۱۰۰ پرامپت تولید محتوای وب بر پایه SEO، GEO و AEO

تحولات بنیادین در سازوکارهای بازیابی اطلاعات و پردازش زبان طبیعی، مرزهای سنتی تولید محتوا برای وب را به کلی دگرگون کرده است. گذار از موتورهای جستجوی کلاسیکِ مبتنی بر نمایه‌سازی اسناد و گراف پیوندها به سمت موتورهای مولد و پاسخگو، متخصصان بازاریابی محتوا را با یک اکوسیستم سه‌گانه مواجه ساخته است. در این فضا، موفقیت پایدار وب‌سایت‌ها نیازمند همگرایی سیستماتیک میان سئوی کلاسیک (SEO)، بهینه‌سازی موتورهای مولد (GEO) و بهینه‌سازی موتورهای پاسخگو (AEO) است. درک عمیق تمایزات ساختاری و الگوریتمی این سه رویکرد، پیش‌نیاز طراحی پرامپت‌هایی است که خروجی مدل‌های زبانی بزرگ را به محتوایی با قابلیت جذب رتبه ارگانیک، تصاحب جایگاه صفر و دریافت استناد در پاسخ‌های ترکیبی هوش مصنوعی تبدیل می‌کنند.

تحلیل بنیادین و ماتریس مقایسه‌ای پارادایم‌های سه‌گانه جستجو

موتورهای جستجوی سنتی مانند گوگل با اتکا بر الگوریتم‌های رتبه‌بندی پیوندها، تطابق کلمات کلیدی، اعتبار دامنه و سیگنال‌های E-E-A-T به کاربر فهرستی از صفحات وب مرتبط را پیشنهاد می‌دهند تا او خود به استخراج پاسخ بپردازد. در مقابل، سیستم‌های مبتنی بر بهینه‌سازی موتورهای مولد (GEO)، که پژوهش‌های رسمی دانشگاه پرینستون چارچوب نظری آن را معرفی کردند، بر بهینه‌سازی محتوا برای حضور در پاسخ‌های ترکیبی ابزارهایی نظیر Perplexity، ChatGPT Search و Google AI Overviews تمرکز دارند. این موتورها از طریق مکانیزم شکستن کوئری به زیرکوئری‌های چندگانه (Query Fan-out) و سیستم‌های بازیابی تقویت‌شده با تولید (RAG)، قطعات متنی را استخراج کرده و با سنتز چندمنبعی، پاسخ نهایی را همراه با پیوند منبع تولید می‌کنند. شواهد تجربی این حوزه اثبات کرده‌اند که افزودن فاکتورهایی مانند آمار عددی دقیق، نقل‌قول‌های معتبر و ارجاعات مستند، نرخ استنادپذیری محتوا در موتورهای هوش مصنوعی را بین ۳۰ تا ۴۰ درصد ارتقا می‌دهد.

از سوی دیگر، بهینه‌سازی موتورهای پاسخگو (AEO) بر تصاحب مستقیم پاسخ‌ها در کمترین زمان ممکن متمرکز است. این سازوکار نه‌تنها اسنیپت‌های برجسته گوگل (Featured Snippets) و پاسخ‌های صوتی دستیارهای هوشمند را هدف قرار می‌دهد، بلکه پاسخ‌های مستقل در موتورهای پاسخ‌محور را بازنمایی می‌کند. اصل بنیادین در AEO، به‌کارگیری رویکرد «پاسخ مستقیم در ابتدای بخش» یا BLUF (Bottom Line Up Front) است که طی آن پاسخی شفاف، قطعی و پیراسته از کلمات اضافه در ۳۰ تا ۶۰ کلمه اولیه هر بخش تعبیه می‌شود. همچنین داده‌های تحلیلی نشان می‌دهند که نرخ هم‌پوشانی میان نتایج ده پیوند اول گوگل و پیوندهای استنادشده در هوش مصنوعی رو به کاهش گذاشته است؛ به‌طوری‌که بخش درخور توجهی از صفحات مرجع در سیستم‌های هوش مصنوعی اساساً فاقد رتبه‌های سنتی برتر هستند. جدول زیر تفکیک شاخص‌های ساختاری این سه رویکرد را نشان می‌دهد. 

  

تحلیل پروانه‌های ثبت اختراع موتورهای جستجو در حوزه «بهره اطلاعاتی» (Information Gain Score) نشان می‌دهد که الگوریتم‌های کنونی به صفحات وب بر اساس میزان اطلاعات جدید، منحصربه‌فرد و متفاوتی که نسبت به سایر صفحات بررسی‌شده ارائه می‌دهند پاداش اعطا می‌کنند. بازنویسی صرف مقالات رتبه‌های اول وب یا آنچه محتوای توافقی (Consensus Content) نامیده می‌شود، با افت امتیاز مواجه می‌گردد؛ زیرا کاربر با مطالعه آن سند جدید به داده مفیدی بیش از آنچه قبلاً دیده است دست نمی‌یابد. بنابراین، پیاده‌سازی مهندسی پرامپت در این مقطع نباید به بازتولید ادبیات رایج ختم شود، بلکه باید با ادغام چارچوب‌های شناختی نظیر RTF (نقش، وظیفه، قالب) و CREATE، مدل زبانی را به سمت تولید داده‌های اثباتی و ساختارهای قابل استخراج ماشینی سوق دهد.   

مجموعه ۱۰۰ پرامپت استراتژیک برای تولید مقاله وب

مجموعه پیش‌رو حاصل فرموله‌سازی نیازهای چندبعدی الگوریتم‌های هوش مصنوعی و خزنده‌های معنایی است. در تمام پرامپت‌ها متغیرهای داخل قلاب نظیر [موضوع]، [کلمه کلیدی] و [مخاطب] توسط مجری محتوا با اطلاعات ویژه هر کسب‌وکار پر می‌شوند.

فصل اول: استراتژی، درک نیت جستجو و معماری موجودیت‌ها (پرامپت‌های ۱ تا ۱۵)

پرامپت ۱: ماتریس تفکیک نیت چهارگانه جستجو

نقش: استراتژیست ارشد تحلیل نیت جستجو در موتورهای بازیابی اطلاعات.

ورودی: عبارت کلیدی: [کلمه کلیدی]، نوع کسب‌وکار: [حوزه فعالیت].

دستورالعمل: این عبارت را به ۴ نیت ساختاری (اطلاعاتی، ناوبری، تجاری، تراکنشی) تجزیه کن. برای هر نیت، پیش‌فرض ذهنی کاربر، سه سوال بنیادین در ذهن او و سطح بلوغ اطلاعاتی مخاطب را استخراج نما.

فرمت خروجی: جدول مارک‌داون شامل: بعد نیت، پیش‌فرض ذهنی، سوال کلیدی، اقدام بعدی کاربر در قیف فروش.

پرامپت ۲: استخراج موجودیت‌های هستی‌شناسی گراف دانش

نقش: مهندس وب معنایی و متخصص آنتولوژی داده‌ها.

ورودی: مفهوم کلیدی مقاله: [موضوع مقاله].

دستورالعمل: تمامی موجودیت‌های معنایی (Entities)، کلاس‌ها، صفات و روابط وابسته به موضوع را بر پایه هستی‌شناسی گوگل استخراج کن. مفاهیم را در سه سطح نام‌های خاص، اصطلاحات فنی و ابعاد انتزاعی دسته‌بندی نما.

فرمت خروجی: لیست تفکیک‌شده به ۳ بخش همراه با ذکر نحوه ارتباط معنایی هر موجودیت با کلمه کلیدی اصلی.

پرامپت ۳: شبیه‌سازی گسترش کوئری موتورهای مولد (Query Fan-out)

نقش: معمار بازیابی اطلاعات در سامانه‌های هوش مصنوعی مولد.

ورودی: کوئری مبنا: [پرسش اصلی مخاطب].

دستورالعمل: شبیه‌سازی کن که یک موتور مولد، چگونه این پرسش کلان را برای بازیابی عمیق به ۸ تا ۱۰ زیرکوئری مستقل تجزیه می‌کند؛ حوزه‌های تعریف، مقایسه، عیب‌یابی و پیش‌نیازها باید کاملاً پوشش داده شوند.   

فرمت خروجی: لیست شماره‌دار زیرکوئری‌ها به همراه نوع اطلاعاتی که مدل برای هر زیرکوئری استخراج می‌کند.

پرامپت ۴: مهندسی معکوس الگوهای تصاحب جایگاه صفر

نقش: تحلیل‌گر ارشد AEO و رفتارشناسی SERP.

ورودی: عبارت جستجو: [کلمه کلیدی]، رقبای رتبه ۱ تا ۳: [نشانی رقبای برتر].

دستورالعمل: ساختار پاسخ‌های ارائه‌شده در فیچرد اسنیپت برای این موضوع را بررسی و مشخص کن چرا این پاراگراف‌ها گزینش شده‌اند. پارامترهای طول کاراکتر، نوع فعل‌ها، جایگاه کلمات ربط و ساختار جملات را مهندسی معکوس نما.

فرمت خروجی: چک‌لیست فرمولاری ۵ بندی برای بازتولید ساختار جهت کسب فیچرد اسنیپت.

پرامپت ۵: ممیزی شکاف بهره اطلاعاتی (Information Gain)

نقش: بازرس کیفی محتوا و ارزیاب تمایز اسناد متنی.

ورودی: چکیده محتوای صفحات اول تا پنجم گوگل در موضوع: [موضوع مقاله].

دستورالعمل: نقاط اشتراک اجتناب‌ناپذیر اما تکراری (Commodity Layer) رقبای حاضر را معین کن. سپس ۵ زاویه دید ناگفته، داده‌های تحلیلی جدید و استدلال‌های متضاد که در سطح وب بررسی نشده‌اند را استخراج نما.   

فرمت خروجی: تحلیل دو بخشی: الف) محتوای توافقی تکراری، ب) فرصت‌های اطلاعات مازاد با پتانسیل تمایز بالا.

پرامپت ۶: استخراج نیت‌های مقایسه‌ای پرریسک خریدار

نقش: تحلیل‌گر بازاریابی داده‌محور و رفتار مصرف‌کننده صنعتی.

