پرامپت‌نویسی۱۷ دقیقه مطالعه

آموزش پرامپت نویسی ۱۴۰۵: راهنمای کامل برای متن، عکس، ویدیو و صدا

آموزش پرامپت نویسی از صفر: فرمول شش‌جزئی برای ChatGPT، Gemini و Claude، فرمول پرامپت عکس و ویدیو، پرامپت منفی، چرخهٔ اصلاح و جدول اشتباهات رایج.

آموزش پرامپت نویسی؛ تبدیل متن پرامپت به عکس، ویدیو و صدا با هوش مصنوعی

پرامپت‌نویسی یعنی نوشتن دستوری روشن، کامل و قابل‌اجرا برای هوش مصنوعی؛ دستوری که می‌گوید مدل چه نقشی دارد، دقیقاً چه کاری باید بکند، در چه زمینه‌ای، با چه قالب و چه محدودیت‌هایی. اگر این شش جزء (نقش، وظیفه، زمینه، قالب، محدودیت و نمونه) را در هر پرامپت رعایت کنید، خروجی ChatGPT، Gemini، Claude و حتی ابزارهای ساخت عکس، ویدیو و صدا به‌طور محسوسی بهتر و قابل‌پیش‌بینی‌تر می‌شود.

من رضا حسنلو هستم و سال‌هاست برای برندها، اینفلوئنسرها و خواننده‌ها محتوا تولید می‌کنم. تجربه‌ام این است که بیشترِ «هوش مصنوعی خوب جواب نمی‌دهد»ها در واقع یعنی «پرامپت خوب نوشته نشده». در این راهنمای کامل آموزش پرامپت نویسی، از تعریف ساده شروع می‌کنیم، یک فرمول همه‌کاره می‌سازیم و بعد آن را برای متن، تصویر، ویدیو و صدا جداگانه باز می‌کنیم؛ همراه با نمونه‌پرامپت‌های آماده، جدول اشتباهات رایج و یک چرخهٔ اصلاح که می‌توانید از همین امروز به کار ببرید.

پرامپت چیست و چرا کیفیت خروجی هوش مصنوعی به آن بستگی دارد؟

پرامپت (Prompt) هر متنی است که به یک مدل هوش مصنوعی می‌دهید تا بر اساس آن چیزی تولید کند: یک کپشن، یک سناریو، یک عکس، یک ویدیوی چندثانیه‌ای یا یک فایل صوتی. مدل ذهن شما را نمی‌خواند؛ فقط همان چیزی را می‌بیند که نوشته‌اید. هر جا اطلاعات ندهید، مدل با «حدس میانگین» جای خالی را پر می‌کند و نتیجه می‌شود همان خروجی کلیشه‌ای و بی‌روحی که همه دیده‌ایم.

Anthropic در راهنمای رسمی پرامپت‌نویسی Claude تشبیه خیلی خوبی دارد: مدل را مثل کارمندی باهوش اما تازه‌وارد تصور کنید که از عرف‌ها و روال کاری شما خبر ندارد. پیشنهادش هم یک آزمون ساده است: پرامپت‌تان را به همکاری نشان دهید که از ماجرا خبر ندارد؛ اگر او گیج شد، مدل هم گیج می‌شود. Google هم در راهنمای پرامپت Gemini اولین اصل را «دستورالعمل روشن و مشخص» گذاشته و OpenAI توصیه می‌کند هویت، دستورالعمل، نمونه‌ها و زمینه را به‌صورت بخش‌بندی‌شده بنویسید.

فرمول همه‌کارهٔ پرامپت‌نویسی چیست؟

بعد از کار با ابزارهای مختلف و مطالعهٔ راهنماهای رسمی OpenAI، Google و Anthropic، یک چارچوب شش‌جزئی جمع‌بندی کرده‌ام که تقریباً برای هر کار متنی جواب می‌دهد. لازم نیست همیشه هر شش جزء را بنویسید، اما هر چه کار مهم‌تر باشد، جزءهای بیشتری لازم دارید:

