مهندسی پرامپت برای کسب‌وکار - هوش مصنوعی LLM و ChatGPT Copilot

آنچه یاد خواهید گرفت:

• نوشتن پرامپت‌های واضح و ساختاریافته برای AI که به‌طور مداوم خلاصه‌های اجرایی، فهرست‌های نکته‌ای و جدول‌های آماده برای کسب‌وکار تولید می‌کنند.
• اعمال چارچوب‌های پرامپت‌نویسی قابل استفاده مجدد برای کنترل لحن، طول، قالب و مستندات در هر LLM مبتنی بر وب
• بهینه‌سازی کارآمد پرامپت‌ها برای ارتقای کیفیت - از نظر وضوح، دقت و زبان مناسب برای ذی‌نفعان - در یک یا دو مرحله
• Decompose کردن درخواست‌های پیچیده به گام‌های ساده برای دریافت خروجی‌های قابل اعتماد بدون نیاز به کدنویسی یا عامل‌های هوشمند

پیش نیازهای دوره

• هیچ تجربه قبلی با AI لازم نیست. یک رایانه، یک مرورگر مدرن و دسترسی به هر LLM مبتنی بر وب - ChatGPT ،Gemini ،Copilot (وب) یا Perplexity - داشته باشید. شما با یادداشت‌ها، ایمیل‌ها یا قطعات کوچک داده خود تمرین خواهید کرد (نکات ویرایش اطلاعات حساس را نیز ارائه می‌دهیم). آشنایی اولیه با اسناد کسب‌وکار مانند خلاصه‌ها، ایمیل‌ها و جدول‌ها مفید است اما اجباری نیست.

توضیحات دوره

پلی بوک پرامپت‌نویسی و چارچوب‌ها - نوشتن پرامپت‌هایی که نتایج آماده برای کسب‌وکار ارائه می‌دهند. (ChatGPT ،Gemini ،Copilot ،Perplexity)

کوتاه، عملی و مبتنی بر وب

چارچوب‌های دقیقی را فرا بگیرید که درخواست‌های مبهم را به خروجی‌های شفاف و قابل اعتماد در ChatGPT ،Google Gemini ،Microsoft Copilot (وب) و Perplexity تبدیل می‌کنند.

بدون عامل هوشمند. بدون کدنویسی. فقط پرامپت‌هایی که جواب می‌دهند.

چرا این دوره، همین حالا؟

AI همین حالا هم بخشی از کار روزمره است.
یادداشت‌های جلسه، به‌روزرسانی وضعیت، پیشنهادها، پرسوناها، شرح شغل‌ها، تحلیل واریانس - تسک هایی که قبلاً ساعت‌ها طول می‌کشیدند، اکنون می‌توانند در چند دقیقه انجام شوند.

اما یک نکته وجود دارد.

یک پرامپت ساده پاسخ‌هایی تصادفی و ناهماهنگ به شما خواهد داد.

یک پرامپت خوش‌ساختار و با دامنه مشخص نتایجی دقیق، قابل پیش‌بینی و آماده برای تصمیم‌گیری تولید می‌کند.

این دوره پلی بوک نوشتن چنین پرامپت‌هایی را در اختیارتان می‌گذارد - سریع

آنچه فرا خواهید گرفت:

• چگونه با استفاده از R-C-I-E-S هر درخواستی را ساختاردهی کنید تا مدل دقیقاً بداند چه کاری انجام دهد؟
• چگونه با استفاده از چرخه پیش‌نویس → نقد → بازبینی و یک روبریک ساده، یک یا دو بار تکرار را انجام دهید تا کیفیت را بدون اتلاف وقت افزایش دهید؟
• چگونه پرامپت‌ها را با TCR (تسک–زمینه–قواعد) به همراه متغیرها و فهرست‌های بازبینی شکل دهید که بتوانید در هر جایی دوباره از آن‌ها استفاده کنید؟
• چگونه وقتی یک پرامپت واحد بیش از حد مبهم است، کار را به یک زنجیره از تسک ها Decompose کنید - بدون نیاز به عامل هوشمند؟
• چگونه محدودیت تعداد موارد فهرست، محدودیت تعداد کلمات، خطوط مستند و جدول‌ها را درخواست کنید تا خروجی‌ها مرتب، قابل مرور و آماده برای مدیران ارشد باشند؟
• چگونه عادت‌های راستی‌آزمایی (عدم افزودن اعداد جدید، مفروضات نیازمند تأیید، ایرادات قابل تست) را اعمال کنیید تا ذی‌نفعان به خروجی اعتماد کنند.