ورودی: دو راهکار، ابزار یا محصول رقیب: [مورد الف] و [مورد ب].

دستورالعمل: تمامی سوالات اصطکاک‌زا و پارامترهای تصمیم‌گیری خریدار نهایی (هزینه پنهان، استهلاک، مقیاس‌پذیری) را فرموله کن؛ مواردی که مقالات بازاریابی رایج عموماً از پاسخ‌دهی شفاف به آن‌ها طفره می‌روند.

فرمت خروجی: چارچوب مقایسه‌ای شامل ۱۰ سوال متمایزکننده برای هدایت تصمیم نهایی مخاطب.

پرامپت ۷: داده‌کاوی پرسش‌های خام اجتماعات کاربری

نقش: مردم‌نگار دیجیتال و تحلیل‌گر دغدغه‌های کاربران در وب باز.

ورودی: موضوع تخصصی: [موضوع تخصصی].

دستورالعمل: با شبیه‌سازی فروم‌های تخصصی، بخش نظرات اجتماعات کاربری و تیکت‌های پشتیبانی، ۱۵ پرسش و اصطکاک پرتکرار را که در مقالات سئو به آنها پرداخته نمی‌شود استخراج کن.   

فرمت خروجی: جدول مارک‌داون شامل: دغدغه واقعی کاربر، ادبیات محاوره‌ای جستجو، گزاره فنی برطرف‌کننده مشکل.

پرامپت ۸: تحلیل هم‌آیی واژگان معنایی (Co-occurrence)

نقش: زبان‌شناس محاسباتی و متخصص مدل‌های تعبیه متن.

ورودی: مفهوم مرکزی: [مفهوم کلیدی].

دستورالعمل: فهرستی از ۲۵ واژه هم‌آیند طبیعی و واژگان تخصصی هم‌بسته تولید کن که الگوریتم‌های هوش مصنوعی برای اعتبارسنجی عمق معنایی زمینه متن، انتظار مشاهده آن‌ها را دارند.

فرمت خروجی: فهرست واژگان همراه با یک جمله نمونه برای تبیین نحوه ادغام طبیعی هر اصطلاح.

پرامپت ۹: تدوین درخت هستی‌شناسی پرسش‌ها

نقش: طراح معماری داده‌ها و ساختارهای مفهومی.

ورودی: عنوان حوزه: [موضوع محوری].

دستورالعمل: یک ساختار درختی از پرسش‌های مرتبط طراحی کن؛ از سطحی‌ترین پرسش (چیستی و مرزهای تعریف) تا لایه‌های میانی (چرایی و نحوه اقدام) و لایه عمیق (پیش‌بینی آینده و آسیب‌شناسی).

فرمت خروجی: ساختار شاخه‌ای تودرتو تفکیک‌شده در ۴ سطح ادراکی.

پرامپت ۱۰: پیش‌بینی گام بعدی سفر جستجو (Next Query Prediction)

نقش: استراتژیست بهینه‌سازی مسیر کاربر و رفتارشناسی جستجو.

ورودی: عبارت جستجوی ورودی: [کلمه کلیدی آغازین].

دستورالعمل: ۴ پرسش متوالی بعدی را که ذهن کاربر پس از رفع ابهام در این صفحه مطرح خواهد کرد تدوین کن. راهکار لینک‌سازی داخلی این گام‌ها را مشخص نما.  

فرمت خروجی: جریان متوالی ۴ مرحله‌ای شامل: کوئری بعدی، انگیزه جستجو، متن انکرتکست پیشنهادی.

پرامپت ۱۱: ساختاردهی ارزیابی E-E-A-T موضوعی

نقش: ارزیاب ارشد راهنماهای کیفیت موتورهای جستجو.

ورودی: حوزه تخصصی مقاله: [موضوع و حیطه فعالیت].

دستورالعمل: مشخص کن برای نمایان‌سازی تجربه عینی، تخصص فنی، اقتدار حوزه و قابلیت اعتماد در این موضوع خاص، چه گزاره‌ها و شواهدی باید در بدنه مقاله تعبیه گردند.   

فرمت خروجی: سند الزامات محتوایی تفکیک‌شده در ۴ محور E-E-A-T به همراه نمونه عبارات اثبات‌کننده.

پرامپت ۱۲: استخراج پارامترهای سنتز چندمنبعی RAG

نقش: مهندس پایگاه‌های داده برداری و سیستم‌های RAG.

ورودی: موضوع تخصصی: [موضوع علمی یا تجاری].

دستورالعمل: اگر یک سامانه هوش مصنوعی بخواهد از میان ۵ منبع وب، یک پاسخ منسجم سنتز کند، چه بخش‌هایی از داده‌های این صفحه باید به صورت گزاره‌های قطعی و شاخص‌های آماری باشند تا متن به عنوان ستون اصلی سنتز برگزیده شود.   

فرمت خروجی: الگوی جمله‌بندی داده‌محور برای بخش‌های اطلاعاتی مستقل.

پرامپت ۱۳: تحلیل گزاره‌های زبانی جستجوی گفتاری

نقش: پژوهشگر پردازش صوت و سیستم‌های مکالمه‌ای.

ورودی: حوزه محصول یا خدمت: [موضوع مقاله].

دستورالعمل: ده نمونه عبارت که کاربران به شکل کلامی از دستیارهای صوتی درباره این موضوع می‌پرسند را تدوین کن؛ وجه تمایز ساختار نحو زبان گفتاری با کلیدواژه‌های تایپی را تحلیل نما.

فرمت خروجی: جدول مقایسه عبارت تایپی سئو در برابر گزاره صوتی AEO همراه با ساختار پاسخ کوتاه.

پرامپت ۱۴: تحلیل دیدگاه‌های انتقادی و غیرمتعارف صنعت

نقش: منتقد ارشد الگوهای رایج صنعتی.

ورودی: فرضیه پذیرفته‌شده بازار: [ادعای رایج در حوزه کاری].

دستورالعمل: ۳ دیدگاه متمایز، مستدل و انتقادی در مخالفت با این فرضیه رایج توسعه بده که متکی بر ارزیابی ریسک‌های پنهان یا داده‌های عملیاتی باشند تا ارزش بهره اطلاعاتی مقاله ارتقا یابد.   

فرمت خروجی: گزارش تحلیلی دربردارنده فرضیه سنتی، ادله نقض، و رویکرد جایگزین.

پرامپت ۱۵: تدوین پروفایل ارتعاش واژگانی پرسونا

نقش: روانشناس زبان و تحلیل‌گر مخاطبان سازمانی.

ورودی: پرسونای هدف: [مشخصات دقیق مخاطب]، موضوع: [موضوع مقاله].

دستورالعمل: ساختار واژگانی، سطح تحمل اصطلاحات فنی، آستانه پذیرش ادعاها و کلمات کلیدی اعتمادساز برای این پرسونا را تحلیل کن تا از انشای عمومی و خسته‌کننده پرهیز شود.

فرمت خروجی: راهنمای سبک زبانی نویسنده شامل واژگان مجاز، اصطلاحات ممنوع و لحن بهینه.

فصل دوم: استخراج سرفصل‌ها، تقطیع برداری و بریف محتوا (پرامپت‌های ۱۶ تا ۳۰)

پرامپت ۱۶: مهندسی یکپارچه عناوین برای سه‌گانه SEO/GEO/AEO

نقش: معمار ارشد معماری اطلاعات محتوا.

ورودی: عبارت کلیدی اصلی: [کلمه کلیدی]، موضوعات مرتبط: [لیست سرفصل‌های خام].

دستورالعمل: ساختار عناوین مقاله را از H1 تا H4 طراحی کن؛ عناوین باید واجد کلمات کلیدی، عبارات پرسشی کامل برای بازیابی پاسخ، و بخش‌های گزاره‌محور جهت استناد سامانه‌های مولد باشند.   

فرمت خروجی: سلسله‌مراتب سرفصل‌ها با علامت‌گذاری هدف هر عنوان (SEO یا GEO یا AEO).

پرامپت ۱۷: تدوین بریف محتوایی ضدآسمان‌خراش

نقش: استراتژیست ارشد چگالی داده و ممیزی اطناب محتوا.

ورودی: موضوع: [موضوع مقاله].

دستورالعمل: بریفی طراحی کن که از تکنیک منسوخ طولانی‌سازی بی‌فایده متن دوری کند. تمرکز بریف باید بر فشردگی داده‌ها در هر پاراگراف، ارائه مستقیم پاسخ و ارائه فکت‌های متمایز استوار باشد.   

فرمت خروجی: جدول بریف محتوا شامل: تیتر، پرسش اصلی، داده اثباتی اجباری، سقف مجاز کلمات.

پرامپت ۱۸: ساختاربندی بلوک‌های معنایی مستقل (Semantic Chunking)

نقش: معمار پایگاه‌های داده در سیستم‌های RAG.

ورودی: عناوین پیش‌نویس مقاله: [عناوین بخش‌ها].

دستورالعمل: این عناوین را به گونه‌ای بازآرایی کن که هر زیربخش H2 بین ۲۰۰ تا ۴۰۰ کلمه، اطلاعاتی کاملاً مستقل و بی‌نیاز از ارجاع به سایر بخش‌ها ارائه دهد تا در سیستم‌های تقطیع هوش مصنوعی قابل استخراج باشد.   

فرمت خروجی: بازطراحی سرفصل‌ها با مشخص‌سازی گزاره مستقل هر بخش.

پرامپت ۱۹: مهندسی توزیع استراتژی پاسخ در خط اول (BLUF Layout)

نقش: متخصص ساختارهای نگارش معکوس و AEO.

ورودی: موضوع بخش‌های فنی: [عناوین بخش‌های مقاله].

دستورالعمل: در زیر هر عنوان H2، الگوی پیاده‌سازی قانون پاسخ در خط اول (BLUF) را تعریف کن؛ نویسنده باید موظف شود پاسخ نهایی را در دو جمله اول ارائه داده و سپس به تحلیل تکمیلی بپردازد.   

فرمت خروجی: ساختار تیترها همراه با قالب پرکردن دو جمله آغازین.

