प्रॉम्प्टिंग का अंत: AI लूप्स की शुरुआत

अधिकतर लोग अभी भी सही प्रॉम्प्ट खोजने की कोशिश में लगे हैं।

अब यह गलत खेल है।

सबसे अच्छे AI उपयोगकर्ता इसलिए बेहतर नहीं हो रहे क्योंकि उन्हें कोई जादुई वाक्य मिल गया है। वे इसलिए बेहतर हो रहे हैं क्योंकि उन्होंने AI को एक चैट बॉक्स की तरह नहीं, बल्कि एक ऐसे सिस्टम की तरह मानना शुरू कर दिया है जो काम को एक कदम से दूसरे कदम तक ले जा सकता है।

यही बदलाव है: प्रॉम्प्टिंग एक अच्छा उत्तर पाने के बारे में था। लूप्स इस बारे में हैं कि पहले उत्तर के बाद भी काम को आगे बढ़ाते रहना है।

भाग 1 · प्रॉम्प्ट युग का अंत निकट है

हर कोई अभी भी बेहतर प्रॉम्प्ट इकट्ठा करने में लगा है, जो कि AI का उपयोग करने का सबसे कम प्रभावी तरीका है। वे सही वाक्य, सही भूमिका, सही "ऐसा व्यवहार करें जैसे" सेटअप की तलाश में लगे रहते हैं, और फिर हैरान होते हैं कि हर गंभीर काम चालीस मिनट तक एक चैट टैब को संभालने में बदल क्यों जाता है।

• पुराना AI वर्कफ़्लो कुछ इस तरह दिखता है:
• चैट खोलें → संदर्भ पेस्ट करें → एक बार पूछें → आउटपुट ठीक करें → फिर से पूछें → शुरू से करें
• यह उत्पादक लगता है क्योंकि कुछ न कुछ हो रहा है।
• यह अभी भी एक तेज़ ऑटोकम्प्लीट के साथ मैन्युअल काम है।

समस्या यह नहीं है कि प्रॉम्प्ट खराब हैं। समस्या यह है कि एक प्रॉम्प्ट आमतौर पर सिर्फ एक चाल होती है, जबकि असली काम चालों की एक श्रृंखला होता है। शोध रूपरेखा बन जाता है, रूपरेखा ड्राफ्टिंग बन जाती है, ड्राफ्टिंग जाँच बन जाती है, जाँच पुनर्लेखन बन जाती है, पुनर्लेखन प्रकाशन बन जाता है, और फिर परिणाम को अगले प्रयास को सिखाना चाहिए। अधिकतर लोग हर कदम को मैन्युअल रूप से आगे बढ़ाने के लिए खुद को मजबूर करते हैं, और फिर इसे "AI वर्कफ़्लो" कहते हैं।

यह कोई वर्कफ़्लो नहीं है। यह एक ऐसी मशीन पर "जारी रखें" क्लिक करना है जिसे पहले से ही पता होना चाहिए कि आगे क्या होना है।

1आप यहाँ मेरे कार्य का सीधे उत्तर देने के लिए नहीं हैं।
2
3आप यहाँ इसे एक दोहराने योग्य AI लूप में बदलने के लिए हैं।
4
5कार्य:
6[कार्य डालें]
7
8पहले, कार्य को उन चरणों में विभाजित करें जो सामान्यतः मैन्युअल रूप से होते हैं।
9
10फिर एक लूप डिज़ाइन करें जो न्यूनतम मानवीय हस्तक्षेप के साथ उन चरणों को चला सके।
11
12लूप में शामिल होना चाहिए:
13- शुरू करने से पहले AI को किस संदर्भ की आवश्यकता है
14- उसे पहले क्या उत्पन्न करना चाहिए
15- आउटपुट की जाँच कैसे की जानी चाहिए
16- यदि आउटपुट कमजोर है तो क्या होगा
17- अगली बार के लिए क्या सहेजा जाएगा
18- लूप को कब रुकना चाहिए
19- अभी भी किस चीज़ के लिए मानवीय अनुमोदन की आवश्यकता है
20
21सिस्टम को इतना सरल रखें कि मैं इसे हर दिन चला सकूं।

