کامپایلر هوشمند پرامپت فارسی به انگلیسی؛ ابزاری برای ساخت پرامپت‌های حرفه‌ای برای هوش مصنوعی
یکی از بزرگ‌ترین چالش‌های کاربران فارسی‌زبان هنگام کار با مدل‌های زبانی بزرگ (مانند ChatGPT، Claude، Gemini یا ایجنت‌های کدنویسی مثل Claude Code و OpenCode) نوشتن پرامپت مؤثر است. بسیاری از افراد درخواست خود را به زبان فارسی می‌نویسند و سپس آن را به‌صورت تحت‌اللفظی به انگلیسی ترجمه می‌کنند. نتیجه اغلب پرامپت‌هایی مبهم، ناقص یا پر از فرضیات نادرست است که باعث می‌شود مدل هوش مصنوعی بخش‌هایی را از خود اضافه کند (Hallucination)، محدودیت‌های منفی را نادیده بگیرد یا معماری و تکنولوژی‌هایی را پیشنهاد دهد که کاربر اصلاً نخواسته است.
این مشکل زمانی جدی‌تر می‌شود که پرامپت برای تولید کد، طراحی سیستم یا کارهای تخصصی استفاده شود. ترجمه ساده کلمات، نیت واقعی کاربر را به‌خوبی منتقل نمی‌کند و خروجی نهایی با انتظار فاصله زیادی پیدا می‌کند. پروژه PromptCompiler (با نام کامل Persian Prompt Compiler) دقیقاً برای حل این مسئله ساخته شده است. این ابزار درخواست‌های طبیعی فارسی را نه به‌عنوان ترجمه، بلکه به‌عنوان یک فرآیند «کامپایل» دقیق پردازش می‌کند و خروجی‌هایی ساخت‌یافته، استاندارد و ضدتوهم تولید می‌نماید.
معرفی پروژه
PromptCompiler یک سرویس و اپلیکیشن وب متن‌باز است که با فریم‌ورک FastAPI و مدل‌های Google AI Studio (Gemini) ساخته شده است. هدف اصلی آن تبدیل درخواست‌های محاوره‌ای یا فنی فارسی به پرامپت‌های انگلیسی حرفه‌ای و قابل‌اجرا برای مدل‌های زبانی و ایجنت‌های هوش مصنوعی است.
برخلاف مترجم‌های معمولی، این پروژه فرآیند را به‌صورت یک خط لوله کامپایل سخت‌گیرانه طراحی کرده است:
- ابتدا نیت و دسته درخواست تحلیل می‌شود.
- سپس یک نسخه انگلیسی کانونی (Canonical English Prompt) به‌عنوان منبع حقیقت ساخته می‌شود.
- نسخه فارسی نیز به‌صورت وفادار از روی نسخه انگلیسی تولید می‌گردد تا دامنه، محدودیت‌ها و معنا در هر دو زبان یکسان بماند.
- الزامات حفظ‌شده، فرضیات، اطلاعات ناقص و پیشنهادهای اختیاری به‌صورت جداگانه مشخص می‌شوند.
این رویکرد باعث می‌شود پرامپت نهایی برای استفاده در محیط‌های واقعی (کدنویسی، تحقیق، تولید محتوا و غیره) بسیار قابل‌اعتمادتر باشد.
ویژگی‌های کلیدی
- سیاست سخت‌گیرانه صفر توهم (Zero Hallucination): هیچ فریم‌ورک، کتابخانه، دیتابیس یا گزینه‌ای را که کاربر ذکر نکرده باشد، اضافه نمی‌کند.
- حفظ کامل محدودیت‌های منفی (مثل «از Docker استفاده نکن» یا «بدون فریم‌ورک CSS خارجی»).
- طبقه‌بندی دقیق الزامات به چهار بخش: الزامات حفظ‌شده، فرضیات، اطلاعات ناقص و پیشنهادها.
- تشخیص خودکار دسته و زیردسته درخواست (کدنویسی، دیباگ، تحقیق، نوشتن، تولید تصویر، ترجمه، تحلیل داده و غیره).
- قاعده تناسب: پیچیدگی و طول خروجی متناسب با پیچیدگی ورودی تنظیم می‌شود.
- رابط کاربری مدرن و راست‌چین با پشتیبانی عالی از تایپوگرافی فارسی (فونت وزیرمتن).
- ردیابی مصرف توکن و سهمیه مدل‌های Gemini (شامل RPD، TPM و RPM).
- دکمه یک‌کلیکی برای کپی پرامپت و آماده‌سازی آن برای استفاده در Claude Code یا OpenCode.
- پشتیبانی از چندین مدل Gemini و امکان انتخاب مدل دلخواه.
پیش‌نیازها
- پایتون نسخه ۳.۱۰ یا بالاتر.
- کلید API رایگان از Google AI Studio (از آدرس aistudio.google.com/apikey قابل دریافت است).
