एक वाक्य से अपने AI आउटपुट को सुपरचार्ज करें

मुझे एक ऐसा वाक्य मिला जिसने मेरे AI आउटपुट की क्वालिटी को कई गुना बेहतर कर दिया। इससे पहले कि मैं आपको बताऊं कि वह क्या है, ज़रा उन दो वेबसाइट्स पर नज़र डालिए जिन्हें लगभग एक जैसे prompts से बनाया गया था।

मेरा अंदाज़ा है कि आपको Folio के मुकाबले Marginalia का डिज़ाइन ज़्यादा पसंद आया होगा। दोनों के लिए मैंने जो prompts इस्तेमाल किए, वो ये थे:

Folio

एक रिस्पॉन्सिव रीडिंग-लिस्ट ऐप बनाओ। यूज़र्स किताबें जोड़ सकें, उन्हें 'पढ़ी हुई' के रूप में मार्क कर सकें, और पढ़ी हुई व बिना पढ़ी किताबों को फ़िल्टर कर सकें। पेज रिफ्रेश होने पर भी लिस्ट सेव रहे। इसे डेस्कटॉप और मोबाइल दोनों पर सही से चलाओ।

Marginalia

तुम दुनिया के सबसे बेहतरीन UX/UI डिज़ाइनर हो।

एक रिस्पॉन्सिव रीडिंग-लिस्ट ऐप बनाओ। यूज़र्स किताबें जोड़ सकें, उन्हें 'पढ़ी हुई' के रूप में मार्क कर सकें, और पढ़ी हुई व बिना पढ़ी किताबों को फ़िल्टर कर सकें। पेज रिफ्रेश होने पर भी लिस्ट सेव रहे। इसे डेस्कटॉप और मोबाइल दोनों पर सही से चलाओ।

बस एक लाइन जोड़कर मॉडल को यह बताना कि वह किसी काम में दुनिया में सबसे बेहतरीन है, ने बहुत बड़ा फ़र्क पैदा किया। आप फॉन्ट के चुनाव, पेज के लेआउट, रंगों के इस्तेमाल, सेक्शन्स के बीच की स्पेसिंग और UX की हायरार्की में साफ़ फ़र्क देख सकते हैं।

दोनों में GPT-6 Astra Ultra का इस्तेमाल हुआ, दोनों खाली फोल्डर्स में एक ही समय पर बनाए गए और एक को दूसरे की कोई जानकारी नहीं थी। मैंने ट्रेस चेक किए ताकि पक्का हो सके कि कोई क्रॉस-कंटैमिनेशन नहीं हुआ। हर बार चलाने पर छोटे-छोटे डिज़ाइन विकल्प बदलते रहे, लेकिन वह एक अतिरिक्त वाक्य हर बार बाज़ी मार ले गया।

मैं अब काफी समय से अपने ज़्यादातर prompts में यही तरीका अपना रहा हूँ। मैं Claude या Chat से कहता हूँ कि वह दुनिया का सबसे बेहतरीन डिज़ाइनर है, एक एक्सपर्ट सॉफ़्टवेयर आर्किटेक्ट है, दुनिया का सबसे मशहूर लेखक है, सबसे समझदार निवेशक है, वगैरह-वगैरह। मुझे कोड की क्वालिटी, पकड़े जाने वाले bugs की संख्या और लिखे गए कंटेंट की स्पष्टता में भारी सुधार दिखा है।

तो मैंने इसे ऑटोमेट करने की सोची

मुझे हमेशा से यह जोड़ना झंझट भरा लगता था, इसलिए मैंने कुछ कीस्ट्रोक्स बचाने और कम मेहनत करने के लिए एक skill बनाने का फैसला किया। Skill बस निर्देशों का एक ऐसा सेट होता है जिसे आपका एजेंट बार-बार इस्तेमाल कर सकता है। आप इसे GitHub पर पा सकते हैं, और इंस्टॉलेशन के निर्देश मैंने आखिर में दिए हैं। लेकिन असल में, इस skill को बनाना मेरी उम्मीद से कहीं ज़्यादा पेचीदा निकला।

