فائدہ:
- ڈیزائن کر سکتے ہیں کہ کس طرح سسٹم پرامپٹ پوری گفتگو میں ماڈل کی رہنمائی کرتا ہے۔
- انکولی سوچ اور کوشش کے پیرامیٹرز کے کردار اور لاگت کے اثرات کو سمجھتا ہے۔
- آؤٹ پٹ کنٹرولز کو لاگو کرتا ہے جیسے max_tokens، سٹاپ سیکوینسز، اور سٹرکچرڈ آؤٹ پٹ
ایک ہی ماڈل کی دو مختلف مصنوعات بالکل مختلف طریقے سے برتاؤ کر سکتی ہیں۔ فرق خود ماڈل میں نہیں ہے، بلکہ سسٹم پرامپٹ اور اسے دیئے گئے پیرامیٹرز میں ہے۔ سسٹم پرامپٹ ماڈل کا "کام کا معاہدہ" ہے اور پیرامیٹرز "کام کی ترتیبات" ہیں۔ اس یونٹ میں، آپ سیکھیں گے کہ طاقتور سسٹم پرامپٹ کو کیسے ڈیزائن کیا جائے، جدید ماڈلز میں سوچ اور کوشش کی ترتیبات کیا کرتی ہیں، اور فارمیٹ/لمبائی کے لیے آؤٹ پٹ کو کیسے کنٹرول کیا جائے۔ ان ترتیبات کو درست طریقے سے ترتیب دینے سے آپ کو ایک ہی وقت میں معیار اور قیمت دونوں کا نظم کرنے کی اجازت ملتی ہے۔
سسٹم پرامپٹ: ماڈل کی مستقل ہدایت
سسٹم پرامپٹ ایک اعلیٰ سطحی ہدایت ہے جو پوری گفتگو میں لاگو ہوتی ہے۔ یہ قواعد درست رہتے ہیں چاہے صارف کی قسم ہی کیوں نہ ہو۔ ایک اچھے سسٹم پرامپٹ میں درج ذیل اجزاء شامل ہیں:
- کردار/شناخت: ماڈل کون ہے؟ ("آپ کارپوریٹ سپورٹ اسسٹنٹ ہیں۔")
- دائرہ کار اور حد: یہ کیا کرتا ہے اور کیا نہیں کرتا؟ ("صرف فراہم کردہ پالیسی دستاویز کی بنیاد پر۔")
- فارمیٹ کے اصول: آؤٹ پٹ کیسا ہونا چاہیے؟ ("زیادہ سے زیادہ 3 مضامین، سرکاری زبان۔")
- غیر یقینی صورتحال میں برتاؤ: جب کوئی یقین نہیں رکھتا تو کیا کرتا ہے؟ ("اگر کوئی معلومات نہیں ہے تو اسے بنائیں، متعلقہ یونٹ کو بھیجیں۔")
- سیکورٹی/پرائیویسی: کیا نہیں چاہتا/نہیں چاہتا؟ ("ذاتی ڈیٹا کی درخواست کریں")
مشورہ: سسٹم پرامپٹ کو درست رکھیں۔ ہر درخواست کے ساتھ تبدیل ہونے والی معلومات کو سرایت نہ کریں (موجودہ تاریخ، صارف نام، سیشن ID)۔ یہ دونوں مستقل مزاجی کو توڑتے ہیں اور یونٹ 6 پر پرامپٹ کیشے کو باطل کر دیتے ہیں۔ متغیر معلومات کو صارف کے پیغام میں ڈالیں۔
حد سے زیادہ جارحانہ انسٹرکشن ٹریپ
جدید ماڈل ہدایات کو بہت قریب سے پیروی کرتے ہیں۔ جارحانہ جملے جیسے "ضروری"، "ہمیشہ"، "یقینی طور پر یہ کریں" وغیرہ، جو پرانے ماڈلز میں کام کرتے تھے، آج اوور ٹرگرنگ کا باعث بنتے ہیں: ماڈل کسی ایجنٹ کو اس وقت کال کرتا ہے جب اسے ضرورت نہ ہو یا غیر ضروری طور پر طویل عرصے تک چلتا ہو۔ اصول کو نرم کریں: "سرچ ٹول کا استعمال کریں" کے بجائے "اگر جواب گفتگو میں نہیں ہے تو سرچ ٹول کا استعمال کریں" زیادہ درست ہے۔
