बहुतेक प्रॉम्प्ट इंजिनिअरिंग अचूकता आणि सूचनांची व्याप्ती यांवर लक्ष केंद्रित करते. प्रत्यक्ष वापरात सर्वाधिक सुधारणा साधण्यासाठी संवादालाच मुख्य रचना समस्या मानावे लागते.
संकेत आणि कृतीवर आधारित हेतू स्पष्ट केल्याने मॉडेलला ज्यातून बाहेर पडता येणार नाही अशी संहिता देण्याऐवजी निर्णय कसा घ्यायचा याचे मार्गदर्शन मिळते. प्रॉम्प्टमधील स्थान ही स्वतःच एक सूचना असते. ओळख सुरुवातीला, वर्तनातील बारकावे मध्यभागी आणि कठोर निर्बंध शेवटी ठेवावेत. खरोखर महत्त्वाची गोष्ट सुरुवात आणि शेवट अशा दोन्ही ठिकाणी ठेवावी.
बोलण्याच्या अपेक्षित ढंगाचे वर्णन करण्याऐवजी प्रॉम्प्ट त्याच ढंगात लिहिणे हा सर्वाधिक परिणामकारक बदलांपैकी एक आहे.
सर्वाधिक सुसंगत एजंटचे प्रॉम्प्ट संभाषणातील वेगवेगळ्या क्षणांना स्वतंत्र संवाद मानतात. प्रत्येक संवादाचे स्वरूप त्याला अनुरूप असते, तरी सर्वत्र बोलण्याचा ढंग ओळखू येण्याइतका समान राहतो.
काही प्रकरणांत विचार करणारे एजंट आणि बोलणारे एजंट वेगळे केल्याने अधिक सुसंगत व संदर्भाधारित उत्तरे मिळतात आणि अंतर्गत रीझनिंग उत्तरांत उघड होण्यापासून रोखले जाते.
भाषाविज्ञान आणि बोधात्मक मानसशास्त्रातील अंतर्दृष्टींवर आधारित प्रॉम्प्टिंगची नवी पद्धत आम्ही यापूर्वी सादर केली होती. एजंटला कार्य करता येईल अशी स्पष्ट आणि सुनियोजित समस्येची व्याप्ती निर्माण करण्याचे महत्त्व आम्ही मांडले होते. ग्राहकाभिमुख एआयमध्ये अंतर्भूत असलेल्या संवादाच्या व्यापक कार्याचाही या व्याप्तीत समावेश असणे आवश्यक आहे.
आता ही तत्त्वे प्रत्यक्ष वापरात आणण्याचा प्रयत्न करताना आमचे प्रॉम्प्ट कसे बदलू लागले, याचे काही व्यावहारिक मार्ग पाहू.
प्रत्यक्ष वापरातील ग्राहकाभिमुख प्रणालींमध्ये प्रॉम्प्टच्या शेकडो आवृत्त्या तपासल्यानंतर दिसले की, अधिक सूचना किंवा उदाहरणे जोडल्याने अथवा प्रॉम्प्ट इंजिनिअरिंगचे नेहमीचे नियम पाळल्याने सर्वाधिक सुधारणा झाल्या नाहीत. त्याऐवजी, संवादालाच समस्येचे केंद्र मानल्याने त्या सुधारणा झाल्या.
सातत्यपूर्ण शोध आणि चाचण्यांमधून अनेक परिणामकारक तंत्रे समोर आली आहेत. आम्ही प्रॉम्प्ट बदलून संभाषण कुठे यशस्वी किंवा अयशस्वी होते हे पाहत असू आणि त्रुटींचा मागोवा मार्गदर्शनाची परिणामकारकता, प्रॉम्प्टची रचना व आमचा भाषावापर यांपर्यंत घेत असू. यातून पुनर्वापर करता येतील अशा काही पद्धती मिळाल्या. त्या एजंट संभाषणातील आपली भूमिका कशी समजतो, पुढील कृती कशी ठरवतो आणि संदर्भ बदलत असतानाही बोलण्याचा ढंग किती सातत्याने राखतो, हे बदलतात.
पुढे दिलेले विवेचन सार्वत्रिक चौकट नाही किंवा प्रॉम्प्टिंगची समस्या आता “सुटली” आहे असा दावाही नाही. केवळ कार्यात्मक अचूकतेऐवजी अधिक चांगला संवाद हे उद्दिष्ट असताना प्रत्यक्ष वापरात टिकलेल्या गोष्टींचे हे पाच पद्धतींतील सार आहे: सुसंगत, नैसर्गिक आणि ब्रँडचे प्रतिनिधित्व करण्याइतकी सातत्यपूर्ण वाटणारी उत्तरे.
