सारांश
प्रॉम्प्ट चेनिंग एक विशाल कार्य को छोटे, निर्भर प्रॉम्प्ट्स के क्रम में बाँटती है — हर आउटपुट अगले का इनपुट बनता है — एक असंभव साँस में तैयार उत्पाद माँगने के बजाय। गुणवत्ता चेन में नीचे की ओर जुड़ती है: गलतियाँ उसी स्टेशन पर पकड़ी जाती हैं जहाँ वे सस्ती हैं, और हर कदम अंदाज़े की जगह जाँचे हुए माल से शुरू होता है।
उपमा
कार पाने के दो तरीके हैं।
पहला है मैजिक बॉक्स: एक गोदाम जिसमें एक विशाल मशीन। एक छोर से कच्चा अयस्क और रबर अंदर; दूसरे से तैयार कार बाहर। प्यारा विचार — एक कदम, शून्य मेहनत। और यही वजह है कि किसी ने ऐसी कभी नहीं बनाई। वह मशीन जिसे एक साथ स्टील पिघलाना, काँच फूँकना, सीटें सीना और ब्रेक साधना हो, किसी एक के लिए भी अनुकूलित नहीं हो सकती — और जब वह ख़राब दरवाज़ा बनाती है, पूरी कार कबाड़ है — क्योंकि खामी कदम एक में पैदा हुई और कदम पचास में पकड़ी गई।
दूसरा है असेंबली लाइन: दर्जनों स्टेशन, हर एक ठीक एक काम बेहतरीन तरीके से करता है। स्टील यहाँ स्टैम्प होता है, और आगे बढ़ने से पहले जाँचा जाता है। दरवाज़े वहाँ वेल्ड होते हैं, और पेंट से पहले जाँचे जाते हैं। जब दोष आता है, वह अपने स्टेशन पर पकड़ा जाता है — कुछ ऑपरेशनों के बाद, पूरी कार के बाद नहीं। गुणवत्ता नियंत्रण अंतिम जुआ नहीं है; यह हर कदम की जोड़ी के बीच बनी है। यह लाइन की कमज़ोरी नहीं है, «धीमा» होना — यही एकमात्र वजह है कि कारें भरोसेमंद और सामर्थ्यवान बनीं।
AI से एक मेगा-प्रॉम्प्ट में जटिल डिलीवरेबल माँगना — «मेरा मार्केट रिसर्च करो, रिपोर्ट लिखो, स्लाइड डिज़ाइन करो, और घोषणा ईमेल का ड्राफ़्ट दो» — मैजिक बॉक्स का ऑर्डर है। मॉडल को एक साथ चार महारतें रटनी पड़ती हैं, और वह किसी के लिए भी अनुकूलित नहीं हो पाता। इससे भी बुरा: अदृश्य «रिसर्च» चरण के दौरान हुई गलती सिर्फ़ अंतिम ईमेल में सामने आती है, तैयार काम के भेष में पूरी तरह सजी हुई, और हर अगला कदम उसी गलती पर खड़ा होता है।
प्रॉम्प्ट चेनिंग आपका असेंबली लाइन बनाना है। छोटे स्टेशन। हर एक एक ऑपरेशन। कदमों के बीच निरीक्षण। स्टेशनों के बीच की कन्वेयर बेल्ट पहले से मौजूद है — वह बातचीत ख़ुद है।
कैसे काम करता है
हर उत्पादक चेन वही तीन-स्टेशन रीढ़ चलती है — जुटाओ → बदलो → चमकाओ — जितने बीच के स्टेशन काम माँगे उनके साथ बढ़ाई जाती है।
| स्टेशन | काम | उदाहरण प्रॉम्प्ट |
|---|---|---|
| जुटाओ | कच्चा माल बनाओ: तथ्य, विकल्प, रिसर्च | «इलेक्ट्रिक वाहनों की 8 सबसे आम आपत्तियाँ सूचीबद्ध करो, हर एक एक पंक्ति में» |
| बदलो | माल को संरचना में बदलो: रूपरेखा, ड्राफ़्ट, ढाँचा | «उन आपत्तियों को 3 थीमों में बाँटो और हर थीम का सेक्शन-रूपरेखा बनाओ» |
| चमकाओ | एक समय में एक स्टेशन का आउटपुट पूरा करो: स्टाइल, कसाव, ऑडिट | «सिर्फ़ सेक्शन 1 लिखो, 150 शब्द, आत्मविश्वासी टोन» |
तीन तंत्र चेन को चलाते हैं:
