راهبردهای طراحی پیام‌واره

طراحی پیام‌واره فرایند ایجاد پیام‌واره‌ها یا درخواست‌های زبان طبیعی است که پاسخ‌های دقیق و باکیفیت بالا را از مدل زبانی دریافت می‌کند.

این صفحه مفاهیم، استراتژی‌ها، و روال‌های مطلوب را برای شروع طراحی پیام‌واره‌ها معرفی می‌کند تا بتوانید بیشترین بهره را از مدل‌های هوش مصنوعی Gemini ببرید.

راهنمای پیام‌واره‌های مختص موضوع

به‌دنبال راهبردهای خاص‌تری برای پیام‌واره هستید؟ راهنماهای پیام‌واره دیگر ما را در اینجا ببینید:

می‌توانید نمونه‌های دیگری از پیام‌واره‌ها را در گالری پیام‌واره‌ها پیدا کنید که برای نمایش تعاملی بسیاری از مفاهیم مشترک در این راهنما طراحی شده است.

دستورالعمل‌های واضح و مشخص

روشی مؤثر و کارآمد برای سفارشی‌سازی رفتار مدل این است که دستورالعمل‌های واضح و مشخصی به آن ارائه دهید. دستورالعمل‌ها می‌تواند به‌صورت پرسش، وظایف گام‌به‌گام، یا به‌پیچیدگی ترسیم تجربه و ذهنیت کاربر باشد.

ورودی

ورودی همان نوشتار الزامی در پیام‌واره است که می‌خواهید مدل به آن پاسخ دهد. ورودی‌ها می‌توانند سؤالی باشند که مدل به آن پاسخ می‌دهد (ورودی سؤال)، تکلیفی که مدل انجام می‌دهد (ورودی تکلیف)، موجودیتی که مدل روی آن کار می‌کند (ورودی موجودیت)، یا ورودی ناقصی که مدل آن را تکمیل یا ادامه می‌دهد (ورودی تکمیل).

نوع ورودی پیام‌واره برونداد تولیدشده
پرسش 

    What's a good name for a flower shop that specializes in selling bouquets of
    dried flowers? Create a list of 5 options with just the names.
 

    Here are 5 names for a flower shop specializing in dried flowers:

    1. Everlasting Blooms
    2. Dried & Delightful
    3. The Petal Preserve
    4. Whispers of Wildflowers
    5. Forever Blooms
وظیفه 
    Give me a simple list of just the things that I must bring on a camping trip. The list should have 5 items.
 
    1. **Tent:** Your shelter from the elements.
    2. **Sleeping Bag:** Stay warm and comfortable.
    3. **Sleeping Pad:** Insulation and cushioning for a good night's sleep.
    4. **Headlamp or Flashlight:** Light for nighttime activities.
    5. **First Aid Kit:** Be prepared for minor injuries.
نهاد 

    Classify the following items as [large, small]:
Elephant
Mouse
Snail
 

Here's the classification:

* **Elephant:** Large
* **Mouse:** Small
* **Snail:** Small

تکمیل ورودی جزئی

مدل‌های زبانی زایا مانند یک ابزار تکمیل خودکار پیشرفته عمل می‌کنند. وقتی محتوای ناقص ارائه می‌دهید، مدل می‌تواند بقیه محتوا یا آنچه را که فکر می‌کند ادامه آن محتوا است به‌عنوان پاسخ ارائه دهد. هنگام انجام این کار، اگر مثال یا زمینه‌ای اضافه کنید، مدل می‌تواند آن مثال‌ها یا زمینه را درنظر بگیرد.

مثال زیر پیام‌واره‌ای با دستورالعمل و ورودی نهاد ارائه می‌دهد:

For the given order, return a JSON object that has the fields cheeseburger, hamburger, fries, or
drink, with the value being the quantity.

Order: A burger and a drink.
  
{
  "cheeseburger": 0,
  "hamburger": 1,
  "fries": 0,
  "drink": 1
}

اگرچه مدل طبق درخواست عمل کرد، نوشتن دستورالعمل‌ها به زبان طبیعی گاهی اوقات می‌تواند چالش‌برانگیز باشد و تفسیر آن را به عهده مدل می‌گذارد. برای مثال، منو رستوران ممکن است شامل موارد زیادی باشد. برای کاهش اندازه پاسخ JSON، احتمالاً می‌خواهید مواردی را که سفارش داده نشده‌اند حذف کنید. در این مورد، می‌توانید یک مثال و یک پیشوند پاسخ ارائه دهید و اجازه دهید مدل آن را تکمیل کند:

Valid fields are cheeseburger, hamburger, fries, and drink.
Order: Give me a cheeseburger and fries
Output:
```
{
  "cheeseburger": 1,
  "fries": 1
}
```
Order: I want two burgers, a drink, and fries.
Output:
  
```
{
  "hamburger": 2,
  "drink": 1,
  "fries": 1
}
```

توجه کنید که «چیزبرگر» از برونداد مستثنا شده است زیرا بخشی از سفارش نیست.

