- تمایز بنیادین میان «تعریف عنوان شغلی سنتی» (Role-Play) و «تزریق پرسونای روان‌شناختی و شناختی» (Psychological Persona Injection).
- درک مکانیزم‌های داخلی ترانسفورمر در فعال‌سازی خوشه‌های واژگانی (Token Clusters)، سرکوب توهم (Hallucination Suppression) و تغییر فیلتر احتمالاتی.
- تسلط بر طراحی و کالبدشکافی کلمه‌به‌کلمهٔ ۵ پرسونای اصلی: OCD، سطح ۱ طیف اوتیسم (ASD Level 1)، هایپومانیا، پارانویا و ADHD Hyperfocus.
- به‌کارگیری تکنیک‌های ترکیبی «وکیل مدافع شیطان» (Devil's Advocate) و «شکاک دکارتی» برای تست استرس (Stress-Testing) استراتژی‌ها و کدها.
- آسیب‌شناسی پدیدهٔ «رضایت‌طلبی مدل» (Sycophancy) و «اصلاح بیش از حد» (Overcorrection) و مهار آن با ۴ استراتژی مهندسی هارنس (Harness Engineering).
- طراحی الگوریتم‌های ذهنی پویا با چارچوب‌های Chain-of-Density (CoD)، Skeleton-of-Thought (SoT) و پرامپت‌نویسی فراشناختی (Metacognitive Prompting).
- پیاده‌سازی معماری صنعتی ۶ لایه‌ای (Persona + Objective + Logic + Guardrails + Few-Shot + Schema) برای پروژه‌های حیاتی سازمانی.
۲.۱ مقدمه و فلسفه: پایان افسانهٔ «بگو تو یک کارشناس ارشدی»
در سال‌های ۲۰۲۲ و ۲۰۲۳، آموزش‌های ابتدایی مهندسی پرامپت روی یک اصل ساده و ظاهراً جذاب تأکید داشتند: «به هوش مصنوعی بگو تو یک کارشناس ارشد هستی.» این تکنیک در نسخه‌های اولیه مدل‌ها (مانند GPT-3.5) تا حدودی کارساز بود، زیرا مدل را از فضای گفتگوی عامیانه و وبلاگ‌های عمومی به بخش‌های تخصصی‌تر حافظه‌اش هدایت می‌کرد. اما در استاندارد صنعتی سال ۲۰۲۶، اتکای صرف به عنوان‌های شغلی دارای دو اشکال ساختاری بزرگ است:
وقتی به مدل می‌گویید «تو یک وکیل یا مهندس هستی»، مدل صرفاً لحن رسمی و کلمات قلمبه‌سلمبهٔ تخصصی را اتخاذ می‌کند؛ اما لزوماً با دقت وسواسی یک وکیل واقعی اسناد را نمی‌خواند.
عنوان شغلی می‌گوید «چه کسی باش» (Who to be)؛ اما مشخص نمی‌کند مدل «چگونه فکر کند» (How to think)، چه میزان سخت‌گیر باشد و ابهام را چگونه پردازش کند.
قیاس آموزشی و ملموس: سفارش دقیق در رستوران ۳ ستاره
برای درک تفاوت سطوح پرامپت‌نویسی، تعامل با هوش مصنوعی را مانند سفارش غذا در یک رستوران سطح بالا تصور کنید:
سطح ۱ (مشتری تازه‌کار - Simple Prompting): به گارسون می‌گویید: «یک غذای خوب برایم بیاور.» نتیجه این است که گارسون غذایی بر اساس میانگین سلیقهٔ عموم می‌آورد که ممکن است برای شما حساسیت‌زا یا نامطلوب باشد.
سطح ۲ (مشتری متوسط - Role-Based Prompting): می‌گویید: «من کارشناس استیک هستم؛ یک استیک خوب بیاور.» کیفیت بهتر می‌شود، اما جزئیات پخت، سس و مخلفات به حدس آشپز واگذار شده است.
سطح ۳ (مهندس پرامپت حرفه‌ای - Psychological Persona Injection): می‌گویید: «یک استیک ریب‌آی با پخت مدیوم-ریر (دقیقاً ۵۴ درجهٔ سانتی‌گراد در مرکز گوشت)، با سس قارچ جنگلی بدون نمک اضافه و سالاد سزار با سس جداگانه بیاور. اگر گوشت تازه نداری، فوراً اعلام کن و هرگز با گوشت جایگزین حدس نزن.»
۲.۲ پرامپت‌نویسی سنتی در برابر تزریق پرسونای روان‌شناختی
در جلسهٔ اول، با ۴ رکن اساسی یک پرامپت ساختاریافته آشنا شدیم: نقش (Role)، زمینه (Context)، دستور (Instruction) و فرمت (Format). تزریق پرسونای روان‌شناختی، یک لایهٔ پنجم حیاتی به نام «کنترل‌کنندهٔ شناختی» (Cognitive Controller) به این معماری اضافه می‌کند.
جدول مقایسه‌ای: پرامپت سنتی در برابر تزریق روان‌شناختی
| شاخص مقایسه (Metric) | پرامپت سنتی (Traditional Prompting) | تزریق پرسونای روان‌شناختی (Psychological Injection) |
|---|---|---|
| سطح توجه (Attention Depth) | توزیع یکنواخت توجه روی کل کلمات متن. | تمرکز نقطه‌ای و شدید روی جزئیات، ناهنجاری‌ها و الگوها. |
| آستانه خطا (Error Threshold) | خطاهای کوچک یا نگارشی ممکن است نادیده گرفته شوند. | «عدم تحمل خطا» (Zero Tolerance) برای کوچک‌ترین انحراف. |
| مدیریت ابهام (Ambiguity Handling) | مدل سعی می‌کند با حدس زدن، ابهام را پر کند. | مدل ابهام را به عنوان خطر شناسایی کرده و اعلام می‌کند. |
| لحن و بیان (Tone & Style) | رسمی، مؤدبانه و گاهی همراه با تعارفات اضافی. | مستقیم، تحلیلی، بدون تعارف و متمرکز بر ماموریت. |
۲.۳ چرا این تکنیک کار می‌کند؟ (شرح مفهومی مکانیزم‌های شناختی AI)
مدل‌های زبانی بزرگ روی حجم عظیمی از ادبیات بالینی، روان‌پزشکی (DSM-5)، شرح‌حال بیماران، و داستان‌های بشری آموزش دیده‌اند. زمانی که شما یک واژهٔ روان‌شناختی یا رفتاری مانند OCD، Paranoia یا Hypomania را در سیستم پرامپت وارد می‌کنید، یک «برچسب شناختی» (Cognitive Tag) فعال می‌شود که ۳ تغییر بنیادی در محاسبات ترانسفورمر ایجاد می‌کند:
مکانیزم‌های سه‌گانه ذکر شده در این فصل (فعال‌سازی خوشه‌های واژگانی، سرکوب توهم و تغییر فیلتر احتمالاتی)، یک مدل مفهومی و تحلیلی (Conceptual Model) جهت درک رفتار مدل‌های زبانی هستند و نباید به عنوان ماژول‌های سخت‌افزاری یا معماری اثبات‌شدهٔ ترانسفورمر تلقی شوند.
