प्रॉम्प्ट इंजीनियरिंग: काम में भरोसेमंद नतीजे देने वाले प्रॉम्प्ट कैसे लिखें

प्रॉम्प्ट इंजीनियरिंग क्या है?

प्रॉम्प्ट इंजीनियरिंग का मतलब है भाषा मॉडल को दिए जाने वाले इनपुट को इस तरह तैयार करना और सुधारना कि उसका जवाब किसी वास्तविक उद्देश्य के काम आए। OpenAI Academy भी इसे लगभग इन्हीं शब्दों में बताती है: सबसे अच्छा संभव जवाब पाने के लिए अपने इनपुट को तैयार करना और सुधारना। यह इनपुट टाइप किया हुआ पाठ, पेस्ट किया हुआ दस्तावेज़, साझा की गई फ़ाइल या कोई चित्र हो सकता है।

इस शब्द में दो अलग तरह के काम आते हैं। मॉडल पर आधारित सॉफ़्टवेयर बनाने वाले विकासकर्ता प्रणाली के निर्देश लिखते हैं, मूल्यांकन समूहों पर उन्हें परखते हैं और उनके संस्करणों का व्यवस्थित प्रबंधन करते हैं; OpenAI और Anthropic के विकासकर्ता दस्तावेज़ मुख्य रूप से उन्हीं के लिए लिखे गए हैं। बाकी लोग सामान्य कामकाज के दौरान ChatGPT, Claude, Gemini या Copilot में अनुरोध लिखते हैं। यह मार्गदर्शिका दूसरे समूह के लिए है: विपणन कर्मी, ग्राहक खाता प्रबंधक, भर्ती करने वाले, विश्लेषक और संचालन कर्मचारी, जिन्हें भरोसेमंद जवाब चाहिए, नया करियर नहीं।

उस दूसरे समूह के लिए, निर्देश तैयार करना प्रोग्रामिंग से ज़्यादा किसी सक्षम सहकर्मी को काम का स्पष्ट विवरण देने जैसा है। Anthropic का सुझाव है कि मॉडल को एक ऐसे प्रतिभाशाली लेकिन नए कर्मचारी की तरह समझें, जिसे आपके तौर-तरीकों और कार्यप्रवाहों की जानकारी नहीं है। इसकी जाँच व्यावहारिक है: निर्देश किसी ऐसे सहकर्मी को दिखाएँ जिसे काम की पृष्ठभूमि की बहुत कम जानकारी हो, और पूछें कि क्या वे उसका पालन कर सकते हैं। अगर उन्हें उलझन होगी, तो मॉडल को भी होने की संभावना है।

एक अच्छे प्रॉम्प्ट में क्या शामिल होना चाहिए?

एक अच्छे प्रॉम्प्ट में कार्य बताया जाता है, संदर्भ दिया जाता है, स्रोत सामग्री दी जाती है या उसका पता बताया जाता है, और यह स्पष्ट किया जाता है कि कैसा जवाब चाहिए। चार प्रमुख प्रदाता इसके लिए अलग-अलग शब्द इस्तेमाल करते हैं, लेकिन उनकी सलाह कुछ समान बुनियादी बातों पर आकर मिलती है।

Microsoft, Copilot के लिए चार हिस्से बताता है: लक्ष्य, संदर्भ, स्रोत और अपेक्षाएँ। वह यह भी बताता है कि केवल स्पष्ट लक्ष्य ही अनिवार्य है। OpenAI Academy तीन चरण बताता है: कार्य बताएँ, उपयोगी पृष्ठभूमि या दस्तावेज़ जोड़ें और मनचाहा परिणाम बताएँ, जिसमें भूमिका, पाठक या प्रारूप शामिल हों। Google, Gemini उपयोगकर्ताओं को स्वाभाविक भाषा इस्तेमाल करने, स्पष्ट और संक्षिप्त लिखने, संदर्भ देने और विशिष्ट मुख्य शब्दों का उपयोग करने की सलाह देता है। Anthropic स्पष्ट और सीधे निर्देश देने के साथ उनका कारण बताने को कहता है, क्योंकि किसी नियम का महत्व समझने से मॉडल को उसे लागू करने में मदद मिलती है।

आप चरण-दर-चरण एक अच्छा निर्देश कैसे लिखते हैं?

