Prompt-Engineering- Organizations
راهنمای جامع کاربرد هوش مصنوعی در سازمان
راهنمای مهندسی پرامپت در سازمان | اینفوگرافیک

راهنمای جامع مهندسی پرامپت در سازمان

آزاد کردن پتانسیل واقعی هوش مصنوعی در سازمان شما از طریق هنر و علم "گفتگو" با ماشین

چرا مهندسی پرامپت حیاتی است؟

سرمایه‌گذاری در این مهارت استراتژیک، بازگشت سرمایه قابل توجهی در ابعاد مختلف برای سازمان به همراه دارد و مزیت رقابتی پایداری ایجاد می‌کند.

این نمودار پنج مزیت اصلی را نشان می‌دهد که در مجموع، ارزش سرمایه‌گذاری در مهندسی پرامپت را تشکیل می‌دهند.

چهار اصل کلیدی برای یک پرامپت مؤثر

برای دستیابی به بهترین نتایج از هوش مصنوعی، پرامپت‌های خود را بر اساس این چهار اصل اساسی طراحی کنید. این فرآیند، کیفیت و دقت خروجی را به طور چشمگیری افزایش می‌دهد.

person

۱. تعریف نقش (Persona)

از هوش مصنوعی بخواهید در نقش یک متخصص خاص (مانند تحلیلگر مالی یا کپی‌رایتر) عمل کند تا پاسخ‌ها متمرکز و حرفه‌ای باشند.

contextualize

۲. ارائه زمینه (Context)

اطلاعات پس‌زمینه لازم را فراهم کنید. هرچه جزئیات بیشتری ارائه دهید، پاسخ نهایی مرتبط‌تر و دقیق‌تر خواهد بود.

format_shapes

۳. مشخص کردن ساختار

به وضوح مشخص کنید که پاسخ را در چه قالبی می‌خواهید (مثلاً جدول، لیست موردی، ایمیل) تا خروجی سازمان‌یافته باشد.

playlist_add_check

۴. استفاده از مثال

یک یا چند نمونه از کاری که می‌خواهید انجام شود را به مدل نشان دهید تا سبک و ساختار مورد نظر شما را بهتر درک کند.

کاربردهای عملی در سازمان

مهندسی پرامپت در تمامی بخش‌های سازمان کاربرد دارد و به تیم‌ها اجازه می‌دهد تا از قدرت هوش مصنوعی در وظایف روزمره خود بهره‌مند شوند.

این نمودار نشان می‌دهد که چگونه بخش‌های مختلف سازمانی می‌توانند از مهندسی پرامپت برای بهبود فرآیندهای خود استفاده کنند.

نقشه راه پیاده‌سازی

گام اول: آموزش و توانمندسازی

کارگاه‌های عملی برای تیم‌های مختلف برگزار کنید تا اصول مهندسی پرامپت و نحوه استفاده از ابزارهای هوش مصنوعی را بیاموزند.

گام دوم: ایجاد کتابخانه پرامپت

یک مخزن مرکزی از پرامپت‌های موفق برای وظایف رایج سازمان ایجاد کنید تا اشتراک‌گذاری دانش و افزایش سرعت تسهیل شود.

گام سوم: تدوین دستورالعمل‌ها

بهترین شیوه‌ها و اصول راهنما برای استفاده مسئولانه از هوش مصنوعی، به‌ویژه در مورد امنیت داده‌ها و جلوگیری از سوگیری را مشخص کنید.

گام چهارم: تشویق به آزمایش

فرهنگی را ایجاد کنید که در آن کارکنان برای آزمایش پرامپت‌های جدید و به اشتراک گذاشتن یافته‌های خود تشویق شوند.

مهندسی پرامپت: توانمندی استراتژیک محوری در عصر هوش مصنوعی

با سرمایه‌گذاری بر روی این مهارت، راه را برای نوآوری و مزیت رقابتی پایدار هموار سازید.

الگوهای مهندسی پرامپت در سازمان

چارت سازمانی جامع تقویت‌شده با هوش مصنوعی

چارت سازمانی تقویت‌شده با هوش مصنوعی

کاوش کنید که چگونه هوش مصنوعی مولد، وظایف و استراتژی‌ها را در هر پست سازمانی بازتعریف می‌کند.

۱. مدیران ارشد (C-Suite)

در سطح مدیران ارشد، هوش مصنوعی به عنوان یک ابزار استراتژیک، فرآیند تصمیم‌گیری را داده‌محور کرده و فرهنگ استفاده از این فناوری را در کل سازمان تعیین می‌کند.

مدیرعامل (CEO)

پتانسیل: هوش مصنوعی به عنوان یک شریک هوش استراتژیک، دیدگاهی جامع از چشم‌انداز کسب‌وکار ارائه می‌دهد، به شبیه‌سازی سناریوهای آینده کمک می‌کند و ارتباطات استراتژیک با ذینفعان را تسهیل می‌نماید.

۱۰ وظیفه کلیدی با هوش مصنوعی:

