#AI कर्मचारी · प्रॉम्प्ट इंजीनियरिंग मार्गदर्शिका

"कैसे लिखें" से लेकर "अच्छा कैसे लिखें" तक, यह मार्गदर्शिका आपको सरल, स्थिर और पुन: प्रयोज्य तरीके से उच्च-गुणवत्ता वाले प्रॉम्प्ट लिखने का तरीका सिखाएगी।

#1. प्रॉम्प्ट क्यों महत्वपूर्ण हैं

प्रॉम्प्ट AI कर्मचारी के लिए "कार्य विवरण" की तरह होते हैं, जो सीधे तौर पर उसकी शैली, सीमाओं और आउटपुट की गुणवत्ता तय करते हैं।

तुलनात्मक उदाहरण:

❌ अस्पष्ट प्रॉम्प्ट:

आप एक डेटा विश्लेषण सहायक हैं जो उपयोगकर्ताओं को डेटा का विश्लेषण करने में मदद करते हैं।

✅ स्पष्ट और नियंत्रणीय प्रॉम्प्ट:

आप Viz हैं, एक डेटा विश्लेषण विशेषज्ञ।

भूमिका परिभाषा
- शैली: गहन जानकारी देने वाला, स्पष्ट और विज़ुअलाइज़ेशन-केंद्रित
- मिशन: जटिल डेटा को समझने योग्य "चार्ट कहानियों" में बदलना

वर्कफ़्लो
1) आवश्यकताओं को समझें
2) सुरक्षित SQL जनरेट करें (केवल SELECT का उपयोग करके)
3) अंतर्दृष्टि निकालें
4) चार्ट के साथ प्रस्तुत करें

कठोर नियम
- MUST: केवल SELECT का उपयोग करें, डेटा को कभी संशोधित न करें
- ALWAYS: डिफ़ॉल्ट रूप से चार्ट विज़ुअलाइज़ेशन आउटपुट करें
- NEVER: डेटा को मनगढ़ंत न बनाएं या अनुमान न लगाएं

आउटपुट प्रारूप
संक्षिप्त निष्कर्ष (2-3 वाक्य) + ECharts चार्ट JSON

निष्कर्ष: एक अच्छा प्रॉम्प्ट स्पष्ट रूप से परिभाषित करता है कि "यह कौन है, क्या करना है, कैसे करना है और किस मानक तक करना है," जिससे AI का प्रदर्शन स्थिर और नियंत्रणीय हो जाता है।

#2. प्रॉम्प्ट के "नौ तत्व" का स्वर्ण सूत्र

व्यवहार में प्रभावी साबित हुई एक संरचना:

नामकरण + दोहरी निर्देश + सिमुलेटेड पुष्टि + दोहराव + कठोर नियम
+ पृष्ठभूमि जानकारी + सकारात्मक सुदृढीकरण + संदर्भ उदाहरण + नकारात्मक उदाहरण (वैकल्पिक)

#2.1 तत्वों का विवरण

#2.2 त्वरित आरंभ टेम्पलेट

# 1) नामकरण
आप [नाम] हैं, एक उत्कृष्ट [भूमिका/विशेषज्ञ]।

# 2) दोहरी निर्देश
## भूमिका
शैली: [विशेषण x2-3]
मिशन: [मुख्य जिम्मेदारी का एक-वाक्य सारांश]

## कार्य वर्कफ़्लो
1) समझें: [मुख्य बिंदु]
2) निष्पादित करें: [मुख्य बिंदु]
3) सत्यापित करें: [मुख्य बिंदु]
4) प्रस्तुत करें: [मुख्य बिंदु]

# 3) सिमुलेटेड पुष्टि
निष्पादन से पहले, अपनी समझ को दोहराएं: "मैं समझता हूँ कि आपको... की आवश्यकता है। मैं इसे... के माध्यम से पूरा करूँगा।"

# 4) दोहराव
मुख्य आवश्यकता: [1-2 सबसे महत्वपूर्ण बिंदु] (शुरुआत/वर्कफ़्लो/अंत में कम से कम दो बार दिखाई दें)

# 5) कठोर नियम
MUST: [अटूट नियम]
ALWAYS: [हमेशा पालन किया जाने वाला सिद्धांत]
NEVER: [स्पष्ट रूप से निषिद्ध कार्य]

# 6) पृष्ठभूमि जानकारी
[आवश्यक डोमेन ज्ञान/संदर्भ/सामान्य गलतियाँ]

# 7) सकारात्मक सुदृढीकरण
आप [क्षमता] में उत्कृष्ट हैं और [विशेषता] में कुशल हैं। कृपया इस शैली को बनाए रखते हुए कार्य पूरा करें।

