प्रॉम्प्ट इंजीनियरिंग

प्रॉम्प्ट इंजीनियरिंग का सरल अर्थ है AI से अच्छे सवाल पूछना। एक प्रॉम्प्ट आपका इनपुट होता है जिसमें आपका सवाल या अनुरोध होता है।

प्रॉम्प्ट इंजीनियरिंग का मतलब है लक्षित सवाल और निर्देश बनाना ताकि AI मॉडल चैट के दौरान सही जवाब दे सकें। बेहतर प्रॉम्प्ट से आपको बेहतर परिणाम मिलते हैं।

चुने गए मॉडल के विनिर्देशों के साथ मिलकर, यह उत्तर की गुणवत्ता निर्धारित करता है।

एक प्रॉम्प्ट (सवाल) के तत्व

बेहतर परिणाम पाने के लिए आपको निम्न बातों का ध्यान रखना चाहिए:

• उद्देश्य: आप भाषा मॉडल से क्या चाहते हैं?
• भूमिका: भाषा मॉडल की क्या भूमिका है? (जैसे 'मार्केटिंग विश्लेषक', 'कानूनी सलाहकार', 'प्रोजेक्ट मैनेजर')
• संदर्भ: अनुरोध के बारे में पृष्ठभूमि जानकारी (जैसे व्यावसायिक लक्ष्य, परियोजना विवरण, बाजार जानकारी)
• शैली: आप किस शैली में चाहते हैं? (जैसे औपचारिक, प्रभावशाली, संक्षिप्त)
• आउटपुट: आप किस फॉर्मेट में चाहते हैं? (जैसे रिपोर्ट, ईमेल, प्रस्तुति रूपरेखा, कोड स्निपेट)

उद्देश्य

अपने सवाल का उद्देश्य स्पष्ट रूप से बताना आवश्यक है और इसे छोड़ा नहीं जा सकता।

आप क्या जानना चाहते हैं?

• तथ्यात्मक सवाल हो सकते हैं, लेकिन सीमाओं के प्रति जागरूक रहें (जैसे वर्तमान ज्ञान की कमी)
• Google की तरह, यदि आप सवाल बार-बार पूछेंगे तो आपको बिल्कुल वही जवाब नहीं मिलेगा
• फायदा है “चैट” फ़ंक्शन जिससे आप आगे सवाल कर सकते हैं

स्पष्ट उद्देश्य वाला प्रॉम्प्ट उदाहरण:

केवल उद्देश्य वाला प्रॉम्प्ट

मध्यम आकार की कंपनी में नए AI प्लेटफ़ॉर्म को लागू करने की मुख्य चुनौतियों का वर्णन करें।

मध्यम आकार की कंपनी में नए AI प्लेटफ़ॉर्म को लागू करने में कई चुनौतियाँ होती हैं। कुछ मुख्य चुनौतियाँ हैं:

1. परिवर्तन के प्रति प्रतिरोध: कर्मचारी मौजूदा प्रक्रियाओं और सिस्टम्स के आदी होते हैं। नया AI प्लेटफ़ॉर्म अनुकूलन की मांग करता है और प्रतिरोध उत्पन्न कर सकता है, खासकर जब वर्कफ़्लो पर प्रभाव स्पष्ट न हो।
2. डेटा गुणवत्ता और उपलब्धता: AI प्लेटफ़ॉर्म डेटा पर बहुत निर्भर होते हैं। नए प्लेटफ़ॉर्म के लिए डेटा एकत्र करना, साफ़ करना और संरचित करना जटिल और समय लेने वाला हो सकता है।
3. मौजूदा सिस्टम्स के साथ एकीकरण: AI प्लेटफ़ॉर्म को अक्सर अन्य व्यावसायिक एप्लिकेशन (ERP, डेटा स्रोत, BI टूल्स) के साथ एकीकृत करना होता है। यह तकनीकी चुनौतियाँ ला सकता है।
4. लागत: प्लेटफ़ॉर्म की लाइसेंसिंग लागत के अलावा, कार्यान्वयन, प्रशिक्षण, डेटा इन्फ्रास्ट्रक्चर, और संभवतः विशेषज्ञ कर्मचारियों की लागत होती है।
5. प्रशिक्षण और अपनाना: कर्मचारियों को नए प्लेटफ़ॉर्म का उपयोग और आउटपुट की व्याख्या करना सीखना होगा। बिना उचित प्रशिक्षण और निरंतर समर्थन के अपनाने की दर कम रह सकती है।
6. सही प्लेटफ़ॉर्म और उपयोग मामलों का चयन: कई AI प्लेटफ़ॉर्म और तकनीकें उपलब्ध हैं। कंपनी की विशिष्ट आवश्यकताओं और रणनीतिक लक्ष्यों के अनुरूप प्लेटफ़ॉर्म और प्रासंगिक उपयोग मामलों का चयन महत्वपूर्ण है।
7. नैतिक विचार और अनुपालन: AI प्लेटफ़ॉर्म के उपयोग के आधार पर, नैतिक मुद्दे और अनुपालन आवश्यकताएँ (जैसे GDPR) हो सकती हैं जिन्हें सावधानी से संबोधित करना चाहिए।
8. परियोजना प्रबंधन: सफल कार्यान्वयन के लिए ठोस परियोजना प्रबंधन, स्पष्ट लक्ष्य और विभिन्न विभागों के हितधारकों की भागीदारी आवश्यक है।

भूमिका और संदर्भ जोड़ना

भूमिका और संदर्भ जोड़ने से बेहतर और विशिष्ट उत्तर मिलते हैं।

उसी सवाल का उदाहरण लेकिन भूमिका और संदर्भ के साथ:

उद्देश्य, भूमिका और संदर्भ वाला प्रॉम्प्ट

एक B2B सेवा प्रदाता में 150 कर्मचारियों के लिए डेटा विश्लेषण और प्रक्रिया अनुकूलन हेतु नए AI प्लेटफ़ॉर्म के कार्यान्वयन के लिए जिम्मेदार परियोजना प्रबंधक के रूप में, मुख्य चुनौतियों और संभावित निवारण रणनीतियों का वर्णन करें।

एक परियोजना प्रबंधक के रूप में, जो 150 कर्मचारियों वाले B2B सेवा प्रदाता में डेटा विश्लेषण और प्रक्रिया अनुकूलन के लिए नए AI प्लेटफ़ॉर्म के कार्यान्वयन के लिए जिम्मेदार है, मैं निम्नलिखित मुख्य चुनौतियाँ और संभावित निवारण रणनीतियाँ देखता हूँ:

1. परिवर्तन के प्रति प्रतिरोध और उपयोगकर्ता अपनाना:
   • चुनौती: कर्मचारी, विशेष रूप से जिनके कार्य सीधे प्रभावित होते हैं, अपनी परिचित कार्यप्रणालियों को छोड़ने और नए AI-आधारित अंतर्दृष्टि को अपनाने में हिचकिचा सकते हैं।
   • निवारण: प्रमुख उपयोगकर्ताओं को जल्दी शामिल करें। स्पष्ट रूप से लाभ (कुशलता, बेहतर निर्णय, नई अंतर्दृष्टि) संप्रेषित करें। व्यापक, भूमिका-आधारित प्रशिक्षण और निरंतर समर्थन प्रदान करें। विभागों में 'AI चैंपियंस' नियुक्त करें।
2. डेटा गुणवत्ता, शासन और माइग्रेशन:
   • चुनौती: AI प्लेटफ़ॉर्म की प्रभावशीलता उच्च गुणवत्ता वाले, अच्छी तरह प्रबंधित डेटा पर निर्भर करती है। मौजूदा सिस्टम से डेटा अक्सर असंगत, अपूर्ण या गलत होता है।
   • निवारण: गहन डेटा ऑडिट से शुरू करें, डेटा-गवर्नेंस फ्रेमवर्क परिभाषित करें और एकीकरण/माइग्रेशन से पहले डेटा सफाई करें। स्पष्ट डेटा मॉडल और प्रवाह परिभाषित करें। परीक्षण करें और डेटा को सावधानीपूर्वक मान्य करें।
3. मौजूदा IT इन्फ्रास्ट्रक्चर के साथ एकीकरण:
   • चुनौती: मौजूदा डेटा स्रोतों, ERP, CRM, और अन्य व्यावसायिक सिस्टम्स के साथ कनेक्शन सहज और सुरक्षित होने चाहिए।
   • निवारण: सभी आवश्यक एकीकरणों की जल्दी पहचान करें। मजबूत API क्षमताओं या मानक कनेक्टर वाले AI प्लेटफ़ॉर्म का चयन करें। एकीकरणों का व्यापक परीक्षण करें।
4. स्कोप क्रिप और बजट ओवररन:
   • चुनौती: परियोजना के दौरान AI अनुप्रयोगों के लिए नए अनुरोध आ सकते हैं जो स्कोप बढ़ाते हैं और लागत बढ़ाते हैं।
   • निवारण: पहले चरण के लिए स्पष्ट, सीमित स्कोप और उपयोग मामलों (MVP - न्यूनतम व्यवहार्य उत्पाद) को परिभाषित करें। सख्त परिवर्तन प्रबंधन प्रक्रिया अपनाएं। यथार्थवादी परियोजना योजना और बजट बनाए रखें, जिसमें बफर शामिल हो।
5. सही तकनीक और कार्यान्वयन साझेदार का चयन:
   • चुनौती: AI बाजार जटिल है। गलत तकनीक चयन या अनुभवहीन साझेदार परियोजना को विफल कर सकता है।
   • निवारण: परिभाषित उपयोग मामलों के लिए उपयुक्त AI तकनीकों का गहन शोध करें। ऐसे साझेदार का चयन करें जिनके पास आपकी उद्योग और चुनी गई तकनीकों में प्रमाणित अनुभव हो। संदर्भ मांगें।
6. संगठन में AI ज्ञान और कौशल की कमी:
   • चुनौती: AI प्लेटफ़ॉर्म का प्रभावी उपयोग, रखरखाव या विकास के लिए आंतरिक विशेषज्ञता कम हो सकती है।
   • निवारण: प्रशिक्षण और शिक्षा में निवेश करें। विशेषज्ञ कर्मचारियों को नियुक्त करने पर विचार करें या ज्ञान हस्तांतरण के लिए कार्यान्वयन साझेदार के साथ निकट सहयोग करें। निरंतर सीखने की संस्कृति बनाएं।
7. नैतिक विचार और व्याख्यायोग्यता (Explainable AI):
   • चुनौती: AI द्वारा लिए गए या समर्थित निर्णय पारदर्शी और समझने योग्य होने चाहिए, खासकर जब उनका प्रभाव ग्राहकों या कर्मचारियों पर हो। डेटा में पक्षपात अनुचित परिणाम दे सकता है।
   • निवारण: AI उपयोग के लिए नैतिक दिशानिर्देश बनाएं। जहां संभव हो, व्याख्यायोग्य मॉडल चुनें। पक्षपात का पता लगाने और कम करने के लिए प्रक्रियाएं लागू करें। महत्वपूर्ण AI निर्णयों पर मानवीय निगरानी सुनिश्चित करें।

इन चुनौतियों को सक्रिय रूप से संबोधित करके, हम AI प्लेटफ़ॉर्म के सफल कार्यान्वयन की संभावना बढ़ाते हैं जो वास्तव में व्यावसायिक लक्ष्यों में योगदान देता है।

तकनीकें

नीचे हम कुछ तकनीकों का वर्णन करते हैं जिनका उपयोग आप अधिक उन्नत प्रॉम्प्ट में कर सकते हैं।

तकनीक 1 - उदाहरण देना

यह सुनिश्चित करने के लिए कि भाषा मॉडल आपकी इच्छित शैली अपनाए, एक या दो उदाहरण दें।

इस विधि को “one & few-shot prompting” कहते हैं।

तकनीक 1 - उदाहरण देना

ग्राहकों को आगामी नियोजित सिस्टम अपडेट के बारे में एक प्रारूप ईमेल लिखें। हमारे आंतरिक ग्राहक संचार नीति का उपयोग करें (नीति से प्रासंगिक बिंदु जोड़ें)। इस हाल की न्यूज़लेटर को शैली मार्गदर्शिका के रूप में उपयोग करें, लेकिन कोई सामग्री न लें: (न्यूज़लेटर की टेक्स्ट जोड़ें)