ماڈل پیرامیٹرز: سوچ اور کوشش
کلاسیکی LLMs میں درجہ حرارت کا پیرامیٹر ہوتا ہے: کم قدر زیادہ مخصوص/مسلسل پیداوار پیدا کرتی ہے، ایک اعلی قدر زیادہ متنوع/تخلیقی پیداوار پیدا کرتی ہے۔ جدید نسل کے ماڈلز (جیسے Opus 4.8، Sonnet 5) اس نقطہ نظر کو دو مزید طاقتور میکانزم سے بدل دیتے ہیں اور اب نمونے لینے کے پیرامیٹرز جیسے درجہ حرارت کو قبول نہیں کرتے ہیں۔
- انکولی سوچ: ماڈل جواب دینے سے پہلے اپنے "سر" میں قدم بہ قدم وجوہات بتاتا ہے۔ ماڈل فیصلہ کرتا ہے کہ کام کی مشکل کی بنیاد پر کتنا سوچنا ہے۔ پیچیدہ، کثیر مرحلہ مسائل پر درستگی کو نمایاں طور پر بہتر بناتا ہے۔ وہ سادہ سوالات پر غیر ضروری تاخیر سے بچنے کے لیے کم سوچتا ہے۔
- کوشش: اعلی درجے کی نوب جو ایڈجسٹ کرتی ہے کہ ماڈل کسی کام میں کتنی گہرائی سے ڈوبتا ہے اور مجموعی طور پر کتنے ٹوکن خرچ کرتا ہے۔ عام سطحیں: کم، درمیانے، اعلی اور اوپر۔ اعلی کوشش معیار کو بہتر بنا سکتی ہے، لیکن اس سے تاخیر اور لاگت میں بھی اضافہ ہوتا ہے۔ کم کوشش رفتار اور بچت لاتی ہے۔
ترتیب
کیا کرتا ہے
جب
سوچنا / کم کوشش کرنا
تیز، سستا، سطحی
سادہ درجہ بندی، مختصر جواب، حساس کاموں میں تاخیر
انکولی سوچ + درمیانی کوشش
متوازن معیار/قیمت
زیادہ تر عام مقصد کے کام
انکولی سوچ + اعلی کوشش
سب سے زیادہ درستگی
پیچیدہ استدلال، کوڈنگ، لانگ رینج ایجنٹ کا کام
احتیاط: "زیادہ سے زیادہ کوشش چاہے کچھ بھی ہو" اضطراری لاگت کو بڑھاتا ہے۔ کام کے لیے کوشش کو ایڈجسٹ کریں؛ سادہ کاموں میں، کم کوشش اکثر بہت سستی قیمت پر ایک ہی درست نتیجہ دیتی ہے۔ جہاں اہم درستگی کی ضرورت ہو وہاں اوپر جائیں۔
آؤٹ پٹ کنٹرول: فارمیٹ، لمبائی، ساخت
پیرامیٹرز کے علاوہ، آپ خود آؤٹ پٹ کو بھی کنٹرول کرتے ہیں:
- max_tokens: آؤٹ پٹ کی سخت چھت (1st اور 3rd یونٹ)۔
- Stop Sequences: ماڈل کو روکنا جب وہ ایک خاص سٹرنگ دیکھتا ہے۔ ساختی پیداوار میں بریک پوائنٹس قائم کرنے کے لیے مفید ہے۔
- سٹرکچرڈ آؤٹ پٹ: ماڈل کے جواب کو آپ کے فراہم کردہ JSON اسکیما کے مطابق کرنے پر مجبور کریں۔ یہ یقینی بناتا ہے کہ آؤٹ پٹ پروگرام کے لحاظ سے قابل تجزیہ اور درست ہے۔ یہ پرامپٹ کے ساتھ "صرف JSON واپس کریں" کہنے سے زیادہ قابل اعتماد ہے۔
