AI سیریز انٹرویو 12: پرامپٹ کو کیسے بہتر بنایا جائے؟

پرامپٹ بہتری (Prompt Engineering / Optimization) بڑی زبان کے ماڈل کو "بات ماننے" کے قابل بنانے کا اہم ہنر ہے، خاص طور پر RAG سسٹمز میں، یہ براہ راست فیصلہ کرتا ہے کہ ماڈل تلاش کردہ مواد پر ایمانداری سے عمل کرے گا، فریب سے بچے گا، اور آؤٹ پٹ فارمیٹ کو معیار کے مطابق بنائے گا۔

---

ایک، پرامپٹ بہتری کے بنیادی اصول

1. واضح > پیچیدہ: سادہ صاف ہدایات عام طور پر فینسی تھنک چین سے زیادہ مؤثر ہوتی ہیں۔
2. کافی پابندیاں دیں: ماڈل کو واضح طور پر بتائیں "کیا کر سکتا ہے، کیا نہیں کر سکتا"۔
3. مثالیں فراہم کریں: Few-shot Zero-shot سے زیادہ مستحکم ہے۔
4. قابل تصدیق: ماڈل کو حوالہ یا اعتماد کی سطح دینے دیں تاکہ اگلے مراحل میں فیصلہ آسان ہو۔
5. تکراری بہتری: بیس لائن سے شروع کریں، ہر بار صرف ایک متغیر تبدیل کریں اور اثرات کا موازنہ کریں۔

---

دو، مخصوص بہتری کی تکنیکیں (آسان سے مشکل)

1. کردار کی ترتیب (System Prompt)

آپ ایک پیشہ ور کسٹمر سروس معاون ہیں۔ آپ صرف ذیل میں فراہم کردہ 【حوالہ جات】 کی بنیاد پر سوالات کا جواب دے سکتے ہیں۔
اگر آپ جواب نہیں جانتے تو براہ کرم براہ راست کہیں "مواد میں متعلقہ معلومات نہیں ہے"، خود سے نہ بنائیں۔

• مقصد: حدود اور لہجہ متعین کرنا۔
• بہتری کے نکات: لہجہ (پیشہ ورانہ/دلچسپ)، پابندی کی شدت (سخت/نرم)

2. واضح ہدایات

❌ خراب: "صارف کے سوال کا جواب دیں۔"
✅ اچھا: "صرف ذیل کے 【حوالہ جات】 کی بنیاد پر جواب دیں۔ اگر حوالہ جات میں جواب شامل نہیں ہے تو 'میں اس سوال کا جواب نہیں دے سکتا' کہیں۔"

3. آؤٹ پٹ فارمیٹ کنٹرول

براہ کرم درج ذیل JSON فارمیٹ میں آؤٹ پٹ دیں:
{
  "answer": "آپ کا جواب",
  "confidence": "اعلی/درمیان/کم",
  "sources": [1, 3]
}

• مقصد: اگلے مراحل میں تجزیہ، حوالہ، ڈیبگنگ میں آسانی۔

4. Few-shot مثالیں (انتہائی مؤثر)

مثال 1:
سوال: سالانہ چھٹیاں کتنے دن ہیں؟
حوالہ جات: سالانہ چھٹیوں کے قواعد: 1 سال مکمل ہونے پر 5 دن، 10 سال مکمل ہونے پر 10 دن۔
جواب: 1 سال مکمل ہونے پر 5 دن، 10 سال مکمل ہونے پر 10 دن۔

مثال 2:
سوال: اوور ٹائم کی تنخواہ کیسے حساب کی جاتی ہے؟
حوالہ جات: کام کے دنوں میں اوور ٹائم 1.5 گنا، اختتام ہفتہ 2 گنا۔
جواب: کام کے دنوں میں 1.5 گنا، اختتام ہفتہ 2 گنا۔

اب جواب دیں:
سوال: {صارف کا سوال}
حوالہ جات: {تلاش کردہ مواد}
جواب:

• ٹپ: مثالوں میں مختلف مشکلات کا احاطہ کریں، بہتر ہے کہ ایک "جواب نہیں دے سکتے" والی مثال بھی شامل ہو۔