# 8) संदर्भ उदाहरण
["आदर्श आउटपुट" का एक संक्षिप्त उदाहरण प्रदान करें]

# 9) नकारात्मक उदाहरण (वैकल्पिक)
- [गलत तरीका] → [सही तरीका]

#3. व्यावहारिक उदाहरण: Viz (डेटा विश्लेषण)

आइए नौ तत्वों को एक साथ जोड़कर एक पूर्ण, "उपयोग के लिए तैयार" उदाहरण बनाएं।

# नामकरण
आप Viz हैं, एक डेटा विश्लेषण विशेषज्ञ।

# दोहरी निर्देश
【भूमिका】
शैली: गहन जानकारी देने वाला, स्पष्ट और दृश्य-उन्मुख
मिशन: जटिल डेटा को "चार्ट कहानियों" में बदलना

【कार्य वर्कफ़्लो】
1) समझें: उपयोगकर्ता की डेटा आवश्यकताओं और मेट्रिक दायरे का विश्लेषण करें
2) क्वेरी: सुरक्षित SQL जनरेट करें (केवल वास्तविक डेटा क्वेरी करें, SELECT-only)
3) विश्लेषण करें: मुख्य अंतर्दृष्टि निकालें (रुझान/तुलना/अनुपात)
4) प्रस्तुत करें: स्पष्ट अभिव्यक्ति के लिए उपयुक्त चार्ट चुनें

# सिमुलेटेड पुष्टि
निष्पादन से पहले, दोहराएं: "मैं समझता हूँ कि आप [वस्तु/दायरे] का विश्लेषण करना चाहते हैं, और मैं [क्वेरी और विज़ुअलाइज़ेशन विधि] के माध्यम से परिणाम प्रस्तुत करूँगा।"

# दोहराव
पुनरावृति करें: डेटा की प्रामाणिकता प्राथमिकता है, मात्रा से अधिक गुणवत्ता; यदि कोई डेटा उपलब्ध नहीं है, तो इसे ईमानदारी से बताएं।

# कठोर नियम
MUST: केवल SELECT क्वेरी का उपयोग करें, किसी भी डेटा को संशोधित न करें
ALWAYS: डिफ़ॉल्ट रूप से एक दृश्य चार्ट आउटपुट करें
NEVER: डेटा को मनगढ़ंत न बनाएं या अनुमान न लगाएं

# पृष्ठभूमि जानकारी
- ECharts को "शुद्ध JSON" कॉन्फ़िगरेशन की आवश्यकता होती है, जिसमें टिप्पणियाँ/फ़ंक्शन शामिल न हों
- प्रत्येक चार्ट को एक विषय पर केंद्रित होना चाहिए, कई मेट्रिक्स को ढेर करने से बचें

# सकारात्मक सुदृढीकरण
आप वास्तविक डेटा से कार्रवाई योग्य निष्कर्ष निकालने और उन्हें सबसे सरल चार्ट के साथ व्यक्त करने में कुशल हैं।

# संदर्भ उदाहरण
विवरण (2-3 वाक्य) + चार्ट JSON

उदाहरण विवरण:
इस महीने, 127 नए लीड जोड़े गए, जो महीने-दर-महीने 23% की वृद्धि है, मुख्य रूप से तीसरे पक्ष के चैनलों से।

उदाहरण चार्ट:
{
  "title": {"text": "इस महीने का लीड रुझान"},
  "tooltip": {"trigger": "axis"},
  "xAxis": {"type": "category", "data": ["Week1","Week2","Week3","Week4"]},
  "yAxis": {"type": "value"},
  "series": [{"type": "line", "data": [28,31,35,33]}]
}

# नकारात्मक उदाहरण (वैकल्पिक)
- भाषाओं का मिश्रण → भाषा की निरंतरता बनाए रखें
- ओवरलोडेड चार्ट → प्रत्येक चार्ट को केवल एक विषय व्यक्त करना चाहिए
- अधूरा डेटा → ईमानदारी से बताएं "कोई डेटा उपलब्ध नहीं है"

डिज़ाइन के मुख्य बिंदु

• "प्रामाणिकता" वर्कफ़्लो, दोहराव और नियमों के अनुभागों में कई बार दिखाई देती है (एक मजबूत अनुस्मारक)
• आसान फ्रंटएंड एकीकरण के लिए दो-भाग वाला "विवरण + JSON" आउटपुट चुनें
• जोखिम कम करने के लिए "केवल-पढ़ने योग्य SQL" निर्दिष्ट करें

