ಬಹುತೇಕ ಪ್ರಾಂಪ್ಟ್ ಎಂಜಿನಿಯರಿಂಗ್ನಲ್ಲಿ ನಿಖರತೆ ಮತ್ತು ಸೂಚನೆಗಳ ಸಮಗ್ರತೆಯ ಮೇಲೆ ಗಮನ ಕೇಂದ್ರೀಕರಿಸಲಾಗುತ್ತದೆ. ಸಂಭಾಷಣೆಯನ್ನೇ ಮುಖ್ಯ ವಿನ್ಯಾಸ ಸಮಸ್ಯೆಯಾಗಿ ಪರಿಗಣಿಸಿದಾಗ, ಉತ್ಪಾದನಾ ಹಂತದಲ್ಲಿ ಅತಿದೊಡ್ಡ ಸುಧಾರಣೆಗಳು ದೊರೆಯುತ್ತವೆ.
ಮಾಡೆಲ್ಗೆ ಬದಲಾಯಿಸಲಾಗದ ಸ್ಕ್ರಿಪ್ಟ್ ನಡುವ ಬದಲು, ಟ್ರಿಗರ್ ಮತ್ತು ಆಕ್ಷನ್ನ ಉದ್ದೇಶಗಳನ್ನು ನಿರ್ದಿಷ್ಟಪಡಿಸುವುದರಿಂದ ಅದು ಹೇಗೆ ನಿರ್ಧಾರ ತೆಗೆದುಕೊಳ್ಳಬೇಕೆಂದು ಮಾರ್ಗದರ್ಶನ ನೀಡುತ್ತದೆ. ಪ್ರಾಂಪ್ಟ್ನಲ್ಲಿನ ಸ್ಥಾನವೇ ಸ್ವತಃ ಒಂದು ಸೂಚನೆಯಾಗಿರುತ್ತದೆ. ಗುರುತು ಮೊದಲಿಗೆ ಬರಬೇಕು, ವರ್ತನೆಯ ಸೂಕ್ಷ್ಮ ವಿವರಗಳು ಮಧ್ಯದಲ್ಲಿ ಮತ್ತು ಕಡ್ಡಾಯ ನಿರ್ಬಂಧಗಳು ಕೊನೆಯಲ್ಲಿರಬೇಕು. ನಿಜವಾಗಿಯೂ ಅತ್ಯಂತ ನಿರ್ಣಾಯಕವಾದ ವಿಷಯಗಳು ಎರಡೂ ಸ್ಥಳಗಳಲ್ಲಿರಬೇಕು.
ಉದ್ದೇಶಿತ ಧ್ವನಿಯನ್ನು ವಿವರಿಸುವ ಬದಲು ಅದೇ ಧ್ವನಿಯಲ್ಲಿ ಪ್ರಾಂಪ್ಟ್ ಬರೆಯುವುದು ಅತ್ಯಂತ ಪರಿಣಾಮಕಾರಿ ಬದಲಾವಣೆಗಳಲ್ಲಿ ಒಂದು.
ಅತ್ಯಂತ ಸುಸಂಗತ ಏಜೆಂಟ್ಗಳ ಪ್ರಾಂಪ್ಟ್ಗಳು ವಿಭಿನ್ನ ಸಂಭಾಷಣಾ ಕ್ಷಣಗಳನ್ನು ಪ್ರತ್ಯೇಕ ಸಂವಹನಗಳಾಗಿ ಪರಿಗಣಿಸುತ್ತವೆ. ಪ್ರತಿಯೊಂದಕ್ಕೂ ಸೂಕ್ತವಾದ ಸ್ವರೂಪವಿದ್ದರೂ, ಎಲ್ಲ ಸಂದರ್ಭಗಳಲ್ಲೂ ಅದೇ ಧ್ವನಿ ಸ್ಪಷ್ಟವಾಗಿ ಗುರುತಾಗುತ್ತದೆ.
ಕೆಲವು ಸಂದರ್ಭಗಳಲ್ಲಿ, ಯೋಚಿಸುವ ಏಜೆಂಟ್ಗಳನ್ನು ಮಾತನಾಡುವ ಏಜೆಂಟ್ಗಳಿಂದ ಪ್ರತ್ಯೇಕಿಸುವುದು ಹೆಚ್ಚು ಸುಸಂಬದ್ಧ, ನಿಖರವಾದ ಮತ್ತು ಆಧಾರಸಹಿತ ರೆಸ್ಪಾನ್ಸ್ಗಳು ದೊರೆಯುತ್ತವೆ. ಅಲ್ಲದೆ, ಆಂತರಿಕ ತರ್ಕವು ರೆಸ್ಪಾನ್ಸ್ಗಳಲ್ಲಿ ಅನಗತ್ಯವಾಗಿ ಹೊರಹೊಮ್ಮುವುದನ್ನು ಇದು ತಡೆಯುತ್ತದೆ.
ಭಾಷಾಶಾಸ್ತ್ರ ಮತ್ತು ಜ್ಞಾನಾತ್ಮಕ ಮನೋವಿಜ್ಞಾನ ಕ್ಷೇತ್ರಗಳಿಂದ ಪಡೆದ ಒಳನೋಟಗಳನ್ನು ಆಧರಿಸಿದ ಹೊಸ ಪ್ರಾಂಪ್ಟಿಂಗ್ ವಿಧಾನವನ್ನು ನಾವು ಹಿಂದೆ ಪರಿಚಯಿಸಿದ್ದೆವು. ನಮ್ಮ ಏಜೆಂಟ್ ಕಾರ್ಯನಿರ್ವಹಿಸಬಹುದಾದ ಸ್ಪಷ್ಟವಾಗಿ ನಿರ್ದಿಷ್ಟಪಡಿಸಿದ ಮತ್ತು ಸೂಕ್ತ ಮಿತಿಗಳನ್ನು ಹೊಂದಿರುವ ಸಮಸ್ಯಾ ವಲಯವನ್ನು ರೂಪಿಸುವ ಮಹತ್ವದ ಕುರಿತು ನಾವು ಬರೆದಿದ್ದೆವು. ಆ ಸಮಸ್ಯಾ ವಲಯವು ಗ್ರಾಹಕ-ಮುಖಿ AIಯಲ್ಲಿ ಅಂತರ್ಗತವಾಗಿರುವ ಸಂಭಾಷಣೆಯ ಮೆಟಾ-ಟಾಸ್ಕ್ ಅನ್ನೂ ಒಳಗೊಂಡಿರಬೇಕು ಎಂಬುದನ್ನೂ ವಿವರಿಸಿದ್ದೆವು.