पूरा प्रॉम्प्ट इस प्रकार है:

ग्राहक संचार के लिए आंतरिक नीति:

• हमेशा पेशेवर और विनम्र रहें।
• महत्वपूर्ण परिवर्तनों या व्यवधानों के बारे में समय पर अपडेट दें।
• स्पष्ट और संक्षिप्त जानकारी प्रदान करें।
• यदि लागू हो तो समाधान या मुआवजा प्रदान करें।

शैली के लिए इस न्यूज़लेटर का उपयोग करें, लेकिन इसकी जानकारी न लें। प्रिय ग्राहक,

हम आपको आगामी सिस्टम अपडेट के बारे में सूचित करना चाहते हैं जो हमारी सेवा को प्रभावित कर सकता है।

अपडेट की तारीख और समय: [तारीख और समय] अनुमानित व्यवधान अवधि: [अवधि] प्रभावित सेवाएं: [सेवाएं]

इस अवधि के दौरान हमारी सेवा अस्थायी रूप से बाधित हो सकती है। हम असुविधा को न्यूनतम करने और सेवाओं को जल्द से जल्द पुनर्स्थापित करने का प्रयास कर रहे हैं।

तकनीक 1 - उत्तर

नीचे विस्तृत प्रॉम्प्ट के साथ उदाहरणों पर भाषा मॉडल का उत्तर दिया गया है

प्रिय ग्राहक,

हम आपको आगामी सिस्टम अपडेट के बारे में सूचित करना चाहते हैं जो हमारी सेवा को प्रभावित कर सकता है।

अपडेट की तारीख और समय: [तारीख और समय] अनुमानित व्यवधान अवधि: [अवधि] प्रभावित सेवाएं: [सेवाएं]

इस अवधि के दौरान हमारी सेवा अस्थायी रूप से बाधित हो सकती है। हम असुविधा को न्यूनतम करने और सेवाओं को जल्द से जल्द पुनर्स्थापित करने का प्रयास कर रहे हैं।

यदि आपके कोई प्रश्न हों, तो कृपया हमसे संपर्क करें।

सादर, [आपका नाम] [आपका पद] [कंपनी का नाम] [संपर्क जानकारी]

तकनीक 2 - टेम्पलेट देना

यह सुनिश्चित करने के लिए कि भाषा मॉडल एक विशिष्ट फॉर्मेट का उपयोग करे, एक टेम्पलेट और उदाहरण दें। इससे मॉडल अपने उत्तर को एक निश्चित तरीके से आकार या संरचना देता है। आप विभिन्न फॉर्मेट सोच सकते हैं जो विभिन्न परिस्थितियों में उपयोगी होते हैं जैसे:

• Excel शीट या डेटा विश्लेषण टूल में आयात के लिए csv आउटपुट
• API इंटीग्रेशन या कॉन्फ़िगरेशन फाइल के लिए json आउटपुट
• परियोजना बैठक के लिए एजेंडा सेटअप

प्रॉम्प्ट उदाहरण: एक नए SaaS उत्पाद के लिए तीन संभावित मार्केटिंग चैनलों की सूची बनाएं जो एमएसएमई कंपनियों को लक्षित करता है। अपने उत्तर को इस तरह फॉर्मेट करें: चैनल: लक्षित दर्शक: संभावित ROI: आवश्यक संसाधन:

उदाहरण: चैनल: LinkedIn Advertising लक्षित दर्शक: विशिष्ट पदनाम, उद्योग, कंपनी का आकार संभावित ROI: उच्च, यदि सही टारगेट किया जाए आवश्यक संसाधन: विज्ञापन बजट, कंटेंट निर्माण, अभियान प्रबंधन

