एआई प्रॉम्प्टिंग क्या है?

अगर आपने कभी किसी चैटबॉट में सवाल टाइप किया हो और सोचा हो कि "हम्म, ये तो वो नहीं है जो मैं चाहता था", तो आप AI प्रॉम्प्टिंग की कला से रूबरू हो चुके हैं। बेहतरीन नतीजे पाना किसी जादू से नहीं, बल्कि सवाल पूछने के तरीके से ज़्यादा जुड़ा है। कुछ आसान तरीकों से आप मॉडल्स को लिखने, तर्क करने, सारांश बनाने, योजना बनाने या यहाँ तक कि अपने काम की आलोचना करने के लिए भी निर्देशित कर सकते हैं। और हाँ, शब्दों में थोड़ा सा बदलाव भी सब कुछ बदल सकता है। 😄

इस लेख के बाद आप ये लेख भी पढ़ सकते हैं:

🔗 एआई डेटा लेबलिंग क्या है?
यह बताता है कि लेबल किए गए डेटासेट सटीक मशीन लर्निंग मॉडल को कैसे प्रशिक्षित करते हैं।

🔗 एआई नैतिकता क्या है?
इसमें जिम्मेदार और निष्पक्ष कृत्रिम बुद्धिमत्ता उपयोग के लिए मार्गदर्शन देने वाले सिद्धांतों को शामिल किया गया है।

🔗 AI में MCP क्या है?
मॉडल संदर्भ प्रोटोकॉल और एआई संचार में इसकी भूमिका का परिचय दिया गया।

🔗 एज एआई क्या है?
स्थानीय एज डिवाइसों पर सीधे AI संगणना चलाने का वर्णन करता है।

AI प्रॉम्प्टिंग क्या है?

एआई प्रॉम्प्टिंग, ऐसे इनपुट तैयार करने की प्रक्रिया है जो एक जनरेटिव मॉडल को आपके इच्छित आउटपुट की ओर निर्देशित करते हैं। इसका अर्थ स्पष्ट निर्देश, उदाहरण, सीमाएँ, भूमिकाएँ या यहाँ तक कि एक लक्षित प्रारूप भी हो सकता है। दूसरे शब्दों में, आप बातचीत को इस तरह डिज़ाइन करते हैं कि मॉडल को ठीक वही देने का पूरा मौका मिले जो आपको चाहिए। आधिकारिक गाइड प्रॉम्प्ट इंजीनियरिंग को बड़े भाषा मॉडल को चलाने के लिए प्रॉम्प्ट को डिज़ाइन और परिष्कृत करने के रूप में वर्णित करते हैं, जिसमें स्पष्टता, संरचना और पुनरावृत्त परिशोधन पर ज़ोर दिया जाता है। [1]

सच कहें तो, हम अक्सर AI को एक सर्च बॉक्स की तरह इस्तेमाल करते हैं। लेकिन ये मॉडल तब सबसे बेहतर काम करते हैं जब आप उन्हें कार्य, दर्शक, शैली और स्वीकृति के मानदंड बताते हैं। संक्षेप में, यही AI प्रॉम्प्टिंग है।

क्या अच्छा AI प्रॉम्प्टिंग बनाता है ✅

स्पष्टता चतुराई को मात देती है - सरल, स्पष्ट निर्देश अस्पष्टता को कम करते हैं। [2]
संदर्भ सर्वोपरि है - पृष्ठभूमि, लक्ष्य, दर्शक, बाधाएं, यहां तक कि लेखन का नमूना भी दें।
दिखाओ, सिर्फ बताओ मत - कुछ उदाहरण शैली और प्रारूप को आधार प्रदान कर सकते हैं। [3]
संरचना मदद करती है - शीर्षक, बुलेट बिंदु, क्रमांकित चरण और आउटपुट स्कीमा मॉडल का मार्गदर्शन करते हैं।
जल्दी से पुनरावृति करें - आपको जो मिला उसके आधार पर प्रॉम्प्ट को परिष्कृत करें, फिर पुनः परीक्षण करें। [2]
चिंताओं को अलग करें - पहले विश्लेषण के लिए पूछें, फिर अंतिम उत्तर के लिए पूछें।
ईमानदारी की अनुमति दें - मॉडल को यह कहने के लिए आमंत्रित करें कि मुझे नहीं पता या जरूरत पड़ने पर लापता जानकारी के लिए पूछें। [4]

