प्रॉम्प्ट इंजीनियरिंग - उदाहरण, तकनीकें, और सर्वोत्तम प्रथाएँ

मॉडल के प्रतिक्रिया के लिए एकल, मापनीय लक्ष्य से शुरू करें। प्रत्येक निर्देश को उस लक्ष्य के साथ संरेखित करें; संदेशों को मैप करें ताकि मॉडल को संरचित संदर्भ प्रदान किया जा सके; एक prompt_template का उपयोग करें जो उद्देश्य, बाधा, मूल्यांकन मानदंडों को कैप्चर करता हो।

एक hook का उपयोग करें जो शुरुआती conversations को एंकर करता हो, जिसमें यह स्पष्ट expectation हो कि सफल प्रतिक्रिया क्या构成 करती है। सेटअप को विकास चरण के रूप में मानें; प्रत्येक messages अनुक्रम को एक संक्षिप्त, स्पष्ट पथ से मैप करें; एक prompt_template जो मॉडल को वांछित व्यवहारों की ओर निर्देशित करता हो। एक mirascope दृष्टिकोण विभिन्न संदर्भों में अंधे स्थानों की पहचान करने में मदद करता है; अनौपचारिक से औपचारिक पूछताछ तक।

pitfalls विश्वसनीयता को पटरी से उतार देते हैं; सावधान रहें। सबसे पहले, बाधाओं को परिभाषित करें: लंबाई, शैली, सुरक्षा; उसके बाद, कई रनों से उत्तर एकत्र करें; विभिन्न संदर्भों में संदेशों को ट्रैक करें ताकि पूर्वाग्रह या विचलन को प्रकट करने वाले पैटर्न ढूंढ सकें।

एक स्थिर कंकाल मौजूद होने पर, इसे वर्कफ़्लो के मॉड्यूलर भागों के माध्यम से प्रचारित करें: एक बेस prompt_template, बाधा वेक्टरों का सेट, एक पोस्ट-प्रोसेसिंग चेकलिस्ट। विभिन्न परिदृश्यों के लिए, समान संरचना का पुन: उपयोग करें, केवल सतही तत्वों को समायोजित करें; यह आउटपुट को पूर्वानुमानित रखता है जब मॉडल को रजिस्टर स्विच करने के लिए कहा जाता है। विश्वसनीयता की राजधानी दोहराने योग्य चरणों में निहित है, न कि एकल-समय के ट्रिक्स में।

पुनरावृत्ति के दौरान, उल्लेख करें सिद्ध दृष्टिकोणों को मॉडल के साथ बातचीत के लिए विचलन से बचने के लिए; प्रॉम्प्ट के भागों को हेडर, constraints, मूल्यांकन प्रॉम्प्ट्स में अलग करें। तकनीक विभिन्न प्रॉम्प्ट्स में साफ उत्तर प्रदान करती है; mirascope अलर्ट असंगति को फैलने से पहले स्थित करने में मदद करते हैं।

प्रॉम्प्टिंग के लिए स्कोप और बाधाएं

निर्देशों को ड्राफ्ट करने से पहले एक निश्चित स्कोप सेट करें; कार्य प्रकारों को परिभाषित करें; उपयोगकर्ता_संदेश सीमाओं को लॉक करें; यह विचलन को कम करता है। mirascope का उपयोग योजना को आउटपुट के साथ संरेखित करने के लिए करें; स्पष्ट गार्डरेल स्थापित करें जो सामग्री, प्रारूप को नियंत्रित करें; समय।