  • تحلیل رقابتی و روندهای نوظهور بازار
  • شبیه‌سازی سناریوهای استراتژیک و تحلیل ریسک
  • تدوین پیش‌نویس بیانیه‌های استراتژیک و ارتباطات کلان سازمانی
  • آماده‌سازی برای جلسات هیئت مدیره با تحلیل داده‌های عملکرد
  • شناسایی فرصت‌های جدید برای رشد و نوآوری
  • تحلیل احساسات مشتریان و بازار نسبت به برند
  • بهینه‌سازی تخصیص منابع در سطح کلان
  • دریافت خلاصه‌های روزانه از مهم‌ترین اخبار صنعت و رقبا
  • مدیریت بحران با تحلیل اطلاعات در لحظه
  • تدوین استراتژی‌های ورود به بازارهای جدید
نمایش ۱۰ الگوی پرامپت
  1. تحلیل رقابتی:
    به عنوان یک تحلیلگر استراتژیک ارشد عمل کن. سه رقیب اصلی ما [نام رقبا] را بر اساس آخرین گزارش‌های مالی، محصولات جدید و فعالیت‌های بازاریابی‌شان تحلیل کن. یک جدول SWOT برای هر کدام ایجاد کرده و یک خلاصه مدیریتی از فرصت‌ها و تهدیدهای کلیدی برای شرکت ما ارائه بده.
  2. شبیه‌سازی سناریو:
    یک سناریوی استراتژیک را شبیه‌سازی کن که در آن یک رقیب جدید با فناوری disruptor وارد بازار ما می‌شود. سه پاسخ استراتژیک ممکن برای شرکت ما (تهاجمی، تدافعی، همکاری) را طراحی کن و مزایا و معایب هرکدام را در کوتاه‌مدت و بلندمدت تحلیل نما.
  3. ارتباطات استراتژیک:
    پیش‌نویس یک سخنرانی ۵ دقیقه‌ای برای تمام کارکنان در مورد چشم‌انداز استراتژیک جدید شرکت برای سه سال آینده آماده کن. تمرکز بر سه ستون اصلی [ستون ۱، ۲، ۳] باشد. لحن باید الهام‌بخش، شفاف و قاطع باشد.
  4. آمادگی برای هیئت مدیره:
    بر اساس داده‌های عملکرد سه ماهه گذشته [داده‌ها را ضمیمه کن]، یک ارائه ۱۰ اسلایدی برای هیئت مدیره آماده کن. اسلایدها باید شامل خلاصه‌ای از دستاوردها، چالش‌های اصلی، تحلیل مالی و اولویت‌های استراتژیک برای سه ماهه آینده باشند.
  5. شناسایی فرصت‌های نوآوری:
    با تحلیل روندهای فناورانه در [صنعت خاص] و نیازهای بیان‌نشده مشتریان ما، سه فرصت نوآورانه جدید برای توسعه محصول یا خدمات شناسایی کن. برای هر فرصت، یک طرح اولیه کسب‌وکار (Lean Canvas) ارائه بده.
  6. تحلیل احساسات برند:
    احساسات عمومی نسبت به برند ما را در شبکه‌های اجتماعی و رسانه‌های خبری در ماه گذشته تحلیل کن. مضامین اصلی مثبت و منفی را شناسایی کرده و یک خلاصه از مهم‌ترین دغدغه‌های مشتریان ارائه بده.
  7. تخصیص منابع:
    با توجه به اهداف استراتژیک ما برای رشد ۲۰ درصدی در سال آینده و داده‌های بازده سرمایه‌گذاری (ROI) پروژه‌های مختلف، یک مدل بهینه برای تخصیص بودجه بین دپارتمان‌های بازاریابی، تحقیق و توسعه و فروش پیشنهاد بده.
  8. خلاصه روزانه هوشمند:
    مهم‌ترین اخبار امروز در مورد صنعت [نام صنعت]، رقبای اصلی ما و روندهای اقتصاد کلان که بر کسب‌وکار ما تأثیر می‌گذارند را در ۵ نکته کلیدی خلاصه کن.
  9. مدیریت بحران:
    فرض کن یک بحران [نوع بحران، مثلاً مشکل در محصول] رخ داده است. یک بیانیه اولیه برای رسانه‌ها و یک برنامه ارتباطی داخلی برای مدیریت این بحران تدوین کن. تمرکز بر شفافیت، مسئولیت‌پذیری و حفظ اعتماد باشد.
  10. استراتژی ورود به بازار:
    برای ورود به بازار [نام کشور یا منطقه]، یک تحلیل PESTEL (سیاسی، اقتصادی، اجتماعی، فناورانه، زیست‌محیطی، قانونی) انجام بده و یک استراتژی ورود به بازار (GTM) اولیه پیشنهاد کن.
مدیر ارشد فناوری (CTO)

پتانسیل: هوش مصنوعی به CTO اجازه می‌دهد تا معماری فنی سازمان را مدرن‌سازی کند، فرآیندهای توسعه نرم‌افزار را تسریع بخشد و استراتژی‌های نوآورانه مبتنی بر فناوری را برای ایجاد مزیت رقابتی تدوین نماید.

۱۰ وظیفه کلیدی با هوش مصنوعی:

  • ارزیابی و انتخاب پلتفرم‌های هوش مصنوعی
  • طراحی معماری فنی مقیاس‌پذیر برای AI
  • بهینه‌سازی و بازنویسی کدهای قدیمی (Code Refactoring)
  • تولید خودکار مستندات فنی
  • نظارت بر امنیت و عملکرد سیستم‌های AI
  • تحقیق و توسعه (R&D) بر روی مدل‌های جدید
  • مدیریت چرخه عمر مدل‌های یادگیری ماشین (MLOps)
  • خودکارسازی تست و تضمین کیفیت نرم‌افزار
  • تحلیل و بهینه‌سازی هزینه‌های زیرساخت ابری
  • طراحی استراتژی داده و حاکمیت آن
نمایش ۱۰ الگوی پرامپت
  1. ارزیابی پلتفرم:
    سه پلتفرم پیشرو MLOps (مانند Vertex AI, SageMaker, Azure ML) را بر اساس معیارهای هزینه، مقیاس‌پذیری، سهولت استفاده و ابزارهای موجود مقایسه کن. یک ماتریس تصمیم‌گیری برای انتخاب بهترین گزینه برای شرکت ما با نیازهای [نیازها] ایجاد کن.
  2. طراحی معماری:
    یک معماری سطح بالا برای یک سیستم پیشنهاد محصول (Recommendation System) طراحی کن که باید روزانه ۱ میلیون کاربر را مدیریت کند. اجزای کلیدی مانند جمع‌آوری داده، آموزش مدل، استنتاج در لحظه و حلقه بازخورد را مشخص نما.
  3. بازنویسی کد:
    این قطعه کد پایتون قدیمی را [کد را ضمیمه کن] بازنویسی (Refactor) کن تا خواناتر، بهینه‌تر و مطابق با استانداردهای مدرن PEP 8 باشد. مستندات (Docstrings) مناسب برای هر تابع اضافه کن.
  4. مستندات فنی:
    برای این API که [توضیح عملکرد API] را انجام می‌دهد، یک مستندات کامل در فرمت OpenAPI (Swagger) ایجاد کن. تمام اندپوینت‌ها، پارامترها و پاسخ‌های ممکن را شرح بده.
  5. نظارت امنیتی:
    یک چک‌لیست امنیتی برای ممیزی یک مدل زبان بزرگ (LLM) که در سازمان ما مستقر شده، ایجاد کن. این چک‌لیست باید شامل مواردی مانند حمله تزریق پرامپت (Prompt Injection)، نشت داده‌های حساس و کنترل دسترسی باشد.
  6. تحقیق و توسعه:
    آخرین مقالات تحقیقاتی در مورد تکنیک‌های "تولید افزوده بازیابی" (RAG) را خلاصه کن و توضیح بده که چگونه می‌توانیم از این تکنیک‌ها برای بهبود دقت چت‌بات داخلی خود استفاده کنیم.
  7. مدیریت MLOps:
    یک پایپ‌لاین CI/CD برای یک مدل یادگیری ماشین طراحی کن. این پایپ‌لاین باید شامل مراحل اعتبارسنجی داده، آموزش مدل، ارزیابی، نسخه‌بندی و استقرار خودکار باشد.
  8. تست خودکار:
    برای این تابع جاوااسکریپت [کد را ضمیمه کن]، مجموعه‌ای از تست‌های واحد (Unit Tests) با استفاده از فریم‌ورک Jest بنویس که تمام موارد مرزی (Edge Cases) را پوشش دهد.
  9. بهینه‌سازی هزینه ابری:
    با تحلیل گزارش هزینه‌های AWS ما [داده‌ها را ضمیمه کن]، سه حوزه اصلی که می‌توانیم با استفاده از ابزارهایی مانند instancهای Spot یا معماری بدون سرور (Serverless) هزینه‌ها را کاهش دهیم، شناسایی کن.
  10. استراتژی داده:
    یک چارچوب برای حاکمیت داده (Data Governance) در سازمان ما تدوین کن. این چارچوب باید شامل نقش‌ها (مانند Data Steward)، سیاست‌های کیفیت داده و استانداردهای متادیتا باشد.
مدیر ارشد مالی (CFO)

پتانسیل: هوش مصنوعی به CFO این قدرت را می‌دهد که از گزارش‌دهی گذشته‌نگر به سمت تحلیل‌های پیش‌بینانه و تجویزی حرکت کند، فرآیندهای مالی را خودکار سازد و به عنوان یک شریک استراتژیک، تصمیم‌گیری‌های مبتنی بر داده را در سراسر سازمان هدایت نماید.