इस विधि को “output templates” कहते हैं।

तकनीक 2 - टेम्पलेट देना

नीचे आउटपुट टेम्पलेट के साथ प्रॉम्प्ट पर भाषा मॉडल का उत्तर दिया गया है

चैनल: कंटेंट मार्केटिंग (ब्लॉग और SEO) लक्षित दर्शक: वे कंपनियां जो अपनी समस्याओं के समाधान के लिए सक्रिय रूप से खोज करती हैं, ऑर्गेनिक ट्रैफिक संभावित ROI: लंबी अवधि में उच्च, अधिकारिता बनाता है आवश्यक संसाधन: कंटेंट लेखक, SEO विशेषज्ञ, कीवर्ड रिसर्च और कंटेंट प्रचार के लिए समय

चैनल: Google Ads (सर्च) लक्षित दर्शक: वे कंपनियां जो SaaS उत्पाद से संबंधित विशिष्ट कीवर्ड खोजती हैं संभावित ROI: मध्यम से उच्च, प्रतिस्पर्धा और CPC पर निर्भर आवश्यक संसाधन: विज्ञापन बजट, कीवर्ड रिसर्च, लैंडिंग पेज ऑप्टिमाइज़ेशन, अभियान प्रबंधन

चैनल: ईमेल मार्केटिंग (लीड नर्चरिंग) लक्षित दर्शक: वेबसाइट, वेबिनार या अन्य चैनलों से एकत्रित लीड्स संभावित ROI: उच्च, लीड्स को ग्राहकों में परिवर्तित करने के लिए प्रभावी आवश्यक संसाधन: ईमेल मार्केटिंग प्लेटफ़ॉर्म, ईमेल अनुक्रम के लिए कंटेंट, सेगमेंटेशन कौशल

तकनीक 3 - संकेत देना

यह सुनिश्चित करने के लिए कि भाषा मॉडल किसी विशेष तरीके से शुरू करे और लिखे, एक संकेत दें। हम संकेत प्रॉम्प्ट के अंत में लिखते हैं।

प्रॉम्प्ट उदाहरण: क्या आप मेरे लिए इस मार्केट रिसर्च रिपोर्ट का सारांश बना सकते हैं? (रिपोर्ट के प्रासंगिक हिस्से चिपकाएं)। अपना उत्तर इस तरह शुरू करें: इस मार्केट रिसर्च की मुख्य खोजें हैं:

• रिपोर्ट की टेक्स्ट चिपकाएं

इस विधि को “cues and hints” कहते हैं। यह उदाहरण एक काल्पनिक रिपोर्ट का उपयोग करता है।

तकनीक 3 - संकेत देना

नीचे संकेत के साथ प्रॉम्प्ट पर भाषा मॉडल का उत्तर दिया गया है

इस मार्केट रिसर्च की मुख्य खोजें हैं:

• एमएसएमई में क्लाउड-आधारित प्रोजेक्ट मैनेजमेंट सॉफ्टवेयर की मांग पिछले दो वर्षों में 35% बढ़ी है।
• एमएसएमई कंपनियों के लिए मुख्य निर्णय कारक उपयोग में सरलता, मौजूदा टूल्स के साथ एकीकरण क्षमता, और मूल्य निर्धारण हैं।
• प्रतियोगी A का बाजार हिस्सा 25% है, इसके बाद प्रतियोगी B 18% के साथ। नए खिलाड़ी जो विशिष्ट निचे या बेहतर उपयोगकर्ता अनुभव प्रदान करते हैं, उनके लिए जगह है।
• नई सॉफ्टवेयर अपनाने में एमएसएमई कंपनियों के लिए सबसे बड़ी चुनौतियाँ प्रारंभिक निवेश और कर्मचारियों के प्रशिक्षण के लिए आवश्यक समय हैं।
• उम्मीद है कि बाजार अगले पांच वर्षों में वार्षिक 15% की दर से बढ़ेगा।

तकनीक 4 - निर्देशों की सामग्री विभाजित करना

कभी-कभी अतिरिक्त सामग्री के कारण प्रॉम्प्ट बहुत लंबा हो जाता है और भाषा मॉडल ठीक से आपकी इच्छा को नहीं समझ पाता। ऐसा आपने पिछले उदाहरण में देखा होगा। तब आप सामग्री को तीन उद्धरण चिह्नों से प्रॉम्प्ट के बाकी हिस्से से अलग कर सकते हैं।

