Prompt چیست؟ آشنایی با کاربرد و نحوه نوشتن

Prompt چیست

در دنیای فناوری و ارتباطات امروز، واژه‌ها بیش از هر زمان دیگری اهمیت پیدا کرده‌اند. آنچه ما می‌نویسیم یا بیان می‌کنیم، می‌تواند دریچه‌ای به دنیایی از امکانات و تعاملات هوشمند باز کند. گاهی تنها چند کلمه کافی است تا نقطه آغاز یک فرآیند بزرگ باشد. پرامپت‌نویسی یکی از راه‌های برقراری ارتباط با چت‌بات‌های هوش مصنوعی است که در این مقاله فالنیک با مفهوم Prompt چیست؟ بیشتر آشنا خواهیم شد.

با مشاوران شبکه فالنیک، کسب‌وکارتان را متحول کنید
با مشاوران شبکه فالنیک، کسب‌وکارتان را متحول کنید
با دریافت مشاوره شبکه از متخصصین کاربلد، شبکه‌ای می‌سازید که تا سال‌ها کسب‌و‌کارتان را بیمه می‌کند. در این مسیر سه دهه تجربه متخصصان فالنیک، همراه شماست. با کلیک روی لینک، اولین قدم برای ایجاد و رشد کسب و کارتان را بردارید.

پرامپت چیست؟ تعریف ساده و کاربردی

واژه پرامپت (Prompt) در زبان انگلیسی به معنی فوری، سریع یا راهنما است، اما در حوزه فناوری، به‌ویژه در زمینه‌های مرتبط با هوش مصنوعی و کامپیوتر، معنای خاص‌تری پیدا کرده است. به زبان ساده، پرامپت به هر نوع ورودی یا دستور متنی گفته می‌شود که کاربر به یک سیستم می‌دهد تا پاسخی متناسب یا عملی مشخص دریافت کند. این سیستم می‌تواند یک مدل زبانی هوش مصنوعی مانند ChatGPT باشد، یا حتی نرم‌افزارها و ابزارهای دیگری که نیازمند دریافت دستور از کاربر هستند.

بیشتر بخوانید: chat gpt چیست؟

در دنیای هوش مصنوعی، پرامپت همان متنی است که برای هدایت مدل به سمت تولید خروجی دلخواه استفاده می‌شود. به بیان ساده‌تر، وقتی شما از یک چت‌بات می‌پرسید امروز هوا چطور است؟، این جمله پرامپت شما به‌ حساب می‌آید و سیستم بر اساس آن پاسخ مناسب تولید می‌کند. هرچه پرامپت دقیق‌تر و شفاف‌تر نوشته شود، احتمال دریافت خروجی بهتر و مرتبط‌تر بیشتر می‌شود.

کاربرد پرامپت‌ها تنها محدود به گفتگوهای روزمره نیست. در برنامه‌نویسی، طراحی، تولید محتوا، آموزش، تحلیل داده و حتی خلق آثار هنری دیجیتال، پرامپت‌ها نقش کلیدی دارند. برای مثال:

  • در تولید تصویر با هوش مصنوعی، توصیف دقیق صحنه موردنظر به عنوان پرامپت عمل می‌کند.
  • در چت‌بات‌های خدمات مشتری، پرسش‌ها یا درخواست‌های کاربران پرامپت‌هایی هستند که مسیر پاسخگویی را تعیین می‌کنند.
  • در مدل‌های زبانی، پرامپت می‌تواند شامل دستورالعمل‌هایی برای تغییر سبک نوشتار، خلاصه‌نویسی، ترجمه یا حتی تولید کد برنامه‌نویسی باشد.

یکی از دلایل اهمیت پرامپت‌ها این است که کیفیت و دقت پاسخ سیستم‌ها کاملا به کیفیت و دقت پرامپت وابسته است. به عبارت دیگر، هر چقدر که شما دقیق‌تر بدانید چه می‌خواهید و آن را با جزئیات بهتر بیان کنید، نتیجه‌ای که از سیستم می‌گیرید مفیدتر و قابل‌اعتمادتر خواهد بود.