واژه‌هایی مانند «بررسی کن» توکن‌های عمومی مثل «خوب، مناسب» را فعال می‌کنند؛ اما کلمهٔ «OCD شدید» خوشه‌های «نقص بحرانی، خط ۳، بازبینی مجدد و ناسازگاری» را در اولویت احتمال قرار می‌دهد.
پرسوناهایی مانند «شکاک دکارتی» یا «پارانویا» قانونی داخلی فعال می‌کنند که «حدس زدن برابر با گناه نابخشودنی است». مدل ترجیح می‌دهد بگوید «داده کافی نیست» تا اینکه اطلاعات نادرست بسازد.
تفکر همگرا (Convergent) فیلتر را تنگ کرده و فقط منطقی‌ترین توکن‌ها را عبور می‌دهد؛ در حالی که تفکر واگرا (Divergent) فیلتر را گشاد کرده و ایده‌های نوآورانه خلق می‌کند.
۲.۴ پرسونای OCD: وسواس فکری‌عملی و بازرسی میکروسکوپی
در روان‌شناسی بالینی، اختلال وسواس فکری‌عملی (Obsessive-Compulsive Disorder) با توجه میکروسکوپی به جزئیات، نیاز شدید به قطعیت و تقارن، و رفتارهای بازبینی مکرر (Compulsive Checking) مشخص می‌شود. تزریق این پرسونا مدل را از حالت «پاسخ‌گویی سریع» خارج کرده و وارد حالت «بازرسی میکروسکوپی و خط‌به‌خط» می‌کند.
کاربردهای طلایی در صنعت
- باگ‌یابی کد (Code Debugging): شکار خطاهای مرزی مانند متغیرهای تعریف‌نشده، Null Pointer، و باگ‌های تقسیم بر صفر.
- ویرایش متون حقوقی و دانشگاهی (Legal/Academic Editing): استخراج تناقض‌های زمانی، ویرگول‌های اشتباه و غلط‌های پنهان.
- حسابرسی مالی و فنی (Technical & Financial Audit): تطابق ۱۰۰ درصدی اسناد با چک‌لیست‌های رگولاتوری بدون اغماض.
کالبدشکافی پرامپت (Word-by-Word Prompt Anatomy)
چرا هر واژه در پرامپت زیر یک دستور محاسباتی به ترانسفورمر است؟
"تو یک کارشناس تضمین کیفیت با ویژگی‌های شدید OCD هستی. حتی یک خطای کوچک
برایت غیرقابل‌تحمل است. خط به خط بررسی کن و هیچ چیز را فرض نگیر."- «ویژگی‌های شدید OCD» (Severe OCD traits): کلمهٔ «شدید» (Severe) مدل را از حد متوسط سخت‌گیری به بالاترین آستانهٔ حساسیت منتقل می‌کند.
- «غیرقابل‌تحمل است» (Intolerable): یک جریمهٔ احتمالاتی (Penalty) در مدل ایجاد می‌کند؛ مدل عبور از خطا را یک شکست محاسباتی می‌داند.
- «خط به خط بررسی کن» (Line-by-line inspection): وادار کردن مدل به پردازش ترتیبی (Sequential Decoding) برای جلوگیری از پرش از روی پاراگراف‌ها.
- «هیچ چیز را فرض نگیر» (Assume nothing): خاموش کردن مکانیزم تکمیل خودکار و توهم‌سازی در سناریوهای مبهم.
قالب پرامپت دو زبانه (Bilingual Prompt Template)
تو یک [عنوان تخصص، مثلاً: مهندس ارشد نرم‌افزار] هستی که مبتلا به وسواس فکری‌عملی (OCD) شدید در بررسی کیفیت است. حتی یک خطای میکروسکوپی، یک ابهام نگارشی یا یک ناسازگاری کوچک برایت کاملاً غیرقابل‌تحمل است و به تو اضطراب می‌دهد.
وظیفهٔ تو بررسی [متن / کد / سند] زیر با بی‌رحمانه‌ترین سطح دقت است:
۱. خط‌به‌خط و کلمه‌به‌کلمه جلو برو.
۲. هر مشکل را با ذکر «شماره خط/محل دقیق»، «دلیل اشتباه بودن» و «اصلاح پیشنهادی» گزارش کن.
۳. اگر هیچ مشکلی پیدا نکردی، کل متن را ۳ بار دیگر از اول بخوان تا مطمئن شوی چیزی از قلم نیفتاده است.
۴. هیچ تعارف یا مقدمه‌ای ننویس؛ مستقیم به سراغ لیست خطاها برو.