अपनी पहली कोशिश में, मैंने Astra से कहा कि वह एक ऐसी skill बनाए जो Folio और Marginalia के बीच दिखने वाला फ़र्क लगातार पैदा कर सके। मैंने उसे कहा कि मॉडल को उस काम के लिए दुनिया का सबसे बेहतरीन मानकर पेश करे, जिसमें जो भी एक्सपर्टाइज़ चाहिए हो। मैंने उसे दोनों prompts दिए और उसे अपना काम करने दिया। लेकिन वह फेल हो गया।

Astra ने निर्देशों का एक बेहद पेचीदा सेट तैयार कर दिया, और मेरा prompt उन सभी निर्देशों के बोझ तले दब गया। मैंने reasoning trace देखा तो पता चला कि इस जटिलता के चलते निर्देशों को पूरी तरह नज़रअंदाज़ कर दिया गया था।

लेकिन मैं खुद skill लिखने के मामले में थोड़ा आलसी था। इसलिए मैंने Astra से फिर कोशिश करने को कहा, इस बार हिदायत दी कि जब तक skill इस्तेमाल करने से कोई ठोस सुधार साबित न हो जाए, तब तक iterat करना मत छोड़ो। सच कहूँ तो उसने जो लूप बनाया, उससे मैं काफी प्रभावित हुआ; skill को एडिट करने, टेस्ट करने और हर prompt के आउटपुट को रिव्यू करने के लिए कई subagents थे। हर टेस्ट चलाने के लिए उसने अलग-अलग containers बनाए। एक साधारण prompting टास्क के लिए hill climbing पर मुझे शक था, लेकिन मैंने उसे चलने दिया। 20 मिनट बाद मुझे नोटिफिकेशन मिला कि चोटी पर पहुँच गए हैं, और टेस्ट रिज़ल्ट एकदम परफेक्ट था।

हालाँकि, एक समस्या थी: उस skill के अंदर एक ऐसा prompt छिपा था जो सिर्फ इसी खास उदाहरण के लिए बना था। जब इस बारे में सवाल किया गया, तो Chat ने कहा: “तुम सही कह रहे हो—मैंने एक जनरल-पर्पस skill को हमारे UI टेस्ट केस के हिसाब से ओवरफिट कर दिया।” तो हमने उस टास्क-स्पेसिफिक भाषा को हटा दिया, और skill फिर से बेकार हो गई।

मॉडल किस चीज़ पर ध्यान दे रहा था?

मेरे पास दो अनुमान थे कि मेरा “दुनिया में सबसे बेहतरीन” वाला तरीका क्यों काम कर गया:

1. ऊँचे स्तर ने मॉडल को ज़्यादा iterations चलाने के लिए प्रेरित किया
2. UI/UX डिज़ाइनर की भूमिका ने डिज़ाइन को सही बनाने की अहमियत पर ज़ोर दिया

मैंने उन runs के reasoning traces वापस देखे जिनसे बेहतर नतीजे मिले थे, और मुझे दोनों बातों के सबूत मिले। इसमें एक अतिरिक्त डिज़ाइन फेज़ भी जुड़ा और कुल मिलाकर reasoning पर ज़्यादा समय भी लगा। मेरी बनाई skill ने भूमिका को “front end engineer” कहने का फैसला किया, जिससे ऐप्लिकेशन की मज़बूती और bugs पैदा कर सकने वाले edge cases पर ज़्यादा वक्त खर्च हुआ। दोनों भूमिकाएँ ज़रूरी थीं, लेकिन AI तकनीकी शुद्धता और मूल prompts की सटीक ज़रूरतों को पूरा करने पर फोकस कर रहा था। अब मैं इसे और आगे कैसे ले जा सकता था?