#4. प्रॉम्प्ट को समय के साथ कैसे बेहतर बनाएं

#4.1 पांच-चरणीय पुनरावृति

एक कार्यशील संस्करण से शुरू करें → छोटे पैमाने पर परीक्षण करें → समस्याओं को लॉग करें → समस्याओं को हल करने के लिए नियम/उदाहरण जोड़ें → फिर से परीक्षण करें

यह सलाह दी जाती है कि एक बार में 5-10 विशिष्ट कार्यों का परीक्षण करें, और एक दौर 30 मिनट के भीतर पूरा करें।

#4.2 सिद्धांत और अनुपात

• सकारात्मक मार्गदर्शन को प्राथमिकता दें: सबसे पहले, AI को बताएं कि उसे क्या करना चाहिए
• समस्या-संचालित सुधार: केवल तभी बाधाएं जोड़ें जब समस्याएं उत्पन्न हों
• मध्यम बाधाएं: शुरुआत से ही "निषेधों" का ढेर न लगाएं

अनुभवजन्य अनुपात: 80% सकारात्मक : 20% नकारात्मक।

#4.3 एक विशिष्ट अनुकूलन

समस्या: ओवरलोडेड चार्ट, खराब पठनीयता अनुकूलन:

1. "पृष्ठभूमि जानकारी" में जोड़ें: प्रति चार्ट एक विषय
2. "संदर्भ उदाहरण" में "एकल-मेट्रिक चार्ट" प्रदान करें
3. यदि समस्या बनी रहती है, तो "कठोर नियम/दोहराव" में एक कठोर बाधा जोड़ें

#5. उन्नत तकनीकें

#5.1 स्पष्ट संरचना के लिए XML/टैग का उपयोग करें (लंबे प्रॉम्प्ट के लिए अनुशंसित)

जब सामग्री 1000 वर्णों से अधिक हो या भ्रमित करने वाली हो, तो विभाजन के लिए टैग का उपयोग करना अधिक स्थिर होता है:

<भूमिका>आप Dex हैं, एक डेटा संगठन विशेषज्ञ।</भूमिका>
<शैली>सावधान, सटीक और व्यवस्थित।</शैली>

<कार्य>
निम्नलिखित चरणों में पूरा किया जाना चाहिए:
1. मुख्य फ़ील्ड्स की पहचान करें
2. फ़ील्ड मान निकालें
3. प्रारूप मानकीकृत करें (दिनांक YYYY-MM-DD)
4. JSON आउटपुट करें
</कार्य>

<नियम>
MUST: फ़ील्ड मानों की सटीकता बनाए रखें
NEVER: गुम जानकारी का अनुमान न लगाएं
ALWAYS: अनिश्चित वस्तुओं को फ़्लैग करें
</नियम>

<उदाहरण>
{"नाम":"जॉन डो","दिनांक":"2024-01-15","राशि":5000,"स्थिति":"पुष्टि की गई"}
</उदाहरण>

#5.2 "पृष्ठभूमि + कार्य" स्तरीकृत दृष्टिकोण (एक अधिक सहज तरीका)

• पृष्ठभूमि (दीर्घकालिक स्थिरता): यह कर्मचारी कौन है, उसकी शैली कैसी है, और उसमें कौन सी क्षमताएं हैं
• कार्य (मांग पर): अभी क्या करना है, किन मेट्रिक्स पर ध्यान केंद्रित करना है, और डिफ़ॉल्ट दायरा क्या है

यह NocoBase के "कर्मचारी + कार्य" मॉडल से स्वाभाविक रूप से मेल खाता है: एक निश्चित पृष्ठभूमि के साथ लचीले कार्य।

#5.3 मॉड्यूलर पुन: उपयोग

सामान्य नियमों को मॉड्यूल में तोड़ें ताकि आवश्यकतानुसार उन्हें मिलाया और मिलाया जा सके:

डेटा सुरक्षा मॉड्यूल

MUST: केवल SELECT का उपयोग करें
NEVER: INSERT/UPDATE/DELETE निष्पादित करें

आउटपुट संरचना मॉड्यूल

आउटपुट में शामिल होना चाहिए:
1) संक्षिप्त विवरण (2-3 वाक्य)
2) मुख्य सामग्री (चार्ट/डेटा/कोड)
3) वैकल्पिक सुझाव (यदि कोई हो)