ಈ ತತ್ವಗಳನ್ನು ಕಾರ್ಯಾಚರಣಾ ಪರಿಸರಕ್ಕೆ ತರಲು ಪ್ರಯತ್ನಿಸಿದಂತೆ ನಮ್ಮ ಪ್ರಾಂಪ್ಟ್ಗಳು ಪ್ರಾಯೋಗಿಕವಾಗಿ ಹೇಗೆ ಬದಲಾಗಿವೆ ಎಂಬುದನ್ನು ಈಗ ನೋಡೋಣ.
ನೇರ ಬಳಕೆಯಲ್ಲಿರುವ ಗ್ರಾಹಕ-ಮುಖಿ ವ್ಯವಸ್ಥೆಗಳಲ್ಲಿ ನೂರಾರು ಪ್ರಾಂಪ್ಟ್ ಪರಿಷ್ಕರಣೆಗಳನ್ನು ಮಾಡಿದಾಗ, ಹೆಚ್ಚು ಸೂಚನೆಗಳನ್ನು ಸೇರಿಸುವುದರಿಂದಾಗಲಿ, ಉದಾಹರಣೆಗಳನ್ನು ರಾಶಿ ಹಾಕುವುದರಿಂದಾಗಲಿ ಅಥವಾ ಸಾಮಾನ್ಯ ಪ್ರಾಂಪ್ಟ್ ಎಂಜಿನಿಯರಿಂಗ್ ರೂಢಿಗಳನ್ನು ಅನುಸರಿಸುವುದರಿಂದಾಗಲಿ ಅತಿದೊಡ್ಡ ಸುಧಾರಣೆಗಳು ದೊರೆಯಲಿಲ್ಲ. ಬದಲಿಗೆ, ಸಂವಾದವನ್ನೇ ಸಮಸ್ಯೆಯ ಕೇಂದ್ರವೆಂದು ಸ್ವೀಕರಿಸಿದ್ದರಿಂದ ಅವು ದೊರೆತವು.
ನಿರಂತರ ಅನ್ವೇಷಣೆ ಮತ್ತು ಪರೀಕ್ಷೆಯಿಂದ ಹಲವಾರು ಪರಿಣಾಮಕಾರಿ ತಂತ್ರಗಳು ರೂಪುಗೊಂಡಿವೆ. ನಾವು ಪ್ರಾಂಪ್ಟ್ ಅನ್ನು ಬದಲಿಸಿ, ಸಂಭಾಷಣೆ ಎಲ್ಲಿ ಯಶಸ್ವಿಯಾಯಿತು ಅಥವಾ ವಿಫಲವಾಯಿತು ಎಂಬುದನ್ನು ಗಮನಿಸುತ್ತಿದ್ದೆವು. ವೈಫಲ್ಯಗಳನ್ನು ಮಾರ್ಗದರ್ಶನದ ಪರಿಣಾಮಕಾರಿತ್ವ, ಪ್ರಾಂಪ್ಟ್ ರಚನೆ ಮತ್ತು ನಮ್ಮ ಭಾಷಾ ಬಳಕೆಯವರೆಗೆ ಪತ್ತೆಹಚ್ಚುತ್ತಿದ್ದೆವು. ಇದರ ಫಲವಾಗಿ, ಸಂಭಾಷಣೆಯಲ್ಲಿ ತನ್ನ ಪಾತ್ರವನ್ನು ಏಜೆಂಟ್ ಹೇಗೆ ಅರ್ಥೈಸುತ್ತದೆ, ಮುಂದಿನ ಕ್ರಮವನ್ನು ಹೇಗೆ ನಿರ್ಧರಿಸುತ್ತದೆ ಮತ್ತು ಬದಲಾಗುವ ಸಂದರ್ಭಗಳಲ್ಲೂ ಧ್ವನಿಯನ್ನು ಎಷ್ಟು ಸ್ಥಿರವಾಗಿ ಉಳಿಸಿಕೊಳ್ಳುತ್ತದೆ ಎಂಬುದನ್ನು ಬದಲಿಸುವ ಕೆಲವು ಪುನರಾವರ್ತಿಸಬಹುದಾದ ಮಾದರಿಗಳು ದೊರೆತಿವೆ.
ಮುಂದಿರುವುದು ಸಾರ್ವತ್ರಿಕ ಚೌಕಟ್ಟಲ್ಲ ಅಥವಾ ಪ್ರಾಂಪ್ಟಿಂಗ್ ಈಗ “ಪರಿಹಾರವಾಗಿದೆ” ಎಂಬ ವಾದವೂ ಅಲ್ಲ. ಕೇವಲ ಕಾರ್ಯಾತ್ಮಕ ನಿಖರತೆಯಲ್ಲ, ಉತ್ತಮ ಸಂವಾದವೇ ಗುರಿಯಾಗಿದ್ದಾಗ ಕಾರ್ಯಾಚರಣಾ ಪರಿಸರದಲ್ಲಿ ಪರಿಣಾಮಕಾರಿಯಾಗಿದ್ದ ಅಂಶಗಳನ್ನು ಐದು ಮಾದರಿಗಳಾಗಿ ಸಂಗ್ರಹಿಸಲಾಗಿದೆ: ಸುಸಂಗತ, ಸಹಜ ಮತ್ತು ಬ್ರ್ಯಾಂಡ್ ಧ್ವನಿಯನ್ನು ಹೊರುವಷ್ಟು ಸ್ಥಿರವಾಗಿರುವ ಪ್ರತಿಕ್ರಿಯೆಗಳು.
