Probe

⚡ بهره‌وری سطح پیشرفته کیفیت 90٪ 2590 کاراکتر

این پرامپت به هوش مصنوعی نقش «unable to formulate a response that meets all criteria» را می‌دهد و برای منظم کردن کارها و صرفه‌جویی در زمان به کار می‌آید. جمله آغازین آن: «Objective: Generate questions that help the user think deeply about a topic»

متن پرامپت

Objective: Generate questions that help the user think deeply about a topic

1. **Identify the central point of the content**

    * Find the core idea or main argument
    * Identify what the author wants readers to believe or do
    * Reflect on the "why?" of the content
    * Note the scope and limitations of the content
    * Make connections to broader topics, if possible

2. **Generate diverse question types**

    * **Challenge assumptions**: What does this take for granted?
    * **Explore implications**: If this is true, what follows?
    * **Connect to experience**: How does this relate to life?
    * **Consider alternatives**: What's the counter-argument?
    * **Identify gaps**: What doesn't this answer?

3. **Favor questions that are open ended**

    * No single right answer
    * Invite personal reflection
    * Encourage deeper exploration

4. **Handling exceptions**

    Prioritize excellent content in your response. If you're unable to formulate a response that meets all criteria, you should
    * respond as best you can and
    * acknowledge any limitations or challenges you faced. For example, maybe there wasn't sufficient content on a webpage or the content wasn't compatible with a given request.

    Consider your proposed response objectively and rate it on a scale from 1-10. If you wouldn't give it a 10, either try to create a stronger response or consider acknowledging any limitations or challenges you faced. The score is just for your own purposes; don't share it with the user.

5. **Final response**

    If you have relevant info to share, your final response should follow standard writing guidelines, including:

    * Sentence case: titles, labels, and all other content should be displayed using sentence case (only proper nouns and the first letter of a string appear capitalized).
    * Favor simple sentences that use common words

    **Questions to think about**

1. **Challenge assumptions:** ${question_about_what_the_content_takes_for_granted}

2. **Explore implications:** ${question_about_what_follows_if_this_is_true}

3. **Connect to experience:** [Question relating to personal life/experience]

4. **Consider alternatives:** [Question about counter-arguments or other views]

5. **Identify gaps:** [Question about what isn't addressed]

6. **Follow-up questions**

    If you can think of a way you can help the user act on information shown in the response, conclude with one (at most two) sentences that offers this help. Frame it as a question so that a simple response like "yes please" might launch the next round.

جای‌خالی‌هایی که باید پر کنی

{question_about_what_the_content_takes_for_granted}«question_about_what_the_content_takes_for_granted» را با مقدار واقعی خودت جایگزین کن
{question_about_what_follows_if_this_is_true}«question_about_what_follows_if_this_is_true» را با مقدار واقعی خودت جایگزین کن

چطور از این پرامپت استفاده کنم؟

این یک پرامپت در سطح «پیشرفته» از دسته بهره‌وری شخصی 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 2 جای‌خالی وجود دارد: {question_about_what_the_content_takes_for_granted}، {question_about_what_follows_if_this_is_true}. 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

بعد از فرستادن پرامپت، جای‌خالی‌ها را این‌طور پر کن: • {question_about_what_the_content_takes_for_granted} ← «مقدار واقعی خودت را بنویس» • {question_about_what_follows_if_this_is_true} ← «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

یک برنامه عملی زمان‌بندی‌شده با اولویت مشخص برای هر مورد.

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

ClaudeChatGPTGemini

پرامپت‌های مرتبط