35 منٹ
تین طریقے
پاکستان میں تقریباً ہر پیشہ ور جو پہلی بار AI آزماتا ہے، ایک ہی ردعمل دیتا ہے۔ پرامپٹ ٹائپ کرتا ہے۔ نتیجہ کافی اچھا نہیں۔ ٹیب بند کر کے نتیجہ نکالتا ہے کہ AI صرف شور ہے۔ یہ ہمارے دفاتر میں AI سے مایوسی کی سب سے بڑی وجہ ہے، اور یہ ایک غلط فہمی پر کھڑی ہے۔ پرامپٹ کوئی وینڈنگ مشین نہیں جس میں سکہ ڈال کر بوتل نکالی جائے۔ پرامپٹ ایک گفتگو ہے، اور پہلا جواب تقریباً کبھی آخری نہیں ہوتا۔ جو پیشہ ور AI سے اچھے نتائج لیتے ہیں، اوسطاً تین سے پانچ بار iterate کر کے قبول کرتے ہیں۔ جو پہلی پرامپٹ کے بعد چھوڑ دیتے ہیں، وہ ٹیکنالوجی کی کمزوری سے ناکام نہیں ہو رہے، وہ غلط طریقہ کار استعمال کر رہے ہیں۔
پہلا طریقہ: واضح کریں۔ ماڈل نے ایسا کچھ پیدا کیا جو نشانے سے باہر ہے۔ آپ کی پہلی چال شروع سے آغاز نہیں ہے۔ یہ ہے کہ غلطی کو ایک جملے میں واضح کریں اور دوبارہ کوشش کا کہیں۔ "لہجہ سرکاری نوٹس کے لیے بہت غیر رسمی ہے۔ براہ کرم رسمی سرکاری اردو میں دوبارہ لکھیں۔" "خلاصہ بہت لمبا ہے۔ سو الفاظ سے کم کر دیں۔" "آپ نے سمجھا کہ میں نجی کمپنی سے ہوں۔ میں وفاقی وزارت سے ہوں۔ اس سیاق کے ساتھ دوبارہ کوشش کریں۔" Clarify اور دوبارہ کوشش کرنا سب سے سستا، سب سے قابل اعتماد iteration ہے۔ یہ ماڈل کے پہلے کام کو محفوظ رکھتا ہے اور صرف ایک خرابی کو ٹھیک کرتا ہے۔
دوسرا طریقہ: تنگ کریں۔ آؤٹ پُٹ بہت کھلا، بہت عمومی، یا بہت زیادہ احاطہ کر گیا۔ اسے تنگ کریں۔ "صرف ٹیکسٹائل ایکسپورٹرز کے اثرات پر مرکوز ہوں۔ زرعی اور IT حصے چھوڑ دیں۔" "صرف تین سب سے بلند خطرے والے نتائج دیں۔ باقی نظر انداز کر دیں۔" "خود کو مئی 2025 کے بجٹ کے بعد کے دور تک محدود رکھیں۔ پہلے کی تاریخ یہاں متعلقہ نہیں۔" تنگ کرنا ماڈل کو بتاتا ہے کہ کم بہتر ہے اور کیا ہٹانا ہے۔ آؤٹ پُٹ عموماً تیز اور زیادہ مفید ہو جاتا ہے۔ تنگ کرنا اس وقت چنا جاتا ہے جب ماڈل نے قابل کام تو کیا مگر جہاں ایک جملہ چاہیے تھا وہاں پیراگراف دے دیا۔
فوری چیک
فوری چیک: جدید AI روایتی قاعدہ بنیاد پروگرام سے کس طرح مختلف ہے؟
کیوں؟
Iteration کا اصول۔ شروع سے آغاز نہ کریں۔ ماڈل کے پاس پچھلی باری اور پچھلے آؤٹ پُٹ کا سیاق ہے۔ نئے سرے سے شروع کرنا یہ سب پھینک دیتا ہے۔ بجائے اس کے، اسی گفتگو میں واضح کریں کہ کیا غلط تھا، تنگ کریں کہ کیا چاہئے، یا ضد نمونہ دکھائیں۔ تین چھوٹی باریاں تقریباً ہمیشہ ایک بڑی ازسرنو کوشش سے بہتر ہوتی ہیں۔
ماخذ
ذرائع۔ Andrew Ng اور Isa Fulford کا DeepLearning.AI سبق iterative prompt development پر۔ پرامپٹ iteration پیٹرنز پر Anthropic کی دستاویزات۔ OpenAI کا پرامپٹ انجینئرنگ گائیڈ، iterative refinement کا حصہ۔ Anthropic کا پرامپٹ انجینئرنگ ٹیوٹوریل جو ایک حقیقی دستاویز پر multi-turn اصلاح کرتا ہے۔ Karpathy کے 2024 لیکچرز عملی LLM استعمال پر، جس میں iteration کو بنیادی مہارت کہا گیا۔