आप मेरे कार्य का सीधे उत्तर नहीं दे रहे हैं। आप इस कार्य को एक दोहराने योग्य AI लूप में बदल रहे हैं।

कार्य है: [कार्य]

लूप को एक सिस्टम की तरह डिज़ाइन करें। समझाएँ कि शुरू करने से पहले AI को किस संदर्भ की आवश्यकता है, उसे पहले क्या उत्पन्न करना चाहिए, आउटपुट का मूल्यांकन कैसे किया जाना चाहिए, यदि आउटपुट कमजोर है तो क्या होना चाहिए, अगली बार के लिए क्या सहेजा जाना चाहिए, और लूप को कब रुकना चाहिए। इसे इतना सरल रखें कि मैं पूरा सेटअप दोबारा बनाए बिना इसे हर दिन चला सकूं।

भाग 2 · कारपैथी ने असली बदलाव की ओर इशारा किया

कारपैथी के सॉफ्टवेयर 3.0 विचार ने लोगों से आसान बात दोहरवाई: अंग्रेज़ी एक प्रोग्रामिंग भाषा बन रही है। वह हिस्सा सच है, लेकिन यह पूरी क्षमता नहीं है। यदि अंग्रेज़ी एक मॉडल को प्रोग्राम कर सकती है, तो अंग्रेज़ी मॉडल के आसपास एक प्रक्रिया को भी प्रोग्राम कर सकती है।

यहीं पर अधिकतर लोग चूक गए। उन्होंने प्राकृतिक भाषा का उपयोग आउटपुट माँगने के लिए किया, सिस्टम डिज़ाइन करने के लिए नहीं। वाइब कोडिंग पहला गड़बड़ संस्करण था: आप जो चाहते हैं उसका वर्णन करें, AI को कोड लिखने दें, उसे चलाएँ, टूटने पर शिकायत करें, कुछ काम करने तक दोहराएँ। लूपिंग उसी प्रवृत्ति का एक साफ़ संस्करण है: AI को एक लक्ष्य दें, उसे उपकरण दें, उसे एक जाँच दें, उसे प्रगति करने दें, और सुनिश्चित करें कि उसे रुकने का समय पता है।

"सबसे गर्म नई प्रोग्रामिंग भाषा अंग्रेज़ी है।"

एंड्रेज कारपैथी द्वारा

लेकिन अंग्रेज़ी को प्रोग्रामिंग भाषा के रूप में उपयोग करने का मतलब यह नहीं है कि आपको लंबे प्रॉम्प्ट लिखने चाहिए। इसका मतलब है कि आपको पूरी मशीन का वर्णन करना शुरू करना चाहिए: वह क्या पढ़ती है, क्या करती है, खुद को कैसे जाँचती है, क्या याद रखती है, और उसे क्या छूने की अनुमति नहीं है।

भाग 3 · लूप ही उत्पाद है

एक उपयोगी लूप कोई विशाल मल्टी-एजेंट कल्पना नहीं है। यह आमतौर पर सबसे अच्छे तरीके से उबाऊ होता है। AI को एक लक्ष्य मिलता है, सही संदर्भ खींचता है, एक कार्रवाई करता है, एक मानक के विरुद्ध परिणाम की जाँच करता है, जो काम किया उसे संग्रहीत करता है, और केवल तभी दोहराता है जब परिणाम अभी तक पर्याप्त अच्छा न हो।

यह एक बदलाव AI को एक टेक्स्ट जनरेटर से एक कर्मचारी में बदल देता है। कोई सही कर्मचारी नहीं, कोई स्वायत्त देवता नहीं, कोई "अपनी टीम को निकाल दो" बकवास नहीं। बस एक प्रक्रिया, एक चेकलिस्ट और जोखिम भरे हिस्सों पर नज़र रखने वाले एक प्रबंधक वाला एक कर्मचारी।

• यह बदलाव पहले से ही दिख रहा है:
• कारपैथी → सॉफ्टवेयर 3.0
• एंथ्रोपिक → एजेंट वर्कफ़्लो
• मेटा/लामा → उपकरण, मूल्यांकन, तैनाती नियंत्रण