इसमें कोई भी रॉकेट साइंस नहीं है, लेकिन इसका चक्रवृद्धि प्रभाव वास्तविक है।

AI प्रॉम्प्टिंग के मुख्य निर्माण खंड 🧩

निर्देश:
कार्य को स्पष्ट रूप से बताएं: एक प्रेस विज्ञप्ति लिखें, अनुबंध का विश्लेषण करें, कोड की आलोचना करें।
संदर्भ
में श्रोतागण, स्वर, डोमेन, लक्ष्य, बाधाएं और कोई भी संवेदनशील सुरक्षा-रेखा शामिल करें।
उदाहरण:
शैली और संरचना को आकार देने के लिए 1-3 उच्च-गुणवत्ता वाले नमूने जोड़ें।
आउटपुट फ़ॉर्मैट:
JSON, तालिका या क्रमांकित योजना के लिए पूछें। फ़ील्ड के बारे में विशिष्ट रहें।
गुणवत्ता मानदंड
: "पूर्ण" को परिभाषित करें: सटीकता मानदंड, संदर्भ, लंबाई, शैली, बचने योग्य कमियां।
कार्यप्रवाह संकेत
चरण-दर-चरण तर्क या ड्राफ्ट-फिर-संपादन लूप का सुझाव दें।
मुझे नहीं पता कहने या पहले स्पष्टीकरण वाले प्रश्न पूछने की सुरक्षित अनुमति। [4]

संक्षिप्त तुलना (पहले/बाद में)
: पहले: “हमारे नए ऐप के लिए मार्केटिंग कॉपी लिखें।”
बाद में: “आप एक वरिष्ठ ब्रांड कॉपीराइटर हैं। व्यस्त फ्रीलांसरों के लिए 3 लैंडिंग पेज हेडलाइन लिखें, जो समय की बचत को महत्व देते हैं। भाषा: संक्षिप्त, विश्वसनीय, अतिशयोक्ति रहित। 5-7 शब्द। हेडलाइन और उसके प्रभावी होने के कारण। एक विपरीत विकल्प भी शामिल करें।”

AI प्रॉम्प्टिंग के मुख्य प्रकार जिनका आप वास्तव में उपयोग करेंगे 🧪

प्रत्यक्ष संकेत:
न्यूनतम संदर्भ वाला एकल निर्देश। तेज़, कभी-कभी भंगुर।
कुछ-शॉट प्रॉम्प्टिंग
पैटर्न सिखाने के लिए कुछ उदाहरण दें। प्रारूप और टोन के लिए बढ़िया। [3]
भूमिका निर्धारण
व्यवहार को आकार देने के लिए वरिष्ठ संपादक, गणित शिक्षक, या सुरक्षा समीक्षक जैसे व्यक्तित्व को निर्दिष्ट करें।
श्रृंखलाबद्ध प्रेरणा
मॉडल को चरणों में सोचने के लिए कहें: योजना बनाना, प्रारूप बनाना, आलोचना करना, संशोधन करना।
आत्म-आलोचना हेतु प्रेरित करना -
मॉडल को अपने आउटपुट का मूल्यांकन मानदंडों के आधार पर करने तथा समस्याओं को ठीक करने के लिए कहें।
टूल-अवेयर प्रॉम्प्टिंग
जब मॉडल कोड ब्राउज़ या चला सकता है, तो उसे बताएं कि उन टूल्स का उपयोग कब और कैसे करना है। [1]
गार्डरेलिंग के संकेत
जोखिमपूर्ण आउटपुट को कम करने के लिए सुरक्षा बाधाओं और प्रकटीकरण नियमों को एम्बेड करें - जैसे गेंदबाजी गली में बम्पर लेन: थोड़ा स्क्वीकी लेकिन उपयोगी। [5]