پرامپت ۲۰: بریف تعبیه شواهد چندگانه اثباتی

نقش: دبیر مقالات تخصصی و مستندسازی علمی.

ورودی: ساختار محتوای مقاله: [ساختار فعلی عناوین].

دستورالعمل: برای هر بخش، نوع داده مکمل (آمار عددی، ارجاع به سند پژوهشی، نقل‌قول صاحب‌نظر، جدول مقایسه، یا نمونه عینی) را مشخص کن تا اعتبار برای مدل‌های هوش مصنوعی ایجاد شود.   

فرمت خروجی: جدول ماتریسی شامل: سرفصل بخش، نوع شاهد اثباتی الزامی، منبع استنادی پیشنهادی.

پرامپت ۲۱: معماری بخش‌های هم‌خوان با People Also Ask

نقش: استراتژیست استخراج ساختارهای SERP.

ورودی: پرسش ریشه‌ای کاربر: [پرسش بنیادین].

دستورالعمل: بر پایه زنجیره منطقی جستجو، ۶ سرفصل فرعی H3 طراحی کن که دقیقاً با الگوهای رایج پرسش در گوگل مطابقت داشته باشند و زمینه را برای پاسخ کوتاه فراهم کنند.   

فرمت خروجی: لیست سرفصل‌های H3 همراه با خطوط راهنمای پاسخ‌دهی مختصر.

پرامپت ۲۲: طراحی گام‌های متوالی برای اسکیما HowTo

نقش: تحلیل‌گر فرایندهای اجرایی و استانداردهای اسکیما.

ورودی: فرآیند عملیاتی مقاله: [نام فرایند یا کار عملی].

دستورالعمل: مراحل را به ترتیب منطقی و بدون هم‌پوشانی به عناوین گام‌به‌گام با افعال امری استاندارد تبدیل کن تا منطبق بر دستورالعمل‌های رسمی اسکیما باشند.   

فرمت خروجی: فهرست مراحل به صورت گام X: [فعل امری] + [اقدام] همراه با نیازمندی‌های هر گام.

پرامپت ۲۳: طراحی بریف مقاله مقایسه‌ای جامع

نقش: ارزیاب بی‌طرف محصولات و سیستم‌ها.

ورودی: دو رویکرد یا سامانه رقیب: [گزینه اول] و [گزینه دوم].

دستورالعمل: سرفصل‌های یک سند مقایسه‌ای را به گونه‌ای تدوین کن که شامل معیارهای سنجش فنی، سناریوهای مزیت و شکست هر ابزار، تحلیل هزینه‌های پنهان و جدول ماتریسی خوانش ماشینی باشد.   

فرمت خروجی: فهرست سرفصل‌های تدوینی به همراه متغیرهای جدول مقایسه‌ای.

پرامپت ۲۴: بریف تعبیه کادرهای نکات کلیدی (Takeaways)

نقش: طراح تجربه مطالعه سریع و اسکن محتوا.

ورودی: ساختار مقاله: [عناوین مقاله].

دستورالعمل: نقاط توقف چشمی و کادرهای برجسته را در ساختار سرفصل‌ها تعبیه کن تا کاربر انسانی و سامانه‌های هوش مصنوعی، پیام‌های کلیدی را سریعاً استخراج نمایند.   

فرمت خروجی: فهرست جایگاه‌های تعبیه کادرهای برجسته همراه با موضوع هر کادر.

پرامپت ۲۵: ساختاردهی مطالعات موردی مستند

نقش: تدوین‌گر نمونه‌های تجربی و مستندات میدانی.

ورودی: تخصص مورد آموزش در مقاله: [موضوع مقاله].

دستورالعمل: دو بخش برای سناریوهای واقعی در سرفصل‌ها تعبیه کن تا اصالت تجربه (Experience) را در راستای اهداف E-E-A-T به بالاترین سطح برساند.   

فرمت خروجی: سرفصل H2 مشخص برای سناریوی واقعی شامل ۴ جزء: چالش اولیه، راهکار، روند اجرا، نتایج سنجش‌پذیر.

پرامپت ۲۶: ماتریس ساختاری عیب‌یابی شرطی

نقش: مهندس پشتیبانی فنی و نگارش اسناد راهنما.

ورودی: خطاهای رایج در حوزه: [نام حوزه تخصصی].

دستورالعمل: عناوین بخش خطایابی را بر مبنای منطق «نشانه اولیه -> ریشه سیستمی -> راهکار فوری» سازماندهی کن تا موتورهای پاسخگو سریعاً راهکار را بازیابی کنند.   

فرمت خروجی: دسته‌بندی سلسله‌مراتبی سرفصل‌ها بر اساس نشانه‌های ملموس خطا.

پرامپت ۲۷: سرفصل‌نویسی روندهای تحلیلی آینده

نقش: تحلیل‌گر روندهای فناوری و آینده‌پژوهی.

ورودی: حوزه تخصصی: [موضوع مقاله].

دستورالعمل: سرفصل‌هایی مختص پیامدهای پیش‌رو، تحولات رگولاتوری، و روندهای آتی در رابطه با موضوع طراحی کن تا صفحه در سیستم‌های مولد به عنوان سندی پیشرو تثبیت شود.   

فرمت خروجی: عناوین H2 یا H3 به همراه پرسش‌های بنیادین روندهای پیش‌رو.

پرامپت ۲۸: اولویت‌بندی ساختار بر اساس هرم وارونه

نقش: دبیر تحریریه و مهندس ساختار اطلاعاتی.

ورودی: عناوین پیشنهادی نگارش: [لیست نامرتب عناوین].

دستورالعمل: سرفصل‌ها را بر اساس مدل هرم وارونه مرتب کن؛ حیاتی‌ترین پاسخ و نتیجه‌گیری در ابتدا، تحلیل‌های فنی در میانه، و مباحث تاریخی یا مقدماتی در انتها قرار گیرند.   

فرمت خروجی: ساختار مرتب‌شده همراه با درصد اهمیت اطلاعاتی هر بخش.

پرامپت ۲۹: ممیزی حشو و تکرار در بریف

نقش: ویراستار متون تخصصی و تحلیل‌گر بهره اطلاعاتی.

ورودی: بریف اولیه محتوا: [متن بریف].

دستورالعمل: بخش‌هایی را که مستعد کلی‌گویی و انشای بدون ارزش اطلاعاتی هستند مشخص کرده و راهکارهای بازدارنده برای حفظ فشردگی معنایی تدوین نما.   

فرمت خروجی: فهرست بخش‌های پرریسک همراه با شیوه جایگزینی با داده‌های فکت‌محور.

پرامپت ۳۰: اعتبارسنجی نهایی جامعیت بریف

نقش: بازرس ارشد استانداردهای کیفیت ارزیابی جستجو.

ورودی: بریف ساختار سرفصل‌ها: [فهرست کامل سرفصل‌ها].

دستورالعمل: ساختار را ارزیابی کن تا مشخص شود آیا بدون نیاز به جستجوی مجدد توسط کاربر، نیت او برآورده می‌شود یا خیر؛ کاستی‌های ساختار در پوشش موضوع را گزارش نما.   

فرمت خروجی: کارنامه ارزیابی بریف با امتیاز ۰ تا ۱۰۰ به همراه ۵ اقدام اصلاحی فوری.

فصل سوم: نگارش مقدمه، بدنه و عناصر سئوی سنتی (پرامپت‌های ۳۱ تا ۴۵)

پرامپت ۳۱: نگارش مقدمه با چارچوب PAS و هدایت سریع به پاسخ

نقش: کپی‌رایتر ارشد متون وب و متخصص سئوی درون‌صفحه‌ای.

ورودی: عنوان: [عنوان مقاله]، کلمه کلیدی: [کلمه اصلی]، چالش اصلی مخاطب: [مسئله کاربر].

دستورالعمل: مقدمه‌ای در حدود ۱۶۰ کلمه با مدل مشکل-برانگیختن-راه‌حل (PAS) بنویس. در ۳۰ کلمه اول کلمه کلیدی را به شکل طبیعی درج کن و دقیقاً معین کن چه راهکاری در مقاله تشریح خواهد شد.   

فرمت خروجی: متن نهایی مقدمه آماده انتشار بدون توضیحات مقدماتی.

پرامپت ۳۲: ادغام طبیعی کلمات کلیدی ثانویه بر پایه NLP

نقش: نویسنده تخصصی مقالات وب مسلط به مدل‌های زبانی.

ورودی: پاراگراف پایه: [متن اولیه]، کلمات کلیدی مکمل: [لیست کلمات فرعی].

دستورالعمل: کلمات کلیدی مکمل را در تاروپود متن ادغام کن؛ روانی ساختار جمله نباید خدشه‌دار شود و از تکرار مصنوعی کلمات کاملاً پرهیز گردد.   

فرمت خروجی: متن بازنویسی‌شده با مشخص‌سازی کلمات اضافه شده برای بررسی چگالی معنایی.

پرامپت ۳۳: نگارش توضیحات مفاهیم پیچیده بر پایه هرم تفهیم

نقش: مدرس و نویسنده ساده‌ساز مباحث فنی.

ورودی: مفهوم پیچیده: [نام اصطلاح فنی].

دستورالعمل: مفهوم را در ۳ پاراگراف تشریح کن: پاراگراف اول تعریف بنیادین و بدون ابهام، پاراگراف دوم مکانیزم علمی عملکرد با یک تشبیه هوشمندانه، و پاراگراف سوم کاربرد عملیاتی آن در حل یک چالش تجاری.

فرمت خروجی: سه پاراگراف به هم پیوسته با ساختار متنی استاندارد وب.

پرامپت ۳۴: نگارش بدنه بهینه‌شده برای اسکن سریع چشمی

نقش: معمار تجربه خوانایی متون دیجیتال.

ورودی: داده‌ها یا توضیحات تخصصی: [متن خام].

دستورالعمل: متن را با استفاده از پاراگراف‌های کوتاه (حداکثر ۳ جمله)، نقطه‌گذاری‌های مشخص و برجسته‌سازی مفاهیم کلیدی بنویس تا پیام در پویش سریع چشمی خوانده شود.   