• स्कोप सीमाएं: डोमेन को परिभाषित करें; अनुमत सामग्री; भाषाएं; आउटपुट लंबाई; बाहरी साइटों पर निर्भरता को विश्वसनीय स्रोतों तक सीमित करें; आवश्यक होने पर उद्धरणों की आवश्यकता हो; ग्राउंडिंग के लिए परामर्शित पाठों को लॉग करना चाहिए।
• बाधा प्रकार: शैली; स्वर; फॉर्मेटिंग; संरचना; सामग्री सीमाएं; उपयोगकर्ता_संदेश इनपुट को स्पष्ट संदर्भ के साथ संभालें; गोपनीयता संरक्षित करें; निषिद्ध विषयों से बचें।
• कार्य प्रकार: प्रकारों सहित विश्लेषण, वर्गीकरण, पीढ़ी, सारांशण, अनुवाद; एक बार स्कोप सेट होने पर, प्रत्येक श्रेणी के लिए प्रॉम्प्ट्स को अनुकूलित करें; पाठों को इनपुट सामग्री के रूप में उपयोग करें; कार्य।
• उपयोगकर्ता_संदेश हैंडलिंग: संदर्भ निकालें; हितधारकों को बताएं कि कौन सी बाधाएं लागू होती हैं; स्रोत विश्वसनीयता सत्यापित करें; यदि संदर्भ गायब हो, तो स्पष्टीकरण के लिए प्रॉम्प्ट करें; उपयोगकर्ता_संदेश और सिस्टम आउटपुट के बीच साफ अलगाव बनाए रखें; डेटा को सुरक्षित रूप से संभालें।
• अनुकूलित प्रॉम्प्ट्स: दर्शकों के अनुकूल; जटिलता समायोजित करें; अनुकूलित प्रॉम्प्ट्स प्रासंगिकता में सुधार करते हैं।
• Mirascope संरेखण: mirascope का उपयोग बाधाओं को कार्य आउटपुट से मैप करने के लिए करें; चरणों में सुसंगत परिणाम सुनिश्चित करता है।
• गणनाएं: संख्यात्मक परिणामों के लिए गणनाओं की आवश्यकता हो; स्वीकार्य रेंजों को परिभाषित करें; विश्वसनीय स्रोतों के खिलाफ गणनाओं को सत्यापित करें।
• मूल्यांकन: मेट्रिक्स को परिभाषित करें; स्वचालित जांच चलाएं; प्रतिक्रिया समय ट्रैक करें; स्कोप के सापेक्ष विचलन की निगरानी करें; रिसाव को रोकने के लिए निगरानी जारी रखें।
• इनपुट स्रोत: उपयोगकर्ता_संदेश को प्राथमिक सिग्नल के रूप में उपयोग करना; सिस्टम संदेशों या टूल आउटपुट से पाठ प्रासंगिक सामग्री तक सीमित।
• संभावित विचलन: संभावित विफलता मोडों की पहचान करें; गार्डरेल लागू करें; आवधिक समीक्षाओं को शेड्यूल करें।

स्पष्ट निर्देश: फ्रेमिंग, भूमिकाएं, और आउटपुट प्रारूप

सिफारिश: मॉडल के लिए एक भूमिका लॉक करें; एक संक्षिप्त भूमिका विवरण तैयार करें; एक prompt_template का उपयोग करें जो व्यक्तित्व, स्कोप, आउटपुट प्रारूपों को बांधता हो; प्रवाह शुरू करने के लिए उपयोगकर्ता_संदेश की आवश्यकता हो; उद्देश्य को स्पष्ट करने वाला एक हुक शामिल करें; प्रवाह को प्राकृतिक रखें; डेटा के माध्यम से प्रभाव मापें; बड़े डेटासेट को कुशलतापूर्वक सारांशित करें; सटीक सिफारिशें प्रदान करें; कार्य के बाद समीक्षा गुणवत्ता में सुधार करती है।

फ्रेमिंग आवश्यकताएं

भूमिका फ्रेमिंग तत्व: मुख्य भूमिका आउटपुट को आकार देती है; विभिन्न विकल्पों से चुनें: विश्लेषक, सलाहकार, अनुवादक; भाषाई मॉडलों के संचालन वाले क्षेत्रों में स्कोप सेट करें; पसंदीदा स्वर निर्दिष्ट करें; आउटपुट को मॉडल बाधाओं के भीतर रखें; प्रॉम्प्ट में सफलता मानदंडों को परिभाषित करें; सिफारिशें शामिल करें; बड़े उपयोगकर्ताओं के लिए कार्य के बाद समायोजन ट्रैक करें; स्पष्टता के लिए संदर्भ को संक्षिप्त रखें।