व्यावहारिक संकेत पैटर्न जो काम करते हैं 🧯

कार्य सैंडविच
कार्य से शुरू करें, बीच में संदर्भ और उदाहरण जोड़ें, आउटपुट प्रारूप और गुणवत्ता बार को पुनः बताकर समाप्त करें।
आलोचक फिर निर्माता -
पहले विश्लेषण या आलोचना मांगें, फिर उस आलोचना को शामिल करते हुए अंतिम प्रस्तुतिकरण मांगें।
चेकलिस्ट-संचालित
एक चेकलिस्ट प्रदान करें और अंतिम रूप देने से पहले मॉडल से प्रत्येक बॉक्स की पुष्टि करने की अपेक्षा करें।
स्कीमा-प्रथम:
JSON स्कीमा दें, मॉडल को उसे भरने के लिए कहें। संरचित डेटा के लिए बिल्कुल उपयुक्त।
वार्तालाप लूप:
मॉडल को तीन स्पष्टीकरणात्मक प्रश्न पूछने के लिए आमंत्रित करें, फिर आगे बढ़ें। कुछ विक्रेता स्पष्ट रूप से इस प्रकार की संरचित स्पष्टता और विशिष्टता की अनुशंसा करते हैं। [2]

छोटा-सा बदलाव, बड़ा बदलाव। आप देखेंगे।

AI प्रॉम्प्टिंग बनाम फ़ाइनट्यूनिंग बनाम सिर्फ़ मॉडल स्विच करना 🔁

कभी-कभी आप बेहतर प्रॉम्प्ट से गुणवत्ता में सुधार कर सकते हैं। कई बार सबसे तेज़ तरीका एक अलग मॉडल चुनना या अपने डोमेन के लिए हल्का फ़ाइनट्यूनिंग जोड़ना होता है। अच्छे विक्रेता गाइड बताते हैं कि कब प्रॉम्प्ट इंजीनियर करना है और कब मॉडल या दृष्टिकोण बदलना है। संक्षेप में: कार्य-ढांचे और स्थिरता के लिए प्रॉम्प्टिंग का उपयोग करें, और बड़े पैमाने पर डोमेन शैली या स्थिर आउटपुट के लिए फ़ाइनट्यूनिंग पर विचार करें। [4]

डोमेन द्वारा उदाहरण संकेत 🎯

मार्केटिंग:
आप एक वरिष्ठ ब्रांड कॉपीराइटर हैं। समय की बचत को महत्व देने वाले व्यस्त फ्रीलांसरों को ईमेल के लिए 5 विषय पंक्तियाँ लिखें। उन्हें प्रभावशाली, 45 अक्षरों से कम रखें और विस्मयादिबोधक चिह्नों से बचें। 2-स्तंभों वाली तालिका के रूप में आउटपुट लिखें: विषय, तर्क। एक ऐसा आश्चर्यजनक विकल्प शामिल करें जो किसी मानक को तोड़ता हो।
उत्पाद
आप एक उत्पाद प्रबंधक हैं। इन कच्चे नोट्स को एक स्पष्ट समस्या विवरण, दिए गए-जब-तब में उपयोगकर्ता कहानियों और 5-चरणीय रोलआउट योजना में बदलें। अस्पष्ट मान्यताओं को चिह्नित करें।
सहायता:
इस निराश ग्राहक के संदेश को एक शांत उत्तर में बदलें जो समाधान समझाए और अपेक्षाएँ निर्धारित करे। सहानुभूति बनाए रखें, दोषारोपण से बचें, और एक उपयोगी लिंक शामिल करें।
डेटा:
सबसे पहले विश्लेषण में सांख्यिकीय मान्यताओं को सूचीबद्ध करें। फिर उनकी समीक्षा करें। अंत में, एक क्रमांकित योजना और एक संक्षिप्त छद्म कोड उदाहरण के साथ एक सुरक्षित विधि प्रस्तावित करें।
कानूनी:
इस अनुबंध का सारांश किसी गैर-वकील के लिए लिखें। केवल मुख्य बिंदुओं में लिखें, कोई कानूनी सलाह नहीं। क्षतिपूर्ति, समाप्ति, या आईपी संबंधी सभी प्रावधानों को स्पष्ट अंग्रेजी में लिखें।

ये ऐसे टेम्पलेट हैं जिन्हें आप बदल सकते हैं, ये कोई सख़्त नियम नहीं हैं। मुझे लगता है कि यह तो ज़ाहिर है, लेकिन फिर भी।