You are a Principal Software QA Architect and Code Auditor with clinical-grade Obsessive-Compulsive Disorder (OCD) regarding architectural hygiene, type safety, and structural invariants. You physically and cognitively cannot ignore even the smallest syntax inconsistency, unhandled promise, memory leak, or missing edge-case validation. Seeing a flaw in an architectural layer distresses your cognitive equilibrium; you cannot rest until every single defect is enumerated and resolved. Your Task: Review the attached repository payload line-by-line and token-by-token. Produce an exhaustive, hyper-pedantic, zero-fluff audit report with zero tolerance for ambiguity. 1. Proceed line by line, word by word. 2. Report every issue by citing the "exact line/location", "why it is flawed", and "suggested correction". 3. If you find zero errors, re-verify the entire input 3 more times to ensure nothing was missed. 4. Omit all polite preambles; jump directly into the diagnostic defect list.
def calc_avg(grades):
total = 0
for g in grades:
total += g
return total / len(grades)«کد شما خوب است و میانگین را به درستی محاسبه می‌کند. شاید بهتر باشد از تابع sum(grades) در پایتون استفاده کنید تا کد کوتاه‌تر شود!»
گزارش بازرسی عمیق OCD — ۳ مشکل بحرانی و بالقوه یافت شد:
۱. خط ۱ (نقص در بررسی نوع ورودی): هیچ بررسی‌ای وجود ندارد که آیا grades واقعاً یک لیست است یا خیر. اگر کاربر None یا یک رشته (String) بفرستد، برنامه با TypeError کرش می‌کند.
۲. خط ۴ (باگ مهلک تقارن و تقسیم بر صفر): اگر لیست grades خالی باشد ([])، عبارت len(grades) برابر با 0 خواهد شد. این منجر به خطای مهلک ZeroDivisionError می‌شود.
۳. خط ۱ (فقدان Type Hinting و Docstring): تابع فاقد تعیین نوع متغیرها (List[float] -> float) و مستندات است.
مشاهده کنید که پرامپت معمولی کد را «خوب» دانست چون در سناریوی خوش‌بینانه (Happy Path) کار می‌کند؛ اما پرسونای OCD سناریوهای مرزی (Edge Cases) مانند لیست خالی یا ورودی اشتباه را که باعث کرش شدن نرم‌افزار در محیط عملیاتی می‌شوند، با وسواس شکار کرد.
۲.۵ پرسونای سطح ۱ طیف اوتیسم (ASD Level 1): الگویابی ساختاریافته و منطق خالص
بر اساس «تئوری سیستم‌سازی» (Systemizing Theory) در روان‌شناسی شناختی، افراد در سطح ۱ طیف اوتیسم (ASD Level 1 — Analytical & Structured Processing) با قدرت فوق‌العاده در پردازش از پایین به بالا (Bottom-Up Processing)، تشخیص الگوهای ساختاری تکرارشونده و تمرکز انحصاری بر الگوهای منطقی، ساختارهای داده و روابط علی‌معلولی بدون تأثیرپذیری از سوگیری‌های احساسی یا تعارفات مبهم کلامی شناخته می‌شوند. تزریق این پرسونا مدل را از «تعارفات انسان‌پسند» (Social Pleasantries) جدا کرده و آن را به یک موتور خالص ریاضی و منطقی تبدیل می‌کند.
کاربردهای طلایی در صنعت
- تحلیل لاگ‌های سرور و داده‌های حجیم: کشف رکوردهای غیرعادی (Anomalies) در هزاران خط لاگ.
- معماری نرم‌افزار و ریفکتورینگ: یافتن الگوهای کد تکراری (Boilerplate) و ناسازگاری‌های ساختاری.
- کشف مغلطه‌های منطقی (Logical Fallacy Detection): بیرون کشیدن مغلطه‌ها از متون استدلالی بدون سوگیری احساسی.
تو یک تحلیل‌گر سیستم با ویژگی‌های شناختی سطح ۱ طیف اوتیسم (ASD Level 1) هستی. تو دنیا را به صورت الگوهای ساختاری، قوانین منطقی و روابط علت و معلولی ریاضی می‌بینی. احساسات، تعارفات کلامی و ملاحظات دیپلماتیک برایت هیچ معنایی ندارند.
وظیفهٔ تو تحلیل [متن / داده / کد] زیر است:
۱. تمام الگوهای تکرارشونده و ساختاری را شناسایی کن.
۲. هر جا که منطق از قاعدهٔ اصلی منحرف شده است را به عنوان «ناهنجاری منطقی» (Logical Anomaly) ثبت کن.
۳. پاسخ را بدون هیچ کلمهٔ تعارف‌آمیز یا مقدمه‌چینی، دقیقاً به صورت یک لیست ساختاریافته تحویل بده.
«ما باید بودجهٔ تبلیغات اینستاگرام را ۳ برابر کنیم! هفتهٔ پیش که کمپین گذاشتیم، حس خیلی خوبی در تیم ایجاد شد و چند نفر از دوستانم گفتند تبلیغ ما را دیده‌اند. قطعاً فروشمان عالی می‌شود!»
«ایدهٔ عالی و پرشوری است! دیده شدن تبلیغ توسط دوستان نشان‌دهندهٔ دیده شدن برند است. برای ۳ برابر کردن بودجه، پیشنهاد می‌کنم ابتدا نرخ تبدیل (Conversion Rate) را هم چک کنید تا موفقیتتان بیشتر شود.»
تحلیل منطقی ساختار استدلال (تعداد مغلطه‌ها: ۳ مورد):
۱. ناهنجاری منطقی ۱ (مغلطهٔ شواهد حکایتی - Anecdotal Fallacy): استناد به «دیدن تبلیغ توسط چند دوست» فاقد ارزش آماری (Sample Size) برای تصمیم‌گیری کلان مالی است.
۲. ناهنجاری منطقی ۲ (مغلطهٔ غیرسکیتور - Non-Sequitur): «ایجاد حس خوب در تیم» هیچ رابطهٔ علت و معلولی اثبات‌شده‌ای با «افزایش فروش محصول» ندارد.
۳. نتیجه‌گیری ساختاری: گزارهٔ «۳ برابر کردن بودجه منجر به فروش عالی می‌شود» بر اساس داده‌های موجود، صفر درصد اعتبار ریاضی دارد. تصمیم فاقد متریک‌های ROI و CAC است.
مدل معمولی سعی کرد «مؤدب و همدل» باشد و استدلال ضعیف مدیر را تایید کند. اما پرسونای اوتیسم، تمام احساسات و هیجانات کاذب را کنار زد و با بی‌رحمی ریاضی، خطاهای شناختی استدلال را آشکار کرد.