  1. نقش (Role): مدل در چه جایگاهی جواب بدهد؟ مثلاً «تو یک کپی‌رایتر اینستاگرام با تجربه در حوزهٔ کافه و رستوران هستی». Anthropic می‌گوید حتی یک جملهٔ نقش هم تفاوت ایجاد می‌کند.
  2. وظیفه (Task): دقیقاً چه چیزی می‌خواهید؟ با یک فعل روشن: بنویس، خلاصه کن، ۱۰ ایده بده، بازنویسی کن.
  3. زمینه (Context): مخاطب کیست، برند چیست، هدف محتوا چیست، چه چیزهایی قبلاً جواب داده؟ Google تأکید می‌کند وقتی اطلاعات مرجع را به مدل بدهید، جواب از حالت کلی خارج و دقیق‌تر می‌شود.
  4. قالب (Format): خروجی چه شکلی باشد؟ جدول، فهرست شماره‌دار، سه نسخهٔ جایگزین، متن زیر ۱۵۰ کلمه.
  5. محدودیت‌ها (Constraints): لحن، طول، کلمات ممنوع، رعایت گویش محاوره یا رسمی، بدون اغراق.
  6. نمونه (Examples): یک یا چند نمونه از خروجی دلخواه. Anthropic نمونه‌ها را «یکی از مطمئن‌ترین راه‌ها برای هدایت قالب، لحن و ساختار خروجی» می‌داند و ۳ تا ۵ نمونهٔ متنوع را پیشنهاد می‌کند.

یک ترفند دیگر از راهنمای Anthropic: به‌جای این‌که بگویید چه کاری نکند، بگویید به‌جایش چه کاری بکند، و دلیلش را هم توضیح دهید. مثلاً به‌جای «ایموجی نگذار» بنویسید «متن را ساده و بدون ایموجی بنویس چون قرار است روی تصویر تایپ شود». مدل از دلیل، قاعدهٔ کلی‌تر را می‌فهمد.

این هم همان فرمول به زبان انگلیسی، برای وقتی که می‌خواهید یک قالب ثابت را بارها استفاده کنید:

You are a senior Instagram copywriter for a specialty coffee shop in Tehran. Task: write 3 alternative captions for a Reel showing our new cold brew. Context: our audience is 20 to 35 years old, they value quality over price, and our tone is warm and slightly playful. Format: each caption under 60 words, with a hook in the first line and one call to action at the end. Constraints: no exaggerated claims, no more than 2 emojis per caption. Write the final captions in Persian.

در این نمونه هر شش جزء فرمول دیده می‌شود: نقش (کپی‌رایتر کافه)، وظیفه (سه کپشن)، زمینه (مخاطب و لحن)، قالب (زیر ۶۰ کلمه با هوک و دعوت به اقدام)، محدودیت (بدون اغراق) و در پایان زبان خروجی. ساختار را انگلیسی نوشته‌ایم ولی خروجی را فارسی خواسته‌ایم؛ این یکی از ترکیب‌های کاربردی است.

پرامپت را فارسی بنویسیم یا انگلیسی؟

جواب کوتاه: برای متن فارسی، پرامپت فارسی؛ برای عکس و ویدیو، پرامپت انگلیسی.

مدل‌های زبانی امروزی مثل ChatGPT، Gemini و Claude فارسی را خوب می‌فهمند و وقتی می‌خواهید کپشن، سناریوی ریلز، متن تبلیغ یا ایدهٔ محتوا به فارسی بگیرید، نوشتن پرامپت به فارسی باعث می‌شود لحن، اصطلاحات و ارجاع‌های فرهنگی طبیعی‌تر دربیاید. اگر پرامپت را انگلیسی بنویسید و خروجی فارسی بخواهید، گاهی متن حالت «ترجمه‌ای» پیدا می‌کند.

اما در ابزارهای تصویر و ویدیو وضعیت فرق دارد. این مدل‌ها روی حجم عظیمی از توضیحات انگلیسی آموزش دیده‌اند و اصطلاحات تخصصی عکاسی و سینما مثل wide-angle lens، golden hour یا dolly in در انگلیسی معنای دقیق و جاافتاده دارند. به همین دلیل نمونه‌پرامپت‌های رسمی ابزارهایی مثل Gemini و Midjourney هم انگلیسی‌اند. اگر انگلیسی‌تان قوی نیست، مشکلی نیست: ایده را فارسی برای ChatGPT یا Gemini بنویسید و از او بخواهید آن را به یک پرامپت تصویری انگلیسی و دقیق تبدیل کند.

