𝗠𝗮𝘀𝘁𝗲𝗿𝗶𝗻𝗴 𝗟𝗟𝗠 𝗣𝗿𝗼𝗺𝗽𝘁𝗶𝗻𝗴: 𝗔 𝗗𝗲𝘃𝗲𝗹𝗼𝗽𝗲𝗿'𝘀 𝗚𝘂𝗶𝗱𝗲

ಕಳಪೆ AI ಪ್ರತಿಕ್ರಿಯೆಗಳಿಗೆ ಮಾಡೆಲ್ ಕಾರಣವಲ್ಲ. ಅವುಗಳಿಗೆ ಪ್ರಾಂಪ್ಟ್ (prompt) ಕಾರಣವಾಗಿರುತ್ತದೆ.

ಪ್ರಾಂಪ್ಟಿಂಗ್ ಎಂಬುದು ಒಂದು ಕೌಶಲ. ನಿರ್ದಿಷ್ಟ ತಂತ್ರಗಳನ್ನು ಬಳಸುವ ಮೂಲಕ ನೀವು ಇದನ್ನು ಸುಧಾರಿಸಬಹುದು. ಉತ್ತಮ ಕೋಡ್ ಮತ್ತು ಚುರುಕಾದ ಉತ್ತರಗಳನ್ನು ಪಡೆಯಲು ಈ ವಿಧಾನಗಳನ್ನು ಬಳಸಿ.

ನಿರ್ದಿಷ್ಟ ಸಂದರ್ಭವನ್ನು ನೀಡಿ (Give Specific Context) ಸಾಮಾನ್ಯ ಪ್ರಶ್ನೆಗಳನ್ನು ಕೇಳುವುದನ್ನು ನಿಲ್ಲಿಸಿ.

  • ಕೆಟ್ಟದ್ದು: "ನಾನು ಇಮೇಲ್‌ಗಳನ್ನು ಹೇಗೆ ವ್ಯಾಲಿಡೇಟ್ ಮಾಡುವುದು?"
  • ಉತ್ತಮದ್ದು: "ನಾನು Node.js Express API ಅನ್ನು ನಿರ್ಮಿಸುತ್ತಿದ್ದೇನೆ. email-validator ಪ್ಯಾಕೇಜ್ ಬಳಸಿ ಇಮೇಲ್‌ಗಳನ್ನು ಹೇಗೆ ವ್ಯಾಲಿಡೇಟ್ ಮಾಡುವುದು ಎಂದು ತೋರಿಸಿ. 400 status code ನೊಂದಿಗೆ error handling ಅನ್ನು ಸೇರಿಸಿ."

ಒಂದು ವ್ಯಕ್ತಿತ್ವವನ್ನು (Persona) ನೀಡಿ AI ಯೇ ಯಾರು ಆಗಿರಬೇಕು ಎಂದು ತಿಳಿಸಿ.

  • ಬದಲಾಗಿ: "Unique IDs ಗಾಗಿ ಒಂದು ಫಂಕ್ಷನ್ ಬರೆಯಿರಿ."
  • ಪ್ರಯತ್ನಿಸಿ: "ನೀವು ಒಬ್ಬ ಸೀನಿಯರ್ ಬ್ಯಾಕೆಂಡ್ ಇಂಜಿನಿಯರ್. ಟೈಮ್‌ಸ್ಟ್ಯಾಂಪ್ ಮೂಲಕ ಸಾರ್ಟ್ ಮಾಡಬಹುದಾದ ಗ್ಲೋಬಲ್ ಯುನಿಕ್ ಐಡಿಗಳಿಗಾಗಿ (globally unique IDs) ಒಂದು Python ಫಂಕ್ಷನ್ ಬರೆಯಿರಿ. ನಿಮ್ಮ ನಿರ್ಧಾರಗಳನ್ನು ವಿವರಿಸಿ."

'ಚೈನ್ ಆಫ್ ಥಾಟ್' (Chain of Thought) ಬಳಸಿ ಕಠಿಣ ಕೆಲಸಗಳಿಗಾಗಿ, AI ಯನ್ನು ಹಂತ ಹಂತವಾಗಿ ಯೋಚಿಸಲು ಕೇಳಿ. ಇದು ಮಾಡೆಲ್ ತನ್ನ ತರ್ಕವನ್ನು (logic) ತೋರಿಸಲು ಪ್ರೇರೇಪಿಸುತ್ತದೆ.

  • ಕೇಳಿ: "ನಿಮ್ಮ ಆಲೋಚನಾ ಪ್ರಕ್ರಿಯೆಯನ್ನು ಹಂತ ಹಂತವಾಗಿ ವಿವರಿಸಿ: 1. ಅಡಚಣೆಗಳನ್ನು (bottlenecks) ಗುರುತಿಸಿ. 2. ತಂತ್ರಗಳನ್ನು ಪಟ್ಟಿ ಮಾಡಿ. 3. ಒಂದು ಪರಿಹಾರವನ್ನು ಶಿಫಾರಸು ಮಾಡಿ. 4. ಕೋಡ್ ಬರೆಯಿರಿ."