فرمت خروجی: پاراگراف‌های بازنویسی‌شده با قالب‌بندی چشم‌نواز.

پرامپت ۳۵: نگارش جمع‌بندی عمل‌گرایانه (Action-Oriented)

نقش: مشاور مدیریت محتوا و استراتژی تبدیل.

ورودی: پیام و هدف نهایی مقاله: [هدف نهایی مقاله].

دستورالعمل: بخش پایان‌بندی را به جای تکرار ملال‌آور متن، به یک نقشه راه ۳ مرحله‌ای برای اقدام فوری خواننده تبدیل کن؛ در انتها سوالی تفکربرانگیز برای بحث در کامنت‌ها مطرح نما.

فرمت خروجی: بخش نتیجه‌گیری شامل جمع‌بندی پیام، اقدامات سه‌گانه و سوال تعاملی.

پرامپت ۳۶: طراحی فراخوان‌های اقدام (CTA) متناسب با موقعیت در صفحه

نقش: متخصص بهینه‌سازی نرخ تبدیل و قیف‌های بازاریابی.

ورودی: پیشنهاد تجاری صفحه: [نام خدمت یا محصول].

دستورالعمل: ۳ نوع فراخوان به اقدام (CTA) متنی متفاوت برای بالا، میانه و انتهای مقاله بنویس؛ اولی مبتنی بر آگاهی‌بخشی و دریافت راهنما، دومی معطوف به حل معضل وسط متن، و سومی با لحن شفاف جهت خرید یا ثبت سفارش.

فرمت خروجی: پیام‌های ۳ گانه CTA به همراه مشخصات محل درج و متن دکمه اقدام.

پرامپت ۳۷: ارتقای لحن طبیعی برای رفع یکنواختی ماشینی

نقش: ویراستار متون تخصصی با تکیه بر ادبیات فاخر محاوره‌ای.

ورودی: متن تولیدشده اولیه: [متن پیش‌نویس].

دستورالعمل: لحن متن را به گونه‌ای بازنویسی کن که بازتاب‌دهنده تجربیات یک کارشناس کارکشته باشد؛ از تنوع در طول جملات استفاده کن تا ساختار از حالت یکنواخت ماشینی خارج شود.   

فرمت خروجی: متن پالایش‌شده با حفظ کامل بار معنایی و حذف افعال مکرر.

پرامپت ۳۸: نگارش بخش ملزومات و پیش‌نیازهای عملیاتی

نقش: مشاور عملیات و توسعه پروژه‌ها.

ورودی: مهارت یا اقدام آموزش‌داده‌شده: [عنوان فعالیت].

دستورالعمل: بخشی تحت عنوان «پیش‌نیازها و ملزومات ضروری» بنویس که ابزارها، بودجه حداقلی، دانش فنی پایه و موانع احتمالی پیش از آغاز را تشریح کند.

فرمت خروجی: متن ساختاریافته به همراه دسته‌بندی پیش‌نیازهای نرم‌افزاری و سخت‌افزاری.

پرامپت ۳۹: تشریح نمونه کاربردی با شواهد داده‌ای

نقش: تحلیل‌گر ارشد کسب‌وکار و مستندساز داده‌ها.

ورودی: رویکرد نظری مطرح‌شده: [تئوری یا روش پیشنهادی].

دستورالعمل: یک نمونه کاربردی شبیه‌سازی‌شده بنویس که نشان دهد چگونه یک تیم کاری با پیاده‌سازی این متد توانست از چالش اولیه به نتایج آماری مثبت دست یابد.

فرمت خروجی: سناریوی روایی دربردارنده شاخص‌های قبل و بعد، چالش‌های میانی و دستاوردهای عددی.

پرامپت ۴۰: نگارش تعاریف دانشنامه‌ای مرجع

نقش: تدوین‌گر تعاریف دایره‌المعارفی در علوم کاربردی.

ورودی: مفهوم بنیادین: [اصطلاح فنی].

دستورالعمل: تعریفی دقیق و صریح بر پایه جنس و فصل منطقی ارائه بده که در کمتر از ۴۵ کلمه، چیستی واژه را تبیین کرده و سپس در دو جمله کاربرد عملی آن را برای مدیران غیرفنی روشن سازد.   

فرمت خروجی: بلوک تعریفی مستقل و قابل استناد.

پرامپت ۴۱: مهندسی پیوندهای درونی مفهومی

نقش: معمار سئوی داخلی و توزیع ارزش معنایی صفحات.

ورودی: پاراگراف موجود: [متن بدنه]، صفحات مقصد برای پیوند: [فهرست عناوین مرتبط].

دستورالعمل: پاراگراف را طوری تنظیم کن که سه عبارت پیونددهنده طبیعی و مرتبط در بافت متن پدید آید تا جریان انتقال اعتبار معنایی به دیگر صفحات به شکلی منسجم رخ دهد.   

فرمت خروجی: پاراگراف نهایی همراه با مشخص‌سازی انکرتکست‌های پیشنهادی در براکت.

پرامپت ۴۲: نگارش پاراگراف ابطال باورهای غلط (Myth-Busting)

نقش: پژوهشگر ارشد منتقد در حوزه تخصصی.

ورودی: باور ناصحیح رایج: [باور غلط در بازار].

دستورالعمل: پاراگرافی تحت عنوان «افسانه رایج در برابر واقعیت اثبات‌شده» بنویس؛ با نقل ادعای غلط آغاز کن، ادله علمی در رد آن بیاور و شیوه صحیح اقدام را معین نما.

فرمت خروجی: متن منسجم در سه بند: باور نادرست، استدلال ردکننده، راهکار استاندارد.

پرامپت ۴۳: نگارش سناریوهای تفکیک تصمیم (چه کسی / چه گزینه‌ای)

نقش: مشاور ارشد گزینش راهکارها.

ورودی: رویکردها یا ابزارهای مورد بررسی: [فهرست موارد].

دستورالعمل: بخشی تشخیصی بنویس که کاربر را راهنمایی کند: «اگر شرایط شما الف است، گزینه اول را برگزینید و اگر شرایط شما ب است، گزینه دوم اولویت دارد»؛ متغیرهای بودجه، زمان و تخصص را در نظر بگیر.   

فرمت خروجی: متن ساختاریافته به صورت شرط و نتیجه برای هر وضعیت مخاطب.

پرامپت ۴۴: بهینه‌سازی معنایی فراداده‌های تصاویر

نقش: متخصص سئوی رسانه‌ها و دسترسی‌پذیری وب.

ورودی: مفهوم تصویر یا اینفوگرافیک: [موضوع تصویر].

دستورالعمل: متن جایگزین (Alt Text) توصیفی، استاندارد و حاوی کلیدواژه را همراه با یک کپشن تحلیلی بنویس که داده‌های درون تصویر را شرح داده و ابهام معنایی موتورها را رفع کند.

فرمت خروجی: ساختار تفکیک‌شده شامل متن Alt و متن کپشن توضیحی.

پرامپت ۴۵: نگارش پروتکل واکنش سریع به بحران

نقش: تکنسین ارشد مدیریت حوادث بحرانی.

ورودی: خطای بحرانی محتمل برای سیستم: [کد یا نشانه بحران].

دستورالعمل: یک راهنمای متنی واکنشی بنویس که کاربر هنگام رویارویی با این وضعیت اضطراری، فوراً بداند در ۵ دقیقه نخست چه اقداماتی را متوقف و چه کارهایی را بلافاصله اجرا کند.

فرمت خروجی: لیست اقدامات اورژانسی با لحن مستقیم و جملات کوتاه.

فصل چهارم: مهندسی متن برای موتورهای مولد و سیستم‌های سنتز GEO (پرامپت‌های ۴۶ تا ۶۵)

پرامپت ۴۶: غنی‌سازی متن بر پایه فاکتورهای پژوهش پرینستون

نقش: پژوهشگر ارشد سامانه‌های مولد و بازیابی اطلاعات.

ورودی: پیش‌نویس متن: [متن مقاله].

دستورالعمل: بر پایه شاخص‌های پژوهش رسمی GEO، متن را بازنویسی کن تا با ادغام سه مؤلفه (شواهد آماری دقیق با ذکر جامعه آماری، نقل‌قول‌های صریح از منابع معتبر، و استنادات شفاف) شانس ارجاع در هوش مصنوعی را ارتقا دهی؛ از بیان هرگونه ادعای کلی بدون منبع بپرهیز.   

فرمت خروجی: متن بازنویسی‌شده با ساختار استنادی دقیق.

پرامپت ۴۷: طراحی واحدهای اطلاعاتی قابل استخراج برای ماشین

نقش: معمار داده در سیستم‌های برداری RAG.

ورودی: ادعای اصلی مقاله: [گزاره یا متدولوژی].

دستورالعمل: ادعا را در قالب رابطه‌ای میان متغیرها، مقادیر عددی و پیامد ملموس بازنویسی کن تا سیستم‌های هوش مصنوعی بتوانند آن را به عنوان یک گزاره بدون ابهام در پایگاه‌های داده ذخیره و استخراج کنند.   

فرمت خروجی: بلوک داده ساختاریافته شامل فرضیه، متغیرها، نتیجه مستند.

پرامپت ۴۸: بهینه‌سازی محتوا برای مکانیزم بازیابی Perplexity

نقش: استراتژیست استنادگیری در موتورهای پاسخ‌محور و وب‌گرد.

ورودی: موضوع مورد بررسی: [موضوع تخصصی].

دستورالعمل: متنی بنویس که داده‌های به‌روز، منابع دست‌اول و مقایسه‌های جامع را پوشش دهد. لحن باید کاملاً دانشنامه‌ای، پیراسته از کلمات تبلیغاتی و مبتنی بر منابع معتبر باشد تا الگوریتم پرپلکسیتی بالاترین وزن ارجاع را به آن اختصاص دهد.   

فرمت خروجی: راهنمای فنی با رفرنس‌نویسی درون‌متنی استاندارد.

پرامپت ۴۹: نگارش انتسابات قطعی برند و متدولوژی

نقش: متخصص مدیریت موجودیت‌های معنایی برند.