به‌طور خلاصه، پرامپت پلی است میان نیازهای کاربر و توانایی‌های سیستم. دانستن چگونگی نوشتن یک پرامپت خوب، کلید استفاده موثر از ابزارهای هوش مصنوعی و دیگر سیستم‌های مبتنی بر دستور است. در بخش‌های بعدی مقاله، به طور دقیق‌تر به انواع پرامپت‌ها، نحوه نگارش موثر آن‌ها و نکات کاربردی خواهیم پرداخت.

پرامپت هوش مصنوعی
هرچه فرد مهارت بیشتری در پرامپت‌نویسی داشته باشد، می‌تواند با ابزارهای مختلف هوش مصنوعی ارتباط بهتری برقرار کند.

چرا Prompt در هوش مصنوعی مهم است؟

پرامپت‌ها در دنیای هوش مصنوعی به‌ویژه در مدل‌های زبانی و تولیدی مانند ChatGPT، DALL·E یا Midjourney، اهمیت بنیادی دارند. دلیل اصلی این اهمیت در ماهیت عملکرد مدل‌های یادشده نهفته است. این مدل‌ها آموزش دیده‌اند تا بر اساس الگوها، ارتباط بین کلمات و مفاهیم را حدس بزنند و خروجی متناسبی تولید کنند. اما آنچه تعیین می‌کند مدل دقیقا چه نوع پاسخی ارائه دهد، همان پرامپتی است که کاربر وارد می‌کند.

برای درک بهتر اهمیت پرامپت، می‌توان هوش مصنوعی را به موسیقیدانی ماهر تشبیه کرد که می‌تواند سبک‌ها و قطعات متنوعی بنوازد، اما نیاز دارد بداند شما چه سبک، سرعت یا حال‌وهوایی می‌خواهید. پرامپت در اینجا حکم همان درخواست یا نت آغازین را دارد که مسیر اجرا را مشخص می‌کند. بدون پرامپت دقیق، حتی پیشرفته‌ترین مدل‌ها هم نمی‌توانند نیاز کاربر را به‌درستی تشخیص دهند.

دلایل اهمیت پرامپت در هوش مصنوعی عبارت‌اند از:

  • هدایت و چارچوب‌دهی به خروجی
     مدل‌های زبانی و تصویری بدون پرامپت مانند بوم خالی هستند. پرامپت جهت و هدف تعامل را مشخص می‌کند. برای مثال، پرسش «لطفا یک داستان تخیلی کوتاه بنویس» با «لطفا یک داستان تخیلی کوتاه برای کودکان بنویس» دو نتیجه کاملا متفاوت ایجاد می‌کند.
  • افزایش دقت و کیفیت پاسخ‌ها
     هرچه پرامپت جزئیات بیشتری داشته باشد، خروجی دقیق‌تر و مرتبط‌تری تولید می‌شود. به‌عنوان مثال، اگر بخواهید متنی را خلاصه کنید، بیان دقیق طول خلاصه یا نکاتی که باید برجسته شوند، به مدل کمک می‌کند خروجی بهتری ارائه دهد.
  • صرفه‌جویی در زمان و منابع
     یک پرامپت ضعیف می‌تواند باعث شود چندین بار مجبور شوید تعامل را تکرار کنید تا به نتیجه دلخواه برسید. پرامپت‌های قوی و حساب‌شده از همان ابتدا مسیر درستی را تعیین می‌کنند و زمان صرف‌شده برای ویرایش یا بازنویسی را کاهش می‌دهند.
  • قابلیت شخصی‌سازی بالا
     با پرامپت مناسب می‌توان مدل‌های هوش مصنوعی را دقیقا مطابق نیازهای فردی تنظیم کرد. برای مثال، می‌توان از مدل خواست لحنی رسمی یا دوستانه داشته باشد، به سبک نویسنده خاصی بنویسد یا حتی داده‌های خاصی را در اولویت قرار دهد.
  • کاربرد در حوزه‌های تخصصی
     در زمینه‌های تخصصی مانند پزشکی، حقوق، برنامه‌نویسی یا تحلیل داده‌ها، پرامپت‌ها نقش حیاتی دارند. پرامپت دقیق و تخصصی می‌تواند مدل را به سمت ارائه پاسخ‌هایی هدایت کند که متناسب با استانداردهای حرفه‌ای باشند و از کلی‌گویی یا خطاهای رایج دور شوند.

