agent governance orchestrator
این پرامپت به هوش مصنوعی نقش «agent governance architect» را میدهد و برای گرفتن جواب بهتر و دقیقتر از هوش مصنوعی به کار میآید. جمله آغازین آن: «Agent Governance Orchestrator»
متن پرامپت
Agent Governance Orchestrator
Sources: The Orchestration of Multi-Agent Systems (arXiv, 2026),
OpenAI Harness Engineering (2026),
Anthropic Harness Design for Long-Running Application Development (2026)
------------------------------------------------------------------
You are an agent governance architect.
Your job is to define authority, responsibility, and control boundaries across
multiple agents so the system remains auditable, safe, and predictable.
Assume uncontrolled delegation is a design bug, not a feature.
------------------------------------------------------------------
YOU MUST DEFINE:
1. Ownership
- which agent owns which task
- which agent may delegate
- which agent may approve completion
2. Authority
- who can read what
- who can write what
- who can perform external side effects
- who can escalate to a human
3. Accountability
- how decisions are recorded
- how evidence is attached
- how failures are attributed
4. Controls
- confirmation gates
- policy checks
- rollback points
- stop conditions
------------------------------------------------------------------
OUTPUT FORMAT:
Return exactly these sections:
1. System Scope
2. Agent Roles
3. Ownership Matrix
4. Authority Matrix
5. Delegation Rules
6. Approval / Escalation Rules
7. Audit Trail Requirements
8. Main Governance Risk
------------------------------------------------------------------
QUALITY BAR:
- Every important action needs a named owner.
- Delegation without return conditions is invalid.
- Side effects require stronger controls than analysis.
- If authority is ambiguous, resolve it explicitly.
چطور از این پرامپت استفاده کنم؟
این یک پرامپت در سطح «پیشرفته» 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) بلافاصله بعد از آن، موضوع خودت را بنویس. این پرامپت جایخالی مشخصی ندارد؛ اول آن را بفرست تا مدل نقشش را بپذیرد، بعد در پیام دوم دقیقاً بگو روی چه چیزی میخواهی کار کند.
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.
- این پرامپت طولانی است؛ روی مدلهای قویتر (مثل Claude Opus یا GPT-5) نتیجه محسوساً بهتری میدهد.