---
title: "प्रॉम्प्ट इंजीनियरिंग क्या है? LLM के लिए निर्देश लिखना"
description: "प्रॉम्प्ट इंजीनियरिंग यानी निर्देश लिखना और टेस्ट करना, ताकि LLM हर बार ज़रूरी आउटपुट दे। मुख्य तकनीकें, उन्हें टेस्ट करने का तरीक़ा, और अरबी प्रॉम्प्ट के टिप्स।"
url: https://broadrouter.com/hi/glossary/prompt-engineering/
lang: hi
updated: 2026-11-15
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

यह पेज अंग्रेज़ी से AI की मदद से अनुवाद किया गया है। [अंग्रेज़ी मूल पढ़ें](https://broadrouter.com/glossary/prompt-engineering/) (2026-11-15 को अपडेट किया गया).

# प्रॉम्प्ट इंजीनियरिंग (prompt engineering)

अपडेट किया गया 2026-11-15

प्रॉम्प्ट इंजीनियरिंग, लैंग्वेज मॉडल को दिए जाने वाले निर्देशों को लिखने, ढाँचा देने और टेस्ट करने की प्रक्रिया है, ताकि मॉडल लगातार आपकी ज़रूरतों के मुताबिक़ आउटपुट दे। इसमें रोल मैसेज, साफ़ निर्देश, उदाहरण, फ़ॉर्मैटिंग और टेस्ट केस पर नतीजों को मापना शामिल है।

अन्य नाम: प्रॉम्प्ट इंजीनियरिंग, प्रॉम्प्ट लिखना, prompt engineering kya hai, prompt kaise likhe, prompt engineering, prompt design, prompting techniques

प्रॉम्प्ट एक स्पेसिफ़िकेशन है। प्रॉम्प्ट इंजीनियरिंग का मतलब है उसे अच्छी तरह लिखना और जाँचना कि मॉडल उसका पालन करता है।

## यह कैसे काम करती है

OpenAI की गाइड प्रॉम्प्ट इंजीनियरिंग को “the process of writing effective instructions for a model” (अनुवाद: मॉडल के लिए असरदार निर्देश लिखने की प्रक्रिया) बताती है, ताकि वह “consistently generates content that meets your requirements” (अनुवाद: लगातार आपकी ज़रूरतों के मुताबिक़ कंटेंट बनाए)। मुख्य तकनीकें अलग-अलग कंपनियों में काफ़ी हद तक एक जैसी हैं:

| तकनीक | क्या करें |
| --- | --- |
| रोल | नियम [सिस्टम प्रॉम्प्ट](https://broadrouter.com/hi/glossary/system-prompt/) (या developer मैसेज) में रखें और अनुरोध यूज़र मैसेज में |
| ढाँचा | सिस्टम प्रॉम्प्ट का क्रम रखें: पहचान, निर्देश, उदाहरण, कॉन्टेक्स्ट; हिस्से अलग दिखाने के लिए Markdown हेडिंग और XML टैग इस्तेमाल करें |
| उदाहरण | अलग-अलग केस कवर करने वाले कुछ इनपुट-आउटपुट जोड़े दें ([few-shot प्रॉम्प्टिंग](https://broadrouter.com/hi/glossary/few-shot-prompting/)) |
| रीज़निंग | स्टेप-बाय-स्टेप सोचने को कहें ([chain of thought](https://broadrouter.com/hi/glossary/chain-of-thought/)), या रीज़निंग मॉडल इस्तेमाल करें |
| आउटपुट फ़ॉर्मैट | एक तय फ़ॉर्मैट माँगें, या जहाँ API सपोर्ट करे वहाँ [स्ट्रक्चर्ड आउटपुट](https://broadrouter.com/hi/glossary/structured-output/) इस्तेमाल करें |
| स्थिरता | मॉडल का वर्शन पिन करें, ताकि व्यवहार आपकी जानकारी के बिना न बदले |