यही कारण है कि एंथ्रोपिक के एजेंट पैटर्न मायने रखते हैं। सबसे अच्छे एजेंट सिस्टम दस बॉट्स को एक Discord में फेंकने और उम्मीद करने से नहीं बनते कि कुछ बुद्धिमान होगा। वे सरल टुकड़ों से बनते हैं: रूटिंग, उपकरण, प्रॉम्प्ट चेन, मूल्यांकनकर्ता लूप और ऑर्केस्ट्रेटर-वर्कर सेटअप। जादू मॉडल का एक बार स्मार्ट अभिनय करना नहीं है। जादू मॉडल को एक ऐसी प्रक्रिया से गुज़रने के लिए मजबूर करना है जो कमज़ोर काम को आपके देखने से पहले ही पकड़ लेती है।

मेटा का लामा इकोसिस्टम दूसरी तरफ से उसी दिशा में इशारा करता है। ओपन मॉडल, सुरक्षा परतें, मूल्यांकन, स्थानीय तैनाती, सस्ता रूटिंग, अलग-अलग कामों के लिए अलग-अलग मॉडल। भविष्य एक विशाल मॉडल का सब कुछ जवाब देना नहीं है। भविष्य सिस्टम का है जहाँ सस्ते मॉडल छाँटते हैं, मजबूत मॉडल तर्क करते हैं, स्थानीय मॉडल निजी संदर्भ संभालते हैं, और मूल्यांकनकर्ता पास तय करते हैं कि क्या बचेगा।

भाग 4 · लेखन लूप

अधिकतर AI लेखन खराब होता है क्योंकि लोग बहुत जल्दी एक तैयार लेख माँगते हैं। वे उस हिस्से को छोड़ देते हैं जहाँ विचार का दबाव परीक्षण होता है, हुक को स्कोर किया जाता है, कमज़ोर अनुभागों पर हमला किया जाता है, और सबूत की जाँच की जाती है।

एक वास्तविक लेखन लूप "मुझे एक पोस्ट लिखो" से शुरू नहीं होता। यह एंगल चयन से शुरू होता है। फिर यह एंगल को जिज्ञासा, विशिष्टता, सबूत और भावनात्मक तनाव के विरुद्ध परखता है। फिर यह ड्राफ्ट करता है। फिर यह ड्राफ्ट का मूल्यांकन करता है। फिर यह पुनर्लेखन करता है। उसके बाद ही आपको इसे पढ़ना चाहिए।

एक वास्तविक लेखन लूप में परतें होती हैं:

एंगल → हुक → ड्राफ्ट → आलोचना → पुनर्लेखन → छवि विचार → अगला परीक्षण

अधिकतर लोग केवल ड्राफ्ट माँगते हैं।

यही कारण है कि ड्राफ्ट बाकी सबके जैसा लगता है।

1आप मेरे लेखन लूप हैं।
2
3विषय:
4[विषय डालें]
5
6दर्शक:
7[दर्शक डालें]
8
9शैली:
10[शैली डालें]
11
12लक्ष्य:
13[लक्ष्य डालें]
14
15लेख तुरंत न लिखें।
16
17पहले, इस विषय के लिए 5 संभावित एंगल बनाएँ।
18
19प्रत्येक एंगल के लिए, मूल्यांकन करें:
20- यह कितना क्लिक करने योग्य है
21- यह कितना विशिष्ट है
22- यह कितना उपयोगी है
23- यह सामान्य AI सामग्री से कितना अलग लगता है
24
25सबसे मजबूत एंगल चुनें और बताएँ कि यह क्यों जीतता है।
26
27फिर पहला ड्राफ्ट लिखें।
28
29ड्राफ्ट के बाद, संपादक मोड में जाएँ और इसकी आलोचना करें:
30- कमज़ोर शुरुआत
31- सामान्य दावे
32- गायब सबूत
33- उबाऊ संक्रमण
34- अस्पष्ट लाभ
35- ऐसे अनुभाग जो AI जैसे लगते हैं
36
37फिर उस आलोचना का उपयोग करके लेख को फिर से लिखें।
38
39अंत में, मुझे दें:
401. अंतिम लेख
412. सबसे मजबूत हुक
423. सबसे कमज़ोर शेष अनुभाग
434. 3 छवि विचार
445. अगले संस्करण में मुझे क्या परीक्षण करना चाहिए

