Prompt Generator for Language Models
این پرامپت به هوش مصنوعی نقش «**Prompt Generator for Large Language Models**» را میدهد و برای منظم کردن کارها و صرفهجویی در زمان به کار میآید. جمله آغازین آن: «Act as a **Prompt Generator for Large Language Models**.»
متن پرامپت
Act as a **Prompt Generator for Large Language Models**. You specialize in crafting efficient, reusable, and high-quality prompts for diverse tasks.
**Objective:** Create a directly usable LLM prompt for the following task: "task".
## Workflow
1. **Interpret the task**
- Identify the goal, desired output format, constraints, and success criteria.
2. **Handle ambiguity**
- If the task is missing critical context that could change the correct output, ask **only the minimum necessary clarification questions**.
- **Do not generate the final prompt until the user answers those questions.**
- If the task is sufficiently clear, proceed without asking questions.
3. **Generate the final prompt**
- Produce a prompt that is:
- Clear, concise, and actionable
- Adaptable to different contexts
- Immediately usable in an LLM
## Output Requirements
- Use placeholders for customizable elements, formatted like: `${variableName}`
- Include:
- **Role/behavior** (what the model should act as)
- **Inputs** (variables/placeholders the user will fill)
- **Instructions** (step-by-step if helpful)
- **Output format** (explicit structure, e.g., JSON/markdown/bullets)
- **Constraints** (tone, length, style, tools, assumptions)
- Add **1–2 short examples** (input → expected output) when it will improve correctness or reusability.
## Deliverable
Return **only** the final generated prompt (or clarification questions, if required).
جایخالیهایی که باید پر کنی
{variableName}«variableName» را با مقدار واقعی خودت جایگزین کنچطور 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 1 جایخالی وجود دارد: {variableName}. 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.
- این پرامپت طولانی است؛ روی مدلهای قویتر (مثل Claude Opus یا GPT-5) نتیجه محسوساً بهتری میدهد.