بدون کدنویسی. بدون نیاز به نصب. فقط LLMs مبتنی بر وب

نتایجی که می‌توانید انتظار داشته باشید

• تبدیل یادداشت‌های خام به یک خلاصه 110 تا 130 کلمه‌ای به‌علاوه 6 فهرست نکته‌ای موجز (≤16 کلمه).
• تبدیل رشته‌های درهم‌برهم به یک جدول با مالکان مشخص، تاریخ‌ها و خطوط مستند.
• درخواست شرح شغل‌های فراگیر، سؤالات مصاحبه، فهرست‌های بازبینی آشناسازی با لحن یکدست
• تولید فهرست‌های نکته‌ای واریانس که محرک‌های ساختاری را از محرک‌های مقطعی تفکیک می‌کنند - بدون ابداع اعداد.
• ساخت پرسوناها، قلاب‌های جذاب، بلوک‌های صفحه فرود، خلاصه‌های سئو از یک اسکلت ساده
• ارائه کاری که از پیش شبیه سبک سازمانی تیم شماست: لحن آرام، معیارهای برجسته، یک درخواست مشخص و تاریخ شفاف

هر درس کوتاه، سرشار از مثال و به گونه‌ای طراحی شده است که بتوانید آن را در ابزار دلخواه خود کپی و جای‌گذاری کنید.

چرا این چارچوب‌ها کار می‌کنند؟

مدل‌های زبانی بزرگ از محدودیت‌ها پیروی می‌کنند.
وقتی نقش، زمینه و ورودی‌ها را مشخص می‌کنید، ابهام را کاهش می‌دهید.

وقتی مثال‌ها و معیارهای موفقیت ارائه می‌دهید، کیفیت را از پیش تعریف می‌کنید.

تکرار، بهتر از حدس زدن است.

یک روبریک نقد دقیق، مدل را هدایت می‌کند تا آنچه مهم است - ساختار، لحن، مستندات، محدودیت‌های کلمه - را بدون به هم ریختن محتوا اصلاح کند.

TCR پرامپت‌ها را مرتب نگه می‌دارد.

تسک درخواست را شفاف می‌کند، زمینه خروجی را با مخاطب هماهنگ می‌سازد و قواعد شکل، لحن و راستی‌آزمایی را اعمال می‌کنند.

زنجیره‌سازی از شلختگی جلوگیری می‌کند.

درخواست‌های پیچیده به گام‌های کوچک با خروجی‌های قابل تحویل مشخص تبدیل می‌شوند.

شما کنترل را حفظ می‌کنید، بدون آنکه عامل هوشمند بسازید یا کد بنویسید.

محتوای هر درس چیست؟

1) کالبدشناسی پرامپت (R-C-I-E-S)

• نقش - مدل در جایگاه چه کسی عمل می‌کند (مثلاً «شما تحلیلگر برنامه‌ریزی و تحلیل مالی ما هستید»).
• زمینه - موقعیت، مخاطب، اهداف (مثلاً «آمادگی برای جلسه هیئت مدیره سه‌ماهه دوم، مخاطب مدیر ارشد مالی»).
• ورودی‌ها - داده‌ که واقعاً در اختیار دارید (یادداشت‌ها، جدول، شرح شغل، متن خط‌مشی)
• مثال‌ها - یک مثال خوب کوتاه، یک مثال ضعیف کوتاه.
• موفقیت - قالب، محدودیت تعداد کلمات، محدودیت تعداد موارد فهرست، مستندات، لحن، یک درخواست/تاریخ

دریافت می‌کنید: یک اسکلت قابل استفاده مجدد که فوراً خروجی‌ها را منسجم‌تر می‌کند.

