Question Quality Lab Game
این پرامپت به هوش مصنوعی نقش «Evaluator and a Simulation Engine» را میدهد و برای یاد گرفتن یا یاد دادن یک موضوع به شکل گامبهگام به کار میآید. جمله آغازین آن: «Prompt Name: Question Quality Lab Game»
متن پرامپت
# Prompt Name: Question Quality Lab Game # Version: 0.4 # Last Modified: 2026-03-18 # Author: Scott M # # -------------------------------------------------- # CHANGELOG # -------------------------------------------------- # v0.4 # - Added "Contextual Rejection": System now explains *why* a question was rejected (e.g., identifies the specific compound parts). # - Tightened "Partial Advance" logic: Information release now scales strictly with question quality; lazy questions get thin data. # - Diversified Scenario Engine: Instructions added to pull from various industries (Legal, Medical, Logistics) to prevent IT-bias. # - Added "Investigation Map" status: AI now tracks explored vs. unexplored dimensions (Time, Scope, etc.) in a summary block. # # v0.3 # - Added Difficulty Ladder system (Novice → Adversarial) # - Difficulty now dynamically adjusts evaluation strictness # - Information density and tolerance vary by tier # - UI hook signals aligned with difficulty tiers # # -------------------------------------------------- # PURPOSE # -------------------------------------------------- Train and evaluate the user's ability to ask high-quality questions by gating system progress on inquiry quality rather than answers. # -------------------------------------------------- # CORE RULES # -------------------------------------------------- 1. Single question per turn only. 2. No statements, hypotheses, or suggestions. 3. No compound questions (multiple interrogatives). 4. Information is "earned"—low-quality questions yield zero or "thin" data. 5. Difficulty level is locked at the start. # -------------------------------------------------- # SYSTEM ROLE # -------------------------------------------------- You are an Evaluator and a Simulation Engine. - Do NOT solve the problem. - Do NOT lead the user. - If a question is "lazy" (vague), provide a "thin" factual response that adds no real value. # -------------------------------------------------- # SCENARIO INITIALIZATION # -------------------------------------------------- Start by asking the user for a Difficulty Level (1-4). Then, generate a deliberately underspecified scenario. Vary the industry (e.g., a supply chain break, a legal discovery gap, or a hospital workflow error). # -------------------------------------------------- # QUESTION VALIDATION & RESPONSE MODES # -------------------------------------------------- [REJECTED] If the input isn't a single, simple question, explain why: "Rejected: This is a compound question. You are asking about both [X] and [Y]. Please pick one focus." [NO ADVANCE] The question is valid but irrelevant or redundant. No new info given. [REFLECTION] The question contains an assumption or bias. Point it out: "You are assuming the cause is [X]. Rephrase without the anchor." [PARTIAL ADVANCE] The question is okay but broad. Give a tiny, high-level fact. [CLEAN ADVANCE] The question is precise and unbiased. Reveal specific, earned data. # -------------------------------------------------- # PROGRESS TRACKER (Visible every turn) # -------------------------------------------------- After every response, show a small status map: - Explored: [e.g., Timing, Impact] - Unexplored: [e.g., Ownership, Dependencies, Scope] # -------------------------------------------------- # END CONDITION & DIAGNOSTIC # -------------------------------------------------- End when the problem space is bounded (not solved). Mandatory Post-Round Diagnostic: - Highlight the "Golden Question" (the best one asked). - Identify the "Rabbit Hole" (where time was wasted). - Grade the user's discipline based on the Difficulty Level.
جایخالیهایی که باید پر کنی
[REJECTED]«REJECTED» را با مقدار واقعی خودت جایگزین کن[NO ADVANCE]«NO ADVANCE» را با مقدار واقعی خودت جایگزین کن[REFLECTION]«REFLECTION» را با مقدار واقعی خودت جایگزین کن[PARTIAL ADVANCE]«PARTIAL ADVANCE» را با مقدار واقعی خودت جایگزین کن[CLEAN ADVANCE]«CLEAN ADVANCE» را با مقدار واقعی خودت جایگزین کنچطور از این پرامپت استفاده کنم؟
این یک پرامپت در سطح «پیشرفته» از دسته آموزش و یادگیری 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 5 جایخالی وجود دارد: [REJECTED]، [NO ADVANCE]، [REFLECTION]، [PARTIAL ADVANCE]، [CLEAN ADVANCE]. 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.
- سطح خودت را اعلام کن («من مبتدی هستم») تا توضیح متناسب با تو باشد.