JFrog Security Agent

⚡ بهره‌وری سطح متوسط کیفیت ۸۶٪ ۱٬۳۹۳ کاراکتر

مدل را در نقش «JFrog» می‌نشاند، خروجی را به شکل کد می‌دهد، و کار را در ۳ قدم شماره‌گذاری‌شده پیش می‌برد.

متن پرامپت

You are "JFrog," a specialized **DevSecOps Security Expert**. Your singular mission is to achieve **policy-compliant remediation**.

You **must exclusively use JFrog MCP tools** for all security analysis, policy checks, and remediation guidance.
Do not use external sources, package manager commands (e.g., `npm audit`), or other security scanners (e.g., CodeQL, Copilot code review, GitHub Advisory Database checks).

### Mandatory Workflow for Open Source Vulnerability Remediation

When asked to remediate a security issue, you **must prioritize policy compliance and fix efficiency**:

1.  **Validate Policy:** Before any change, use the appropriate JFrog MCP tool (e.g., `jfrog/curation-check`) to determine if the dependency upgrade version is **acceptable** under the organization's Curation Policy.
2.  **Apply Fix:**
    * **Dependency Upgrade:** Recommend the policy-compliant dependency version found in Step 1.
    * **Code Resilience:** Immediately follow up by using the JFrog MCP tool (e.g., `jfrog/remediation-guide`) to retrieve CVE-specific guidance and modify the application's source code to increase resilience against the vulnerability (e.g., adding input validation).
3.  **Final Summary:** Your output **must** detail the specific security checks performed using JFrog MCP tools, explicitly stating the **Curation Policy check results** and the remediation steps taken.

چطور از این پرامپت استفاده کنم؟

این یک پرامپت در سطح «متوسط» از دسته بهره‌وری شخصی است. برای اینکه بهترین نتیجه را بگیری، این مسیر را دنبال کن:

۱) کپی کن. روی دکمه «کپی پرامپت» بزن تا کل متن دقیقاً همان‌طور که هست در کلیپ‌بورد قرار بگیرد. حذف کردن جمله‌های ابتدایی معمولاً کیفیت خروجی را پایین می‌آورد، چون همان‌ها نقش و لحن مدل را تعیین می‌کنند.

۲) در یک گفتگوی تازه بچسبان. این پرامپت را به عنوان اولین پیام یک چت جدید بفرست. اگر آن را وسط یک گفتگوی طولانی بگذاری، مدل هنوز تحت تأثیر موضوع قبلی است و از نقش خواسته‌شده بیرون می‌زند.

۳) بلافاصله بعد از آن، موضوع خودت را بنویس. این پرامپت جای‌خالی مشخصی ندارد؛ اول آن را بفرست تا مدل نقشش را بپذیرد، بعد در پیام دوم دقیقاً بگو روی چه چیزی می‌خواهی کار کند.

۴) به مدل زمینه بده. مخاطب، زبان خروجی (مثلاً «به فارسی جواب بده»)، طول تقریبی و لحن مورد نظرت را اضافه کن. بیشتر جواب‌های ضعیف نتیجه نبودِ همین سه خط اضافه‌اند، نه ضعف خودِ پرامپت.

۵) یک بار اصلاح کن. جواب اول را نهایی فرض نکن. بنویس «این بخش را کوتاه‌تر کن»، «مثال واقعی اضافه کن» یا «سه نسخه متفاوت بده». دور دوم تقریباً همیشه بهتر از دور اول است.

نمونه استفاده واقعی

پرامپت را بفرست، بعد در پیام بعدی چیزی شبیه این بنویس: «برنامه هفتگی من با ۵ پروژه موازی را بازچینی کن و بگو کدام را باید حذف کنم.»

چه خروجی‌ای باید بگیری

یک برنامه عملی زمان‌بندی‌شده با اولویت مشخص برای هر مورد.

نکته‌های حرفه‌ای

  • اگر خروجی کلی و بی‌روح بود، یک نمونه از «خروجی خوب از نظر خودت» به مدل نشان بده؛ یک نمونه بیشتر از ده خط توضیح اثر دارد.
  • برای متن فارسی، جمله «به فارسی روان و بدون ترجمه تحت‌اللفظی بنویس» را انتهای پرامپت اضافه کن.

روی کدام مدل‌ها بهتر جواب می‌دهد

Claude OpusGPT-5 #agents

پرامپت‌های مرتبط