निर्देश उसी क्रम में लिखें जिसमें कोई समीक्षक उसे पढ़ेगा: पहले काम, फिर तथ्य, फिर नियम और प्रारूप। यहाँ यही क्रम हार्बर लेन लॉजिस्टिक्स नाम की एक काल्पनिक 40-सदस्यीय माल ढुलाई कंपनी पर लागू किया गया है, जिसके ग्राहक खाता प्रबंधक को एक ग्राहक को माल पहुँचने में देरी की सूचना देनी है।

कमज़ोर और प्रभावी प्रॉम्प्ट को साथ रखकर देखने पर क्या अंतर दिखता है?

कमज़ोर प्रॉम्प्ट विषय बताता है; मज़बूत प्रॉम्प्ट पाठक, काम, स्रोत और सीमा बताता है। हार्बर लेन के उदाहरण में कमज़ोर संस्करण है: ग्राहक को माल भेजने में देरी के बारे में ईमेल लिखें। ऐसे अनुरोध का सामान्य जवाब विनम्र और आत्मविश्वास से भरा होता है, और उसमें बातें गढ़ी जाती हैं: देरी का कारण, एक पक्की नई तारीख और मुआवज़े की ऐसी पेशकश जिसे किसी ने मंज़ूरी नहीं दी।

अधिक प्रभावी संस्करण: ग्राहक खाता प्रबंधक की ओर से ग्राहक के खरीद प्रमुख को एक ईमेल का मसौदा लिखें। उद्देश्य: माल पहुँचने में देरी को समझाना, ताकि वे अपनी गोदाम टीम को जानकारी दे सकें। केवल इन तथ्यों का उपयोग करें: सीमा शुल्क दस्तावेज़ की जाँच के लिए कंटेनर बंदरगाह पर रोका गया है; डिलीवरी का अनुमान अब गुरुवार है; हम अगली जानकारी कल 4pm तक भेजेंगे। गुरुवार को अनुमान मानें। जाँच का कारण न बताएँ और मुआवज़े की पेशकश न करें। ईमेल 150 शब्दों से कम, सरल और शांत लहजे में हो, और अधिकतम एक बार माफ़ी माँगें। ईमेल के बाद ऐसी जानकारी की सूची दें जिसकी मुझे भेजने से पहले पुष्टि करनी चाहिए।

दूसरा निर्देश लंबा है, लेकिन लंबाई मुख्य बात नहीं है। हर अतिरिक्त वाक्य समीक्षक को जाँचने के लिए कुछ देता है: इस्तेमाल किए गए तथ्य, जिन दावों से बचना है, शब्द-सीमा और उठाए गए प्रश्न। अगर मसौदे में फिर भी लिखा हो कि देरी ग्राहक की ओर से कागज़ी कार्रवाई की गलती के कारण हुई, तो समीक्षक तुरंत देख सकता है कि मॉडल स्रोत से आगे निकल गया है और उस वाक्य को हटा सकता है।

AI को निर्देश देने की कुछ उन्नत तकनीकें कौन-सी हैं?

बुनियादी बातों के बाद सबसे उपयोगी तकनीकें हैं: उदाहरण देना, संरचना तय करना, बड़े कामों को बाँटना, विकल्प माँगना और निर्देशों में स्पष्ट करना कि क्या करना है। इनमें से किसी के लिए तकनीकी कौशल की ज़रूरत नहीं है।