आउटपुट प्रारूप, सत्यापन

आउटपुट प्रारूप: सटीक संरचनाओं को निर्धारित करें; एक निश्चित prompt_template का उपयोग करें; आउटपुट को JSON, बुलेट सूचियों के रूप में प्रदान करने की आवश्यकता हो; शुरुआत में एक हुक शामिल करें; फ़ील्ड निर्दिष्ट करें: सारांश, समाधान, next_steps; सुनिश्चित करें कि समाधान actionable रहें; इसमें एक हल्का पोस्ट-प्रोसेसिंग पास शामिल है; पथ पाठकों के लिए प्राकृतिक रहता है।

Aspect	Specification	Illustration
Framing	Fixed role; prompt_template binds persona, scope, output formats; user_message activates flow	Role: data analyst; hook begins with a concise summary
Output	Structured format; JSON or bullet lists; fields: summary, समाधान, next_steps; tone natural	Sample: { "summary":"...", "समाधान":"...", "next_steps":["..."] }
Validation	Checklist; verify accuracy; post-task review; logging	Metric: accuracy target; log deviations; trigger re-generation if needed

प्रॉम्प्ट टेम्प्लेट्स: पुन: उपयोग योग्य पैटर्न और पैरामीटरीकरण

हर वर्कफ़्लो के लिए मॉड्यूलर, पैरामीटरीकृत टेम्प्लेट्स अपनाएं; टेम्प्लेट्स को इस तरह संरचित करें कि भाग संदर्भ, दर्शक, लक्ष्य के आधार पर टॉगल हों।

नीचे, नीचे आप लचीले तैनाती के लिए बनाए गए पुन: उपयोग योग्य पैटर्न पाएंगे विभिन्न अनुप्रयोगों में; ये टेम्प्लेट्स संरचना संरक्षित करते हैं, प्राकृतिक स्पष्टता प्रदान करते हैं; विभिन्न उपयोगकर्ताओं, संदर्भों, डोमेन के लिए भाषाई ट्यूनिंग का समर्थन करते हैं। आपके अनुभव से पता चलता है कि मॉड्यूलर टेम्प्लेट्स तैनाती के समय को कम करते हैं; जोखिम कम करते हैं, सुसंगतता में सुधार करते हैं।

सामान्य गड्ढे में भंगुर प्लेसहोल्डर, अत्यधिक लंबी सूचियां, डिफ़ॉल्ट गायब, अस्पष्ट लक्ष्य शामिल हैं। स्पष्ट चर प्रकारों के साथ कम करें; डिफ़ॉल्ट मान; स्व-जांच; स्पष्ट भाषा। विचलन को उजागर करने के लिए सिंथेटिक डेटा के साथ आउटपुट सत्यापित करें।

टेम्प्लेट के भाग, या भाग, में एक हेडर शामिल है; एक पैरामीटर ब्लॉक; एक डिफ़ॉल्ट मैप; एक सत्यापन चरण; सभी एकल संरचना से बंधे। पैरामीटर डिक्शनरी को संक्षिप्त रखें; अनुप्रयोगों में कुंजियों का पुन: उपयोग करें।

डिज़ाइन सिद्धांत स्पष्टता पर जोर देते हैं verbosity से अधिक; प्रतिक्रियाओं को निर्देशित करने के लिए संरचना का उपयोग करें; प्राकृतिक वाक्यांशण; भाषाई लेबल में भाषा ट्यूनिंग की अनुमति दें। यह व्यापक अनुप्रयोगों को बढ़ावा देता है; सुसंगत स्वर, विशेष रूप से अमेज़न संदर्भों में ग्राहकों के लिए।

