ऑडिटर प्रॉम्प्ट: AI को उसका सबसे कठोर आलोचक बनाइए

सारांश

ऑडिटर प्रॉम्प्ट AI को लेखक से विरोधी बना देता है: डिलीवर करने के बाद, आप उसे अपने ही आउटपुट पर हमला करने का आदेश देते हैं — तार्किक खामियाँ, बिना सहारे वाले दावे और छूटे हुए पहलू ढूँढते हुए — मज़बूत अंतिम संस्करण बनाने से पहले। इसकी क़ीमत एक फ़ॉलो-अप संदेश है, और यह नियमित रूप से वह असफलता पकड़ लेता है जिसे आपको कठिन रास्ते से पता चलता।

उपमा

हर गंभीर अख़बार दो ऐसे लोगों पर चलता है जो कभी एक ही मेज़ पर नहीं बैठते: लेखक और संपादक।

लेखक का काम उत्पादन है — पाठक को बहा ले जाना, मुक़द्दमे को गाने जैसा बनाना। संपादक का काम ध्वंस है। संपादक बिना स्रोत वाले दावे पर गोला लगाता है, हाशिये में «कौन कहता है?» लिखता है, वह पैराग्राफ ढूँढता है जहाँ तर्क चुपचाप ख़ुद से विरोध करता है, और वह सवाल पूछता है जिसे लेखक चाहता था किसी ने न देखे। सबसे ज़रूरी बात: संपादक का मूल्यांकन खामियों पर होता है, दयालुता पर नहीं — नरम संपादक टूटा हुआ संपादक है। अख़बार भरोसेमंद इसीलिए है क्योंकि जाँचने वाला वही नहीं है जो लिखता है।

AI के साथ यही दिक्कत है: आप अब तक ऐसे लेखक से बात कर रहे थे जिसका कोई संपादक नहीं है। जिस मॉडल ने आपका ड्राफ़्ट बनाया वह बहता हुआ टेक्स्ट देने के लिए अनुकूलित है — और जब आप उसी मॉडल से पूछते हैं «क्या यह अच्छा है?», तो आप लेखक से ही उसकी पांडुलिपि की समीक्षा माँग रहे हैं। आप क्या कहते अगर कोई उपन्यासकार कहे कि उसकी किताब निर्दोष है? आप उसे तुरंत छूट देते। फिर भी लोग हर रोज़ AI से «यह बढ़िया लग रहा है!» स्वीकार करते हैं — और फिर, अपने बॉस के सामने, पाते हैं कि भूमिका निष्कर्ष का विरोध करती थी।

ऑडिटर प्रॉम्प्ट आपका जान-बूझकर संपादक किराए पर लेना है। वही मॉडल, नया अनुबंध: काम अब «यह लिखो» नहीं है — काम है «इसे तोड़ो।» यह साइबर सुरक्षा दुनिया का रेड टीम वाला कदम है, जहाँ एक टीम सिस्टम बनाती है और एक प्रतिद्वंद्वी टीम को असली दुश्मनों से पहले उस पर हमला करने के पैसे मिलते हैं। दोस्ताना गोलीबारी, जान-बूझकर, इससे पहले कि ग़ैर-दोस्ताना वाली आ जाए।

और इंसानी संपादक के उल्ट, यह सेकंडों में काम करता है, आपके तीसरे ड्राफ़्ट से कभी नहीं थकता, और नाराज़ होकर नरम नहीं पड़ सकता — क्योंकि आपने कठोरता ही निर्देशों में लिख दी है।

कैसे काम करता है और औज़ार (रीज़निंग मॉडल)

तकनीक दो-कदम की लय है: ड्राफ़्ट, फिर ऑडिट। कभी एक साथ नहीं।

कदम 1 — ड्राफ़्ट। काम सामान्य रूप से बनाइए, जो भी तकनीक फ़िट बैठे: वन-शॉट प्रॉम्प्ट, इंटरव्यू, सीमित प्रारूप। ड्राफ़्ट बनाने वाला दिमाग़ और ऑडिट करने वाला दिमाग़ अलग-अलग बारी लें — एक ही संदेश में «लिखो और जाँचो» कहने पर मॉडल आत्मविश्वास से लिखेगा और फिर ख़ुद को मुहर लगा देगा।