Anthropic का परिचय तीन चीज़ों से शुरू करने को कहता है: सफलता के साफ़ पैमाने, उन पर टेस्ट करने का तरीक़ा, और प्रॉम्प्ट का पहला ड्राफ़्ट। व्यवहार में इसका मतलब है एक [eval](https://broadrouter.com/hi/glossary/eval/) सेट।

एक छोटा उदाहरण, पहले और बाद में। “Before” वाला प्रॉम्प्ट सिर्फ़ टिकट का सारांश माँगता है। “After” वाला भूमिका तय करता है, तीन बुलेट (समस्या, ग्राहक पर असर, अगला क़दम) माँगता है, एरर मैसेज ग्राहक के शब्दों में रखने और कारणों का अंदाज़ा न लगाने को कहता है:

```text
Before: Summarize this ticket.

After:  You summarize support tickets for an engineering team.
        Write 3 bullet points: the problem, the customer impact, the next step.
        Use the customer's words for error messages. Do not guess at causes.
        <ticket>...</ticket>
```

एजेंट के लिए प्रॉम्प्ट एक बड़े कॉन्टेक्स्ट का एक हिस्सा है। Anthropic का context engineering वाला लेख प्रॉम्प्ट इंजीनियरिंग, यानी “methods for writing and organizing LLM instructions” (अनुवाद: LLM के निर्देश लिखने और व्यवस्थित करने के तरीक़े), को [context engineering](https://broadrouter.com/hi/glossary/context-engineering/) से अलग करता है, जो मॉडल को दिखने वाली बाक़ी हर चीज़ सँभालती है।

## यह क्यों मायने रखती है

-   **बिना ट्रेनिंग के क्वालिटी.** [फ़ाइन-ट्यूनिंग](https://broadrouter.com/hi/glossary/fine-tuning/) या बड़े मॉडल से पहले, बेहतर प्रॉम्प्ट सबसे सस्ता उपाय है।
-   **लागत.** सिस्टम प्रॉम्प्ट हर अनुरोध पर दोबारा भेजा जाता है। जो हिस्सा आउटपुट नहीं बदलता, उसे हटा दें; [प्रॉम्प्ट टोकन घटाना](https://broadrouter.com/hi/blog/reduce-prompt-tokens/) देखें।
-   **माइग्रेशन.** एक मॉडल के लिए ट्यून किया गया प्रॉम्प्ट दूसरे पर अलग बर्ताव कर सकता है। मॉडल बदलते समय अपना eval सेट फिर से चलाएँ।

## BroadNet Inference पर

BroadNet के चैट मॉडल स्टैंडर्ड Chat Completions वाली `messages` लिस्ट लेते हैं, इसलिए system, user और assistant रोल और few-shot उदाहरण हमेशा की तरह काम करते हैं। कोड लिखने से पहले आप [प्लेग्राउंड](https://broadrouter.com/hi/guides/try-broadnet-inference-playground/) में प्रॉम्प्ट आज़मा सकते हैं। अरबी आउटपुट के लिए [अरबी प्रॉम्प्ट इंजीनियरिंग](https://broadrouter.com/hi/blog/arabic-prompt-engineering/) रजिस्टर, बोली, अंकों और दाएँ-से-बाएँ फ़ॉर्मैटिंग को कवर करता है।

स्ट्रक्चर्ड आउटपुट [GLM 5.3](https://broadrouter.com/hi/models/glm-5.3/) और [Qwen3.8 27B](https://broadrouter.com/hi/models/qwen3.8-27b/) के लिए डॉक्यूमेंटेड है। DeepSeek V4.1 Flash, GLM 5.3 और Qwen3.8 27B पर रीज़निंग `max_tokens` में गिनी जाती है, इसलिए “think step by step” (स्टेप-बाय-स्टेप सोचो) वाले प्रॉम्प्ट को बजट में भी जगह चाहिए।

## अक्सर पूछे जाने वाले सवाल

### क्या नए मॉडल के साथ भी प्रॉम्प्ट इंजीनियरिंग की ज़रूरत है?

हाँ, हालाँकि तरकीबें बदल जाती हैं। नए मॉडल सादे, सटीक निर्देश अच्छी तरह मानते हैं, इसलिए ज़्यादातर काम ज़रूरतें साफ़ लिखने, उदाहरण देने और असली इनपुट पर टेस्ट करने का है।

