نقش‌دهی در پرامپت (Persona)؛ ترفندی که کیفیت را جهش می‌دهد

«تو یک ویراستار باتجربهٔ ده‌ساله هستی.» این یک جمله، گاهی از سه پاراگراف توضیح بیشتر اثر دارد. نقش‌دهی در پرامپت ساده‌ترین تکنیک با بالاترین بازده است: به مدل می‌گویید «کیست»، و مدل از دریچهٔ همان تخصص جواب می‌دهد. اما بین نقش‌های مؤثر و نقش‌های تزئینی، مرز باریکی هست که این راهنما آن را روشن می‌کند.

نقش‌دهی چرا این‌قدر اثر دارد؟

مدل زبانی، «میانگین همهٔ نویسندگان» است؛ وقتی نقش می‌دهید، عملاً از این میانگین، یک زیرمجموعهٔ تخصصی انتخاب می‌کنید. واژگان، اولویت‌ها و حتی احتیاطِ پاسخ تغییر می‌کند: یک حسابدار ریسک‌های مالی را زودتر می‌بیند، یک معلم سطح مخاطب را درست‌تر می‌سنجد. نکتهٔ کلیدی: نقش باید به «وظیفه» مرتبط باشد. نقش «استاد دانشگاه» برای کپشن اینستاگرام نه‌تنها کمکی نمی‌کند، بلکه لحن را سنگین می‌کند.

پرامپت آمادهٔ ۱ — ویراستار محتوا

نقش تو: ویراستار ارشد یک رسانهٔ فناوری فارسی با ۱۰ سال تجربه.
وظیفه: متن زیر را مثل یک مقالهٔ آمادهٔ انتشار ویرایش کن.
قواعد: جمله‌های بالای ۲۵ واژه بشکن؛ تعابیر ترجمه‌ای حذف شود؛
حداقل سه بهبود مشخص در انتها فهرست کن.
متن: [متن شما]

پرامپت آمادهٔ ۲ — مشاور فروش بی‌طرف

نقش تو: مشاور مستقل خرید نرم‌افزار که هیچ تبلیغی از هیچ برندی نمی‌گیرد.
وظیفه: برای نیاز زیر، سه گزینه بده؛ برای هر گزینه دو مزیت و دو ریسک واقعی بنویس
و در پایان بگو چه اطلاعاتی از من لازم داری تا توصیه دقیق‌تر شود.
نیاز: انتخاب ابزار مدیریت پروژه برای تیم ۶ نفرهٔ تمام‌دورکاری.

نقش‌های پرکاربرد؛ جدول انتخاب

چطور نقشِ درست بسازیم؟

۱. تخصص را محدود کنید. «متخصص دیجیتال مارکتینگ» پهن است؛ «متخصص ایمیل مارکتینگ برای فروشگاه‌های اینترنتی ایران» دقیق است. ۲. تجربهٔ عددی اضافه کنید. «با ۱۰ سال تجربه» رفتار را محتاط‌تر و واژگان را حرفه‌ای‌تر می‌کند. ۳. یک محدودیت اخلاقی بدهید. مثلاً «اگر اطلاعات کافی نداری، بپرس؛ حدس نزن» — این جمله کیفیت را در نقش‌های مشاوره‌ای به‌طور محسوس بالا می‌برد. ۴. نقش را در چت‌های طولانی تکرار کنید. در گفتگوهای بلند، مدل نقش را کم‌رنگ می‌کند؛ یک جملهٔ یادآوری کافی است. روش کامل ترتیب‌بخشیدن اجزای پرامپت را در فرمول پرامپت‌نویسی ببینید.

کجا نقش‌دهی ضرر می‌کند؟

سه موقعیت: اول، وظایف خلاقانهٔ آزاد که نقشِ سنگین، تنوع را می‌کُشد. دوم، وقتی نقش با «واقعیت» می‌جنگد؛ مدل نقش «پزشک» را بازی می‌کند اما توصیهٔ پزشکی واقعی نمی‌دهد — برای موضوعات حساس، نقش را به «راهنمای جمع‌آوری سؤال برای پزشک» تغییر دهید. سوم، نقش‌های خیلی تخیلی («مشاور جنگ‌های ستاره‌ای») که مدل را به بازی کش می‌دهند. چارچوب کلی را در پرامپت فارسی هم مرور کنید.

