چت جی بی تی فارسی ۱۴۰۵: راهنمای پرامپت فارسی

پرامپت فارسی وقتی بهتر جواب می‌دهد که چهار بخش «نقش، کار، ورودی و قالب خروجی» را در آن جدا بنویسید، و برای کد، درس و تصویر هم باید سه الگوی متفاوت داشته باشید. «چت جی بی تی فارسی» مدل جداگانه‌ای نیست؛ همان چت‌بات OpenAI است که به فارسی با آن گفت‌وگو می‌کنید، و این راهنما یک راهنمای عمومی پرامپت‌نویسی است و جای مستندات رسمی هر مدل را نمی‌گیرد.

ما در 1xAi هم API، هم چت فارسی و هم استودیوی تصویر را اداره می‌کنیم، و نمونه‌های این مقاله از همین زاویه انتخاب شده‌اند.

چت جی بی تی فارسی یعنی چه و پرامپت فارسی چه فرقی با انگلیسی دارد؟

چت جی بی تی فارسی همان چت‌بات OpenAI بر پایه مدل‌های GPT است که به فارسی از آن می‌پرسید و به فارسی پاسخ می‌گیرید؛ مدل جداگانه‌ای نیست. پس «چت جی پی تی فارسی آنلاین» یعنی همان خانواده‌ی مدل‌ها با رابط و گفتگوی فارسی.

تفاوت‌های عملی (راهنمای عمومی)

• حجم پرامپت: فارسی معمولاً برای همان مفهوم توکن بیشتری از انگلیسی مصرف می‌کند. پرامپت کوتاه و بدون حاشیه هم ارزان‌تر است و هم دقیق‌تر.
• لحن: صریح بنویسید که پاسخ رسمی باشد یا محاوره‌ای.
• اصطلاح فنی: یک بار معادل انگلیسی را در پرانتز بیاورید، مثلاً «کش پرامپت (prompt caching)».
• ارقام و نیم‌فاصله: در کل متن یک شکل را نگه دارید؛ یا همه ارقام فارسی یا همه انگلیسی.
• دستور ساختاری: JSON و نام فیلدها را انگلیسی بنویسید.

از پرامپت ضعیف به پرامپت بهتر

پرامپت ضعیف	پرامپت بهتر
یه متن برای مشتری بنویس	یک پیام رسمی پشتیبانی، حداکثر سه جمله، برای مشتری‌ای که سفارشش دو روز دیر رسیده؛ همراه با عذرخواهی و پیشنهاد پیگیری
درباره API توضیح بده	API را برای یک تازه‌کار، محاوره‌ای و در پنج جمله توضیح بده؛ هر اصطلاح فنی را یک بار به انگلیسی در پرانتز بیاور
محصولات را جدول کن	خروجی را فقط JSON بده با فیلدهای name و price؛ مقدار price فقط عدد باشد

یک هشدار ایمنی: برای آیفون و اندروید، هر فایل apk یا نسخه‌ی غیررسمی با وعده‌ی «رایگان و نامحدود» را بدون بررسی منبع نصب نکنید، چون ممکن است نامعتبر یا آلوده باشد.

پرامپت فارسی برای API و System Prompt چگونه ساخته می‌شود؟

System Prompt خوب چهار بخش دارد: نقش، قواعد، قالب خروجی و رفتار در موقع نامطمئن بودن. هر بخش را جدا و کوتاه بنویسید تا مدل بین دستورها گم نشود.

• نقش: مدل چه کسی است و برای چه مخاطبی می‌نویسد.
• قواعد: منبع مجاز پاسخ و کارهایی که ممنوع است، مثل ساختن عدد یا تاریخ.
• قالب خروجی: ساختار دقیق پاسخ، مثلاً JSON با کلیدهای مشخص.
• حالت نامطمئن: دستور صریح «اگر نمی‌دانی بگو نمی‌دانم» به‌همراه مقدار جایگزین در خروجی.