पैरामीटरीकरण टिप्स: एक कैनॉनिकल डिक्शनरी परिभाषित करें; डिफ़ॉल्ट मान सौंपें; प्रत्येक चर के लिए प्रकार शामिल करें; अपेक्षित रेंजों निर्दिष्ट करें; सैंपल मानों को लाइव दस्तावेज़ीकरण के रूप में एम्बेड करें। आप पैरामीटरों को संदर्भ के अनुकूल अनुकूलित कर सकते हैं; टीमों में पुन: उपयोग करें; व्यापक रोलआउट से पहले लाइव दर्शकों के साथ एक छोटा पायलट चलाएं।

व्यावहारिक टेम्प्लेट ग्राहक समर्थन में दिखाई देते हैं; उत्पाद खोज प्रवाह; प्रशिक्षण मॉड्यूल; बड़े भाषाई मॉडल जटिल कार्यों के दौरान स्थिर, पुन: उपयोग योग्य पैटर्न से लाभान्वित होते हैं।

उन्नत तकनीकें: फ्यू-शॉट, चेन-ऑफ-थॉट, और स्व-जांच

सिफारिश: इस कार्य के लिए एक संक्षिप्त फ्यू-शॉट प्रवाह लागू करें; 2–4 प्रदर्शनों का चयन करें जो सामान्य इनपुट को प्रतिबिंबित करें; संरचना को छोटा, सरल रखें; इनपुट को स्पष्ट रूप से लेबल करें; एक दस्तावेज़ीकरण बनाए रखें जो उदाहरण तर्क और उपयोग का वर्णन करता हो।

जहां डेटा विचलन होता है, नियमित रूप से उदाहरणों को ताज़ा करें; डेटा पर निर्भर रहें जो वर्तमान डोमेन को प्रतिबिंबित करता हो; कक्षाओं में विविध उदाहरण चुनें; प्रदर्शन प्रॉम्प्ट में भविष्य की जानकारी को बाहर करके रिसाव से बचें; चरणों की इनपुट संरचना चरणों में स्थिर रहती है ताकि टिकाऊपन में सुधार हो।

चेन-ऑफ-थॉट प्रवाह: निष्कर्ष तक पहुंचने के चरणों का वर्णन करने का अनुरोध करें; लागत कम करने के लिए एक छोटा तर्क ट्रेस नियोजित करें; मॉडल को उत्तर से पहले चरणों का वर्णन करने की आवश्यकता हो; जो विश्वसनीयता में सुधार करता है; थ्रूपुट बनाए रखने के लिए 3–5 लाइनों तक सीमित करें।

स्व-जांच चरण: अंतिम रूप देने से पहले मॉडल को अपने उत्तर को सत्यापित करने के लिए प्रॉम्प्ट करें; एक संक्षिप्त जांच, एक संख्यात्मक आत्मविश्वास, या एक छोटा औचित्य मांगें; पूर्ण पुन: चलाने को मजबूर किए बिना पुन: जांच ट्रिगर करने के लिए एक फॉलो-अप क्वेरी का उपयोग करें; यह अभ्यास गुणवत्ता के अनुपालन का समर्थन करता है।

इनपुट को गोपनीयता को ध्यान में रखते हुए संभालें; पूर्व-प्रोसेसिंग लागू करें जैसे सफाई, सामान्यीकरण, और व्यक्तिगत जानकारी की निष्क्रियता; गुमनाम डेटा का उपयोग, बिना पहचानकर्ताओं का खुलासा; मॉडलों, इनपुट, आउटपुट के लिए संस्करणित नोट्स बनाए रखें; संरचना, तर्क, और तकनीकों का वर्णन दस्तावेज़ीकरण करें ताकि इंजीनियरिंग का मार्गदर्शन हो: किसी दिए गए क्वेरी के लिए कौन सा दृष्टिकोण उपयोग किया गया; संस्करण परिणामों की तुलना करने में मदद करेगा पुनरावृत्तियों में।

