پرامپٹ ایک اسپیسفکیشن ہے۔ پرامپٹ انجینئرنگ کا مطلب ہے اسے اچھی طرح لکھنا اور جانچنا کہ ماڈل اس پر عمل کرتا ہے۔
یہ کیسے کام کرتی ہے
OpenAI کی گائیڈ پرامپٹ انجینئرنگ کو “the process of writing effective instructions for a model” (ترجمہ: ماڈل کے لیے مؤثر ہدایات لکھنے کا عمل) بتاتی ہے، تاکہ وہ “consistently generates content that meets your requirements” (ترجمہ: مسلسل آپ کی ضروریات کے مطابق مواد بنائے)۔ بنیادی تکنیکیں مختلف کمپنیوں میں کافی حد تک ایک جیسی ہیں:
| تکنیک | کیا کریں |
|---|---|
| رولز | قواعد سسٹم پرامپٹ (یا developer پیغام) میں رکھیں اور درخواست صارف کے پیغام میں |
| ساخت | سسٹم پرامپٹ کی ترتیب رکھیں: شناخت، ہدایات، مثالیں، کانٹیکسٹ؛ حصے الگ دکھانے کے لیے Markdown ہیڈنگز اور XML ٹیگز استعمال کریں |
| مثالیں | مختلف کیسز کا احاطہ کرنے والے چند ان پٹ اور آؤٹ پٹ جوڑے دیں (few-shot پرامپٹنگ) |
| ریزننگ | قدم بہ قدم سوچنے کو کہیں (chain of thought)، یا ریزننگ ماڈل استعمال کریں |
| آؤٹ پٹ فارمیٹ | ایک مقررہ فارمیٹ مانگیں، یا جہاں API سپورٹ کرے وہاں اسٹرکچرڈ آؤٹ پٹ استعمال کریں |
| استحکام | ماڈل کا ورژن پن کریں تاکہ برتاؤ آپ کے علم کے بغیر نہ بدلے |
Anthropic کا تعارف تین چیزوں سے شروع کرنے کو کہتا ہے: کامیابی کے واضح معیار، ان پر ٹیسٹ کرنے کا طریقہ، اور پرامپٹ کا پہلا مسودہ۔ عملی طور پر اس کا مطلب ہے ایک eval سیٹ۔
ایک مختصر مثال، پہلے اور بعد میں۔ “Before” والا پرامپٹ صرف ٹکٹ کا خلاصہ مانگتا ہے۔ “After” والا کردار طے کرتا ہے، تین بلٹ پوائنٹس (مسئلہ، گاہک پر اثر، اگلا قدم) مانگتا ہے، ایرر پیغامات گاہک کے الفاظ میں رکھنے اور وجوہات کا اندازہ نہ لگانے کو کہتا ہے:
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>
ایجنٹس کے لیے پرامپٹ ایک بڑے کانٹیکسٹ کا ایک حصہ ہے۔ Anthropic کی context engineering والی تحریر پرامپٹ انجینئرنگ، یعنی “methods for writing and organizing LLM instructions” (ترجمہ: LLM کی ہدایات لکھنے اور منظم کرنے کے طریقے)، کو context engineering سے الگ کرتی ہے، جو ماڈل کو نظر آنے والی باقی ہر چیز سنبھالتی ہے۔
یہ کیوں اہم ہے
- ٹریننگ کے بغیر معیار۔ فائن ٹیوننگ یا بڑے ماڈل سے پہلے، بہتر پرامپٹ آزمانے کے لیے سب سے سستا حل ہے۔
- لاگت۔ سسٹم پرامپٹ ہر درخواست پر دوبارہ بھیجا جاتا ہے۔ جو حصہ آؤٹ پٹ نہیں بدلتا اسے ہٹا دیں؛ پرامپٹ ٹوکن کم کرنا دیکھیں۔
- مائیگریشن۔ ایک ماڈل کے لیے ٹیون کیا گیا پرامپٹ دوسرے پر مختلف برتاؤ کر سکتا ہے۔ ماڈل بدلتے وقت اپنا eval سیٹ دوبارہ چلائیں۔
BroadNet Inference پر
BroadNet کے چیٹ ماڈلز معیاری Chat Completions والی messages لسٹ لیتے ہیں، اس لیے system، user اور assistant رولز اور few-shot مثالیں معمول کے مطابق کام کرتی ہیں۔ کوڈ لکھنے سے پہلے آپ پلے گراؤنڈ میں پرامپٹس آزما سکتے ہیں۔ عربی آؤٹ پٹ کے لیے عربی پرامپٹ انجینئرنگ لہجے، بولی، اعداد اور دائیں سے بائیں فارمیٹنگ کا احاطہ کرتی ہے۔
اسٹرکچرڈ آؤٹ پٹ GLM 5.3 اور Qwen3.8 27B کے لیے دستاویزی ہے۔ DeepSeek V4.1 Flash، GLM 5.3 اور Qwen3.8 27B پر ریزننگ max_tokens میں گنی جاتی ہے، اس لیے “think step by step” (قدم بہ قدم سوچو) والے پرامپٹ کو بجٹ میں بھی جگہ چاہیے۔