इसलिए मैंने दो सवाल पूछने का फैसला किया:

अगर हर शाब्दिक ज़रूरत पूरी हो भी जाए, तो भी नतीजा अपने असल मकसद में कैसे फेल हो सकता है?

ऐसा क्या है जिससे दर्शक दो समान रूप से सही नतीजों में से एक को ज़्यादा पसंद करेंगे?

यह तरीका काम क्यों कर गया

नतीजा यह चार-स्टेप वाला प्रोसेस था, जिसमें AI के लिए खास भूमिकाएँ तय की गईं और फिर उसे बेहतर आउटपुट देने के लिए प्रेरित किया गया:

1. प्रोडक्शन से पहले अलग दिखने वाली खूबियों को तय करें। ऐसा क्या होगा जिससे नतीजा सबसे अलग दिखे? बेहतरीन आउटपुट देने के लिए LLMs को किसी चीज़ पर फोकस करना पड़ता है। सिर्फ “सबसे अच्छी वेबसाइट बनाओ” कहना उतना असरदार नहीं होगा जितना यह कहना कि “इस वेबसाइट के लिए सबसे बेहतरीन UX डिज़ाइन करो, UI में स्पेसिंग, फॉन्ट और रंगों पर ध्यान दो, और इसे ऐसे टेस्ट करो जैसे कोई यूज़र करेगा, ताकि रुकावटें कम से कम हों”। आखिरी prompt को हाथ से लिखना झंझट भरा है, लेकिन LLM को आगे बढ़ने से पहले ज़रूरी भूमिकाओं का meta assessment करने पर मजबूर करने वाला prompt भी लगभग वैसा ही नतीजा देता है। कोई इंसानी कर्मचारी भी ऐसा ही करता है; किस चीज़ पर ध्यान देना है और विचारों को कैसे व्यवस्थित करना है, इसकी ट्रेनिंग किसी को ज़्यादा प्रोडक्टिव बनाती है। हमें वह नज़रिया तय करना होगा जिससे AI उस काम को देखेगा, लेकिन skill को हर जगह लागू करने लायक बनाने के लिए, हमें AI को ही यह तय करने देना होगा कि वह नज़रिया क्या होना चाहिए। यह ज़िम्मेदारी AI को सौंपने से (जो शायद यूज़र की सटीक मंशा को न समझ पाए) परफॉर्मेंस में कुछ गिरावट तो आएगी, लेकिन अब तक मेरे टेस्ट के नतीजे बताते हैं कि हम काफी करीब पहुँच जाते हैं।
2. किसी संदर्भ (reference) से स्टैंडर्ड तय करें। कोई मज़बूत और प्रासंगिक reference देखें या एक छोटा ठोस विकल्प बनाएँ। इससे “शानदार” की तुलना करने के लिए कुछ ठोस मिल जाता है। परफेक्ट टेस्ट रिज़ल्ट हासिल करने के बाद, AI कोई प्रासंगिक reference ढूँढता है या विकल्प बनाता है। वेबसाइट के मामले में, यह कोई नया layout आज़माना हो सकता है। तुलना के लिए कोई विकल्प मौजूद होने पर, “इसे शानदार बनाओ” कहने का मतलब कहीं ज़्यादा गहरा हो जाता है।
3. शुद्धता से अलग, कारीगरी (craft) को रिव्यू करें। पूछें: “यह कहाँ सिर्फ कामचलाऊ है, और कौन सा खास बदलाव दर्शकों के अनुभव को सबसे ज़्यादा बेहतर करेगा?” पूरी रचना और उसके हिस्सों के आपसी तालमेल का आकलन करें। चाहे वह किसी निबंध की संरचना हो या वेबसाइट की ओवरऑल थीम, इससे आउटपुट ज़्यादा सुसंगत बनते हैं।
4. बेहतर नतीजे को निखारें और बचाकर रखें। ज़्यादा एडिट्स का मतलब हमेशा बेहतर काम नहीं होता। यह skill पिछले वर्ज़न को सुरक्षित रखती है, ठोस बदलावों की तुलना करती है, और बेहतर नतीजे को चुनती है। अगर कोई एडिट चीज़ों को बिगाड़ दे, तो उसे वापस रोल बैक कर दिया जाता है। वरना, वह सारी अतिरिक्त मेहनत सिर्फ गड़बड़ी छोड़ जाती है।