ಉದಾಹರಣೆಗಳನ್ನು ನೀಡಿ ನಿಮಗೆ ಬೇಕಾದ ಮಾದರಿಯನ್ನು (pattern) AI ಗೆ ತೋರಿಸಿ. ಇದನ್ನು 'few-shot prompting' ಎಂದು ಕರೆಯಲಾಗುತ್ತದೆ. AI ನಿಮ್ಮ ಶೈಲಿಯನ್ನು ಕಲಿಯಲು "ಮೊದಲು" (Before) ಮತ್ತು "ನಂತರ" (After) ಉದಾಹರಣೆಗಳನ್ನು ನೀಡಿ.

ಕಟ್ಟುನಿಟ್ಟಾದ ಮಿತಿಗಳನ್ನು (Constraints) ನಿಗದಿಪಡಿಸಿ AI ನಿಖರವಾಗಿರಲು ಒತ್ತಾಯಿಸಿ. ನಿಮ್ಮ ಅಗತ್ಯತೆಗಳನ್ನು ಸ್ಪಷ್ಟವಾಗಿ ಪಟ್ಟಿ ಮಾಡಿ:

  • Language version
  • Time complexity
  • Space complexity
  • No external libraries

ಕೆಲಸಗಳನ್ನು ವಿಭಜಿಸಿ ಎಲ್ಲವನ್ನೂ ಏಕಕಾಲದಲ್ಲಿ ಕೇಳಬೇಡಿ. ಹಂತ ಹಂತದ ವಿಧಾನವನ್ನು ಬಳಸಿ:

  • ಹಂತ 1: ಒಂದು ಮೂಲ ಆವೃತ್ತಿಯನ್ನು ರಚಿಸಿ.
  • ಹಂತ 2: Error handling ಸೇರಿಸಿ.
  • ಹಂತ 3: ಕಾರ್ಯಕ್ಷಮತೆಯನ್ನು ಉತ್ತಮಗೊಳಿಸಿ (Optimize performance).
  • ಹಂತ 4: Types ಸೇರಿಸಿ.

ಪರ್ಯಾಯ ಮಾರ್ಗಗಳಿಗಾಗಿ ಕೇಳಿ ಒಂದು ಸಮಸ್ಯೆಯನ್ನು ಪರಿಹರಿಸಲು ಎರಡು ವಿಭಿನ್ನ ಮಾರ್ಗಗಳನ್ನು ಕೇಳಿ. ಇದು ನಿಮಗೆ ಲಾಭ ಮತ್ತು ನಷ್ಟಗಳನ್ನು (trade-offs) ಅರ್ಥಮಾಡಿಕೊಳ್ಳಲು ಸಹಾಯ ಮಾಡುತ್ತದೆ. ಪ್ರತಿ ವಿಧಾನದ ಅನುಕೂಲ ಮತ್ತು ಅನಾನುಕೂಲಗಳನ್ನು ಕೇಳಿ.

ನಿರ್ದಿಷ್ಟ ಫಾರ್ಮ್ಯಾಟ್‌ಗಳನ್ನು ವಿನಂತಿಸಿ ಔಟ್‌ಪುಟ್ ಅನ್ನು ಹೇಗೆ ಸಂಘಟಿಸಬೇಕು ಎಂದು AI ಗೆ ತಿಳಿಸಿ. Issues, Fixes, ಮತ್ತು Performance Impact ನಂತಹ ನಿರ್ದಿಷ್ಟ ಹೆಡರ್‌ಗಳೊಂದಿಗೆ ರಚನಾತ್ಮಕ ಕೋಡ್ ರಿವ್ಯೂ ಅನ್ನು ನೀವು ಕೇಳಬಹುದು.

ಮಾಡಬಾರದ ತಪ್ಪುಗಳು:

  • ಅತಿಯಾದ ಸಂಕ್ಷಿಪ್ತತೆ.
  • ಒಂದೇ ಪ್ರಾಂಪ್ಟ್‌ನಲ್ಲಿ ಸಂಬಂಧವಿಲ್ಲದ ವಿಷಯಗಳನ್ನು ಕೇಳುವುದು.
  • ಮಿತಿಗಳನ್ನು (constraints) ನೀಡಲು ಮರೆಯುವುದು.
  • ಪರಿಶೀಲಿಸದೆ ಮೊದಲ ಉತ್ತರವನ್ನು ಒಪ್ಪಿಕೊಳ್ಳುವುದು.

ಈ ಹಂತಗಳಲ್ಲಿ ಪರಿಣತಿ ಪಡೆಯುವುದು ನೀವು ವೇಗವಾಗಿ ಕೆಲಸ ಮಾಡಲು ಸಹಾಯ ಮಾಡುತ್ತದೆ. ಈ ವಿಧಾನಗಳು ChatGPT, Claude, ಮತ್ತು GitHub Copilot ನಲ್ಲಿ ಕೆಲಸ ಮಾಡುತ್ತವೆ.

ನೀವು ಯಾವ ಪ್ರಾಂಪ್ಟಿಂಗ್ ಟಿಪ್ಸ್‌ಗಳನ್ನು ಬಳಸುತ್ತೀರಿ? ಕಾಮೆಂಟ್‌ನಲ್ಲಿ ತಿಳಿಸಿ.

Source: https://dev.to/samchenreviews/mastering-the-art-of-llm-prompting-a-developers-guide-to-getting-better-answers-from-ai-36k5

Optional learning community: https://t.me/GyaanSetuAi