AI ಕಾಂಟೆಕ್ಸ್ಟ್ ಇಂಜಿನಿಯರಿಂಗ್: ಪ್ರಾಂಪ್ಟ್ಗಳು ಮಾತ್ರ ಏಕೆ ಸಾಕಾಗುವುದಿಲ್ಲ
ಎರಡು ವರ್ಷಗಳ ಹಿಂದೆ, ಪ್ರತಿಯೊಬ್ಬರೂ ಪ್ರಾಂಪ್ಟ್ ಇಂಜಿನಿಯರಿಂಗ್ (prompt engineering) ಬಗ್ಗೆ ಮಾತನಾಡುತ್ತಿದ್ದರು.
ಜನರು ಕೋಡ್ ಬರೆಯಲು ಅಥವಾ ತಜ್ಞರಂತೆ ವರ್ತಿಸಲು ಪ್ರಾಂಪ್ಟ್ಗಳನ್ನು ಹಂಚಿಕೊಳ್ಳುತ್ತಿದ್ದರು. ಇದರ ಉದ್ದೇಶ ಸರಳವಾಗಿತ್ತು: ಉತ್ತಮ ಪ್ರಾಂಪ್ಟ್ ಎಂದರೆ ಉತ್ತಮ ಫಲಿತಾಂಶ.
ಆದರೆ ನೈಜ AI ಉತ್ಪನ್ನಗಳನ್ನು ನಿರ್ಮಿಸುತ್ತಿರುವ ಎಂಜಿನಿಯರ್ಗಳು ಒಂದು ಸತ್ಯವನ್ನು ಕಂಡುಕೊಂಡರು. ಪ್ರಾಂಪ್ಟ್ ಎಂಬುದು ಈ ಒಗಟಿನ ಒಂದು ಭಾಗ ಮಾತ್ರ.
Claude, Cursor ಅಥವಾ GitHub Copilot ನಂತಹ ಆಧುನಿಕ AI ಪರಿಕರಗಳು ಕೇವಲ ಒಂದು ಪ್ರಾಂಪ್ಟ್ ಮೇಲೆ ಅವಲಂಬಿತವಾಗಿಲ್ಲ. ಅವು ಕಾಂಟೆಕ್ಸ್ಟ್ ಇಂಜಿನಿಯರಿಂಗ್ (Context Engineering) ಅನ್ನು ಬಳಸುತ್ತವೆ.
ಪ್ರಾಂಪ್ಟ್ ಇಂಜಿನಿಯರಿಂಗ್ ಹೀಗೆ ಕೇಳುತ್ತದೆ: "ನಾನು ಮಾಡೆಲ್ಗೆ ಏನು ಕೇಳಬೇಕು?"
ಕಾಂಟೆಕ್ಸ್ಟ್ ಇಂಜಿನಿಯರಿಂಗ್ ಹೀಗೆ ಕೇಳುತ್ತದೆ: "ಉತ್ತರವನ್ನು ಸರಿಯಾಗಿ ನೀಡಲು ಮಾಡೆಲ್ಗೆ ಯಾವ ಮಾಹಿತಿ ಬೇಕು?"
ಒಬ್ಬ ಡೆವಲಪರ್ ಬಗ್ಗೆ ಯೋಚಿಸಿ. ನೀವು "ಆ್ಯಪ್ ಕೆಲಸ ಮಾಡುತ್ತಿಲ್ಲ" ಎಂದು ಹೇಳಿದರೆ, ಅವರು ನಿಮಗೆ ಸಹಾಯ ಮಾಡಲು ಸಾಧ್ಯವಿಲ್ಲ. ಅವರು ಅನೇಕ ಪ್ರಶ್ನೆಗಳನ್ನು ಕೇಳುತ್ತಾರೆ.
ನೀವು ಎರರ್ ಲಾಗ್ಗಳು (error logs), ಸ್ಟ್ಯಾಕ್ ಟ್ರೇಸ್ಗಳು (stack traces) ಮತ್ತು ಇತ್ತೀಚಿನ ಡಿಪ್ಲಾಯ್ಮೆಂಟ್ಗಳನ್ನು ನೀಡಿದರೆ, ಅವರು ಅದನ್ನು速速 ಸರಿಪಡಿಸುತ್ತಾರೆ. ಅವರು ಹೆಚ್ಚು ಬುದ್ಧಿವಂತರಾಗಲಿಲ್ಲ; ನೀವು ಅವರಿಗೆ ಉತ್ತಮ ಕಾಂಟೆಕ್ಸ್ಟ್ ನೀಡಿದ್ದೀರಿ ಅಷ್ಟೆ.
AI ಕೂಡ ಇದೇ ರೀತಿ ಕೆಲಸ ಮಾಡುತ್ತದೆ.
ನೀವು AI ಗೆ ಒಂದು SQL ಕ್ವೆರಿಯನ್ನು ಕೇಳಿದರೆ, ಅದು ಊಹಿಸಬಹುದು. ನೀವು ಟೇಬಲ್ ಹೆಸರುಗಳು, ಕಾಲಮ್ ವಿಧಗಳು ಮತ್ತು ನಿರ್ದಿಷ್ಟ ನಿಯಮಗಳನ್ನು ನೀಡಿದರೆ, ಉತ್ತರವು ನಿಖರವಾಗಿರುತ್ತದೆ. ಪ್ರಾಂಪ್ಟ್ ಸರಳವಾಗಿಯೇ ಇರುತ್ತದೆ, ಆದರೆ ಕಾಂಟೆಕ್ಸ್ಟ್ ಬದಲಾಗುತ್ತದೆ.