ಏಜೆಂಟ್ ಆಧಾರಿತ ವ್ಯವಸ್ಥೆಯನ್ನು ರಚಿಸಲು ಹಲವು ಮಾರ್ಗಗಳಿದ್ದರೂ, ಬಹು-ಏಜೆಂಟ್ ಸಂಯೋಜಿತ ಕಾರ್ಯಪ್ರವಾಹಗಳು ಇನ್ನೂ ಜನಪ್ರಿಯವಾಗಿವೆ. ವಿಶೇಷವಾಗಿ ಇಂತಹ ವ್ಯವಸ್ಥೆಗಳಲ್ಲಿ ನಾವು ಕಂಡ ಅತ್ಯಂತ ಸ್ಥಿರವಾದ ಸುಧಾರಣೆಯೆಂದರೆ, ಚಿಂತಿಸುವ ಏಜೆಂಟ್ಗಳನ್ನು ಮಾತನಾಡುವ ಏಜೆಂಟ್ಗಳಿಂದ ಪ್ರತ್ಯೇಕಿಸಿದ್ದು.
ಉದ್ದೇಶ ಸಂಯೋಜನೆ, ವರ್ಗೀಕರಣ, ಜ್ಞಾನ ಹೊರತೆಗೆಯುವಿಕೆ ಮತ್ತು ಪರಿಕರ ಬಳಕೆ ಎಲ್ಲವೂ ಆಂತರಿಕ ಕಾರ್ಯಾಚರಣೆಗಳು. ಗ್ರಾಹಕರಿಗೆ ನೀಡುವ ಪ್ರತಿಕ್ರಿಯೆಗಳು ಗ್ರಾಹಕ-ಮುಖಿ ಕಾರ್ಯಗಳು. ಒಂದೇ ಏಜೆಂಟ್ ಒಂದೇ ಸರದಿಯಲ್ಲಿ ಎರಡನ್ನೂ ಮಾಡಿದಾಗ, ಆಂತರಿಕ ರೀಜನಿಂಗ್ ಮತ್ತು ತರ್ಕವು ಪ್ರತಿಕ್ರಿಯೆಗಳಲ್ಲಿ ಸೋರಿಕೆಯಾಗಬಹುದು. ಆಗ ಪ್ರತಿಕ್ರಿಯೆಗಳು ನೇರವಾಗಿರದೆ, ಅತಿಯಾದ ಷರತ್ತುಗಳಿಂದ ತುಂಬಿರುತ್ತವೆ ಅಥವಾ ವ್ಯಕ್ತಿಯ ಅಗತ್ಯಗಳ ಬದಲು ಪ್ರಕ್ರಿಯೆಯ ತರ್ಕದ ಸುತ್ತ ರಚನೆಯಾಗುತ್ತವೆ.
ಆ ಒಂದು ನಿರ್ಬಂಧವೇ ಅಚ್ಚರಿಕರವಾಗಿ ಸಾಕಷ್ಟು ಕೆಲಸ ಮಾಡುತ್ತದೆ. ಅದು ಪ್ರತಿಕ್ರಿಯೆಗಳನ್ನು ನೈಜ ಸಂಭಾಷಣೆಗೆ ಬದ್ಧವಾಗಿರಿಸುತ್ತದೆ, ಸಂದರ್ಭವು ಮರುಹೊಂದದಂತೆ ತಡೆಯುತ್ತದೆ, ಮತ್ತು “delivering the delta" ಎಂದು ಕರೆಯುವ ವಿಧಾನಕ್ಕೆ ಹತ್ತಿರವಾದ ಫಲಿತಾಂಶವನ್ನು ನೀಡುತ್ತದೆ. ಅಂತಿಮವಾಗಿ, ಬಳಕೆದಾರರನ್ನು ನಿಜವಾಗಿಯೂ ಮುಂದಕ್ಕೆ ಕರೆದೊಯ್ಯುವ ಕನಿಷ್ಠ ಹೊಸ ಮಾಹಿತಿಯನ್ನಷ್ಟೇ ಏಜೆಂಟ್ ಸೇರಿಸುತ್ತದೆ.
ಯಾವ ರೀತಿಯ ರೆಸ್ಪಾನ್ಸ್ ನೀಡಬೇಕು ಎಂಬ ನಿರ್ಧಾರವೂ ಮುಖ್ಯವಾಗುತ್ತದೆ. ಏನನ್ನಾದರೂ ಬರೆಯುವ ಮೊದಲು, ಮಾತನಾಡುವ ಏಜೆಂಟ್ಟ್ಗೆ ರೆಸ್ಪಾನ್ಸ್ನ ಪ್ರಕಾರವನ್ನು ಆಯ್ಕೆ ಮಾಡಲು ಹೇಳುವುದು—ಉತ್ತರಿಸುವುದು, ಸ್ಪಷ್ಟಪಡಿಸುವುದು, ಮರುನಿರ್ದೇಶಿಸುವುದು ಅಥವಾ ಕಾಯಿಸುವುದು—ಇವು, ಸಂಭಾಷಣೆಯಲ್ಲಿ ಸಾಮಾನ್ಯವಾಗಿ ಎದುರಾಗುವ ಸಮಸ್ಯೆಯನ್ನು ಕಡಿಮೆ ಮಾಡುತ್ತದೆ. ಅದು ಕೆಟ್ಟ ಬರವಣೀಗೆಯಲ್ಲ; ಆದರೆ ಸಂಪೂರ್ಣವಾಗಿ ತಪ್ಪಾದ ರೆಸ್ಪಾನ್ಸ್ ನೀಡುವುದು.