लेख के लिए पाँच संभावित एंगल बनाकर शुरू करें। प्रत्येक एंगल को जिज्ञासा, विशिष्टता, उपयोगिता और किसी के क्लिक करने की संभावना के लिए स्कोर करें। सबसे मजबूत एंगल चुनें और बताएँ कि यह क्यों जीतता है।

फिर पहला ड्राफ्ट लिखें। ड्राफ्ट के बाद, मूल्यांकनकर्ता बनें और सामान्य दावों, कमज़ोर सबूत, उबाऊ संक्रमण, अस्पष्ट लाभ और AI जैसे लगने वाले अनुभागों के लिए इस पर हमला करें। उस आलोचना का उपयोग करके लेख को फिर से लिखें। अंत में, मुझे अंतिम ड्राफ्ट, सबसे मजबूत हुक, सबसे कमज़ोर शेष अनुभाग और तीन छवि विचार दें जो लेख को अधिक विश्वसनीय बनाएँगे।

भाग 5 · शोध लूप

यही बात शोध पर भी लागू होती है। अधिकतर लोग AI से "एक विषय पर शोध करने" के लिए कहते हैं, और फिर एक फीका सारांश मिलता है जो Google के दूसरे पेज पर हर ब्लॉग पोस्ट जैसा लगता है। एक शोध लूप को बेतरतीब ढंग से तथ्य एकत्र नहीं करने चाहिए। उसे तनाव की तलाश करनी चाहिए।

इस क्षेत्र के सबसे मजबूत लेख सभी एक ही काम करते हैं: वे एक पुराना व्यवहार ढूंढते हैं, दिखाते हैं कि यह अब क्यों टूट गया है, एक नई श्रेणी पेश करते हैं, फिर पाठक को एक ऐसा सिस्टम देते हैं जिसे वे चुरा सकते हैं। यही कारण है कि "लूप इंजीनियरिंग" "10 क्लॉड प्रॉम्प्ट" से अधिक प्रभावशाली लगती है। एक एक नए ऑपरेटिंग मॉडल जैसा लगता है। दूसरा एक PDF लीड मैग्नेट जैसा लगता है।

1
2इस विषय पर इस तरह शोध करें जैसे मैं एक उच्च-प्रदर्शन X लेख लिख रहा हूँ, न कि SEO ब्लॉग पोस्ट।
3
4विषय:
5[विषय डालें]
6
7मुझे कोई सामान्य सारांश न दें।
8
9विषय के पीछे का तनाव खोजें।
10
11मैं जानना चाहता हूँ:
12- लोग अभी भी कौन सा पुराना व्यवहार कर रहे हैं
13- कौन सा नया व्यवहार उसकी जगह ले रहा है
14- पुराना व्यवहार क्यों टूट रहा है
15- कौन से सबूत या उदाहरण दिखाते हैं कि बदलाव वास्तविक है
16- कौन सा विरोधाभासी एंगल लोगों को स्क्रॉल करना बंद करवाएगा
17- कौन से दावे अतिरंजित लगते हैं और उनसे बचना चाहिए
18
19फिर इसे एक क्रिएटर ब्रीफ में बदलें जिसमें शामिल हों:
20- शीर्षक
21- थीसिस
22- उद्घाटन हुक
23- लेख संरचना
24- सबसे मजबूत उदाहरण
25- छवि विचार
26- पाठक को क्या मानकर जाना चाहिए

भाग 6 · मेमोरी लूप

वह हिस्सा जो लगभग कोई नहीं बनाता है वह है मेमोरी। मेमोरी के बिना, हर AI वर्कफ़्लो को भूलने की बीमारी है। यह आज आपकी मदद कर सकता है, लेकिन कल यह पहले दिन के इंटर्न की तरह फिर से शुरू होता है।

एक मेमोरी लूप इसे बदल देता है। हर प्रोजेक्ट के बाद, AI को निकालना चाहिए कि क्या काम किया, क्या विफल रहा, किस शैली ने प्रदर्शन किया, कौन से उदाहरण सबसे मजबूत थे, कौन से दावे कमज़ोर लगे, और अगली बार क्या पुनः उपयोग किया जाना चाहिए। इस तरह सिस्टम संयोजित होना शुरू होता है।