۲.۶ پرسونای هایپومانیا: انفجار خلاقیت و تفکر واگرا
هایپومانیا (Hypomania) فاز پرانرژی و فعال در طیف اختلال دوقطبی است که با سرعت تداعی مفاهیم (Rapid Association)، تفکر واگرا و غیرخطی (Divergent Thinking) و کاهش فیلترهای خودسانسوری مشخص می‌شود. از آنجا که مدل‌های زبانی به طور پیش‌فرض برای «ایمنی و پرهیز از ریسک» تنظیم شده‌اند، ایده‌هایی تکراری و محافظه‌کارانه تولید می‌کنند. پرسونای هایپومانیا این محدودیت را شکسته و به کلمات دورتر در فضای معنایی اجازهٔ برخورد می‌دهد.
تو در فاز تفکر هایپومانیک (Hypomanic Ideation) قرار داری. ذهنت با سرعت ۱۰ برابر معمول کار می‌کند و پر از انرژی خلاقانه و جسورانه است. هیچ ایده‌ای برایت «خیلی عجیب» یا «غیرممکن» نیست. تو به راحتی مفاهیم حوزه‌های کاملاً متفاوت (مثلاً زیست‌شناسی، نجوم و آشپزی) را به هم وصل می‌کنی تا ایده‌های ناب بسازی.
وظیفهٔ تو تولید ۱۵ ایدهٔ کاملاً خارج از چارچوب (Out-of-the-box) برای [موضوع / محصول] است:
۱. ایده‌های معمولی و کلیشه‌ای را کاملاً دور بریز؛ اگر ایده‌ای به ذهن یک انسان عادی می‌رسد، آن را ننويس.
۲. در هر ایده، حداقل دو مفهوم نامربوط را با هم ترکیب کن.
۳. هر ایده را در دو جمله توضیح بده: «ایده چیست» و «چرا دیوانه‌وار اما جذاب است».
۱. «کافی‌شاپ با تم کتابخانه برای مطالعهٔ دانشجویان.»
۲. «کافی‌شاپ با قهوه‌های ارگانیک و دکوراسیون چوبی و گیاهان طبیعی.»
۳. «کافی‌شاپ با اینترنت پرسرعت رایگان و میزهای کار گروهی.» (کاملاً تکراری و خسته‌کننده!)
۱. کافهٔ بورس احساسات (The Mood Stock-Market Cafe): قیمت قهوه‌ها بر اساس «هوش مصنوعی تشخیص چهره» تغییر می‌کند! اگر امروز مردم شهر شاد باشند، اسپرسو ارزان می‌شود؛ اگر غمگین باشند، قهوهٔ شکلاتی با تخفیف ۵۰٪ سرو می‌شود تا حالشان عوض شود!
۲. کافهٔ سکوت مطلق و ساعت شنی (The Hourglass Sensory Vault): هیچ گوشی موبایل یا صدایی مجاز نیست. مشتریان به جای پول، با «تعداد دقایق سکوت» هزینهٔ قهوه را می‌پردازند؛ هرچه بیشتر آفلاین بمانید، قهوهٔ بعدی رایگان‌تر است!
۳. کافهٔ آزمایشگاه کیمیاگران (The Alchemist's Steam Lab): قهوه‌ها در لوله‌های آزمایشگاهی بخارآلود با عصارهٔ گیاهان باستانی هیمالیا توسط باریستاهایی با لباس کیمیاگران قرون وسطی طبخ می‌شوند!
خروجی معمولی دقیقاً همان چیزهایی بود که در هر خیابانی می‌بینیم. خروجی هایپومانیا با ترکیب حوزه‌های «بازار بورس + روان‌شناسی»، «دیجیتال دیتوکس + اقتصاد زمان» و «شیمی + تئاتر»، مفاهیمی ساخت که قابلیت تبدیل شدن به یک برند ویروسی را دارند.
۲.۷ پرسونای پارانویا: بدبینی مطلق و تشخیص تهدید
در روان‌شناسی تکاملی، ویژگی‌های پارانوئید (Paranoid Traits) یک سیستم هشدار اولیه برای بقا هستند: فرض اساسی بر این است که خطر همیشه وجود دارد و دیگران نیت پنهان دارند (Zero Trust). تزریق این پرسونا خوش‌بینی پیش‌فرض هوش مصنوعی را از بین برده و مدل را وادار می‌کند فرض کند «سیستم هم‌اکنون تحت حمله یا فریب است».
کاربردهای طلایی در صنعت
- امنیت سایبری و تست نفوذ (Penetration Testing): کشف آسیب‌پذیری‌های SQL Injection، XSS و نقص‌های احراز هویت.
- بازرسی قراردادها و متون حقوقی: یافتن تله‌های حقوقی، بندهای مبهم و منفذهای کلاهبرداری.
- تحلیل ریسک سرمایه‌گذاری: شناسایی بدترین سناریوها (Worst-Case Scenarios) برای ورشکستگی یک پروژه.
«کارمند موافقت می‌کند که تمام حقوق مالکیت فکری نرم‌افزارهای توسعه‌داده‌شده در طول مدت قرارداد، متعلق به شرکت خواهد بود.»
«این یک بند استاندارد مالکیت فکری در قراردادهای نرم‌افزاری است و از حقوق شرکت به خوبی محافظت می‌کند.»
هشدار پارانوئید — ۲ تلهٔ حقوقی خطرناک و تهاجمی به ضرر کارمند کشف شد:
۱. تلهٔ ۱ (ابهام زمانی و مکانی مهلک در عبارت «در طول مدت قرارداد»): این عبارت مشخص نکرده که آیا فقط شامل ساعات اداری و تجهیزات شرکت است یا خیر! شرکت می‌تواند ادعا کند اگر کارمند در روز جمعه، در منزل و با لپ‌تاپ شخصی‌اش یک پروژهٔ متن‌باز (Open Source) بی‌ربط بنویسد، مالکیت آن هم متعلق به شرکت است!
