सारांश
बिना नियंत्रण छोड़ने पर हर AI एक ही आकार में जवाब देता है: मध्यम-लंबाई का निबंध — सुरक्षित, भरा हुआ, और ज़्यादातर भराव। स्कोप की सीमाएँ मॉडल को बताती हैं कि क्या शामिल नहीं करना है, और प्रारूप के नियम तय करते हैं कि जवाब का आकार ठीक कैसा हो; साथ मिलकर ये दोनों भटकते टेक्स्ट को सघन, उपयोगी आउटपुट में बदल देते हैं।
उपमा
कल्पना कीजिए आपने एक मास्टर शेफ़ हायर किया है, और दिया गया एकमात्र निर्देश है: «खाना।»
शेफ़ खुश है — और बजट के लिए ख़तरनाक। बाहर आता है बारह-कोर्स का टेस्टिंग मेन्यू: जो सूप आप नहीं चाहते थे, एक पैलेट क्लीन्ज़र, तीन डेज़र्ट, रेडक्शन पर एक एकल भाषण। हर कोर्स तकनीकी रूप से उत्कृष्ट। बिल विशाल। और कोर्स नौ में कहीं आपको समझ आता है कि आपको बस एक सैंडविच चाहिए था।
अब वही शेफ़ यह पाकर देखिए: «एक ग्रिल्ड चीज़ सैंडविच, सावरडॉ, आधा कटा हुआ, छोटी प्लेट पर।» कोई टेस्टिंग मेन्यू नहीं। कोई भाषण नहीं। तीस सेकंड की शुद्ध, सैंडविच-आकार की काबिलियत।
बिना सीमा का प्रॉम्प्ट वही «खाना» है। स्कोप सीमित करना मेन्यू की जगह डिश चुनना है। प्रारूप थोपना प्लेट तय करना है। AI, शेफ़ की तरह, प्रभावित करने के लिए बना है — और बिना सीमा के «प्रभावित करो» का मतलब «ज़्यादा» हो जाता है। शब्द, सेक्शन, चेतावनियाँ, विकल्प — मेहनत की निबंध-आकार की परेड जिसकी क़ीमत आप पंक्ति-दर-पंक्ति चुकाएँगे और जिसे पढ़ेंगे लगभग नहीं।
यहाँ वह बात है जो ज़्यादातर लोग चूक जाते हैं: नियम गुणवत्ता को सीमित नहीं करते, वे उसे सघन कर देते हैं। बारह कोर्स मँगाइए तो हर कोर्स की औसत गुणवत्ता गिरती है; एक परफेक्ट सैंडविच मँगाइए तो हुनर का हर औंस दो ब्रेड-स्लाइस के बीच उतरता है। शेफ़ हमेशा से इतना अच्छा था। आपने अब उसे निशाना दिखाया है।
कैसे काम करता है और इकोनॉमी (Uzu)
दो डायल, दोनों प्रॉम्पट में ही घुमाए जाते हैं।
डायल एक — स्कोप: तय करें कि क्या बाहर है। खुले सवाल के सामने मॉडल हर दिशा में एक साथ बाड़ करता है, क्योंकि सब कुछ कवर करना सबसे सुरक्षित औसत जवाब है। बाहर निकलने के रास्ते बंद कीजिए: दर्शक, उद्देश्य, गहराई और क्या हटाना है — नाम दीजिए। यह वन-शॉट प्रॉम्प्ट की बनावट का आधा हिस्सा है — संदर्भ घटक — जो अपना काम चुपचाप करता है।
डायल दो — प्रारूप: आकार तय करें। प्रारूप का नियम («तालिका में», «ठीक 3 बुलेट», «अधिकतम 100 शब्द», «एक पैराग्राफ, कोई प्रस्तावना नहीं») कुछ सूक्ष्म करता है: यह मॉडल को भरने के लिए एक तय बर्तन देता है, ताकि उसकी मेहनत संरचना की जगह सामग्री में लगे। फ़र्क़ पहले ही वाक्य में महसूस होता है — सीमित जवाब जवाब से शुरू होते हैं, «ज़रूर! यह रहा एक व्यापक अवलोकन…» से नहीं।
| नियम का प्रकार | आप क्या लिखते हैं | यह क्या मारता है |
|---|---|---|
| लंबाई | «100 शब्दों तक» / «ठीक 3 बुलेट» | भराव, प्रस्तावना, सारांश-पैराग्राफ |
| संरचना | «तालिका में» / «क्रमांकित सूची» / «एक पैराग्राफ» | निबंध-भटकाव, दबी हुई मुख्य बात |