प्रॉम्प्ट उदाहरण: क्या आप इस लेख का सारांश बना सकते हैं? “”” (अपना लेख चिपकाएं)。 “”” अपना उत्तर इस तरह शुरू करें: इस लेख के मुख्य बिंदु हैं:

इस विधि को “content splitting” कहते हैं। यह उदाहरण इंटरनेट से किसी लेख या रिपोर्ट को स्रोत सामग्री के रूप में उपयोग करता है। आप इसके लिए नीति नोट, शोध रिपोर्ट या सार्वजनिक सूचना पृष्ठ का उपयोग कर सकते हैं।

तकनीक 4 - सामग्री विभाजित करना

नीचे विभाजित सामग्री के साथ प्रॉम्प्ट पर भाषा मॉडल का उत्तर दिया गया है। हम प्रश्न के संदर्भ को अलग करने के लिए तीन उद्धरण चिह्न या तीन तारों का उपयोग करते हैं।

इस स्रोत के मुख्य बिंदु हैं:

• रिपोर्ट बताती है कि नीति किन लक्षित समूहों को प्रभावित करती है।
• स्रोत सावधानीपूर्वक कार्यान्वयन के लिए शर्तें बताता है, जैसे गोपनीयता, पहुंच, और स्पष्ट संचार।
• विश्लेषण दिखाता है कि किन जोखिमों और निर्भरताओं को पहले से ध्यान में रखना चाहिए।
• दस्तावेज़ में सिफारिशें हैं जिन्हें टीमों या विभागों के लिए ठोस कार्यों में बदला जा सकता है।
• निर्णय लेने के लिए यह महत्वपूर्ण है कि अनुमानों, अनिश्चितताओं और अगले कदमों को स्पष्ट किया जाए।

तकनीक 5 - पहले अतिरिक्त जानकारी पूछना

आप निर्देश दे सकते हैं कि उत्तर देने से पहले अतिरिक्त सवाल पूछे जाएं। इससे भाषा मॉडल आपकी रिक्वेस्ट को बेहतर और अधिक विशिष्ट बनाने में मदद करता है।

प्रॉम्प्ट उदाहरण: “मैं एक नई मोबाइल ऐप के विकास के लिए परियोजना प्रस्ताव बनाना चाहता हूँ जो आंतरिक संचार के लिए हो। ऐप में न्यूज़ अपडेट, कर्मचारी डायरेक्टरी, और डायरेक्ट मैसेजिंग फीचर्स होने चाहिए। क्या आप प्रस्ताव लिखने से पहले मुझसे कुछ अतिरिक्त सवाल पूछ सकते हैं ताकि प्रस्ताव बेहतर हो सके?”

इस विधि को “ask before answer prompting” कहते हैं।

तकनीक 5 - पहले अतिरिक्त जानकारी पूछना

नीचे अतिरिक्त जानकारी मांगने वाले प्रॉम्प्ट पर भाषा मॉडल का उत्तर दिया गया है

बिल्कुल! यहाँ कुछ सवाल हैं जो मैं प्रस्ताव बेहतर बनाने के लिए पूछ सकता हूँ: आंतरिक संचार ऐप का प्राथमिक उद्देश्य क्या है? (जैसे, जुड़ाव बढ़ाना, सूचना प्रसार सुधारना, सहयोग को बढ़ावा देना) कंपनी के भीतर लक्षित विशिष्ट दर्शक कौन हैं? (जैसे, सभी कर्मचारी, विशिष्ट विभाग, फील्ड कर्मचारी) क्या कोई मौजूदा सिस्टम या प्लेटफ़ॉर्म हैं जिनसे ऐप को एकीकृत करना है? (जैसे, इंट्रानेट, HR सिस्टम, Active Directory) विकास और कार्यान्वयन के लिए अपेक्षित बजट और समय सीमा क्या है? क्या ऐप के लिए कोई विशेष सुरक्षा या अनुपालन आवश्यकताएँ हैं? (जैसे, GDPR, डेटा प्रतिधारण नीति) सफलता मापने के लिए कौन से प्रमुख प्रदर्शन संकेतक (KPI) उपयोग किए जाएंगे? क्या ऐप के डिज़ाइन या ब्रांडिंग के बारे में कोई विचार हैं? क्या इसे संगठन की पहचान से मेल खाना चाहिए? क्या विकास प्लेटफ़ॉर्म (iOS, Android, क्रॉस-प्लेटफ़ॉर्म) के लिए कोई प्राथमिकता है?