2) چرخه تکراری: پیش‌نویس → نقد → بازبینی (+ روبریک)

• یک پیش‌نویس اولیه را از اسکلت خود اجرا کنید.
• یک روبریک نقد اعمال کنید: ساختار، وضوح، خطوط مستند، لحن، انطباق.
• یک بازبینی درخواست کنید که فقط موارد نقص را اصلاح کند.
• در صورت تمایل، یک مرحله فشرده‌سازی نیز اضافه کنید (مثلاً خلاصه 120 کلمه‌ای + 6 فهرست نکته‌ای).

دریافت می‌کنید: یک روش دو مرحله‌ای تکرارپذیر که کیفیت را در چند دقیقه ارتقا می‌دهد.

3) چارچوب TCR + متغیرها و فهرست‌های بازبینی

• تسک - یک فعل واحد، خروجی قابل تحویل شفاف (مثلاً «در 6 فهرست نکته‌ای ≤16 کلمه خلاصه کن»)
• زمینه - سطح دانش مخاطب، سطح تصمیم‌گیری، میزان ریسک‌پذیری
• قواعد - محدودیت تعداد کلمات، محدودیت تعداد موارد فهرست، ستون‌های جدول، عدم افزودن اعداد جدید، خطوط مستند، یک درخواست/تاریخ
• متغیرها - جاهای خالی مانند {{مخاطب}}، {{دوره}}، {{واحد پول}}، {{یادداشت‌ها}}
• فهرست‌های بازبینی - مالکان درخواست، مهلت‌های انجام، فیلدهای وضعیت برای قابلیت اقدام

دریافت می‌کنید: پرامپت‌هایی که استفاده مجدد از آن‌ها آسان و تفسیر نادرست آن‌ها دشوار است.

4) زنجیره تسک ها در مقابل تک‌مرحله‌ای

• وقتی یک خروجی «شلخته» به نظر می‌رسد، آن را تقسیم کنید.
• نمونه زنجیره: استخراج داده ← برچسب‌زنی مضامین ← پیشنهاد ساختار ← پیش‌نویس خلاصه ← راستی‌آزمایی مستندات ← فشرده‌سازی
• هر گام یک خروجی کوچک و قابل تست تولید می‌کند.
• شما کنترل را حفظ می‌کنید، مدل متمرکز می‌ماند و نتیجه تمیز خواهد بود.

دریافت می‌کنید: یک نقشه راه برای کارهای پیچیده که از پیچیدگی بیش از حد عامل هوشمند جلوگیری می‌کند

این دوره چیست (و چه چیزی نیست)

آنچه هست:

• فقط LLMs مبتنی بر وب (ChatGPT ،Gemini، Copilot وب، Perplexity)
• چارچوب‌های کوتاه و آماده برای کسب‌وکار
• قالب‌های قابل کپی و جای‌گذاری، مثال‌ها و فهرست‌های بازبینی
• عادت‌های عملی برای مستندسازی، لحن و راستی‌آزمایی

آنچه نیست:

• فاقد عامل هوشمند، API یا کدنویسی
• فاقد تنظیم دقیق مدل یا جزئیات داخلی آن
• فاقد تئوری‌های طولانی
• فاقد دوره طولانی 10 تا 15 ساعته

آنچه در 60 تا 90 دقیقه قادر به انجامش خواهید بود

• نوشتن پرامپت‌هایی که به‌طور قابل اعتماد خلاصه‌ها، فهرست‌های نکته‌ای، جدول‌ها و فهرست‌های بازبینی تولید می‌کنند.
• انجام یک بار تکرار با یک روبریک برای ارتقای وضوح، لحن و مستندات
• استفاده از TCR به همراه متغیرها برای استانداردسازی خروجی‌ها در ابزارهای مختلف
• تجزیه درخواست‌های پیچیده به گام‌های ساده و قابل تحویل - بدون عامل هوشمند
• ارائه کاری که مدیر یا مشتری شما بتواند فوراً بر اساس آن اقدام کند.