نمونه کد قابل اجرا

کد زیر با gpt-4.1 و پایتون ۳.۹ به بالا کار می‌کند. SDK مورد استفاده بستهٔ رسمی openai از سری ۱.x است (pip install "openai>=1.0"). کلید 1xai-… را از داشبورد 1xAi بگیرید و در متغیر محیطی ONEXAI_API_KEY بگذارید.

import json
import os

from openai import OpenAI

client = OpenAI(
    api_key=os.environ["ONEXAI_API_KEY"],
    base_url="https://1xai.ir/v1",
)

SYSTEM_PROMPT = """
## نقش

تو دستیار پشتیبانی یک فروشگاه اینترنتی هستی و به فارسی ساده و محترمانه پاسخ می‌دهی.
تو دستیار پشتیبانی یک فروشگاه اینترنتی هستی و به فارسی ساده و محترمانه پاسخ می‌دهی.

## قواعد

فقط بر اساس متن مرجع پاسخ بده و عدد، تاریخ یا شرطی که در متن مرجع نیست نساز.
- فقط بر اساس «متن مرجع» انتهای این پیام پاسخ بده.
- عدد، تاریخ یا شرطی که در متن مرجع نیست نساز.

## قالب خروجی

فقط یک شیء JSON معتبر با دو کلید answer (رشته) و confidence (یکی از high یا low) برگردان.
فقط یک شیء JSON معتبر برگردان با دو کلید:
answer (رشته) و confidence (یکی از high یا low).

## اگر مطمئن نیستی

اگر پاسخ در متن مرجع نبود، در answer بنویس «نمی‌دانم» و confidence را low بگذار.
اگر پاسخ در متن مرجع نبود، در answer بنویس «نمی‌دانم» و confidence را low بگذار.

## متن مرجع

کالا تا ۷ روز پس از تحویل و در بسته‌بندی اصلی قابل مرجوع است.
کالا تا ۷ روز پس از تحویل و در بسته‌بندی اصلی قابل مرجوع است.
"""

response = client.chat.completions.create(
    model="gpt-4.1",
    temperature=0.2,
    response_format={"type": "json_object"},
    messages=[
        {"role": "system", "content": SYSTEM_PROMPT},
        {"role": "user", "content": "بعد از ده روز می‌توانم کالا را پس بدهم؟"},
    ],
)

data = json.loads(response.choices[0].message.content)
print(data["answer"])
print(data["confidence"])

خروجی مورد انتظار (نمونه؛ عبارت دقیق ممکن است فرق کند):

خیر، مهلت مرجوعی ۷ روز پس از تحویل است و ده روز از آن گذشته.
high

نام «JSON» باید در خود پیام‌ها بیاید، چون حالت json_object بدون آن خطا می‌دهد.

مدل‌های Claude نسل ۵ و کنترل کیفیت

claude-sonnet-5، claude-fable-5 و claude-opus-5 پارامترهای temperature و top_p و همچنین prefill پیام assistant را رد می‌کنند. پس اگر مدل را عوض می‌کنید، temperature=0.2 را از کد بردارید. قالب خروجی را هم با prefill (مثلاً شروع پاسخ با {) تحمیل نکنید و آن را در بخش «قالب خروجی» پرامپت بنویسید.

کش پرامپت

برای کش پرامپت، بخش ثابت یعنی System Prompt بلند و متن مرجع را اول بگذارید و بخش متغیر یعنی سؤال کاربر را آخر. کش بر پیشوند یکسان درخواست‌ها استوار است و تغییر در ابتدای پرامپت می‌تواند بهره‌گیری از کشِ پیشوند مشترک را کاهش دهد.

برای کش پرامپت Anthropic از اندپوینت‌های اختصاصی مسیر /anthropic استفاده کنید. این مسیر قابلیت‌های ویژهٔ هر ارائه‌دهنده را حفظ می‌کند و خواندن از کش با نرخ ورودی کش‌شدهٔ همان ارائه‌دهنده حساب می‌شود.