प्रदाता हर बारीकी पर सहमत नहीं हैं, और इस असहमति को जानना उपयोगी है। Anthropic लंबे दस्तावेज़ों को प्रॉम्प्ट के ऊपरी हिस्से में, सवाल से पहले रखने की सलाह देता है। Microsoft कहता है कि Copilot प्रॉम्प्ट के बाद वाले हिस्सों को अधिक महत्त्व मिलने की संभावना होती है और स्रोत-संदर्भों को अंत की ओर रखने का सुझाव देता है। वहीं OpenAI का डेवलपर मार्गदर्शक कहता है कि दिया गया संदर्भ आमतौर पर अंत के पास रखना बेहतर होता है। सही निष्कर्ष यह है कि जानकारी कहाँ रखनी चाहिए, यह टूल पर निर्भर करता है। इसलिए कोई सार्वभौमिक नियम अपनाने के बजाय अपने किसी महत्त्वपूर्ण काम पर दोनों क्रम आज़माएँ।

पहला जवाब शायद ही कभी काम पूरा क्यों कर पाता है?

पहला उत्तर एक मसौदा है जिस पर आप प्रतिक्रिया दे सकते हैं, और प्रदाता भी यही कहते हैं। Microsoft बताता है कि पहला नतीजा अक्सर अंतिम या सबसे अच्छा उत्तर नहीं होता और आपको कुछ सवाल-जवाब के लिए तैयार रहना चाहिए। OpenAI Academy नए सिरे से शुरू करने के बजाय उसी बातचीत में उत्तर को सुधारने की सलाह देता है।

अच्छा अगला निर्देश विशिष्ट समस्या बताता है। इसे छोटा करें कहने से बेहतर है: दूसरा अनुच्छेद हटाएँ, जो पहले की बात दोहराता है, और अगले अपडेट का समय शुरुआती वाक्य में ले आएँ। Microsoft भी बताता है कि एक ही निर्देश हर बार अलग परिणाम दे सकता है, इसलिए किसी निर्देश का एक बार काम कर जाना इस बात का प्रमाण नहीं है कि वह हर बार काम करेगा। बार-बार किए जाने वाले कार्य के लिए उसे विश्वसनीय मानने से पहले कई अलग-अलग स्रोत सामग्रियों पर आज़माएँ।

क्या ChatGPT, Claude, Copilot और Gemini के लिए अलग-अलग निर्देश चाहिए?

हर सहायक में बुनियादी बातें समान हैं; फ़र्क यह है कि हर टूल कौन-सी जानकारी देख सकता है। स्पष्ट कार्य, वास्तविक संदर्भ, सीमित और तय स्रोत तथा निर्धारित प्रारूप—इनसे चारों में बेहतर परिणाम मिलेंगे।

व्यावहारिक अंतर इस बात से आते हैं कि साधन दूसरे कामकाजी तंत्रों से कितना जुड़ा है। Microsoft 365 Copilot में फ़ॉरवर्ड स्लैश टाइप करके खास फ़ाइलों, बैठकों, लोगों और ईमेल का संदर्भ दिया जा सकता है, हालाँकि आप किनका संदर्भ दे सकते हैं, यह आपके लाइसेंस और सेटिंग पर निर्भर है। कार्यालयी सॉफ़्टवेयर में शामिल सहायक, जैसे Google Workspace में Gemini, आपकी योजना और प्रशासक की सेटिंग के अनुसार काम की फ़ाइलों तक पहुँच सकते हैं। अलग से इस्तेमाल किए जाने वाले चैट सहायक मुख्यतः उसी सामग्री पर काम करते हैं जिसे आप चिपकाते या अपलोड करते हैं, जब तक आपके संगठन ने दूसरे स्रोत न जोड़े हों। नवीनतम मूल्य सूची इस्तेमाल करने का निर्देश लिखने से पहले जाँच लें कि साधन वास्तव में उस तक पहुँच सकता है; वरना वह बिना बताए सामान्य जानकारी के आधार पर उत्तर दे सकता है।

अलग-अलग साधनों के उदाहरणों के लिए, काम के लिए ChatGPT निर्देशों और Copilot निर्देशों पर संबंधित मार्गदर्शिकाएँ देखें। साथ ही, कार्यस्थल पर AI साधनों की व्यापक मार्गदर्शिका भी देखें।

काम के लिए AI को निर्देश देते समय सबसे आम गलतियाँ कौन-सी होती हैं?

