OpenAI ನ ಹೊಸ ಪ್ರಾಂಪ್ಟಿಂಗ್ ಮಾರ್ಗದರ್ಶಿ: ಹಂತ-ಹಂತದ ಸ್ಕ್ರಿಪ್ಟ್‌ಗಳಿಗಿಂತ ಫಲಿತಾಂಶಗಳ ಮೇಲೆ ಗಮನ ಹರಿಸಿ

OpenAI ಒಂದು ಹೊಸ ಪ್ರಾಂಪ್ಟಿಂಗ್ ಚೌಕಟ್ಟನ್ನು (framework) ಬಿಡುಗಡೆ ಮಾಡಿದೆ, ಇದು ಸಾಂಪ್ರದಾಯಿಕ "chain-of-thought" ವ್ಯಾಮೋಹಕ್ಕೆ ಸವಾಲು ಹಾಕುತ್ತಾ, ಕಟ್ಟುನಿಟ್ಟಾದ ಸೂಚನೆಗಳಿಗಿಂತ ಫಲಿತಾಂಶಗಳಿಗೆ ಆದ್ಯತೆ ನೀಡುವಂತೆ ಬಳಕೆದಾರರಿಗೆ ಒತ್ತಾಯಿಸುತ್ತದೆ. ಈ ಬದಲಾವಣೆಯು ಹೆಚ್ಚು ಅಂತಃಪ್ರಜ್ಞೆ ಮತ್ತು ತಾರ್ಕಿಕ ಆಲೋಚನೆಗಳನ್ನು ಒಳಗೊಂಡ ಸಂವಹನಗಳತ್ತ ಸಾಗುವ ಸಂಕೇತವಾಗಿದೆ, ಇಲ್ಲಿ ಮಾಡೆಲ್‌ಗೆ ಕಟ್ಟುನಿಟ್ಟಾದ ಸ್ಕ್ರಿಪ್ಟ್‌ಗಳ ಬದಲಿಗೆ ಸ್ವಾಯತ್ತತೆಯನ್ನು (autonomy) ನೀಡಲಾಗುತ್ತದೆ.

ಪರಿಣಾಮಕಾರಿ ಪ್ರಾಂಪ್ಟಿಂಗ್‌ನ ನಾಲ್ಕು ಮೂಲಭೂತ ಅಂಶಗಳು

API ಪ್ಯಾರಾಮೀಟರ್‌ಗಳ ಸಂಕೀರ್ಣ ಕೈಪಿಡಿ ಅಥವಾ ವಿವರವಾದ ಸ್ಕೀಮಾಗಳನ್ನು ಒದಗಿಸುವ ಬದಲು, OpenAI ಪ್ರಾಂಪ್ಟಿಂಗ್ ಆರ್ಕಿಟೆಕ್ಚರ್ ಅನ್ನು ನಾಲ್ಕು ಐಚ್ಛಿಕ ಘಟಕಗಳಾಗಿ ಸರಳಗೊಳಿಸುತ್ತಿದೆ: Goal (ಗುರಿ), Context (ಸಂದರ್ಭ), Output Format (ಔಟ್‌ಪುಟ್ ಫಾರ್ಮ್ಯಾಟ್), ಮತ್ತು Boundaries (ಮಿತಿಗಳು). ಮುಖ್ಯವಾಗಿ, ಇವುಗಳಲ್ಲಿ ಯಾವುದೂ ಕಡ್ಡಾಯವಲ್ಲ. ಸರಳ ಪ್ರಶ್ನೆಗಳಿಗೆ, ಅತಿಯಾದ ಸೂಚನೆಗಳ ಸೆಟ್‌ಗಿಂತ ಚಿಕ್ಕ ಪ್ರಾಂಪ್ಟ್ ಆಗಿ souvent ಉತ್ತಮ ಫಲಿತಾಂಶಗಳನ್ನು ನೀಡುತ್ತದೆ.

