Home/Blog/Prompt Engineering Mastery: 50 Advanced ...
Skills

Prompt Engineering Mastery: 50 Advanced Techniques

Prompt engineering is the highest-leverage AI skill you can learn. This guide covers 50 advanced prompting techniques — from chain-of-thought to structured output generation.

2026-07-0222 min readLearnGeni AI Academy

تسلط بر Prompt Engineering: ۵۰ تکنیک پیشرفته

Prompt engineering پربازده‌ترین مهارت AI است که می‌توانید یاد بگیرید. یک prompt بد و یک prompt حرفه‌ای می‌توانند خروجی‌هایی با کیفیت ۱۰ برابر متفاوت تولید کنند — با همان مدل AI.

با گسترش AI در همه صنایع، توانایی نوشتن prompt های مؤثر به یک مهارت حرفه‌ای اساسی تبدیل شده — نه فقط برای «متخصصان AI» بلکه برای بازاریابان، وکلا، معلمان، مدیران و هر کسی که از ابزارهای AI استفاده می‌کند.

مبانی: هر prompt خوب به چه چیزی نیاز دارد؟

یک prompt مؤثر این ۶ عنصر را دارد:

  1. Role/شخصیت: به AI بگویید کی است («شما یک مشاور مالی ارشد با ۲۰ سال تجربه هستید»)
  2. وظیفه مشخص: دقیقاً بگویید چه می‌خواهید («یک گزارش ۵۰۰ کلمه‌ای بنویس که...»)
  3. Context: اطلاعات پس‌زمینه ضروری
  4. Format: نحوه نمایش خروجی («به صورت JSON برگردان»، «از bullet point استفاده کن»)
  5. محدودیت‌ها: چه چیزی نباشد، محدودیت طول، لحن
  6. مثال‌ها: نمونه‌هایی از خروجی خوب نشان دهید

۵۰ تکنیک پیشرفته

دسته ۱: تکنیک‌های استدلال

۱. Chain-of-Thought (CoT) «گام به گام فکر کن» را اضافه کنید تا دقت استدلال ۴۰٪+ بهبود یابد.

مسئله: ۱۵ × ۲۳ را حساب کن
بگذار گام به گام فکر کنیم:

۲. Zero-Shot CoT «بگذار با دقت فکر کنیم قبل از پاسخ»

۳. Self-Consistency چند پاسخ تولید کن، سپس از AI بخواه اجماع پیدا کند.

۴. Tree of Thoughts «چندین مسیر حل را بررسی کن قبل از انتخاب بهترین»

۵. Least-to-Most مسائل پیچیده را به مسائل ساده‌تر تجزیه کن.

۶. Analogical Reasoning «این شبیه [مفهوم آشنا] است. همان منطق را اعمال کن»

۷. Devil's Advocate «حالا موضع مخالف را بگیر تا ضعف‌ها مشخص شود»

۸. Socratic Questioning از سوالات پیش‌رونده برای رسیدن به پاسخ‌های عمیق‌تر استفاده کن.

۹. Meta-Reasoning «قبل از پاسخ، مشخص کن به چه اطلاعاتی نیاز داری»

۱۰. Recursive Summarization برای وظایف طولانی، مراحل میانی را خلاصه کن.


دسته ۲: تکنیک‌های Few-Shot

۱۱. Basic Few-Shot ۲-۵ مثال از جفت‌های ورودی/خروجی ارائه دهید.

۱۲. Diverse Examples موارد خاص و فرمت‌های متنوع را در مثال‌ها بگنجانید.

۱۳. Contrastive Examples هم مثال‌های خوب هم بد با توضیح تفاوت نشان دهید.

۱۴. Format Anchoring از مثال‌ها برای اجرای فرمت دقیق خروجی استفاده کنید.

۱۵. Calibration Examples موارد مرزی را برای تنظیم آستانه‌ها بگنجانید.


دسته ۳: تکنیک‌های Role و شخصیت

۱۶. Expert Persona

شما یک متخصص برجسته در [حوزه] با ۲۰ سال تجربه هستید.
عمیق‌ترین بینش‌ها و فرموله‌هایتان را به اشتراک بگذارید.

۱۷. Audience Targeting «این را برای یک کودک ۱۰ ساله / متخصص / مدیر اجرایی توضیح بده»

۱۸. Multiple Personas «یک بحث بین یک استارتاپر و یک سرمایه‌گذار VC ترتیب بده»

۱۹. Role Reversal «شما کاربر هستید. از من سوال بپرسید تا نیازهایم را بفهمی»

۲۰. Character Consistency «در طول مکالمه به عنوان [X] بمانید»


دسته ۴: تکنیک‌های کنترل خروجی

۲۱. JSON Forcing

فقط JSON معتبر برگردان، بدون هیچ متن دیگری.
Schema: {"name": string, "age": number, "skills": array}