پرامپت مانند کلید روشن کردن موتور هوش مصنوعی عمل می‌کند. حتی بهترین و پیشرفته‌ترین مدل‌ها بدون دریافت پرامپت دقیق، عملکردی ناقص خواهند داشت. یادگیری هنر طراحی پرامپت، مهارتی است که می‌تواند کیفیت تعامل با هوش مصنوعی را از یک تجربه سطحی به یک همکاری خلاقانه و قدرتمند ارتقا دهد.

prompt نویسی
حتی بهترین مدل‌های هوش مصنوعی نیز بدون دریافت پرامپت مناسب، عملکرد خوبی ندارند.

ساختار یک پرامپت خوب چگونه است؟

نوشتن پرامپت خوب، مهارتی کلیدی برای بهره‌گیری بهینه از هوش مصنوعی است. برخلاف تصور ساده‌ای که ممکن است وجود داشته باشد، پرامپت فقط یک سوال ساده یا جمله کوتاه نیست؛ بلکه ترکیبی از اجزا و اصولی است که اگر به‌درستی کنار هم قرار بگیرند، خروجی مدل را دقیق، قابل‌استفاده و منطبق بر نیازهای کاربر می‌کنند.

یک پرامپت خوب دارای چهار بخش کلیدی است:

هدف یا درخواست اصلی (Task)
 در قلب هر پرامپت هدفی مشخص وجود دارد. کاربر باید به‌روشنی مشخص کند از مدل چه می‌خواهد. برای مثال:

  • «یک خلاصه از این متن بنویس.»
  • «یک داستان کوتاه تخیلی خلق کن.»
  • «یک کد پایتون برای مرتب‌سازی لیست بنویس.»

هرچه این بخش شفاف‌تر و صریح‌تر بیان شود، مدل بهتر متوجه درخواست می‌شود.

زمینه یا کانتکست (Context)
 زمینه اطلاعاتی است که مدل برای ارائه پاسخ بهتر به آن نیاز دارد که می‌تواند شامل اطلاعات پس‌زمینه، سبک دلخواه، مخاطب هدف یا هر نکته مهمی باشد. برای مثال:

  • «این متن برای دانش‌آموزان دبیرستانی نوشته می‌شود.»
  • «داستان باید الهام‌بخش و با پایان خوش باشد.»
  • «کد باید برای یک مبتدی قابل‌فهم باشد.»

اضافه‌کردن زمینه به پرامپت کمک می‌کند خروجی دقیق‌تر و مرتبط‌تری دریافت شود.

جزئیات و الزامات (Details and Requirements)
 یک پرامپت خوب نه فقط هدف کلی، بلکه جزئیات مهم را هم مشخص می‌کند. برای مثال:

  • «خلاصه باید حداکثر ۵ جمله باشد.»
  • «داستان شامل یک قهرمان نوجوان و یک ربات باشد.»
  • «کد باید دارای توضیحات (comments) باشد.»

چنین جزئیاتی به مدل کمک می‌کنند خروجی را با نیازهای خاص شما تطبیق دهد.

قالب یا فرمت دلخواه (Format)
 اگر خروجی باید در قالب خاصی ارائه شود (مثل لیست، جدول، پاراگراف یا حتی قالب Markdown)، بهتر است صریحا در پرامپت ذکر شود. برای مثال:

  • «نتایج را به‌صورت جدول نمایش بده.»
  • «پاسخ را با تیتر و زیرتیترهای مشخص بنویس.»
  • «کد را در قالب بلوک کد ارائه کن.»

نمونه یک پرامپت خوب

«لطفا یک خلاصه از این مقاله بنویس که حداکثر ۵ جمله داشته باشد، به زبان ساده برای دانش‌آموزان دبیرستانی نوشته شده باشد و نکات کلیدی را پوشش دهد. لطفا پاسخ را به‌صورت یک پاراگراف ارائه کن.»

پرامپت در ChatGPT
یک پرامپت مناسب نه‌تنها به هدف اصلی، بلکه باید به جزئیات هم اشارات مستقیمی داشته باشد.

تفاوت پرامپت‌ها در ابزارهای مختلف

هرچند مفهوم پرامپت یا همان ورودی متنی در همه ابزارهای هوش مصنوعی مشترک است، اما نحوه طراحی و استفاده از آن در هر ابزار متفاوت است. در واقع بسته به نوع ابزار، شما باید یاد بگیرید چگونه با پرامپت‌های دقیق‌تر و متناسب، به بهترین نتیجه برسید. در این بخش توضیح می‌دهیم که پرامپت‌ها در چند ابزار مهم چه تفاوت‌هایی دارند.

