Prompt Engineering Basics

Prompt engineering क्या है?

Prompt वह निर्देश है जो आप AI model को देते हैं। Prompt engineering उस निर्देश को ऐसे लिखना है कि जवाब पहली बार में सही, सही format में और उपयोगी हो। Model सिर्फ़ वही जानता है जो आप बताते हैं और जो उसने training में सीखा – वह आपका मन, syllabus या company के नियम नहीं पढ़ सकता।

मज़बूत prompt के 6 हिस्से

ख़राब बनाम अच्छे prompts

काम करने वाली techniques

1. Few-shot examples: input → output के 1–3 उदाहरण दिखाएँ। Model विवरण मानने से कहीं बेहतर pattern copy करता है।
2. Steps माँगें: गणित, logic या debugging में अंतिम जवाब से पहले step-by-step काम करने और अंतिम जवाब अलग line में साफ़ दिखाने को कहें।
3. Source दें: chapter text, policy या data paste करके कहें “सिर्फ़ इस text से जवाब दो; न हो तो बता दो”।
4. Format तय करें: table, bullet points, नाम वाली keys के साथ JSON, शब्द सीमा।
5. बड़े काम बाँटें: पहले outline, फिर हर section; या पहले data निकालें, फिर analysis।
6. सुधारते रहें: जवाब ग़लत हो तो दोबारा शुरू करने की जगह ठीक-ठीक बताएँ क्या बदलना है।

Few-shot उदाहरण: customer messages classify करना

Classify each customer message as ORDER, COMPLAINT, ENQUIRY or OTHER.
Reply with only the label.

Message: "Please send 2 kg kaju katli to Raja Park tomorrow"
Label: ORDER

Message: "The ghewar I bought yesterday was stale"
Label: COMPLAINT

Message: "Are you open on Sunday?"
Label: ENQUIRY

Message: "Do you deliver to Mansarovar and what is the charge?"
Label:

तीन उदाहरण labels, style (“सिर्फ़ label”) और categories के बीच की सीमा सिखाते हैं। यहाँ जवाब ENQUIRY होना चाहिए।

Python में prompt templates

जब app के अंदर AI model इस्तेमाल करें, तो function से prompts बनाएँ ताकि हर request का structure एक जैसा रहे और आप उसे test कर सकें।

def mcq_prompt(topic, grade, count=5, language="English", avoid=None):
    lines = [
        f"You are an experienced CBSE Class {grade} teacher.",
        f"Create {count} multiple-choice questions on: {topic}.",
        f"Language: {language}. Use NCERT terminology.",
        "Each question: 4 options (a-d), exactly one correct.",
        'Return JSON only: [{"q": str, "options": [str, str, str, str], "answer": "a|b|c|d", "why": str}]',
    ]
    if avoid:
        lines.append(f"Do not include questions about: {', '.join(avoid)}.")
    return "\n".join(lines)

print(mcq_prompt("Refraction of light", 10, count=3, avoid=["lenses", "power of lens"]))

Output पर आँख मूँदकर भरोसा न करें: जाँचें

Models कभी extra text जोड़ देते हैं, कोई key छोड़ देते हैं या दो सही options दे देते हैं। अगर आपका program जवाब इस्तेमाल करता है, तो save करने या दिखाने से पहले code से जाँचें।

import json

# a reply copied from an AI model – it added a sentence before the JSON
reply = """Sure! Here are your questions:
[{"q": "Light bends when it passes from air to water. This is called?",
  "options": ["Reflection", "Refraction", "Dispersion", "Scattering"], "answer": "b",
  "why": "Change of speed in a new medium bends light."},
 {"q": "The refractive index of water is about?",
  "options": ["1.00", "1.33", "1.50", "2.42"], "answer": "e", "why": "n = c / v"}]"""

def extract_questions(text):
    start, end = text.find("["), text.rfind("]") + 1      # keep only the JSON part
    data = json.loads(text[start:end])
    good, problems = [], []
    for i, item in enumerate(data, 1):
        if set(item) != {"q", "options", "answer", "why"}:
            problems.append(f"Q{i}: wrong keys {sorted(item)}")
        elif len(item["options"]) != 4:
            problems.append(f"Q{i}: needs 4 options")
        elif item["answer"] not in "abcd" or len(item["answer"]) != 1:
            problems.append(f"Q{i}: invalid answer {item['answer']!r}")
        else:
            good.append(item)
    return good, problems

good, problems = extract_questions(reply)
print("valid questions:", len(good))
print("problems:", problems)

दूसरे सवाल का answer “e” है, जो असंभव है – code उसे पकड़ लेता है ताकि वह students तक न पहुँचे। Model से सिर्फ़ वही सवाल ठीक करवाएँ।

तैयार prompts

सुरक्षा और ईमानदारी के नियम

• Public AI tools में passwords, OTPs, Aadhaar/PAN numbers, medical या students का निजी data कभी paste न करें।
• Facts, numbers, कानून और citations आधिकारिक स्रोतों से जाँचें – AI इन्हें गढ़ सकता है।
• School के काम में teacher के नियम मानें और बताएँ कि AI इस्तेमाल किया।
• “Prompt injection”: document के अंदर का text AI को नए निर्देश देने की कोशिश कर सकता है। Apps में अपने निर्देश अलग रखें और documents को emails भेजने जैसे काम शुरू न करने दें।

अभ्यास

1. “photosynthesis पर notes बनाओ” को मज़बूत prompt के सभी 6 हिस्सों से दोबारा लिखें।
2. Informal Hinglish messages को formal English में बदलने वाला few-shot prompt बनाएँ।
3. mcq_prompt() में difficulty parameter जोड़कर छपे prompt को जाँचें।
4. extract_questions() में duplicate options रोकने वाली जाँच जोड़ें।

सारांश

• मज़बूत prompt = role + task + context + format + examples + limits।
• Few-shot examples और source text सबसे भरोसेमंद जवाब देते हैं।
• Apps में prompts functions से बनाएँ और हर output code से जाँचें।
• निजी data बचाएँ और facts जाँचें।