۱۰ وظیفه کلیدی با هوش مصنوعی:

  • پیش‌بینی دقیق درآمد، هزینه و جریان نقدی
  • تحلیل پیشرفته سودآوری مشتری و محصول
  • اتوماسیون هوشمند فرآیندهای حسابداری (AP/AR)
  • شناسایی تقلب و ناهنجاری‌های مالی
  • مدیریت ریسک و برنامه‌ریزی سناریو
  • بهینه‌سازی ساختار سرمایه و تصمیمات سرمایه‌گذاری
  • گزارش‌دهی خودکار برای ذینفعان
  • تحلیل و بهینه‌سازی هزینه‌های عملیاتی
  • مدیریت انطباق با مقررات (Compliance)
  • ارزیابی مالی پروژه‌های جدید و M&A
نمایش ۱۰ الگوی پرامپت
  1. پیش‌بینی مالی:
    با استفاده از داده‌های فروش تاریخی ما در سه سال گذشته و با در نظر گرفتن متغیرهای کلان اقتصادی مانند نرخ تورم و رشد GDP، درآمد ما را برای چهار فصل آینده پیش‌بینی کن. از مدل سری زمانی ARIMA استفاده کن.
  2. تحلیل سودآوری:
    بر اساس داده‌های فروش و هزینه‌های تخصیص‌یافته، ۱۰ درصد سودآورترین و ۱۰ درصد زیان‌ده‌ترین مشتریان ما را شناسایی کن. ویژگی‌های مشترک هر گروه را تحلیل نما.
  3. اتوماسیون AP:
    یک فلوچارت برای فرآیند خودکارسازی حساب‌های پرداختنی (AP) طراحی کن. این فرآیند باید شامل استخراج هوشمند داده از فاکتورها (OCR)، تطبیق سه‌طرفه با سفارش خرید و رسید کالا، و مدیریت استثنائات باشد.
  4. شناسایی تقلب:
    با تحلیل داده‌های تراکنش‌های مالی این ماه [داده‌ها را ضمیمه کن]، هرگونه ناهنجاری یا الگوی مشکوک که ممکن است نشان‌دهنده تقلب داخلی یا خارجی باشد را با استفاده از الگوریتم Isolation Forest شناسایی کن.
  5. برنامه‌ریزی سناریو:
    تأثیر افزایش ۲۰ درصدی قیمت مواد اولیه اصلی ما بر سود ناخالص و سود خالص را در سه سناریوی مختلف (خوش‌بینانه، بدبینانه، محتمل) مدل‌سازی کن.
  6. تصمیم سرمایه‌گذاری:
    یک پروژه سرمایه‌گذاری با هزینه اولیه X و جریان‌های نقدی پیش‌بینی‌شده Y در ۵ سال آینده را با استفاده از معیارهای نرخ بازده داخلی (IRR) و ارزش فعلی خالص (NPV) ارزیابی کن.
  7. گزارش‌دهی خودکار:
    بر اساس داده‌های مالی این ماه، یک گزارش روایی (Narrative Report) برای هیئت مدیره تولید کن که عملکرد مالی را توضیح دهد، دلایل اصلی انحراف از بودجه را تحلیل کند و مهم‌ترین نکات را برجسته نماید.
  8. بهینه‌سازی هزینه:
    داده‌های هزینه‌های عملیاتی ما را تحلیل کن و سه حوزه اصلی که بیشترین پتانسیل را برای کاهش هزینه بدون تأثیر منفی بر کیفیت دارند، شناسایی و پیشنهاد بده.
  9. انطباق با مقررات:
    آخرین تغییرات در مقررات مالیاتی مربوط به [صنعت خاص] را خلاصه کرده و یک چک‌لیست از اقداماتی که دپارتمان مالی باید برای اطمینان از انطباق انجام دهد، تهیه کن.
  10. ارزیابی M&A:
    یک مدل ارزیابی مالی (Valuation Model) بر اساس روش جریان‌های نقدی تنزیل‌شده (DCF) برای ارزیابی یک شرکت هدف بالقوه [نام شرکت] ایجاد کن.
۲. بازاریابی (Marketing)

هوش مصنوعی به تیم بازاریابی اجازه می‌دهد تا خلاقیت را مقیاس‌پذیر کرده، پیام‌های فوق‌شخصی‌سازی‌شده را در مقیاس انبوه به مخاطبان ارائه دهد و بازده سرمایه‌گذاری (ROI) کمپین‌ها را با دقت بی‌سابقه‌ای اندازه‌گیری کند.

مدیر بازاریابی (Marketing Manager)

پتانسیل: مدیر بازاریابی با استفاده از هوش مصنوعی می‌تواند استراتژی‌های بازاریابی مبتنی بر داده تدوین کند، کمپین‌های یکپارچه و هوشمند طراحی نماید، عملکرد تیم را بهینه کرده و تأثیر مستقیم بازاریابی بر درآمد را به نمایش بگذارد.

۱۰ وظیفه کلیدی با هوش مصنوعی:

  • تحلیل بازار و شناسایی پرسونا مخاطب
  • توسعه استراتژی محتوایی و تقویم سردبیری
  • طراحی کمپین‌های بازاریابی چندکاناله
  • بهینه‌سازی بودجه بازاریابی و تخصیص آن
  • تحلیل عملکرد کمپین‌ها و اندازه‌گیری ROI
  • مدیریت برند و تحلیل احساسات عمومی
  • پیش‌بینی نرخ ریزش مشتریان (Churn)
  • شناسایی موضوعات محتوایی پرطرفدار (Trendjacking)
  • ایده‌پردازی برای پیام‌ها و شعارهای تبلیغاتی
  • ایجاد گزارش‌های عملکرد برای مدیران ارشد
نمایش ۱۰ الگوی پرامپت
  1. تحلیل پرسونا:
    بر اساس داده‌های دموگرافیک و رفتاری مشتریان ما [داده‌ها را ضمیمه کن]، سه پرسونای اصلی مخاطب برای محصول [نام محصول] ایجاد کن. برای هر پرسونا، نقاط درد، اهداف و کانال‌های ارتباطی ترجیحی را مشخص نما.
  2. استراتژی محتوایی:
    برای سه ماهه آینده، یک استراتژی محتوایی مبتنی بر مدل "Hub and Spoke" برای موضوع اصلی [موضوع اصلی] طراحی کن. یک محتوای ستون (Pillar Content) و ۱۰ ایده برای محتواهای جانبی (مقاله وبلاگ، پست اجتماعی، ویدیو) پیشنهاد بده.
  3. طراحی کمپین:
    یک کمپین بازاریابی یکپارچه برای عرضه [محصول جدید] طراحی کن. این طرح باید شامل مراحل آگاهی، توجه و تصمیم‌گیری باشد و فعالیت‌های مشخصی را برای ایمیل، شبکه‌های اجتماعی و تبلیغات پولی در هر مرحله پیشنهاد دهد.
  4. بهینه‌سازی بودجه:
    با تحلیل داده‌های عملکرد کمپین‌های گذشته [داده‌ها را ضمیمه کن] که شامل هزینه و نرخ تبدیل هر کانال است، یک مدل بهینه برای تخصیص بودجه بازاریابی ۱۰۰ میلیون تومانی ماه آینده بین کانال‌های گوگل ادز، لینکدین و اینستاگرام پیشنهاد بده.
  5. تحلیل ROI:
    برای کمپین ایمیلی اخیر ما، بازگشت سرمایه (ROI) را محاسبه کن. هزینه کل کمپین X تومان و درآمد حاصل از آن Y تومان بوده است. این ROI را با میانگین صنعتی مقایسه کرده و نقاط قوت و ضعف را تحلیل نما.
  6. مدیریت برند:
    در ماه گذشته، مکالمات آنلاین در مورد برند ما را تحلیل کن. لحن کلی (مثبت، منفی، خنثی) چگونه بوده و چه موضوعاتی بیشتر مورد بحث قرار گرفته‌اند؟ یک نمودار ابر کلمات (Word Cloud) از کلمات کلیدی اصلی ایجاد کن.
  7. پیش‌بینی Churn:
    بر اساس داده‌های رفتار مشتریان (مانند آخرین بازدید، تعداد خرید، تیکت‌های پشتیبانی)، یک مدل ساده برای پیش‌بینی احتمال ریزش (Churn) مشتریان در ماه آینده طراحی کن. مهم‌ترین عوامل پیش‌بینی‌کننده را شناسایی نما.
  8. شناسایی ترندها:
    با تحلیل جستجوهای گوگل و بحث‌های توییتر در حوزه [صنعت] در هفته گذشته، سه موضوع پرطرفدار که می‌توانیم برای آن‌ها محتوای سریع (Trendjacking) تولید کنیم را شناسایی کن.
  9. ایده‌پردازی تبلیغاتی:
    ۱۰ شعار تبلیغاتی (Tagline) خلاقانه برای کمپین جدید ما با موضوع [موضوع کمپین] ایجاد کن. این شعارها باید کوتاه، به یاد ماندنی و متمرکز بر مزیت اصلی محصول باشند.
  10. گزارش‌دهی مدیریتی:
    یک خلاصه یک صفحه‌ای از عملکرد بازاریابی در سه ماهه گذشته برای مدیرعامل آماده کن. این گزارش باید شامل معیارهای کلیدی (KPIs) مانند تعداد سرنخ‌ها، هزینه به ازای هر سرنخ (CPL)، و نرخ تبدیل باشد.
استراتژیست محتوا (Content Strategist)

پتانسیل: هوش مصنوعی به استراتژیست محتوا کمک می‌کند تا با تحلیل عمیق داده‌ها، محتوای بهینه‌سازی‌شده برای موتورهای جستجو (SEO) و جذاب برای مخاطب تولید کند، فرآیند تولید را سرعت بخشد و تأثیر محتوا بر اهداف کسب‌وکار را اندازه‌گیری نماید.

۱۰ وظیفه کلیدی با هوش مصنوعی:

  • تحقیق کلمات کلیدی و تحلیل شکاف محتوایی
  • تولید ایده‌های جدید برای مقالات وبلاگ و ویدیو
  • ایجاد طرح کلی (Outline) برای محتواهای طولانی
  • نگارش پیش‌نویس اولیه مقالات و پست‌های اجتماعی
  • بهینه‌سازی محتوای موجود برای سئو (On-Page SEO)
  • ایجاد خلاصه‌های جذاب از محتوا برای کانال‌های مختلف
  • شخصی‌سازی محتوا برای بخش‌های مختلف مخاطبان
  • تحلیل عملکرد محتوا و شناسایی محتواهای موفق
  • بازنویسی و بهبود خوانایی متون
  • ایجاد استراتژی برای بازنشر و توزیع محتوا
نمایش ۱۰ الگوی پرامپت
  1. تحقیق کلمات کلیدی:
    برای کلمه کلیدی اصلی "هوش مصنوعی در بازاریابی"، یک خوشه موضوعی (Topic Cluster) ایجاد کن. ۱۰ کلمه کلیدی طولانی (Long-tail) مرتبط با قصد جستجوی اطلاعاتی (Informational Intent) را شناسایی نما.
  2. ایده‌پردازی محتوا:
    ۱۰ ایده جذاب برای مقاله وبلاگ در مورد "آینده مهندسی پرامپت" ارائه بده. عنوان‌ها باید کنجکاوی‌برانگیز و مناسب برای اشتراک‌گذاری در شبکه‌های اجتماعی باشند.
  3. ایجاد طرح کلی:
    یک طرح کلی دقیق برای یک راهنمای جامع ۲۰۰۰ کلمه‌ای با عنوان "راهنمای کامل سئو برای کسب‌وکارهای کوچک" ایجاد کن. این طرح باید شامل مقدمه، نتیجه‌گیری و حداقل ۵ بخش اصلی با زیرعنوان‌های H2 و H3 باشد.
  4. نگارش پیش‌نویس:
    بر اساس این طرح کلی [طرح کلی را ضمیمه کن]، یک پیش‌نویس ۵۰۰ کلمه‌ای برای مقدمه و بخش اول مقاله بنویس. لحن باید آموزشی، ساده و جذاب باشد.
  5. بهینه‌سازی سئو:
    این مقاله وبلاگ [متن مقاله را ضمیمه کن] را برای کلمه کلیدی اصلی "استراتژی محتوای ویدیویی" بهینه‌سازی کن. پیشنهاداتی برای بهبود تگ عنوان، توضیحات متا، چگالی کلمات کلیدی و لینک‌سازی داخلی ارائه بده.
  6. خلاصه‌سازی محتوا:
    این مقاله طولانی را به ۵ نکته کلیدی برای یک رشته توییت (Twitter Thread) و یک پست جذاب برای اینستاگرام همراه با پیشنهاد تصویر، خلاصه کن.
  7. شخصی‌سازی محتوا:
    یک ایمیل برای معرفی محصول جدید ما بنویس. سه نسخه متفاوت از این ایمیل برای سه پرسونای مختلف (مدیر فنی، مدیر بازاریابی، مدیرعامل) با تمرکز بر مزایای مرتبط با هر کدام، تهیه کن.
  8. تحلیل عملکرد:
    با تحلیل داده‌های Google Analytics برای وبلاگ ما در شش ماه گذشته، ۵ مقاله برتر از نظر ترافیک و ۵ مقاله برتر از نظر نرخ تبدیل را شناسایی کن. ویژگی‌های مشترک مقالات موفق چیست؟
  9. بهبود خوانایی:
    این پاراگراف پیچیده را بازنویسی کن تا خوانایی آن بهبود یابد. از جملات کوتاه‌تر، زبان ساده‌تر و مثال‌های ملموس استفاده کن.
  10. استراتژی توزیع:
    یک استراتژی برای توزیع و بازنشر این راهنمای جامع [لینک راهنما] طراحی کن. این استراتژی باید شامل ایده‌هایی برای تبدیل آن به فرمت‌های دیگر (ویدیو، اینفوگرافیک) و ترویج آن در کانال‌های مختلف باشد.
۳. فروش (Sales)

هوش مصنوعی تیم فروش را از یک اجراکننده صرف به یک مشاور استراتژیک تبدیل می‌کند. این فناوری با خودکارسازی وظایف تکراری، تولید سرنخ‌های باکیفیت و ارائه بینش‌های هوشمند در لحظه، به فروشندگان کمک می‌کند تا روابط عمیق‌تری با مشتریان برقرار کرده و معاملات بیشتری را با موفقیت به سرانجام برسانند.