कदम 2 — ऑडिट। एक ऐसे आदेश से फ़ॉलो-अप कीजिए जिसमें तीन वज़न-उठाने वाले हिस्से हों:

हिस्सा	यह क्या करता है	उदाहरण
भूमिका-नियुक्ति	लेखक की शिष्टता मारता है	«निष्ठुर Devil's Advocate की तरह काम करो»
गिनती वाले निष्कर्ष	असली दोष माँगता है, भावनाएँ नहीं	«ठीक 3 घातक खामियाँ ढूँढो»
रोका हुआ फ़ैसला	दिलासे वाला निष्कर्ष मना करता है	«अभी दोबारा मत लिखो — सिर्फ़ निष्कर्ष, गंभीरता के क्रम में»

निष्ठुर Devil's Advocate की तरह काम करो और अपने पिछले जवाब की आलोचना करो। ठीक 3 घातक खामियाँ ढूँढो: तार्किक त्रुटियाँ, बिना सहारे वाले दावे, या वे पहलू जिन पर कोई संदेहशील विशेषज्ञ हमला करेगा। उन्हें गंभीरता के क्रम में रखो। अभी कुछ भी दोबारा मत लिखो — सिर्फ़ निष्कर्ष।

«ठीक 3» क्यों? क्योंकि बिना सीमा का «कोई दिक्कत?» मॉडल को सुरक्षा का अभिनय करने देता है — «कुल मिलाकर यह अच्छी तरह संरचित है!» — और तारीफ़ से शुरू होने वाला ऑडिट वह ऑडिट है जो पहले ही फेल हो चुका है। गिनती खुदाई पर मजबूर करती है: क्रमांकित स्लॉट कुछ तो भरेंगे, अच्छे काम में भी, और जो सामने आता है वह अक्सर वही मान्यता होती है जिस पर किसी ने ध्यान नहीं दिया था। फिर, निष्कर्ष पढ़ने के बाद ही, आप तीसरा कदम छोड़ते हैं: «अब मूल को दोबारा लिखो, तीनों खामियाँ ठीक करते हुए।»

यहीं वह सूक्ष्म हाइब्रिड स्पर्श भी बसता है: कोई भी मॉडल ऑडिट कर सकता है, मगर ऑडिट सोचने का काम है — और वही चीज़ रीज़निंग मॉडल बनाने के लिए है। रीज़निंग मॉडल (Uzu में उपलब्ध प्रीमियम वाले) जवाब देने से पहले धीमा होकर समस्या को कदम-दर-कदम हल करने के लिए प्रशिक्षित हैं, जिससे वे वह खामी पकड़ने में बेमिसाल अच्छे हैं जिसे तेज़ मॉडल फ़िसल जाते हैं। इसलिए पेशेवर पाइपलाइन: ड्राफ़्ट के लिए तेज़ मॉडल, ऑडिट के लिए रीज़निंग मॉडल। सस्ता, तेज़ मॉडल कच्चा माल बनाता है; महँगा, सधा मॉडल अपनी ताक़त सिर्फ़ उस पास पर खर्च करता है जिसका मतलब है — वह पास जो तय करता है काम हक़ीक़त से टकराकर बचेगा या नहीं।

पहले और बाद में (प्रॉम्प्ट्स)

उदाहरण 1 — बिज़नेस केस

क्या यह बिज़नेस प्लान अच्छा है? कोई फ़ीडबैक?

लेखक ही पांडुलिपि की समीक्षा कर रहा है। वापस आता है: पहले ताक़तें, एक नरम «जोड़ने पर विचार करें», और ठोस होने का समग्र फ़ैसला। प्लान अपनी घातक मान्यता के साथ ही शिप हो जाता है।

1,000 पिच देख चुके संदेहशील निवेशक की तरह काम करो। इस बिज़नेस प्लान में ठीक 3 घातक खामियाँ पहचानो — वजहें जिनसे कोई फ़र्म मना कर देगी। गंभीरता के क्रम में रखो, खास सेक्शन का हवाला दो, सिर्फ़ निष्कर्ष, दोबारा लेखन नहीं।