ورودی: نام تجاری: [نام برند]، چارچوب اختصاصی: [عنوان متدولوژی].

دستورالعمل: پاراگرافی تدوین کن که چارچوب مذکور را صراحتاً به عنوان دستاورد یا متد ابداعی این برند بازشناسی کند؛ به‌طوری‌که اگر هر سامانه مولد درباره این مفهوم پرس‌وجو کند، ناگزیر به استناد به این برند به عنوان منبع اصلی باشد.   

فرمت خروجی: پاراگراف تعریف چارچوب حاوی نام برند، سال تدوین و شاخص متمایزکننده.

پرامپت ۵۰: پوشش چندبعدی فضاهای تجزیه کوئری (Query Fan-out Exhaustion)

نقش: طراح محتوای جامع برای پاسخگویی به مدل‌های چندعاملی.

ورودی: پرسش کلان: [موضوع اصلی].

دستورالعمل: متنی تولید کن که در ۷ بخش مجزا به ابعاد هفت‌گانه پاسخ دهد: تعریف رسمی، مقایسه با رقبا، موارد استفاده صنعتی، متدولوژی اجرا، نقاط ضعف و چالش‌ها، شاخص‌های ارزیابی عملکرد (KPI) و چشم‌انداز تحولات آتی.   

فرمت خروجی: مقاله هفت‌بخشی فشرده با مرزبندی مشخص معنایی برای هر بخش.

پرامپت ۵۱: فرموله‌سازی استدلال‌های علّی عاری از مغالطه

نقش: تحلیل‌گر ارشد منطق کاربردی و متون اثباتی.

ورودی: نتیجه‌گیری راهبردی: [نتیجه تحلیلی مقاله].

دستورالعمل: این گزاره را از طریق چینش گزاره‌های صغری و کبری و استنتاج بدون ابهام تبیین کن تا مدل‌های مولد به دلیل استحکام منطقی، این فرایند را به عنوان هسته پاسخ سنتزی خود برگزینند.   

فرمت خروجی: متن تحلیلی شامل: مفروضات پایه، شواهد عینی، روند استدلال، اثبات گزاره نهایی.

پرامپت ۵۲: تلفیق آمارهای دست‌اول و شاخص‌های انحصاری

نقش: تحلیل‌گر تحقیقات بازار و تحلیل داده‌های عددی.

ورودی: موضوع گزارش: [موضوع مقاله].

دستورالعمل: مجموعه‌ای از داده‌های عددی فرضی اما واقع‌گرایانه (با ذکر جامعه نمونه، بازه زمانی و انحراف معیار) تدوین کن که به ارتقای چشمگیر شاخص بهره اطلاعاتی سند کمک کند.   

فرمت خروجی: جدول شاخص‌های آماری همراه با یک بند تحلیل پیامد برای هر داده عددی.

پرامپت ۵۳: بازآرایی تعاریف مطابق استانداردهای دانشنامه‌ای

نقش: تدوین‌گر ارشد اصطلاحات علمی و مراجع دانشنامه‌ای.

ورودی: اصطلاح جدید: [مفهوم مورد نظر].

دستورالعمل: متنی بنویس که ساختار بند اول مراجع دانشنامه‌ای را بازتولید کند: تعریف واژه، ریشه‌شناسی اجمالی، کارکرد محوری و دسته‌بندی موضوعی تا مدل‌های زبانی بدون سردرگمی به بازیابی آن بپردازند.   

فرمت خروجی: پاراگراف دانشنامه‌ای با نحو ساده و ادبیات دقیق علمی.

پرامپت ۵۴: طراحی ماتریس چندمعیاره تصمیم‌گیری

نقش: معمار داده‌های تحلیلی و مقایسه‌ای.

ورودی: راهکارهای رقیب در بازار: [فهرست گزینه‌ها].

دستورالعمل: جدول مارک‌داون جامعی با معیارهای: هزینه نهایی، زمان استقرار، سهولت کاربری، امنیت و مقیاس‌پذیری بساز؛ در زیر جدول، امتیاز نهایی هر گزینه را به گونه‌ای تحلیل کن که امکان استناد مستقیم ماشینی فراهم باشد.   

فرمت خروجی: جدول مارک‌داون مقایسه‌ای به همراه دو بند تحلیل تفسیری.

پرامپت ۵۵: نام‌گذاری و ثبت چارچوب‌های تخصصی (Named Framework)

نقش: استراتژیست ارشد برندسازی متفکرانه و خلق مفاهیم.

ورودی: رویه تجاری یا فنی: [فرایند حل مسئله].

دستورالعمل: این فرایند را به یک چارچوب با عنوان مشخص و دارای حروف اختصاری معنادار بدل کن؛ مراحل آن را تبیین نما تا مبنای استناددهی هوش مصنوعی به عنوان یک مکانیزم اختصاصی قرار گیرد.   

فرمت خروجی: نام‌گذاری مدل، تبیین اختصار کلمات، تشریح ۴ تا ۶ گام اجرایی.

پرامپت ۵۶: شبیه‌سازی پاسخ بهینه در وب‌گردی ChatGPT Search

نقش: مهندس پیشرفته مدل‌های زبانی و ارزیابی پاسخ‌های تعاملی.

ورودی: پرسشی که مخاطب از چت‌جی‌پی‌تی خواهد پرسید: [پرامپت کاربر].

دستورالعمل: متنی آماده کن که به عنوان بهترین پاسخ بی‌طرفانه، کامل و داده‌محور توسط دستیار استخراج شده و لینک سایت به عنوان اولین مرجع در متن تعبیه گردد.   

فرمت خروجی: پاسخ در حدود ۲۵۰ کلمه، حاوی داده‌ها، گزینه‌ها و جمع‌بندی کارشناسی.

پرامپت ۵۷: تشریح سناریوهای نقص فنی و محدودیت‌ها (Failure Modes)

نقش: ارزیاب ریسک سیستم‌های کاربردی.

ورودی: راهکار یا ابزار معرفی‌شده: [نام سیستم].

دستورالعمل: بخشی بنویس که صادقانه مواردی را که این روش پاسخگو نیست (Failure Modes) کالبدشکافی کند؛ سیستم‌های هوش مصنوعی پاسخ‌های دوطرفه و دارای حاشیه امن را به متون تک‌بعدی ترجیح می‌دهند.   

فرمت خروجی: تحلیل ۳ موقعیت شکست به انضمام راهکارهای پیشگیرانه.

پرامپت ۵۸: تزریق متادیتای بافتی به قطعات متنی RAG

نقش: مهندس سیستم‌های بازیابی معنایی و RAG.

ورودی: متن بخش مورد نظر: [متن بدنه].

دستورالعمل: در صدر هر بخش، اطلاعات بافتی (مانند سطح تخصص مخاطب، پیش‌نیاز اجرایی و تاریخ آخرین بازبینی داده‌ها) را قرار بده تا هنگام تقطیع برداری، هویت زمینه‌ای متن مخدوش نشود.   

فرمت خروجی: بلوک متنی غنی‌شده با پیش‌درآمد ساختاریافته زمینه‌ای.

پرامپت ۵۹: ارزیابی انطباق با استانداردها و مقررات جهانی

نقش: بازرس رعایت استانداردهای فنی و حقوقی بین‌المللی.

ورودی: روش یا خدمت تشریح‌شده: [موضوع مقاله].

دستورالعمل: متنی تدوین کن که انطباق این روش را با آخرین آیین‌نامه‌ها، مصوبات یا استانداردهای بین‌المللی معتبر مقایسه کند؛ مدل‌های هوش مصنوعی اعتماد بالایی به اسناد همگام با رگولاتوری دارند.

فرمت خروجی: تحلیل تطبیقی متنی پیرامون الزامات قانونی و فنی مربوطه.

پرامپت ۶۰: مهندسی گزاره‌های آماری سه‌گانه

نقش: متخصص آمار کاربردی و پژوهش‌های اسنادی.

ورودی: فرضیه یا ادعای موجود: [ادعای آماری].

دستورالعمل: ادعا را با فرمول سه‌گانه استاندارد بازنویسی کن: «شاخص عددی مشخص + جمعیت تحت مطالعه و بازه زمانی مشخص + نهاد رسمی پژوهشی»؛ از به کار بردن صفات کیفی نظیر “بسیار زیاد” یا “رو به رشد” خودداری کن.   

فرمت خروجی: ۳ گزاره فکت‌محور صریح و بدون ابهام آماده نقل ماشینی.

پرامپت ۶۱: رفع ابهام معنایی از اصطلاحات اشتراکی (Disambiguation)

نقش: متخصص آنتولوژی و پردازش معنایی واژگان.

ورودی: واژه دارای معانی گوناگون: [اصطلاح مشترک].

دستورالعمل: بخشی بنویس که مشخص سازد این واژه در این مقاله خاص، منحصراً بر کدام مفهوم دلالت دارد و با کدام مفاهیم اشتباه گرفته نمی‌شود تا خزنده‌های هوش مصنوعی دچار اختلاط معنایی نشوند.

فرمت خروجی: بلوک رفع ابهام بر پایه تعاریف تفکیک‌کننده و سلبی.

پرامپت ۶۲: تدوین چکیده چندسطحی برای خلاصه‌سازی خودکار

نقش: متخصص الگوریتم‌های خلاصه‌سازی انتزاعی متون.

ورودی: متن کامل مقاله: [متن یا پیش‌نویس مقاله].

دستورالعمل: خلاصه‌ای در ۳ سطح (یک جمله طلایی، ۳ نکته اجرایی، و یک پاراگراف ۱۰۰ کلمه‌ای) بنویس تا سامانه‌های خلاصه‌ساز هوش مصنوعی بسته به محدودیت کانتکست خود از آن بهره ببرند.

فرمت خروجی: ساختار سه‌سطحی تفکیک‌شده شامل گزاره یک‌خطی، نکات بالت‌دار و پاراگراف جامع.

پرامپت ۶۳: سنتز دیدگاه‌های متضاد خبرگان

نقش: روزنامه‌نگار ارشد تحلیلی در حوزه فناوری و مدیریت.