{ "output_config": { "format": { "type": "json_schema", "schema": { "type": "object", "additionalProperties": false, "properties": { "category": { "type": "string", "enum": ["انوائس"، "تکنیکی"، "Thereturnency": "returnency"}" "سٹرنگ"، "اینم": ["کم"، "میڈیم"، "ہائی"] } }، "ضرورت": ["زمرہ"، "فوری"] } }}
کاپی ایبل سسٹم پرامپٹ ٹیمپلیٹس
# کارپوریٹ سپورٹ اسسٹنٹ آپ کارپوریٹ سپورٹ اسسٹنٹ ہیں۔- فراہم کردہ پالیسی دستاویز پر مکمل انحصار کریں؛ اگر یہ دستاویز میں نہیں ہے تو، "میرے پاس یہ معلومات نہیں ہے" کہیں۔ - زیادہ سے زیادہ 3 جملوں میں رسمی اور واضح جواب دیں۔ - ذاتی ڈیٹا (TC ID نمبر، کارڈ نمبر) طلب کریں اور اسے اپنے جواب میں نہ دہرائیں۔ - اگر آپ کو یقین نہیں ہے تو اندازہ نہ لگائیں۔
# سٹرکچرڈ آؤٹ پٹ زبردستی کلاسیفائر آپ ڈیمانڈ کلاسیفائر ہیں۔ ان پٹ ایک گاہک کا پیغام ہے۔ صرف مطلوبہ فیلڈز واپس کریں، تبصرے نہ لکھیں۔ اگر آپ کو یقین نہیں ہے تو "دیگر" استعمال کریں۔
# غیر یقینی صورتحال میں کھڑے ہونے کے متعین رویے کے ساتھ تجزیہ کار آپ ڈیٹا تجزیہ کار ہیں۔ فراہم کردہ جدول سے صرف قابل تصدیق نتائج نکالیں۔ کبھی بھی ایسا نتیجہ اخذ نہ کریں جو ڈیٹا میں موجود نہ ہو۔ اگر کوئی اندازہ واضح نہیں ہے تو "ڈیٹا ناکافی" لکھیں۔
# ٹون اور لینتھ کنٹرول کے ساتھ کنٹینٹ رائٹر آپ ایک کنٹینٹ رائٹر ہیں۔ ایک گرم لیکن پیشہ ورانہ لہجہ استعمال کریں۔ ہر متن کو 120 الفاظ یا اس سے کم تک محدود رکھیں۔ کلچ مارکیٹنگ کی زبان سے پرہیز کریں۔
کمزور فوری / مضبوط اشارہ
# WEAK مددگار بنیں اور اچھے جوابات دیں۔ اپنی پوری کوشش کریں۔
# مضبوط کردار: تکنیکی معاونت کے ماہر۔ دائرہ کار: صرف پروڈکٹ گائیڈ فراہم کیا جاتا ہے۔ فارمیٹ: مرحلہ وار، نمبر کی فہرست، 5 قدم زیادہ سے زیادہ۔ حد: حل تجویز کریں گائیڈ میں نہیں؛ بولیں "میں اسے دستی میں نہیں ڈھونڈ سکا۔" رازداری: جواب میں صارف کی طرف سے اشتراک کردہ سیریل نمبر کو نہ دہرائیں۔
طاقتور ورژن؛ یہ الگ الگ کردار، دائرہ کار، شکل، حدود اور رازداری کا تعین کرتا ہے۔ آؤٹ پٹ مستقل مزاجی براہ راست اس وضاحت سے آتی ہے۔
تین چھوٹے کیسز