چطور از چت فارسی برای حل سؤال، مرور درس و برنامه مطالعه پرامپت بگیریم؟

پرامپت خوب نقش چت را مشخص می‌کند و خروجی دلخواه را دقیق می‌خواهد. برای هر کار درسی یک قالب آماده کافی است.

سه قالب بدون کد

• حل گام‌به‌گام: «من دانش‌آموز پایه دهم هستم. این مسئله را حل نکن؛ اول یک راهنمایی کوتاه بده تا خودم تلاش کنم. اگر باز هم گیر کردم، راهنمایی بعدی را بده.»
• مرور درس: «از متن این صفحه ۵ سؤال تستی بساز و برای هر کدام پاسخ تشریحی بنویس. بگو چرا گزینه‌های دیگر غلط‌اند.»
• برنامه مطالعه: «روزی ۲ ساعت، به مدت ۶ هفته، برای این درس‌ها برنامه بچین. هر روز که عقب افتادم، مطالب همان روز را به روزهای بعد جابه‌جا کن.»

پرامپت بد، پرامپت بهتر

پرامپت بد	پرامپت بهتر
«حلش کن»	«راه‌حل من این است؛ خطای من را پیدا کن و فقط همان را توضیح بده»
«این درس را بگو»	«این بخش را برای پایه نهم در پنج جمله و با یک مثال توضیح بده»
«تست بده»	«۵ تست از همین صفحه بده و جواب‌ها را بعد از پاسخ من نشان بده»
«برنامه بریز»	«روزی ۲ ساعت، ۶ هفته، با جا برای مرور آخر هفته»

چت عمومی یا پنل یادگیری

چت عمومی از حافظه مدل جواب می‌دهد و نمی‌داند کتاب شما چه نوشته است. در پنل یادگیری 1xAi «از کتاب بپرس» از خود کتاب با شماره صفحه جواب می‌دهد و اگر کتاب موضوع را پوشش نداده باشد، همین را می‌گوید.

«معلم هوشمند» پیش از تلاش دانش‌آموز جواب نمی‌دهد. برنامه‌ریز مطالعه هم روزهای از‌دست‌رفته را خودکار جابه‌جا می‌کند. امکانات هوش مصنوعی سهمیه روزانه رایگان دارند و نامحدود نیستند.

محدودیت‌ها

سؤال‌های رسمی سنجش در پنل فقط برای کنکور تجربی است: ۱٬۱۸۴ سؤال از ۱۱ نوبت، از ۱۳۹۸ تا ۱۴۰۵. برای ریاضی و انسانی یا درس‌های عمومی سؤال رسمی نداریم.

هیچ تاریخ یا قانونی را برای کنکور ۱۴۰۶ اعلام‌شده فرض نکنید و برای آن به اطلاعیه‌های سنجش مراجعه کنید. پاسخ هر چت، از جمله پاسخ ما، می‌تواند اشتباه باشد؛ راه‌حل را با کتاب درسی و معلم‌تان تطبیق دهید.

پرامپت تصویر فارسی برای مناسبت، محصول و معماری چگونه نوشته می‌شود؟

پرامپت خوب شش بخش دارد: سوژه، فضا، نور، سبک، نسبت تصویر و فهرست کوتاهی از آنچه نباید در تصویر باشد. هر چه این شش مورد دقیق‌تر باشند، خروجی کمتر به حدس مدل وابسته است.

سه نمونه آماده

۱. کارت یلدا — نسبت ۴:۵ برای پست یا ۹:۱۶ برای استوری؛ مدل GPT Image 2.5 Sunburst یا Nano Banana Pro.

فارسی: سفره شب یلدا با انار و هندوانه برش‌خورده، دیوان حافظ و چند شمع روشن روی میز چوبی، فضای گرم خانوادگی، نور گرم شمع از کنار، تصویرسازی دیجیتال با رنگ‌های قرمز و عنابی. بالای تصویر فقط عبارت «شب یلدا مبارک» با خط خوانا. بدون متن اضافه، بدون لوگو.