مدیر فروش (Sales Manager)

پتانسیل: مدیر فروش با استفاده از هوش مصنوعی می‌تواند عملکرد تیم را با دقت بالایی پیش‌بینی کند، فرآیندهای فروش را بهینه سازد، مربیگری هدفمندی برای هر یک از اعضای تیم ارائه دهد و استراتژی‌های فروش مبتنی بر داده را تدوین نماید.

۱۰ وظیفه کلیدی با هوش مصنوعی:

  • پیش‌بینی فروش (Sales Forecasting) و تعیین سهمیه‌ها (Quota)
  • تحلیل عملکرد تیم و شناسایی نقاط قابل بهبود
  • مربیگری هوشمند با تحلیل مکالمات فروش
  • بهینه‌سازی قلمروهای فروش (Territory Planning)
  • شناسایی سرنخ‌های با بالاترین پتانسیل
  • خودکارسازی گزارش‌دهی عملکرد تیم
  • توسعه کتاب راهنمای فروش (Sales Playbook) هوشمند
  • تحلیل دلایل موفقیت و شکست معاملات
  • شناسایی ریسک در پایپ‌لاین فروش
  • آموزش و آماده‌سازی نیروهای جدید
نمایش ۱۰ الگوی پرامپت
  1. پیش‌بینی فروش:
    با استفاده از داده‌های فروش تاریخی و با در نظر گرفتن فصلی بودن کسب‌وکار، فروش تیم را برای سه ماهه آینده پیش‌بینی کن. بر اساس این پیش‌بینی، سهمیه‌های (Quota) واقع‌بینانه‌ای برای هر یک از ۵ عضو تیم تعیین نما.
  2. تحلیل عملکرد:
    داشبورد عملکرد تیم فروش ما را تحلیل کن. کدام فروشنده بالاترین نرخ تبدیل را دارد؟ کدام یک در مرحله مذاکره بیشترین مشکل را دارد؟ برای هر کدام یک پیشنهاد مشخص برای بهبود ارائه بده.
  3. مربیگری مکالمه:
    متن یک مکالمه فروش ضبط شده [متن را ضمیمه کن] را تحلیل کن. نقاط قوت فروشنده در ایجاد ارتباط و شناسایی نیاز را مشخص کن و حداقل سه پیشنهاد برای بهبود نحوه مدیریت مخالفت‌ها (Objection Handling) ارائه بده.
  4. قلمرو فروش:
    بر اساس توزیع جغرافیایی مشتریان بالقوه و فعلی، قلمروهای فروش را برای تیم ۵ نفره ما به گونه‌ای بازطراحی کن که پتانسیل درآمدی هر قلمرو تقریباً برابر باشد.
  5. امتیازدهی سرنخ:
    یک مدل امتیازدهی سرنخ (Lead Scoring) بر اساس معیارهای دموگرافیک (اندازه شرکت، صنعت) و رفتاری (بازدید از صفحه قیمت‌گذاری، دانلود محتوا) طراحی کن تا تیم بر روی باکیفیت‌ترین سرنخ‌ها تمرکز کند.
  6. گزارش‌دهی خودکار:
    یک قالب برای گزارش هفتگی عملکرد تیم فروش ایجاد کن. این گزارش باید شامل معیارهای کلیدی مانند فعالیت‌ها، تعداد دموهای برگزار شده، ارزش پایپ‌لاین ایجاد شده و معاملات بسته‌شده باشد.
  7. کتاب راهنمای فروش:
    برای محصول جدید ما، یک صفحه برای کتاب راهنمای فروش (Sales Playbook) ایجاد کن. این صفحه باید شامل پرسونای خریدار ایده‌آل، سوالات کلیدی برای کشف نیاز، و پاسخ به سه مخالفت رایج باشد.
  8. تحلیل معاملات:
    داده‌های مربوط به ۱۰ معامله موفق و ۱۰ معامله شکست‌خورده اخیر را تحلیل کن. چه الگوهای مشترکی در معاملات موفق (مانند صنعت مشتری، محصول خریداری شده) و شکست‌خورده (مانند مرحله‌ای که معامله متوقف شده) وجود دارد؟
  9. شناسایی ریسک پایپ‌لاین:
    پایپ‌لاین فروش فعلی ما را تحلیل کن. معاملاتی را که برای مدت طولانی در یک مرحله باقی مانده‌اند یا فعالیت کمی داشته‌اند را به عنوان معاملات "در معرض خطر" شناسایی کن.
  10. آموزش نیروهای جدید:
    یک برنامه آموزشی ۳۰ روزه برای یک فروشنده جدید طراحی کن. این برنامه باید شامل آموزش محصول، فرآیندهای فروش، و شبیه‌سازی مکالمات فروش (Role-playing) باشد.
کارشناس فروش (Account Executive)

پتانسیل: هوش مصنوعی به عنوان یک دستیار هوشمند، به کارشناس فروش کمک می‌کند تا تحقیقات قبل از تماس را به سرعت انجام دهد، ارتباطات خود را شخصی‌سازی کند، خلاصه‌ای از مکالمات را به طور خودکار ثبت نماید و بر روی فعالیت‌های استراتژیک مانند مذاکره و بستن معاملات تمرکز کند.

۱۰ وظیفه کلیدی با هوش مصنوعی:

  • تحقیق در مورد مشتریان بالقوه و شرکت آن‌ها
  • نگارش ایمیل‌های معرفی شخصی‌سازی‌شده
  • آماده‌سازی برای جلسات دمو و کشف نیاز
  • خلاصه‌سازی خودکار مکالمات و ثبت در CRM
  • پیشنهاد گام بعدی هوشمند در فرآیند فروش
  • تهیه پیش‌نویس پروپوزال‌های فروش
  • تحلیل شخصیت و سبک ارتباطی مشتری
  • مدیریت پایپ‌لاین و پیش‌بینی شخصی
  • پاسخ به سوالات پیچیده محصول در لحظه
  • یافتن بهترین زمان برای پیگیری مشتریان
نمایش ۱۰ الگوی پرامپت
  1. تحقیق قبل از تماس:
    شرکت [نام شرکت] و شخص [نام فرد] را بر اساس وب‌سایت، پروفایل لینکدین و اخبار اخیر تحلیل کن. سه نکته کلیدی برای شروع مکالمه (Icebreaker) و دو چالش احتمالی که محصول ما می‌تواند برای آن‌ها حل کند را شناسایی نما.
  2. ایمیل شخصی‌سازی‌شده:
    یک ایمیل کوتاه و شخصی‌سازی‌شده برای [نام فرد] بنویس. در این ایمیل به [نکته‌ای از تحقیق] اشاره کن و توضیح بده که چگونه محصول ما می‌تواند به حل مشکل [مشکل خاص] در شرکتشان کمک کند. یک درخواست واضح برای یک جلسه ۱۵ دقیقه‌ای در انتها اضافه کن.
  3. آمادگی برای دمو:
    بر اساس اطلاعاتی که از جلسه کشف نیاز با مشتری به دست آورده‌ام [خلاصه جلسه]، یک سناریوی شخصی‌سازی‌شده برای دموی محصول طراحی کن. این دمو باید بر روی سه ویژگی کلیدی که بیشترین ارزش را برای این مشتری دارند، تمرکز کند.
  4. خلاصه‌سازی مکالمه:
    این متن مکالمه تلفنی [متن را ضمیمه کن] را به چند نکته کلیدی، موارد اقدام (Action Items) و گام‌های بعدی خلاصه کرده و یک یادداشت برای ثبت در CRM آماده کن.
  5. گام بعدی هوشمند:
    با توجه به اینکه مشتری پس از دمو درخواست یک دوره آزمایشی کرده است، گام بعدی ایده‌آل چیست؟ یک ایمیل پیگیری مناسب برای ارسال همراه با دسترسی به دوره آزمایشی تهیه کن.
  6. تهیه پروپوزال:
    بر اساس نیازهای مشتری که شامل [نیاز ۱، ۲، ۳] است، یک پیش‌نویس برای پروپوزال فروش ایجاد کن. این پروپوزال باید شامل شرح راه‌حل، قیمت‌گذاری و زمان‌بندی اجرا باشد.
  7. تحلیل شخصیت:
    بر اساس ایمیل‌ها و سبک صحبت کردن مشتری، تحلیل کن که آیا سبک ارتباطی او بیشتر تحلیلی، عمل‌گرا یا رابطه‌محور است. چگونه باید سبک مذاکره خود را با او تطبیق دهم؟
  8. مدیریت پایپ‌لاین:
    پایپ‌لاین فروش شخصی من را تحلیل کن. با توجه به ارزش و مرحله هر معامله، سه معامله‌ای را که باید در این هفته بیشترین تمرکز را روی آن‌ها بگذارم، اولویت‌بندی کن.
  9. پاسخ به سوالات فنی:
    مشتری در مورد نحوه ادغام محصول ما با Salesforce سوال کرده است. بر اساس مستندات فنی ما، یک پاسخ ساده و قابل فهم برای او آماده کن.
  10. زمان‌بندی پیگیری:
    با تحلیل داده‌های تعامل مشتریان گذشته، بهترین روز و ساعت برای ارسال ایمیل پیگیری به یک مشتری بالقوه در صنعت [نام صنعت] چیست؟
۴. مالی و منابع انسانی

در دپارتمان‌های پشتیبانی حیاتی مانند مالی و منابع انسانی، هوش مصنوعی با خودکارسازی فرآیندهای پیچیده و ارائه تحلیل‌های عمیق، به این تیم‌ها اجازه می‌دهد تا از نقش عملیاتی به یک نقش کاملاً استراتژیک در سازمان تبدیل شوند.

تحلیلگر مالی (Financial Analyst)

پتانسیل: هوش مصنوعی به تحلیلگر مالی قدرت می‌دهد تا حجم عظیمی از داده‌ها را به سرعت تحلیل کند، مدل‌های مالی پیچیده‌تری بسازد، گزارش‌های عمیق‌تری تولید نماید و زمان بیشتری را به تفسیر نتایج و ارائه توصیه‌های استراتژیک اختصاص دهد.

۱۰ وظیفه کلیدی با هوش مصنوعی:

  • ساخت و اعتبارسنجی مدل‌های مالی
  • تحلیل صورت‌های مالی و روندهای کلیدی
  • ارزیابی عملکرد بودجه در مقابل واقعیت (Variance Analysis)
  • تهیه گزارش‌های تحلیلی برای مدیریت
  • تحقیق و تحلیل بازار و صنعت
  • خودکارسازی فرآیند جمع‌آوری داده‌ها
  • ارزیابی پروژه‌های سرمایه‌گذاری
  • تحلیل حساسیت و برنامه‌ریزی سناریو
  • ایجاد داشبوردهای مالی تعاملی
  • پیش‌بینی روندهای مالی کوتاه‌مدت و بلندمدت
نمایش ۱۰ الگوی پرامپت
  1. ساخت مدل مالی:
    یک مدل مالی سه‌صورتی (صورت سود و زیان، ترازنامه، صورت جریان وجوه نقد) برای یک شرکت SaaS فرضی برای ۵ سال آینده بساز. مفروضات کلیدی مانند نرخ رشد درآمد و حاشیه سود را مشخص کن.
  2. تحلیل صورت‌های مالی:
    صورت سود و زیان سه ماهه اخیر ما [داده‌ها را ضمیمه کن] را تحلیل کن. دلایل اصلی افزایش هزینه‌های عملیاتی را شناسایی کرده و نسبت‌های مالی کلیدی (مانند حاشیه سود ناخالص و خالص) را محاسبه نما.
  3. تحلیل انحراف از بودجه:
    انحراف بین درآمد واقعی و بودجه‌بندی شده برای ماه گذشته را تحلیل کن. کدام خطوط محصول عملکردی بهتر از انتظار و کدام بدتر از انتظار داشته‌اند؟ توضیح mögliche دلایل.
  4. تهیه گزارش تحلیلی:
    یک گزارش تحلیلی یک صفحه‌ای در مورد سلامت مالی شرکت بر اساس داده‌های سال گذشته بنویس. این گزارش باید شامل تحلیل نقدینگی، سودآوری و اهرم مالی باشد.
  5. تحلیل صنعت:
    میانگین نسبت‌های مالی کلیدی (مانند P/E, EV/EBITDA) را برای شرکت‌های عمومی در صنعت [نام صنعت] محاسبه کن و عملکرد شرکت ما را با این میانگین مقایسه نما.
  6. خودکارسازی جمع‌آوری داده:
    یک اسکریپت پایتون بنویس که با استفاده از یک API، داده‌های روزانه قیمت سهام شرکت ما و رقبای اصلی را جمع‌آوری کرده و در یک فایل CSV ذخیره کند.
  7. ارزیابی پروژه:
    یک پروژه با هزینه اولیه ۱ میلیارد تومان و جریان‌های نقدی ورودی پیش‌بینی‌شده برای ۵ سال آینده را ارزیابی کن. دوره بازگشت سرمایه (Payback Period) و ارزش فعلی خالص (NPV) آن را با نرخ تنزیل ۱۰٪ محاسبه نما.
  8. تحلیل حساسیت:
    در مدل مالی ما، یک تحلیل حساسیت انجام بده تا نشان دهد که چگونه تغییرات ۱ درصدی در نرخ رشد درآمد و حاشیه سود، بر ارزش‌گذاری نهایی شرکت تأثیر می‌گذارد.
  9. ایجاد داشبورد:
    کد لازم برای ایجاد یک داشبورد ساده در Power BI یا Tableau را بنویس که معیارهای کلیدی عملکرد مالی (KPIs) مانند درآمد ماهانه، هزینه‌ها و سود را به صورت بصری نمایش دهد.
  10. پیش‌بینی روند:
    با استفاده از داده‌های ماهانه جریان نقدی ما در ۲۴ ماه گذشته، روند آینده را برای ۶ ماه آینده با استفاده از روش هموارسازی نمایی (Exponential Smoothing) پیش‌بینی کن.
کارشناس جذب استعداد (Talent Acquisition Specialist)

پتانسیل: هوش مصنوعی به کارشناس جذب استعداد کمک می‌کند تا فرآیند استخدام را سریع‌تر، کارآمدتر و منصفانه‌تر کند. این فناوری در یافتن کاندیداهای منفعل، غربالگری هوشمند رزومه‌ها، شخصی‌سازی ارتباطات و بهبود تجربه کاندیدا نقش کلیدی ایفا می‌کند.