کیس 1 - کوشش کی ایڈجسٹمنٹ کے ذریعے لاگت میں کمی۔ ایک ٹیم اپنی تمام کالیں اعلیٰ کوشش + سوچ پر چلا رہی تھی۔ یہاں تک کہ سادہ ای میل ڈائجسٹ بھی مہنگے اور تیار کرنے میں سست تھے۔ انہوں نے آسان کاموں کو تفویض کیا جیسے کم کوششوں کے لیے خلاصے اور زیادہ کوششوں کے لیے معاہدے کا تجزیہ۔ درستگی برقرار رکھی گئی، اوسط تاخیر آدھی رہ گئی، اور ماہانہ لاگت ایک تہائی کم کر دی گئی۔
کیس 2 - JSON گارنٹی۔ ایک آپریشن ٹیم نے "صرف JSON دیں" کے پرامپٹ کے ساتھ درجہ بندی کے آؤٹ پٹ کے لیے کہا، لیکن ماڈل کبھی کبھار "یہ نتیجہ ہے:" لکھے گا اور تجزیہ کار کریش ہو جائے گا۔ جب میں نے کنفیگر شدہ آؤٹ پٹ اسکیما کو جوڑ دیا، آؤٹ پٹ ہر بار درست JSON واپس کرتا ہے۔ تجزیہ کی غلطیوں کو دوبارہ ترتیب دیا گیا ہے۔
کیس 3 - جارحانہ فوری پیچھے ہٹنا۔ ایک اسسٹنٹ پرامپٹ نے کہا، "ہر سوال کی تلاش ضروری ہے"؛ ماڈل نے سادہ سوالات کے لیے بھی غیر ضروری تلاشیں کیں جن کا جواب اسے پہلے سے ہی معلوم تھا، سستی اور لاگت میں اضافہ۔ انہوں نے اس اصول میں نرمی کی کہ "اگر جواب سیاق و سباق میں نہیں ہے تو تلاش کریں"؛ غیر ضروری کالز میں 70 فیصد کمی آئی اور جوابات میں تیزی آئی۔
عام غلطیاں
- سسٹم پرامپٹ میں متغیر ڈیٹا کو سرایت کرنا: مستقل مزاجی کو توڑتا ہے اور کیشے کو باطل کرتا ہے۔
- حد سے زیادہ جارحانہ ہدایات: جدید ماڈلز میں ضرورت سے زیادہ متحرک اور غیر ضروری لاگت۔
- ہر کام میں زیادہ کوشش: آسان کاموں میں فضول خرچی؛ کام کے لئے کوشش کو ایڈجسٹ کریں.
- صرف پرامپٹ کے ذریعے JSON کی درخواست کرنا: یہ کبھی کبھار ٹوٹ جاتا ہے۔ اگر اہم ہو تو، ساختی آؤٹ پٹ استعمال کریں۔
- حد / ابہام کے رویے کی وضاحت نہیں کرنا: ماڈل اس خلا کو من گھڑت (فریب) سے پُر کرتا ہے۔
- پرانی `درجہ حرارت` عادت: جدید ماڈل اسے قبول نہیں کرتے۔ فوری اور کوشش کے ساتھ طرز عمل کی رہنمائی کریں۔
گہرا: ایک معاہدے کی طرح پرامپٹ لکھنا
تجربہ کار ٹیمیں سسٹم پرامپٹ کو ایک معاہدے کی طرح مانتی ہیں، ادبی متن کی طرح نہیں: واضح شقیں، قابل پیمائش اصول، غیر مبہم حدود۔ اس نقطہ نظر کے تین ٹھوس فوائد ہیں۔ پہلی مستقل مزاجی ہے: ایک ہی ان پٹ مختلف اوقات میں ایک جیسی پیداوار دیتا ہے۔ دوسرا ٹیسٹ قابلیت ہے: آپ نمونے کے ساتھ ہر چیز کو الگ الگ جانچ سکتے ہیں۔ تیسرا دیکھ بھال میں آسانی ہے: اگر کوئی رویہ غلط ہے، تو آپ جانتے ہیں کہ کس چیز کو تبدیل کرنا ہے۔