ChatGPT و مدل‌های زبانی مشابه
ChatGPT نمونه‌ای از مدل‌های زبانی است که قادر به پاسخگویی به سوالات، نوشتن متن، ترجمه، خلاصه‌نویسی، نوشتن داستان یا حتی کدنویسی است.
 پرامپت‌هایی که برای ChatGPT طراحی می‌شوند اغلب به زبان طبیعی نوشته می‌شوند و می‌توانند حالت رسمی یا محاوره‌ای داشته باشند. حتی اگر پرامپت شما ناقص یا کمی مبهم باشد، ChatGPT تلاش می‌کند پاسخ متناسب بدهد، زیرا این مدل‌ها برای فهم طیف گسترده‌ای از درخواست‌ها آموزش دیده‌اند.

بااین‌حال اضافه کردن جزئیات و زمینه‌سازی می‌تواند کیفیت پاسخ را چندین برابر بهتر کند. برای مثال وقتی می‌گویید «یک داستان بنویس»، پاسخ کلی می‌گیرید، اما اگر بگویید «یک داستان تخیلی برای کودکان با پایان شاد بنویس»، نتیجه هدفمندتر و کاربردی‌تر خواهد بود.

Midjourney و ابزارهای تولید تصویر
Midjourney یکی از معروف‌ترین ابزارهای تولید تصویر با استفاده از هوش مصنوعی است. پرامپت‌هایی که برای این ابزار نوشته می‌شوند، عمدتا شامل توصیف‌های تصویری دقیق هستند. بر خلاف ChatGPT که با جمله‌های بلند هم راحت کار می‌کند، Midjourney با ترکیب عبارات کوتاه و کلیدواژه‌ها بهتر نتیجه می‌دهد.
 برای مثال اگر بنویسید a futuristic city at sunset, ultra-realistic, highly detailed, neon lights، میدجورنی دقیقا می‌داند چه سبک و فضایی باید خلق کند. در اینجا استفاده از کلیدواژه‌هایی مثل cyberpunk یا watercolor painting اهمیت زیادی دارد و تغییر یک کلمه می‌تواند تصویری کاملا متفاوت بسازد. به همین دلیل پرامپت‌نویسی برای Midjourney بیشتر شبیه هنر چیدمان کلمات کلیدی است.

DALL·E
 DALL·E هم مانند Midjourney ابزار تولید تصویر است، اما درک آن از زبان طبیعی کمی بهتر است. شما می‌توانید توصیف‌های بلندتر و دقیق‌تر بنویسید و از مدل انتظار داشته باشید که حتی با جمله‌های مفصل، تصویر مناسب تولید کند. به‌عنوان مثال «یک گربه که عینک گرد به چشم دارد و در یک کافی‌شاپ نشسته و کتاب می‌خواند» برای DALL·E کاملا قابل‌فهم است و خروجی قابل‌قبولی تولید می‌کند.

Codex و GitHub Copilot (ابزارهای تولید کد)
 در ابزارهای تولید کد مانند Codex یا Copilot، پرامپت‌ها اغلب به‌صورت توضیحات برنامه‌نویسی یا کامنت نوشته می‌شوند. این ابزارها نیاز دارند که به‌روشنی بدانند چه کدی می‌خواهید. مثلا وقتی در کامنت می‌نویسید write a Python function to check if a number is prime، مدل دقیقا می‌داند چه چیزی باید تولید کند.

برخلاف ChatGPT که تحمل ابهام را دارد، در اینجا وضوح و دقت اهمیت بسیار زیادی دارد، زیرا حتی یک توضیح مبهم می‌تواند به کدی منجر شود که کاری غیر از انتظار شما انجام دهد. پرامپت‌ها قلب تعامل شما با ابزارهای هوش مصنوعی هستند، اما هیچ الگوی یکسانی برای همه آن‌ها وجود ندارد. در مدل‌های زبانی مثل ChatGPT بهتر است روان و شفاف توضیح بدهید، در ابزارهای تصویری مثل Midjourney باید با کلیدواژه‌ها و توصیف‌های دقیق بازی کنید و در ابزارهای کدنویسی باید با زبانی رسمی و شفاف درخواست خود را مطرح کنید. هنر شما در این است که بتوانید پرامپت خود را با توجه به نوع ابزار و خروجی دلخواه طراحی کنید.