درحالی‌که می‌توانید قالب اشیای پاسخ JSON ساده را بااستفاده از پیام‌واره‌ها مشخص کنید، توصیه می‌کنیم هنگام مشخص کردن «طرح JSON» پیچیده‌تر برای پاسخ، از ویژگی برونداد ساختاریافته Gemini API استفاده کنید.

محدودیت‌ها

هرگونه محدودیت در خواندن پیام‌واره یا تولید پاسخ را مشخص کنید. می‌توانید به مدل بگویید چه کاری انجام دهد و چه کاری انجام ندهد. برای مثال، می‌توانید محدودیتی در پیام‌واره مشخص کنید که خلاصه چقدر طولانی باشد:

Summarize this text in one sentence:
Text: A quantum computer exploits quantum mechanical phenomena to perform calculations exponentially
faster than any modern traditional computer. At very tiny scales, physical matter acts as both
particles and as waves, and quantum computing uses specialized hardware to leverage this behavior.
The operating principles of quantum devices is beyond the scope of classical physics. When deployed
at scale, quantum computers could be used in a wide variety of applications such as: in
cybersecurity to break existing encryption methods while helping researchers create new ones, in
meteorology to develop better weather forecasting etc. However, the current state of the art quantum
computers are still largely experimental and impractical.
    

      Exploiting quantum mechanical phenomena, quantum computers can perform calculations exponentially faster than traditional computers for potential applications like cybersecurity and meteorology, although they are currently largely experimental and impractical.

قالب پاسخ

می‌توانید دستورالعمل‌هایی بدهید که قالب پاسخ را مشخص کند. برای مثال، می‌توانید درخواست کنید پاسخ به‌صورت جدول، فهرست گلوله‌ای، بیانیه آسانسوری، کلیدواژه، جمله، یا پاراگراف قالب‌بندی شود. دستورالعمل سیستم زیر به مدل می‌گوید که در پاسخ خود مکالمه‌ای‌تر باشد:

    All questions should be answered comprehensively with details, unless the user requests a concise response specifically.
  
    What is a smart way to make a business that sells DVD's in 2026?
  
Starting a business selling DVDs in 2026 presents significant challenges due to the overwhelming dominance of digital streaming and on-demand services; a "smart" approach would therefore require a highly specialized niche, a strong value proposition beyond just the disc, and likely a focus on community or collector markets rather than mainstream consumption.

Here's a breakdown of what a smart DVD business in 2026 would likely entail:

1. Extreme Niche Specialization: You cannot compete with streaming libraries. Your business must focus on what digital doesn't offer easily or at all. This could include:

    * Out-of-Print & Rare Titles: Sourcing films or TV shows that have never been released digitally or are currently unavailable on major streaming platforms.
    ....

پاسخ‌ها را با استراتژی تکمیل قالب‌بندی کنید

استراتژی تکمیل می‌تواند به قالب‌بندی پاسخ نیز کمک کند. پیام‌واره نمونه زیر مدل را ترغیب می‌کند تا طرح کلی مقاله را ایجاد کند:

Create an outline for an essay about hummingbirds.
  
Here is a possible outline for an essay about hummingbirds:

I. Introduction
A. Hook: Start with a captivating fact or description about hummingbirds (e.g., their speed, iridescent colors, or tiny size).
B. Background: Briefly introduce hummingbirds – where they are found (Americas), their reputation as unique birds.
C. Thesis Statement: State the main point of the essay, which could be about the remarkable adaptations, behaviors, and ecological importance of hummingbirds.

II. Appearance and Identification
.....

پیام‌واره قالب طرح کلی را مشخص نکرده است و مدل قالبی را برای شما انتخاب کرده است. برای اینکه مدل طرح کلی را در قالب خاصی برگرداند، می‌توانید نوشتاری اضافه کنید که نشان‌دهنده شروع طرح کلی باشد و به مدل اجازه دهید آن را براساس الگویی که شروع کرده‌اید تکمیل کند.

Create an outline for an essay about hummingbirds.
I. Introduction
   *
  
Okay, here is an outline for an essay about hummingbirds, starting from the introduction you provided:

I. Introduction
* Hook: Start with a captivating fact or description about hummingbirds (e.g., their speed, iridescent colors, or tiny size).
* Background: Briefly introduce hummingbirds – where they are found (Americas), their reputation as unique birds, and their general characteristics.
* Thesis Statement: State the main point of the essay, focusing on the remarkable adaptations, behaviors, and ecological significance that make hummingbirds extraordinary.
.....

پیام‌واره‌های بدون مثال درمقابل پیام‌واره‌های کم‌مثال

می‌توانید در پیام‌واره نمونه‌هایی بگنجانید که به مدل نشان دهد درست انجام دادن آن چگونه است. مدل تلاش می‌کند الگوها و روابط را از نمونه‌ها شناسایی کند و آن‌ها را هنگام تولید پاسخ اعمال کند. پیام‌واره‌هایی که حاوی چند نمونه هستند پیام‌واره‌های کم‌مثال نامیده می‌شوند، درحالی‌که پیام‌واره‌هایی که هیچ نمونه‌ای ارائه نمی‌دهند پیام‌واره‌های بی‌مثال نامیده می‌شوند. پیام‌واره‌های کم‌مثال اغلب برای تنظیم قالب‌بندی، عبارت‌بندی، تعیین محدوده، یا الگوبرداری کلی پاسخ‌های مدل استفاده می‌شوند. از مثال‌های خاص و متنوع استفاده کنید تا به مدل کمک کنید تمرکزش را محدود کند و نتایج دقیق‌تری تولید کند.