प्रत्येक परिवर्तन को संक्षिप्त दस्तावेज़ीकरण में दस्तावेज़ीकरण करें, जिसमें पाठ प्रॉम्प्ट, उदाहरण स्टॉक, और देखे गए आउटपुट शामिल हों; संस्करण नियंत्रण ट्रेसबिलिटी सुनिश्चित करते हैं; प्रॉम्प्ट्स की संरचना और मूल्यांकन मेट्रिक्स का वर्णन करें; संस्करण टैग टीमों को समय के साथ परिणामों की तुलना करने में मदद करेगा।

मूल्यांकन और पुनरावृत्ति: वास्तविक परिदृश्यों के साथ प्रॉम्प्ट्स का परीक्षण

दैनिक संचालन को प्रतिबिंबित करने के लिए पर्याप्त हाल की तारीखों से कुछ वर्कफ़्लो चुनकर एक वास्तविक-परिदृश्य मूल्यांकन लॉन्च करें; यथार्थवादी दृष्टिकोण लागू करें; आउटपुट कैप्चर करें जो रोगी बातचीत, अनौपचारिक पूछताछ की तरह हों; निर्णय कार्य; सटीक बेसलाइनों के खिलाफ परिणामों की तुलना करें; डेटा स्रोतों, उपयोगकर्ता इरादे, देखे गए परिणामों को जोड़ने वाली एक श्रृंखला में विसंगतियों को लॉग करें; यह तैयारी व्यापक रोलआउट से पहले जोखिम को कम करती है। यह कार्य विश्वसनीयता में सुधार करता है।

मापनीय संकेत

मेट्रिक्स परिभाषित करें जो मायने रखते हैं: सटीकता, कवरेज, विलंबता; तुलना के लिए एक फ्यू-शॉट बेसलाइन स्थापित करें; वास्तविक सत्रों से लॉग पर निर्भर रहें; विचलनों के पीछे तर्क के लिए विचार स्रोत शामिल करें; सामान्य विफलता मोडों की पहचान करें जैसे अस्पष्ट इनपुट, गायब संदर्भ, या गलत व्याख्या; पारदर्शी ट्रेस को प्राथमिकता दें, जो डिबगिंग की सुविधा प्रदान करते हैं; अमेज़न संदर्भ उपयोगकर्ता इरादे के संदर्भ के साथ बदलाव को दर्शाते हैं; ऐसा सिग्नल परिवर्तन कमजोर स्थानों को उजागर करने की अनुमति देता है; कविता की तरह लगता है।

पुनरावृत्ति कैडेंस

प्रत्येक रन के बाद, अंतरालों का विश्लेषण करें; पुनरावृत्ति दृष्टिकोण अपनाया जाता है; वाक्यांशण और उदाहरणों को अपडेट करें; few-shot कॉन्फ़िगरेशन का परीक्षण करें; लाभ मापने के लिए समान सेट पर पुन: चलाएं; परिवर्तनों की श्रृंखला तारीखों के साथ बनाए रखें; चक्रों में सटीकता सुधार ट्रैक करें; यह गुणवत्ता को नियंत्रण में रखने में मदद करता है।

मॉडल चुनें; फ्यू-शॉट पैटर्न

मॉडलों का मिश्रण चुनें; सामान्यीकरण का परीक्षण करने के लिए हल्के प्लस बड़े वाले शामिल करें; जटिल कार्यों के लिए बहु-चरण तर्क को प्राथमिकता दें; विविध उदाहरणों के साथ फ्यू-शॉट प्रॉम्प्ट्स का उपयोग करें; एकल उदाहरण पर निर्भरता से बचें; अमेज़न संदर्भों पर आउटपुट की तुलना करें; सुनिश्चित करें कि आउटपुट प्राकृतिक, संक्षिप्त लगे; डोमेन में कैलिब्रेशन मापें।

दस्तावेज़ीकरण, स्रोत