چطور برای کپشن و سناریوی ریلز پرامپت متنی بنویسیم؟

برای کارهای متنی روزمرهٔ یک تولیدکنندهٔ محتوا، چند الگوی فارسی آماده دارم که تقریباً هر روز استفاده می‌شوند. این‌ها را عیناً کپی کنید و جای خالی‌ها را پر کنید:

الگوی سناریوی ریلز: «تو یک سناریونویس ریلز اینستاگرام هستی. برای پیج [موضوع پیج] با مخاطب [سن و ویژگی مخاطب]، یک سناریوی ریلز ۳۰ ثانیه‌ای دربارهٔ [موضوع] بنویس. ساختار: هوک ۳ ثانیهٔ اول، سه نکتهٔ اصلی، جمع‌بندی و دعوت به سیو کردن. خروجی را در جدول دو ستونی بده: ستون اول متن گفتاری، ستون دوم تصویری که باید نمایش داده شود. لحن محاوره‌ای و صمیمی، بدون کلمات انگلیسی غیرضروری.»

الگوی ایده‌پردازی: «۱۵ ایدهٔ محتوای ریلز برای [حوزه] بده که مخاطب را به کامنت گذاشتن تشویق کند. ایده‌ها را در سه دسته (آموزشی، سرگرمی، پشت صحنه) تقسیم کن و برای هر ایده یک جملهٔ هوک پیشنهاد بده.»

الگوی بازنویسی با نمونه: «این سه کپشن قبلی من هستند که خوب جواب دادند: [کپشن ۱] [کپشن ۲] [کپشن ۳]. با همین لحن و طول، برای پست جدیدم دربارهٔ [موضوع] سه کپشن بنویس.»

الگوی سوم عملاً همان «few-shot» است که هر سه شرکت OpenAI، Google و Anthropic در مستنداتشان توصیه می‌کنند: به‌جای توصیف لحن، نمونهٔ لحن را نشان بدهید. چند نکتهٔ تکمیلی هم برای پرامپت‌های متنی:

  • بخش‌ها را جدا کنید. OpenAI پیشنهاد می‌کند با تیتر و فهرست بخش‌های پرامپت را مشخص کنید و Anthropic استفاده از تگ‌هایی مثل <example> را برای جدا کردن نمونه‌ها از دستورالعمل توصیه می‌کند. حتی یک «متن مرجع:» و «دستور:» ساده هم کمک می‌کند.
  • متن طولانی را اول بگذارید. طبق راهنمای Anthropic، وقتی یک سند بلند (مثلاً متن پادکست یا یک مقاله) به مدل می‌دهید، بهتر است متن بالای پرامپت باشد و سؤال و دستور در انتها.

فرمول پرامپت تصویر چیست؟

اصلی‌ترین توصیهٔ Google در راهنمای ساخت تصویر Gemini این است: صحنه را با جزئیات کامل توصیف کنید؛ هر چه دقیق‌تر باشید، کنترل بیشتری روی نتیجه دارید. نمونه‌های رسمی آن هم به‌جای فهرست کلمات کلیدی، جمله‌های توصیفی کامل هستند. فرمولی که من برای پرامپت تصویر استفاده می‌کنم این است:

نوع تصویر + سوژه + محیط + نور + زاویه و لنز + سبک + نسبت تصویر

  1. نوع تصویر: عکس واقع‌گرایانه، تصویرسازی، رندر سه‌بعدی، پوستر.
  2. سوژه: چه کسی یا چه چیزی، با چه ظاهر و حالتی.
  3. محیط: کجا و در چه زمانی.
  4. نور: نور طبیعی پنجره، نور غروب، نور استودیویی نرم.
  5. زاویه و لنز: نمای نزدیک، زاویهٔ پایین، لنز واید یا ماکرو. قالب رسمی Gemini هم جای مشخصی برای «توصیف نور» و «زاویهٔ دوربین و نوع لنز» دارد.
  6. سبک: مینیمال، سینمایی، عکاسی محصول تبلیغاتی.
  7. نسبت تصویر: ۹:۱۶ برای استوری و ریلز، ۴:۵ یا ۱:۱ برای پست.
A photorealistic close-up product shot of a glass bottle of cold brew coffee with condensation droplets, standing on a white marble counter in a bright minimalist cafe. Soft morning light coming from a window on the left, creating gentle shadows. Shot from a low angle with a 85mm lens, shallow depth of field, clean commercial photography style. Vertical 4:5 composition with empty space at the top for text.

