10-घटक परफेक्ट ChatGPT प्रॉम्प्ट रेसिपी

एक आदर्श प्रॉम्प्ट में 10 घटक होते हैं: उद्देश्य (15%), भूमिका (10%), संदर्भ (20%), इनपुट डेटा (15%), गुणवत्ता जांच (4%), बाधाएं (8%), उदाहरण (5%), पुनरावृत्ति अनुरोध (5%), निर्देश (10%), और आउटपुट प्रारूप (8%)। आपको हर बार सभी 10 की आवश्यकता नहीं होती, लेकिन यह जानना कि कौन से लीवर खींचने हैं, खेल बदल देता है। 1. संदर्भ (प्रभाव का 20%): पृष्ठभूमि की वास्तविकता जिसमें मॉडल को रहना है। इसमें व्यवसाय प्रकार, उद्योग, दर्शक, लक्ष्य और चुनौतियां शामिल हैं। कभी यह न मानें कि मॉडल आपकी स्थिति जानता है। प्रो टिप: अपना संदर्भ एक बार लिखें, इसे एक टेक्स्ट फ़ाइल (या कस्टम इंस्ट्रक्शंस/प्रोजेक्ट ज्ञान के रूप में) में सहेजें, और हर बार इसे पेस्ट करें। उदाहरण: "मेरी कंपनी 10 से 100 कर्मचारियों वाली रिमोट टीमों को प्रोजेक्ट मैनेजमेंट सॉफ्टवेयर बेचती है। हमारी मुख्य चुनौती यह है कि खरीदार सोचते हैं कि हम मुफ्त टूल्स की तुलना में बहुत महंगे हैं।" 2. उद्देश्य (प्रभाव का 15%): कार्य की स्पष्ट परिभाषा। यदि आपका उद्देश्य अस्पष्ट है, तो आउटपुट शोर होगा। प्रो टिप: अस्पष्ट क्रियाओं को विशिष्ट परिणामों से बदलें। "मेरी मदद करें" न कहें। "बनाएं," "निदान करें," या "फिर से लिखें" कहें। खराब: "मुझे मार्केटिंग के बारे में बताएं।" अच्छा: "छोटे व्यवसायों को लक्षित करने वाले SaaS स्टार्टअप के लिए 90-दिवसीय सामग्री मार्केटिंग रणनीति बनाएं।" 3. इनपुट डेटा (प्रभाव का 15%): वास्तविक जानकारी सौंपें जो मॉडल को काम करने के लिए चाहिए। यह मीटिंग नोट्स, ग्राहक प्रतिक्रिया, एक मोटा ड्राफ्ट, एक शोध रिपोर्ट, या वेबसाइट कॉपी हो सकती है। प्रो टिप: अपने इनपुट डेटा को अपने निर्देशों से अलग करने के लिए XML टैग (जैसे <notes> और </notes>) का उपयोग करें। उदाहरण: "यहां तीन ग्राहक साक्षात्कारों के कच्चे ट्रांसक्रिप्ट हैं। इन ट्रांसक्रिप्ट्स के आधार पर..." 4. भूमिका (प्रभाव का 10%): मॉडल को बताएं कि उसे कौन होना चाहिए। एक भूमिका सौंपने से पूरी तरह से अलग ज्ञान समूह और तर्क पैटर्न सक्रिय होते हैं। प्रो टिप: फोकस को संकीर्ण करने के लिए भूमिका को एक विशिष्ट स्वर या दर्शन के साथ जोड़ें। उदाहरण: "एक विश्व स्तरीय डायरेक्ट रिस्पॉन्स कॉपीराइटर के रूप में कार्य करें जो संक्षिप्त, प्रभावशाली, डेविड ओगिल्वी-शैली ईमेल अभियानों में माहिर है।" 5. निर्देश (प्रभाव का 10%): AI को बताएं कि संदर्भ, उद्देश्य और इनपुट डेटा के साथ वास्तव में क्या करना है। मजबूत क्रिया शब्दों का उपयोग करें। प्रो टिप: जटिल निर्देशों को क्रमांकित चरणों में तोड़ें। उदाहरण: "1. डेटा का विश्लेषण करें। 2. तीन सबसे आम शिकायतों की पहचान करें। 3. उन्हें ठीक करने के लिए सिफारिशों को प्राथमिकता दें। 4. अपने तर्क की व्याख्या करें।" 6. बाधाएं (प्रभाव का 8%): सीमाएं निर्धारित करें। इसमें अधिकतम शब्द गणना, पढ़ने का स्तर, बजट सीमाएं, या ऐसी चीजें शामिल हैं जो इसे करने की अनुमति नहीं है। प्रो टिप: नकारात्मक बाधाएं "AI गंध" को खत्म करने के लिए शक्तिशाली हैं। उदाहरण: "अधिकतम 500 शब्द। 'delve,' 'crucial,' या 'tapestry' शब्दों का उपयोग न करें। पढ़ने के स्तर को 8वीं कक्षा के मानक पर रखें। केवल प्रदान की गई जानकारी का उपयोग करें।" 7. आउटपुट प्रारूप (प्रभाव का 8%): निर्दिष्ट करें कि उत्तर का आकार वास्तव में क्या होना चाहिए। प्रो टिप: यदि डेटा को किसी अन्य सिस्टम में ले जा रहे हैं, तो CSV या JSON मांगें। यदि प्रस्तुत कर रहे हैं, तो Markdown तालिका मांगें। उदाहरण: "उत्तर को तीन कॉलम वाली तालिका में प्रस्तुत करें: समस्या, प्रभाव, और प्रस्तावित समाधान।" 8. उदाहरण (प्रभाव का 5%): इसे फ्यू-शॉट प्रॉम्प्टिंग के रूप में भी जाना जाता है। मॉडल को दिखाएं कि अच्छा आउटपुट कैसा दिखता है। प्रो टिप: यदि मॉडल बार-बार विफल हो रहा है, तो एक आदर्श उदाहरण देना आमतौर पर निर्देशों को फिर से लिखने से तेज़ होता है। उदाहरण: "यहां उस स्वर का उदाहरण है जो मैं चाहता हूं। इनपुट: ग्राहक मूल्य निर्धारण के बारे में शिकायत करता है। आउटपुट: ROI को उजागर करें और तीन प्रासंगिक केस स्टडीज प्रदान करें।" 9. पुनरावृत्ति अनुरोध (प्रभाव का 5%): प्रॉम्प्टिंग एक आगे-पीछे की बातचीत है। प्रो टिप: मॉडल से कई विकल्प उत्पन्न करने के लिए कहें ताकि आप सबसे अच्छी दिशा चुन सकें। उदाहरण: "हेडलाइन के लिए तीन अलग-अलग विकल्प उत्पन्न करें। फिर, अपने स्वयं के उत्तरों की आलोचना करें और मुझे बताएं कि कौन सा सबसे मजबूत है और क्यों।" 10. गुणवत्ता जांच (प्रभाव का 4%): AI से अंतिम उत्तर देने से पहले अपने काम को सत्यापित करने के लिए कहें। प्रो टिप: किसी भी जटिल विश्लेषणात्मक प्रॉम्प्ट के अंत में एक गुणवत्ता जांच जोड़ें। उदाहरण: "अपना अंतिम उत्तर अंतिम रूप देने से पहले, तथ्यात्मक सटीकता की जांच करें, किसी भी कमजोर धारणा की पहचान करें जो आपने बनाई है, और किसी भी लापता जानकारी को उजागर करें जो आपकी सिफारिश को मजबूत बना सकती है।"