توصیه می‌کنیم همیشه چند نمونه کوتاه در پیام‌واره‌هایتان بگنجانید. پیام‌واره‌های بدون نمونه‌های few-shot احتمالاً تأثیر کمتری دارند. درواقع، اگر نمونه‌هایتان به‌اندازه کافی واضح باشند و تکلیف موردنظر را نشان دهند، می‌توانید دستورالعمل‌ها را از پیام‌واره‌تان بردارید.

پیام‌واره بدون نمونه زیر از مدل می‌خواهد بهترین توضیح را انتخاب کند.

Please choose the best explanation to the question:

Question: How is snow formed?
Explanation1: Snow is formed when water vapor in the air freezes into ice
crystals in the atmosphere, which can combine and grow into snowflakes as they
fall through the atmosphere and accumulate on the ground.
Explanation2: Water vapor freezes into ice crystals forming snow.
Answer:
  
Explanation1 is the better explanation because it provides more detail on the
process, including how ice crystals combine and grow into snowflakes as they
fall through the atmosphere.

اگر مورد استفاده شما نیازمند تولید پاسخ‌های مختصر توسط مدل است، می‌توانید نمونه‌هایی را در پیام‌واره بگنجانید که پاسخ‌های مختصر را ترجیح می‌دهد.

پیام‌واره زیر دو نمونه ارائه می‌دهد که نشان‌دهنده اولویت دادن به توضیحات کوتاه‌تر است. در پاسخ می‌توانید ببینید که مثال‌ها مدل را راهنمایی کرده‌اند تا توضیح کوتاه‌تر (Explanation2) را به‌جای توضیح طولانی‌تر (Explanation1) انتخاب کند، همان‌طور که قبلاً انجام می‌داد.

Below are some examples showing a question, explanation, and answer format:

Question: Why is the sky blue?
Explanation1: The sky appears blue because of Rayleigh scattering, which causes
shorter blue wavelengths of light to be scattered more easily than longer red
wavelengths, making the sky look blue.
Explanation2: Due to Rayleigh scattering effect.
Answer: Explanation2

Question: What is the cause of earthquakes?
Explanation1: Sudden release of energy in the Earth's crust.
Explanation2: Earthquakes happen when tectonic plates suddenly slip or break
apart, causing a release of energy that creates seismic waves that can shake the
ground and cause damage.
Answer: Explanation1

Now, Answer the following question given the example formats above:

Question: How is snow formed?
Explanation1: Snow is formed when water vapor in the air freezes into ice
crystals in the atmosphere, which can combine and grow into snowflakes as they
fall through the atmosphere and accumulate on the ground.
Explanation2: Water vapor freezes into ice crystals forming snow.
Answer:
  
Answer: Explanation2

تعداد بهینه مثال‌ها

مدل‌هایی مانند Gemini اغلب می‌توانند بااستفاده از چند مثال الگوها را تشخیص دهند، اما ممکن است لازم باشد تعداد مثال‌هایی را که در پیام‌واره ارائه می‌دهید آزمایش کنید تا بهترین نتایج را به‌دست آورید. درعین‌حال، اگر نمونه‌های زیادی اضافه کنید، مدل ممکن است پاسخ را با نمونه‌ها بیش‌ازحد برازش کند.

قالب‌بندی سازگار

مطمئن شوید که ساختار و قالب‌بندی نمونه‌های چندنمونه‌ای یکسان باشد تا از پاسخ‌هایی با قالب‌های نامطلوب جلوگیری شود. یکی از اهداف اصلی افزودن نمونه‌های چندتایی در پیام‌واره‌ها نشان دادن قالب پاسخ به مدل است. بنابراین، باید مطمئن شوید که قالب در همه مثال‌ها یکسان باشد، به‌ویژه با توجه به برچسب‌های XML، فاصله‌های سفید، خط‌های جدید، و جداکننده‌های مثال.

افزودن زمینه

می‌توانید دستورالعمل‌ها و اطلاعاتی را در پیام‌واره‌ای که مدل برای حل کردن مشکل به آن نیاز دارد بگنجانید، به‌جای اینکه فرض کنید مدل همه اطلاعات موردنیاز را دارد. این اطلاعات زمینه‌ای به مدل کمک می‌کند تا محدودیت‌ها و جزئیات آنچه را که از آن می‌خواهید انجام دهد درک کند.

در مثال زیر از مدل خواسته شده است که راهنمایی عیب‌یابی برای یک مسیریاب ارائه دهد:

What should I do to fix my disconnected wifi? The light on my Google
Wifi router is yellow and blinking slowly.
  