अब वही प्लान संपादक का सामना करता है। निष्कर्ष क्रमांकित और असहज लौटते हैं: रेवेन्यू मॉडल बिना सबूत 40% कन्वर्ज़न दर मान रहा है; «प्रतिद्वंद्वी विश्लेषण» सबसे बड़े खिलाड़ी को छोड़ रहा है; कैश-फ़्लो प्रोजेक्शन सातवें महीने में एक गैप छिपा रहा है। इनमें से कोई भी स्टाइल-नोट नहीं है। ये सब फ़ंडिंग और चुप्पी के बीच का फ़र्क़ हैं।

उदाहरण 2 — तर्क

मेरे निबंध में त्रुटियाँ जाँचो।

«त्रुटियाँ» का मतलब स्पेलिंग-शिकार है, तो वही मिलता है — व्याकरण चमका, तर्क छूटा।

तुम मेरे सबसे कठोर आलोचक हो। मेरा तर्क पढ़ो और ठीक 3 जगहें पहचानो जहाँ तर्क सबसे कमज़ोर है — छलांगें, बिना सहारे वाली बातें, या वे आपत्तियाँ जिनका जवाब देना मैं भूल गया। हर एक के लिए, मेरे ख़िलाफ़ सबसे मज़बूत जवाबी-तर्क बताओ। नरम मत करो। सिर्फ़ निष्कर्ष।

ऑडिट वे दो वाक्य लौटाता है जो कोई प्रतिद्वंद्वी आपके ख़िलाफ़ उद्धृत करेगा — और वह एक आपत्ति जिसका जवाब आपने कभी नहीं दिया क्योंकि आपने देखी ही नहीं थी। वे तीनों ठीक कीजिए, और तर्क उस दर्शकों के लिए तैयार है जो चाहता है कि वह फेल हो जाए।

उदाहरण 3 — भेजने से पहले वाली ईमेल

सुनिश्चित करो कि यह ईमेल सही लगे।

टोन-जाँच। ठीक। मगर ईमेल का ख़तरा कभी टोन नहीं था — वह वाक्य था जिसने अनजाने में आपको एक ऐसी डेडलाइन पर प्रतिबद्ध कर दिया जो आप पूरी नहीं कर सकते।

भेजने से पहले: इसे कॉन्ट्रैक्ट वकील की तरह ऑडिट करो। ठीक 3 वे कथन पहचानो जो मेरी अनजाने में दी गई प्रतिबद्धताएँ या दायित्व पढ़े जा सकते हैं। हर एक उद्धृत करो, जोख़िम भरा मतलब समझाओ, सिर्फ़ निष्कर्ष।

तीन निष्कर्षों बाद, एक वाक्य फ़्लैग होता है: «हम इसे जल्द सुलझा देंगे» — जो दबाव में एक वादा बन जाता है। उसे दोबारा लिखा जाता है। ईमेल कभी बेहतर लिखी नहीं गई। वह भेजने के लिए सुरक्षित हुई।

आम गलतियाँ

1. पहला ही «यह बढ़िया लग रहा है!» जवाब स्वीकार लेना। विनम्रता से पूछेंगे तो मॉडल अपना ही होमवर्क उदार अंकों से चेक करेगा — शिष्टता सख़्ती से गहराई में बैठी थी। जो ऑडिट शून्य निष्कर्ष लौटाए वह ऑडिट नहीं था; तारीफ़ थी। गिनती के साथ दोबारा चलाइए: «ठीक 3 ढूँढो।»
2. ड्राफ़्ट करते ही उसी साँस में ऑडिट करना। «लिखो और सुनिश्चित करो कि अच्छा है» संपादक को लेखक में घसीट देता है। मॉडल आत्मविश्वास से ड्राफ़्ट करता है, फिर अपना ही आत्मविश्वास समीक्षक की विरासत में ले लेता है। हमेशा दो बारी: ड्राफ़्ट, फिर हमला।
3. धुंधले ऑडिट अनुरोध। «इसकी आलोचना करो» टोन और संरचना पर निबंध-लंबाई की घास बुलाता है। ऑडिट को वैसे ही सीमित करें जैसे आप किसी भी आउटपुट को करते हैं: एक भूमिका, एक गिनती, गंभीरता-क्रम, no-rewrite नियम। ऑडिट भी एक डिलीवरेबल है।
4. «महसूस होता है पूरा हो गया» वाले काम पर ऑडिट छोड़ना। प्रवाह ठीक उल्टा संपन्नता-संकेत है — आत्मविश्वास का भ्रम याद कीजिए: निर्दोष-सुनाई देने वाला ड्राफ़्ट और दोषपूर्ण ड्राफ़्ट एक ही शांत आवाज़ में आते हैं। जितना बेहतर पढ़ा जाए, उतना ज़्यादा — कम नहीं — दुश्मन जैसे दूसरे पास की ज़रूरत है।
5. निष्कर्षों की जगह लक्षण ठीक करना। ऑडिट तीन खामियाँ बताता है; आप हर एक का एक वाक्य पैच करके पूरा कह देते हैं। निष्कर्ष अक्सर एक मान्यता की ओर इशारा करता है — उसे दोबारा जाँचिए, सिर्फ़ उस वाक्य को नहीं जिसने उसे ढोया था। फिर संशोधन का दोबारा ऑडिट कीजिए: «संस्करण 2 को उसी तरह ऑडिट करो।»