| बहिष्करण | «कोई परिचय नहीं, कोई निष्कर्ष नहीं» | औपचारिकता और गला-साफ़ करना |
| गहराई | «शुरुआती के लिए» / «एक्सपर्ट स्तर» | ज़्यादा समझाना और कम समझाना दोनों |
और नियम वहाँ जुड़ते हैं जहाँ फ़र्क़ पड़ता है: कसा हुआ जवाब छोटा जवाब है, और छोटे जवाब कॉन्टेक्स्ट विंडो पर ज़्यादा जगह छोड़ते हैं — वह मेज़ जहाँ हर फ़ॉलो-अप सब कुछ दोबारा पढ़ता है। तीन-बुलेट वाले जवाबों से बनी चैट दर्जनों मोड़ों तक तेज़ रहती है; निबंधों से बनी चैट पंद्रहवें संदेश तक अपने ही निर्देशों में डूब जाती है।
यही वह जगह भी है जहाँ Uzu इस भौतिकी को दिखाई देता है: क्रेडिट्स। लंबा, भटकता हुआ जवाब बनाना कसे हुए जवाब से कहीं ज़्यादा खर्चीला है, इसलिए कॉम्पैक्ट प्रारूप थोपना सिर्फ़ पठनीयता की बात नहीं है — यह एक वित्तीय रणनीति है। जो शब्द मॉडल नहीं लिखता, वह G-Credit का एक हिस्सा है जो आपके पास रहता है। वह प्रॉम्प्ट जो कहता है «ठीक 3 बुलेट, हर एक 20 शब्दों तक» और वह प्रॉम्प्ट जो कहता है «मुझे सब कुछ बताओ» — दोनों 'सही' हो सकते हैं, मगर दोनों आपकी इकोनॉमी के बेहद अलग-अलग हिस्से जलाते हैं — और उनमें से केवल एक ही वह जवाब देता है जिसे आप सच में इस्तेमाल करेंगे।
तो काम का नियम सरल है:
पहले सीमा लगाइए, फिर पूछिए। अगर आप आदर्श जवाब का आकार बयान कर सकते हैं, तो वह बयान प्रॉम्प्ट में डाल दीजिए — मॉडल बर्तन भरने में उससे कहीं बेहतर है जितना वे भांपने में।
पहले और बाद में (नियम)
उदाहरण 1 — खुला सवाल
प्रकाश संश्लेषण समझाओ।
चार पैराग्राफ, इतिहास का एक सेक्शन, दो रूपक, और एक सारांश। सुंदर, और आपकी ज़रूरत से तीन गुना लंबा।
प्रकाश संश्लेषण 10 साल के बच्चे को ठीक 3 वाक्यों में समझाओ। फैक्ट्री वाले रूपक नहीं।
वही ज्ञान, एक ऐसे बर्तन में समेट कर जिसे बच्चा थाम सके। बहिष्करण पर ध्यान दीजिए — «फैक्ट्री रूपक नहीं» — जो वह रास्ता बंद करता है जिसमें ज़्यादातर जवाब खुशी-खुशी घूम निकलते हैं।
उदाहरण 2 — तुलना
सोलर और विंड एनर्जी की तुलना करो।
एक संतुलित निबंध छह उप-विषयों के साथ, बचाकर कहे गए निष्कर्ष, और मुख्य आँकड़े पैराग्राफ नौ और ग्यारह में बिखरे हुए।
घर की इंस्टॉलेशन के लिए सोलर vs विंड की तुलना तालिका में करो, ठीक 3 पंक्तियाँ: शुरुआती लागत, पेबैक समय, चाहिए जगह। तालिका के बाद एक-शब्द का फ़ैसला।
तालिका तुलना को समानांतर तथ्यों में मजबूर करती है; फ़ैसले का नियम निर्णय लेने पर मजबूर करता है। जो अपनी पंक्ति का हक़ नहीं दिलाता, वह बचता नहीं।
उदाहरण 3 — फिर से लिखना
इस ईमेल को बेहतर बनाओ।
मॉडल लंबी ईमेल लौटाता है — क्योंकि «ज़्यादा पूरा» ही «बेहतर» की उसकी डिफ़ॉल्ट परिभाषा है।
यह ईमेल 80 शब्दों के भीतर फिर से लिखो — पहली पंक्ति को अनुरोध के रूप में रखते हुए, दो लॉजिस्टिक बातों को बुलेट में, साइन-ऑफ़ न बदलते हुए।
लंबाई पर टोपी, संरचना तय, स्कोप इसी ईमेल पर लॉक। नतीजा मूल से छोटा और बेहतर है — जो कोई भी डिफ़ॉल्ट सेटिंग कभी नहीं देती।
आम गलतियाँ