ಸರಿಯಾದ ಪರಿಸ್ಥಿತಿಗಳಲ್ಲಿ ಇತ್ತೀಚಿನ ಅತ್ಯಾಧುನಿಕ ಮಾಡೆಲ್ಗಳು ಈ ಮಾದರಿಯ ಮೂಲ ಊಹೆಯನ್ನೇ ಪ್ರಶ್ನಿಸಲು ಆರಂಭಿಸಿವೆ ಎಂಬುದು ಗಮನಾರ್ಹ. ಆದರೂ, ಹಲವು ಬಿಲ್ಡರ್ಗಳು ವಿವಿಧ ಕಾರಣಗಳಿಂದ ಇನ್ನೂ ಸಣ್ಣ ಅಥವಾ ಹಳೆಯ ಮಾಡೆಲ್ಗಳನ್ನು ಅವಲಂಬಿಸಿದ್ದಾರೆ. ಅಂತಹ ಸಂದರ್ಭಗಳಲ್ಲಿ ಆಂತರಿಕ ಮತ್ತು ಗ್ರಾಹಕ-ಮುಖಿ ಕಾರ್ಯಗಳನ್ನು ಪ್ರತ್ಯೇಕವಾಗಿ ವಿಂಗಡಿಸಲು ನಾವು ಖಂಡಿತವಾಗಿಯೂ ಶಿಫಾರಸು ಮಾಡುತ್ತೇವೆ.
ರೀಜನಿಂಗ್ ಮಾಡದ ಮಾಡೆಲ್ಗಳಿಗೆ few-shot ಉದಾಹರಣೆಗಳು ಪರಿಣಾಮಕಾರಿಯಾಗುತ್ತವೆ. ಏಕೆಂದರೆ ಅವು ಸ್ಪಷ್ಟವಾಗಿವೆ, ವೇಗವಾಗಿ ಗ್ರಹಿಸಲ್ಪಡುತ್ತವೆ ಮತ್ತು ಮಾಡೆಲ್ಗಳು ಅವುಗಳಿಗೆ ಉತ್ತಮವಾಗಿ ಪ್ರತಿಕ್ರಿಯಿಸುತ್ತವೆ. ಆದರೆ ಅತಿಯಾಗಿ ಹೊಂದಿಕೊಳ್ಳುವುದೇ ಇದರ ಸಮಸ್ಯೆ. ಮಾಡೆಲ್ಗೆ ಒಂದು ಉದಾಹರಣೆ ನೀಡಿದರೆ, ಅದು ಅದರ ಪದಗಳು, ಲಯ ಮತ್ತು ರಚನೆಯನ್ನೇ ಅನುಸರಿಸುತ್ತದೆ. ಪರಿಣಾಮವಾಗಿ, ಸಂದರ್ಭ ಬದಲಾಗಿದ್ದರೂ ಸಹ ಅದೇ ರೆಸ್ಪಾನ್ಸ್ ಅನ್ನೇ ಹೋಲುವ ಉತ್ತರಗಳನ್ನು ನಿರಂತರವಾಗಿ ನೀಡುತ್ತದೆ.
ನೀವು ಅರಿವಿಲ್ಲದೆಯೇ, ಮಾಡೆಲ್ ರೆಸ್ಪಾನ್ಸ್ಗಳನ್ನು ಸೀಮಿತಗೊಳಿಸುವಂತಹ ಸ್ಕ್ರಿಪ್ಟ್ ಅನ್ನು ನೀವು ಬರೆದಿರುತ್ತೀರಿ.
ಅನುಷ್ಠಾನ ಉದ್ದೇಶಗಳು ಅಥವಾ ಪ್ರಾಯೋಗಿಕ ನಿಯಮಗಳು ಹೆಚ್ಚು ಬಾಳಿಕೆ ಬರುವ ಪರ್ಯಾಯಗಳಾಗಿವೆ. ನಿರ್ದಿಷ್ಟ ಸಂದರ್ಭಗಳಲ್ಲಿ ಏನು ಹೇಳಬೇಕು ಎಂದು ಮಾಡೆಲ್ಗೆ ತೋರಿಸುವ ಬದಲು, ನಾವು ವ್ಯಾಪಕವಾದ ಟ್ರಿಗರ್ ಮತ್ತು ಕ್ರಿಯೆಯ ಜೋಡಿಯನ್ನು ನೀಡುತ್ತೇವೆ: X ಸಂಭವಿಸಿದರೆ, Y ಮಾಡಿ.
ಮುಖ್ಯ ವ್ಯತ್ಯಾಸವೆಂದರೆ, ಒಂದೊಂದೇ ಉದಾಹರಣೆಯ ಮೂಲಕ X ಮತ್ತು Y ಕಡೆಗೆ ಹಂತಹಂತವಾಗಿ ಸೀಮಿತಗೊಳಿಸುವ ಬದಲು, ಪ್ರತಿಯೊಂದಕ್ಕೂ, ಉದಾಹರಣೆಗಳ ಅಗತ್ಯವೇ ಇಲ್ಲದಷ್ಟು ನಿಖರವಾದ ಸೂಚನೆಯ ಮೂಲಕ ಸ್ಪಷ್ಟವಾದ ಮಿತಿಯನ್ನು ನಾವು ನಿಗದಿಪಡಿಸುತ್ತೇವೆೆ. ಇದರಿಂದ ಏಕರೂಪದ ಟೆಂಪ್ಲೇಟ್ನಲ್ಲಿರುವ ಮಾದರಿಗಳನ್ನು ಹೊಂದಿಸುವ ಬದಲು, ನೈಜ ಸಂಭಾಷಣೆಯಲ್ಲಿನ ಬದಲಾವಣೆಗಳಿಗೆ ಏಜೆಂಟ್ ಸ್ಪಂದಿಸುವಂತಿರುತ್ತದೆ.
ಪ್ರಾಯೋಗಿಕವಾಗಿ, ಇದು ಉದಾಹರಣೆಗಳಿಗಿಂತ ಕಾರ್ಯಗತಗೊಳಿಸಬಹುದಾದ ಸರಳ ನಿಯಮಗಳಂತೆ ಕಾಣುತ್ತದೆ:
ಪ್ರಮುಖ ವಿವರ ಏನಾದರೂ ಬಿಟ್ಟುಹೋಗಿದ್ದರೆ, ಸ್ಪಷ್ಟೀಕರಣಕ್ಕಾಗಿ ಒಂದು ಪ್ರಶ್ನೆಯನ್ನು ಕೇಳಿ.