ورودی: مبحث بحث‌برانگیز در حوزه: [چالش روز صنعت].

دستورالعمل: دو دیدگاه از دو متخصص سرشناس فرضی یا حقیقی در صنعت را به همراه دلایل فنی آن‌ها تشریح کن؛ سپس پاراگرافی تدوین نما که میان این دو نظر پیوند ایجاد کرده و افق جدیدی ارائه دهد.   

فرمت خروجی: بخش نقل‌قول‌های متضاد به انضمام پاراگراف تحلیل همگراکننده.

پرامپت ۶۴: تدوین واژه‌نامه تخصصی اصطلاحات مرتبط

نقش: اصطلاح‌شناس و واژه‌نگار متون صنعتی.

ورودی: حوزه موضوعی: [موضوع مقاله].

دستورالعمل: جدولی مشتمل بر ۸ اصطلاح پیشرفته، تخصصی و انگلیسی مرتبط به همراه معادل‌های فنی دقیق فارسی و تعریف عملیاتی یک‌خطی بنویس تا غنای واژگانی سند افزایش یابد.

فرمت خروجی: جدول مارک‌داون ۳ ستونه: واژه انگلیسی، برابرساز تخصصی فارسی، تعریف کاربردی.

پرامپت ۶۵: ممیزی دانسیته اطلاعات متن (Information Density Test)

نقش: ارزیاب کارایی متن در مؤسسات تحقیقات زبان طبیعی.

ورودی: پیش‌نویس بخش اصلی: [متن نوشته‌شده].

دستورالعمل: متن را بررسی و تمام اصطلاحات کلیشه‌ای، تعارفات زبانی و تکرارهای غیرضروری را حذف نما؛ به جای آن، داده‌های عینی، متغیرها و راهکارهای ملموس تزریق کن تا چگالی اطلاعاتی در هر جمله به اوج برسد.   

فرمت خروجی: متن نهایی پالایش‌شده همراه با جدول مقایسه تعداد کلمات حذف‌شده بی‌فایده.

فصل پنجم: پاسخ‌دهی مستقیم و تصاحب نتایج صفر برای AEO (پرامپت‌های ۶۶ تا ۸۰)

پرامپت ۶۶: نگارش پاسخ تعریفی به سبک فیچرد اسنیپت پاراگرافی

نقش: متخصص طراحی پاسخ‌های سریع برای جایگاه صفر گوگل.

ورودی: پرسش کاربر: «[مفهوم کلیدی] چیست؟».

دستورالعمل: پاسخی در محدوده ۴۰ تا ۵۵ کلمه بنویس؛ با تعریف رسمی، فاقد مقدمه و مستقل آغاز کن. جمله دوم به کارکرد اصلی و جمله سوم به مزیت برتر اختصاص یابد؛ هیچ‌گونه واژه مبهم یا کم‌ارزش به کار مبر.   

فرمت خروجی: پاراگراف پاسخ صریح و فشرده مطابق کادرهای اسنیپت.

پرامپت ۶۷: ساخت لیست شماره‌دار برای اسنیپت‌های فرایندی

نقش: متخصص تبدیل فرایندهای فنی به ساختارهای ترتیبی AEO.

ورودی: پرسش عملیاتی: «چگونه [کار هدف] را انجام دهیم؟».

دستورالعمل: پاسخی در ۵ تا ۷ گام شماره‌دار تدوین کن؛ هر گام باید با یک فعل امری مشخص آغاز شده و در حداکثر ۱۵ کلمه خاتمه یابد؛ ترتیب گام‌ها کاملاً قطعی و غیرقابل جابه‌جایی باشد.   

فرمت خروجی: لیست شماره‌دار با عبارات امری فشرده.

پرامپت ۶۸: تدوین لیست نامرتب برای اسنیپت بهترین گزینه‌ها

نقش: مهندس ساماندهی اطلاعات در کادرهای اسنیپت فهرستی.

ورودی: پرسش مقایسه‌ای: «بهترین ابزارهای [حوزه فعالیت] کدامند؟».

دستورالعمل: لیستی از ۵ تا ۷ مورد شاخص آماده کن؛ هر آیتم مشتمل بر عنوان دقیق و یک عبارت توصیفی حداکثر ۱۲ کلمه‌ای باشد که ویژگی متمایز آن مورد را اثبات کند.   

فرمت خروجی: لیست نشانه‌دار مارک‌داون بدون حواشی اضافی.

پرامپت ۶۹: طراحی جدول فشرده برای اسنیپت جدولی

نقش: طراح جداول مقایسه‌ای سریع برای محیط‌های جستجو.

ورودی: موضوع مقایسه داده‌محور: [موارد مورد مقایسه].

دستورالعمل: جدول مارک‌داون تمیزی در ۳ ستون و ۴ ردیف بساز؛ ستون‌ها شامل نام مورد، شاخص برتر و هزینه یا کاربری باشند؛ چینش به نحوی باشد که کاربر و هوش مصنوعی پاسخ را مستقیماً از خانه جدول استخراج کنند.   

فرمت خروجی: جدول مارک‌داون بدون متن قبل و بعد.

پرامپت ۷۰: نگارش پاسخ‌های فشرده آکاردئونی برای بخش FAQ

نقش: متخصص تدوین محتوای بخش سوالات متداول.

ورودی: ۵ پرسش اساسی کاربران درباره: [موضوع مقاله].

دستورالعمل: برای هر پرسش، پاسخی مستقل در ۳۰ تا ۵۰ کلمه بنویس؛ پاسخ‌ها نباید به یکدیگر ارجاع داده شوند و هر یک باید مستقیماً مشکل را رفع نماید تا امکان قطعه‌برداری توسط خزنده‌ها فراهم گردد.   

فرمت خروجی: جفت‌های استاندارد شامل: سوال دقیق + پاسخ مستقیم.

پرامپت ۷۱: فرموله‌سازی پاسخ‌های قطعی دودویی (بله/خیر)

نقش: مشاور صریح در تصمیم‌گیری‌های تخصصی.

ورودی: پرسش تصمیمی: «آیا [مورد الف] برای [کاربرد ب] مناسب است؟».

دستورالعمل: اولین کلمه پاسخ باید «بله» یا «خیر» باشد؛ سپس در دو جمله کوتاه دلیل فنی و شرط اصلی را ذکر کن و در جمله سوم یک تبصره اضطراری بیاور؛ از به کار بردن عبارات مرددکننده نظیر «بستگی دارد» پرهیز نما.   

فرمت خروجی: پاراگراف قطعی حداکثر ۴۰ کلمه‌ای.

پرامپت ۷۲: بهینه‌سازی پاسخ برای خوانش دستیارهای صوتی (Speakable)

نقش: طراح تجربه کاربری صوتی در سیستم‌های مکالمه‌ای.

ورودی: موضوع پاسخ صوتی: [موضوع استعلام].

دستورالعمل: متنی بنویس که ساختار نحوی آن منطبق بر زبان گفتاری روان باشد، از مکث‌های طولانی و کلمات اختصاری ناآشنا دوری کند و برای خوانده شدن توسط دستیار صوتی حس یک پاسخ شفاف و زنده را تداعی نماید.   

فرمت خروجی: متن پاسخ صوتی در حدود ۳۵ کلمه با جملات کوتاه.

پرامپت ۷۳: مهندسی پاسخ برای کوئری‌های قیمت و بودجه

نقش: مشاور ارشد شفافیت مالی و هزینه‌یابی پروژه‌ها.

ورودی: پرسش استعلام هزینه: «هزینه [خدمت یا کالا] چقدر است؟».

دستورالعمل: پاسخ را با اعلام صریح دامنه عددی قیمت معمول در سطر اول شروع کن؛ سپس ۳ عامل کلیدی تغییر قیمت را در قالب بالت‌های کوتاه بیاور و سناریوی ارزان‌ترین و گران‌ترین حالت را شرح بده.   

فرمت خروجی: بلوک پاسخی شامل بازه عددی شفاف و تحلیل سه عامل مؤثر.

پرامپت ۷۴: نگارش مقایسه‌ای دوگانه مزایا و معایب (Pros & Cons)

نقش: تحلیل‌گر ارزیابی توازن سیستم‌ها و تصمیم‌گیری.

ورودی: رویکرد یا سامانه هدف: [نام سیستم].

دستورالعمل: دو جعبه متنی متقارن بنویس: ۳ مزیت اصلی و ۳ نقص قطعی؛ هر مورد باید حداکثر در ۸ کلمه بیان شود تا در کارت‌های رابط کاربری موتورهای پاسخگو به راحتی نمایش یابد.   

فرمت خروجی: دو ستون متقارن: مزایا در برابر معایب.

پرامپت ۷۵: ساخت فرمول و واحدهای محاسباتی سریع

نقش: مهندس محاسبات مالی و صنعتی.

ورودی: شاخص مورد سنجش: [فرمول یا متغیر مورد محاسبه].

دستورالعمل: فرمول ریاضی حل مسئله را به طور شفاف همراه با راهنمای متغیرها و یک نمونه محاسبه‌شده عددی تدوین کن تا ماشین پاسخگو آن را به عنوان یک ابزار حل سریع نمایش دهد.

فرمت خروجی: ساختار فرمول، تعریف مؤلفه‌ها، مثال حل‌شده عددی گام‌به‌گام.

پرامپت ۷۶: نگارش پاسخ برای تخمین زمان و دوره بازگشت

نقش: کارشناس برنامه‌ریزی و زمان‌سنجی پروژه‌ها.

ورودی: فرآیند: «پیاده‌سازی [کار هدف] چقدر زمان می‌برد؟».

دستورالعمل: پاسخ را در سطر اول با ذکر حداقل و حداکثر زمان مورد نیاز (بر حسب ساعت، روز یا ماه) آغاز کن؛ در ادامه ۳ عامل تسریع‌کننده و بازدارنده مهم را به صورت چکیده تشریح نما.   

فرمت خروجی: پاراگراف پاسخ زمانی صریح و مستقیم.

پرامپت ۷۷: نگارش راهنمای اقدام فوری برای کدهای خطا

نقش: مهندس پشتیبانی زیرساخت و مدیریت وقایع.