ಈ ಮಾರ್ಗದರ್ಶಿಯ ಮೂಲ ತತ್ವವೆಂದರೆ "ಸಣ್ಣದಾಗಿ ಪ್ರಾರಂಭಿಸುವುದು" (start small). ಬಳಕೆದಾರರು ಹಂತ-ಹಂತದ ವಿವರಗಳ ಬದಲಿಗೆ ಬಯಸುವ ಫಲಿತಾಂಶದೊಂದಿಗೆ ಪ್ರಾರಂಭಿಸಬೇಕು ಎಂದು OpenAI ಸೂಚಿಸುತ್ತದೆ. ಪ್ರಕ್ರಿಯೆಯ ಬದಲಿಗೆ ಅಂತಿಮ ಗುರಿಯನ್ನು ವಿವರಿಸುವ ಮೂಲಕ, ನೀವು GPT-4o ನಂತಹ ಮಾಡೆಲ್‌ಗಳು ಮಾಹಿತಿಯನ್ನು ಹುಡುಕಲು, ಹೋಲಿಸಲು ಮತ್ತು ತಮ್ಮ ವಿಧಾನವನ್ನು ಸ್ವತಂತ್ರವಾಗಿ ಹೊಂದಿಸಿಕೊಳ್ಳಲು ಅವಕಾಶ ನೀಡುತ್ತೀರಿ. ನಿರ್ದಿಷ್ಟ ವಿಧಾನವು ಅಂತಿಮ ಔಟ್‌ಪುಟ್‌ನಷ್ಟೇ ಮುಖ್ಯವಾಗಿದ್ದಾಗ ಮಾತ್ರ ವಿವರವಾದ ಪ್ರಕ್ರಿಯೆಯ ವಿವರಣೆಗಳನ್ನು ಬಳಸಬೇಕು.

ಸ್ಕ್ರಿಪ್ಟಿಂಗ್‌ಗಿಂತ ಮಿತಿಗಳಿಗೆ ಆದ್ಯತೆ

ಡೆವಲಪರ್‌ಗಳು ಮತ್ತು ಪವರ್ ಬಳಕೆದಾರರಿಗೆ ಸಿಗುವ ಪ್ರಮುಖ ಪಾಠವೆಂದರೆ, ಹಂತ-ಹಂತದ ಸ್ಕ್ರಿಪ್ಟ್‌ಗಳಿಗಿಂತ ಮಿತಿಗಳು (constraints) ಹೆಚ್ಚು ಪರಿಣಾಮಕಾರಿ. AI ಮಾಡುವ ಪ್ರತಿಯೊಂದು ಚಲನೆಯನ್ನು ಮೈಕ್ರೋಮ್ಯಾನೇಜ್ ಮಾಡಲು ಪ್ರಯತ್ನಿಸುವ ಬದಲು, ಅನಿಷ್ಟ ವರ್ತನೆಯನ್ನು ತಡೆಯಲು ಒಂದು ಅಥವಾ ಎರಡು "ಕಠಿಣ ನಿಯಮಗಳನ್ನು" (hard rules) ಜಾರಿಗೆ ತ same ಎಂದು OpenAI ಶಿಫಾರಸು ಮಾಡುತ್ತದೆ. ಉದಾಹರಣೆಗೆ, "ಅನುಮೋದಿತ ಬಜೆಟ್ ಅಂಕಿಅಂಶಗಳನ್ನು ಬದಲಾಯಿಸಬೇಡಿ" ಅಥವಾ "ಇದನ್ನು ಕರಡಾಗಿ ಸಿದ್ಧಪಡಿಸಿ; ಕಳುಹಿಸಬೇಡಿ" ಎಂಬ ನಿರ್ದೇಶನಗಳು.