این پرامپت هر هفت جزء فرمول را دارد. به جملهٔ آخر دقت کنید: «فضای خالی بالای تصویر برای متن». این‌جاست که پرامپت‌نویسی برای تولیدکنندهٔ محتوا با پرامپت‌نویسی عمومی فرق می‌کند؛ ما از اول می‌دانیم تصویر کجا و چطور استفاده می‌شود. برای جزئیات بیشتر، ابزارها و سبک‌های تصویری، آموزش ساخت عکس با هوش مصنوعی را بخوانید.

یک نکتهٔ مهم دربارهٔ متن داخل تصویر: راهنمای Gemini نشان می‌دهد می‌توانید متن دقیق، محل قرارگیری و سبک آن را در پرامپت بیاورید و برای جلوگیری از متن‌های اضافه، صریحاً بنویسید No other text. یادتان باشد نوشتن متن فارسی داخل تصویر هنوز برای بیشتر مدل‌ها چالش است؛ معمولاً امن‌تر است تصویر را بدون متن بسازید و تایپوگرافی فارسی را بعداً در نرم‌افزار ویرایش اضافه کنید.

فرمول پرامپت ویدیو چیست؟

پرامپت ویدیو همهٔ اجزای پرامپت تصویر را لازم دارد، به‌اضافهٔ چیزی که تصویر ثابت ندارد: حرکت و زمان. فرمول من برای ویدیو این است:

سوژه + حرکت (اکشن) + حرکت دوربین + نور + سبک + مدت زمان

  1. سوژه: شخصیت یا شیء را با جزئیات توصیف کنید. Google در راهنمای مدل ویدیویی Gemini Omni Flash می‌گوید در توصیف شخصیت‌ها و محیط «بی‌نهایت دقیق» باشید.
  2. حرکت: سوژه دقیقاً چه کاری می‌کند؟ «راه می‌رود» کافی نیست؛ «آرام به سمت دوربین قدم برمی‌دارد و لبخند می‌زند» بهتر است.
  3. حرکت دوربین: ثابت، دالی به جلو، پن، دوربین روی دست، نمای چرخشی.
  4. نور و حال‌وهوا: شب بارانی با نئون، صبح آفتابی، نور گرم داخلی.
  5. سبک: سینمایی، مستند، انیمیشن، تبلیغاتی.
  6. مدت و زمان‌بندی: طول ویدیو و ترتیب اتفاق‌ها. Google حتی پیشنهاد می‌کند رویدادها را با زبان طبیعی («بعد از ۳ ثانیه...») یا با تایم‌کد مثل [0-3s] زمان‌بندی کنید.
A young barista with curly hair and a denim apron slowly pours milk into a latte, creating a heart-shaped latte art, then looks up at the camera and smiles. Slow dolly in from a medium shot to a close-up. Warm golden afternoon light through the cafe window, steam rising from the cup. Cinematic commercial style, shallow depth of field. A single continuous shot, 8 seconds, vertical 9:16. Include soft acoustic background music, no dialogue.

در این پرامپت، جملهٔ «یک نمای پیوستهٔ واحد» عمداً آمده؛ چون طبق مستندات Google، مدل Gemini Omni Flash ممکن است به‌طور پیش‌فرض در ویدیو کات بزند و اگر یک پلان پیوسته می‌خواهید باید صریح بگویید. همین‌طور این مدل به‌طور پیش‌فرض صدا هم می‌سازد، پس نوع صدا (یا نبودن دیالوگ) را هم مشخص کرده‌ایم.

این را هم بدانید که دنیای مدل‌های ویدیویی خیلی سریع عوض می‌شود. مثلاً طبق صفحهٔ رسمی Gemini API، نسخهٔ پیش‌نمایش Veo 3.1 در این API در ۲۲ اکتبر ۲۰۲۶ (۳۰ مهر ۱۴۰۵) خاموش شده و Google مدل Gemini Omni Flash را جایگزین پیشنهادی معرفی کرده است. به همین دلیل به‌جای حفظ کردن ترفندهای یک مدل خاص، فرمول کلی را یاد بگیرید که با هر مدلی کار کند. برای مقایسهٔ ابزارها مقایسهٔ مدل‌های ویدیوساز و برای رفع مشکلات رایج خروجی چرا ویدیوهای هوش مصنوعی بد درمی‌آیند را ببینید.

برای ابزارهای صوتی چطور پرامپت بنویسیم؟

در ابزارهای تبدیل متن به گفتار، «پرامپت» در واقع خودِ متنی است که خوانده می‌شود، به‌اضافهٔ نشانه‌هایی که نحوهٔ اجرای آن را تعیین می‌کنند. در مستندات ElevenLabs برای مدل‌های Eleven v3 و v4، تگ‌های داخل کروشه مثل [whispers] و [laughs] برای هدایت لحن و حالت استفاده می‌شوند؛ سه‌نقطه مکث و وزن ایجاد می‌کند و حروف بزرگ برای تأکید به کار می‌رود.