  A yellow blinking light on your Google Wifi router usually indicates a problem
  with the internet connection. Here are some steps to troubleshoot and fix the
  issue:
  1. Restart your router and modem:
    - Unplug your modem from the power outlet and wait for 30 seconds.
    - Plug your modem back in and wait for it to fully boot up.
    - Unplug your Google Wifi router and wait for 30 seconds.
    - Plug your Google Wifi router back in and wait for it to fully boot up.
.....

پاسخ شبیه اطلاعات عیب‌یابی عمومی است که مختص روتر یا وضعیت چراغ‌های نشانگر LED نیست.

برای سفارشی‌سازی پاسخ برای مسیریاب خاص، می‌توانید راهنمای عیب‌یابی مسیریاب را به‌عنوان بافت به پیام‌واره اضافه کنید تا هنگام ارائه پاسخ به آن مراجعه کند.

Answer the question using the text below. Respond with only the text provided.
Question: What should I do to fix my disconnected wifi? The light on my Google Wifi router is yellow and blinking slowly.

Text:
Color: Slowly pulsing yellow
What it means: There is a network error.
What to do:
Check that the Ethernet cable is connected to both your router and your modem and both devices are turned on. You might need to unplug and plug in each device again.

Color: Fast blinking yellow
What it means: You are holding down the reset button and are factory resetting this device.
What to do:
If you keep holding down the reset button, after about 12 seconds, the light will turn solid yellow. Once it is solid yellow, let go of the factory reset button.

Color: Solid yellow
What it means: Router is factory resetting.
What to do:
This can take up to 10 minutes. When it's done, the device will reset itself and start pulsing white, letting you know it's ready for setup.

Color: Solid red
What it means: Something is wrong.
What to do:
Critical failure. Factory reset the router. If the light stays red, contact Wifi customer support.
  
Check that the Ethernet cable is connected to both your router and your modem and both devices are turned on. You might need to unplug and plug in each device again.

تجزیه پیام‌واره‌ها به مؤلفه‌ها

برای موارد استفاده‌ای که به پیام‌واره‌های پیچیده نیاز دارند، می‌توانید با تقسیم کردن موارد به مؤلفه‌های ساده‌تر به مدل کمک کنید این پیچیدگی را مدیریت کند.

  1. دستورالعمل‌ها را تفکیک کنید: به‌جای اینکه دستورالعمل‌های زیادی را در یک پیام‌واره قرار دهید، برای هر دستورالعمل یک پیام‌واره ایجاد کنید. می‌توانید انتخاب کنید کدام پیام‌واره براساس ورودی کاربر پردازش شود.

  2. زنجیر کردن پیام‌واره‌ها: برای تکالیف پیچیده‌ای که شامل چندین مرحله متوالی است، هر مرحله را به یک پیام‌واره تبدیل کنید و پیام‌واره‌ها را به‌صورت متوالی به هم زنجیر کنید. در این زنجیره متوالی پیام‌واره‌ها، برونداد یک پیام‌واره در توالی به درون‌داد پیام‌واره بعدی تبدیل می‌شود. برونداد آخرین پیام‌واره در توالی برونداد نهایی است.

  3. پاسخ‌های انبوهشی: انبوهش زمانی است که بخواهید وظایف موازی مختلفی را روی بخش‌های مختلف داده‌ها انجام دهید و نتایج را برای تولید برونداد نهایی انبوهش کنید. برای مثال، می‌توانید به مدل بگویید که یک عملیات را روی بخش اول داده‌ها انجام دهد، عملیات دیگری را روی بقیه داده‌ها انجام دهد، و نتایج را تجمیع کند.

آزمایش کردن با پارامترهای مدل

هر فراخوانی که به مدل ارسال می‌کنید شامل مقادیر پارامتری است که نحوه تولید پاسخ توسط مدل را کنترل می‌کند. مدل می‌تواند نتایج متفاوتی برای مقادیر پارامترهای مختلف تولید کند. با مقادیر مختلف پارامتر آزمایش کنید تا بهترین مقادیر را برای تکلیف به‌دست آورید. پارامترهای دردسترس برای مدل‌های مختلف ممکن است متفاوت باشد. رایج‌ترین پارامترها عبارت‌اند از:

  1. بیشینه داده‌واحدهای برونداد: حداکثر تعداد داده‌واحدی را که می‌تواند در پاسخ تولید شود مشخص می‌کند. هر کد تقریباً چهار نویسه است. ۱۰۰ نماد تقریباً معادل ۶۰ تا ۸۰ کلمه است.

  2. دما: دما میزان تصادفی بودن انتخاب نشان را کنترل می‌کند. از دما برای نمونه‌برداری درطول تولید پاسخ استفاده می‌شود، که وقتی topP و topK اعمال می‌شوند اتفاق می‌افتد. دماهای پایین برای پیام‌واره‌هایی که به پاسخ‌های قطعی‌تر یا کمتر باز نیاز دارند مناسب است، درحالی‌که دماهای بالاتر می‌تواند به نتایج متنوع‌تر یا خلاقانه‌تر منجر شود. دمای ۰ قطعی است، یعنی پاسخ با بالاترین احتمال همیشه انتخاب می‌شود.