ಉತ್ತರಕ್ಕೆ ಆಧಾರವಿಲ್ಲದಿದ್ದರೆ, ಅದನ್ನು ನೇರವಾಗಿ ತಿಳಿಸಿ ಮತ್ತು ಲಭ್ಯವಿರುವ ಅತ್ಯುತ್ತಮ ಮುಂದಿನ ಹಂತವನ್ನು ಸೂಚಿಸಿ.
ವಿನಂತಿಯು ಸುರಕ್ಷತಾ ಮಿತಿಗೆ ಒಳಪಟ್ಟರೆ, ಸಂಕ್ಷಿಪ್ತವಾಗಿ ನಿರಾಕರಿಸಿ ಮತ್ತು ಹೆಚ್ಚು ವಿವರಣೆ ನೀಡದೆ ಮರುನಿರ್ದೇಶಿಸಿ.
ಇದು ಆಕರ್ಷಕವಾಗಿ ಕಾಣದಿರಬಹುದು. ಆದರೆ ಮಾದರಿ ರೆಸ್ಪಾನ್ಸ್ಗಳ ಸಂಗ್ರಹಕ್ಕಿಂತ ಬಹಳ ವಿಶ್ವಾಸಾರ್ಹವಾಗಿದೆ. ಏಕೆಂದರೆ ಏನನ್ನು ಪುನರಾವರ್ತಿಸಬೇಕು ಎಂಬುದಕ್ಕಿಂತ ಹೇಗೆ ನಿರ್ಧರಿಸಬೇಕು ಎಂಬುದನ್ನು ಇದು ಮಾಡೆಲ್ಗೆ ಕಲಿಸುತ್ತದೆ.
ಪ್ರಾಂಪ್ಟ್ನಲ್ಲಿ ವಿಷಯವು ಯಾವ ಸ್ಥಾನದಲ್ಲಿದೆ ಎಂಬುದು ಅದಕ್ಕೆ ಸಿಗುವ ಮಹತ್ವವನ್ನು ನಿರ್ಧರಿಸುತ್ತದೆ. ವಿವಿಧ ಮಾಡೆಲ್ಗಳು ಮತ್ತು ಡಿಪ್ಲಾಯ್ಮೆಂಟ್ಗಳಲ್ಲಿ ನಾವು ಗಮನಿಸಿದ ಒಂದು ಸ್ಥಿರ ಮಾದರಿಯಿದು. ಪ್ರಾಂಪ್ಟ್ನ ಆರಂಭ ಮತ್ತು ಅಂತ್ಯವು ಅಸಮಾನವಾಗಿ ಹೆಚ್ಚು ಗಮನ ಸೆಳೆಯುತ್ತವೆ. ಮಧ್ಯದಲ್ಲಿರುವುದು ಸೂಕ್ಷ್ಮ ವಿವರಗಳು ಮತ್ತು ಅವು ಇರಬೇಕಾದ ಸರಿಯಾದ ಸ್ಥಳವೂ ಅದೇ.
ಅದನ್ನು ಗಮನದಲ್ಲಿಟ್ಟುಕೊಂಡೇ ನಾವು ನಮ್ಮ ಪ್ರಾಂಪ್ಟ್ಗಳನ್ನು ರಚಿಸುತ್ತೇವೆ. ಬೇರೆ ಎಲ್ಲಕ್ಕಿಂತ ಮೊದಲು ಗುರುತನ್ನು ಸ್ಥಾಪಿಸಲು, ಏಜೆಂಟ್ನ ಪಾತ್ರ ಮತ್ತು ಸ್ವಂತಿಕೆಯ ಅರಿವನ್ನು ಮೇಲ್ಭಾಗದಲ್ಲಿ ಇರಿಸುತ್ತೇವೆ. ಮಧ್ಯಭಾಗದಲ್ಲಿ ವರ್ತನೆಗೆ ಸಂಬಂಧಿಸಿದ ವಿವರಗಳನ್ನು ನೀಡುತ್ತೇವೆ: ಸಂಭಾಷಣೆ ಹೇಗೆ ಸಾಗಬಹುದು, ರೆಸ್ಪಾನ್ಸ್ಗಳಿಗೆ ಮಾರ್ಗದರ್ಶನ ನೀಡುವ ಪ್ರಯತ್ನ ಮತ್ತು ತಪ್ಪುಗಳ ವಿಧಾನದ ಮೂಲಕ ಮತ್ತು ಏಜೆಂಟ್ ನಿಭಾಯಿಸಬೇಕಾದ ಸಂದರ್ಭಗಳ ವ್ಯಾಪ್ತಿ. ಕಠಿಣ ನಿರ್ಬಂಧಗಳು ಮತ್ತು ಯಾವುದೇ ಕಾರಣಕ್ಕೂ ಬದಲಾಯಿಸಲಾಗದ ಅಂಶಗಳನ್ನು ಕೆಳಭಾಗದಲ್ಲಿ ಇಡುತ್ತೇವೆ. ಹೀಗೆ ಅವು ಏಜೆಂಟ್ನ ಗಮನದಲ್ಲಿ ತಕ್ಷಣಕ್ಕೆ ಲಭ್ಯವಾಗುತ್ತವೆ.
ನಿಜವಾಗಿಯೂ ನಿರ್ಣಾಯಕವಾದ ವಿಷಯವನ್ನು ನಾವು ಎರಡೂ ಕಡೆಗಳಲ್ಲಿ ಇಡುತ್ತೇವೆ. ಉದಾಹರಣೆಗೆ, ವಿರಾಮಚಿಹ್ನೆ ಅಥವಾ ಫಾರ್ಮ್ಯಾಟಿಂಗ್ ಸಂಬಂಧಿಸಿದ ಕಟ್ಟುನಿಟ್ಟಾದ ಸೂಚನೆಯಂತಹ ನಿರ್ದಿಷ್ಟ ಔಟ್ಪುಟ್ ನಿಯಮವು, ದೊಡ್ಡ ಪ್ರಾಂಪ್ಟ್ನ ಮಧ್ಯದಲ್ಲಿ ಒಮ್ಮೆ ಮಾತ್ರ ಇದ್ದರೆ, ಸುಲಭವಾಗಿ ಗಮನಕ್ಕೆ ಬಾರದಂತಾಗಬಹುದು. ಅದನ್ನೇ ಜೊನೆಯಲ್ಲಿ ಮತ್ತೊಮ್ಮೆ ನೀಡಿದರೆ, ಅದು ಉಳಿಯುತ್ತದೆ.