پیشنهاد مطالعه

نکات مهم برای نوشتن پرامپت حرفه‌ای

نوشتن یک پرامپت حرفه‌ای یکی از مهم‌ترین مهارت‌هایی است که می‌تواند کیفیت تعامل با هوش مصنوعی را به سطح بالاتری برساند. بسیاری از کاربران تصور می‌کنند صرفا با نوشتن یک درخواست ساده می‌توانند بهترین پاسخ‌ها را بگیرند، اما تجربه نشان داده است که کیفیت خروجی‌ها وابستگی زیادی به نوع و دقت پرامپت دارد.

اولین و شاید مهم‌ترین نکته برای نوشتن پرامپت حرفه‌ای، شفافیت در بیان هدف است. شما باید دقیق بدانید از مدل چه می‌خواهید و آن را بدون ابهام بیان کنید. برای مثال اگر می‌خواهید مقاله‌ای نوشته شود، فقط نگویید «یه مقاله بنویس» بلکه موضوع، طول تقریبی، لحن و حتی قالب موردنظرتان را مشخص کنید. این تفاوت ساده می‌تواند خروجی‌ها را متحول کند.

مسئله بعدی شناخت مخاطب هدف است. هر مدلی بر اساس اطلاعاتی که به آن می‌دهید عمل می‌کند. بنابراین باید روشن کنید که محتوا برای چه کسی تولید می‌شود؛ یک دانش‌آموز، یک متخصص، عموم مردم یا حتی کودکان. بدون این توضیح، احتمال زیادی دارد که پاسخ بیش از حد کلی یا نامتناسب باشد.

نوشتن پرامپت
مشخص کردن نوع مخاطب هنگام نوشتن پرامپت، تاثیر زیادی روی نتیجه دلخواه شما خواهد گذاشت.

لحن و سبک نوشتار نیز اهمیت زیادی دارد. هوش مصنوعی می‌تواند خود را با سبک‌های مختلف تطبیق دهد؛ کافی است از او بخواهید. مثلا اگر می‌خواهید متنی دوستانه، رسمی، ادبی یا حتی طنزآمیز داشته باشید، آن را در پرامپت ذکر کنید. این موضوع به ویژه در تولید محتوا، داستان‌نویسی یا حتی متن‌های تبلیغاتی بسیار موثر است.

یکی دیگر از نکات مهم، توجه به جزئیات و محدودیت‌ها است. بسیاری از کاربران فراموش می‌کنند که اندازه و قالب خروجی را مشخص کنند و بعد از دریافت پاسخ‌های طولانی یا بسیار کوتاه، ناامید می‌شوند. کافی است در پرامپتتان قید کنید که متن حداکثر چند کلمه یا جمله باشد، یا مثلا به صورت پاراگرافی یا فهرست‌وار نوشته شود. همین جزئیات کوچک می‌تواند خروجی‌ها را دقیق‌تر و متناسب‌تر کند.

همچنین ارائه نمونه یا الگو یکی از راهکارهای حرفه‌ای برای هدایت مدل است. وقتی می‌گویید «متنی شبیه نمونه زیر بنویس» و یک مثال کوتاه ارائه می‌کنید، مدل بهتر می‌تواند سبک دلخواه شما را تقلید کند. این تکنیک به‌ویژه برای تولید محتواهای خلاقانه و سبک‌محور بسیار مفید است.

نباید فراموش کرد که رسیدن به بهترین پرامپت معمولا با آزمون و خطا همراه است. کاربران حرفه‌ای می‌دانند که لازم است پرامپت‌ها را چندبار بازنویسی کنند تا در نهایت بهترین خروجی را به دست آورند. بنابراین اگر اولین نتیجه دلخواهتان نبود، بهتر است به‌جای ناامیدی، پرامپت را دقیق‌تر و واضح‌تر تنظیم کنید.

