فرمول CO-STAR در پرامپتنویسی
فرمول CO-STAR در پرامپتنویسی — راهنمای فارسی از مجموعهٔ «پرامپتنویسی» در وبلاگ آیرا. بازنویسیشده با تمرکز روی کاربر ایرانی و روایت شناخت پیوسته.
یه پرامپت خوب انگار داری با یه متخصص صحبت میکنی که هم موضوع رو میدونه، هم دقیقاً میفهمه چی میخوای. پرامپت بد انگار داری با یه بیگانه حرف میزنی و امیدواری معجزه بشه. فرمول CO-STAR یه چارچوب ساده ولی موثره که به خروجیهای AI کمک میکنه به دستهی اول نزدیکتر بشن.
CO-STAR مخفف چیه؟
CO-STAR از شش عنصر تشکیل میشه:
| حرف | انگلیسی | فارسی |
|---|---|---|
| C | Context | زمینه |
| O | Objective | هدف |
| S | Style | سبک |
| T | Tone | لحن |
| A | Audience | مخاطب |
| R | Response format | قالب پاسخ |
این فرمول اصلاً توسط Joy Huang، یه مهندس دادهٔ سنگاپوری، در سال ۲۰۲۳ مطرح شد وقتی داشت برای مسابقهٔ prompt engineering آماده میشد. بعد از اینکه مقالهاش وایرال شد، به یه استاندارد غیررسمی تبدیل شد.
هر عنصر چیه و چرا مهمه
Context — زمینه
AI هیچ چیز از موقعیت تو نمیدونه مگه اینکه بگی. «بنویس یه ایمیل به مشتری» با «بنویس یه ایمیل به مشتریای که سه هفته پیش یه باگ جدی توی سیستم ما پیدا کرد و الان منتظر جواب ماست» دو دنیای متفاوتن.
مثال Context ضعیف: «مقالهای دربارهی هوش مصنوعی بنویس»
مثال Context قوی: «دارم یه بلاگ فنی برای توسعهدهندههای ایرانی مینویسم. میخوام مقالهای بنویسم که تفاوت LLMها با جستوجوی سنتی رو توضیح بده — برای کسایی که با برنامهنویسی آشنان ولی با AI کار نکردن.»
Objective — هدف
«هدف» با «موضوع» فرق داره. موضوع چیه؟ هدف چیه میخوای با این محتوا به دست بیاری؟
- موضوع: هوش مصنوعی در پزشکی
- هدف: متخصصان پزشکی رو متقاعد کنم که پذیرش ابزارهای AI در کلینیکشون رو جدی بگیرن
وقتی هدف رو صریح بیان میکنی، AI میتونه استدلالها و مثالهایی انتخاب کنه که واقعاً به اون هدف خدمت میکنن.
Style — سبک
آیا میخوای تحلیلی باشه یا روایی؟ آکادمیک یا خودمانی؟ با مثالهای زیاد یا مفهومی؟ این رو بگو وگرنه AI یه سبک میانه انتخاب میکنه که شاید برای هیچکس ایدهآل نباشه.
مثال: «به سبک مقالات Substack بنویس — غیررسمی، با مثالهای واقعی، بدون اصطلاحات غیرضروری»
Tone — لحن
لحن با سبک فرق داره. سبک دربارهی ساختار و فرمته؛ لحن دربارهی احساسه. یه مقاله میتونه تحلیلی (سبک) ولی گرم و دلسوزانه (لحن) باشه.
گزینهها: رسمی، صمیمی، انگیزشی، انتقادی، آموزشی، طنزآمیز، محتاطانه
Audience — مخاطب
«مخاطب عمومی» یه مخاطب واقعی نیست. هرچه مخاطب رو دقیقتر تعریف کنی، خروجی مفیدتر میشه.
ضعیف: برای همه
قوی: «برای مدیران میانی شرکتهای فناوری که با Python آشنان ولی هیچوقت LLM مستقیم deploy نکردن»
Response Format — قالب پاسخ
میخوای لیست باشه یا پاراگراف؟ جدول؟ کد؟ چقدر طولانی؟ آیا باید header داشته باشه؟ این رو نگی، AI حدس میزنه — و اکثر مواقع با تو هماهنگ نیست.