आपका दूसरा मस्तिष्क बेकार है यदि वह केवल नोट्स संग्रहीत करता है। असली क्षमता तब है जब यह खुद को बनाए रखता है, दोहराए गए विचारों को ढूंढता है, अधूरे विचारों को नोटिस करता है, और आपके पूछने से पहले ही सही संदर्भ को अगले कार्य में धकेल देता है।

1इस कार्य के समाप्त होने के बाद, काम से पुनः उपयोग योग्य सबक निकालें।
2
3निम्नलिखित सहेजें:
4
5कार्य क्या था।
6कौन सा दृष्टिकोण काम आया।
7क्या सामान्य लगा।
8कौन से उदाहरण सबसे मजबूत थे।
9कौन सी संरचना सबसे अच्छी काम आई।
10अगली बार क्या पुनः उपयोग किया जाना चाहिए।
11कौन सी गलती दोहराई नहीं जानी चाहिए।
12
13अगला संबंधित कार्य शुरू करने से पहले, पहले इस मेमोरी की जाँच करें।
14
15यदि मैं कोई पुरानी गलती दोहरा रहा हूँ, तो इसे इंगित करें।
16
17यदि कोई पुराना पैटर्न लागू होता है, तो उसका पुनः उपयोग करें।
18
19यदि महत्वपूर्ण संदर्भ गायब है, तो अंतिम उत्तर देने से पहले उसके लिए पूछें।

इस कार्य के समाप्त होने के बाद, काम से पुनः उपयोग योग्य सबक निकालें।

सहेजें कि कार्य क्या था, कौन सा दृष्टिकोण काम आया, क्या सामान्य लगा, कौन से उदाहरण उपयोगी थे, अगली बार क्या पुनः उपयोग किया जाना चाहिए, और मुझे कौन सी गलती दोहराने से बचना चाहिए। अगला संबंधित कार्य शुरू करने से पहले, पहले इस मेमोरी की जाँच करें और मुझे बताएं कि क्या मैं कोई पुरानी गलती दोहराने वाला हूँ या कोई ऐसा पैटर्न भूल रहा हूँ जो पहले काम कर चुका है।

भाग 7 · अब असली कौशल

प्रॉम्प्टिंग शुरुआती इंटरफ़ेस था। इसने लोगों को सिखाया कि भाषा मॉडलों को नियंत्रित कर सकती है, लेकिन इसने उन्हें बहुत छोटा सोचने के लिए भी प्रशिक्षित किया। वे अभी भी AI को एक ऐसे बॉक्स के रूप में कल्पना करते हैं जो जवाब देता है, जबकि असली अवसर ऐसे सिस्टम बनाना है जो काम को आगे बढ़ाते हैं।

अगला किनारा यह जानना है कि कौन से कार्य लूप के लायक हैं। हर चीज़ को एक की आवश्यकता नहीं है। एक त्वरित प्रश्न एक त्वरित प्रश्न ही रह सकता है। लेकिन जो कुछ भी आप हर दिन, हर हफ्ते, या हर बार जब आप प्रकाशित करते हैं, बेचते हैं, कोड करते हैं, शोध करते हैं, व्यापार करते हैं, संपादित करते हैं, या ज्ञान व्यवस्थित करते हैं, शायद उसे एक ही चैट के अंदर नहीं रहना चाहिए।

उस काम को एक लूप की आवश्यकता है।

एक लूप मनुष्य को बेकार नहीं बनाता। यह मनुष्य को उस हिस्से में ले जाता है जो वास्तव में मायने रखता है: लक्ष्य निर्धारित करना, स्वाद को परिभाषित करना, जोखिम भरे निर्णयों को मंजूरी देना, और प्रत्येक रन के बाद सिस्टम में सुधार करना।

जो लोग अभी भी प्रॉम्प्ट सूचियाँ इकट्ठा कर रहे हैं, वे वाक्य को अनुकूलित कर रहे हैं।

लूप बनाने वाले लोग मशीन को अनुकूलित कर रहे हैं।