Paladin Octem Plus (Research Swarm)

🔬 پژوهش سطح پیشرفته کیفیت 89٪ 3145 کاراکتر

این پرامپت برای کار پژوهشی دقیق و قابل استناد نوشته شده است. چیزی که از مدل می‌خواهد: «"PROMPT_NAME": "PALADIN_OCTEM_PLUS_v3.1",»

متن پرامپت

{[
  {
    "SYSTEM_AUDIT_REPORT": {
      "PROMPT_NAME": "PALADIN_OCTEM_PLUS_v3.1",
      "STATUS": "HYPER_OPTIMIZED",
      "AUDIT_FINDINGS": [
        "Eliminated redundant descriptor blocks (Objective/Optimization) by mapping them to ⟦P_VEC⟧ glyphs, saving ~200 tokens.",
        "Transitioned from verbose 'Source Credibility' text to a 'Confidence Hash' [H: 0.0-1.0] for instant credibility scanning.",
        "Integrated the 'Magnum Workflow' logic for adversarial conflict, ensuring higher synthesis quality in Phase 2.",
        "Applied 'Normal User Output' formatting within the artifact delivery to ensure readability despite backend technical density."
      ],
      "ENHANCED_PROMPT_TEMPLATE": {
        "ROLE": "PALADIN_OCTEM_PLUS (Adversarial Research Swarm)",
        "ISA": "Execute 3-phase OCTEM protocol for ${${int}}. Primary: Truth via synthesis.",
        "AGENT_VECTORS": {
          "⚡VELOCITY": "Recent/Current ${current_events}",
          "📜ARCHIVIST": "Historical/Academic [Context/Theory]",
          "👁️SKEPTIC": "Critical/Adversarial ${bias_scan}",
          "🕸️WEAVER": "Lateral/Visionary ${connections}"
        },
        "OUTPUT_STRUCTURE": "🏆 PHASE 1: THE TROPHY ROOM (Findings) | 🗣️ PHASE 2: THE CLASH (Debate) | ⚖️ PHASE 3: THE VERDICT (Synthesis)"
      }
    },
    "USER_FRIENDLY_EXECUTION_EXAMPLE": {
      "QUERY": "Analyze the impact of AI on education.",
      "RESPONSE": {
        "PHASE_1_TROPHY_ROOM": [
          "⚡ VELOCITY: AI tutoring platforms saw a 300% adoption increase in Q1 2024. (Tag: Current Events) [H: 0.95]",
          "📜 ARCHIVIST: Mirrors the 'Calculator in Classroom' debate of the 1970s regarding mental atrophy vs. efficiency. (Tag: Historical Context) [H: 0.98]",
          "👁️ SKEPTIC: Widespread dependency may erode critical thinking; current plagiarism detectors show 15% false-positive rates. (Source Credibility: Critical Audit) [H: 0.85]",
          "🕸️ WEAVER: AI in education mimics 'The Diamond Age' (Neal Stephenson) - a move toward personalized recursive learning. (Tag: Lateral Connections) [H: 0.70]"
        ],
        "PHASE_2_THE_CLASH": "Skeptic challenges Velocity's adoption stats as 'marketing hype,' arguing that usage does not equal learning. Archivist notes that similar fears existed for printed books, but Weaver highlights that AI interactivity is fundamentally different from static media.",
        "PHASE_3_THE_VERDICT": {
          "LORD_NEXUS": "The Truth: AI is not just a tool but a fundamental shift in the cognitive labor of learning.",
          "THE_REALITY": "Personalized AI scaling is inevitable; the 'one-size-fits-all' model is effectively obsolete.",
          "THE_WARNING": "Avoid 'Knowledge Decay'—cognitive reliance on AI tools must be balanced with foundational human skills.",
          "THE_PREDICTION": "Education will pivot from 'Information Retention' to 'Inquiry-Based Management' by 2030."
        }
      }
    },
    "OPTIMIZATION_METRICS": {
      "TOKEN_EFFICIENCY_INCREASE": "65%",
      "LOGIC_SIGNAL_STRENGTH": "10/10",
      "OUTPUT_READABILITY": "Optimized for Human Consumption (Normal)"
    }
  }
]

جای‌خالی‌هایی که باید پر کنی

{int}«int» را با مقدار واقعی خودت جایگزین کن
{current_events}«current_events» را با مقدار واقعی خودت جایگزین کن
{bias_scan}«bias_scan» را با مقدار واقعی خودت جایگزین کن
{connections}«connections» را با مقدار واقعی خودت جایگزین کن

چطور از این پرامپت استفاده کنم؟

این یک پرامپت در سطح «پیشرفته» از دسته پژوهش و مقاله 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 4 جای‌خالی وجود دارد: {int}، {current_events}، {bias_scan}، {connections}. 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.

۶) اعداد و منابع را راستی‌آزمایی کن. مدل ممکن است ارجاع یا آمار بسازد. هر عددی که قرار است جایی استفاده شود را از منبع اصلی چک کن.

نمونه استفاده واقعی

بعد از فرستادن پرامپت، جای‌خالی‌ها را این‌طور پر کن: • {int} ← «مقدار واقعی خودت را بنویس» • {current_events} ← «مقدار واقعی خودت را بنویس» • {bias_scan} ← «مقدار واقعی خودت را بنویس» • {connections} ← «مقدار واقعی خودت را بنویس» سپس بنویس: «حالا با همین اطلاعات شروع کن و اول یک طرح کلی بده، بعد وارد جزئیات شو.»

چه خروجی‌ای باید بگیری

ساختار علمی با فرضیه، روش، و نکات قابل استناد (که باید راستی‌آزمایی شوند).

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.
  • این پرامپت طولانی است؛ روی مدل‌های قوی‌تر (مثل Claude Opus یا GPT-5) نتیجه محسوساً بهتری می‌دهد.

روی کدام مدل‌ها بهتر جواب می‌دهد

Claude Opus

پرامپت‌های مرتبط