تنظیم زمینه و پیش‌زمینه
تنظیم زمینه و پیش‌زمینه (Context & Background Setting) یکی از تکنیک‌های پیشرفته در مهندسی پرامپت (Prompt Engineering) است که هدف آن فراهم‌کردن چارچوب و اطلاعات کافی برای مدل هوش مصنوعی قبل از پاسخ‌گویی به درخواست شماست. در بسیاری از موارد، اگر صرفاً یک پرسش یا دستور ساده بدهید، مدل خروجی کلی، مبهم یا غیرمرتبط تولید می‌کند. اما با افزودن زمینه (Context) و پیش‌زمینه (Background)، شما به مدل کمک می‌کنید تا هدف، شرایط، محدودیت‌ها و انتظارات شما را دقیق‌تر درک کند.
این تکنیک زمانی کاربرد دارد که بخواهید مدل، خروجی تخصصی یا متناسب با شرایط واقعی ارائه دهد؛ مثلاً در نگارش محتوای تخصصی، تحلیل داده‌ها، شبیه‌سازی نقش‌های حرفه‌ای، یا تهیه گزارش‌های دقیق. با تنظیم مناسب زمینه و پیش‌زمینه، می‌توان از ایجاد سوءتفاهم جلوگیری کرد و کیفیت پاسخ‌ها را به‌طور چشمگیری بهبود داد.
در این آموزش، شما یاد می‌گیرید چگونه یک پرامپت بسازید که شامل نقش (Role)، اطلاعات زمینه‌ای، هدف (Objective) و محدودیت‌ها (Constraints) باشد. همچنین با مثال‌های عملی خواهید دید که چگونه تغییر کوچک در این عناصر می‌تواند خروجی را کاملاً متفاوت کند. در نهایت، این مهارت به شما کمک می‌کند تا بتوانید در پروژه‌های واقعی مانند بازاریابی دیجیتال، آموزش، پژوهش و توسعه محصول، خروجی‌های دقیق و کاربردی دریافت کنید.
مثال پایه
promptشما یک معلم زبان انگلیسی (English Teacher) با ۱۰ سال تجربه تدریس به دانشجویان سطح متوسط هستید.
پیش‌زمینه: کلاس شما شامل ۱۵ دانشجو است که برای آزمون IELTS آماده می‌شوند و نیاز به تقویت مهارت نوشتاری (Writing) دارند.
هدف: یک تمرین نوشتاری ۲۵۰ کلمه‌ای طراحی کنید که شامل یک موضوع، ساختار پیشنهادی، و نکات کلیدی برای کسب نمره بالا باشد.این پرامپت پایه سه بخش کلیدی دارد که هر کدام نقش مهمی در موفقیت آن ایفا می‌کنند. بخش اول "شما یک معلم زبان انگلیسی..." نقش (Role) را تعریف می‌کند و به مدل می‌گوید که باید از دیدگاه یک متخصص باتجربه پاسخ دهد، نه صرفاً یک ماشین تولید متن. این باعث می‌شود لحن، ساختار و محتوای خروجی دقیق‌تر و تخصصی‌تر باشد.
بخش دوم "پیش‌زمینه: ..." اطلاعات زمینه‌ای را فراهم می‌کند، شامل اندازه کلاس، هدف دانشجویان و سطح زبانی آن‌ها. این داده‌ها باعث می‌شوند مدل بتواند تمرین را متناسب با شرایط واقعی طراحی کند و از پیشنهادات کلیشه‌ای یا بی‌ربط خودداری کند.
بخش سوم "هدف: ..." نتیجه‌ای که انتظار داریم را با جزئیات توضیح می‌دهد. این بخش تعیین می‌کند که خروجی باید یک تمرین کامل باشد، نه توضیحات کلی درباره نوشتار.
در عمل، شما می‌توانید این پرامپت را با تغییر نقش (مثلاً مربی مناظره یا استاد دانشگاه)، یا تغییر پیش‌زمینه (مثلاً آزمون TOEFL به‌جای IELTS)، یا تغییر هدف (مثلاً تمرین مکالمه به‌جای نوشتار) بازنویسی کنید. حتی افزودن محدودیت‌ها مانند "زمان آماده‌سازی ۱۵ دقیقه" یا "تمرین شامل استفاده از حداقل ۳ واژه آکادمیک" می‌تواند خروجی را هدفمندتر کند.
مثال کاربردی
promptشما یک تحلیلگر بازار (Market Analyst) در یک شرکت مشاوره بین‌المللی هستید.
پیش‌زمینه: مشتری شما یک استارتاپ حوزه انرژی خورشیدی است که قصد ورود به بازار ترکیه را دارد. داده‌های موجود شامل: هزینه تولید هر واحد، ظرفیت تولید ماهانه، قیمت رقبا، و روند رشد بازار در ۵ سال اخیر است.