इन अतिरिक्त जानकारियों के साथ हम स्कोप और आवश्यकताओं की बेहतर समझ बना सकते हैं और एक मजबूत परियोजना प्रस्ताव तैयार कर सकते हैं।

तकनीक 6 - भावनात्मक प्रॉम्प्ट

आप निर्देश दे सकते हैं कि टेक्स्ट की टोन भावनाओं के अनुसार हो या कोई विशिष्ट भावनात्मक प्रतिक्रिया उत्पन्न करे। यह ग्राहक सेवा, आंतरिक संचार, या मार्केटिंग के लिए उपयोगी है।

प्रॉम्प्ट उदाहरण: “मुझे एक ग्राहक को ईमेल लिखनी है जो हाल ही में सेवा व्यवधान से असंतुष्ट है। ग्राहक ने यह लिखा है: “”” …. “”” (ग्राहक का टेक्स्ट चिपकाएं) मैं चाहता हूँ कि ईमेल सहानुभूतिपूर्ण हो, ग्राहक की निराशा को स्वीकार करे, और एक रचनात्मक समाधान प्रदान करे।”

इस विधि को “emotional prompting” कहते हैं। यह उदाहरण एक काल्पनिक शिकायत का उपयोग करता है।

पूरा प्रॉम्प्ट इस प्रकार है:

मुझे एक ग्राहक को ईमेल लिखनी है जो हाल ही में सेवा व्यवधान से असंतुष्ट है। ग्राहक ने यह लिखा है: """आदरणीय महोदय/महोदया,

मैं कल दोपहर हुई अप्रत्याशित सेवा व्यवधान से बहुत निराश हूँ। इसने हमारे व्यवसाय संचालन को गंभीर रूप से प्रभावित किया और उत्पादकता में कमी आई। हम आपकी सेवाओं पर भरोसा करते हैं और इस तरह की घटनाएँ अस्वीकार्य हैं। मैं स्पष्ट स्पष्टीकरण और उचित मुआवजे की अपेक्षा करता हूँ।"""

मैं चाहता हूँ कि ईमेल सहानुभूतिपूर्ण हो, ग्राहक की निराशा को स्वीकार करे, और एक रचनात्मक समाधान प्रदान करे।

तकनीक 6 - भावनात्मक प्रॉम्प्ट

नीचे हमें भाषा मॉडल से प्राप्त उत्तर दिया गया है

आदरणीय [ग्राहक का नाम],

आपके संदेश के लिए धन्यवाद और कल दोपहर हुई सेवा व्यवधान के लिए हम अपनी गहरी क्षमा प्रकट करते हैं। मैं आपकी निराशा और आपके व्यवसाय पर इसके प्रभाव को पूरी तरह समझता हूँ। हमें खेद है कि हम आपकी अपेक्षाओं और अपनी सेवा मानकों पर खरे नहीं उतर पाए।

यह व्यवधान [संक्षिप्त, स्पष्ट कारण, जैसे हमारे डेटा सेंटर में अप्रत्याशित तकनीकी समस्या] के कारण हुआ था। हमने तुरंत कार्रवाई की और हमारे तकनीशियन ने सेवा को यथाशीघ्र पुनर्स्थापित करने के लिए कड़ी मेहनत की। सेवा [समय] से पूरी तरह से चालू है।

हम इस घटना को गंभीरता से लेते हैं और भविष्य में पुनरावृत्ति रोकने के लिए कारण का मूल्यांकन कर रहे हैं।