- دسترسی اینترنت برای ارتباط با سرویس Gemini.
- سیستم‌عامل ویندوز، لینوکس یا مک (اسکریپت آماده برای ویندوز وجود دارد).
نحوه نصب و راه‌اندازی
روش سریع برای ویندوز:
- مخزن را کلون کنید:
git clone https://github.com/Astr0Net/PromptCompiler.git cd PromptCompiler
- فایل
run.batرا اجرا کنید. این اسکریپت به‌صورت خودکار محیط مجازی را می‌سازد، وابستگی‌ها را نصب می‌کند و سرور را راه‌اندازی می‌نماید.
روش دستی (تمام پلتفرم‌ها):
- کلون کردن مخزن (همان دستور بالا).
- ساخت و فعال‌سازی محیط مجازی:
# ویندوز python -m venv .venv .\.venv\Scripts\Activate.ps1 # لینوکس / مک python3 -m venv .venv source .venv/bin/activate
- نصب وابستگی‌ها:
pip install --upgrade pip pip install -r requirements.txt
- اجرای برنامه:
python -m uvicorn prompt_compiler.app:app --host 0.0.0.0 --port 8000 --reload
یا:
python main.py
- مرورگر را باز کرده و به آدرس زیر بروید:
http://127.0.0.1:8000
پیکربندی اولیه:
- روی گزینه «تنظیمات» کلیک کنید.
- کلید API گوگل خود را وارد کنید.
- مدل پیش‌فرض را انتخاب نمایید (مثلاً gemini-3.5-flash).
- تنظیمات را ذخیره کنید. اطلاعات در فایل
config.jsonذخیره می‌شود.
نحوه استفاده
۱. درخواست خود را به زبان فارسی (محاوره‌ای یا فنی) در کادر متن بنویسید.
مثال:
یه وب‌سایت مدیریت کارها با پایتون و دیتابیس SQLite بساز. کاربران بتونن تسک اضافه، ویرایش و حذف کنن. از فریم‌ورک فرانت‌اند سنگین جاوااسکریپتی استفاده نکن.
۲. مدل Gemini موردنظر را از لیست انتخاب کنید.
۳. روی دکمه «تبدیل کن» کلیک کنید.
۴. نتایج نمایش داده می‌شود:
- دسته و هدف تشخیص‌داده‌شده
- پرامپت انگلیسی ساخت‌یافته و حرفه‌ای
- پرامپت فارسی وفادار به نسخه انگلیسی
- کارت‌های تحلیلی شامل الزامات حفظ‌شده، فرضیات، اطلاعات ناقص و پیشنهادها
۵. با دکمه‌های کپی، پرامپت انگلیسی یا فارسی را کپی کنید. همچنین گزینه‌های آماده‌سازی برای Claude Code و OpenCode وجود دارد.
می‌توانید مصرف توکن‌ها را نیز از بخش مربوطه مشاهده کنید تا از سهمیه روزانه و محدودیت‌های مدل آگاه باشید.
نکات مهم
- هرچه درخواست اولیه دقیق‌تر و شامل محدودیت‌های منفی واضح‌تر باشد، خروجی باکیفیت‌تری دریافت می‌کنید.
- از بخش «اطلاعات ناقص» برای تکمیل درخواست خود استفاده کنید و دوباره کامپایل نمایید.
- پیشنهادهای اختیاری را فقط در صورتی به پرامپت اضافه کنید که واقعاً نیاز دارید؛ در غیر این صورت خروجی را تمیز نگه دارید.
- برای کارهای تکراری، می‌توانید از API داخلی (
POST /translate) در اسکریپت‌های خود استفاده کنید. - کلید API خود را در فایل
config.jsonامن نگه دارید و آن را در مخازن عمومی قرار ندهید. - در صورت تغییر مدل‌های Gemini، کاتالوگ مدل‌ها را از طریق رابط کاربری بررسی کنید.
- برای محیط‌های تولیدی، می‌توانید سرور را روی پورت دیگری اجرا کرده یا پشت یک reverse proxy قرار دهید.
نتیجه‌گیری
PromptCompiler ابزاری ارزشمند برای تمام کسانی است که به‌طور منظم با مدل‌های زبانی و ایجنت‌های هوش مصنوعی کار می‌کنند و ترجیح می‌دهند درخواست‌های خود را به زبان فارسی بیان کنند. با تبدیل فرآیند ترجمه ساده به یک کامپایل ساخت‌یافته و ضدتوهم، این پروژه کیفیت خروجی‌ها را به‌طور چشمگیری افزایش می‌دهد و زمان آزمایش‌وخطا را کاهش می‌دهد.
بیشتر بخوانید:
راهنمای نوشتن پرامپت برای مدل‌های هوش مصنوعی
لیست کامل کدهای دستوری در ChatGPT: پرامپت‌های طولانی را فراموش کنید
۱۰+ پرامپت هوش مصنوعی که حتماً باید امتحان کنید