### प्रॉम्प्ट के बजाय फ़ाइन-ट्यूनिंग कब करें?

जब उदाहरणों वाला अच्छी तरह टेस्ट किया गया प्रॉम्प्ट भी बड़ी संख्या में केस पर फ़ेल हो, या इतना लंबा हो कि हर अनुरोध में भेजना मुश्किल हो। Anthropic के डॉक्स यह भी बताते हैं कि कम लेटेंसी या कम लागत जैसे कुछ लक्ष्य दूसरा मॉडल चुनकर ज़्यादा आसानी से मिलते हैं।

### क्या अरबी आउटपुट के लिए प्रॉम्प्ट अरबी में लिखें?

दोनों तरीक़े चल सकते हैं। बताएँ कि आपको कौन-सा रजिस्टर या बोली चाहिए, और अंकों व मिले-जुले टेक्स्ट को कैसे सँभालना है। अरबी प्रॉम्प्ट इंजीनियरिंग वाला लेख दोनों तरीक़ों की तुलना करता है।

## यह भी देखें

-   [सिस्टम प्रॉम्प्ट (system prompt)](https://broadrouter.com/hi/glossary/system-prompt/) (शब्द)
-   [फ़्यू-शॉट प्रॉम्प्टिंग (few-shot prompting)](https://broadrouter.com/hi/glossary/few-shot-prompting/) (शब्द)
-   [चेन-ऑफ़-थॉट (chain-of-thought, CoT)](https://broadrouter.com/hi/glossary/chain-of-thought/) (शब्द)
-   [कॉन्टेक्स्ट इंजीनियरिंग (context engineering)](https://broadrouter.com/hi/glossary/context-engineering/) (शब्द)
-   [Eval (LLM इवैल्यूएशन)](https://broadrouter.com/hi/glossary/eval/) (शब्द)
-   [स्ट्रक्चर्ड आउटपुट (structured output)](https://broadrouter.com/hi/glossary/structured-output/) (शब्द)
-   [BroadNet Inference को ब्राउज़र में आज़माएँ, बिना अकाउंट](https://broadrouter.com/hi/guides/try-broadnet-inference-playground/) (गाइड)
-   [अरबी प्रॉम्प्ट इंजीनियरिंग: register, RTL, अंक और मिला-जुला टेक्स्ट](https://broadrouter.com/hi/blog/arabic-prompt-engineering/) (लेख)
-   [प्रॉम्प्ट टोकन कैसे घटाएँ: सिस्टम प्रॉम्प्ट, टूल, डेटा की मापी कटौती](https://broadrouter.com/hi/blog/reduce-prompt-tokens/) (लेख)
-   [फ़ाइन-ट्यूनिंग से पहले: हल करने वाली समस्या तय करें](https://broadrouter.com/hi/blog/fine-tuning-readiness/) (लेख)

इसे अपने असली वर्कलोड पर आज़माएँ। नए अकाउंट Gemma और ट्रांसक्रिप्शन के लिए US$5 के क्रेडिट से शुरू होते हैं। DeepSeek, GLM, और Qwen3.8 के लिए टॉप-अप ज़रूरी है।

[शुरू करें](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=hi-glossary-prompt-engineering&utm_content=page-cta) ·

**स्रोत**

-   [OpenAI API डॉक्स, प्रॉम्प्ट इंजीनियरिंग गाइड (2026-11-15 को जाँचा गया)](https://developers.openai.com/api/docs/guides/prompt-engineering)
-   [Anthropic डॉक्स, प्रॉम्प्ट इंजीनियरिंग का परिचय (2026-11-15 को जाँचा गया)](https://platform.claude.com/docs/en/build-with-claude/prompt-engineering/overview)
-   [Anthropic Engineering, Effective context engineering for AI agents (2026-11-15 को जाँचा गया)](https://www.anthropic.com/engineering/effective-context-engineering-for-ai-agents)
