വിവിധ പ്രോജക്റ്റുകളിലായി 10,000-ലധികം പ്രോംപ്റ്റുകൾ ഞാൻ എങ്ങനെ ക്രമീകരിക്കുന്നു

ആയിരക്കണക്കിന് AI പ്രോംപ്റ്റുകൾ നഷ്ടപ്പെടാതെ ഞാൻ എങ്ങനെ കൈകാര്യം ചെയ്യുന്നു എന്ന് ആളുകൾ പലപ്പോഴും ചോദിക്കാറുണ്ട്.

ഉത്തരം ലളിതമാണ്.

ഞാൻ പ്രോംപ്റ്റുകളെ വെറും സംഭാഷണങ്ങളായിട്ടല്ല കാണുന്നത്. അവയെ സോഫ്റ്റ്‌വെയർ അസറ്റുകളായിട്ടാണ് (software assets) ഞാൻ പരിഗണിക്കുന്നത്.

കോഡിംഗ്, റിസർച്ച്, ഓട്ടോമേഷൻ എന്നിവയ്ക്കായി ഞാൻ 10,000-ലധികം പ്രോംപ്റ്റുകൾ കൈകാര്യം ചെയ്യുന്നുണ്ട്. നിങ്ങൾ പ്രോംപ്റ്റുകൾ വെറുതെ ചാറ്റ് വിൻഡോകളിൽ സൂക്ഷിക്കുകയാണെങ്കിൽ, അത് നിങ്ങളുടെ ജോലി കൂടുതൽ പ്രയാസകരമാക്കും.

ഇതാ എന്റെ രീതി.

പ്രോംപ്റ്റുകളെ താൽക്കാലികമായി കാണുന്നത് നിർത്തുക.

മിക്ക ആളുകളും ഒരു പ്രോംപ്റ്റ് എഴുതി അത് അവിടെ ഉപേക്ഷിക്കുന്നു. എന്നാൽ നിർമ്മാതാക്കൾ (Builders) ഒരേ പ്രശ്നങ്ങൾ തന്നെ ആവർത്തിച്ച് പരിഹരിക്കേണ്ടി വരുന്നവരാണ്. നിങ്ങൾ ഇടയ്ക്കിടെ SQL ക്വറികളോ API ഡോക്യുമെന്റേഷനോ എഴുതാറുള്ളവരാണെങ്കിൽ, നിങ്ങൾക്ക് വീണ്ടും ഉപയോഗിക്കാൻ കഴിയുന്ന (reusable) പ്രോംപ്റ്റുകൾ ആവശ്യമാണ്.

ടൂൾ അനുസരിച്ചല്ല, ലക്ഷ്യം അനുസരിച്ച് ക്രമീകരിക്കുക.

നിങ്ങൾ ഉപയോഗിക്കുന്ന AI അനുസരിച്ച് പ്രോംപ്റ്റുകളെ തരംതിരിക്കരുത്. അവ എന്ത് ചെയ്യുന്നു എന്നതിനെ അടിസ്ഥാനമാക്കി ഗ്രൂപ്പ് ചെയ്യുക. ഇത് അവ വേഗത്തിൽ കണ്ടെത്താൻ സഹായിക്കും.

ഓരോ പ്രോംപ്റ്റിലും മെറ്റാഡാറ്റ (metadata) ചേർക്കുക.

ഒരു പ്രോംപ്റ്റിന് വെറും ടെക്സ്റ്റ് മാത്രം പോരാ. താഴെ പറയുന്ന വിവരങ്ങൾ കൂടി ഉൾപ്പെടുത്തുക:

• കാറ്റഗറി (Category)
• ലക്ഷ്യം (Purpose)
• ഉപയോഗിച്ച മോഡൽ (Model used)
• പ്രതീക്ഷിക്കുന്ന ഔട്ട്പുട്ട് (Expected output)

പ്രോംപ്റ്റുകൾക്ക് വേർഷൻ നൽകുക.

ഡെവലപ്പർമാർ കോഡിന് വേർഷനുകൾ നൽകുന്നുണ്ട്. നിങ്ങൾ പ്രോംപ്റ്റുകൾക്കും വേർഷനുകൾ നൽകണം. FastAPI_CRUD_v1, FastAPI_CRUD_v2 എന്നിങ്ങനെയുള്ള പേരുകൾ ഉപയോഗിക്കുക. ഇത് എല്ലാം വീണ്ടും എഴുതാതെ തന്നെ ഫലങ്ങൾ താരതമ്യം ചെയ്യാൻ നിങ്ങളെ സഹായിക്കും.