[whispers] I have a secret to tell you... [laughs] Okay, okay. This is the BEST coffee I have ever made.

در این نمونه، تگ نجوا و خنده حالت اجرا را تعیین می‌کند، سه‌نقطه مکث ایجاد می‌کند و کلمهٔ BEST با حروف بزرگ تأکید می‌گیرد. طبق همان مستندات، این مدل‌ها از تگ‌های SSML برای مکث پشتیبانی نمی‌کنند و باید از تگ صوتی، سه‌نقطه و ساختار متن استفاده کنید. همچنین انتخاب صدا روی نتیجه اثر زیادی دارد، پس صدا را با کاربرد واقعی‌تان تست کنید.

پرامپت منفی چیست و کی باید از آن استفاده کرد؟

پرامپت منفی (Negative Prompt) یعنی گفتن این‌که چه چیزی نباید در خروجی باشد. اما هر ابزار با آن به شکل متفاوتی برخورد می‌کند و دانستن این تفاوت جلوی کلی خطا را می‌گیرد:

  • Midjourney پارامتر جداگانهٔ --no دارد. طبق مستندات رسمی‌اش، نوشتن «please don't add fruit» یا «without any fruit» داخل متن پرامپت نمونهٔ بد محسوب می‌شود و روش پیشنهادی، آوردن موارد ممنوع بعد از --no است. دلیلش ساده است: وقتی کلمه‌ای در متن پرامپت بیاید، حتی همراه «نه»، آن مفهوم وارد توصیف صحنه می‌شود.
  • Gemini Omni Flash طبق مستندات Google پارامتر پرامپت منفی ندارد و باید استثناها را داخل پرامپت اصلی بنویسید؛ مثل «No extra sound effects».
  • در مدل‌های زبانی، Anthropic توصیه می‌کند به‌جای فهرست «نکن»ها، رفتار جایگزین را توصیف کنید.
still life gouache painting of a ceramic vase on a wooden table, soft natural light --no fruit, apple, pear

این نمونه همان الگویی است که مستندات Midjourney پیشنهاد می‌کند: توصیف مثبت صحنه در بدنهٔ پرامپت و فهرست چیزهای ناخواسته بعد از --no. Midjourney هشدار می‌دهد که هر کلمه بعد از --no جداگانه خوانده می‌شود؛ پس به‌جای نوشتن چیزهای ممنوع، بهتر است چیزی را که می‌خواهید دقیق در پرامپت اصلی بیاورید.

seed و ثبات خروجی چه نقشی دارند؟

وقتی می‌خواهید یک سری پست یا ویدیو با ظاهر یکدست بسازید، ثبات (Consistency) مهم می‌شود. در بعضی ابزارها مثل Midjourney عددی به نام seed وجود دارد که نقطهٔ شروع نویز اولیهٔ تصویر را تعیین می‌کند. طبق مستندات Midjourney، seed یک عدد صحیح بین ۰ تا ۴۲۹۴۹۶۷۲۹۵ است و با --seed به انتهای پرامپت اضافه می‌شود. ثابت نگه داشتن آن برای مقایسهٔ اثر تغییرات پرامپت مفید است، اما خود Midjourney می‌گوید نباید برای گرفتن نتیجهٔ یکسان در جلسه‌های مختلف به آن تکیه کرد.

راه مطمئن‌تر برای ثبات شخصیت، استفاده از تصویر مرجع است. مثلاً طبق مستندات Google، مدل‌های تصویری Nano Banana می‌توانند چند تصویر مرجع از شخصیت و اشیا بگیرند تا ظاهر شخصیت در تصاویر مختلف حفظ شود. در عمل، من ترکیب «پرامپت ثابت + تصویر مرجع + تغییر فقط یک متغیر در هر بار» را برای سری‌سازی پیشنهاد می‌کنم.