#6. स्वर्ण नियम (व्यावहारिक निष्कर्ष)

1. एक AI केवल एक प्रकार का कार्य करे; विशेषज्ञता अधिक स्थिर होती है
2. उदाहरण नारों से अधिक प्रभावी होते हैं; पहले सकारात्मक मॉडल प्रदान करें
3. सीमाएं निर्धारित करने के लिए MUST/ALWAYS/NEVER का उपयोग करें
4. अनिश्चितता कम करने के लिए प्रक्रिया-उन्मुख दृष्टिकोण का उपयोग करें
5. छोटे कदम उठाएं, अधिक परीक्षण करें, कम संशोधित करें, और लगातार पुनरावृति करें
6. अत्यधिक बाधाएं न लगाएं; "हार्ड-कोडिंग" व्यवहार से बचें
7. संस्करण बनाने के लिए समस्याओं और परिवर्तनों को लॉग करें
8. 80/20: पहले बताएं कि "सही कैसे करें", फिर "क्या गलत न करें" पर बाधाएं लगाएं

#7. सामान्य प्रश्न

प्र1: आदर्श लंबाई क्या है?

• मूल कर्मचारी: 500–800 वर्ण
• जटिल कर्मचारी: 800–1500 वर्ण
• 2000 वर्णों से अधिक की अनुशंसा नहीं की जाती है (यह धीमा और अनावश्यक हो सकता है) मानक: सभी नौ तत्वों को कवर करें, लेकिन बिना किसी अनावश्यक बात के।

प्र2: यदि AI निर्देशों का पालन नहीं करता है तो क्या करें?

1. सीमाएं स्पष्ट करने के लिए MUST/ALWAYS/NEVER का उपयोग करें
2. मुख्य आवश्यकताओं को 2-3 बार दोहराएं
3. संरचना को बढ़ाने के लिए टैग/विभाजन का उपयोग करें
4. अधिक सकारात्मक उदाहरण प्रदान करें, कम अमूर्त सिद्धांतों की बात करें
5. मूल्यांकन करें कि क्या अधिक शक्तिशाली मॉडल की आवश्यकता है

प्र3: सकारात्मक और नकारात्मक मार्गदर्शन को कैसे संतुलित करें? पहले सकारात्मक भाग (भूमिका, वर्कफ़्लो, उदाहरण) लिखें, फिर त्रुटियों के आधार पर बाधाएं जोड़ें, और केवल उन बिंदुओं को बाधित करें जो "बार-बार गलत" होते हैं।

प्र4: क्या इसे बार-बार अपडेट करना चाहिए?

• पृष्ठभूमि (पहचान/शैली/मुख्य क्षमताएं): दीर्घकालिक स्थिरता
• कार्य (परिदृश्य/मेट्रिक्स/दायरा): व्यावसायिक आवश्यकताओं के अनुसार समायोजित करें
• किसी भी बदलाव के लिए एक नया संस्करण बनाएं और "बदलाव क्यों किया गया" लॉग करें।

#8. अगला कदम

हाथों से अभ्यास

• एक साधारण भूमिका (जैसे ग्राहक सेवा सहायक) चुनें, नौ तत्वों का उपयोग करके एक "कार्यशील संस्करण" लिखें, और इसे 5 विशिष्ट कार्यों के साथ परीक्षण करें
• एक मौजूदा कर्मचारी ढूंढें, 3-5 वास्तविक समस्याओं को इकट्ठा करें, और एक छोटा पुनरावृति करें

आगे पढ़ें

• AI कर्मचारी · व्यवस्थापक कॉन्फ़िगरेशन मार्गदर्शिका: प्रॉम्प्ट को वास्तविक कॉन्फ़िगरेशन में लागू करें
• प्रत्येक AI कर्मचारी के लिए समर्पित मैनुअल: पूर्ण भूमिका/कार्य टेम्पलेट देखें

#निष्कर्ष

पहले इसे कार्यशील बनाएं, फिर इसे परिष्कृत करें। एक "कार्यशील" संस्करण से शुरू करें, और वास्तविक कार्यों में लगातार समस्याओं को इकट्ठा करें, उदाहरण और नियम जोड़ें, और उन्हें परिष्कृत करें। याद रखें: पहले उसे बताएं कि चीजें सही तरीके से कैसे करें (सकारात्मक मार्गदर्शन), फिर उसे गलतियां करने से रोकें (मध्यम प्रतिबंध)।