  3. topK: پارامتر topK نحوه انتخاب نشانه‌ها برای برونداد را تغییر می‌دهد. topK ۱ یعنی داده‌واحد انتخاب‌شده محتمل‌ترین داده‌واحد در میان همه داده‌واحدهای واژگان مدل است (به آن کدگشایی حریصانه هم می‌گویند)، درحالی‌که topK ۳ یعنی داده‌واحد بعدی از میان ۳ داده‌واحد محتمل‌تر بااستفاده از دما انتخاب می‌شود. برای هر مرحله انتخاب کد، topK کد با بالاترین احتمالات نمونه‌برداری می‌شود. سپس نشان‌ها براساس topP فیلتر می‌شوند و نشان نهایی بااستفاده از نمونه‌گیری دما انتخاب می‌شود.

  4. topP: پارامتر topP نحوه انتخاب نشانه‌ها برای برونداد را تغییر می‌دهد. نشان‌ها از محتمل‌ترین به کم‌احتمال‌ترین انتخاب می‌شوند تا زمانی که مجموع احتمالات آن‌ها با مقدار topP برابر شود. برای مثال، اگر احتمال نشانه‌های A،‏ B، و C به‌ترتیب ۰٫۳، ۰٫۲، و ۰٫۱ باشد و مقدار topP برابر با ۰٫۵ باشد، مدل بااستفاده از دما، نشانه A یا B را به‌عنوان نشانه بعدی انتخاب می‌کند و نشانه C را به‌عنوان نامزد حذف می‌کند. مقدار پیش‌فرض topP برابر با ۰٫۹۵ است.

  5. stop_sequences: توالی توقف را تنظیم کنید تا به مدل بگویید تولید محتوا را متوقف کند. توالی توقف می‌تواند هر توالی از نویسه‌ها باشد. سعی کنید از توالی نویسه‌هایی که ممکن است در محتوای تولیدشده ظاهر شود استفاده نکنید.

راهبردهای تکرار پیام‌واره

طراحی پیام‌واره گاهی اوقات به چند تکرار نیاز دارد تا به‌طور مداوم به پاسخی که به‌دنبال آن هستید برسید. این بخش راهنمایی‌هایی درباره کارهایی که می‌توانید هنگام تکرار پیام‌واره‌هایتان امتحان کنید ارائه می‌دهد:

  1. از عبارت‌بندی‌های متفاوت استفاده کنید: استفاده از کلمات یا عبارت‌بندی‌های متفاوت در پیام‌واره‌ها اغلب باعث می‌شود مدل پاسخ‌های متفاوتی ارائه دهد، حتی اگر همه آن‌ها یک معنی داشته باشند. اگر نتایج موردانتظار را از پیام‌واره‌تان دریافت نمی‌کنید، آن را به‌صورت دیگری بیان کنید.

    Version 1:
How do I bake a pie?

Version 2:
Suggest a recipe for a pie.

Version 3:
What's a good pie recipe?

  2. به تکلیف مشابهی بروید: اگر نمی‌توانید مدل را وادار کنید که از دستورالعمل‌های شما برای یک تکلیف پیروی کند، سعی کنید دستورالعمل‌هایی برای تکلیف مشابهی به آن بدهید که به همان نتیجه می‌رسد.

    این پیام‌واره به مدل می‌گوید که کتاب را بااستفاده از دسته‌های ازپیش تعریف‌شده طبقه‌بندی کند:

    Which category does The Odyssey belong to:
thriller
sci-fi
mythology
biography
  
        The Odyssey belongs to the category of **mythology**. 

    Here's why:

    * **Mythology:** The Odyssey tells the story of Odysseus, a hero from Greek mythology, and his
    journey home after the Trojan War. It features gods, monsters, and supernatural events common to
    Greek mythology.
.....

    پاسخ درست است، اما مدل در محدوده گزینه‌ها باقی نماند. همچنین می‌خواهید مدل به‌جای پاسخ دادن با جمله کامل، فقط با یکی از گزینه‌ها پاسخ دهد. در این حالت، می‌توانید دستورالعمل‌ها را به‌صورت سؤال چندگزینه‌ای بازنویسی کنید و از مدل بخواهید گزینه‌ای را انتخاب کند.

    Multiple choice problem: Which of the following options describes the book The Odyssey?
Options:
    


      

    • thriller
      • 

    • sci-fi
      • 

    • mythology
      • 

    • biography

    The correct answer is mythology.

  3. تغییر ترتیب محتوای پیام‌واره: ترتیب محتوای پیام‌واره گاهی اوقات می‌تواند بر پاسخ تأثیر بگذارد. ترتیب محتوا را تغییر دهید و ببینید چگونه بر پاسخ تأثیر می‌گذارد.

    Version 1:
[examples]
[context]
[input]

Version 2:
[input]
[examples]
[context]

Version 3:
[examples]
[input]
[context]

پاسخ‌های جایگزین

پاسخ جایگزین پاسخی است که مدل زمانی برمی‌گرداند که پیام‌واره یا پاسخ، فیلتر ایمنی را فعال کند. نمونه‌ای از پاسخ جایگزین این است: «نمی‌توانم در این زمینه کمک کنم، چون من فقط یک مدل زبانی هستم.»