چرخهٔ اصلاح پرامپت چطور کار می‌کند؟

Google در راهنمای Gemini صریحاً می‌گوید «پرامپت‌نویسی یک فرایند تکراری است». هیچ‌کس، حتی حرفه‌ای‌ها، بار اول پرامپت بی‌نقص نمی‌نویسد. چیزی که حرفه‌ای را از مبتدی جدا می‌کند، داشتن یک روش منظم برای اصلاح است:

  1. معیار موفقیت را مشخص کنید. قبل از نوشتن، بدانید خروجی خوب یعنی چه. Anthropic تعریف روشن معیار موفقیت را پیش‌نیاز پرامپت‌نویسی می‌داند.
  2. نسخهٔ اول را با فرمول بنویسید. شش جزء متن یا فرمول تصویر و ویدیو را پر کنید.
  3. خروجی را با معیار مقایسه کنید. دقیقاً کجا با انتظارتان فرق دارد؟ لحن؟ نور؟ حرکت دوربین؟
  4. فقط یک چیز را عوض کنید. اگر هم‌زمان پنج چیز را تغییر دهید، نمی‌فهمید کدام اثر داشت.
  5. در همان گفتگو اصلاح کنید. هم در Gemini برای تصویر و هم برای ویرایش ویدیو، Google اصلاح چندمرحله‌ای در همان گفتگو را توصیه می‌کند. برای ویرایش ویدیو هم می‌گوید پرامپت‌های ساده بهتر جواب می‌دهند.
  6. پرامپت نهایی را ذخیره کنید. پرامپتی که جواب داد، دارایی شماست. یک فایل یا یادداشت برای پرامپت‌های موفق داشته باشید.
Make the lighting warmer and change the time of day to sunset. Keep everything else the same.

این یک پرامپت اصلاحی برای مرحلهٔ ویرایش است. جملهٔ «Keep everything else the same» همان چیزی است که مستندات Google برای وقتی پیشنهاد می‌کند که فقط می‌خواهید یک عنصر را تغییر دهید. بدون آن، مدل ممکن است کل صحنه را دوباره تفسیر کند.

پرامپت‌چینینگ چیست و چطور یک کار بزرگ را به چند پرامپت بشکنیم؟

پرامپت‌چینینگ (Prompt Chaining) یعنی به‌جای یک پرامپت بلند و شلوغ، کار را به چند مرحلهٔ پشت‌سرهم بشکنید و خروجی هر مرحله را ورودی مرحلهٔ بعد کنید. این روش برای کارهای چندمرحله‌ای مثل ساخت یک ریلز کامل، خطا را کم می‌کند چون در هر مرحله فقط یک چیز را کنترل می‌کنید.

یک زنجیرهٔ ساده برای ساخت ویدیوی کوتاه:

  1. ایده: از مدل متنی بخواهید برای مخاطب مشخص‌تان ۵ ایدهٔ کوتاه با قلاب ثانیه‌های اول بدهد و یکی را انتخاب کنید.
  2. سناریو: ایدهٔ انتخابی را بدهید و سناریوی صحنه‌به‌صحنه با زمان هر صحنه بگیرید (روشش را در سناریونویسی ریلز با ChatGPT گفته‌ام).
  3. پرامپت تصویر هر صحنه: از مدل بخواهید برای هر صحنه یک پرامپت تصویر انگلیسی با فرمول شش‌جزئی بنویسد و سبک، نور و شخصیت را در همهٔ صحنه‌ها یکسان نگه دارد.
  4. پرامپت حرکت: برای تبدیل هر تصویر به ویدیو، حرکت سوژه و حرکت دوربین را جدا بنویسید (نمونه‌ها در تبدیل عکس به ویدیو با هوش مصنوعی).
  5. متن گویندگی و کپشن: در آخر متن صدا و کپشن را از روی همان سناریو بگیرید تا همه‌چیز با هم هماهنگ بماند.

نکتهٔ مهم: بین هر دو مرحله خروجی را خودتان بررسی و اصلاح کنید. اگر اشتباهی در مرحلهٔ ایده یا سناریو بماند، در همهٔ مراحل بعد تکرار می‌شود.