ജനറിക് (generic) പ്രോംപ്റ്റുകളും പ്രോജക്റ്റ് പ്രോംപ്റ്റുകളും വേർതിരിക്കുക.

നിങ്ങളുടെ പൊതുവായ പ്രോംപ്റ്റുകളെ പ്രത്യേക പ്രോജക്റ്റ് ജോലികളിൽ നിന്ന് വേർതിരിച്ചു സൂക്ഷിക്കുക.

• ജനറിക്: Python എററുകൾ വിശദീകരിക്കുകയോ യൂണിറ്റ് ടെസ്റ്റുകൾ എഴുതുകയോ ചെയ്യുക.
• പ്രോജക്റ്റ് പ്രത്യേകമായവ: കമ്പനിയുടെ ഇന്റേണൽ കോഡിംഗ് സ്റ്റാൻഡേർഡുകൾ അല്ലെങ്കിൽ ആർക്കിടെക്ചർ.

നീളത്തിലല്ല, സന്ദർഭത്തിലാണ് (context) ശ്രദ്ധിക്കേണ്ടത്.

നീളമേറിയ പ്രോംപ്റ്റുകൾ എപ്പോഴും നല്ലതല്ല. വ്യക്തതയ്ക്കാണ് പ്രാധാന്യം. ഒരു ടാസ്കിന് ആവശ്യമായ വിവരങ്ങൾ മാത്രം ഉൾപ്പെടുത്തുക. Python വേർഷൻ, ലൈബ്രറി പേരുകൾ തുടങ്ങിയ കൃത്യമായ ആവശ്യകതകൾ ഉപയോഗിക്കുക.

സ്റ്റോറേജിനായി Git ഉപയോഗിക്കുക.

ഞാൻ എന്റെ പ്രോംപ്റ്റുകൾ Git റെപ്പോസിറ്ററികളിലാണ് (repositories) സൂക്ഷിക്കുന്നത്. ഇത് എനിക്ക് വേർഷൻ ഹിസ്റ്ററി നൽകുന്നു. പ്രോംപ്റ്റുകൾ പ്രോജക്റ്റിന്റെ ഭാഗമാണ്. അവയ്ക്ക് കോഡിന് നൽകുന്ന അതേ ശ്രദ്ധ നൽകേണ്ടതുണ്ട്.

ബിൽഡിംഗ് ബ്ലോക്കുകൾ പോലെ പ്രോംപ്റ്റുകൾ നിർമ്മിക്കുക.

ഞാൻ അപൂർവ്വമായി മാത്രമേ പ്രോംപ്റ്റുകൾ പൂജ്യത്തിൽ നിന്ന് (from scratch) എഴുതാറുള്ളൂ. ചെറിയ, വീണ്ടും ഉപയോഗിക്കാവുന്ന ഘടകങ്ങൾ (reusable components) ഉപയോഗിച്ചാണ് ഞാൻ അവ നിർമ്മിക്കുന്നത്. സോഫ്റ്റ്‌വെയർ പ്രവർത്തിക്കുന്നത് ഇങ്ങനെയാണ്.

ഡോക്യുമെന്റേഷൻ നിർബന്ധമാണ്.

ഓരോ പ്രോംപ്റ്റിലും ഇവ വ്യക്തമാക്കണം:

• അത് പരിഹരിക്കുന്ന പ്രശ്നം
• എപ്പോൾ ഉപയോഗിക്കണം
• ഉദാഹരണത്തിന് ഇൻപുട്ടും ഔട്ട്പുട്ടും

പ്രോംപ്റ്റുകളെ അസറ്റുകളായി കാണുന്നത് നിങ്ങളുടെ പ്രവർത്തനരീതിയെ മാറ്റും. തിരയാൻ കുറഞ്ഞ സമയവും നിർമ്മാണത്തിനായി കൂടുതൽ സമയവും നിങ്ങൾക്ക് ലഭിക്കും.

Source: https://dev.to/jaideepparashar/how-i-organize-10000-prompts-across-projects-2g30