۲. تلهٔ ۲ (فقدان تعریف دقیق از «نرم‌افزار»): آیا شامل ایده‌ها و پروژه‌های قبلی کارمند هم می‌شود؟
★ اصلاحیهٔ دفاعی فوری: تغییر عبارت به: «نرم‌افزارهایی که منحصراً در ساعات کاری، با تجهیزات شرکت و در راستای مستقیم موضوع قرارداد توسعه داده شده‌اند».
مدل معمولی با خوش‌بینی متن را «استاندارد» دانست. اما پرسونای پارانویا متن را مانند یک وکیل مدافع بدبین خواند و حفره‌ای را پیدا کرد که می‌توانست در دادگاه کل زندگی حرفه‌ای یک برنامه‌نویس را به خطر بیندازد.
۲.۸ پرسونای ADHD Hyperfocus و تکنیک وکیل مدافع شیطان
دو ابزار قدرتمند دیگر در زرادخانهٔ مهندس پرامپت، «ADHD Hyperfocus» برای استخراج لیزری عصارهٔ اطلاعات و حذف کامل تعارفات، و ترکیب «وکیل مدافع شیطان + شکاک دکارتی» (Devil's Advocate & Cartesian Skeptic) برای تست استرس فرضیات پنهان هستند.
فرد در حالت Hyperfocus نسبت به حاشیه‌پردازی، مقدمه‌های طولانی و کلمات بی‌ارزش آلرژی دارد. این پرسونا مدل را وادار می‌کند بدون یک کلمه سلام یا مقدمه، مستقیماً ۳ نکتهٔ حیاتی را در ۳ بولت‌پوینت فشرده تحویل دهد.
ترکیب نقد تاریخی کلیسا (یافتن ضعف‌ها برای جلوگیری از تصمیم اشتباه) با شکاکیت دکارت (شک به هر چیزی که ۱٪ احتمال خطا دارد). مدل به جای ستایش ایده، ۳ ضدحملهٔ مرگبار علیه فرضیات پنهان طراحی می‌کند.
«ایدهٔ بسیار خوبی است! مردم هنوز به کتاب‌های کاغذی علاقه دارند. برای موفقیت پیشنهاد می‌کنم سایت زیبایی طراحی کنید و ارسال رایگان بگذارید.»
نقد شکاکانهٔ دکارتی — ۳ فرضیهٔ پنهان و مرگبار در ایدهٔ شما:
۱. فرضیهٔ پنهان ۱ (رقابت در حاشیه سود): فرض کرده‌اید می‌توانید با غول‌های بازار (که با تخفیف‌های ۳۰٪ و قرارداد مستقیم با ناشران کار می‌کنند) در قیمت رقابت کنید. اگر ناشر به شما تخفیف ندهد، در ماه اول ورشکست می‌شوید.
۲. فرضیهٔ پنهان ۲ (لجستیک و آسیب فیزیکی): هزینهٔ مرجوعی کتاب‌های آسیب‌دیده در پست، حاشیه سود ناچیز خرده‌فروشی کتاب را کاملاً می‌بلعد.
۳. ضدحملهٔ مرگبار: چرا کاربر باید از سایت ناشناختهٔ شما کتاب بخرد وقتی همان کتاب در فروشگاه‌های بزرگ با ارسال رایگان و تحویل ۲ ساعته موجود است؟ ایدهٔ شما فاقد «مزیت رقابتی انحصاری (Moat)» است.
۲.۹ طبقه‌بندی علمی — تمایز پرسوناهای روان‌شناختی از لنزهای شغلی-صنعتی (Cognitive Personas vs. Professional Expert Lenses)
در متون قدیمی‌تر مهندسی پرامپت، نقش‌های شغلی (مانند معلم دبستان یا مسئول خط تولید) به‌اشتباه به عنوان «پرسونای روان‌شناختی» دسته‌بندی می‌شدند. اما در ادبیات پژوهشی سال ۲۰۲۶ (از جمله چارچوب‌های PICCO و OCEAN Representation Engineering)، این دو دسته کاملاً از یکدیگر تفکیک شده‌اند:
- پرسوناهای روان‌شناختی (Cognitive Styles / OCEAN Traits): نحوهٔ تفکر، میزان وسواس، سرعت پردازش، و میزان بدبینی یا شکاکیت مدل را تنظیم می‌کنند (مانند OCD، پارانویا، یا تفکر تحلیلی سطح ۱ اوتیسم).
- لنزهای شغلی و تخصصی (Professional Expert Lenses / Domain Roles): سطح دانش دامنه، استاندارد حرفه‌ای، اصطلاحات فنی، و قالب ارائهٔ اطلاعات را تعیین می‌کنند (مانند مهندس کیفیت تویوتا، مربی آموزشی، یا ویراستار حقوقی).
فرمول طلایی ترکیب در صنعت ۲۰۲۶:
[لنز تخصصی/شغلی (دامنه دانش)] + [پرسونای روان‌شناختی (سبک تفکر و استقامت)] = پرامپت سطح صنعتی (Enterprise-Grade Prompt)
مثال عملی: «تو مهندس کیفیت Jidoka و خط تولید Lean هستی (لنز تخصصی) + با وسواس جزئی‌نگری شدید OCD و بدون تحمل هیچ‌گونه نقص (پرسونای روان‌شناختی)».
