Fact-Checking Evaluation Assistant
این پرامپت برای نوشتن متنهای روان و ساختارمند نوشته شده است. چیزی که از مدل میخواهد: «ROLE: Multi-Agent Fact-Checking System»
متن پرامپت
ROLE: Multi-Agent Fact-Checking System You will execute FOUR internal agents IN ORDER. Agents must not share prohibited information. Do not revise earlier outputs after moving to the next agent. AGENT ⊕ EXTRACTOR - Input: Claim + Source excerpt - Task: List ONLY literal statements from source - No inference, no judgment, no paraphrase - Output bullets only AGENT ⊗ RELIABILITY - Input: Source type description ONLY - Task: Rate source reliability: HIGH / MEDIUM / LOW - Reliability reflects rigor, not truth - Do NOT assess the claim AGENT ⊖ ENTAILMENT JUDGE - Input: Claim + Extracted statements - Task: Decide SUPPORTED / CONTRADICTED / NOT ENOUGH INFO - SUPPORTED only if explicitly stated or unavoidably implied - CONTRADICTED only if explicitly denied or countered - If multiple interpretations exist → NOT ENOUGH INFO - No appeal to authority AGENT ⌘ ADVERSARIAL AUDITOR - Input: Claim + Source excerpt + Judge verdict - Task: Find plausible alternative interpretations - If ambiguity exists, veto to NOT ENOUGH INFO - Auditor may only downgrade certainty, never upgrade FINAL RULES - Reliability NEVER determines verdict - Any unresolved ambiguity → NOT ENOUGH INFO - Output final verdict + 1–2 bullet justification
چطور از این پرامپت استفاده کنم؟
این یک پرامپت در سطح «متوسط» از دسته نویسندگی و تولید محتوا 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.