۱۰ وظیفه کلیدی با هوش مصنوعی:

  • نگارش شرح شغل‌های جذاب و بهینه‌سازی‌شده
  • جستجوی هوشمند (Sourcing) برای کاندیداهای منفعل
  • غربالگری اولیه رزومه‌ها و رتبه‌بندی کاندیداها
  • نگارش ایمیل‌های معرفی شخصی‌سازی‌شده (Outreach)
  • خودکارسازی زمان‌بندی مصاحبه‌ها
  • تهیه سوالات مصاحبه ساختاریافته
  • تحلیل و خلاصه‌سازی بازخورد مصاحبه‌کنندگان
  • پاسخگویی به سوالات متداول کاندیداها با چت‌بات
  • تحلیل داده‌های قیف استخدام برای شناسایی گلوگاه‌ها
  • ایجاد یک تجربه مثبت و به‌یادماندنی برای کاندیدا
نمایش ۱۰ الگوی پرامپت
  1. نگارش شرح شغل:
    یک شرح شغل جذاب برای موقعیت "توسعه‌دهنده ارشد پایتون" بنویس. این شرح شغل باید شامل مسئولیت‌ها، الزامات فنی و نرم، و توضیحاتی در مورد فرهنگ شرکت باشد تا بهترین استعدادها را جذب کند.
  2. جستجوی هوشمند:
    یک جستجوی بولین (Boolean Search) برای لینکدین ایجاد کن تا کاندیداهایی را برای نقش "مدیر محصول" با تجربه در حوزه فین‌تک و آشنایی با متدولوژی Agile در تهران پیدا کند.
  3. غربالگری رزومه:
    این رزومه [متن رزومه] را بر اساس شرح شغل ما برای نقش "کارشناس بازاریابی دیجیتال" ارزیابی کن. نقاط قوت و ضعف اصلی کاندیدا را در مقایسه با الزامات شغلی خلاصه نما.
  4. ایمیل معرفی:
    یک ایمیل کوتاه و دوستانه برای یک کاندیدای منفعل که در لینکدین پیدا کرده‌ام بنویس. به پروژه [نام پروژه] او اشاره کن و علاقه خود را برای صحبت در مورد یک فرصت شغلی جدید در شرکت ما ابراز نما.
  5. زمان‌بندی مصاحبه:
    یک ایمیل برای کاندیدا بنویس و از او بخواه تا سه زمان مناسب خود را برای یک مصاحبه ۳۰ دقیقه‌ای با مدیر استخدام در هفته آینده اعلام کند. لینک تقویم مدیر را نیز برای راحتی او اضافه کن.
  6. سوالات مصاحبه:
    ۵ سوال مصاحبه رفتاری (Behavioral) و ۳ سوال فنی برای ارزیابی یک کاندیدای نقش "تحلیلگر داده" طراحی کن. سوالات باید توانایی حل مسئله و مهارت‌های ارتباطی او را بسنجند.
  7. خلاصه بازخورد:
    بازخوردهای متنی سه مصاحبه‌کننده مختلف برای یک کاندیدا را [متن بازخوردها] خلاصه کن. مضامین مشترک مثبت و منفی را شناسایی کرده و یک توصیه نهایی برای استخدام یا عدم استخدام ارائه بده.
  8. پاسخگویی با چت‌بات:
    یک پاسخ استاندارد برای چت‌بات استخدامی ما بنویس که به سوال "فرآیند مصاحبه در شرکت شما چند مرحله دارد؟" پاسخ دهد.
  9. تحلیل قیف استخدام:
    با تحلیل داده‌های ATS ما، نرخ تبدیل از مرحله "ارسال رزومه" به "مصاحبه اولیه" و از "مصاحبه نهایی" به "پیشنهاد شغلی" را محاسبه کن. گلوگاه اصلی فرآیند کجاست؟
  10. بهبود تجربه کاندیدا:
    یک ایمیل برای کاندیداهایی که در مرحله مصاحبه نهایی پذیرفته نشده‌اند بنویس. در این ایمیل ضمن اعلام نتیجه، از وقت آن‌ها تشکر کرده و بازخورد سازنده‌ای (در صورت امکان) ارائه بده تا تجربه مثبتی برایشان رقم بخورد.
۵. عملیات و فناوری اطلاعات

در تیم‌های عملیات و IT، هوش مصنوعی به عنوان یک ابزار قدرتمند برای بهینه‌سازی فرآیندها، خودکارسازی وظایف پیچیده، افزایش امنیت و ارائه خدمات فناورانه هوشمند به کل سازمان عمل می‌کند.

مدیر پروژه (Project Manager)

پتانسیل: هوش مصنوعی به مدیر پروژه کمک می‌کند تا برنامه‌ریزی دقیق‌تری انجام دهد، ریسک‌ها را پیش‌بینی کند، تخصیص منابع را بهینه سازد، ارتباطات تیمی را تسهیل نماید و پروژه‌ها را با موفقیت بیشتری به سرانجام برساند.

۱۰ وظیفه کلیدی با هوش مصنوعی:

  • ایجاد ساختار شکست کار (WBS) و زمان‌بندی پروژه
  • شناسایی و ارزیابی ریسک‌های پروژه
  • بهینه‌سازی تخصیص وظایف به اعضای تیم
  • تهیه گزارش‌های پیشرفت پروژه به صورت خودکار
  • خلاصه‌سازی جلسات و استخراج موارد اقدام
  • پیش‌بینی تأخیرات احتمالی در پروژه
  • تسهیل ارتباطات و حل تعارضات تیمی
  • مدیریت دانش و مستندات پروژه
  • تحلیل دلایل موفقیت یا شکست پروژه‌های گذشته
  • ایجاد پیش‌نویس اسناد پروژه (مانند منشور پروژه)
نمایش ۱۰ الگوی پرامپت
  1. ساختار شکست کار:
    برای پروژه "راه‌اندازی وب‌سایت جدید"، یک ساختار شکست کار (WBS) با حداقل سه سطح ایجاد کن. فازهای اصلی باید شامل برنامه‌ریزی، طراحی، توسعه، تست و راه‌اندازی باشد.
  2. شناسایی ریسک:
    یک لیست از ۱۰ ریسک بالقوه برای پروژه "مهاجرت به یک CRM جدید" تهیه کن. برای هر ریسک، احتمال وقوع و تأثیر آن را ارزیابی کرده و یک استراتژی کاهش ریسک پیشنهاد بده.
  3. تخصیص وظایف:
    با توجه به لیست وظایف پروژه و مهارت‌های اعضای تیم (علی: برنامه‌نویس بک‌اند، سارا: طراح UI/UX، رضا: تست)، این وظایف را به بهینه‌ترین شکل ممکن به آن‌ها تخصیص بده.
  4. گزارش پیشرفت:
    بر اساس آخرین به‌روزرسانی‌های وظایف در Jira، یک گزارش پیشرفت هفتگی برای ذینفعان پروژه تهیه کن. این گزارش باید شامل درصد پیشرفت کلی، وظایف تکمیل‌شده، موانع اصلی و برنامه هفته آینده باشد.
  5. خلاصه جلسه:
    متن جلسه هفتگی تیم پروژه را [متن را ضمیمه کن] به چند تصمیم کلیدی و یک لیست از موارد اقدام (Action Items) همراه با مسئول و مهلت انجام، خلاصه کن.
  6. پیش‌بینی تأخیر:
    با تحلیل داده‌های پیشرفت پروژه تا به امروز، پیش‌بینی کن که آیا پروژه در تاریخ مقرر به پایان خواهد رسید یا خیر. احتمال تأخیر را محاسبه کرده و مهم‌ترین وظایفی که در مسیر بحرانی قرار دارند را شناسایی نما.
  7. تسهیل ارتباطات:
    یک ایمیل برای تیم بنویس و تغییر مهمی که در محدوده پروژه ایجاد شده را به طور شفاف توضیح بده. تأثیر این تغییر بر زمان‌بندی و وظایف هر فرد را مشخص کن.
  8. مدیریت دانش:
    بر اساس مستندات پروژه، یک صفحه "سوالات متداول" (FAQ) برای پروژه ایجاد کن تا اعضای جدید تیم بتوانند به سرعت با پروژه آشنا شوند.
  9. تحلیل پس از پروژه:
    با تحلیل داده‌های پروژه تکمیل‌شده اخیر، سه درس‌آموخته کلیدی (Lessons Learned) در مورد آنچه خوب پیش رفت و آنچه می‌توانست بهتر باشد، استخراج کن.
  10. منشور پروژه:
    یک پیش‌نویس برای منشور پروژه (Project Charter) برای پروژه "توسعه اپلیکیشن موبایل" ایجاد کن. این منشور باید شامل اهداف، محدوده، ذینفعان اصلی و بودجه اولیه باشد.
توسعه‌دهنده نرم‌افزار (Software Developer)