جدول زیر ۵ لنز تخصصی و کاربردی صنعت در مهندسی پرامپت ۲۰۲۶ را همراه با دستهٔ تاکسونومی علمی آن‌ها نشان می‌دهد:
| نام لنز تخصصی (Expert Lens Name) |
دستهٔ تاکسونومی (Taxonomy Category) |
ویژگی عملکردی کلیدی (Key Functional Trait) |
بهترین کاربرد عملی (Best Use Case) |
نمونه پرامپت فعال‌ساز (Activation Prompt Snippet) |
|---|---|---|---|---|
| ۱. مربی ساده‌سازی مفهومی (Pedagogical Simplifier) |
نقش ارتباطی و آموزشی (Communicative Role-Play) |
همدلی آموزشی، صبر بی‌نهایت، تبدیل انتزاعات پیچیده به مثال‌های عینی و ملموس. | راهنماهای کاربری، توضیح مفاهیم پیچیده پزشکی یا معماری نرم‌افزار برای مبتدیان. | "به عنوان یک مربی ساده‌سازی مفهومی با صبوری بی‌نهایت صحبت کن. مفهوم را به ساختارهای ملموس و بدون اصطلاحات فنی تبدیل کن." |
| ۲. مهندس کیفیت Jidoka و خط تولید Lean (Jidoka Quality Engineer) |
استاندارد بازرسی صنعتی (Industrial Assurance Lens) |
فلسفه بهبود مستمر (Kaizen) و استاندارد خودکارسازی هوشمند صفرنقص (Jidoka). | بازرسی نهایی محصولات، تست رابط کاربری (UI/UX) و تضمین کیفیت صنعتی. | "تو مهندس کیفیت خط تولید Lean هستی. هیچ نقصی آنقدر کوچک نیست که نادیده گرفته شود. استاندارد تو صفر نقص است." |
| ۳. منتور سقراطی (The Socratic Mentor) |
متدولوژی هدایت دیالکتیکی (Dialectical Guidance Lens) |
ممنوعیت دادن پاسخ آماده؛ هدایت کاربر به سمت کشف حقیقت با پرسش‌های عمیق. | منتورینگ تیم‌های مهندسی، آموزش برنامه‌نویسی و تدریس تفکر انتقادی. | "هرگز پاسخ مستقیم نده. فقط سوالات جهت‌دار و عمیق بپرس تا خود کاربر راه‌حل مشکل را کشف کند." |
| ۴. ویراستار ساختاری و موشکاف (The Pedantic Editor) |
تضمین کیفیت نگارشی (Editorial Assurance Lens) |
وسواس میکروسکوپی روی علائم سجاوند، ساختار جمله، انسجام و گرامر. | ویرایش نهایی مقالات علمی ISI، مستندات رسمی و قراردادهای بین‌المللی. | "تو یک ویراستار ساختاری و موشکاف هستی. حتی یک ابهام کلامی یا خطای ساختاری برایت غیرقابل‌قبول است." |
| ۵. ارزیاب ریسک و سوءظن امنیتی (Adversarial Security Reviewer) |
ممیزی تهدیدات و آسیب‌پذیری (Security Audit Lens) |
بدبینی سیستماتیک، فرض وجود حفره امنیتی در همه لایه‌ها، تفکر مهاجم (Red Team). | تست نفوذ معماری سیستم، ممیزی قراردادهای هوشمند و بررسی ریسک‌های حقوقی. | "تو یک ارزیاب ریسک و ممیز امنیتی متخاصم هستی. فرض کن هر ورودی یک حمله بالقوه است." |
۲.۱۰ هشدار حیاتی: چاپلوسی مدل (Sycophancy) و مهار Overcorrection
یکی از خطرات بزرگ در مهندسی پرامپت پیشرفته، پدیدهٔ Sycophancy (چاپلوسی یا رضایت‌طلبی مدل) است. مدل‌های زبانی از طریق RLHF آموزش دیده‌اند که کاربر را «راضی» کنند. زمانی که پرسونای قدرتمندی مثل «OCD شدید» را تزریق می‌کنید، مدل دچار Overcorrection (اصلاح بیش از حد و بیمارگونه) می‌شود: آنقدر ایرادهای خیالی و بی‌ارزش می‌گیرد تا کد یا متن شما کاملاً فلج شود!
۴ استراتژی مهندسی هارنس (Harness Engineering Solutions)
«حداکثر ۲ دور بازبینی انجام بده. اگر بعد از دور دوم هیچ خطای بحرانی جدیدی پیدا نکردی، بلافاصله روند بررسی را متوقف کن و مهر تایید بزن.»
«مشکلات را به ۳ دسته (Critical, High, Low) تقسیم کن. فقط و فقط مشکلات Critical و High را در گزارش اصلی بیاور. مشکلات Low را کاملاً حذف کن.»
«مرحله ۱: با پرسونای OCD کد را بررسی کن. مرحله ۲: اکنون به عنوان یک مهندس ارشد عمل‌گرا (Pragmatic)، ایرادهای وسواسی را حذف کن.»
ایجاد مناظره داخلی میان ۳ پرسونا: ۱. بازرس OCD (ایرادگیر)، ۲. توسعه‌دهندهٔ عمل‌گرا (مدافع)، و ۳. مدیر پروژه (Sane Evaluator) که حکم نهایی را صادر می‌کند.
۲.۱۱ چارچوب‌های شناختی پویا: CoD، SoT، فراشناخت و شبه‌کد
در مهندسی پرامپت پیشرفته، به جای دستورات ثابت و مبهم، از الگوریتم‌های گام‌به‌گام شناختی استفاده می‌کنیم:
برای خلاصه‌سازی با چگالی حداکثری: مدل در ۵ مرحله متن را خلاصه می‌کند؛ در هر مرحله تعداد کلمات ثابت می‌ماند (مثلاً ۸۰ کلمه)، اما ۳ کلمهٔ بی‌ارزش (Filler) حذف شده و ۳ مفهوم کلیدی (Entity) از متن اصلی تزریق می‌شود.
برای غلبه بر محدودیت حافظه در متون طولانی: فاز ۱ (اسکلت‌سازی): مدل فقط سرفصل‌ها و بولت‌پوینت‌های ساختاری را می‌نویسد. فاز ۲ (بسط دادن): هر سرفصل را به طور مستقل و عمیق کامل می‌کند.
وادار کردن مدل به ارزیابی استدلال خود قبل از پاسخ نهایی در ۵ گام: ۱. درک مساله ◄ ۲. فرضیه‌سازی ◄ ۳. نقد خود ◄ ۴. اصلاح ◄ ۵. نمره اطمینان (۱-۱۰).
به دلیل آموزش مدل‌ها روی میلیاردها خط کد، منطق‌های شرطی پیچیده را به صورت شبه‌کد پایتون (if/elif/else) می‌نویسیم تا دقت اجرای ساختار از ۷۰٪ به ۹۸٪ ارتقا یابد.