एजंट-आधारित प्रणालीची रचना करण्याचे अनेक मार्ग असले, तरी अनेक एजंटमध्ये समन्वय साधणारे कार्यप्रवाह अजूनही लोकप्रिय आहेत. विशेषतः अशा प्रणालींमध्ये, विचार करणारे एजंट आणि बोलणारे एजंट वेगळे केल्याने आम्हाला सर्वाधिक सातत्यपूर्ण सुधारणा दिसली.
हेतूंचे संयोजन, वर्गीकरण, ज्ञान निष्कर्षण आणि साधनांचा वापर ही सर्व पडद्यामागील कामे आहेत. ग्राहकाभिमुख उत्तरे ही समोरच्या स्तरावरील कामे आहेत. एकाच संवादात एकच एजंट दोन्ही कामे करत असेल, तर अंतर्गत रीझनिंग आणि तर्क उत्तरांत उघड होऊ शकतात. उत्तरे संदिग्ध, अनावश्यक अटींनी भरलेली किंवा व्यक्तीच्या गरजांऐवजी प्रक्रियेच्या तर्काभोवती रचलेली होतात.
हा एकच निर्बंध आश्चर्यकारकपणे बरेच काम करतो. तो उत्तरे प्रत्यक्ष संभाषणाशी जोडून ठेवतो, संदर्भ नव्याने सुरू होऊ देत नाही आणि आम्ही ज्याला “फक्त आवश्यक बदल करणे” म्हणतो त्याच्या जवळ जाणारा परिणाम देतो. अखेरीस, एजंट वापरकर्त्याला खरोखर पुढे नेणारी अगदी थोडीच नवीन माहिती जोडतो.
कोणत्या प्रकारचे उत्तर द्यायचे हा निर्णयही महत्त्वाचा असतो. बोलणाऱ्या एजंटला काहीही लिहिण्यापूर्वी उत्तराची कृती निवडायला सांगितल्याने, म्हणजे उत्तर देणे, स्पष्टीकरण मागणे, दुसरीकडे वळवणे किंवा थांबण्यास सांगणे, संभाषणातील सर्वांत सामान्य त्रुटी सातत्याने कमी झाली. ही त्रुटी खराब लेखन नव्हे, तर पूर्णपणे चुकीचे उत्तर देणे ही होती.
योग्य परिस्थितीत नवीनतम अत्याधुनिक मॉडेल या पद्धतीच्या मूलभूत गृहितकालाच आव्हान देऊ लागली आहेत, हे लक्षात घेण्यासारखे आहे. तरीही, विविध कारणांमुळे अनेक निर्माते अजूनही लहान किंवा जुन्या मॉडेलवर अवलंबून असतात. अशा संदर्भांत पडद्यामागील आणि ग्राहकाभिमुख कामे वेगळी ठेवण्याची आम्ही निश्चितच शिफारस करतो.
रीझनिंग न करणाऱ्या मॉडेलसाठी फ्यू-शॉट उदाहरणे परिणामकारक ठरतात, कारण ती ठोस आणि जलद असतात व मॉडेल त्यांना चांगला प्रतिसाद देतात. अतिजुळवणी ही यातील समस्या आहे. मॉडेलला उदाहरण दिल्यावर ते त्यातील शब्द, लय आणि रचना पकडून ठेवते. परिस्थिती बदलली तरी ते त्याच उत्तराशी जवळीक असलेली उत्तरे सतत तयार करते.
नकळत तुम्ही अशी संहिता लिहिलेली असते, जिच्यातून मॉडेल बाहेर पडू शकत नाही.
अंमलबजावणीचे हेतू किंवा मार्गदर्शक नियम हा अधिक टिकाऊ पर्याय आहे. विशिष्ट परिस्थितीत काय बोलायचे हे मॉडेलला दाखवण्याऐवजी, आम्ही व्यापक संकेत आणि कृतीची जोडी देतो: क्ष घडल्यास य करा.
मुख्य फरक असा की, प्रत्येक उदाहरणासोबत क्ष आणि य अधिकाधिक संकुचित व ताठर करण्याऐवजी आम्ही प्रत्येकाभोवती अत्यंत नेमक्या सूचनेची स्पष्ट सीमा आखतो. त्यामुळे उदाहरणांची गरजच उरत नाही. त्यामुळे एजंट साच्याशी नमुना जुळवण्याऐवजी संभाषणातील वास्तविक बदलांना प्रतिसाद देत राहतो.
प्रत्यक्षात हे उदाहरणांपेक्षा कृतीत आणता येणाऱ्या मार्गदर्शक नियमांसारखे दिसते:
एखादा महत्त्वाचा तपशील नसेल, तर स्पष्टीकरणासाठी एक प्रश्न विचारा.