ಈ "ಕಡಿಮೆ ಇರುವುದು ಹೆಚ್ಚು" (less-is-more) ಎಂಬ ವಿಧಾನವು ಸಂದರ್ಭ ನಿರ್ವಹಣೆಗೆ (context management) ಕೂಡ ಅನ್ವಯಿಸುತ್ತದೆ. ಉತ್ತರವನ್ನು ನಿಜವಾಗಿಯೂ ಪ್ರಭಾವಿಸುವ PDFಗಳು, ಸ್ಪ್ರೆಡ್‌ಶೀಟ್‌ಗಳು ಅಥವಾ ಚಿತ್ರಗಳಂತಹ ಫೈಲ್‌ಗಳನ್ನು ಮಾತ್ರ ಲಗತ್ತಿಸಲು ಮಾರ್ಗದರ್ಶಿ ಸಲಹೆ ನೀಡುತ್ತದೆ. ಹೆಚ್ಚಿನ ಜವಾಬ್ದಾರಿಯುತ ವೃತ್ತಿಪರ ಕೆಲಸಗಳಿಗಾಗಿ, OpenAI "ಸ್ವಯಂ-ಪರಿಶೀಲನಾ" (self-verification) ಲೂಪ್ ಅನ್ನು ಸೂಚಿಸುತ್ತದೆ. ಇಲ್ಲಿ ನೀವು ಮಾಡೆಲ್ ತನ್ನದೇ ಆದ ಔಟ್‌ಪುಟ್ ಅನ್ನು ನಿರ್ದಿಷ್ಟ ತಪ್ಪುಗಳಿಗಾಗಿ ಪರಿಶೀಲಿಸಲು ಸ್ಪಷ್ಟವಾಗಿ ಕೇಳಬಹುದು; ಉದಾಹರಣೆಗೆ ಪ್ರತಿ ಕಾರ್ಯವು (action item) ನಿಗದಿತ ಮಾಲೀಕರು ಮತ್ತು ಗಡುವನ್ನು ಹೊಂದಿದೆಯೇ ಎಂದು ಖಚಿತಪಡಿಸಿಕೊಳ್ಳುವುದು.

"Chat" ಮತ್ತು "Work" ನಡುವಿನ ವ್ಯತ್ಯಾಸ ಹಾಗೂ Codex ಅನ್ನು ಸುಧಾರಿಸುವುದು

OpenAI "Chat" ಮತ್ತು "Work" ನಡುವಿನ ವ್ಯತ್ಯಾಸವನ್ನು ಸಹ ಅಧಿಕೃತಗೊಳಿಸುತ್ತಿದೆ. Chat ಎಂಬುದು ತ್ವರಿತ ಪ್ರಶ್ನೆಗಳು ಮತ್ತು ಮರುಬರವಣಿಗೆಗಾಗಿ ಉದ್ದೇಶಿತವಾಗಿದ್ದರೆ, "Work" ಎಂಬುದು ದೊಡ್ಡ ಮಟ್ಟದ ಫಲಿತಾಂಶಗಳನ್ನು ನೀಡಲು ವಿವಿಧ ಮೂಲಗಳಿಂದ (Gmail, Slack ಅಥವಾ GitHub ನಂತಹವು) ಮಾಹಿತಿಯನ್ನು ಪಡೆಯುವ ಕಠಿಣ ಕೆಲಸಗಳನ್ನು ಸೂಚಿಸುತ್ತದೆ. Work ಕಾರ್ಯಗಳು ಹೆಚ್ಚು ಕ್ರೆಡಿಟ್‌ಗಳನ್ನು ಬಳಸಿದರೂ, ಅವು ಸಂಕೀರ್ಣ ಮತ್ತು ಪುನರಾವರ್ತಿತ ಕೆಲಸದ ಹರಿವನ್ನು (workflows) ಸ್ವಯಂಚಾಲಿತಗೊಳಿಸಲು ವಿನ್ಯಾಸಗೊಳಿಸಲಾಗಿದೆ.