5. لازمی حوالہ

جواب کے آخر میں [citation:X] کے ساتھ ماخذ نمبر لگائیں۔ مثال: "سالانہ چھٹیاں 5 دن [citation:1]."
اگر متعدد مواد کو یکجا کیا گیا ہے تو الگ الگ نشان زد کریں۔

6. انکار کی حد مقرر کریں

• سخت پابندی: "اگر حوالہ جات سوال سے بالکل متعلق نہیں ہیں تو 'مواد غیر متعلقہ ہے' کہیں۔"
• نرم پابندی: تلاش کے اعتماد کے اسکور کے ساتھ جوڑیں، جب حد سے کم ہو تو خود بخود انکار کی شاخ پر جائیں۔

7. فکر کی زنجیر (Chain-of-Thought) کثیر چھلانگ والی استدلال کے لیے

سوال: ژانگ سان کا باس کون ہے؟
مراحل: 1. پہلے ژانگ سان کا شعبہ تلاش کریں۔ 2. پھر اس شعبے کا سربراہ تلاش کریں۔ 3. حتمی جواب دیں۔
براہ کرم مراحل کے مطابق سوچ کر آؤٹ پٹ دیں۔

8. منفی ہدایت (Negative Prompting)

جواب خود سے نہ بنائیں۔ "ممکن ہے"، "شاید" جیسے مبہم الفاظ استعمال نہ کریں۔ حوالہ جات کے علاوہ کوئی نمبر آؤٹ پٹ نہ کریں۔

---

تین، پرامپٹ کی اچھائی کا اندازہ کیسے لگائیں؟

اشارہ	معنی	کیسے ناپیں
وفاداری	جواب سختی سے حوالہ جات پر مبنی ہے یا نہیں	دستی یا RAGAS کی Faithfulness
انکار کی درستگی	جب انکار کرنا چاہیے تو کیا انکار کرتا ہے	بغیر جواب والے ٹیسٹ سیٹ پر حساب کریں
فارمیٹ کی پیروی کی شرح	کیا JSON/حوالہ کے مطابق آؤٹ پٹ کرتا ہے	ریگولر ایکسپریشن
صارف کی اطمینان	جواب مفید ہے یا نہیں	آن لائن فیڈ بیک / A/B ٹیسٹ

تجویز: ایک چھوٹا ٹیسٹ سیٹ تیار کریں (20-50 کنارے کیسز)، ہر بار پرامپٹ تبدیل کرنے کے بعد اسے چلائیں اور تبدیلیاں نوٹ کریں۔

چار، عام غلطیاں اور بہتری کی سمتیں

مسئلہ کی علامت	ممکنہ وجہ	بہتری کا طریقہ
ماڈل حوالہ جات کو نظر انداز کرتا ہے اور خود جواب دیتا ہے	ہدایات کافی سخت نہیں	تبدیل کریں "صرف مندرجہ ذیل مواد کی بنیاد پر"، اور few-shot کے ساتھ انکار دکھائیں
ماڈل ہمیشہ "نہیں جانتا" کہتا ہے	انکار کی حد بہت زیادہ	حد کم کریں یا تلاش کے معیار کی جانچ کریں
آؤٹ پٹ فارمیٹ بگڑا ہوا، JSON کے مطابق نہیں	ہدایات واضح نہیں	سخت فارمیٹ کی مثالیں شامل کریں، یا function calling استعمال کریں
جواب بہت لمبا/چھوٹا	لمبائی متعین نہیں کی	"3 جملوں سے زیادہ نہیں میں جواب دیں"
کثیر چھلانگ والی استدلال میں غلطی	ماڈل کی استدلال کی صلاحیت ناکافی	مرحلہ وار استدلال دکھانے کا مطالبہ کریں، یا مضبوط ماڈل استعمال کریں
فریبی نمبر/تاریخ ظاہر ہوتی ہے	ماڈل اپنے علم پر انحصار کرتا ہے	زور دیں "اپنی یادداشت میں موجود کسی بھی نمبر کا استعمال نہ کریں، صرف مواد دیکھیں"