ورودی: پیام یا کد خطا: [کد خطای سیستمی].

دستورالعمل: دستورالعملی ۳ مرحله‌ای برای مهار فوری بحران بنویس؛ مراحل باید بدون مقدمه‌چینی، صرفاً شامل اقدامات فنی ملموس جهت احیای سیستم باشند.

فرمت خروجی: پاسخ فوری گام‌به‌گام شماره‌گذاری‌شده.

پرامپت ۷۸: استخراج گزاره‌های خبری تک‌جمله‌ای (Micro-Answers)

نقش: ویراستار متون خبری-تحلیلی بسیار فشرده.

ورودی: متن یک بخش تحلیلی کامل: [متن بخش].

دستورالعمل: کل حقیقت مطرح‌شده در این بخش را در یک جمله خبری مستقل، بدون ابهام و کمتر از ۲۰ کلمه فرموله کن که به عنوان یک پاسخ میکرو قابل نقل ماشینی باشد.   

فرمت خروجی: تک‌جمله گزاره‌ای نهایی.

پرامپت ۷۹: بازنویسی سرفصل‌ها به زبان کوئری‌های طبیعی

نقش: تحلیل‌گر زبان طبیعی و سرفصل‌نویسی AEO.

ورودی: سرفصل‌های فعلی مقاله: [عناوین فعلی].

دستورالعمل: این عناوین را که عمدتاً توصیفی هستند به عبارات پرسشی کامل که کاربران مستقیماً در موتورهای جستجو مطرح می‌کنند بازنویسی کن تا آمادگی لازم برای تطابق ماشینی حاصل شود.   

فرمت خروجی: جدول مقایسه شامل: سرفصل قدیمی در برابر سرفصل جدید پرسش‌محور.

پرامپت ۸۰: سنجش نهایی انطباق با معیارهای تصاحب اسنیپت

نقش: ارزیاب الگوریتم‌های استخراج پاسخ گوگل.

ورودی: بلوک پاسخی طراحی‌شده: [متن پاسخ آماده‌شده].

دستورالعمل: متن را بررسی کن و هرگونه ابهام ساختاری، ضمایر نامشخص یا اطناب را اصلاح نما؛ پاسخ باید به گونه‌ای صیقل بخورد که در اولین گزینش ماشینی برگزیده شود.   

فرمت خروجی: گزارش اصلاحی به همراه نسخه نهایی بازنویسی‌شده.

فصل ششم: داده‌های ساختاریافته، نشانه‌گذاری Schema.org و گراف‌های دانش (پرامپت‌های ۸۱ تا ۹۰)

پرامپت ۸۱: تولید اسکیمای جامع مقاله مبتنی بر اعتبارسنجی نویسنده (E-E-A-T)

نقش: متخصص ارشد سئو تکنیکال و معماری داده‌های ساختاریافته.

ورودی: عنوان: [عنوان]، نویسنده: [نام]، مشخصات و پیوند تخصص: [نشانی صفحه پروفایل]، تاریخ انتشار و اصلاح: [تاریخ].   

دستورالعمل: کد کامل اسکیما را در قالب TechArticle یا Article با فرمت JSON-LD بنویس؛ فیلدهای author همراه با پروپرتی‌های sameAs و jobTitle، publisher، و mainEntityOfPage را به صورت جامع تکمیل نما تا سیگنال‌های اعتباری مخابره شوند.   

فرمت خروجی: بلوک کد کامل JSON-LD استاندارد.

پرامپت ۸۲: تولید اسکیمای صفحات پرسش و پاسخ (FAQPage Schema)

نقش: مهندس پیاده‌سازی داده‌های ساختاریافته برای موتورهای پاسخ.

ورودی: جفت‌های سوال و پاسخ تدوین‌شده در بخش AEO: [فهرست پرسش‌ها و پاسخ‌ها].

دستورالعمل: کد اسکیمای معتبر FAQPage را با فرمت JSON-LD تولید کن؛ تطابق دقیق متنی میان کد و بدنه مقاله باید کاملاً رعایت شود تا ریسک ناهماهنگی محتوا به صفر برسد.   

فرمت خروجی: اسکریپت ساختاریافته استاندارد JSON-LD.

پرامپت ۸۳: تولید اسکیمای راهنماهای گام‌به‌گام (HowTo Schema)

نقش: متخصص سئو تکنیکال و داده‌های آموزشی.

ورودی: گام‌های عملیاتی، ابزارها و مدت‌زمان: [جزئیات مراحل و ملزومات].

دستورالعمل: کد کامل HowTo را بنویس؛ کلیه زیربخش‌ها شامل tool، totalTime و مراحل تفکیک‌شده در قالب HowToStep همراه با عنوان و متن اقدام را پوشش بده.   

فرمت خروجی: کد معتبر JSON-LD برای گنجاندن در ساختار سند.

پرامپت ۸۴: ایجاد پیوندهای گراف دانش با ویژگی SameAs

نقش: معمار وب معنایی و گراف‌های دانش.

ورودی: مفاهیم اصلی مقاله: [مفاهیم کلیدی]، نشانی صفحات آن‌ها در ویکی‌پدیا یا ویکی‌داده: [لینک‌های مرتبط].

دستورالعمل: کد اسکیمایی با بهره‌گیری از پروپرتی‌های about و mentions بنویس که این موجودیت‌ها را به شناسه‌های رسمی خود در دیتابیس‌های جهانی متصل کند تا زمینه ادراک موضوع برای خزنده‌ها مهیا گردد.

فرمت خروجی: بلوک اتصالات معنایی در قالب پروپرتی‌های JSON-LD.

پرامپت ۸۵: تولید کد اسکیمای بخش‌های صوتی (Speakable Schema)

نقش: متخصص سئوی صوتی و دسترسی‌پذیری وب.

ورودی: انتخاب‌گرهای بخش صوتی صفحه (CSS Selectors): [کلاس‌ها یا شناسه‌های HTML].

دستورالعمل: کد اسکیمای SpeakableSpecification را مطابق با آخرین استانداردهای گوگل بنویس تا بخش‌های کاندیدای خوانش برای دستیارهای هوشمند صوتی مشخص شوند.   

فرمت خروجی: اسکریپت مجزای Speakable Schema در ساختار JSON-LD.

پرامپت ۸۶: تولید اسکیمای لیست‌های مقایسه‌ای (ItemList Schema)

نقش: معمار داده‌های ترتیبی و مقالات فهرستی.

ورودی: ابزارها یا محصولات بررسی‌شده در مقاله: [فهرست موارد].

دستورالعمل: کد اسکیمای ItemList تولید کن که ترتیب قرارگیری (position)، نام، توصیف فشرده و لینک مرجع هر مورد را مشخص نماید تا ساختار ترتیبی برای بازیافت ماشینی حفظ شود.   

فرمت خروجی: کد JSON-LD معتبر ساختار ItemList.

پرامپت ۸۷: تولید اسکیمای راستی‌آزمایی حقایق (ClaimReview Schema)

نقش: پژوهشگر اعتبارسنجی ادعاها و مقابله با اطلاعات نادرست.

ورودی: ادعای بررسی‌شده: [متن ادعا]، مرجع مدعی: [نام مرجع]، ارزیابی نهایی: [درست/نادرست/تحریف‌شده].

دستورالعمل: کد استاندارد ClaimReview تولید کن تا موتورهای هوش مصنوعی و جستجو، این بررسی را به عنوان یک سند حقیقت‌سنجی معتبر بشناسند.

فرمت خروجی: ساختار کامل JSON-LD بر اساس ضوابط Fact Check گوگل.

پرامپت ۸۸: ادغام شبکه هویتی سازمان و شخص (Graph-based ID)

نقش: متخصص ارشد مدیریت هویت دیجیتال و گراف سازمان.

ورودی: مشخصات برند: [نام و رسانه‌ها]، مشخصات نویسنده: [اطلاعات هویتی].

دستورالعمل: کدهای اسکیما را با معماری @graph یکپارچه کن؛ به‌گونه‌ای که مشخص شود محتوا توسط چه متخصصی تدوین گردیده و توسط کدام نهاد حقوقی با چه دامنه‌ای منتشر و تایید شده است.   

فرمت خروجی: بلوک کد منسجم شبکه موجودیت‌ها به زبان JSON-LD.

پرامپت ۸۹: تولید اسکیمای رسانه‌های تصویری و ویدیو (VideoObject Schema)

نقش: متخصص سئوی ویدیو و پایگاه‌های چندرسانه‌ای.

ورودی: اطلاعات ویدیو: [عنوان، زمان، آدرس فایل، پیوند تصویر بندانگشتی، متن خلاصه یا زیرنویس].

دستورالعمل: اسکیمای VideoObject را تولید کن؛ حتماً شامل فیلد متن پیاده‌شده (transcript) و نقاط نشانه‌گذاری زمانی (hasPart) برای پرش‌های کلیدی به بخش‌های مهم باشد.   

فرمت خروجی: کد معتبر JSON-LD برای ویدیوی تعبیه‌شده.

پرامپت ۹۰: ممیزی و پالایش نحوی کدهای اسکیما (Schema Sanitizer)

نقش: بازرس ارشد کدهای داده‌های ساختاریافته بر اساس استانداردهای W3C.

ورودی: کدهای اسکیمای تولیدشده: [کد JSON-LD].

دستورالعمل: کد را از نظر عدم وجود کاماهای اضافی، ساختارهای تودرتوی معیوب و رعایت استانداردهای مستندات گوگل بازبینی کن و نسخه پالایش‌شده را ارائه نما.   

فرمت خروجی: کد اصلاح‌شده نهایی بدون خطای ساختاری.

فصل هفتم: بازنویسی، سنجش بهره اطلاعاتی، ممیزی E-E-A-T و کنترل کیفی (پرامپت‌های ۹۱ تا ۱۰۰)

پرامپت ۹۱: طراحی عناوین سئو و متادیسکریپشن بر پایه CTR و انطباق برداری

نقش: کپی‌رایتر فوق‌تخصصی تگ‌های سرچ و جذب کلیک ارگانیک.