Codex ಬಳಸುವ ಡೆವಲಪರ್‌ಗಳಿಗಾಗಿ, ಈ ಮಾರ್ಗದರ್ಶಿಯು ಅತ್ಯಾಧುನಿಕ ಸ್ಟೀರಿಂಗ್ (steering) ಮತ್ತು ಸ್ಯಾಂಡ್‌ಬಾಕ್ಸಿಂಗ್ (sandboxing) ಸಾಮರ್ಥ್ಯಗಳನ್ನು ಪರಿಚಯಿಸುತ್ತದೆ. ಬಳಕೆದಾರರು ಈಗ ಪ್ರಸ್ತುತ ಚಾಲನೆಯನ್ನು ಮರುನಿರ್ದೇಶಿಸಲು "Steer" ಕಮಾಂಡ್ ಅಥವಾ ಮುಂದಿನ ಸೂಚನೆಯನ್ನು ಸಾಲಿನಲ್ಲಿ ನಿಲ್ಲಿಸಲು "Queue" ಕಮಾಂಡ್ ಬಳಸಬಹುದು. ಸಂಕೀರ್ಣ ಕೋಡಿಂಗ್ ಪ್ರಾಜೆಕ್ಟ್‌ಗಳನ್ನು ನಿರ್ವಹಿಸಲು, OpenAI ನಿರ್ದಿಷ್ಟ ಸ್ಲ್ಯಾಶ್ (slash) ಕಮಾಂಡ್‌ಗಳನ್ನು ಪರಿಚಯಿಸಿದೆ:

• /plan: ಕಾರ್ಯಗತಗೊಳಿಸುವ ಮೊದಲು ಕೋಡ್ ಅನ್ನು ವಿಶ್ಲೇಷಿಸುತ್ತದೆ ಮತ್ತು ಒಂದು ವಿಧಾನವನ್ನು ಪ್ರಸ್ತಾಪಿಸುತ್ತದೆ.
• /goal: ಮಾಡೆಲ್ ಹಲವಾರು ಹಂತಗಳಲ್ಲಿ ಪತ್ತೆಹಚ್ಚುವ ಉನ್ನತ ಮಟ್ಟದ ಉದ್ದೇಶವನ್ನು ನಿಗದಿಪಡಿಸುತ್ತದೆ.
• /review: ಸ್ಥಳೀಯ ಅಥವಾ GitHub-ಸಂಯೋಜಿತ ಭದ್ರತೆ ಮತ್ತು ತರ್ಕದ (logic) ಆಡಿಟ್‌ಗಳಿಗೆ ಅನುಮತಿಸುತ್ತದೆ.

ಪ್ರಮುಖ ಅಂಶಗಳು

• ಫಲಿತಾಂಶಗಳಿಗೆ ಆದ್ಯತೆ ನೀಡಿ: ಬಯಸುವ ಫಲಿತಾಂಶದೊಂದಿಗೆ ಪ್ರಾರಂಭಿಸಿ; ನಿರ್ದಿಷ್ಟ ಹಂತಗಳು ಕಾರ್ಯಕ್ಕೆ ಅತ್ಯಗತ್ಯವಾಗಿದ್ದಾಗ ಮಾತ್ರ ಪ್ರಕ್ರಿಯೆಯನ್ನು ವ್ಯಾಖ್ಯಾನಿಸಿ.
• ಸ್ಕ್ರಿಪ್ಟ್‌ಗಳ ಬದಲಿಗೆ ಮಿತಿಗಳನ್ನು ಬಳಸಿ: ಮಾಡೆಲ್‌ನ ಪ್ರತಿಯೊಂದು ಚಲನೆಯನ್ನು ಸ್ಕ್ರಿಪ್ಟ್ ಮಾಡಲು ಪ್ರಯತ್ನಿಸುವ ಬದಲು, ತಪ್ಪುಗಳನ್ನು ತಡೆಯಲು ಕಠಿಣ ಮಿತಿಗಳನ್ನು ಬಳಸಿ.
• ವಿಶೇಷ ಕಮಾಂಡ್‌ಗಳನ್ನು ಬಳಸಿಕೊಳ್ಳಿ: ಸಂಕೀರ್ಣ, ಬಹು-ಹಂತದ ತಾಂತ್ರಿಕ ಕೆಲಸದ ಹರಿವನ್ನು ನಿರ್ವಹಿಸಲು Codex ಸ್ಲ್ಯಾಶ್ ಕಮಾಂಡ್‌ಗಳಾದ /plan ಮತ್ತು /goal ಅನ್ನು ಬಳಸಿ.