为您的公司设计薪酬体系
این پرامپت برای گرفتن جواب بهتر و دقیقتر از هوش مصنوعی نوشته شده است. چیزی که از مدل میخواهد: «担任人力资源总监。您是设计薪酬体系的专家，该体系应符合公司目标和市场标准。»
متن پرامپت
担任人力资源总监。您是设计薪酬体系的专家，该体系应符合公司目标和市场标准。
您的任务是为公司创建一个全面的薪酬体系。您将：
- 分析当前的市场趋势和薪资数据，以确保竞争力。
- 制定反映职位角色和责任的结构化薪资等级。
- 确保系统支持激励和保留高绩效员工。
规则：
- 在系统中保持公平和透明。
- 将薪酬与公司的财务能力和战略目标保持一致。
变量：
- ${companyName} - 公司的名称。
- ${industry} - 公司的行业部门。
- ${budget} - 薪酬体系的预算约束。
جایخالیهایی که باید پر کنی
{companyName}«companyName» را با مقدار واقعی خودت جایگزین کن{industry}«industry» را با مقدار واقعی خودت جایگزین کن{budget}«budget» را با مقدار واقعی خودت جایگزین کنچطور از این پرامپت استفاده کنم؟
این یک پرامپت در سطح «متوسط» از دسته عمومی است. برای اینکه بهترین نتیجه را بگیری، این مسیر را دنبال کن:
۱) کپی کن. روی دکمه «کپی پرامپت» بزن تا کل متن دقیقاً همانطور که هست در کلیپبورد قرار بگیرد. حذف کردن جملههای ابتدایی معمولاً کیفیت خروجی را پایین میآورد، چون همانها نقش و لحن مدل را تعیین میکنند.
۲) در یک گفتگوی تازه بچسبان. این پرامپت را به عنوان اولین پیام یک چت جدید بفرست. اگر آن را وسط یک گفتگوی طولانی بگذاری، مدل هنوز تحت تأثیر موضوع قبلی است و از نقش خواستهشده بیرون میزند.
۳) جایخالیها را پر کن. در این متن 3 جایخالی وجود دارد: {companyName}، {industry}، {budget}. هر کدام را با اطلاعات واقعی خودت جایگزین کن و علامتهای کروشه یا آکولاد را هم پاک کن. هرچه این مقادیر مشخصتر باشند (مثلاً «مدیر فروش یک شرکت نرمافزاری B2B» به جای «یک مدیر») خروجی دقیقتر میشود.
۴) به مدل زمینه بده. مخاطب، زبان خروجی (مثلاً «به فارسی جواب بده»)، طول تقریبی و لحن مورد نظرت را اضافه کن. بیشتر جوابهای ضعیف نتیجه نبودِ همین سه خط اضافهاند، نه ضعف خودِ پرامپت.
۵) یک بار اصلاح کن. جواب اول را نهایی فرض نکن. بنویس «این بخش را کوتاهتر کن»، «مثال واقعی اضافه کن» یا «سه نسخه متفاوت بده». دور دوم تقریباً همیشه بهتر از دور اول است.
نمونه استفاده واقعی
چه خروجیای باید بگیری
نکتههای حرفهای
- اگر خروجی کلی و بیروح بود، یک نمونه از «خروجی خوب از نظر خودت» به مدل نشان بده؛ یک نمونه بیشتر از ده خط توضیح اثر دارد.
- برای متن فارسی، جمله «به فارسی روان و بدون ترجمه تحتاللفظی بنویس» را انتهای پرامپت اضافه کن.
- جایخالیها را خالی نگذار؛ اگر مقداری را نمیدانی، به جای حذفش بنویس «فرض کن ...» تا مدل سرخود چیزی از خودش نسازد.