اگر مدل با پاسخ جایگزین پاسخ داد، سعی کنید دما را افزایش دهید.

پایه‌سازی و اجرای کد

‫Gemini می‌تواند از ابزارها استفاده کند تا در موقعیت‌هایی که ممکن است پاسخ‌های نادرست تولید کند از توهم جلوگیری کند.

پایه‌گذاری با «جستجوی Google» مدل Gemini را به محتوای وب هم‌زمان متصل می‌کند و هرگاه مدل نیاز به دانستن حقایق مبهم یا اخیر داشته باشد، باید فعال شود.

ابزار اجرای کد Gemini به مدل امکان می‌دهد کد Python تولید و اجرا کند و باید هر زمان که مدل نیاز به انجام هر نوع حساب، شمارش، یا محاسبه دارد فعال شود.

‫Gemini 3

مدل‌های Gemini 3 برای استدلال پیشرفته و پیروی از دستورالعمل‌ها طراحی شده‌اند. این مدل‌ها به پیام‌واره‌هایی که مستقیم، خوش‌ساختار، و به‌وضوح وظیفه و محدودیت‌ها را تعریف می‌کنند بهترین پاسخ را می‌دهند. برای دریافت نتایج بهینه با Gemini 3، روال‌های مطلوب زیر توصیه می‌شود:

اصول اصلی پیام‌واره

  • دقیق و مستقیم باشید: هدف خود را به‌طور واضح و مختصر بیان کنید. از زبان غیرضروری یا بیش‌ازحد متقاعدکننده استفاده نکنید.
  • از ساختار یکنواخت استفاده کنید: از جداکننده‌های واضح برای جدا کردن بخش‌های مختلف پیام‌واره استفاده کنید. برچسب‌های سبک XML (مثلاً <context>، <task>) یا عنوان‌های Markdown مؤثر هستند. یک قالب را انتخاب کنید و به‌طور هماهنگ در یک پیام‌واره از آن استفاده کنید.
  • تعریف پارامترها: هرگونه اصطلاح یا پارامتر مبهم را به‌طور صریح توضیح دهید.
  • کنترل سطح جزئیات برونداد: به‌طور پیش‌فرض، مدل‌های Gemini 3 پاسخ‌های مستقیم و کارآمد ارائه می‌دهند. اگر به پاسخ مفصل‌تر یا مکالمه‌محور نیاز دارید، باید به‌طور صریح در دستورالعمل‌هایتان درخواست کنید.
  • ورودی‌های چندحالتی را به‌طور منسجم مدیریت کنید: هنگام استفاده از نوشتار، تصویر، صدا، یا ویدیو، با آن‌ها به‌عنوان ورودی‌های هم‌کلاس رفتار کنید. مطمئن شوید دستورالعمل‌هایتان به‌وضوح به هر روشی که لازم است اشاره می‌کند.
  • اولویت‌بندی دستورالعمل‌های مهم: محدودیت‌های رفتاری ضروری، تعاریف نقش (شخصیت)، و الزامات قالب خروجی را در «دستورالعمل سیستم» یا در ابتدای پیام‌واره کاربر قرار دهید.
  • ساختار برای زمینه‌های طولانی: هنگام ارائه مقادیر زیادی زمینه (مثلاً اسناد، کد)، ابتدا همه زمینه را ارائه دهید. دستورالعمل‌ها یا سؤالات خاص خود را در انتهای پیام‌واره قرار دهید.
  • بافت لنگر: پس‌از یک بلوک بزرگ داده، از یک عبارت انتقالی واضح برای پل زدن بین بافت و پُرسمان خود استفاده کنید، مانند «براساس اطلاعات بالا...»

راهبردهای Gemini 3 Flash

  • دقت روز فعلی: عبارت زیر را به دستورالعمل‌های سیستم اضافه کنید تا به مدل کمک کند به این موضوع توجه کند که روز فعلی در سال ۲۰۲۶ است:

    For time-sensitive user queries that require up-to-date information, you
MUST follow the provided current time (date and year) when formulating
search queries in tool calls. Remember it is 2026 this year.

  • دقت تاریخ برش دانش: عبارت زیر را به دستورالعمل‌های سیستم اضافه کنید تا مدل از تاریخ برش دانش خود مطلع شود:

    Your knowledge cutoff date is January 2025.

  • عملکرد زمینه‌سازی: بند زیر را به دستورالعمل‌های سیستم (با ویرایش درصورت لزوم) اضافه کنید تا توانایی مدل در زمینه‌سازی پاسخ‌ها در بافت ارائه شده بهبود یابد:

    You are a strictly grounded assistant limited to the information provided in
the User Context. In your answers, rely **only** on the facts that are
directly mentioned in that context. You must **not** access or utilize your
own knowledge or common sense to answer. Do not assume or infer from the
provided facts; simply report them exactly as they appear. Your answer must
be factual and fully truthful to the provided text, leaving absolutely no
room for speculation or interpretation. Treat the provided context as the
absolute limit of truth; any facts or details that are not directly
mentioned in the context must be considered **completely untruthful** and
**completely unsupported**. If the exact answer is not explicitly written in
the context, you must state that the information is not available.