ಇತ್ತೀಚಿನ ಮಾಹಿತಿಗೆ ಸಿಗುವ ಆದ್ಯತೆಯ ದೃಷ್ಟಿಯಿಂದ, ಸ್ಟ್ರಕ್ಚರ್ಡ್ ಔಟ್ಪುಟ್ಸ್ ಬಳಸಿದಾಗ, ಅವು ವಾಸ್ತವವಾಗಿ ನಿಮ್ಮ ಪ್ರಾಂಪ್ಟ್ನಲ್ಲಿರುವ ಕೊನೆಯ ಸೂಚನೆಯಾಗುತ್ತವೆ ಎಂಬುದು ಗಮನಾರ್ಹ. ನಿಮ್ಮ ಸ್ಟ್ರಕ್ಚರ್ಡ್ ಔಟ್ಪುಟ್ಸ್ನಲ್ಲಿರುವ ಡಿಸ್ಕ್ರಿಪ್ಷನ್ ಫೀಲ್ಡ್ಗಳು ರೆಸ್ಪಾನ್ಸ್ಗಳ ಮೇಲೆ ಗುಣಾತ್ಮಕ ಪರಿಣಾಮ ಬೀರುತ್ತವೆ ಮತ್ತು ಅವು ಪ್ರಾಂಪ್ಟ್ನ ಉಳಿದ ಭಾಗಕ್ಕಿಂತ ಹೆಚ್ಚು ಬಲವಾದ ಔಟ್ಪುಟ್ ಕಾಂಟ್ರ್ಯಾಕ್ಟ್ ಅನ್ನು ರೂಪಿಸುತ್ತವೆ.
ಮಾತಿನ ಶೈಲಿಯನ್ನು ಕಲಿಸಲು ಫ್ಯೂ-ಶಾಟ್ ಉದಾಹರಣೆಗಳನ್ನು ಬಳಸಬಾರದು ಎಂಬುದನ್ನು ನಾವು ಕಲಿತಿದ್ದೇವೆ. ನಮ್ಮ ಗ್ರಾಹಕ-ಮುಖಿ ಏಜೆಂಟ್ಗಳಿಗೆ ಮಾಡಿದ ಅತ್ಯಂತ ಪರಿಣಾಮಕಾರಿ ಬದಲಾವಣೆಗಳಲ್ಲಿ ಇದೂ ಒಂದು.
ಬದಲಿಗೆ, ಇಡೀ ಪ್ರಾಂಪ್ಟ್ ಅನ್ನು ಉದ್ದೇಶಿತ ಮಾತಿನ ಶೈಲಿಯಲ್ಲೇ ಬರೆಯುತ್ತೇವೆ. ಮಾತಿನ ಧಾಟಿಯನ್ನು ವಿವರಿಸುವುದಾಗಲೀ, ಅದಕ್ಕೆ ಸರಿಸುಮಾರಾಗಿ ಹೊಂದಿಕೊಳ್ಳುವ ಗುಣವಾಚಕಗಳನ್ನು ಪಟ್ಟಿ ಮಾಡುವುದಾಗಲೀ ಅಲ್ಲ; ಬದಲಿಗೆ ಮೊದಲ ಸಾಲಿನಿಂದ ಕೊನೆಯವರೆಗೂ ಪೂರ್ಣ ಗದ್ಯ ರೂಪದಲ್ಲಿ ನೈಜ ಮಾತಿನ ಶೈಲಿಯಲ್ಲೇ ಬರೆಯುತ್ತೇವೆ. ಪ್ರಾಂಪ್ಟ್ ಸ್ವತಃ ಒಂದು ಉದಾಹರಣೆಯಾಗುತ್ತದೆ. ಇದನ್ನು ನಾವು “ಸ್ಕ್ರಿಪ್ಟ್-ವಿರೋಧಿ ವಿಧಾನ” ಎಂದು ಕರೆಯುತ್ತೇವೆ: ಅಂದರೆ ಪ್ರಾಂಪ್ಟ್ನ ವ್ಯಾಪ್ತಿಯಲ್ಲೇ ಇರುವ ಹೆಚ್ಚು ವೈವಿಧ್ಯಮಯ ಭಾಷೆ ಮತ್ತು ನುಡಿಗಟ್ಟುಗಳನ್ನು ಬಳಸಲು ಅವಕಾಶ ನೀಡುತ್ತಾ, ತನ್ನ ಇನ್ಪುಟ್ ಅನ್ನು ಅನುಕರಿಸುವಂತೆ ಮಾಡೆಲ್ಗೆ ಮಾರ್ಗದರ್ಶನ ನೀಡುವುದು.
ಒಂದೇ ರೀತಿಯ ಸುಸಂಬದ್ಧ ಮಾತಿನ ಶೈಲಿಯನ್ನುು ಉಳಿಸಿಕೊಂಡೇ ವೈವಿಧ್ಯ ತರಲು ನಾವು ಹೀಗೆ ಪ್ರಾಂಪ್ಟ್ ನೀಡುತ್ತೇವೆ. ಪ್ರತ್ಯೇಕ ಸೂಚನೆಗಳ ನೀಡದೆಯೇ, ಅವುಗಳನ್ನು ಆದಷ್ಟು ಕಡಿಮೆ ಮಾಡಲು ಪ್ರಯತ್ನಿಸುತ್ತಿದ್ದೇವೆ. ಇದು ಯಾವುದೇ ಏಜೆಂಟ್ಗಾಗಿ ಸಂಭಾಷಣೆಯನ್ನೇ ಪ್ರಮುಖ ಆದ್ಯತೆಯನ್ನಾಗಿಸುವ ನಮ್ಮ ಕಾರ್ಯತಂತ್ರ ಭಾಗವಾಗಿದೆ.
