एक स्पष्ट, विशिष्ट AI प्रॉम्प्ट कैसे लिखें

मॉडल को वह संदर्भ दें जिसका वह अंदाज़ा नहीं लगा सकता

एक मॉडल उस चीज़ से जवाब देता है जो बातचीत में है, साथ ही जो उसने ट्रेनिंग के दौरान सीखा है — उसे नहीं पता कि आप किसके लिए लिख रहे हैं, आपने पहले क्या आज़माया, या यह काम क्यों मायने रखता है, जब तक आप न बताएँ। "इस ईमेल को फिर से लिखें" और "इस ईमेल को इस तरह फिर से लिखें कि पहले से नाराज़ ग्राहक इसे बहाना नहीं, माफ़ी की तरह पढ़े" — यह वही काम है, बस अलग मात्रा के संदर्भ के साथ, और इनके जवाब अलग होते हैं। संदर्भ लंबा होना ज़रूरी नहीं; इसमें बस वे एक-दो तथ्य होने चाहिए जो यह बदल दें कि कोई इंसान इस काम को कैसे करेगा।

सीमाएँ साफ़ बताएँ, यह उम्मीद न करें कि वे खुद-ब-खुद समझ आ जाएँगी

शब्द-सीमा, पढ़ने का स्तर, लहज़ा, कोई बात जिसका ज़िक्र न करना हो, वह डेडलाइन जिसका जवाब को पालन करना है — मॉडल किसी सीमा को तभी लागू करता है जब आप उसे बताते हैं, वरना वह एक सामान्य डिफ़ॉल्ट पर लौट जाता है जो शायद फिट न बैठे। "इसे 150 शब्दों के अंदर रखें" और "तकनीकी शब्दजाल से बचें" — दोनों ऐसी सीमाएँ हैं जिन्हें साफ़ बताए जाने पर मॉडल भरोसेमंद तरीके से मान सकता है; इनमें से किसी को भी वह अपने आप, लगातार सही ढंग से नहीं समझता।

वह आउटपुट फ़ॉर्मैट नाम दें जो आप वाकई चाहते हैं

बुलेट वाली सूची, एक छोटा पैराग्राफ़, एक टेबल, एक विषय-पंक्ति और मुख्य भाग — शुरुआत में ही चाहा गया ढाँचा माँगने से एक फ़ॉलो-अप संदेश की ज़रूरत बच जाती है जो दोबारा फ़ॉर्मैट माँगता है। यह तब और ज़्यादा मायने रखता है, कम नहीं, जब आउटपुट को किसी इंसान की बजाय किसी और चीज़ को पार्स करना हो; इस मामले के लिए, नीचे दिए गए structured output के लिए प्रॉम्प्टिंग को देखें, जो इस बिंदु का गहरा साथी गाइड है।

जब सिर्फ़ विवरण अस्पष्ट रह सकता है, तब एक उदाहरण जोड़ें

कुछ चीज़ें बताने से ज़्यादा दिखाने में आसान होती हैं — कोई हाउस स्टाइल, एक लहज़ा, किसी बार-बार आने वाले काम का कोई खास फ़ॉर्मैट। एक अच्छी तरह चुना गया उदाहरण अक्सर उस अस्पष्टता को दूर कर देता है जिसे विवरण के कई वाक्य नहीं कर पाते। एक से ज़्यादा उदाहरण को सोच-समझकर इस्तेमाल करने का तरीका, और यह कब प्रॉम्प्ट की अतिरिक्त लंबाई के लायक है, यह जानने के लिए नीचे दी गई few-shot prompting देखें।

लोग जो सवाल पूछते हैं

क्या एक लंबा प्रॉम्प्ट हमेशा बेहतर जवाब देता है?

नहीं — एक लंबा प्रॉम्प्ट तभी मदद करता है जब वह अतिरिक्त लंबाई संदर्भ, कोई सीमा, या ऐसा उदाहरण हो जो मॉडल के पास वरना नहीं होता। दोहराए गए निर्देशों या भराव से प्रॉम्प्ट को लंबा करना जवाब को बेहतर नहीं बनाता और उस हिस्से को दबा सकता है जो वाकई मायने रखता था।

क्या एक स्पष्ट प्रॉम्प्ट मॉडल को तथ्य गलत बताने से रोक देगा?

नहीं। एक स्पष्ट प्रॉम्प्ट इस संभावना को बढ़ाता है कि मॉडल समझे कि आप क्या माँग रहे हैं, लेकिन यह तथ्यों की पुष्टि नहीं करता और न ही हैलुसिनेशन को खत्म करता है — असल में इसका कारण क्या है और सिर्फ़ प्रॉम्प्टिंग इसे क्यों ठीक नहीं कर सकती, यह जानने के लिए नीचे दिया गया AI हैलुसिनेट क्यों करता है देखें।

किसी अस्पष्ट प्रॉम्प्ट में जोड़ने के लिए सबसे उपयोगी अकेली चीज़ क्या है?

आमतौर पर संदर्भ: दर्शक, लक्ष्य, या स्थिति के बारे में वे एक-दो तथ्य जिनकी किसी इंसान को यह काम अच्छे से करने के लिए ज़रूरत होती। कोई सीमा या उदाहरण भी मदद करता है, लेकिन अगर मॉडल को अब भी नहीं पता कि जवाब किसके लिए है, तो वे कम मायने रखते हैं।