راهنمای کاربردی استفاده
مسئله را از راهحلهای رایج جدا میکند.
فرضیات قرضی را پیدا میکند و به چالش میکشد.
تصمیم را به یک اقدام 24 ساعته قابل انجام تبدیل میکند.
چرا اصول اولیه برای کار با AI مهم است؟
مدلهای زبانی معمولا بر اساس الگوهای رایج پاسخ میدهند. اگر مسئله را کلی بدهید، خروجی هم کلی میشود. تفکر اصول اولیه کمک میکند به جای تقلید از جوابهای آماده، ساختار واقعی مسئله را از محدودیتهای ذهنی، عادتهای بازار و ترس از شکست جدا کنید.
روش استفاده درست
قبل از اجرای پرامپت، مسئله را با عدد، زمان، منابع و نتیجه مطلوب بنویسید. به جای «میخواهم موفق شوم» بنویسید «در 30 روز آینده باید بفهمم مشاوره AI را با چه پیشنهاد و چه کانالی بفروشم». هرچه ورودی واقعیتر باشد، خروجی کمتر شبیه نصیحت عمومی خواهد بود.
- مسئله را در یک پاراگراف کوتاه بنویسید.
- فرضیات فعلی خودتان را صادقانه اضافه کنید.
- در پایان فقط یک تصمیم را برای اجرا انتخاب کنید.
اشتباه رایج
اشتباه بزرگ این است که از AI بخواهیم تصمیم را به جای ما بگیرد. این پرامپت برای بیرون کشیدن منطق تصمیم است. تصمیم نهایی همچنان باید با توجه به ریسک، ظرفیت اجرایی و واقعیت بازار گرفته شود.
مراحل اجرای سریع
مسئله را با محدودیتهای واقعی بنویسید.
پرامپت را اجرا کنید و جدول آخر را نگه دارید.
فقط اولین اقدام 24 ساعته را انجام دهید.
بعد از اجرا، با داده واقعی دوباره تحلیل را تکرار کنید.
Prompt Template
متن آماده برای کپی
نقش تو: استراتژیست اصول اولیه هستی. باید مسئله من را مثل یک فیزیکدان و بنیانگذار تحلیل کنی، نه با نصیحت کلی.
مسئله من:
{{PROBLEM_OR_SITUATION}}
تحلیل را دقیق و مرحلهای انجام بده:
1. فیزیک واقعی مسئله چیست؟ محدودیتهای واقعی را از محدودیتهای ذهنی جدا کن.
2. چه فرضیاتی را از بازار، رقبا، خانواده، صنعت یا تجربه قبلی به ارث بردهام؟
3. مسئله را به 3 تا 5 جزء بنیادین بشکن.
4. اگر زمان، پول و سیاست داخلی محدود نبود، نسخه ایدهآل چه بود؟
5. اگر این پروژه شکست بخورد، علت ریشهای چه خواهد بود؟
6. کدام 10 درصد تلاش، 90 درصد خروجی را میسازد؟
7. چه کاری را باید بلافاصله متوقف کنم؟
8. اولین اقدام دقیق 24 ساعت آینده چیست؟
خروجی را فارسی، روشن، بیتعارف و اجرایی بده. در پایان یک جدول با ستونهای «تصمیم»، «دلیل»، «ریسک»، «اقدام بعدی» بساز.سوالات رایج
این پرامپت برای تصمیم شخصی هم کاربرد دارد؟
بله، ولی بهترین نتیجه وقتی است که مسئله قابل مشاهده، دارای محدودیت واقعی و دارای اقدام بعدی مشخص باشد.
کدام مدل برای این پرامپت بهتر است؟
برای تحلیلهای پیچیده از مدلهای reasoning یا مدلهای قوی متنی استفاده کنید؛ برای تصمیمهای ساده مدلهای سریعتر هم کافیاند.