درباره دوره

با گسترش سریع ابزارهای هوش مصنوعی مولد، توانایی تعامل مؤثر با مدلهای زبانی بزرگ به یکی از مهارتهای مهم و کاربردی برای مدیران، کارشناسان، تیمهای فروش، بازاریابی، تحلیلگران، تولیدکنندگان محتوا و فعالان کسب وکار تبدیل شده است.

در این دوره، شرکت کنندگان با اهداف زیر آموزش میبینند:
• استفاده از مدل های هوش مصنوعی جهانی با اینترنت ملی و اینترنت بین الملل.
• درک منطق عملکرد، توانمندیها و محدودیتهای مدلهای هوش مصنوعی
• یادگیری اصول طراحی پرامپت های دقیق، واضح و هدفمند.
• تکنیک های استدالل پبشرفته (TOT,COT )
• شناسایی توهم AI و کاهش توهمات.
• تسلط بر 20 چارچوب ساختاریافته مانند RTF، RAIN و…
• استفاده از تکنیکهای پیشرفته مانند Prompting Shot-Few و Prompting based-Context
• به کارگیری هوش مصنوعی در کسب و کارها مثل امور مالی، فروش، بازاریابی، تحلیل داده و مدیریت بحران
• طراحی جریان های کاری چندمرحلهای مبتنی بر هوش مصنوعی

پیشنیاز

ویندوز و اینترنت

سرفصل

مبانی مهندسی پرامپت
Foundations of Prompt Engineering
• تعریف مهندسی پرامپت و جایگاه آن در استفاده حرفهای از هوش مصنوعی
Definition of prompt engineering and its role in professional AI usage
• اهمیت پرامپت نویسی در صنعت، سازمان و کسبوکار مدرن
Importance of prompting in modern industry, organizations, and
business
• پرامپتنویسی بهعنوان ترکیبی از هنر، علم، منطق و ساختار
Prompting as a combination of art, science, logic, and structure
• آشنایی با مدلهای زبانی بزرگ و نحوه تولید پاسخ و انتخاب آنها
Introduction to Large Language Models and how they generate
responses
• شناخت محدودیتها، خطاها، سوگیری ها و نیاز به کنترل خروجی
Understanding limitations, errors, biases, and the need for output
control

اصول کلیدی ارتباط مؤثر با هوش مصنوعی
Core Principles of Effective Communication with AI
• وضوح، دقت و هدفگذاری در طراحی پرامپت
Clarity, precision, and goal-setting in prompt design
• تعیین نقش، لحن، مخاطب، هدف و محدودیتها
Defining role, tone, audience, objective, and constraints
• خطاهای رایج در پرامپتنویسی و روش اصالح آن ها
Common prompting mistakes and how to fix them
• هدایت مدل به سمت پاسخهای ساختاریافته و قابل استفاده
Guiding the model toward structured and usable outputs
• تمرین عملی: تبدیل درخواستهای مبهم به پرامپتهای حرفهای
Practical exercise: Transforming vague requests into professional
prompts

چارچوب های پرامپ نویسی و کاربرد های آن.
Prompt Engineering Frameworks and Their Applications
• چارچوب های سریع و وظیفه محور
Fast and Task-Oriented Frameworks
• چهار چوب های پیشرفته متمرکز بر محتوا و مخاطب
Advanced Frameworks Focused on Content and Audience
• چهار چوب های ترکیبی
Hybrid Frameworks
• Role: تعریف نقش حرفهای برای مدل
Role: Defining a professional persona for the model
• Task: تعیین دقیق وظیفه و خروجی مورد انتظار
Task: Defining the exact task and expected output
• Format: تعیین قالب پاسخ، جدول، گزارش، فهرست یا متن تحلیلی
Format: Defining response format such as table, report, list, or analysis
• تمرین عملی: طراحی پرامپتهای مدیریتی، تحلیلی و محتوایی با RTF
Practical exercise: Designing managerial, analytical, and content
prompts using RTF