1. हर स्टेशन सब कुछ विरासत में पाता है। मॉडल हर जवाब से पहले पूरी बातचीत दोबारा पढ़ता है — वही कॉन्टेक्स्ट विंडो है, दूसरे पाठ वाली मेज़। कदम तीन को आपसे कदम दो की रूपरेखा दोबारा पेस्ट करवाने की ज़रूरत नहीं; वह पहले से मेज़ पर है, कदम एक की आपत्तियों के साथ। चेन की स्मृति ही कन्वेयर बेल्ट है। (यही कारण भी है कि चेन प्रति-प्रोजेक्ट एक चैट में रहती हैं: बेल्ट सिर्फ़ एक ही लाइन के स्टेशन जोड़ती है।)
2. हर स्टेशन जाँचने लायक छोटा है। आपत्तियों की आठ-पंक्ति सूची दस सेकंड में जाँची जा सकती है — क्या #6 सच में असली आपत्ति है? उसीं वहीं पकड़िए, और रूपरेखा उसे कभी विरासत में नहीं लेगी। यही गुणवत्ता का जादू है: गलतियाँ मेगा-प्रॉम्प्ट में गुणा होती हैं मगर चेन में रोक ली जाती हैं। आप इस विचार का दो-स्टेशन संस्करण पहले ही मिल चुके हैं — ऑडिटर प्रॉम्प्ट ठीक एक चेन है: स्टेशन एक ड्राफ़्ट करता है, स्टेशन दो हमला करता है, स्टेशन तीन ठीक करता है। चेनिंग उस लय को किसी भी पैमाने तक ले जाती है।
3. हर स्टेशन को उसका पूरा ध्यान मिलता है। एक काम कहा गया मॉडल उसमें अपनी सारी ताक़त लगाता है। वही मॉडल चार काम एक साथ कहे जाने पर भीतर-ही-भीतर उनके बीच बजट की तयों करता है — और चमकाने वाला स्टेशन हमेशा मेगा-प्रॉम्प्ट की पहली क़ुर्बानी होता है। लाइन पर, हर स्टेशन मॉडल का इकलौता काम है।
काम का नियम:
एक स्टेशन, एक ऑपरेशन, एक निरीक्षण। अगर किसी कदम का आउटपुट एक मिनट से कम में जाँचा नहीं जा सकता, तो स्टेशन बहुत बड़ा है — उसे बाँटिए।
पहले और बाद में (प्रॉम्प्ट्स)
उदाहरण 1 — मार्केट रिपोर्ट
होम-फ़िटनेस मार्केट की रिसर्च करो और 1,500 शब्दों की पूरी रिपोर्ट लिखो — एग्ज़ीक्यूटिव समरी, प्रतिद्वंद्वी विश्लेषण, तीन ग्रोथ अवसर तर्कों के साथ, और निष्कर्ष के साथ। पेशेवर और प्रभावी बनाओ।
मैजिक बॉक्स। जो लौटता है वह रिपोर्ट के आकार का है, मगर तर्क अदृश्य है — आप नहीं बता सकते कौन-सी «ग्रोथ अवसर» उस तथ्य पर खड़ी है जिसे मॉडल ने उतने एक साथ बोझ के नीचे बना दिया। जब अवसर #2 खोखली निकलती है, आपको पता नहीं रिसर्च फेल हुई या लेखन। शुरू से दोबारा बनाइए।
कदम 1: होम-फ़िटनेस के 5 बड़े प्रतिद्वंद्वियों की सूची बनाओ — क़ीमत और हर एक का एक विशेष फ़र्क़, तालिका में। किसी आँकड़े पर शक हो तो [VERIFY] लगाओ।
तालिका जाँचिए। दो मिनट। जो [VERIFY] मायने रखता है उसे ठीक कीजिए, और कच्चा माल अब जाना-पहचाना अच्छा है — हर बाद का स्टेशन उसी पर खड़ा है।
कदम 2: उस तालिका के आधार पर 4-सेक्शन रिपोर्ट की रूपरेखा बनाओ: हर ग्रोथ अवसर का एक सेक्शन जिसे इस डेटा से बचाया जा सके, और एक एग्ज़ीक्यूटिव समरी। सिर्फ़ सेक्शन शीर्षक, हर एक में तर्क की एक पंक्ति।
रूपरेखा जाँचिए। क्या अवसर #3 सच में तालिका से बचने योग्य है, या हवाई है? अभी मार दीजिए — इससे पहले कि गद्य आकर उसे उससे ज़्यादा चतुर दिखा दे।
कदम 3: सिर्फ़ एग्ज़ीक्यूटिव समरी लिखो — 120 शब्द, आत्मविश्वासी, ऊपर की तालिका से आगे जाने वाला कोई दावा नहीं।