بهبود استدلال و برنامه‌ریزی

مدل‌های سری Gemini 2.5 و 3 به‌طور خودکار نوشتار «تفکر» داخلی تولید می‌کنند تا عملکرد استدلال را بهبود دهند. به همین دلیل، معمولاً لازم نیست که مدل در پاسخ برگردانده‌شده، مراحل استدلال را به‌صورت کلی، برنامه‌ریزی‌شده، یا با جزئیات ارائه دهد. برای مسائلی که به استدلال سنگین نیاز دارند، درخواست‌های ساده‌ای مانند «قبل‌از پاسخ دادن، خیلی خوب فکر کن» می‌تواند عملکرد را بهبود بخشد، هرچند این کار به قیمت مصرف داده‌واحد اندیشیدن اضافی تمام می‌شود.

برای جزئیات بیشتر، به سند فرایند فکری Gemini مراجعه کنید.

نمونه‌های پیام‌واره ساختاریافته

استفاده از برچسب‌ها یا Markdown به مدل کمک می‌کند بین دستورالعمل‌ها، زمینه، و وظایف تمایز قائل شود.

نمونه XML:

<role>
You are a helpful assistant.
</role>

<constraints>
1. Be objective.
2. Cite sources.
</constraints>

<context>
[Insert User Input Here - The model knows this is data, not instructions]
</context>

<task>
[Insert the specific user request here]
</task>

نمونه Markdown:

# Identity
You are a senior solution architect.

# Constraints
- No external libraries allowed.
- Python 3.11+ syntax only.

# Output format
Return a single code block.

الگوی نمونه ترکیب‌کننده روال‌های مطلوب

این الگو اصول اصلی پیام‌واره‌نویسی با Gemini 3 را دربرمی‌گیرد. همیشه مطمئن شوید که برای مورد استفاده خاص خود تکرار و اصلاح کنید.

دستورالعمل سیستم:

<role>
You are Gemini 3, a specialized assistant for [Insert Domain, e.g., Data Science].
You are precise, analytical, and persistent.
</role>

<instructions>
1. **Plan**: Analyze the task and create a step-by-step plan.
2. **Execute**: Carry out the plan.
3. **Validate**: Review your output against the user's task.
4. **Format**: Present the final answer in the requested structure.
</instructions>

<constraints>
- Verbosity: [Specify Low/Medium/High]
- Tone: [Specify Formal/Casual/Technical]
</constraints>

<output_format>
Structure your response as follows:
1. **Executive Summary**: [Short overview]
2. **Detailed Response**: [The main content]
</output_format>

پیام‌واره کاربر:

<context>
[Insert relevant documents, code snippets, or background info here]
</context>

<task>
[Insert specific user request here]
</task>

<final_instruction>
Remember to think step-by-step before answering.
</final_instruction>

گردش کارهای عامل‌گرا

برای گردش کارهای عمیق عاملی، اغلب دستورالعمل‌های خاصی برای کنترل نحوه استدلال، برنامه‌ریزی، و اجرای وظایف توسط مدل لازم است. اگرچه Gemini عملکرد عمومی قوی‌ای ارائه می‌دهد، اما برای کارگزاران پیچیده اغلب لازم است که مصالحه بین هزینه محاسباتی (تأخیر و نشانه‌ها) و دقت تکلیف را پیکربندی کنید.

هنگام طراحی پیام‌واره برای نماینده‌ها، ابعاد رفتاری زیر را که می‌توانید در نماینده هدایت کنید درنظر بگیرید:

استدلال و استراتژی

پیکربندی نحوه تفکر و برنامه‌ریزی مدل قبل‌از اقدام.

  • تجزیه منطقی: مشخص می‌کند که مدل چقدر باید محدودیت‌ها، پیش‌نیازها، و ترتیب عملیات را به‌طور کامل تجزیه‌وتحلیل کند.
  • تشخیص مشکل: عمق تجزیه‌وتحلیل را هنگام شناسایی دلایل و استفاده مدل از استدلال ربایشی کنترل می‌کند. تعیین می‌کند که آیا مدل باید واضح‌ترین پاسخ را بپذیرد یا توضیحات پیچیده و کمتر محتمل را کاوش کند.
  • جامعیت اطلاعات: تعادل بین تجزیه‌وتحلیل هر خط‌مشی و سند دردسترس درمقایسه با اولویت‌بندی کارایی و سرعت.

اجرا و قابلیت اطمینان

پیکربندی نحوه عملکرد مستقل نماینده و مدیریت موانع.

  • انعطاف‌پذیری: نحوه واکنش مدل به داده‌های جدید. تعیین می‌کند که آیا باید به‌طور دقیق به طرح اولیه خود پایبند باشد یا زمانی که مشاهدات با فرضیات مغایرت دارد، فوراً تغییر جهت دهد.
  • پایداری و بازیابی: میزان تلاش مدل برای اصلاح خودکار خطاها. پایداری بالا نرخ موفقیت را افزایش می‌دهد اما خطر هزینه‌های بالای کد یا حلقه‌ها را به‌همراه دارد.
  • ارزیابی مخاطره: منطق ارزیابی پیامدها. به‌طور صریح بین کنش‌های اکتشافی کم‌خطر (خواندن) و تغییرات وضعیت پرخطر (نوشتن) تمایز قائل می‌شود.