رایج‌ترین اشتباهات پرامپت‌نویسی کدام‌اند؟

این جدول اشتباهاتی است که بیشتر از همه می‌بینم، همراه با نسخهٔ اصلاح‌شده:

اشتباهپرامپت بدپرامپت بهتر
وظیفهٔ مبهمیه کپشن خوب بنویسبرای ریلز معرفی کیک شکلاتی، ۳ کپشن زیر ۵۰ کلمه با هوک سؤالی بنویس
نبودن زمینهایده محتوا بده۱۰ ایدهٔ ریلز برای پیج آموزش آشپزی با مخاطب مادران شاغل ۲۵ تا ۴۰ ساله بده
فهرست کلمات به‌جای توصیفgirl, cafe, coffee, beautiful, 4kA young woman reading a book in a cozy cafe, holding a cup of coffee, soft window light
نداشتن حرکت در پرامپت ویدیوA man in a city at nightA man walks through a rainy neon-lit street, camera tracking him from behind
«نکن» داخل متن پرامپت تصویرa garden, don't add peoplean empty peaceful garden at dawn (و در صورت پشتیبانی ابزار، استفاده از فیلد منفی)
تغییر هم‌زمان همه چیزنور، لباس، پس‌زمینه و زاویه را عوض کنفقط نور را گرم‌تر کن و بقیه را ثابت نگه دار
نخواستن قالب خروجیسناریو بنویسسناریو را در جدول دو ستونی متن گفتاری و تصویر بنویس

سبک پرامپت در ابزارهای مختلف چه تفاوتی دارد؟

یکی از مهم‌ترین درس‌های آموزش پرامپت نویسی این است که «یک پرامپت برای همه» وجود ندارد. هر نوع ابزار زبان مخصوص خودش را دارد:

نوع ابزارنمونه ابزارزبان پیشنهادیسبک پرامپتنکتهٔ کلیدی
متنی (مدل زبانی)ChatGPT، Gemini، Claudeفارسی برای خروجی فارسیدستورالعمل کامل: نقش، وظیفه، زمینه، قالب، محدودیت، نمونهنمونه دادن (few-shot) مؤثرترین ترفند است
تصویریChatGPT Image، Gemini (Nano Banana)، Midjourneyانگلیسیتوصیف کامل صحنه با اصطلاحات عکاسینور، لنز و نسبت تصویر را مشخص کنید
ویدیوییKling، Gemini Omni Flashانگلیسیسوژه، حرکت، دوربین، نور، سبک، مدتحرکت سوژه و دوربین را جدا بنویسید
صوتیElevenLabsزبان متن خوانده‌شدهخودِ متن به‌اضافهٔ تگ‌های حالت و علائم نگارشیعلائم نگارشی روی مکث و تأکید اثر دارد
ویرایش (تصویر یا ویدیو)Gemini و ابزارهای مشابهانگلیسی یا فارسیکوتاه و مشخص«بقیه را ثابت نگه دار» را اضافه کنید

اگر می‌خواهید سریع شروع کنید و نمی‌خواهید از صفر بنویسید، در بانک پرامپت مجموعه‌ای از پرامپت‌های آماده برای همین دسته‌ها جمع کرده‌ام که می‌توانید کپی و با کار خودتان تطبیق دهید.

چطور پرامپت‌نویسی را حرفه‌ای یاد بگیریم؟

پرامپت‌نویسی مثل رانندگی است: با خواندن یک مقاله شروع می‌شود، اما با تمرین روزانه حرفه‌ای می‌شود. پیشنهاد من برای یک برنامهٔ تمرینی ساده:

  • هفتهٔ اول: هر روز یک کار متنی واقعی (کپشن، ایده، سناریو) را با فرمول شش‌جزئی انجام دهید و خروجی را با نسخهٔ بدون فرمول مقایسه کنید.
  • هفتهٔ دوم: یک موضوع ثابت انتخاب کنید و ۱۰ تصویر از آن بسازید؛ هر بار فقط یک جزء (نور، لنز، سبک) را عوض کنید تا اثر هر کلمه را ببینید.
  • هفتهٔ سوم: پرامپت ویدیو تمرین کنید؛ اول با حرکت ساده و دوربین ثابت، بعد حرکت دوربین اضافه کنید.

یک واقعیت را هم صادقانه بگویم: برخی از این سرویس‌ها برای کاربران ایرانی محدودیت دسترسی یا پرداخت دارند. قبل از این‌که وقت زیادی روی یک ابزار بگذارید، شرایط دسترسی آن را بررسی کنید. فرمول‌هایی که در این مقاله یاد گرفتید به ابزار خاصی وابسته نیستند و با هر جایگزینی هم کار می‌کنند.