तुलना तालिका - AI प्रॉम्प्टिंग विकल्प और वे कहाँ चमकते हैं 📊

उपकरण या तकनीक	श्रोता	कीमत	यह कैसे काम करता है
स्पष्ट निर्देश	सब लोग	मुक्त	अस्पष्टता कम करता है - क्लासिक समाधान
कुछ उदाहरण	लेखक, विश्लेषक	मुक्त	पैटर्न के माध्यम से शैली और प्रारूप सिखाता है [3]
भूमिका संकेत	प्रबंधक, शिक्षक	मुक्त	अपेक्षाएं और लहजा शीघ्रता से निर्धारित करता है
चेन प्रॉम्प्टिंग	शोधकर्ताओं	मुक्त	अंतिम उत्तर से पहले चरणबद्ध तर्क को बल देता है
आत्म-आलोचना पाश	QA-दिमाग वाले लोग	मुक्त	त्रुटियों को पकड़ता है और आउटपुट को मजबूत करता है
विक्रेता सर्वोत्तम अभ्यास	बड़े पैमाने पर टीमें	मुक्त	स्पष्टता और संरचना के लिए क्षेत्र-परीक्षणित सुझाव [1]
गार्डरेल चेकलिस्ट	विनियमित संगठन	मुक्त	अधिकांश समय प्रतिक्रियाओं को अनुरूप बनाए रखता है [5]
स्कीमा-प्रथम JSON	डेटा टीमें	मुक्त	डाउनस्ट्रीम उपयोग के लिए संरचना लागू करता है
शीघ्र पुस्तकालय	व्यस्त बिल्डरों	नि: शुल्क-ish	पुन: प्रयोज्य पैटर्न - कॉपी, ट्वीक, शिप

हाँ, तालिका थोड़ी असमान है। वास्तविक जीवन भी ऐसा ही है।

AI प्रॉम्प्टिंग में आम गलतियाँ और उन्हें कैसे ठीक करें 🧹

अस्पष्ट प्रश्न:
अगर आपका संकेत कंधे उचकाने जैसा लगता है, तो आउटपुट भी वैसा ही होगा। दर्शक, लक्ष्य, अवधि और प्रारूप जोड़ें।
कोई उदाहरण नहीं
जब आप एक बहुत ही विशिष्ट शैली चाहते हैं, तो एक उदाहरण दें। चाहे वह छोटा ही क्यों न हो। [3]
प्रॉम्प्ट को ओवरलोड करना।
संरचना के बिना लंबे प्रॉम्प्ट मॉडल को भ्रमित करते हैं। अनुभागों और बुलेट पॉइंट्स का उपयोग करें।
मूल्यांकन न करें।
हमेशा तथ्यात्मक दावों, पूर्वाग्रहों और चूकों की जाँच करें। उपयुक्त होने पर उद्धरण आमंत्रित करें। [2]
सुरक्षा की अनदेखी:
ऐसे निर्देशों से सावधान रहें जो अविश्वसनीय सामग्री ला सकते हैं। बाहरी पृष्ठों से ब्राउज़ करते या खींचते समय प्रॉम्प्ट-इंजेक्शन और संबंधित हमले वास्तविक जोखिम हैं; सुरक्षा उपाय डिज़ाइन करें और उनका परीक्षण करें। [5]

बिना अनुमान लगाए शीघ्र गुणवत्ता का मूल्यांकन करना 📏

सफलता को पहले से परिभाषित करें -
सटीकता, पूर्णता, टोन, प्रारूप अनुपालन, तथा उपयोगी आउटपुट के लिए समय।
चेकलिस्ट या रूब्रिक का उपयोग करें।
अंतिम परिणाम देने से पहले मॉडल को मानदंडों के आधार पर स्वयं स्कोर करने के लिए कहें।
बदलें
और अंतर को मापें।
एक अलग मॉडल या तापमान का प्रयास करें
कभी-कभी सबसे तेज़ जीत मॉडल स्विच करना या मापदंडों को समायोजित करना है। [4]
त्रुटि पैटर्न पर नज़र रखें:
मतिभ्रम, दायरे में वृद्धि, गलत दर्शक। ऐसे प्रति-संकेत लिखें जो स्पष्ट रूप से इन्हें रोकें।