उत्तराला आधार नसेल, तर ते थेट सांगा आणि उपलब्ध असलेली सर्वोत्तम पुढील कृती सुचवा.
विनंती सुरक्षा-मर्यादेत बसत नसेल, तर ती थोडक्यात नाकारा आणि औपचारिकतेशिवाय योग्य दिशेने वळवा.
ही पद्धत आकर्षक वाटत नसली, तरी नमुना उत्तरांच्या संग्रहापेक्षा ती बरीच सक्षम आहे. कारण ती मॉडेलला काय पुन्हा सांगायचे याऐवजी निर्णय कसा घ्यायचा हे शिकवते.
प्रॉम्प्टमध्ये एखादी गोष्ट कुठे आहे, यावर तिला किती महत्त्व मिळते हे ठरते. विविध मॉडेल आणि उपयोजनांमध्ये आम्हाला हा नमुना सातत्याने दिसला आहे. प्रॉम्प्टची सुरुवात आणि शेवट यांकडे तुलनेने खूप जास्त लक्ष जाते. मधल्या भागात बारकावे असतात आणि त्यांची योग्य जागाही नेमकी तिथेच आहे.
हे लक्षात घेऊन आम्ही प्रॉम्प्टची रचना करतो. इतर कोणत्याही गोष्टीपूर्वी ओळख प्रस्थापित करण्यासाठी एजंटची भूमिका आणि स्वतःविषयीची जाणीव सर्वांत वर ठेवली जाते. मधल्या भागात वर्तनाचे तपशील येतात: संभाषण कसे पुढे जाण्याची शक्यता आहे, उत्तरांना दिशा देणारे मार्गदर्शक नियम आणि एजंटने हाताळायच्या विविध परिस्थिती. कठोर निर्बंध आणि तडजोड न करता पाळायचे नियम सर्वांत खाली येतात, जिथे ते सहज लक्षात राहतात.
खरोखर महत्त्वाची कोणतीही गोष्ट आम्ही दोन्ही ठिकाणी ठेवतो. आउटपुटचा एखादा विशिष्ट नियम, उदाहरणार्थ विरामचिन्हे किंवा मांडणीबाबतची ठाम सूचना, दाट प्रॉम्प्टच्या मध्यभागी फक्त एकदाच आली तर ती सहज दुर्लक्षित होऊ शकते. शेवटी पुन्हा सांगितल्यास ती पाळली जाते.
अलीकडे दिलेल्या सूचनेच्या प्रभावाबाबत हे लक्षात घ्यावे की, स्ट्रक्चर्ड आउटपुट्स वापरल्यास ते प्रत्यक्षात प्रॉम्प्टमधील सर्वांत शेवटची सूचना ठरतात. स्ट्रक्चर्ड आउटपुट्समधील वर्णन क्षेत्रांचा उत्तरांच्या गुणवत्तेवर परिणाम होतो आणि ती उर्वरित प्रॉम्प्टपेक्षा अधिक मजबूत आउटपुट करार तयार करतात.
बोलण्याच्या ढंगासाठीही फ्यू-शॉट उदाहरणे वापरू नयेत, हे आम्ही शिकलो आहोत. आमच्या ग्राहकाभिमुख एजंटमध्ये आम्ही केलेल्या सर्वाधिक परिणामकारक बदलांपैकी हा एक आहे.
त्याऐवजी, आम्ही संपूर्ण प्रॉम्प्ट अपेक्षित बोलण्याच्या ढंगात लिहितो. त्या ढंगाचे वर्णन किंवा त्याचा अंदाज देणाऱ्या विशेषणांची यादी नव्हे, तर पहिल्या ओळीपासून शेवटच्या ओळीपर्यंत सलग गद्यात तोच प्रत्यक्ष ढंग वापरतो. प्रॉम्प्ट स्वतःच प्रात्यक्षिक बनतो. आम्ही याला “साचेबद्धतेचा अभाव” म्हणतो: मॉडेलला इनपुटचे अनुकरण करण्याचे मार्गदर्शन करायचे, पण त्याच वेळी प्रॉम्प्टच्या भाषिक परिघातील अधिक वैविध्यपूर्ण भाषा आणि वाक्प्रचार वापरण्याची मुभा द्यायची.
अशा प्रकारे आम्ही सुसंगत बोलण्याच्या ढंगातही वैविध्य आणण्यासाठी प्रॉम्प्ट लिहितो. कोणत्याही एजंटच्या कार्याच्या केंद्रस्थानी संवाद आणण्याच्या आमच्या धोरणाचा हा भाग आहे. त्यामुळे स्वतंत्र स्पष्ट सूचना द्याव्या लागत नाहीत आणि अशा सूचनांची संख्या आम्हाला कमीत कमी ठेवायची आहे.