आम गलतियाँ हैं: तथ्य दिए बिना भाषा निखारने को कहना, चमत्कारी वाक्यांशों पर निर्भर रहना और विश्वास से दिए गए जवाब पर भरोसा कर लेना। इन्हें जान लेने के बाद हर गलती पहचानना आसान है।

मिले हुए जवाब की जाँच कैसे करनी चाहिए?

हर तथ्यात्मक वाक्य को अपने दिए गए स्रोत से मिलाएँ, और ऐसी किसी भी बात को दो बार जाँचें जो स्रोत में नहीं थी। यहीं निर्देश तैयार करने और समीक्षा करने का काम जुड़ता है: स्पष्ट दायरे वाला निर्देश जाँच को तेज़ बनाता है, क्योंकि आपको ठीक-ठीक पता होता है कि उत्तर में क्या कहने की अनुमति थी।

Microsoft साफ़ कहता है कि Copilot के जवाब गलत हो सकते हैं और उनकी समीक्षा तथा पुष्टि की जानी चाहिए। यह हर सहायक पर लागू होता है। जाँचें कि कहीं कारण, तारीखें, नाम, संख्याएँ या वादे अपनी ओर से तो नहीं जोड़े गए हैं। महत्वपूर्ण आँकड़ों की गणना स्वतंत्र रूप से दोबारा करें। अगर मॉडल किसी स्रोत का हवाला देता है, तो उसे खोलकर संबंधित अंश खोजें। AI से मिले परिणाम के तथ्यों की जाँच करने वाली मार्गदर्शिका में यह प्रक्रिया विस्तार से समझाई गई है।

टीमें प्रॉम्प्ट इंजीनियरिंग कैसे सीखती हैं?

टीमें अपने नियमित कार्यों पर अभ्यास करके और नतीजों को स्पष्ट मानक पर परखकर सबसे जल्दी AI को निर्देश देना सीखती हैं। निर्देश देने के सामान्य तरीकों पर बने पाठ्यक्रम की तुलना में, हर व्यक्ति वास्तव में जो ईमेल, सारांश और विश्लेषण तैयार करता है, उन पर बार-बार प्रयास करना और उनकी समीक्षा करना अधिक उपयोगी होता है।

अभ्यास के एक उपयोगी चक्र में चार हिस्से होते हैं: दिए गए तथ्यों वाला यथार्थपरक काम, पहला प्रॉम्प्ट, संशोधन और एक छोटा नोट जिसमें व्यक्ति बताए कि उसने क्या बदला और क्यों। प्रबंधक या सहकर्मी केवल अंतिम पाठ नहीं, बल्कि उस नोट की भी समीक्षा करता है। प्रॉम्प्ट तैयार करने के ऐसे प्रशिक्षण में, जिसमें समीक्षा का चरण छोड़ दिया जाता है, अक्सर अच्छी समझ के बजाय लंबे प्रॉम्प्ट को महत्व मिलने लगता है।

Tosheo.ai को इसी चक्र पर आधारित बनाया जा रहा है। नियोजित उत्पाद में हर कर्मचारी की संक्षिप्त शुरुआती स्तर-जाँच होगी। इसके बाद भूमिका के अनुसार 10 से 15 मिनट के पाठ होंगे, जिनके अंत में वास्तविक AI टूल के साथ व्यावहारिक कार्य होगा। स्पष्ट मूल्यांकन मानदंडों के आधार पर अंक और विशिष्ट प्रतिक्रिया दी जाएगी। उत्पाद अभी बना नहीं है, इसलिए यह विवरण नियोजित दायरे का है, परिणामों का नहीं। यदि आप पहले यह देखना चाहते हैं कि इसे कामकाज के कार्यों में कैसे लागू किया जा सकता है, तो व्यवसाय के लिए प्रॉम्प्ट इंजीनियरिंग की संबंधित मार्गदर्शिका में हल करके दिखाए गए और उदाहरण हैं।

प्रॉम्प्ट इंजीनियरिंग कब समाधान नहीं होती?