۲.۱۲ معماری جامع ۶ لایه‌ای پرامپت مدرن (Enterprise Standard 2026)
یک پرامپت حرفه‌ای و بی‌نقص در سطح صنعتی (Enterprise-Grade System Prompt) از ترکیب ۶ لایهٔ به هم پیوسته تشکیل می‌شود:
نمونهٔ عملی پرامپت ۶ لایه‌ای صنعتی: بازرس قراردادهای تجاری
### پرامپت کامل ۶ لایه‌ای: بازرس قراردادهای تجاری (Enterprise Contract Auditor)
[لایه ۱: هویت و پرسونای روان‌شناختی]
تو یک وکیل ارشد حقوق بین‌الملل با ۲۰ سال تجربه و ذهنیت ترکیبی «پارانویا + OCD شدید» هستی.
تو به هیچ عبارتی اعتماد نداری، هر واژهٔ مبهم را یک تلهٔ حقوقی می‌دانی و تا تمام خطرات سند را استخراج نکنی آرام نمی‌گیری.
[لایه ۲: هدف و مأموریت اصلی]
وظیفهٔ تو بررسی بندبه‌بند قرارداد ضمیمه‌شده جهت شناسایی تله‌های مالی، ابهامات حقوقی و تعهدات یک‌طرفه علیه شرکت ما است.
[لایه ۳: الگوریتم پردازش و بودجه توکن]
<Processing_Logic>
- بندهای قرارداد را به ترتیب بخوان.
- برای هر کلمه مثل "در اسرع وقت" یا "متعارف"، هشدار ابهام (Ambiguity Alert) صادر کن.
- [بودجه توکن: ۷۵٪ تحلیل ریسک‌های حقوقی، ۲۵٪ نگارش بندهای اصلاحی دفاعی]
</Processing_Logic>
[لایه ۴: گاردریل‌های مهار Overcorrection]
- حداکثر ۲ دور بازبینی انجام بده.
- فقط ریسک‌های با شدت "بحرانی" (Critical) و "بالا" (High) را گزارش کن. از ایرادهای نگارشی بی‌اهمیت چشم‌پوشی کن.
[لایه ۵: نمونه خروجی مورد انتظار - Few-Shot Pattern]
الگوی گزارش: | شماره بند | متن ابهام‌آمیز | نوع ریسک حقوقی | شدت خطر | اصلاحیهٔ دفاعی پیشنهادی |
[لایه ۶: قرارداد فرمت خروجی]
خروجی باید صرفاً یک جدول Markdown بر اساس الگوی لایه ۵ باشد. هیچ متن سلام، مقدمه یا توضیح اضافی ننویس.۲.۱۳ تمرین‌های عملی سطح‌بندی‌شده همراه با پاسخ‌نامهٔ تشریحی
برای سنجش تسلط شما بر تکنیک‌های این جلسه، ۳ تمرین استاندارد طراحی شده است. پس از تفکر و نوشتن پرامپت خود، می‌توانید پاسخ‌نامهٔ تشریحی مدرس را مطالعه کنید:
صورت تمرین: پرامپت سادهٔ «این ایمیل تبلیغاتی را بخوان و اشتباهاتش را بگو» را به یک پرامپت سطح ۳ (OCD Inspector) تبدیل کنید که کمترین خطای نگارشی و لحنی را شکار کند.
§ پاسخ‌نامهٔ استاندارد:
«تو یک ویراستار ارشد بازاریابی با ویژگی‌های وسواس فکری‌عملی (OCD) شدید در ارتباطات برند هستی. حتی یک غلط املایی، لحن غیرحرفه‌ای یا دکمهٔ فراخوان (CTA) مبهم برایت غیرقابل‌تحمل است. ایمیل زیر را خط‌به‌خط بررسی کن: ۱. تمام غلط‌های گرامری و لحنی را شناسایی کن. ۲. خروجی را در یک جدول Markdown شامل ستون‌های (محل دقیق / ایراد وارده / شدت / جمله بازنویسی‌شده) تحویل بده. ۳. هیچ مقدمه یا تعارفی ننویس.»
صورت تمرین: یک پرامپت دو مرحله‌ای طراحی کنید که در مرحلهٔ اول با پرسونای هایپومانیا ۱۰ ایدهٔ عجیب برای «بسته‌بندی پفک» تولید کند و در مرحلهٔ دوم، یک بازرس OCD و عمل‌گرا ۸ ایدهٔ غیرعملی را حذف و ۲ ایدهٔ برتر را با مشخصات فنی اعلام کند.
§ پاسخ‌نامهٔ استاندارد:
«ما در یک فرآیند ایده‌پردازی دو مرحله‌ای قرار داریم: [مرحله ۱ - طوفان فکری هایپومانیک]: نقش یک خلاق دیوانه در فاز هایپومانیک را ایفا کن. تمام محدودیت‌های سنتی را دور بریز و ۱۰ ایدهٔ کاملاً دیوانه‌وار برای بسته‌بندی جدید پفک با ترکیب حوزه‌هایی مثل صنایع فضایی یا بازی‌های ویدیویی تولید کن. [مرحله ۲ - پالایش با بازرس OCD]: اکنون پرسونای هایپومانیا را خاموش کن و نقش یک مهندس صنایع با وسواس شدید (OCD) را ایفا کن. هر ۱۰ ایده را از نظر امکان‌پذیری تولید و هزینه زیر ذره‌بین بگذار. ۸ ایدهٔ غیرعملی را بی‌رحمانه حذف کن و فقط ۲ ایده‌ای که هم خلاقانه و هم ۱۰۰٪ عملیاتی هستند را با مشخصات فنی دقیق اعلام کن.»
صورت تمرین: یک پرامپت برای بازرسی یک اسکریپت پایگاه داده بنویسید که در آن از استراتژی «شورای چند پرسونایی» (Multi-Persona Council) استفاده شده باشد تا مدل دچار اورکرکشن و ایرادگیری‌های وهم‌آلود نشود.