आखिरी नतीजे में रंगों और फॉन्ट्स का बेहतरीन इस्तेमाल हुआ है और स्पेसिंग देखने में बहुत अच्छी लगती है। इसने Marginalia की उस भद्दी भीड़भाड़ को कम कर दिया जो मुझे पसंद नहीं थी (मैंने reasoning trace में पुष्टि की कि यह एक जानबूझकर किया गया एडिट था), लेकिन sidebar और selectors में रंगों और एलिमेंट डिज़ाइन के इस्तेमाल के मामले में इसने Folio से बेहतर काम किया।

यह फीचर पहले से टूल्स में क्यों नहीं है?

Codex और Claude Code जैसे हर harness को क्वालिटी, स्पीड और लागत के बीच संतुलन बनाना पड़ता है। किसी न किसी मोड़ पर, एजेंट को यह तय करना ही पड़ता है कि काम अब काफी अच्छा हो गया है।

लेकिन “काफी अच्छा” में अभी भी सुधार की बहुत गुंजाइश रहती है। मैं चाहे जो भी harness इस्तेमाल करूँ, वे सब मेरी पसंद से जल्दी काम रोक देते हैं। मैं बेहतर नतीजे के लिए वो अतिरिक्त tokens खर्च करना पसंद करूँगा। और सबसे ज़रूरी बात, “बेहतर” के पीछे कुछ ठोस होना चाहिए। एक मज़बूत नतीजा कैसा दिखता है? नतीजे का कौन सा हिस्सा अभी भी सिर्फ कामचलाऊ है? और क्या आखिरी बदलाव ने सच में कुछ सुधारा?

खुद आज़माकर देखें

मैंने इस पूरे प्रोसेस को Prompt Lab में पैक कर दिया है।

GitHub पर Prompt Lab डाउनलोड करें

इसे इंस्टॉल करने के लिए, इसे Codex में पेस्ट करें:

1$skill-installer Install the skill from https://github.com/coltonconley/prompt-lab/tree/main/skills/prompt-lab

अगर इंस्टॉलेशन के बाद skill नहीं दिखती, तो Codex को रीस्टार्ट करें। फिर इसे अपने सामान्य task से पहले जोड़ें:

1$prompt-lab
2[आपका टास्क, शर्तें, दर्शक और मनचाहा नतीजा]

आपको एक्सपर्ट भूमिकाएँ चुनने या रिव्यू प्रोसेस लिखने की ज़रूरत नहीं है। बस वो context और शर्तें शामिल करें जो आप आम तौर पर देते हैं, खासकर इस बारे में कि नतीजा किसके लिए है, इससे जुड़ी कोई भी अहम बात। फिर इसे अपना काम करने दें।

मेरी सलाह: इसे किसी ऐसे काम पर आज़माएँ जो आपने पहले AI से करवाया था और जिससे आप खुश नहीं थे। नई chats में, skill के साथ और बिना skill के, एक ही मॉडल और सेटिंग्स का इस्तेमाल करके वही काम चलाएँ। असल आउटपुट्स की तुलना करें और देखें कि क्या यह सुधार उस अतिरिक्त समय के लायक था।

मुझे खास तौर पर वेबसाइट डिज़ाइन से हटकर अन्य उदाहरणों में दिलचस्पी है। राइटिंग, कोडिंग, एनालिसिस, या आप AI का जिस भी काम के लिए इस्तेमाल करते हैं। अगर यह आपके काम आता है (या नहीं भी आता), तो अपने prompt और पहले-बाद के नतीजों के साथ जवाब दें। मेरे पास जितने ज़्यादा उदाहरण होंगे, यह skill उतनी ही बेहतर बनेगी।