ورودی: کلمه کلیدی اصلی: [کلمه اصلی]، مهم‌ترین دستاورد متمایز مقاله: [ارزش متمایز].

دستورالعمل: ۵ جفت عنوان سئو (حداکثر ۶۰ کاراکتر) و توضیحات متا (بین ۱۴۵ تا ۱۶۰ کاراکتر) بنویس؛ عناوین باید واجد قلاب‌های کنجکاوی و کلمه کلیدی باشند و توضیحات متا علاوه بر کشش، پاسخی فشرده برای سیستم‌های برداری ارائه دهند.   

فرمت خروجی: جدول مارک‌داون ۵ ردیفه شامل: عنوان، توضیحات متا، زاویه کشش روانی.

پرامپت ۹۲: بازرسی حقیقت‌سنجی و رفع توهم مدل‌های زبانی (Hallucination Audit)

نقش: ویراستار علمی و ناظر ارشد شواهد عینی.

ورودی: متن نهایی مقاله: [متن کامل مقاله].

دستورالعمل: کل متن را بررسی کن و تمامی آمارها، نسبت‌های عددی، ادعاها و استنادات را غربالگری نما؛ هر گزاره‌ای که منبع قطعی ندارد یا مشکوک به عدم صحت است را اصلاح کن تا اصالت داده‌ها تضمین شود.   

فرمت خروجی: گزارش موارد مشکوک به همراه متن بازنویسی‌شده مستند.

پرامپت ۹۳: بازنویسی رفع کلیشه‌های تولید هوش مصنوعی (AI De-Patterning)

نقش: منتقد ادبی و ویراستار متون تخصصی وب.

ورودی: پیش‌نویس محتوای تولیدشده: [متن مقاله].

دستورالعمل: تمامی کلیشه‌های تکراری هوش مصنوعی نظیر «در دنیای پرشتاب امروز»، «لازم به ذکر است»، «در این مقاله بررسی خواهیم کرد» و «به عنوان نتیجه‌گیری کلی» را حذف کن؛ ضرب‌آهنگ متن را با ادغام جملات کوتاه و بلند متنوع ساز.   

فرمت خروجی: متن بازنویسی‌شده با ساختار ارگانیک و طبیعی.

پرامپت ۹۴: ممیزی جامع انطباق محتوا با گایدلاین‌های E-E-A-T

نقش: ممیز ارشد کیفیت جستجوی گوگل.

ورودی: متن پایانی مقاله: [متن مقاله].

دستورالعمل: این مقاله را بر اساس ۴ فاکتور تجربه، تخصص، اقتدار و قابلیت اعتماد نقد کن؛ بررسی کن که آیا ردپای تجربه عملی نویسنده محسوس است یا خیر؛ موارد ضعف را مشخص و بازنویسی نما.   

فرمت خروجی: ارزیابی امتیازی در ۴ بعد همراه با متن اصلاح‌شده بخش‌های دارای نقص.

پرامپت ۹۵: مهندسی ماتریس شبکه‌ای لینک‌سازی داخلی (Siloing)

نقش: استراتژیست پیوندسازی داخلی و توسعه ساختارهای خوشه‌ای.

ورودی: موضوع مقاله جاری: [موضوع حاضر]، ۵ مقاله هم‌پوشان وبلاگ: [لیست صفحات مرتبط].

دستورالعمل: یک مدل رفت‌وبرگشت پیوندهای داخلی تدوین کن؛ مشخص نما از این مقاله به کدام صفحات و با چه انکرتکست‌های دقیقی پیوند داده شود و متقابلاً از کدام صفحات موجود باید با چه عباراتی به این مقاله لینک داده شود.   

فرمت خروجی: جدول ماتریسی شامل: صفحه مبدا، صفحه مقصد، متن پیوند، دلیل ارتباط مفهومی.

پرامپت ۹۶: طراحی جعبه چکیده مدیران (Executive Summary)

نقش: طراح تجربه مطالعه سریع و فشرده‌سازی اطلاعات.

ورودی: کل متن مقاله: [متن مقاله].

دستورالعمل: یک کادر خلاصه اجرایی بنویس که زیر عنوان H1 قرار گیرد؛ شامل: مسئله محوری در یک جمله، راهکار طلایی در یک جمله، دستاورد کلیدی در یک جمله، و زمان تخمینی لازم برای اجرای روش.   

فرمت خروجی: کادر متنی با ساختار مشخص جهت استخراج سریع ماشینی و انسانی.

پرامپت ۹۷: تدوین بسته‌های هم‌افزایی توزیع چندکاناله (Digital PR)

نقش: استراتژیست ارشد روابط عمومی دیجیتال و تقویت هویت برند.

ورودی: پیام کلیدی و متمایز مقاله: [پیام محوری مقاله].

دستورالعمل: بر پایه این سند، یک پست عمیق برای لینکدین، یک رشته‌توییت آموزشی، و یک سناریوی ویدیوی کوتاه تولید کن تا استنادپذیری و جستجوی نام تجاری در وب ارتقا یابد.   

فرمت خروجی: سه متن تفکیک‌شده متناسب با الگوریتم و ادبیات هر رسانه.

پرامپت ۹۸: سنجش و اصلاح شاخص‌های خوانایی و روانی متن

نقش: تحلیل‌گر ساختار متن و ارزیاب فرمول‌های خوانایی.

ورودی: متن مقاله: [متن مقاله].

دستورالعمل: جملات طولانی‌تر از ۲۵ کلمه را به جملات کوتاه‌تر بشکن؛ ساختارهای مجهول غیرضروری را حذف و واژگان پیچیده را با کلمات مأنوس و دقیق جایگزین کن تا میزان فهم متن به بالاترین سطح برسد.

فرمت خروجی: متن بازنویسی‌شده به همراه جدول مقایسه طول میانگین جملات.

پرامپت ۹۹: تدوین چک‌لیست عملیاتی انتهای سند (Actionable Checklist)

نقش: طراح ابزارهای اجرایی و چک‌لیست‌های عملیاتی.

ورودی: فرایند تبیین‌شده در مقاله: [موضوع فرایند].

دستورالعمل: یک چک‌لیست متنی گام‌به‌گام طراحی کن تا مخاطب پس از خواندن مقاله، مراحل را تیک بزند؛ موارد باید در ۳ فاز: قبل از شروع، حین پیاده‌سازی و کنترل کیفی نهایی دسته‌بندی شوند.   

فرمت خروجی: ساختار چک‌لیستی تمیز با کادرهای انتخاب متنی [ ].

پرامپت ۱۰۰: ممیزی نهایی گیت پذیرش انتشار (Final Deployment Gate)

نقش: سردبیر ارشد و ناظر کیفی نهایی سه‌گانه SEO/GEO/AEO.

ورودی: کل سند محتوا شامل متادیتا، بدنه، جداول و کدها: [سند نهایی محتوا].

دستورالعمل: سند را بر پایه ۱۰ معیار ارزیابی کن: ۱) انطباق ساختار تگ‌های H، ۲) رعایت پاسخ در خط اول (BLUF) در سرفصل‌ها، ۳) غنای استنادی و آماری، ۴) اعتبار کدهای JSON-LD، ۵) پیراستگی از حشو و تکرار، ۶) وجود جدول مقایسه‌ای استاندارد، ۷) حضور پاسخ‌های قطعی اسنیپت، ۸) سازگاری لحن با نیاز مخاطب، ۹) لینک‌سازی داخلی دقیق، ۱۰) امتیاز مثبت بهره اطلاعاتی.   

فرمت خروجی: گزارش ارزیابی با امتیاز نهایی از ۱۰۰ و صدور وضعیت: «تایید انتشار قطعی» یا «نیاز به اصلاح با قید موارد».

داده‌های تجربی و روندهای حاکم بر معماری مدل‌های بازیابی نشان می‌دهند که خطوط تولید محتوا دیگر نمی‌توانند صرفاً بر مبنای معیارهای سنتی سئو اداره شوند. گذار به سمت موتورهای پاسخگو و مولد به معنای منسوخ شدن کامل سئو نیست، بلکه سئو در حال حاضر به عنوان لایه زیربنایی فنی و نمایه‌سازی عمل می‌کند که بدون آن هیچ محتوایی توسط سیستم‌های RAG کشف و بازیابی نمی‌شود. روی این زیرساخت، دو لایه استراتژیک قرار می‌گیرد: نخست لایه بهینه‌سازی پاسخ (AEO) که وظیفه آن مهندسی واحدهای اطلاعاتی فشرده، شفاف و بدون ابهام در بخش‌های ۳۰ تا ۶۰ کلمه‌ای برای پاسخ‌دهی مستقیم است، و دوم لایه بهینه‌سازی مولد (GEO) که وظیفه تزریق آمار مستند، چارچوب‌های نام‌گذاری‌شده و داده‌های دست‌اول را به منظور ترغیب مدل‌ها به استناددهی و سنتز چندمنبعی بر عهده دارد.   

تولیدکنندگان محتوا و سازمان‌ها برای حفظ پایداری ترافیک و مرجعیت خود، باید فرایند انتشار را به عنوان یک خط لوله پیوسته بنگارند. در این خط لوله، پژوهش نیت و استخراج موجودیت‌ها در گام اول شکل می‌گیرد، سپس بریف با تمرکز بر بلوک‌های متنی مستقل و داده‌های اثباتی تدوین می‌شود. در مرحله نگارش، ترکیب پاسخ مستقیم و پرهیز از اطناب لحاظ می‌گردد، و در مرحله نهایی با پیاده‌سازی داده‌های ساختاریافته منسجم و اعتبارسنجی حقایق، سند آماده انتشار می‌شود. بهره‌گیری روش‌مند از ۱۰۰ پرامپت تخصصی فوق این اطمینان را ایجاد می‌کند که محتوای منتشرشده نه‌تنها از گزند جریمه‌های الگوریتمی ناشی از افت بهره اطلاعاتی مصون بماند، بلکه در تمامی سطوح رقابت دیجیتال، چه در صفحات نتایج سنتی و چه در پاسخ‌های هوش مصنوعی، جایگاه پیشتاز و استنادپذیر خود را تثبیت کند.