهید را بگویید، و تنها тамآن قوانین اضافه کنید که واقعاً لازم هستند.»
چهار بلوک ساختمانیِ یک پرامپت موثر
طبق این راهنما، هر پرامپتی میتواند از چهار بخشِ اختیاری تشکیل شود:
- هدف (Goal): نتیجهی نهاییِ مورد انتظار چیست؟
- زمینه (Context): چه اطلاعات، فایلها یا لینکهایی در دسترس مدل باشد؟
- قالب خروجی (Output Format): پاسخ در چه شکلی ارائه شود؟ (جدول، کد، خلاصه، گزارش و…)
- مرزها (Boundaries): چه کارهایی نمیبایست انجام شوند؟
نکتهی کلیدی: هیچکدام الزامی نیستند. برای کارهای ساده یک پرامپت تکخطی کفایت میکند؛ پر کردنِ چهار مورد تنها برای پروژههای پیچیده و چندمرحلهای منطقی است.
با «نتیجه» آغاز کنید، نه با «مراحل»
راهنمای اوپنایآی صراحتاً توصیه میکند: زمانی یک فرآیند را توصیف کنید که خودِ فرآیند مهم باشد. در غیر این صورت به مدل فضا دهید تا جستجو کند، مقایسه کند و رویکرد خود را تنظیم نماید.
تعیین مخاطب هدف یا فرمت خروجی، اثرگذاری بسیار بیشتری بر کیفیت پاسخ دارد تا پیادهسازیِ گامبهگامِ دستورالعملها.
محدودیتهای سخت به جای اسکریپتهای طولانی
به جای کنترلِ تمام حرکات مدل، یک یا دو قانون سخت (Hard Constraint) تعیین کنید تا رفتارهای ناخواسته مسدود شوند. مثالها:
- «تاریخها و ارقام بودجه تأییدشده را بدون تغییر نگه دار.»
- «پاسخ را فقط به عنوان پیشنویس تدوین کن؛ هیچچیز را ارسال نکن.»
این رویکرد «کمتر اما بهتر» برای زمینه (Context) هم صدق میکند: تنها منابعی را ضمیمه کنید که واقعاً پاسخ را تغییر میدهند (صفحات گسترده، PDF، تصاویر، جستجوی وب، فایلهای پروژه اشتراکی، و پلاگینهایی برای Google Drive، Gmail، Slack، GitHub).
تفکیک کارها: Chat برای سریع، Work برای سنگین
راهنمای جدید مرز واضحی میان دو حالت ترسیم میکند:
| Chat | Work |
|---|---|
| سؤالات سریع، بازنویسی، خلاصهسازی | پروژههای چندمنبعه، تغییرات در فایلها، تولید گزارش/سند Excel/Word |
| مصرف اعتبار کم | مصرف اعتبار بیشتر، اما بازده بالا در تصمیمگیریهای مهم |
برای کارهای تکراری: ابتدا پرامپت را به صورت دستی بهینه کنید، سپس از طریق Custom Instructions در تنظیمات شخصیسازی (Settings > Personalization) به صورت خودکار اعمال نمایید.
Codex: هدایت (Steer)، صفبندی (Queue) و محیط ایمن (Sandbox)
دستیار کدنویسی Codex قابلیتهای تعاملی نوینی معرفی کرده است:
- Steer: اضافه کردن پیام در حین اجرا برای تغییر مسیر فوری.
- Queue: صفبندی دستور برای اجرای بعدی.
- میدان CLI: کلید Enter برای Steer و Tab برای Queue.
Codex در یک Sandbox اجرا میشود که دسترسی فایل/شبکه را محدود میکند؛ برای خروج از این محدودیتها، اجازه از کاربر طلب میشود. دو دستور اسلش برای پروژههای چندمرحلهای حیاتیاند:
/plan: تحلیل کد و پیشنهاد رویکرد قبل از اعمال تغییر./goal: تعیین هدف سطح بالا که در چندین مرحله پیگیری میشود.
برای بررسی کد (Code Review) میتوان از /review به صورت محلی یا @codex review در کامنتهای GitHub استفاده کرد (با تمرکز اختیاری مثل «امنیت» یا «عملکرد»).
نکات طلایی برای کاربران حرفهای
- نیازی به پرامپت کامل در نوبت اول نیست؛ پیگیریها (Follow-ups) مکانیزم طبیعی اصلاح خروجیاند.
- ترجیحاتِ جلسات ← Custom Instructions در تنظیمات.
- تنظیماتِ مخصوصِ یک تسک ← مستقیماً در همان پرامپت.
- برای کارهای پرریسک: از مدل بخواهید خروجی خود را تأیید کند (مثلاً: «آیا هر آیتمِ اقدام، یک मालک و یک ضربالاجل دارد؟»).
منبع: وبسایت رسمی OpenAI و مستندات راهنمای پرامپتنویسی منتشرشده در ژوئیه ۲۰۲۵.