- यह मानना कि AI को पता होता है कब रुकना है। नहीं होता — मॉडलों को «काफ़ी» का बोध नहीं है, सिर्फ़ «पूरा» का। बिना सीमा के «पूरा» निबंध की ओर बढ़ता है। हमेशा डिलीवरेबल पर एक आकार लगाइए।
- प्रारूप सीमित करना मगर स्कोप नहीं। विशाल सवाल पर «तालिका में» विशाल तालिका बनाता है। दोनों डायल साथ काम करते हैं: इलाका सिकोड़िए, फिर बर्तन चुनिए।
- ऐसी सीमाएँ लगाना जो आप सच में नहीं चाहते। जब आपको बारीकी चाहिए थी तो «50 शब्दों तक» काटा-कुटा, बिगड़ा जवाब देता है। नियम आपके आदर्श डिलीवरेबल के असली आकार का आईना होने चाहिए — अगर 200 शब्दों की असली अंतर्दृष्टि आप मान लेंगे, तो 50 मत माँगिए।
- नकारात्मक नियमों को भूल जाना। «कोई प्रस्तावना नहीं», «कोई इमोजी नहीं», «प्राइसिंग मत छूना», «इतिहास छोड़ दो» — नौसिखिये सिर्फ़ वही बताते हैं जो वे चाहते हैं, जो छोड़ना है वह कभी नहीं। बहिष्करण इस बक्से का सबसे तीखा स्कोप औज़ार है।
- नियमों को फ़ॉलो-अप के लिए बचा लेना। फूले हुए जवाब के बाद «कुछ छोटा, कृपया» भेजने का मतलब है टोकन पहले ही बन चुके थे — और Uzu में, पहले ही भुगतान हो चुका। नियम जनरेशन से पहले सस्ते हैं और बाद में महँगे।
अक्सर पूछे जाने वाले प्रश्न
मैं AI से छोटे जवाब कैसे लूँ?
प्रॉम्प्ट में ही एक स्पष्ट, मापने योग्य सीमा जोड़िए: «ठीक 3 बुलेट में», «100 शब्दों के भीतर», «एक पैराग्राफ, कोई प्रस्तावना नहीं।» «संक्षेप में रहो» जैसी धुंधली माँग इसलिए फेल होती है क्योंकि उनका कोई परीक्षण नहीं है — «ठीक 3 बुलेट» ग़लत समझा नहीं जा सकता। मॉडलों की डिफ़ॉल्ट औपचारिकता काटने के लिए नकारात्मक नियम जोड़िए («कोई परिचय नहीं, कोई निष्कर्ष नहीं»)।
प्रॉम्प्टिंग में स्कोप सीमित करने का क्या मतलब है?
स्कोप सीमित करने का मतलब है जवाब बनने से पहले उसकी सीमाएँ तय करना: दर्शक, गहराई, क्या शामिल है, और — सबसे ताक़तवर रूप से — क्या बाहर है। यही फ़र्क़ है «मार्केटिंग के बारे में बताओ» और «बेकरी के लिए 3 इंस्टाग्राम कैप्शन आइडिया, हर एक 20 शब्दों तक» के बीच। वही मॉडल, बेहद अलग सघनता।
क्या छोटा AI जवाब पैसे बचाता है?
हाँ। भाषा मॉडल टोकन-दर-टोकन टेक्स्ट बनाते हैं, और जनरेशन ही महँगा हिस्सा है — 900 शब्दों का जवाब 100 शब्दों के जवाब से लगभग नौ गुना खर्चीला है। Uzu में यह फ़र्क़ G-Credits में वसूला जाता है, इसलिए कसा हुआ प्रारूप सीधे-सीधे आपका बैलेंस खिंचाता है: पहले आकार तय करें, भराव की जगह सामग्री के पैसे दें।
अगला पाठ
अब तक हर तकनीक शब्द अंदर, शब्द बाहर के बारे में थी। मगर आधुनिक मॉडलों की एक पूरी दूसरी समझ है: वे देख सकते हैं। उन्हें इमेज देना प्रॉम्प्टिंग के नियम बदल देता है — शब्दावली सिंटैक्स की जगह ले लेती है, और लागत का मॉडल भी बदल जाता है। स्वागत है AI के सबसे ग़लतफहमे गए इनपुट में।
अगला पाठ: विज़ुअल प्रॉम्प्ट्स और अटैचमेंट लागत
जाने से पहले का अभ्यास: अपना आखिरी लंबा AI जवाब उठाइए और उल्टा इंजीनियर कीजिए वह नियम जो उसे एक-तिहाई आकार में बना देता — सटीक शब्द-संख्या, सटीक बर्तन, वह एक बहिष्करण जो भराव काट देता। अगले प्रॉम्प्ट में वह नियम पहले लिखिए।