اگر می‌خواهید این مسیر را ساختاریافته و قدم‌به‌قدم طی کنید، در دورهٔ دانشگاه تولید محتوا یک بخش کامل به نام «مهندسی پرامپت» در ۷ جلسه دارم (جزئیات جلسه‌ها را در صفحهٔ دوره پرامپت نویسی نوشته‌ام) که همین اصول را روی پروژه‌های واقعی تولید محتوا با ابزارهایی مثل Gemini، Kling، ElevenLabs و ChatGPT Image پیاده می‌کنیم. چون باور دارم کیفیت مخاطب مهم‌تر از تعداد مخاطب است، تمرکز آن بخش هم روی ساختن محتوایی است که واقعاً به کار مخاطب بیاید.

برای اینکه همین اصول را روی تصویر تمرین کنید، آموزش ساخت عکس با هوش مصنوعی را ببینید که فرمول شش‌جزئی پرامپت عکس و نمونه‌های آماده دارد. اگر هم بین اشتراک ابزارها مردد هستید، مقایسهٔ اشتراک خارجی و ایرانی کمک می‌کند اعتبار کمتری هدر بدهید.

سؤالات متداول

آموزش پرامپت نویسی را از کجا شروع کنم؟

از فرمول شش‌جزئی شروع کنید: نقش، وظیفه، زمینه، قالب، محدودیت و نمونه. اول روی کارهای متنی ساده مثل کپشن تمرین کنید، چون بازخورد سریع است و تفاوت پرامپت خوب و بد را زود می‌بینید. بعد سراغ پرامپت تصویر و ویدیو بروید.

آیا پرامپت فارسی برای ChatGPT و Gemini جواب می‌دهد؟

بله. برای تولید متن فارسی مثل کپشن، سناریو و متن تبلیغ، پرامپت فارسی معمولاً لحن طبیعی‌تری می‌دهد. اما برای ساخت عکس و ویدیو، پرامپت انگلیسی نتیجهٔ دقیق‌تری دارد، چون اصطلاحات تخصصی عکاسی و سینما در انگلیسی جاافتاده‌ترند.

پرامپت باید چقدر طولانی باشد؟

به اندازه‌ای که همهٔ اطلاعات لازم را داشته باشد و نه بیشتر. برای ساخت تصویر و ویدیو، توصیف کامل و دقیق کمک می‌کند؛ اما برای ویرایش یک خروجی موجود، Google توصیه می‌کند پرامپت ساده و کوتاه باشد تا تغییرات ناخواسته ایجاد نشود.

پرامپت منفی در همهٔ ابزارها کار می‌کند؟

خیر. Midjourney پارامتر --no دارد، اما مثلاً مدل ویدیویی Gemini Omni Flash طبق مستندات Google پرامپت منفی را پشتیبانی نمی‌کند و باید استثناها را داخل پرامپت اصلی بنویسید. در مدل‌های متنی هم بهتر است رفتار مطلوب را توصیف کنید تا رفتار ممنوع را.

چرا با پرامپت یکسان هر بار نتیجهٔ متفاوت می‌گیرم؟

چون مدل‌های تولیدی ذاتاً تصادفی‌اند. در بعضی ابزارها مثل Midjourney می‌توانید با seed نقطهٔ شروع را ثابت کنید، ولی خود Midjourney می‌گوید نتیجهٔ کاملاً یکسان تضمین نمی‌شود. برای ثبات بیشتر از تصویر مرجع استفاده کنید و هر بار فقط یک متغیر را تغییر دهید.

آیا لازم است برای هر ابزار پرامپت جداگانه یاد بگیرم؟

اصول کلی یکی است، اما سبک نوشتن فرق دارد. مدل‌های متنی دستورالعمل کامل می‌خواهند، مدل‌های تصویری توصیف صحنه، مدل‌های ویدیویی توصیف حرکت و زمان و ابزارهای صوتی متن با علائم و تگ‌های حالت. اگر فرمول هر دسته را بلد باشید، با ابزارهای جدید هم سریع کنار می‌آیید.

برای یاد گرفتن پرامپت‌نویسی، این مقاله کافی است یا دوره لازم است؟

برای شروع، همین مقاله و بانک پرامپت کافی‌اند. اگر می‌خواهید تکنیک‌هایی مثل نقش‌دهی، نگتیو پرامپت، پرامپت‌چینینگ و رفرنس را جلسه‌به‌جلسه و روی پروژه‌های واقعی تولید محتوا تمرین کنید، بخش مهندسی پرامپت دوره برای همین ساخته شده است.

منابع

قدم بعدی

همین کار را قدم‌به‌قدم یاد بگیر

دورهٔ جامع تولید محتوا با هوش مصنوعی.

مشاهدهٔ دوره