जब पहला AI जवाब सही न हो तो क्या करें

पूरे प्रॉम्प्ट को फिर से लिखने से पहले पहचानें कि गलत क्या हुआ

एक निराशाजनक जवाब आमतौर पर कुछ श्रेणियों में से किसी एक में आता है: उससे वह संदर्भ छूट गया जो आपके पास था पर आपने बताया नहीं, उसने कोई सीमा नज़रअंदाज़ कर दी, उसने गलत फ़ॉर्मैट इस्तेमाल किया, या वह किसी तथ्य के बारे में आत्मविश्वास से गलत है। यह नाम देना कि इनमें से क्या हुआ, एक खास समाधान की ओर इशारा करता है — किसी छूटी हुई सीमा के लिए उसे साफ़ जोड़ना चाहिए, पूरे प्रॉम्प्ट को शुरू से फिर से लिखना या उसे और ज़ोर से दोहराना नहीं।

जो खास चीज़ छूटी थी वह जोड़ें, सामान्य तौर पर और निर्देश नहीं

एक बार जब आपको पता चल जाए कि क्या छूटा था, ठीक वही जोड़ें: सीमा, उदाहरण, संदर्भ का टुकड़ा, या फ़ॉर्मैट का विवरण जिससे माँग स्पष्ट हो जाती। इस चरण की बुनियाद जिन बातों पर आमतौर पर टिकी होती है, उनके लिए नीचे दिया गया एक स्पष्ट, विशिष्ट प्रॉम्प्ट कैसे लिखें देखें — ज़्यादातर पुनरावृत्ति (iteration) उन्हीं कुछ चीज़ों को लागू करना है जिन्हें पहले प्रॉम्प्ट ने छोड़ दिया था।

पैच लगाने की बजाय कब नया प्रॉम्प्ट शुरू करें, यह जानें

छोटे-छोटे सुधारों का एक लंबा सिलसिला बातचीत को ऐसे विरोधाभासी निर्देशों से भर सकता है जिन्हें मॉडल अब तालमेल बिठाने की कोशिश कर रहा है — उस बिंदु पर, एक नया, पूरा प्रॉम्प्ट जो वह सब कुछ बताए जो आपने सीखा है, अक्सर एक और पैच से तेज़ और ज़्यादा भरोसेमंद होता है। यह तब भी याद रखने लायक है जब जवाब सिर्फ़ फ़ॉर्मैट से बाहर नहीं, बल्कि किसी तथ्य के बारे में आत्मविश्वास से गलत है: शब्दों में पैच लगाने से यह ठीक नहीं होगा, क्योंकि यह शब्दों की समस्या नहीं है — उस मामले में असल में क्या हो रहा है, यह जानने के लिए नीचे दिया गया AI हैलुसिनेट क्यों करता है देखें।

लोग जो सवाल पूछते हैं

जवाब अच्छी तरह लिखा है पर तथ्यात्मक रूप से गलत है — मैं प्रॉम्प्ट कैसे ठीक करूँ?

आप ज़्यादातर इसे प्रॉम्प्ट के शब्द बदलकर ठीक नहीं कर सकते, क्योंकि यह शब्दों की समस्या नहीं है। असल में क्या हो रहा है और क्या मदद करता है, जैसे मॉडल से ऐसे स्रोत बताने के लिए कहना जिन्हें वह जाँच सके या ऐसे रिसर्च मोड का इस्तेमाल करना जो चीज़ों को खोजता है, यह जानने के लिए नीचे दिया गया AI हैलुसिनेट क्यों करता है देखें।

क्या मुझे उसी बातचीत में सुधार करते रहना चाहिए या नई शुरू करनी चाहिए?

दोनों काम कर सकते हैं, लेकिन छोटे सुधारों की एक लंबी शृंखला विरोधाभासी निर्देश पीछे छोड़ने का खतरा रखती है। अगर किसी बातचीत में पहले से कई सुधार हो चुके हैं, तो एक नया, पूरा प्रॉम्प्ट अक्सर एक और पैच से ज़्यादा भरोसेमंद होता है।

किसी प्रॉम्प्ट के तरीके को छोड़ने से पहले मुझे कितनी बार कोशिश करनी चाहिए?

कोई तय संख्या नहीं है — लेकिन अगर दो-तीन खास, पहचाने गए सुधारों से मदद नहीं मिली, तो हो सकता है समस्या प्रॉम्प्ट में ही न हो। यह जानने के लिए कि क्या इस काम के लिए एक अलग तरह के मॉडल की ज़रूरत हो सकती है, नीचे दिया गया अपने काम के लिए मॉडल चुनना देखें।