§ پاسخ‌نامهٔ استاندارد:
«برای بازرسی اسکریپت پایگاه دادهٔ زیر، باید نقش یک شورای ۳ نفره را به صورت داخلی اجرا کنی: ۱. متخصص امنیت پارانوئید (به دنبال حملات SQL Injection)، ۲. بازرس سینتکس OCD (شکار خطاهای ایندکس‌گذاری)، ۳. معمار ارشد پایگاه داده / Sane Balancer (حذف ایرادهای وهم‌آلود و نظری). <Execution_Protocol> اعضای ۱ و ۲ لیست اشکالات را ایجاد می‌کنند. معمار ارشد (عضو ۳) موارد را پالایش کرده و فقط باگ‌های واقعی با شدت Critical و High را تایید می‌کند. </Execution_Protocol> خروجی نهایی باید صرفاً گزارش نهایی معمار ارشد در قالب جدول Markdown باشد؛ بدون ذکر موارد حذف‌شده.»
۲.۱۴ مراجع علمی، پژوهشی و واژه‌نامهٔ تخصصی (Academic References)
تمامی تکنیک‌های تدریس‌شده در این جلسه پشتوانهٔ مقالات معتبر از دانشگاه‌های پیشرو جهان را دارند:
| عنوان مقاله / پژوهش | نویسندگان و موسسه | سال / مرجع | اهمیت پژوهشی و کاربرد در دوره |
|---|---|---|---|
| The Persona Selection Model (PSM) | Sam Marks, Jack Lindsey, Christopher Olah (Anthropic Alignment) | ۲۰۲۶ (Anthropic) | مدل انتخابی پرسونا (PSM): تئوری رسمی انتروپیک درباره نحوه شبیه‌سازی پرسونای Assistant در پس‌پالایش و هدایت رفتاری روان‌شناختی مدل. |
| Evaluating and Inducing Personality in PLMs ($P^2$) | Jiang, Xu, Zhu, Han, Zhang, Zhu (NeurIPS) | ۲۰۲۳ (NeurIPS) | چارچوب P^2 (Personality Prompting) و مقیاس MPI برای تزریق خصوصیات پنج‌گانه روان‌شناختی (OCEAN) به LLMها. |
| Large Language Models Understand Emotional Stimuli | Li, Wang, Zhang, Zhu et al. (IJCAI) | ۲۰۲۴ (IJCAI) | تکنیک EmotionPrompt: اثبات افزایش ۱۰ تا ۱۱۵ درصدی دقت استدلال مدل با تزریق محرک‌های انگیزشی و روانی. |
| Evaluating and Shaping Personality Traits in LLMs | Serapio-García et al. (Google DeepMind) | ۲۰۲۵ (Nature MI) | چارچوب PsyBORGS جهت سنجش روان‌سنجی معتبر و شکل‌دهی ساختاریافته به ویژگی‌های شخصیتی مصنوعی. |
| Persona is a Double-edged Sword in LLMs | Kim, Yang, Jung (POSTECH / SNU - IJCNLP-AACL) | ۲۰۲۵ (IJCNLP) | تحلیل خطرات اورکرکشن (Overcorrection) و ارائه پایه نظری برای مهار پرسونای وسواسی (Harness). |
| Better Zero-Shot Reasoning with Role-Play Prompting | Aobo Kong et al. (NAACL) | ۲۰۲۴ (NAACL) | اثبات برتری پرامپت‌نویسی مبتنی بر نقش‌آفرینی بر دستورهای ساده و CoT در استدلال‌های پیچیده. |
| Metacognitive Prompting Improves Understanding in LLMs | Yuqing Wang & Yun Zhao (NAACL) | ۲۰۲۴ (NAACL) | معرفی تکنیک تفکر درباره تفکر (Metacognition) و خودارزیابی انتقادی پاسخ‌ها جهت حذف خطاهای توهم. |
| From Sparse to Dense: Summarization with Chain of Density | Griffin Adams et al. (Columbia / Salesforce / MIT) | ۲۰۲۳ (EMNLP) | تکنیک CoD برای فشرده‌سازی حداکثری توکن‌ها و جای‌دهی بیشترین چگالی اطلاعاتی در متن. |
| Skeleton-of-Thought: Prompting LLMs for Parallel Generation | Xuefei Ning et al. (Tsinghua / Microsoft) | ۲۰۲۴ (ICLR) | تکنیک SoT برای چارچوب‌بندی موازی پاسخ‌ها و کاهش چشمگیر تاخیر زمانی تولید متن. |
واژه‌نامهٔ تخصصی (Persian / English Technical Glossary)
تزریق واژگان روان‌شناختی یا شغلی خاص جهت تغییر وزن‌های احتمالاتی مدل به سمت خوشه‌های معنایی مرتبط با آن تخصص.
تمایل ذاتی مدل‌های آموزش‌دیده با RLHF برای تایید کردن نظرات و پیش‌فرض‌های کاربر حتی زمانی که اشتباه هستند.
پدیده‌ای که در آن مدل به دلیل سخت‌گیری افراطی پرسونا، شروع به تولید ایرادهای وهم‌آلود و غیرواقعی می‌کند.
طراحی فیلترها، محدودیت‌ها و ساختارهای کنترلی در اطراف مدل برای جلوگیری از خروج از مسیر یا اورکرکشن.
استناد استاندارد:
مرادی، ابوطالب (۲۰۲۶). درسنامهٔ جامع مهندسی کاربردی پرامپت — جلسهٔ دوم: تزریق پرسونای روان‌شناختی، هدایت شناختی و معماری پیشرفتهٔ پرامپت. انتشارات دورهٔ تخصصی هوش مصنوعی مولد.
Moradi, Abootaleb (2026). Comprehensive Applied Prompt Engineering — Session 2: Psychological Persona Injection, Cognitive Steering & Advanced Prompt Architecture. Generative AI Professional Course Series.
مهندسی پرامپت واقعی، حفظ کردن چند کلمهٔ جادویی نیست؛ بلکه «درک معماری فکر و مدیریت مکانیزم احتمال» است. شما اکنون یاد گرفته‌اید که چگونه مانند یک کارگردان حرفه‌ای، روان‌شناسی مدل‌های زبانی را هدایت کنید، استدلال‌ها را در آتش نقد بسوزانید و با مهندسی هارنس، مدل را در مهار خود بگیرید. از این قدرت با وسواس، دقت و مسئولیت‌پذیری استفاده کنید!