AI से जेनेरिक नहीं, दमदार जवाब पाने का राज: कॉन्टेक्स्ट देना सीखें

2. वह बैकग्राउंड दें जो जवाब बदल दे

अपने अनुरोध से पहले, एक-दो लाइन का वह कॉन्टेक्स्ट शामिल करें जो मॉडल को खुद से नहीं पता होगा। MasterPrompting.net एक ही डायग्नॉस्टिक सवाल पूछने का सुझाव देता है: "अगर मैं यह नहीं बताऊं तो मॉडल सबसे ज्यादा क्या गलत कर सकता है?" यही वह जानकारी है जिसे शामिल करना चाहिए ।

उसी स्रोत का अनुमान है कि सिर्फ यह बताना कि आप कौन हैं (या यह आउटपुट किसके लिए है) और आप वास्तव में क्या हासिल करना चाहते हैं, आपके 80% रिजल्ट्स को बेहतर कर देगा ।

3. AI को बताएं कि क्या नहीं करना है

AI के जनरेट करना शुरू करने से पहले सीमाएं तय करने से जेनेरिक आउटपुट को शुरू में ही रोका जा सकता है। उदाहरण के लिए: "बज़वर्ड का इस्तेमाल मत करो, 'आज की तेज़-रफ़्तार दुनिया में' से शुरू मत करो, 3 से ज्यादा पॉइंट मत लिखो।" यह तकनीक उन रिसोर्सेज में सुझाई गई है जो जेनेरिक ChatGPT आउटपुट से बचने पर फोकस करते हैं । सिद्धांत है कि मॉडल के क्लिच की ओर भटकने से पहले ही आउटपुट स्पेस को कंस्ट्रेन कर दिया जाए।

4. प्रॉम्प्ट को लेबल वाले सेक्शन में स्ट्रक्चर करें

5. आपको क्या चाहिए, इसके उदाहरण दें

अपने प्रॉम्प्ट में एक अच्छा उदाहरण (या एक बुरा उदाहरण जिससे बचना है) शामिल करना आउटपुट स्पेस को नाटकीय रूप से कंस्ट्रेन करता है और जेनेरिक जवाब कम करता है। इसे 'फ्यू-शॉट' प्रॉम्प्टिंग कहते हैं — मॉडल को सिर्फ बताने के बजाय दिखाना कि आप क्या चाहते हैं ।

एडवांस्ड तकनीकें

रैंकिंग ट्रिक

एक जवाब मांगने के बजाय, एक स्पेक्ट्रम पर रैंक किए गए कई विकल्प मांगें। उदाहरण: 'सूरज के बारे में एक चुटकुला सुनाओ' के बजाय 'सूरज के बारे में 5 चुटकुले बताओ, सबसे मशहूर से लेकर पाँचवें तक जो मैंने कभी न सुना हो।' यह मॉडल को उसके सबसे सांख्यिकीय रूप से संभावित (और इसलिए सबसे जेनेरिक) जवाब से आगे जाने पर मजबूर करता है ।

'इंटरव्यू मी' मेथड

अपना प्रॉम्प्ट इस तरह शुरू करें: "जब तक तुम स्थिति को समझ न लो, तब तक मेरा इंटरव्यू लो, फिर अपनी सिफारिश दो।" मॉडल आपसे अपना जवाब जनरेट करने से पहले आपसे टार्गेटेड सवाल पूछेगा, जिससे आपसे बेहतर कॉन्टेक्स्ट निकलेगा। यह तकनीक अनुभवी पावर-यूजर्स से आती है जो AI को एक स्मार्ट नए कर्मचारी की तरह फ्रेम करते हैं जिसे रिक्वायरमेंट्स इकट्ठा करने की ज़रूरत है ।

इटरेटिव फॉलो-अप

पहले जवाब को स्वीकार न करें। AI का शुरुआती जवाब अक्सर एक औसत होता है — इसे पहला ड्राफ्ट समझें। "इसे और स्पेसिफिक बनाओ", "एक नॉन-टेक्निकल ऑडियंस के लिए वर्शन दो", या "अब अपनी मान्यताओं को चैलेंज करो" जैसे प्रॉम्प्ट के साथ फॉलो-अप करें। हर इटरेशन स्पेसिफिसिटी को बढ़ाता है, और AI को एक स्मार्ट कर्मचारी की तरह ट्रीट करना जिससे और डिटेल मांगी जा सके, एडवांस्ड प्रॉम्प्टर्स की पहचान है ।

एक स्टांस अपनाने के लिए प्रोत्साहित करें

LLMs का डिफ़ॉल्ट एक न्यूट्रल, संतुलित टोन होता है। अगर आप कम जेनेरिक जवाब चाहते हैं, तो स्पष्ट रूप से AI को एक पोजीशन लेने के लिए कहें। अनुभवी यूजर्स इस तकनीक को साझा करते हैं और ध्यान देते हैं कि AI की नेचुरल चापलूसी — खुश करने की प्रवृत्ति — को एक स्पेसिफिक परिप्रेक्ष्य मांगकर रीडायरेक्ट किया जा सकता है ।

सब कुछ एक साथ: एक फ्रेमवर्क

अपने सबसे महत्वपूर्ण प्रॉम्प्ट के लिए, इन तकनीकों को एक स्ट्रक्चर्ड फ्रेमवर्क में जोड़ें। पावर-यूजर कम्युनिटी के एक प्रैक्टिकल मॉडल में चार भाग शामिल हैं :

• असाइनमेंट: संक्षिप्त, स्पष्ट निर्देश
• कोट्स: प्रासंगिक संदर्भ या कॉन्टेक्स्ट
• नोट्स: आपकी अंतर्दृष्टि या विचारणीय बिंदु
• अतिरिक्त निर्देश: फ़ॉर्मेट, शब्द सीमा, परिप्रेक्ष्य, टोन और कंस्ट्रेंट्स

यह फ्रेमवर्क 'Ricky' फ्रेमवर्क (रोल, इंटेंट, कंडीशन, कॉन्टेक्स्ट, एग्ज़ाम्पल्स) और अन्य स्ट्रक्चर्ड दृष्टिकोणों को दर्शाता है जो प्रैक्टिशनर्स लगातार गैर-जेनेरिक परिणाम पाने के लिए उपयोग करते हैं ।

निचली पंक्ति

मुख्य बात यह है कि कॉन्टेक्स्ट का मतलब लंबे प्रॉम्प्ट लिखना नहीं है — इसका मतलब है अधिक टार्गेटेड प्रॉम्प्ट लिखना। अपना अनुरोध टाइप करने से पहले, 10 सेकंड लेकर तय करें कि AI को क्या रोल लेना चाहिए, उसे किन चीज़ों से बचना चाहिए, और उसे कौन सी स्पेसिफिक जानकारी चाहिए। यह आपके रिजल्ट्स को जेनेरिक से वास्तविक रूप से उपयोगी में बदल देगा।