प्रॉम्प्ट इंजीनियरिंग उस काम की समस्या हल नहीं कर सकती जिसके लिए ऐसे डेटा की ज़रूरत हो जो टूल के पास नहीं है, ऐसा निर्णय लेना हो जो केवल कोई व्यक्ति ले सकता है, या इस्तेमाल किया जा रहा टूल ही उस काम के लिए गलत हो। Anthropic का अपना परिचयात्मक लेख भी यही बात कहता है कि हर नाकामी का सबसे अच्छा समाधान प्रॉम्प्ट बदलना नहीं है; कभी-कभी समाधान कोई दूसरा मॉडल, दूसरा टूल या दूसरी प्रक्रिया अपनाना होता है।

अगर किसी सारांश में बार-बार आँकड़े छूट रहे हैं, तो वजह आपके निर्देशों की भाषा नहीं, बल्कि ऐसी फ़ाइल हो सकती है जिसे सहायक ठीक से पढ़ नहीं पा रहा है। अगर किसी मसौदे की भाषा बार-बार ब्रांड की शैली से मेल नहीं खाती, तो समाधान और विशेषण जोड़ना नहीं, बल्कि एक ठोस शैली मार्गदर्शिका और उदाहरण देना हो सकता है। अगर तैयार नतीजे से किसी के वेतन, अधिकारों, स्वास्थ्य या कानूनी स्थिति पर असर पड़ता है, तो बेहतर प्रॉम्प्ट भी किसी योग्य समीक्षक की ज़रूरत खत्म नहीं करता।

यह सीखने वाले हर व्यक्ति के लिए Tosheo.ai भी सही विकल्प नहीं है। इसे 5 से 200 लोगों की टीमों के गैर-तकनीकी कर्मचारियों के लिए बनाने की योजना है। मॉडल के API पर एप्लिकेशन बनाने वाले इंजीनियरों के लिए OpenAI और Anthropic के डेवलपर दस्तावेज़ ज़्यादा उपयोगी होंगे, जिनमें सिस्टम निर्देश, मूल्यांकन और संस्करण नियंत्रण शामिल हैं। Anthropic की मुफ़्त, संवादात्मक प्रॉम्प्ट लेखन प्रशिक्षण सामग्री भी उनके लिए अधिक उपयोगी होगी।

इस मार्गदर्शिका में आपको आगे कौन-सा हिस्सा पढ़ना चाहिए?

इस खंड की हर मार्गदर्शिका एक व्यावहारिक सवाल का जवाब देती है। उस मार्गदर्शिका से शुरू करें जो आपके सामने मौजूद टूल या कार्य से मेल खाती हो।

स्रोत और दायरा

OpenAI Academy, निर्देश लिखने का संसाधन, 16 October 2026 को देखा गया ↗

OpenAI API दस्तावेज़, निर्देश तैयार करने की तकनीक, 16 October 2026 को देखा गया ↗

Anthropic, Claude दस्तावेज़: प्रॉम्प्ट लिखने के सर्वोत्तम तरीके, 16 अक्टूबर 2026 को देखा गया ↗

Anthropic, Claude दस्तावेज़: प्रॉम्प्ट इंजीनियरिंग का परिचय, 16 अक्टूबर 2026 को देखा गया ↗

Microsoft सहायता, Microsoft Copilot में निर्देश लिखना शुरू करें, 16 अक्टूबर 2026 को देखा गया ↗

Microsoft सहायता, बेहतर निर्देश देकर Copilot से बेहतर जवाब पाएँ, देखने की तारीख 16 October 2026 ↗

Microsoft सहायता, Microsoft Copilot में खास फ़ाइलों और अन्य सामग्री का संदर्भ दें, 16 अक्टूबर 2026 को देखा गया ↗

Google Workspace शिक्षण केंद्र, Gemini के लिए प्रॉम्प्ट लिखने के सुझाव, देखा गया 16 October 2026 ↗