… و D-R-E-A-M ، RAIN پیشرفته های چارچوب
Advanced Frameworks: RAIN ، D-R-E-A-M
• معرفی چارچوب RAIN برای پرامپتنویسی دادهمحور
Introduction to the RAIN framework for data-driven prompting
• استفاده از داده، زمینه و محدودیتها برای تولید خروجی دقیقتر
Using data, context, and constraints to produce more accurate outputs
• معرفی چارچوب M-A-E-R-D و کاربرد آن در سناریوهای حرفهای
Introduction to the D-R-E-A-M framework and its professional
applications
• بررسی مبانی روانشناختی و شناختی چارچوب های ساختاریافته
Exploring the psychological and cognitive foundations of structured
frameworks
• تمرین عملی: انتخاب چارچوب مناسب برای سناریوهای مختلف
Practical exercise: Selecting the right framework for different scenarios

کاربردهای عملی در کسب وکار و امور مالی
Practical Applications in Business and Finance
• کاربرد هوش مصنوعی در مدیریت مالی شخصی و سازمانی
Using AI in personal and organizational financial management
• طراحی پرامپت برای بودجه بندی و تحلیل هزینهها
Designing prompts for budgeting and cost analysis
• شناسایی نشتیهای مالی و فرصتهای بهینهسازی منابع
Identifying financial leaks and resource optimization opportunities
• کاربرد AI در تصمیمسازی مالی و تحلیل سناریوها
Using AI for financial decision support and scenario analysis
• مطالعه موردی: برنامهریزی سفر، منابع، هزینه و زمان
Case study: Travel, resource, cost, and time planning

بهینهسازی فروش و بازاریابی
Sales and Marketing Optimization
• استفاده از هوش مصنوعی در فرایند فروش B2B
Using AI in B2B sales processes
• تحلیل رفتار مشتری و استخراج بینشهای فروش
Analyzing customer behavior and extracting sales insights
• طراحی پرامپت برای تدوین پیشنهاد فروش و سناریوهای مذاکره
Designing prompts for sales proposals and negotiation scenarios
• گزارش دهی KPI و تحلیل عملکرد کمپینها
KPI reporting and campaign performance analysis
• تمرین عملی: ساخت پرامپت برای کمپین تبلیغاتی و تحلیل بازار
Practical exercise: Building prompts for advertising campaigns and
market analysis

تکنیک های پیشرفته – پرامپت نویسی چندنمونه ای
Advanced Techniques – Few-Shot Prompting
• مفهوم Learning Context-In و نقش مثالها در بهبود خروجی
Understanding In-Context Learning and the role of examples in
improving outputs
Few-Shot Prompting و One-Shot ،Zero-Shot تفاوت•
Differences between Zero-Shot, One-Shot, and Few-Shot Prompting
• طراحی نمونه های مؤثر برای آموزش الگوی پاسخ به مدل
Designing effective examples to guide response patterns
• افزایش قابلیت اعتماد و ثبات خروجی با مثالهای مناسب
Improving reliability and consistency through proper examples
• تمرین عملی: ساخت پرامپتهای چندنمونه ای برای کاربردهای واقعی
Practical exercise: Creating Few-Shot prompts for real use cases

مدیریت بحران و زنجیره سازی گامبهگام
Crisis Management and Step-by-Step Chaining
• کاربرد پرامپتنویسی در روابط عمومی و مدیریت بحران
Using prompting in public relations and crisis management
• تقسیم مسائل پیچیده به گامهای کوچک و قابل کنترل
Breaking complex problems into small and manageable steps
• طراحی جریان کارهای چندمرحلهای با کمک AI
Designing multi-stage AI-assisted workflows
• تدوین پاسخهای سازمانی، پیامهای رسمی و برنامه اقدام
Developing organizational responses, official messages, and action
plans
• ارائه، بررسی و جمع بندی پروژههای پایانی
Presentation, review, and final project wrap-up

مدرس / مدرسین