یه مثال کامل CO-STAR
فرض کن میخوای برای تیمت توضیح بدی چرا باید روی بدهی فنی سرمایهگذاری کنه.
پرامپت بدون CO-STAR:
یه ایمیل بنویس دربارهی بدهی فنی
پرامپت با CO-STAR:
Context: من CTO یه استارتاپ ۱۵ نفره هستم. تیم توسعه داره
۶۰٪ وقتش رو صرف باگهای ناشی از بدهی فنی قدیمی میکنه.
مدیرعامل مقاوم به اختصاص یه sprint کامل برای refactor هست.
Objective: مدیرعامل رو متقاعد کنم که یه sprint ۲ هفتهای
برای پاکسازی بدهی فنی، بلندمدت ROI مثبت داره.
Style: استدلالمحور، با اعداد و مثالهای ملموس
Tone: محترمانه ولی قاطع — نه التماس، نه تهدید
Audience: مدیری که با فناوری آشناست ولی به فریمبندی
مالی/ریسک بهتر جواب میده
Response Format: ایمیل کوتاه (حداکثر ۲۵۰ کلمه) با یه
جدول مقایسهای هزینهها
تفاوت خروجی؟ زمین تا آسمان.
CO-STAR برای کدنویسی
این فرمول فقط برای محتوای نوشتاری نیست. در کدنویسی هم کار میکنه:
Context: دارم یه REST API با FastAPI مینویسم.
دیتابیس PostgreSQL با SQLAlchemy 2.0 async هست.
Objective: یه endpoint برای دریافت لیست محصولات با
pagination، filtering، و sorting بنویس.
Style: کد تمیز با type hints کامل، بدون magic string
Tone: Production-ready، نه proof-of-concept
Audience: این کد رو یه تیم ۳ نفره نگهداری میکنه
Response Format: کد کامل + توضیح هر بخش + مثال request/response
کی نباید از CO-STAR استفاده کرد
صادقانه بگم: برای کارهای ساده overfill هست. اگه میخوای بپرسی «معادل فارسی این کلمه چیه؟» یا «این regex رو explain کن»، نیازی به CO-STAR نداری.
CO-STAR وقتی میدرخشه که:
- خروجی طولانی میخوای
- برای مخاطب خاصی مینویسی
- قرار نیست خودت ویرایش زیادی بکنی
- قبلاً خروجیهای AI رو ناامیدکننده دیدی
فرمولهای مشابه
CO-STAR تنها فرمول نیست. فرمول RACE (Role, Action, Context, Expectation) رویکرد کمی متفاوتی داره. Chain-of-thought prompting هم برای مسائل استدلالی مکمل خوبیه.
یه نکتهٔ جالب: هرچه AI بیشتر تو و سبک کارت رو بشناسه، کمتر نیاز داری همهٔ این عناصر رو هر بار صریح بگی. این ایدهٔ شناخت پیوسته هست — که context تو رو به تدریج میسازه و نگه میداره.
همچنین بخوان
ادامهٔ مسیر
همهٔ مقالهها ←
پرامپت چیست؟
پرامپت چیست؟ — راهنمای فارسی از مجموعهٔ «پرامپتنویسی» در وبلاگ آیرا. بازنویسیشده با تمرکز روی کاربر ایرانی و روایت شناخت پیوسته.
فرمول RACE در پرامپتنویسی
فرمول RACE در پرامپتنویسی — راهنمای فارسی از مجموعهٔ «پرامپتنویسی» در وبلاگ آیرا. بازنویسیشده با تمرکز روی کاربر ایرانی و روایت شناخت پیوسته.
System prompt چیست
System prompt چیست — راهنمای فارسی از مجموعهٔ «پرامپتنویسی» در وبلاگ آیرا. بازنویسیشده با تمرکز روی کاربر ایرانی و روایت شناخت پیوسته.
Few-shot prompting
Few-shot prompting — راهنمای فارسی از مجموعهٔ «پرامپتنویسی» در وبلاگ آیرا. بازنویسیشده با تمرکز روی کاربر ایرانی و روایت شناخت پیوسته.