ಮಾತಿನ ಶೈಲಿಗೆ ನಾವು ಸ್ಪಷ್ಟ ಉದಾಹರಣೆಗಳನ್ನು ಬಳಸುವುದಾದರೆ, ಅವು “ಏನು ಮಾಡಬಾರದು” ಎಂಬುದನ್ನು ತೋರಿಸುತ್ತವೆ. ಉದಾಹರಣೆಗೆ, “ಎಮ್ ಡ್ಯಾಶ್ (—) ಗಳನ್ನು ಎಂದಿಗೂ ಬಳಸಬೇಡಿ. ರೂಢಿಗತ ನುಡಿಗಟ್ಟುಗಳು ಬೇಡ. ನಿಯಮಗಳನ್ನು ಯಥಾವತ್ತಾಗಿ ಇಳಿಸಬೇಡಿ. ಒಂದೇ ವಾಕ್ಯದಲ್ಲಿ ವಿಷಯ ಮುಗಿಯುವಂತಿದ್ದರೆ ಅತಿಯಾಗಿ ವಿವರಿಸಬೇಡಿ.” ಸಕಾರಾತ್ಮಕ ಆಶಯಗಳಿಗಿಂತ ನಕಾರಾತ್ಮಕ ನಿರ್ಬಂಧಗಳೇ ಹೆಚ್ಚು ನಿಖರ ಹಾಗೂ ಕಡಿಮೆ ನಿರ್ಬಂಧಕಾರಿಯೂ ಆಗಿವೆ. ಏಕೆಂದರೆ ಮಾಡೆಲ್ ಹೆಚ್ಚಾಗಿ ಎಸಗಬಹುದಾದ ತಪ್ಪುಗಳನ್ನು ಅವು ನೇರವಾಗಿ ಲೇಬಲ್ ಮಾಡುತ್ತವೆ.
ಇಲ್ಲಿ ಸ್ವರೂಪವೂ ಮುಖ್ಯ; ಅದು ಪ್ರತಿಕ್ರಿಯೆಯ ಧಾಟಿಯನ್ನು ನಿರ್ಧರಿಸುತ್ತದೆ. ಬುಲೆಟ್ ಪಾಯಿಂಟ್ಗಳು, ಶೀರ್ಷಿಕೆಗಳು ಮತ್ತು ಆವರಣ ಚಿಹ್ನೆಗಳಲ್ಲಿರುವ ಸೂಚನೆಗಳಿಂದ ತುಂಬಿದ ಪ್ರಾಂಪ್ಟ್, ಹೆಚ್ಚು ವ್ಯವಸ್ಥಿತ ಮತ್ತು ನಿರ್ಲಿಪ್ತ ಔಟ್ಪುಟ್ ನೀಡುವಂತೆ ಮಾಡೆಲ್ಗೆ ಮಾರ್ಗದರ್ಶನ ನೀಡುತ್ತದೆ. ಔಟ್ಪುಟ್ ಸಂಭಾಷಣೆಯಂತೆ ಭಾಸವಾಗಬೇಕಾದರೆ, ಇನ್ಪುಟ್ ಸಂಕ್ಷಿಪ್ತ ನಿರ್ದಿಷ್ಟೀಕರಣದ ದಾಖಲೆಯಂತೆ ಕಾಣಬಾರದು.
ಮಾತಿನ ಧಾಟಿಗಾಗಿ ನೀಡುವ ಬಹುತೇಕ ಪ್ರಾಂಪ್ಟ್ಗಳು ಕೊನೆಗೆ ವ್ಯಕ್ತಿತ್ವದ ವಿವರಣೆಯಾಗಿಬಿಡುತ್ತವೆ. ಏಜೆಂಟ್ ಹೇಗೆ ಮಾತನಾಡಬೇಕು ಎಂಬುದನ್ನು ವಿವರಿಸುವ ವಿಶೇಷಣಗಳ ಪಟ್ಟಿಯನ್ನು ನೀಡಲಾಗುತ್ತದೆ. ಆತ್ಮೀಯ. ವೃತ್ತಿಪರ. ಸ್ನೇಹಪರ, ಆದರೆ ಸಂಕ್ಷಿಪ್ತ. ಇವು ತಪ್ಪಲ್ಲ. ಆದರೆ ಸಂಭಾಷಣೆಯಲ್ಲಿ ಮಾತಿನ ಧಾಟಿಯು ಹೇಗೆ ತಲುಪುತ್ತದೆ ಎಂಬುದನ್ನು ನಿಜವಾಗಿ ನಿರ್ಧರಿಸುವುದು ಭಾಷಾ ಸ್ತರ: ಒಂದೇ ಮೂಲಭೂತ ವ್ಯಕ್ತಿತ್ವವು ವಿಭಿನ್ನ ಸಾಮಾಜಿಕ ಸಂದರ್ಭಗಳಲ್ಲಿ ಹೇಗೆ ವರ್ತಿಸುತ್ತದೆ ಎಂಬುದು.
ಪ್ರಶ್ನೆಯನ್ನು ಪ್ರಕ್ರಿಯೆಗೊಳಿಸುತ್ತಿರುವಾಗ ನೀಡುವ ನಿರೀಕ್ಷಣಾ ಸಂದೇಶವು ಅಂತಿಮ ಉತ್ತರದಂತೆ ಕೇಳಿಸಬಾರದು. ಸುರಕ್ಷತಾ ಮಿತಿಯ ಪ್ರತಿಕ್ರಿಯೆಯು ಸಣ್ಣಪುಟ್ಟ ಮಾತುಕತೆಯಷ್ಟೇ ಲವಲವಿಕೆಯಿಂದ ಇರಬಾರದು. ಹತಾಶಗೊಂಡ ಗ್ರಾಹಕರಿಗೆ, ಸುಮ್ಮನೆ ವೀಕ್ಷಿಸುತ್ತಿರುವ ಗ್ರಾಹಕರಿಗೆ ನೀಡುವಷ್ಟೇ ಆಕರ್ಷಕ ಅಥವಾ ಹಾಸ್ಯಮಯ ಪ್ರತಿಕ್ರಿಯೆ ನೀಡಬಾರದು.