बोलण्याच्या ढंगाबाबत स्पष्ट उदाहरणे वापरलीच, तर ती “काय करू नये” हे दाखवतात. उदाहरणार्थ, “दीर्घ विरामचिन्ह अजिबात वापरू नका. घिसेपिटे वाक्प्रचार नकोत. धोरणांचा भडिमार नको. एका वाक्यात मुद्दा पूर्ण होत असेल, तर अतिरिक्त स्पष्टीकरण नको.” सकारात्मक अपेक्षांपेक्षा नकारात्मक निर्बंध अधिक नेमके आणि कमी मर्यादित असतात, कारण मॉडेल ज्या चुकांकडे वळण्याची सर्वाधिक शक्यता असते, त्या ते स्पष्टपणे सांगतात.
येथे मांडणीही महत्त्वाची असते आणि ती उत्तराचा ढंग ठरवते. बिंदुनिहाय याद्या, शीर्षके आणि कंसांतील सूचनांनी भरलेला प्रॉम्प्ट मॉडेलला अधिक सुसंघटित व औपचारिक आउटपुटकडे नेतो. आउटपुट संभाषणासारखे वाटावे अशी अपेक्षा असेल, तर इनपुट संक्षिप्त तपशीलपत्रासारखे दिसू नये.
बोलण्याच्या ढंगासाठी केलेले बहुतेक प्रॉम्प्टिंग अखेरीस व्यक्तिमत्त्वापुरते मर्यादित राहते. एजंटने कसे बोलावे हे सांगणारी विशेषणे दिली जातात. आपुलकीचे. व्यावसायिक. मैत्रीपूर्ण, पण नेमके. हे चुकीचे नाही. पण संभाषणात एखादा बोलण्याचा ढंग कसा भासतो, हे प्रत्यक्षात प्रसंगानुरूप भाषाशैली ठरवते: एकच मूलभूत पात्र वेगवेगळ्या सामाजिक परिस्थितींमध्ये कसे वागते.
विनंतीवर प्रक्रिया सुरू असताना दिलेला प्रतीक्षा संदेश अंतिम उत्तरासारखा वाटू नये. सुरक्षा-मर्यादांबाबतचे उत्तर अनौपचारिक गप्पांइतके उत्साही नसावे. निराश झालेल्या ग्राहकाला सहजपणे माहिती पाहणाऱ्या ग्राहकाइतकेच मोहक किंवा विनोदी उत्तर देऊ नये.
ब्रँडचा बोलण्याचा ढंग आणि संभाषण रचना यांतील फरक हाच आहे. ब्रँडचा बोलण्याचा ढंग बहुतेकदा पात्राचे वर्णन करतो, तर परिस्थिती बदलल्यावर ते पात्र कसे वागेल हे संभाषण रचना ठरवते. हे अचूक साध्य करणे म्हणजे आम्ही केवळ एआय आउटपुटवर काम करणारे मजकूरलेखक राहत नाही. संभाषणातून बोलण्याचा ढंग कसा पुढे सरकतो, याची आम्ही रचना करतो.
यांपैकी कोणतीही पद्धत तांत्रिकदृष्ट्या गुंतागुंतीची नाही, हे तुमच्या लक्षात येईल. आणि काही अंशी हाच मुद्दा आहे. एजंट-आधारित प्रणालीची रचना महत्त्वाची असते. मात्र संभाषणाचा दर्जा सुधारण्यासाठी प्रॉम्प्टची रचना आणि परिष्करण यांवर बराच वेळ देणे आवश्यक आहे.
केवळ कार्यक्षम एआय आणि खरोखर संभाषणक्षम एआय यांतील दरी तांत्रिक रचनेने मिटत नाही. मानवी संवादात भाषा आणि लक्ष कसे कार्य करतात हे अधिक स्पष्टपणे समजून आणि एजंटसमोरील समस्येच्या केंद्रस्थानी संवाद आणून ती मिटते.
एआय उत्पादन संघ, अभियंते आणि अनुभव रचनाकारांनी ग्राहकाभिमुख एआयमधील संभाषण रचनेतही तांत्रिक उत्कृष्टतेइतकीच काटेकोरता ठेवली पाहिजे. संभाषणाच्या दुसऱ्या बाजूला असलेल्या व्यक्तीला कोणतेही मॉडेल, अनेक एजंटमधील सहकार्य किंवा साधनाला केलेली विनंती दिसत नाही. तिला फक्त योग्य वाटणारा किंवा न वाटणारा संवाद अनुभवायला मिळतो. तो एकतर विश्वास निर्माण करतो किंवा कमी करतो.
शेवटी, कोणालाही अंतर्गत रचनेचा अनुभव येत नाही. त्यांना संभाषणाचा अनुभव येतो.
संभाषण हेच उत्पादन आहे.