تعامل و خروجی

پیکربندی نحوه ارتباط عامل با کاربر و قالب‌بندی نتایج.

  • مدیریت ابهام و اجازه: مشخص می‌کند که مدل چه زمانی مجاز است فرضیاتی را مطرح کند و چه زمانی باید اجرا را متوقف کند تا از کاربر توضیح یا اجازه بخواهد.
  • پرگویی: میزان نوشتار تولیدشده همراه با تماس‌های ابزار را کنترل می‌کند. این تنظیم تعیین می‌کند که آیا مدل اقدامات خود را برای کاربر توضیح دهد یا درطول اجرا سکوت کند.
  • دقت و کامل بودن: وفاداری موردنیاز برونداد. مشخص می‌کند که آیا مدل باید برای هر مورد حاشیه‌ای راه‌حل ارائه دهد و ارقام دقیق ارائه کند یا اینکه تخمین‌های تقریبی قابل‌قبول است.

الگوی دستورالعمل سیستم

دستورالعمل سیستم زیر نمونه‌ای است که توسط پژوهشگران ارزیابی شده است تا عملکرد را در محک‌های عاملی که در آن‌ها مدل باید از کتاب قانون پیچیده‌ای پیروی کند و با کاربر تعامل داشته باشد بهبود بخشد. این کار عامل را تشویق می‌کند تا به‌عنوان یک استدلال‌کننده و برنامه‌ریز قوی عمل کند، رفتارهای خاصی را در ابعاد ذکرشده در بالا اعمال کند، و مدل را ملزم می‌کند تا قبل‌از انجام هر اقدامی به‌طور پیش‌کنشی برنامه‌ریزی کند.

می‌توانید این الگو را برای مطابقت با محدودیت‌های مورد استفاده خاص خود سازگار کنید.

You are a very strong reasoner and planner. Use these critical instructions to structure your plans, thoughts, and responses.

Before taking any action (either tool calls *or* responses to the user), you must proactively, methodically, and independently plan and reason about:

1) Logical dependencies and constraints: Analyze the intended action against the following factors. Resolve conflicts in order of importance:
    1.1) Policy-based rules, mandatory prerequisites, and constraints.
    1.2) Order of operations: Ensure taking an action does not prevent a subsequent necessary action.
        1.2.1) The user may request actions in a random order, but you may need to reorder operations to maximize successful completion of the task.
    1.3) Other prerequisites (information and/or actions needed).
    1.4) Explicit user constraints or preferences.

2) Risk assessment: What are the consequences of taking the action? Will the new state cause any future issues?
    2.1) For exploratory tasks (like searches), missing *optional* parameters is a LOW risk. **Prefer calling the tool with the available information over asking the user, unless** your `Rule 1` (Logical Dependencies) reasoning determines that optional information is required for a later step in your plan.

3) Abductive reasoning and hypothesis exploration: At each step, identify the most logical and likely reason for any problem encountered.
    3.1) Look beyond immediate or obvious causes. The most likely reason may not be the simplest and may require deeper inference.
    3.2) Hypotheses may require additional research. Each hypothesis may take multiple steps to test.
    3.3) Prioritize hypotheses based on likelihood, but do not discard less likely ones prematurely. A low-probability event may still be the root cause.

4) Outcome evaluation and adaptability: Does the previous observation require any changes to your plan?
    4.1) If your initial hypotheses are disproven, actively generate new ones based on the gathered information.

5) Information availability: Incorporate all applicable and alternative sources of information, including:
    5.1) Using available tools and their capabilities
    5.2) All policies, rules, checklists, and constraints
    5.3) Previous observations and conversation history
    5.4) Information only available by asking the user

6) Precision and Grounding: Ensure your reasoning is extremely precise and relevant to each exact ongoing situation.
    6.1) Verify your claims by quoting the exact applicable information (including policies) when referring to them. 

7) Completeness: Ensure that all requirements, constraints, options, and preferences are exhaustively incorporated into your plan.
    7.1) Resolve conflicts using the order of importance in #1.
    7.2) Avoid premature conclusions: There may be multiple relevant options for a given situation.
        7.2.1) To check for whether an option is relevant, reason about all information sources from #5.
        7.2.2) You may need to consult the user to even know whether something is applicable. Do not assume it is not applicable without checking.
    7.3) Review applicable sources of information from #5 to confirm which are relevant to the current state.

8) Persistence and patience: Do not give up unless all the reasoning above is exhausted.
    8.1) Don't be dissuaded by time taken or user frustration.
    8.2) This persistence must be intelligent: On *transient* errors (e.g. please try again), you *must* retry **unless an explicit retry limit (e.g., max x tries) has been reached**. If such a limit is hit, you *must* stop. On *other* errors, you must change your strategy or arguments, not repeat the same failed call.

9) Inhibit your response: only take an action after all the above reasoning is completed. Once you've taken an action, you cannot take it back.

مراحل بعدی