جمع‌بندی

نقش‌دهی، اولین تکنیکی است که به هر پرامپت اضافه می‌کنم: یک جمله، هزینهٔ ناچیز، اثر فوری. فرمولش را حفظ کنید: تخصص + تجربه + قاعدهٔ رفتاری. اگر فقط همین یک تکنیک را جدی بگیرید، کیفیت خروجی‌های روزمره‌تان در همان هفتهٔ اول بالا می‌رود.

مثال عملی: از نقش کلی به نقش دقیق

نقش ضعیف: «تو کارشناس مالی هستی». خروجی معمول: توصیه‌های عمومی مثل «بودجه‌بندی کنید و هزینه‌ها را پیگیری کنید» — جمله‌هایی که در هر وبلاگی آمده است. حالا همان نقش با سه جزء دقیق: «تو حسابدارِ کسب‌وکارهای کوچک ایرانی با ۱۲ سال تجربه‌ای؛ با نوسان قیمت مواد اولیه کار کرده‌ای؛ به‌جای توصیهٔ کلی، اول از من سه عدد می‌پرسی: فروش ماهانه، سه هزینهٔ بزرگ و سهم فروش نقدی؛ بعد بر اساس همین سه عدد پاسخ می‌دهی و هر جا عدد نداری، صریح می‌گویی با دادهٔ فعلی قابل پاسخ نیست». تفاوت خروجی از همان پیام اول دیده می‌شود: مدل ابتدا سؤال می‌پرسد، بعد با واحد پول تومان و ذهنیت نوسان قیمت پاسخ می‌دهد و به‌جای حدس، مرز دانشش را اعلام می‌کند. فرمول نهایی: تخصص محدود + تجربهٔ عددی + قاعدهٔ رفتاری (اول بپرس، حدس نزن). همین سه جزء، مرز میان نقش تزئینی و نقش کارآمد است؛ و اگر نقش را در پروژه‌های تکراری ثابت نگه دارید، رفتار مدل هم ثابت و قابل پیش‌بینی می‌ماند.

پرسش‌های پرتکرار

نقش را هر بار باید تکرار کنم؟

در گفتگوی کوتاه نه؛ در گفتگوهای طولانی یا بعد از تغییر موضوع، یک جملهٔ یادآوری لازم است.

آیا نقش باعث توهم بیشتر می‌شود؟

گاهی؛ نقش‌های «دانش‌محور» (پزشک، وکیل) مدل را به ادعاهای قطعی‌تر سوق می‌دهند. جملهٔ «اگر مطمئن نیستی، بگو» را همیشه اضافه کنید.

می‌توانم چند نقش در یک پرامپت بدهم؟

بله اما فقط وقتی وظایف جدا دارند؛ مثلاً «اول مثل ویراستار اصلاح کن، بعد مثل مدیر ارشد جمع‌بندی کن». نقش‌های هم‌زمانِ بی‌رابطه، مدل را گیج می‌کند.

نقش را فارسی بنویسم یا انگلیسی؟

اگر خروجی فارسی است، فارسی؛ نقش فارسی لحن فارسی طبیعی‌تری می‌سازد. فقط در پروژه‌های دوزبانه، نقش را در یک متن واحد با هر دو زبان تعریف کنید تا رفتار مدل در دو زبان یکسان بماند.

پیشنهاد برای ادامهٔ مطالعه

مطالب زیر هم به همین موضوع نزدیک‌اند و خواندنشان ارزش دارد:

پرامپت‌نویسی حرفه‌ای؛ ۷ تکنیک که خروجی هوش مصنوعی را متحول می‌کند پرامپت‌نویسی در ChatGPT؛ ۱۵ ترفند کاربردی برای فارسی‌زبانان زنجیرهٔ فکر (Chain-of-Thought)؛ راهنمای فارسی با پرامپت آماده پرامپت زیرو شات چیست؟ راهنمای کامل با مثال آماده مسیر یادگیری پرامپت‌نویسی از صفر تا حرفه‌ای؛ نقشهٔ راه ۹۰ روزه