English: A Yalda night table with pomegranates, sliced watermelon, a book of Hafez poetry and lit candles on a wooden table, warm family mood, warm side candlelight, digital illustration in deep reds and burgundy. Only the short Persian text «شب یلدا مبارک» at the top, legible. No extra text, no logos.

۲. عکس محصول روی پس‌زمینه شفاف — نسبت ۴:۵؛ یکی از مدل‌های GPT، چون پس‌زمینه شفاف فقط روی همین مدل‌ها در دسترس است.

فارسی: یک شیشه کوچک زعفران با درب چوبی، نمای روبه‌رو، نور نرم استودیویی از بالا و چپ با سایه ملایم، عکس محصول واقع‌گرایانه، پس‌زمینه شفاف. بدون متن، بدون برچسب، بدون بازتاب اضافی.

English: A small saffron jar with a wooden lid, front view, soft studio light from the upper left with a gentle shadow, realistic product photo, transparent background. No text, no label, no stray reflections.

۳. نمای معماری — نسبت ۱۶:۹؛ مدل Nano Banana Pro.

فارسی: نمای بیرونی ویلای مدرن دوطبقه با آجر و پنجره‌های بزرگ در دامنه کوه، حیاط با درخت چنار، ساعت طلایی و نور گرم غروب، رندر معماری واقع‌گرایانه با لنز واید. بدون آدم، بدون متن، بدون خط اضافی روی نما.

English: Exterior of a modern two-storey villa with brick and large windows on a mountain slope, a plane tree in the yard, golden hour with warm sunset light, realistic architectural render, wide lens. No people, no text, no stray lines on the facade.

محدودیت‌ها و هزینه

پرامپت فارسی دقیقاً همان‌طور که تایپ شده به مدل می‌رسد و ترجمه خودکار ندارد. متن کوتاه فارسی داخل تصویر روی GPT Image 2.5 Sunburst و Nano Banana Pro بهتر درمی‌آید، اما متن بلند ممکن است غلط شود. اگر جمله‌ای طولانی لازم دارید، بهتر است بعداً در یک ابزار طراحی روی تصویر اضافه شود.

هر تصویر از کیف پول تومانی پرداخت می‌شود و استودیو قیمت تخمینی را پیش از ساخت نشان می‌دهد.

ویرایش بعد از ساخت

در استودیوی تصویر 1xAi می‌توانید روی مدل‌های GPT بخشی از تصویر را با ماسک جدا کنید و فقط همان قسمت را بازسازی کنید. تا ۸ تصویر مرجع قابل افزودن است و مقایسه قبل و بعد نشان می‌دهد هر ویرایش چه چیزی را عوض کرده است.

چرا پاسخ فارسی ضعیف می‌شود و پرامپت را چطور اصلاح کنیم؟

بیشتر وقت‌ها پاسخ فارسی ضعیف است چون پرامپت لحن، قالب یا منبع را مشخص نکرده؛ با اصلاح یک بخش در هر بار می‌توان آن را بهتر کرد.

نشانه	علت محتمل	اصلاح
لحن ترجمه‌ای	لحن مشخص نشده	لحن و مخاطب را بنویسید، مثلاً «برای مدیر فروش، رسمی و کوتاه»
پاسخ بلند و بی‌قالب	قالب خروجی نیامده	جدول، JSON یا تعداد بند بخواهید
ادعای بی‌منبع	منبع داده نشده	متن را بچسبانید و بگویید «فقط از همین»

همه ردیف‌ها راهنمای عمومی‌اند؛ مدل و موضوع می‌توانند نتیجه را تغییر دهند.