ایک اچھا عمل مثبت مثالوں کے ساتھ رہنمائی کرنا ہے۔ "ایسا نہ کریں" کی فہرست فراہم کرنے کے بجائے جدید ماڈلز میں ایسی مثال فراہم کرنا زیادہ موثر ہے جس میں کہا گیا ہو کہ "مطلوبہ آؤٹ پٹ بالکل ایسا ہی ہے"۔ مثال کے طور پر، ایک درجہ بندی میں، پرامپٹ میں متوقع JSON کے ایک یا دو نمونے شامل کرنے سے فارمیٹنگ کی خرابیاں نمایاں طور پر کم ہو جاتی ہیں۔
ایک اور طاقتور تکنیک غیر یقینی صورتحال کو واضح طور پر لکھنا ہے۔ ایک شق جیسا کہ "اگر یقین نہ ہو تو اندازہ نہ لگائیں؛ کہیں کہ 'ناکافی ڈیٹا'" ماڈل کے خالی جگہ کو من گھڑت (فریب) سے بھرنے کے رجحان کو دباتا ہے۔ یہ ایک جملہ توثیقی پرت کو آف لوڈ کرتا ہے، جس کا احاطہ ہم یونٹ 11 میں کریں گے: ایک بار جب ماڈل نے پہلے ہی غیر یقینی صورتحال کو نشان زد کر دیا ہے، تو انسانی توثیق کی طرف لے جانا آسان ہو جاتا ہے۔
آخر میں، ایک ساتھ کوشش اور فوری طور پر غور کریں. اعلیٰ کوشش پر، ماڈل مزید دریافت کرتا ہے اور بعض اوقات ناپسندیدہ "اضافی کام" کرتا ہے (غیر ضروری وضاحت، اضافی تجویز)۔ پرامپٹ میں "صرف مطلوبہ آؤٹ پٹ دیں، اضافی تبصرے شامل نہ کریں" کہنا اعلیٰ کوشش کے اس ضمنی اثر کو دور کرتا ہے۔
خلاصہ میں
سسٹم پرامپٹ ماڈل کی مستقل ہدایت ہے: یہ کردار، دائرہ کار، شکل، غیر واضح رویے، اور رازداری کی وضاحت کرتا ہے۔ جدید ماڈلز میں، سلوک درجہ حرارت کے بجائے انکولی سوچ اور کوشش کے پیرامیٹرز سے چلتا ہے۔ کام کے لیے کوششوں کو ترتیب دینا معیار اور لاگت کا بیک وقت انتظام کرتا ہے۔ آپ آؤٹ پٹ کو max_tokens، stop arrays اور سٹرکچرڈ آؤٹ پٹ کے ساتھ محفوظ کرتے ہیں۔
درخواست کا کام
ایک کام کا انتخاب کریں۔ (1) پانچ اجزاء (کردار، دائرہ کار، شکل، ابہام، رازداری) کے ساتھ ایک سسٹم پرامپٹ لکھیں۔ (2) بتائیں کہ آپ اس کام کے لیے کس سطح کی کوشش کا انتخاب کریں گے اور کیوں؟ (3) اگر آؤٹ پٹ کا ڈھانچہ ہونا چاہیے، تو ایک چھوٹا JSON اسکیما خاکہ بنائیں۔ (4) چیک کریں کہ آیا آپ کے پرامپٹ میں ضرورت سے زیادہ جارحانہ نمونہ ہے اور اسے نرم کریں۔
چیک لسٹ
- میں ایک اچھے سسٹم پرامپٹ کے پانچ اجزاء کا نام دے سکتا ہوں۔
- [ ] میں وضاحت کر سکتا ہوں کہ انکولی سوچ اور کوشش کے پیرامیٹرز کیا کرتے ہیں۔
- میں کام کے مطابق کوششوں کو ایڈجسٹ کرکے معیار / لاگت کو متوازن کرسکتا ہوں۔
- [ ] میں جانتا ہوں کہ JSON کو پرامپٹ کے ذریعے درخواست کرنے سے زیادہ ساختی آؤٹ پٹ کیوں محفوظ ہے۔
- میں حد سے زیادہ جارحانہ ہدایات کے جدید ماڈلز میں خطرے کو پہچان سکتا ہوں۔