AI प्रॉम्प्टिंग में सुरक्षा, नैतिकता और पारदर्शिता 🛡️

अच्छे संकेत में जोखिम कम करने वाली सीमाएँ शामिल होती हैं। संवेदनशील विषयों के लिए, आधिकारिक स्रोतों के उद्धरण मांगें। नीति या अनुपालन से संबंधित किसी भी विषय के लिए, मॉडल को या तो उद्धरण देने या स्थगित करने की आवश्यकता होती है। स्थापित मार्गदर्शिकाएँ स्पष्ट, विशिष्ट निर्देशों, संरचित आउटपुट और पुनरावृत्त परिशोधन को सुरक्षित डिफ़ॉल्ट के रूप में लगातार बढ़ावा देती हैं। [1]

इसके अलावा, ब्राउज़िंग या बाहरी सामग्री को एकीकृत करते समय, अज्ञात वेबपेजों को अविश्वसनीय मानें। छिपी हुई या प्रतिकूल सामग्री मॉडल को गलत बयानों की ओर धकेल सकती है। ऐसे प्रॉम्प्ट और परीक्षण बनाएँ जो इन तरकीबों का विरोध करें, और उच्च-दांव वाले उत्तरों के लिए किसी व्यक्ति को सूचित रखें। [5]

मजबूत AI प्रॉम्प्टिंग के लिए त्वरित आरंभ चेकलिस्ट ✅🧠

कार्य को एक वाक्य में बताइये।
श्रोतागण, स्वर और सीमाएँ जोड़ें।
1-3 लघु उदाहरण शामिल करें।
आउटपुट स्वरूप या स्कीमा निर्दिष्ट करें.
पहले चरण पूछें, फिर अंतिम उत्तर।
संक्षिप्त आत्म-आलोचना और सुधार की आवश्यकता है।
यदि आवश्यक हो तो स्पष्टीकरण संबंधी प्रश्न पूछें।
आपके द्वारा देखे गए अंतराल के आधार पर पुनरावृत्ति करें... फिर विजयी संकेत को सहेजें।

शब्दजाल में डूबे बिना और अधिक जानकारी कहाँ से प्राप्त करें 🌊

आधिकारिक विक्रेता संसाधन शोर को कम करते हैं। ओपनएआई और माइक्रोसॉफ्ट उदाहरणों और परिदृश्य सुझावों के साथ व्यावहारिक प्रॉम्प्टिंग गाइड बनाए रखते हैं। एंथ्रोपिक बताता है कि कब प्रॉम्प्टिंग सही है और कब कुछ और आज़माना चाहिए। जब आप दूसरी राय चाहते हैं जो सिर्फ़ भावनाओं पर आधारित न हो, तो इन्हें ज़रूर पढ़ें। [1][2][3][4]

बहुत लंबा है, इसे नहीं पढ़ा और अंतिम विचार 🧡

एआई प्रॉम्प्टिंग वह तरीका है जिससे आप एक स्मार्ट लेकिन शाब्दिक मशीन को एक मददगार सहयोगी में बदल सकते हैं। उसे काम बताएं, पैटर्न दिखाएं, प्रारूप तय करें और गुणवत्ता का मानक निर्धारित करें। थोड़ा-थोड़ा सुधार करते रहें। बस इतना ही। बाकी सब अभ्यास और समझदारी की बात है, साथ ही थोड़ी सी दृढ़ता भी। कभी-कभी आप इसके बारे में बहुत ज्यादा सोचेंगे, कभी-कभी आप इसे कम स्पष्ट करेंगे, और कभी-कभी आप बॉलिंग लेन के बारे में एक अजीब उपमा गढ़ लेंगे जो लगभग काम कर जाएगी। लगे रहें। औसत और उत्कृष्ट परिणामों के बीच का अंतर आमतौर पर सिर्फ एक बेहतर प्रॉम्प्ट होता है।

संदर्भ

ओपनएआई - प्रॉम्प्ट इंजीनियरिंग गाइड: और पढ़ें
OpenAI सहायता केंद्र - ChatGPT के लिए शीघ्र इंजीनियरिंग सर्वोत्तम अभ्यास: और पढ़ें
Microsoft Learn - त्वरित इंजीनियरिंग तकनीकें (Azure OpenAI): और पढ़ें
एंथ्रोपिक डॉक्स - शीघ्र इंजीनियरिंग अवलोकन: और पढ़ें
OWASP GenAI - LLM01: शीघ्र इंजेक्शन: और पढ़ें

आधिकारिक एआई असिस्टेंट स्टोर पर नवीनतम एआई खोजें

हमारे बारे में

ब्लॉग पर वापस जाएँ