۲۲. Structured Output «فرمت پاسخ: عنوان: / خلاصه: / نکات کلیدی: / اقدامات:»

۲۳. Length Control «در دقیقاً ۳ جمله...» یا «در کمتر از ۱۰۰ کلمه...»

۲۴. Confidence Scoring «اطمینانت را ۱-۱۰ رتبه‌بندی کن و عدم قطعیت را توضیح بده»

۲۵. Avoid Hedging «پاسخ مستقیم بده. از عبارات 'بستگی دارد' یا 'عوامل زیادی' پرهیز کن»


دسته ۵: مدیریت Context

۲۶. Context Stuffing همه اسناد/داده‌های مرتبط را قبل از سوال ارائه دهید.

۲۷. Context Compression context طولانی را قبل از گنجاندن خلاصه کنید.

۲۸. Retrieval Prompting «بر اساس اسناد زیر: [اسناد] پاسخ بده: [سوال]»

۲۹. Memory Injection مکالمه قبلی را خلاصه کنید و در session جدید inject کنید.

۳۰. System Prompt Optimization دستورالعمل‌های مهم را در ابتدای system message بگذارید.


دسته ۶: کنترل کیفیت

۳۱. Self-Critique «پاسخت را برای خطا بررسی کن. چه چیزی می‌توانست بهتر باشد؟»

۳۲. Adversarial Testing «سعی کن راه‌حل خودت را شکست بدهی. نقاط شکست کجاست؟»

۳۳. Fact Checking «هر ادعایی در پاسخت که ممکن است نادرست باشد را فهرست کن»

۳۴. Completeness Check «آیا همه بخش‌های سوال را پوشش دادی؟ چه چیزی جا مانده؟»

۳۵. Hallucination Probing برای منابع بخواهید — توهم اغلب در جزئیات شکست می‌خورد.


دسته ۷: خلاقیت و تولید محتوا

۳۶. Constraint Creativity محدودیت‌های غیرمعمول اضافه کنید تا راه‌حل‌های خلاق ایجاد شود.

۳۷. Style Transfer «این را به سبک [نویسنده/برند/دوره] بنویس»

۳۸. Variation Generation «۱۰ نسخه مختلف تولید کن، از محافظه‌کارانه تا رادیکال»

۳۹. Mashup Prompting «[مفهوم A] را با [مفهوم B] به شکل نوآورانه ترکیب کن»

۴۰. Iterative Refinement تولید → نقد → اصلاح را در چند دور تکرار کنید.


دسته ۸: طراحی سیستم پیشرفته

۴۱. Meta-Prompting از AI بخواهید prompt های بهتری برای use case شما تولید کند.

۴۲. Prompt Chaining خروجی prompt 1 به ورودی prompt 2 تبدیل می‌شود.

۴۳. Conditional Prompting «اگر [شرط X]، کار Y را انجام بده. در غیر این صورت Z»

۴۴. Dynamic Prompt Assembly prompt ها را به صورت برنامه‌نویسی از template ها و متغیرها بسازید.

۴۵. A/B Prompt Testing چندین نسخه prompt را به طور منظم آزمایش کنید.

۴۶. Prompt Versioning prompt های production را مثل کد نسخه‌بندی کنید.

۴۷. Output Validation خروجی‌های AI را به صورت خودکار در برابر معیارهای کیفی بررسی کنید.

۴۸. Fallback Strategies وقتی یک prompt شکست می‌خورد چه باید کرد را از پیش تعریف کنید.

۴۹. Cost Optimization از مدل‌های ارزان‌تر برای وظایف ساده استفاده کنید — GPT-4o mini در مقابل GPT-4o.

۵۰. Human-in-the-Loop بدانید کجا باید خروجی AI توسط انسان تأیید شود.


اشتباهات رایج در Prompt Engineering

❌ اشتباه: prompt های مبهم

«یک مقاله بنویس»

✅ درست: دستورالعمل‌های خاص

«یک مقاله وبلاگ ۸۰۰ کلمه‌ای برای مدیران میانی بنویس در مورد [موضوع]، با لحن حرفه‌ای اما قابل دسترس، شامل ۳ مثال واقعی و یک CTA در انتها»

❌ اشتباه: context ناکافی

«این را بهتر کن»

✅ درست: context کامل

«این ایمیل فروش را برای مخاطبان SMB بهبود بده. هدف: تشویق به یک جلسه ۱۵ دقیقه‌ای. لحن: دوستانه اما حرفه‌ای. طول: کوتاه‌تر از نسخه اصلی»


قالب‌های آماده برای استفاده فوری

قالب بازاریابی محتوا

نقش: شما یک متخصص بازاریابی محتوا با تخصص در [صنعت] هستید.

وظیفه: [نوع محتوا] درباره [موضوع] بنویسید.

مخاطبان هدف: [توصیف]
لحن: [حرفه‌ای/دوستانه/تحلیلی]
طول: [X کلمه/جمله]
CTA: [اقدام مورد نظر]

شامل این نکات باشد: [نکته ۱]، [نکته ۲]، [نکته ۳]

قالب تحلیل کد

نقش: شما یک مهندس نرم‌افزار ارشد با تجربه در [زبان] هستید.

کد زیر را بررسی کنید:
[کد]

برای هر یک از موارد زیر بازخورد بدهید:
۱. باگ‌های احتمالی
۲. مشکلات امنیتی
۳. بهبود performance
۴. خوانایی و نامگذاری
۵. پیشنهادات refactoring

جمع‌بندی

Prompt Engineering یک مهارت است که با تمرین بهتر می‌شود. این ۵۰ تکنیک را یاد بگیرید، آن‌ها را در پروژه‌های واقعی اعمال کنید، و نتایج را ارزیابی کنید.

می‌خواهید این مهارت را به صورت کامل یاد بگیرید؟ راهنمای جامع Prompt Engineering در LearnGeni با مثال‌های واقعی، تمرین‌های عملی و بهترین روش‌های ۲۰۲۶ موجود است. همه راهنماها را ببینید.

G

Earn Your International AI Certificate

This article is part of the LearnGeni AI Mastery Program — 30 comprehensive guides in 50+ languages. Complete all 30 and earn a certificate backed by WhatsGeni (Official Meta AI Partner), recognized in 50+ countries.

🌍
50+ Languages
Learn in your native language
🏆
Official Certificate
Backed by Meta AI Partner
💡
30 Guides
$5 each or $50 for the full bundle