असुविधा के लिए कुछ मुआवजे के रूप में, हम आपको [विशिष्ट प्रस्ताव, जैसे अगली बिलिंग पर छूट / एक महीने का मुफ्त अपग्रेड / सेवा क्रेडिट] प्रदान करना चाहते हैं। हमारी एकाउंट मैनेजर 24 घंटे के भीतर आपसे संपर्क करेगी ताकि इसे व्यक्तिगत रूप से चर्चा कर सके और आपके अन्य प्रश्नों का उत्तर दे सके।

एक बार फिर असुविधा के लिए क्षमा चाहते हैं। हम आपकी वफादारी की सराहना करते हैं और भविष्य में आपको विश्वसनीय सेवा प्रदान करने का प्रयास करेंगे।

सादर, [आपका नाम/कंपनी का नाम]

तकनीक 7 - कई संस्करण मांगना

आप एक उत्तर के कई संस्करण मांग सकते हैं ताकि आपके पास विकल्प हों। उदाहरण के लिए, आप चाहते हैं कि मॉडल नए उत्पाद के लिए विभिन्न मार्केटिंग स्लोगन बनाने में मदद करे। कई अलग-अलग दृष्टिकोण संभव हैं, इसलिए आप कुछ विकल्प चाहते हैं। इसे मॉडल की भूमिका सेट करने और सिस्टम प्रॉम्प्ट के साथ संयोजित करना प्रभावी हो सकता है।

आप भूमिका के बारे में अधिक पढ़ सकते हैं संबंधित लेख में। इस लेख के अंत में कई संस्करणों का उदाहरण है। इसे यहाँ पूरी तरह से दोहराया नहीं गया है।

तकनीक 8 - सिस्टम प्रॉम्प्ट के साथ संयोजन

सिस्टम प्रॉम्प्ट के माध्यम से आप AI मॉडल को निर्देश दे सकते हैं। यह एक ऐसा निर्देश है जो आप मॉडल को देते हैं ताकि मॉडल का व्यवहार या कार्य विशेष रूप से निर्धारित हो। आप इसमें यह लिख सकते हैं कि आप AI मॉडल से किस प्रकार का आउटपुट चाहते हैं। यह मॉडल को निर्देशित करने और अप्रासंगिक या अवांछित उत्तरों को रोकने का तरीका है।

कुछ सरल और सामान्य सिस्टम प्रॉम्प्ट के उदाहरण:

"मैं चाहता हूँ कि आप एक मित्रवत और सहायक सहायक बनें।"

"हमेशा अपने भाषा उपयोग में पेशेवर और सम्मानजनक रहें।"

"अतिरिक्त विवरण के बिना सीधे और ठोस उत्तर दें।"

सिस्टम प्रॉम्प्ट एक तरह से उस विशिष्ट बातचीत या कार्य के लिए टोन और अपेक्षाएँ सेट करता है जिसे आप AI मॉडल के साथ करना चाहते हैं।

आप प्राथमिकताओं में एक सामान्य सिस्टम प्रॉम्प्ट सेट कर सकते हैं, लेकिन सबसे अच्छा है कि आप इन्हें प्रत्येक स्वचालित कार्य के लिए अलग से बनाएं। हम इसे भूमिकाएँ कहते हैं।

आप भूमिका के बारे में अधिक पढ़ सकते हैं संबंधित लेख में।

एक अनुच्छेद पर एनोटेशन करना

किसी पूर्ण चैट संदेश में टेक्स्ट चुनें और एनोटेट करें चुनें। विंडो में एक सवाल या संशोधन निर्देश लिखें, जैसे ‘केवल इस वाक्य को सरल बनाएं’, और सहेजें चुनें। आप कई अनुच्छेद एनोटेट कर सकते हैं। फिर भेजें; इनपुट फ़ील्ड में अतिरिक्त प्रॉम्प्ट आवश्यक नहीं है, लेकिन हो सकता है। अनुच्छेद टिप्पणी के साथ सुरक्षित रहता है, भले ही आप बीच में किसी अन्य विंडो पर जाएं। आप भेजने से पहले एनोटेशन हटा भी सकते हैं। मोबाइल पर टेक्स्ट को दबाकर रखें और चुनें।