چرخه سه‌مرحله‌ای

1. پرامپت اولیه: کار، مخاطب، لحن و قالب را در همان پیام اول بنویسید.
2. یک ایراد مشخص: خروجی را بخوانید و فقط یک مشکل را انتخاب کنید، مثلاً «بیش از حد رسمی است».
3. اصلاح یک متغیر: فقط همان بخش پرامپت را عوض کنید و دوباره اجرا کنید. اگر چند چیز را با هم تغییر دهید، نمی‌فهمید کدام تغییر اثر داشته است.

حدود این روش

بهتر شدن پرامپت جلوی اشتباه مدل را کامل نمی‌گیرد. خروجی کد را اجرا و تست کنید و راه‌حل تمرین‌ها را خودتان مرور کنید، به‌خصوص وقتی نتیجه را جایی تحویل می‌دهید.

برای امتحان همین الگوها روی مدل‌های مختلف با یک کلید، به فهرست مدل‌ها و قیمت زنده سر بزنید.

سوالات متداول

چت جی بی تی چیست؟

ChatGPT چت‌بات OpenAI بر پایه مدل‌های GPT است. «چت جی بی تی فارسی» مدل جداگانه‌ای نیست و یعنی همین چت‌بات که به فارسی پرسش و پاسخ می‌کند. برای نتیجه بهتر، در پرامپت چهار چیز را مشخص کنید: نقش، کار، ورودی و قالب خروجی.

پرامپت فارسی چه فرقی با پرامپت انگلیسی دارد؟

مصرف توکن به متن و به مدل بستگی دارد، پس پرامپت کوتاه و بدون حشو معمولاً بهتر است. لحن (رسمی یا محاوره‌ای) را صریح بگویید و اصطلاح فنی را یک بار در پرانتز انگلیسی بیاورید. نام فیلدها و ساختار JSON را هم انگلیسی نگه دارید. این‌ها راهنمای عمومی‌اند و جای مستندات هر مدل را نمی‌گیرند.

بدون VPN و کارت خارجی چطور از ایران به API دسترسی بگیرم؟

در 1xAi که خودمان اداره می‌کنیم، کلید را از داشبورد می‌گیرید و با آدرس https://1xai.ir/v1 هر SDK استاندارد OpenAI را بدون تغییر به کار می‌برید. SDKهای Anthropic و Google هم روی اندپوینت‌های اختصاصی کار می‌کنند. پرداخت پیش‌پرداخت و تومانی از طریق زرین‌پال است. حداقل مبلغ شارژ را در https://1xai.ir/api/topup/bounds ببینید؛ ۱۰٪ مالیات بر ارزش افزوده هم هنگام پرداخت به شارژ اضافه می‌شود.

هزینه gpt-5.5 و gpt-5 در 1xAi چقدر است؟

1xAi قیمت رسمی هر ارائه‌دهنده را با مارک‌آپ مخصوص همان مدل و با نرخ روز بازار (۲۶۹٬۴۰۰ تومان برای هر دلار) حساب می‌کند. مارک‌آپ gpt-5.5 برابر ۱۵٪ و مارک‌آپ gpt-5 برابر ۲۰٪ است. برای هر ۱ میلیون توکن، gpt-5.5 ورودی ۱٬۵۴۹٬۰۵۰ و خروجی ۹٬۲۹۴٬۳۰۰ تومان است. gpt-5 ورودی ۴۰۴٬۱۰۰ و خروجی ۳٬۲۳۲٬۸۰۰ تومان دارد. قیمت زنده در صفحهٔ قیمت‌ها (1xai.ir/pricing) هم نمایش داده می‌شود.

آیا پارامتر temperature روی Claude نسل ۵ کار می‌کند؟

خیر. مدل‌های claude-sonnet-5، claude-fable-5 و claude-opus-5 پارامترهای temperature و top_p و همچنین prefill پیام assistant را رد می‌کنند. این پارامترها را در درخواست نفرستید و سبک و رفتار پاسخ را با دستور شفاف در System Prompt تنظیم کنید.