ಪ್ರೊಡಕ್ಷನ್ AI ವ್ಯವಸ್ಥೆಗಳಲ್ಲಿ, ಮಾಡೆಲ್ ನಿಮ್ಮ ಪಠ್ಯಕ್ಕಿಂತ ಹೆಚ್ಚಿನದನ್ನು ಪಡೆಯುತ್ತದೆ. ಅದು ಸಾಮಾನ್ಯವಾಗಿ ಪಡೆಯುವವುಗಳೆಂದರೆ:
- ಸಿಸ್ಟಮ್ ಸೂಚನೆಗಳು (System instructions)
- ಸಂಭಾಷಣೆಯ ಇತಿಹಾಸ (Conversation history)
- ಡೇಟಾಬೇಸ್ ದಾಖಲೆಗಳು (Database records)
- ಪ್ರಾಜೆಕ್ಟ್ ಫೈಲ್ಗಳು (Project files)
- ಟೂಲ್ ಔಟ್ಪುಟ್ಗಳು (Tool outputs)
AI ಕೋಡಿಂಗ್ ಅಸಿಸ್ಟೆಂಟ್ ನೀವು ಯಾವುದರ ಬಗ್ಗೆ ಮಾತನಾಡುತ್ತಿದ್ದೀರಿ ಎಂಬುದು ಅದಕ್ಕೆ ತಿಳಿದಿರುತ್ತದೆ, ಏಕೆಂದರೆ ಅದು ನಿಮ್ಮ ತೆರೆದಿರುವ ಫೈಲ್ಗಳು ಮತ್ತು ಫೋಲ್ಡರ್ ರಚನೆಯನ್ನು ನೋಡುತ್ತದೆ. ನೀವು ನಾಲ್ಕು ಪದಗಳನ್ನು ಟೈಪ್ ಮಾಡಬಹುದು, ಆದರೆ ಮಾಡೆಲ್ ಸಾವಿರಾರು ಟೋಕನ್ಗಳ (tokens) ಡೇಟಾವನ್ನು ಪಡೆಯುತ್ತದೆ.
ಪ್ರಾಂಪ್ಟ್ನ ಪದಬಳಕೆಯನ್ನು ಸರಿಪಡಿಸಲು ಗಂಟೆಗಟ್ಟಲೆ ಸಮಯ ವ್ಯಯಿಸುವುದನ್ನು ನಿಲ್ಲಿಸಿ. ಬದಲಾಗಿ, ನಿಮ್ಮನ್ನು ನೀವೇ ಕೇಳಿಕೊಳ್ಳಿ: "ಮಾಡೆಲ್ಗೆ ಯಾವ ಮಾಹಿತಿ ಇಲ್ಲ?"
ಒಂದು "ಮ್ಯಾಜಿಕ್" ಪ್ರಾಂಪ್ಟ್ ಅನ್ನು ಹುಡುಕುವ ಬದಲು ಉತ್ತಮ ಡಾಕ್ಯುಮೆಂಟೇಶನ್, API ಸ್ಕೀಮಾಗಳು ಅಥವಾ ಬಿಸಿನೆಸ್ ನಿಯಮಗಳನ್ನು ಒದಗಿಸುವುದು ಹೆಚ್ಚು ಪರಿಣಾಮಕಾರಿ.
ಕಾಂಟೆಕ್ಸ್ಟ್ ಇಂಜಿನಿಯರಿಂಗ್ ಎಂದರೆ ಮಾಡೆಲ್ಗೆ ಸರಿಯಾದ ಸಮಯದಲ್ಲಿ ಸರಿಯಾದ ಡೇಟಾವನ್ನು ನೀಡುವುದು.
ಭಾಗ 2 ರಲ್ಲಿ, ನಾನು ಈ ಕೆಳಗಿನವುಗಳನ್ನು ಒಳಗೊಳ್ಳುತ್ತೇನೆ:
- ಕಾಂಟೆಕ್ಸ್ಟ್ ವಿಂಡೋಗಳು ಮತ್ತು ಟೋಕನ್ಗಳು (Context windows and tokens)
- ಹೆಚ್ಚಿನ ಕಾಂಟೆಕ್ಸ್ಟ್ ಯಾವಾಗಲೂ ಉತ್ತಮವಲ್ಲ ಯಾಕೆ?
- AI ನಲ್ಲಿ ಮೆಮೊರಿ ಹೇಗೆ ಕೆಲಸ ಮಾಡುತ್ತದೆ?
ಉತ್ತಮ AI ವ್ಯವಸ್ಥೆಗಳು ನೀವು ಟೈಪ್ ಮಾಡುವ ಪದಗಳ ಮೇಲೆ ಮಾತ್ರವಲ್ಲದೆ, ತೆರೆಯ ಹಿಂದೆ ಇರುವ ಡೇಟಾ ಮೇಲೆ ಅವಲಂಬಿತವಾಗಿವೆ.
Optional learning community: https://t.me/GyaanSetuAi