ಇದು ಬ್ರ್ಯಾಂಡ್ ಧ್ವನಿ ಮತ್ತು ಸಂಭಾಷಣೆ ವಿನ್ಯಾಸದ ನಡುವಿನ ವ್ಯತ್ಯಾಸ. ಬ್ರ್ಯಾಂಡ್ ಧ್ವನಿಯು ಸಾಮಾನ್ಯವಾಗಿ ವ್ಯಕ್ತಿತ್ವವನ್ನು ವಿವರಿಸುತ್ತದೆ; ಸಂದರ್ಭಗಳು ಬದಲಾದಾಗ ಆ ವ್ಯಕ್ತಿತ್ವ ಹೇಗೆ ವರ್ತಿಸಬೇಕು ಎಂಬುದನ್ನು ಸಂಭಾಷಣೆ ವಿನ್ಯಾಸ ನಿರ್ಧರಿಸುತ್ತದೆ. ಇದನ್ನು ಸರಿಯಾಗಿ ಮಾಡುವುದೆಂದರೆ, ನಾವು ಕೇವಲ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯ ಔಟ್ಪುಟ್ಗಳಿಗೆ ಕಾಪಿರೈಟರ್ಗಳಲ್ಲ. ಸಂಭಾಷಣೆಯುದ್ದಕ್ಕೂ ಧ್ವನಿ ಹೇಗೆ ಸಾಗಬೇಕು ಎಂಬುದನ್ನು ನಾವು ವಿನ್ಯಾಸಗೊಳಿಸುತ್ತಿದ್ದೇವೆ.
ಈ ಮಾದರಿಗಳಲ್ಲಿ ಯಾವುದೂ ತಾಂತ್ರಿಕವಾಗಿ ಸಂಕೀರ್ಣವಾಗಿಲ್ಲ ಎಂಬುದು ನಿಮಗೆ ಕಾಣುತ್ತದೆ. ಅದೇ ಇದರ ಉದ್ದೇಶದ ಒಂದು ಭಾಗ. ಏಜೆಂಟ್ ವ್ಯವಸ್ಥೆಯ ಆರ್ಕಿಟೆಕ್ಚರ್ ಮುಖ್ಯವಾದದ್ದೇ, ಆದರೆ ಸಂಭಾಷಣೆಯ ಗುಣಮಟ್ಟದ ವಿಷಯಕ್ಕೆ ಬಂದಾಗ, ನಿಮ್ಮ ಪ್ರಾಂಪ್ಟ್ಗಳನ್ನು ವಿನ್ಯಾಸಗೊಳಿಸಲು ಮತ್ತು ಪರಿಷ್ಕರಿಸಲು ನೀವು ಸಾಕಷ್ಟು ಸಮಯವನ್ನು ಮೀಸಲಿಡಬೇಕಾಗುತ್ತದೆ.
ಕೇವಲ ಕಾರ್ಯನಿರ್ವಹಿಸುವ AI ಮತ್ತು ಸಹಜವಾಗಿ ಸಂಭಾಷಿಸುವ AI ನಡುವಿನ ಅಂತರವನ್ನು ತಾಂತ್ರಿಕ ವಿನ್ಯಾಸ ಮಾತ್ರ ನಿವಾರಿಸುವುದಿಲ್ಲ. ಮಾನವ ಸಂವಾದದಲ್ಲಿ ಭಾಷೆ ಮತ್ತು ಗಮನ ಹೇಗೆ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತವೆ ಎಂಬ ಸ್ಪಷ್ಟ ತಿಳುವಳಿಕೆ ಹಾಗೂ ನಿಮ್ಮ ಏಜೆಂಟ್ಗಳ ಸಮಸ್ಯಾ ವಲಯದ ಕೇಂದ್ರಭಾಗದಲ್ಲಿ ಸಂವಾದವನ್ನು ಇರಿಸುವುದರಿಂದ ಅದು ನಿವಾರಣೆಯಾಗುತ್ತದೆ.
AI ಪ್ರಾಡಕ್ಟ್ ಟೀಮ್ಗಳುು, ಎಂಜಿನಿಯರ್ಗಳು ಮತ್ತು ಅನುಭವಿ ವಿನ್ಯಾಸಕರು ಗ್ರಾಹಕ-ಮುಖಿ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯಲ್ಲಿ ತಾಂತ್ರಿಕ ಉತ್ಕೃಷ್ಟತೆಗೆ ನೀಡುವಷ್ಟೇ ಶಿಸ್ತನ್ನು ಸಂಭಾಷಣೆ ವಿನ್ಯಾಸಕ್ಕೂ ನೀಡಬೇಕು. ಈ ಸಂಭಾಷಣೆಗಳ ಇನ್ನೊಂದು ಬದಿಯಲ್ಲಿರುವ ಜನರಿಗೆ, ಯಾವುದೇ ಮಾಡೆಲ್, ಯಾವುದೇ ಮಲ್ಟಿ-ಏಜೆಂಟ್ ಸಹಯೋಗ, ಯಾವುದೇ ಟೂಲ್ ಕಾಲ್ ಇರುವುದಿಲ್ಲ — ಅವರಿಗಿರುವುದು ಸರಿಯಾಗಿಯೇ ಅನಿಸುವ ಅಥವಾ ಅನಿಸದ ಒಂದು ಸಂವಹನ ಮಾತ್ರ. ಅದು ನಂಬಿಕೆಯನ್ನು ಬೆಳೆಸುತ್ತದೆ ಅಥವಾ ಅದನ್ನು ಕುಗ್ಗಿಸುತ್ತದೆ.
ಅಂತಿಮವಾಗಿ, ಯಾರ ಗಮನಕ್ಕೂ ಆ ಆರ್ಕಿಟೆಕ್ಚರ್ ಬರುವುದೇ ಇಲ್ಲ. ಅವರು ಗಮನಿಸುವುದು ಕೇವಲ ಸಂವಾದವನ್ನು ಮಾತ್ರ.
ಸಂಭಾಷಣೆಯೇ ನಿಜವಾದ ಪ್ರಾಡಕ್ಟ್ .