پتانسیل: هوش مصنوعی به عنوان یک "همکار برنامه‌نویس" (AI Pair Programmer)، به توسعه‌دهندگان در نوشتن کد سریع‌تر و با کیفیت‌تر، دیباگ کردن مشکلات پیچیده، یادگیری فناوری‌های جدید و تمرکز بر روی حل مسائل خلاقانه کمک می‌کند.

۱۰ وظیفه کلیدی با هوش مصنوعی:

  • تکمیل خودکار و هوشمند کد (Code Completion)
  • تولید کد بر اساس توضیحات به زبان طبیعی
  • دیباگ کردن و یافتن ریشه خطاها
  • بازنویسی و بهینه‌سازی کد (Refactoring)
  • نوشتن تست‌های واحد و یکپارچه‌سازی
  • توضیح قطعه کدهای پیچیده
  • ترجمه کد بین زبان‌های برنامه‌نویسی مختلف
  • ایجاد مستندات فنی برای کد
  • یادگیری سریع APIها و فریم‌ورک‌های جدید
  • طراحی اولیه الگوریتم‌ها و ساختارهای داده
نمایش ۱۰ الگوی پرامپت
  1. تولید کد:
    یک تابع پایتون بنویس که یک رشته را به عنوان ورودی دریافت کرده و بررسی کند که آیا آن رشته یک پالیندروم (واروخوانه) است یا خیر.
  2. دیباگ کردن:
    این قطعه کد جاوااسکریپت [کد را ضمیمه کن] خطای 'undefined is not a function' را می‌دهد. مشکل کجاست و چگونه می‌توان آن را برطرف کرد؟
  3. بازنویسی کد:
    این حلقه for تو در تو را با استفاده از list comprehension در پایتون بازنویسی کن تا خواناتر و بهینه‌تر شود.
  4. نوشتن تست:
    برای این تابع [کد تابع]، یک مجموعه تست واحد (Unit Test) با استفاده از pytest بنویس که موارد موفقیت، شکست و مرزی را پوشش دهد.
  5. توضیح کد:
    این عبارت منظم (Regular Expression) چه کاری انجام می‌دهد؟ هر بخش آن را به زبان ساده توضیح بده: ^(\w+@[a-zA-Z_]+?\.[a-zA-Z]{2,3})$
  6. ترجمه کد:
    این تابع که به زبان جاوا نوشته شده را به زبان پایتون معادل آن ترجمه کن.
  7. ایجاد مستندات:
    برای این کلاس پایتون، یک مستندات کامل (Docstring) در فرمت Google Style بنویس که شامل توضیحات کلاس، آرگومان‌ها و مقادیر بازگشتی متدها باشد.
  8. یادگیری API:
    چگونه می‌توانم با استفاده از کتابخانه requests در پایتون، یک درخواست POST به یک API ارسال کنم که نیاز به هدر Authorization دارد؟ یک مثال کد ارائه بده.
  9. طراحی الگوریتم:
    یک الگوریتم برای پیدا کردن کوتاه‌ترین مسیر بین دو نقطه در یک گراف وزن‌دار طراحی کن. شبه‌کد (Pseudocode) آن را بنویس.
  10. کوئری پایگاه داده:
    یک کوئری SQL بنویس که از دو جدول 'users' و 'orders'، نام تمام کاربرانی را که در ماه گذشته بیش از ۵ سفارش داشته‌اند، استخراج کند.

برای یادگیری بیشتر در زمینه مهندسی پرامپت

مهندسی پرامپت برای Gemini مهندسی پرامپت چیست؟ دانشنامه مهندسی پرامپت ۲۰۲۵ مهندسی پرامپت پیشرفته نوشتن پرامپت‌های قدرتمند

معرفی ابزارهای هوش مصنوعی رایگان

ChatGPT

یکی از معروف‌ترین دستیارهای هوش مصنوعی مبتنی بر گفتگو که برای تولید متن، خلاصه‌سازی، ایده‌پردازی و پاسخ به سوالات پیچیده بسیار قدرتمند است.

شروع استفاده

Google Gemini

مدل هوش مصنوعی پیشرفته گوگل با قابلیت‌های چندوجهی که می‌تواند به طور همزمان متن، تصویر و کد را درک و پردازش کند. برای تحلیل‌های پیچیده ایده‌آل است.

آزمایش Gemini

Claude

مدل زبانی شرکت Anthropic که بر روی مکالمات طبیعی، خلاصه‌سازی اسناد طولانی و تولید محتوای ایمن و خلاقانه تمرکز ویژه‌ای دارد.

شروع استفاده

Microsoft Copilot

دستیار هوشمند مایکروسافت که با موتور جستجوی بینگ ادغام شده و می‌تواند پاسخ‌های خود را بر اساس جدیدترین اطلاعات وب ارائه دهد.

آزمایش Copilot

Perplexity AI

یک موتور جستجوی محاوره‌ای که پاسخ‌های دقیق و خلاصه‌شده را به همراه منابع و استنادات ارائه می‌دهد. برای کارهای تحقیقاتی عالی است.

شروع تحقیق

Leonardo.Ai

یک پلتفرم قدرتمند برای تولید تصویر از متن که مجموعه‌ای از مدل‌های مختلف را ارائه می‌دهد و دارای یک پلن رایگان برای شروع کار است.

تولید تصویر
ایجنتتماس با ماپرامپت