अक्सर पूछे जाने वाले प्रश्न

मैं AI से उसके अपने काम की आलोचना कैसे करवाऊँ?

स्पष्ट आदेश दीजिए: दुश्मन जैसी भूमिका दीजिए («निष्ठुर Devil's Advocate / संदेहशील निवेशक / रेड टीम की तरह काम करो»), खामियों की गिनती वाली सूची माँगिए («ठीक 3 घातक खामियाँ»), गंभीरता-क्रम माँगिए, और निष्कर्ष पढ़ने तक दोबारा लेखन मना कीजिए। तीन-हिस्सी संरचना — भूमिका, गिनती, रुका हुआ फ़ैसला — ही असली ऑडिट को तारीफ़ से अलग करती है।

AI मेरे काम को अच्छा क्यों बताता है जब वह अच्छा नहीं है?

क्योंकि आपने एक ऐसा सवाल पूछा जिसका एक ही शिष्ट जवाब है। मॉडल राज़ी होने वाली बातचीत पर प्रशिक्षित हैं, इसलिए «क्या यह अच्छा है?» «हाँ, कुछ छोटे सुझावों के साथ» खींचता है। समाधान बेहतर सवाल नहीं है — यह एक अलग अनुबंध है: मॉडल अब किसी दोस्त का काम आँक नहीं रहा, उसका मूल्यांकन ढूँढी गई खामियों पर हो रहा है। प्रोत्साहन बदलिए और ईमानदारी सामने आती है।

क्या AI आउटपुट जाँचने के लिए मुझे रीज़निंग मॉडल इस्तेमाल करना चाहिए?

हर उस काम के लिए जिसके नतीजे बड़े हों, हाँ। रीज़निंग मॉडल — जैसे Uzu के प्रीमियम वाले — जवाब देने से पहले कदम-दर-कदम विचार करते हैं, और वही हुनर खामी-शिकारी माँगती है। कुशल पैटर्न श्रम-विभाजन है: तेज़ मॉडल सस्ते में ड्राफ़्ट करता है, फिर रीज़निंग मॉडल अपना कंप्यूट सिर्फ़ ऑडिट पास पर खर्च करता है। भारी मॉडल भारी सोच के लिए बचाइए।

अगला पाठ

ऑडिटर एक ताक़तवर पास चलाता है: ड्राफ़्ट, हमला, सुधार। मगर कुछ काम एक परफेक्ट एकल जवाब के लिए भी बहुत बड़े होते हैं — रिसर्च फिर ट्रांसफ़ॉर्म फिर पॉलिश, हर कदम अगले को खिलाता हुआ। क्या होगा जब आप प्रॉम्प्ट लिखना बंद करके असेंबली लाइनें बनाना शुरू करें?

अगला पाठ: प्रॉम्प्ट चेनिंग

जाने से पहले का अभ्यास: AI का वह आखिरी आउटपुट उठाइए जो आपने सच में इस्तेमाल किया और उस पर ऊपर वाला सटीक ऑडिट प्रॉम्प्ट चलाइए — निष्ठुर भूमिका, ठीक 3 खामियाँ, सिर्फ़ निष्कर्ष। जो भी सामने आए, इस तथ्य के साथ बैठिए कि वह वहीं बैठा था, इंतज़ार करता हुआ कि कोई उसे ढूँढने के पैसे ले।