मुख्य कंटेंट तक स्किप करें

क्रॉस-AI प्रॉम्प्ट अनुवाद

मध्यम

अच्छी खबर: प्रॉम्प्टिंग की मूल बातें हर मॉडल में स्थानांतरित होती हैं। अगर आप Claude को अच्छी तरह प्रॉम्प्ट कर सकते हैं, तो आप ChatGPT, Gemini, या Llama को भी अच्छी तरह प्रॉम्प्ट कर सकते हैं। कुछ सतही विवरण अलग होते हैं — यहाँ रहा रोज़ेटा स्टोन।

हर जगह क्या स्थानांतरित होता है​

ये सब पर काम करते हैं — ये संवाद के बारे में हैं, किसी वेंडर के बारे में नहीं:

  • संदर्भ दें: लक्ष्य, दर्शक, फ़ॉर्मेट, टोन (Prompting Basics)।
  • उदाहरण (few-shot)।
  • कठिन कार्यों पर तर्क माँगें।
  • आउटपुट को सीमित करें (लंबाई, फ़ॉर्मेट, "केवल JSON")।
  • सरल भाषा में दोहराएँ।
  • भूमिकाएँ / सिस्टम प्रॉम्प्ट — हर प्रमुख मॉडल में यह अवधारणा होती है (Roles)।

इन्हें एक बार सीख लें और आप पोर्टेबल हो जाते हैं।

क्या अलग है (और क्या समायोजित करें)​

पहलूजब आप बदलते हैं तो ध्यान दें
संरचना संकेतClaude को XML tags पसंद हैं; अन्य मॉडल इन्हें स्वीकार करते हैं पर Markdown हेडिंग या JSON पसंद कर सकते हैं।
टोन की तीव्रतापुराने मॉडल ज़ोरदार/ALL-CAPS प्रॉम्प्ट सहन करते थे; नए शब्दशः-पालन करने वाले शांत, विशिष्ट निर्देश पसंद करते हैं। हर मॉडल के लिए फिर से ट्यून करें।
तर्क"चरण-दर-चरण सोचो" कुछ की मदद करता है; समर्पित तर्क मॉडल इसे आंतरिक रूप से करते हैं — दोहराएँ नहीं।
प्रीफिलिंगअसिस्टेंट के मुँह में शब्द डालना एक Claude-शैली का लीवर है; अन्यत्र समर्थन भिन्न होता है।
सिस्टम प्रॉम्प्ट का वज़नसबके पास एक होता है, पर इसका कितनी मज़बूती से पालन होता है यह भिन्न होता है — परीक्षण करें।
टूल/फ़ंक्शन कॉलिंगवही अवधारणा, हर प्रोवाइडर के लिए अलग रिक्वेस्ट स्कीमा।

एक पोर्टेबल वर्कफ़्लो​

  1. प्रॉम्प्ट को सार्वभौमिक संरचना के साथ लिखें (संदर्भ + फ़ॉर्मेट + उदाहरण)।
  2. कुछ असली इनपुट के साथ अपने लक्षित मॉडल पर परीक्षण करें (eval)।
  3. ज़रूरत हो तो ऊपर बताए गए केवल सतही विवरण समायोजित करें।
  4. प्रॉम्प्ट को वर्ज़न कंट्रोल में रखें ताकि मॉडल बदलना सस्ता हो।

:::tip शुरू से दोबारा न लिखें नए मॉडल पर जाने के लिए शायद ही कभी नए प्रॉम्प्ट की ज़रूरत होती है — आमतौर पर बस एक टोन/फ़ॉर्मेट का मामूली बदलाव। आपकी संरचना और उदाहरण आगे चले जाते हैं। :::

आगे​