एक स्टेशन का पूरा ध्यान, जाँची हुई संरचना पर बना। फिर लाइन पर नीचे जाइए, हर प्रॉम्प्ट में एक सेक्शन, जिस क्रम में चाहें। अंतिम रिपोर्ट किस्मत नहीं है; वह उस लाइन का आखिरी स्टेशन है जिसका हर पुराना स्टेशन निरीक्षण पास कर चुका है।
उदाहरण 2 — यात्रा योजना
दो बच्चों वाले परिवार के लिए पुर्तगाल की परफेक्ट 7-दिन यात्रा की योजना बनाओ — शहर, होटल, रेस्टरॉंट और रोज़ की गतिविधियाँ शामिल।
एक मेगा-प्रॉम्प्ट, पाँच महारतें (लॉजिस्टिक्स, बजट, बच्चा-अनुकूलता, रफ़्तार, खाना), शून्य जाँचने लायक बीच के उत्पाद।
कदम 1: हम 6 और 9 साल के बच्चों वाला परिवार हैं, पहली बार पुर्तगाल, 7 दिन, मध्य-बजट। मुझसे 5 सवालों तक पूछो — एक समय पर एक — ऐसी हर चीज़ के बारे में जो योजना बदलती है।
इंटरव्यू स्टेशन एक के रूप में: सिर्फ़ आपके पास वाले तथ्यों का जुटाने वाला स्टेशन। फिर:
कदम 2: मेरे जवाबों के हिसाब से 3 यात्रा-ढाँचे सुझाओ — अलग शहर-क्रम और रफ़्तार। तालिका प्रारूप, हर दिन की एक पंक्ति, अभी कोई ब्यौरा नहीं।
तीन सस्ते ढाँचे, एक मिनट में जाँचे: अलगार्वे-पहले वाला रास्ता मर जाता है क्योंकि कदम एक में आपने जून की गर्मी का ज़िक्र किया था — ढाँचे पर पकड़ा गया, छुट्टी के चौथे दिन पर नहीं। तभी कदम तीन जीतने वाले को दिन-प्रतिदिन, हर दिन एक स्टेशन, भरता है।
उदाहरण 3 — नौकरी आवेदन
मेरे रिज़्यूमे का इस्तेमाल करके इस प्रोडक्ट-मैनेजर नौकरी के लिए कवर लेटर लिखो।
क्लासिक एक-साँस वाला अनुरोध — और वजह कि ज़्यादातर AI कवर लेटर हर किसी और के AI कवर लेटर जैसे लगते हैं।
कदम 1: नीचे दी जॉब पोस्टिंग से 5 सबसे ज़रूरी आवश्यकताएँ निकालो, क्रम में। हर एक के लिए पोस्टिंग उद्धृत करो। कदम 2: मेरे रिज़्यूमे से, हर आवश्यकता से मेरा सबसे मज़बूत सबूत मिलाओ — हर आवश्यकता की एक पंक्ति, मेरा रिज़्यूमे उद्धृत करो। कदम 3: कवर लेटर सिर्फ़ ऊपर के पाँच मिलानों से लिखो। 250 शब्द, कोई क्लिशे नहीं, मेरे सबसे मज़बूत मिलान से शुरू।
स्टेशन एक जाँचता है: क्या ये सच में सबसे ऊपर की आवश्यकताएँ हैं, या सबसे साफ़ दिखने वाली? स्टेशन दो जाँचता है: क्या मेरे पास सच में सबूत है, या मैं ज़्यादा दावा करने वाला हूँ? तभी स्टेशन तीन लिखता है — सीमित, ज़मीन से जुड़ा, और डिफ़ॉल्ट ड्राफ़्ट से अपहचाना न होने वाला।
आम गलतियाँ
- बहुत तेज़ चेनिंग — बीच के उत्पाद कभी न जाँचना। जिस चेन के स्टेशन कभी जाँचे न जाएँ वह सिर्फ़ एक स्टेप वाला धीमा मेगा-प्रॉम्प्ट है। क़ीमत क्रम में नहीं; स्टेशनों के बीच के निरीक्षण-बिंदुओं में है। हर आउटपुट पर रुकिए: अभी दस सेकंड, या बाद में पूरा दोबारा निर्माण।
- परछाईं में मेगा-प्रॉम्प्ट वाले स्टेशन। «कदम 2: सेक्शन 1 से 4 लिखो» — यह आपकी लाइन के अंदर छिपा मैजिक बॉक्स है। एक स्टेशन, एक ऑपरेशन — अगर आउटपुट एक मिनट में जाँच नहीं सकते, स्टेशन बाँटिए।