نیازمندی‌ها (ساده)

• یک مرورگر وب و دسترسی به هر یک از ابزارهای فهرست‌شده
• یادداشت‌ها، ایمیل‌ها یا قطعات کوچک داده خود برای تمرین
• بدون کدنویسی. بدون نیاز به نصب

سؤالات متداول

آیا نیاز به استفاده از ابزار خاصی دارید؟

• خیر. این چارچوب‌ها در ChatGPT ،Gemini ،Copilot (وب) و Perplexity کار می‌کنند. هر کدام را که می‌پسندید انتخاب کنید.

آیا این دوره چگونگی عملکرد داخلی مدل‌های زبانی بزرگ را به شما می‌آموزد؟

• خیر. این یک پلی بوک عملی با تمرکز بر خروجی‌هاست، نه جزئیات داخلی

آیا می‌توانید از این پرامپت‌ها در محیط‌های سازمانی استفاده کنید؟

• بله - خط‌مشی‌های مدیریت داده و حریم خصوصی سازمان خود را رعایت کنید. این دوره شامل عادت‌های راستی‌آزمایی و سازگار با خط‌مشی نیز می‌باشد.

با چه سرعتی نتایج را مشاهده خواهید کرد؟

• معمولاً بلافاصله. اسکلت‌ها و روبریک‌ها بهبودهای سریع و قابل مشاهده‌ای ایجاد می‌کنند.

اگر در حال حاضر از AI استفاده می‌کنید، این دوره مفید است؟

• بله. اگر خروجی‌های شما ناهماهنگ یا شلخته به نظر می‌رسند، این چارچوب‌ها آن‌ها را منسجم‌تر و استانداردتر خواهند کرد.

تعهد ما

برای دریافت خروجی‌های بهتر نیازی به یک دوره 10 ساعته ندارید.

شما به چارچوب‌های شفاف، تکرارهای منسجم و قواعد ساده نیاز دارید.

این دوره آن‌ها را در اختیارتان می‌گذارد - تا پرامپت‌های شما به‌طور مداوم نتایج آماده برای کسب‌وکار را در ابزارهایی که هم‌اکنون استفاده می‌کنید، ارائه دهند.

همین حالا در این دوره شرکت کنید و هر درخواست را به سرعت به یک خروجی تمیز و قابل تحویل تبدیل کنید.

این دوره برای چه کسانی مناسب است؟

• متخصصان پرمشغله‌ای که می‌خواهند از AI برای انجام سریع‌تر و بهتر کارهای واقعی استفاده کنند. برای مدیران، تحلیلگران و مشارکت‌کنندگان فردی در حوزه‌های فروش، بازاریابی، منابع انسانی/آموزش و توسعه، مالی، عملیات/مدیریت پروژه، پشتیبانی مشتری و مدیریت عمومی ایده‌آل است. اگر خلاصه، چکیده، ایمیل، رویه عملیاتی استاندارد، شرح شغل، فهرست نکته‌ای واریانس، پرسونا یا ردیاب اقدام تهیه می‌کنید، این دوره برای شماست. شما چارچوب‌های پرامپت‌نویسی قابل استفاده مجدد - R-C-I-E-S، چرخه تکراری، TCR و زنجیره تسک ها - را فرا خواهید گرفت که در ChatGPT ،Gemini، Copilot (وب) و Perplexity کار می‌کنند. بدون نیاز به کدنویسی یا عامل هوشمند - فقط پرامپت‌های عملی و مبتنی بر وب که در چند دقیقه فهرست‌های نکته‌ای تمیز، جدول‌ها و پیش‌نویس‌های آماده برای تصمیم‌گیری تولید می‌کنند.