در دهم ژوئن ۲۰۲۶، Anthropic قدرتمندترین مدل خود را با نام Claude Fable 5 منتشر کرد. این مدل قرار بود مرزهای جدیدی را جابجا کند و معیارهای تازهای برای هوش مصنوعی تعریف کند. اما فقط ۴۸ ساعت بعد، اتفاق غیرمنتظرهای رخ داد و تمام دستورالعملهای مخفی آن فاش شد.
در دهم ژوئن ۲۰۲۶، Anthropic قدرتمندترین مدل خود را با نام Claude Fable 5 منتشر کرد. این مدل قرار بود مرزهای جدیدی را جابجا کند و معیارهای تازهای برای هوش مصنوعی تعریف کند. اما فقط ۴۸ ساعت بعد، اتفاق غیرمنتظرهای
رخ داد. یک جیلبریکر با نام کاربری Pliny the Liberator موفق شد کل system prompt این مدل را استخراج و در GitHub منتشر کند. نه یک پاراگراف کوتاه، بلکه ۱۲۰ هزار کاراکتر دستورالعمل مخفی که شامل رفتارها، محدودیتها،
ممنوعیتها و حتی جملات روحیهبخش برای AI بود. این واقعه نه یک حادثه منفرد، بلکه نماد یک پدیده بزرگتر بود. در طول سال ۲۰۲۵ و ۲۰۲۶، چندین مخزن GitHub که به جمعآوری system prompt های ابزارهای AI میپردازند
به محبوبیت چشمگیری رسیدند. یکی از آنها با نام system-prompts-and-models-of-ai-tools به بیش از ۱۳۷ هزار ستاره رسید. [IMAGE_PLACEHOLDER_1] حالا سوال اینجاست: چرا این دستورالعملها انقدر ارزشمند شدند که
شرکتها آنها را مثل اسرار تجاری محافظت میکنند؟ و چرا توانایی نوشتن این دستورالعملها به یک مهارت ششرقمی تبدیل شده است؟ پرامپتنویسی چیست و چرا اهمیت پیدا کرد؟ پرامپتنویسی یا prompt engineering به معنای
طراحی ورودیهای ساختاریافته است که مدلهای زبان بزرگ را به سمت خروجیهای خاص و باکیفیت هدایت میکنند. این مهارت ترکیبی از زبان روشن، ساختار منطقی و درک عمیق از نحوه پردازش دستورات توسط مدلهای AI است.
در روزهای اولیه، وقتی GPT-2 یا GPT-3 اولیه را استفاده میکردید، باید پرامپتهای پیچیده و طولانی مینوشتید تا مدل بفهمد چه میخواهید. اما مدلهای مدرن مانند Claude 4.6، GPT-5 و Gemini 2.5 نیاز به توضیحات
کمتری دارند زیرا قصد کاربر را بهتر درک میکنند. با این حال، مشکل تغییر کرده است. دیگر سوال این نیست که "چطور مدل را بفهمانم؟" بلکه این است که "چطور اطلاعات درست را بدون information overload به او بدهم؟"
ادامه مطلب در سایت