- चेन को बिखेरना। दो पैराग्राफ की ईमेल के लिए बारह स्टेशन औपचारिकता है, हुनर नहीं। चेन सच में बहु-चरणीय कामों के लिए हैं; छोटे काम एक सधे हुए वन-शॉट प्रॉम्प्ट चाहते हैं। लाइन तब बनाइए जब उत्पाद में हिस्से हों; वाक्य हो तो मत बनाइए।
- चेन को कई चैट्स में फैलाना। कन्वेयर बेल्ट बातचीत की स्मृति है — «कदम 3» के लिए नई चैट खोलिए और मेज़ खाली है: कोई रूपरेखा नहीं, कोई इंटरव्यू-जवाब नहीं, कुछ नहीं। एक प्रोजेक्ट, एक चैट, ऊपर से नीचे।
- एक ख़राब स्टेशन के बाद पूरी चेन दोबारा शुरू करना। कदम दो की खामी भरी रूपरेखा आपको कच्चे अयस्क तक नहीं भेजती। उसी स्टेशन का आउटपुट ठीक कीजिए («रूपरेखा दोबारा बनाओ, सेक्शन 3 हटाओ») और आगे बढ़िए — लाइन आखिरी अच्छे स्टेशन से फिर चल पड़ती है। यही वह मरम्मत-रफ़्तार है जो मैजिक बॉक्स कभी नहीं देता।
अक्सर पूछे जाने वाले प्रश्न
प्रॉम्प्ट चेनिंग क्या है?
प्रॉम्प्ट चेनिंग एक बड़े AI कार्य को छोटे, निर्भर प्रॉम्प्ट्स के क्रम में तोड़ना है — जुटाओ, बदलो, चमकाओ — जहाँ एक ही बातचीत में हर कदम का आउटपुट अगले कदम का इनपुट बनता है। एक मेगा-प्रॉम्प्ट के बेजाँच डेढ़ की जगह आपको ऐसे स्टेशन मिलते हैं जिन्हें अलग-अलग जाँचा और सुधारा जा सकता है, ताकि गलतियाँ वहीं पकड़ी जाएँ जहाँ सस्ती हैं और गुणवत्ता लाइन पर नीचे जुड़ती जाए।
चेनिंग एक बड़े प्रॉम्प्ट से बेहतर नतीजे क्यों देती है?
तीन जुड़ते कारण: हर कदम को मॉडल का पूरा ध्यान मिलता है, उसका हिस्सा नहीं; हर बीच का आउटपुट जाँचने लायक छोटा है, तो गलतियाँ अपने स्टेशन पर रुकती हैं बजाय अंतिम उत्पाद में मिलने के; और हर आगे का कदम जाँचे हुए माल पर बनता है। ऑडिटर प्रॉम्प्ट — ड्राफ़्ट, फिर हमला — इसी सिद्धांत का दो-स्टेशन प्रमाण है।
प्रॉम्प्ट चेन में कितने कदम होने चाहिए?
जितने स्टेशन काम के जाँचने लायक हिस्से हैं, उतने — और एक भी ज़्यादा नहीं। रिपोर्ट को पाँच चाहिए शायद; कवर लेटर को तीन; वाक्य को एक। परीक्षा गिनती नहीं है — यह है कि हर स्टेशन एक ऐसा ऑपरेशन करे जिसका आउटपुट एक मिनट से कम में जाँचा जा सके। शक हो तो जो स्टेशन बहुत बड़ा लगे उसे बाँटिए और जिसे कोई नहीं जाँचता उसे हटा दीजिए।
अगला पाठ
चेनिंग क्रम को नियंत्रित करती है — वह तरतीब जिसमें AI काम करे। मगर एक दूसरा पहलू है जिसे चेन छू भी नहीं सकती: स्टाइल। मॉडल के आउटपुट को ठीक वैसा कैसे बनाएँ जैसा आपके दिमाग़ में है? बताकर नहीं — दिखाकर। प्रॉम्प्ट में एक हल-शुदा उदाहरण पैटर्न को किसी भी लिखे हुए निर्देश से ज़्यादा कसकर लॉक कर देता है।
अगला पाठ: फ्यू-शॉट प्रॉम्प्टिंग
जाने से पहले का अभ्यास: अपनी सूची का अगला बड़ा डिलीवरेबल लीजिए और AI को छूने से पहले सिर्फ़ स्टेशन एक लिखिए — जुटाने वाला कदम। तय कीजिए उसका आउटपुट कैसा दिखेगा, भेजिए, और जो लौटे उसका निरीक्षण कीजिए। महसूस कीजिए उस फ़र्क़ को — उम्मीद करने कि अंतिम उत्पाद सही है, और जानने कि उसकी नींव सही है।