در نهایت، مهم است که از ابهام و کلی‌گویی پرهیز کنید. پرامپت‌هایی مثل «یه متن خوب بنویس» معمولا نتیجه‌های مبهم یا سطحی می‌دهند. بهتر است همیشه موضوع، هدف، مخاطب و سبک مورد نظر را روشن و صریح بیان کنید. اگر پرامپت شما پیچیده است، می‌توانید آن را به چند بخش منطقی تقسیم کنید و مثلا بخواهید که متن شامل مقدمه، بدنه و نتیجه‌گیری باشد.

کاربردهای پرامپت در تولید محتوا، کدنویسی، دیزاین و دیگر حوزه‌ها

پرامپت‌ها امروزه به یکی از ابزارهای کلیدی در حوزه‌های مختلف تبدیل شده‌اند و نقش مهمی در هدایت و شکل‌دهی به خروجی‌های هوش مصنوعی ایفا می‌کنند. در تولید محتوا پرامپت‌ها به شما کمک می‌کنند مقالات، پست‌های شبکه‌های اجتماعی، توضیحات محصول یا حتی شعر و داستان خلق کنید. فقط کافی است موضوع، سبک و مخاطب را مشخص کنید تا مدل دقیقا همان چیزی را تولید کند که نیاز دارید.

در حوزه کدنویسی پرامپت‌ها به برنامه‌نویسان کمک می‌کنند تا کدهای آماده، الگوریتم‌ها یا حتی توضیحات مستندات فنی دریافت کنند. برای مثال با نوشتن یک توضیح ساده مثل «یک تابع پایتون برای چک کردن عدد اول»، می‌توانید در چند ثانیه کد کاربردی تحویل بگیرید.

در دیزاین و طراحی به‌ویژه با ابزارهایی مثل Midjourney و DALL·E، پرامپت‌ها به شما امکان می‌دهند تصاویر خلاقانه و خاص بسازید. کافی است سبک، جزئیات و حال‌وهوای تصویر را توضیح دهید تا ابزار برایتان تصویری منحصربه‌فرد خلق کند.

علاوه بر این‌ها پرامپت‌ها در آموزش، ترجمه، خلاصه‌سازی، تحلیل داده، برنامه‌ریزی و حتی بازی‌سازی کاربرد دارند و هر روز دامنه استفاده آن‌ها گسترده‌تر می‌شود.

آنچه درباره prompt نویسی خواندید

در این مقاله تلاش کردیم با زبانی ساده و کاربردی مفهوم پرامپت، اهمیت آن در هوش مصنوعی و نحوه نوشتن حرفه‌ای آن را بررسی کنیم. همان‌طور که دیدیم، پرامپت‌ها ابزارهایی قدرتمند هستند که می‌توانند کیفیت خروجی‌های تولید محتوا، کدنویسی، طراحی و بسیاری از زمینه‌های دیگر را به‌طور چشمگیری افزایش دهند.

چه در مشاوره شبکه برای خودکارسازی فرایندها و چه در خدمات مجازی‌سازی شبکه برای بهینه‌سازی سیستم‌ها، تسلط بر هنر پرامپت‌نویسی می‌تواند ارزش زیادی به کار شما اضافه کند. در نهایت با تمرین و شناخت بهتر ابزارها، می‌توانید تعاملتان با هوش مصنوعی را به سطحی حرفه‌ای و موثر برسانید.

مجازی سازی شبکه، راه حل کاهش هزینه‌ها
مجازی سازی شبکه، راه حل کاهش هزینه‌ها
با مجازی سازی شبکه می‌توانید از تمام پتانسیل تجهیزات خود استفاده کرده و هزینه‌های توسعه شبکه را کاهش دهید. در این راه متخصصان فالنیک با بیش از سه دهه تجربه، کنار شما هستند. برای ثبت سفارش یا دریافت مشاوره کلیک کنید.

post
وبینار رایگان از دیوار آتش تا معماری امنیت: نگاهی نو به طراحی فایروال‌ها وبینار رایگان از دیوار آتش تا معماری امنیت: نگاهی نو به طراحی فایروال‌ها

تحریریه فالنیک

تحریریه فالنیک بیش از 14 سال است که با همکاری کارشناسان و نویسندگان باتجربه و علاقمند به حوزه سرور و شبکه، ماشین های اداری و پردازش شخصی، جدیدترین مطالب تکنولوژی جهان را به متخصصان و علاقمندان ارائه می‌کند.

نوشته های مشابه

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

دکمه بازگشت به بالا