هدف: گزارشی ۱۵۰۰ کلمه‌ای تهیه کنید که شامل: تحلیل SWOT، پیش‌بینی فروش ۳ سال آینده، پیشنهاد استراتژی قیمت‌گذاری، و دو سناریو (خوش‌بینانه و بدبینانه) باشد. گزارش باید با سبک رسمی (Formal Style) و قابل ارائه به هیئت‌مدیره نوشته شود.
نسخه‌های تغییر یافته:
* افزودن شرط: "تمام نمودارها و جداول پیشنهادی باید توضیح کوتاه داشته باشند."
* جایگزینی بازار ترکیه با بازار امارات و به‌روزرسانی داده‌های رقبا.برای موفقیت در تنظیم زمینه و پیش‌زمینه، رعایت چند اصل ضروری است:
- تعریف نقش (Role) به‌وضوح: مشخص کردن نقش دقیق، باعث می‌شود مدل خروجی مناسب همان حوزه تولید کند.
- ارائه پیش‌زمینه کافی: اطلاعات باید کافی و مرتبط باشند تا مدل تصویر روشنی از شرایط داشته باشد.
- تعیین هدف دقیق: خروجی مورد نظر باید به‌طور کامل توضیح داده شود.
- افزودن محدودیت‌ها و شرایط: این باعث می‌شود خروجی در چارچوب موردنظر شما قرار بگیرد.
اشتباهات رایج:
- ندادن هیچ پیش‌زمینه، که باعث پاسخ‌های عمومی و کم‌کیفیت می‌شود.
- افزودن اطلاعات غیرمرتبط که مدل را سردرگم می‌کند.
- تعیین هدف مبهم، مانند "تحلیل بازار" بدون جزئیات.
- فراموش کردن محدودیت‌ها، که باعث می‌شود خروجی در قالب یا حجم اشتباه تولید شود.
در صورت بروز مشکل، ابتدا زمینه یا هدف را بازنویسی کنید. اگر خروجی همچنان دقیق نبود، اطلاعات کلیدی بیشتری اضافه کنید یا نقش را تغییر دهید تا مدل زاویه دید جدیدی پیدا کند.
📊 مرجع سریع
| Technique | Description | Example Use Case |
|---|---|---|
| تعیین نقش (Role Specification) | مشخص‌کردن شخصیت یا شغل مدل | "شما یک وکیل با ۲۰ سال تجربه هستید" برای تحلیل حقوقی |
| پیش‌زمینه غنی (Rich Background) | ارائه اطلاعات کلیدی مرتبط | شرح بازار هدف قبل از درخواست استراتژی فروش |
| تعیین هدف (Objective Setting) | تعریف دقیق خروجی مورد نظر | "تهیه گزارش ۱۰۰۰ کلمه‌ای با بخش‌بندی مشخص" |
| افزودن محدودیت‌ها (Constraints) | شرایطی که خروجی باید رعایت کند | "استفاده از لحن رسمی و ارائه نمودار" |
| ضمیمه داده‌ها (Data Embedding) | دادن داده‌های واقعی برای تحلیل | آمار فروش ۱۲ ماه گذشته برای پیش‌بینی آینده |
| تنظیم لحن (Tone Setting) | مشخص کردن سبک نوشتار | "نوشتن متن با لحن انگیزشی و مثبت" |
تکنیک‌های پیشرفته در تنظیم زمینه و پیش‌زمینه شامل ادغام چندین منبع داده در یک پرامپت، شبیه‌سازی شرایط واقعی کاری، و ترکیب این روش با یادگیری چندمثالی (Few-shot Learning) است. به‌عنوان مثال، می‌توانید یک پرامپت شامل توضیح شرایط بازار، سه مثال از گزارش‌های موفق، و سپس درخواست یک گزارش جدید متناسب با همان شرایط تهیه کنید.
این مهارت با تکنیک‌های دیگری مثل شخصی‌سازی نقش (Role Customization) و زنجیره‌سازی پرامپت‌ها (Prompt Chaining) ارتباط مستقیم دارد. تسلط بر این روش به شما اجازه می‌دهد حتی در پروژه‌های پیچیده و حساس، خروجی‌هایی دقیق، سازگار و حرفه‌ای تولید کنید.
برای گام بعدی، پیشنهاد می‌کنم به سراغ یادگیری ترکیب زمینه و نمونه‌های آموزشی بروید و با استفاده از بازخورد (Feedback) مداوم، پرامپت‌های خود را بهینه کنید. راز موفقیت در این تکنیک، وضوح و ساختاردهی دقیق اطلاعات قبل از ارسال پرامپت است.
🧠 دانش خود را بیازمایید
آزمون دانش شما
درک خود از این موضوع را با سوالات کاربردی بسنجید.
📝 دستورالعمل‌ها
- هر سوال را با دقت بخوانید
- بهترین پاسخ را برای هر سوال انتخاب کنید
- می‌توانید آزمون را هر چند بار که می‌خواهید تکرار کنید
- پیشرفت شما در بالا نمایش داده می‌شود