𝗠𝗮𝘀𝘁𝗲𝗿𝗶𝗻𝗴 𝗟𝗟𝗠 𝗣𝗿𝗼𝗺𝗽𝘁𝗶𝗻𝗴: 𝗔 𝗗𝗲𝘃𝗲𝗹𝗼𝗽𝗲𝗿'𝘀 𝗚𝘂𝗶𝗱𝗲

மோசமான AI பதில்களுக்கு மாடல் (model) காரணம் அல்ல. அதற்குப் பிராம்ப்ட் (prompt) தான் காரணம்.

Prompting என்பது ஒரு திறன். குறிப்பிட்ட நுட்பங்களைப் பயன்படுத்துவதன் மூலம் நீங்கள் அதை மேம்படுத்தலாம். சிறந்த குறியீடு (code) மற்றும் புத்திசாலித்தனமான பதில்களைப் பெற இந்த முறைகளைப் பயன்படுத்தவும்.

குறிப்பிட்ட சூழலைத் (Context) தரவும் பொதுவான கேள்விகளைக் கேட்பதை நிறுத்துங்கள்.

  • தவறு: "மின்னஞ்சல்களை எவ்வாறு சரிபார்ப்பது?"
  • சரி: "நான் ஒரு Node.js Express API-ஐ உருவாக்குகிறேன். email-validator தொகுப்பைப் (package) பயன்படுத்தி மின்னஞ்சல்களை எவ்வாறு சரிபார்ப்பது என்பதைக் காட்டுங்கள். 400 status code உடன் பிழை கையாளுதலையும் (error handling) சேர்த்து வழங்கவும்."

ஒரு பாத்திரத்தை (Persona) வழங்கவும் AI எந்தப் பாத்திரத்தில் செயல்பட வேண்டும் என்று சொல்லுங்கள்.

  • இதற்குப் பதிலாக: "தனித்துவமான ID-களுக்கான ஒரு செயல்பாட்டை (function) எழுதுக."
  • இதை முயற்சிக்கவும்: "நீ ஒரு மூத்த பின்னணி பொறியாளர் (senior backend engineer). நேர முத்திரையினால் (timestamp) வரிசைப்படுத்தக்கூடிய உலகளாவிய தனித்துவமான ID-களுக்கான ஒரு Python செயல்பாட்டை எழுதுக. உங்கள் முடிவுகளுக்கு விளக்கம் அளிக்கவும்."

சிந்தனைச் சங்கிலியைப் (Chain of Thought) பயன்படுத்தவும் கடினமான பணிகளுக்கு, AI-ஐப் படிப் படியாகச் சிந்திக்கச் சொல்லுங்கள். இது மாடல் தனது தர்க்கத்தை (logic) வெளிப்படுத்தத் தூண்டும்.

  • கேட்கவும்: "உனது சிந்தனைச் செயல்முறையை எனக்கு விளக்கு: 1. தடைகளை (bottlenecks) கண்டறிதல். 2. நுட்பங்களைப் பட்டியலிடுதல். 3. ஒரு தீர்வைப் பரிந்துரைத்தல். 4. குறியீட்டை எழுதுதல்."

உதாரணங்களை வழங்கவும் உங்களுக்குத் தேவையான முறையை (pattern) AI-க்குக் காட்டுங்கள். இது 'few-shot prompting' என்று அழைக்கப்படுகிறது. AI உங்கள் பாணியைக் கற்றுக்கொள்ள "முன்பு" மற்றும் "பின்பு" ஆகிய உதாரணங்களை வழங்கவும்.

கடுமையான கட்டுப்பாடுகளை (Constraints) விதிக்கவும் AI துல்லியமாகச் செயல்பட வற்புறுத்துங்கள். உங்கள் தேவைகளைத் தெளிவாகப் பட்டியலிடுங்கள்:

  • மொழியின் பதிப்பு (Language version)
  • நேரச் சிக்கல் (Time complexity)
  • இடச் சிக்கல் (Space complexity)
  • வெளிப்புற நூலகங்கள் (external libraries) இல்லை

பணிகளைப் பிரித்துச் செய்யவும் அனைத்தையும் ஒரே நேரத்தில் கேட்காதீர்கள். படிப் படியான அணுகுமுறையைப் பயன்படுத்தவும்:

  • படி 1: ஒரு அடிப்படைப் பதிப்பை உருவாக்கவும்.
  • படி 2: பிழை கையாளுதலைச் (error handling) சேர்க்கவும்.
  • படி 3: செயல்திறனை மேம்படுத்தவும் (Optimize performance).
  • படி 4: வகைகளைச் (types) சேர்க்கவும்.

மாற்று வழிகளைக் கேட்கவும் ஒரு சிக்கலைத் தீர்க்க இரண்டு வெவ்வேறு வழிகளைக் கேட்கவும். இது அதன் சாதக பாதகங்களை (trade-offs) புரிந்துகொள்ள உதவும். ஒவ்வொரு முறையின் நன்மைகள் மற்றும் தீமைகளையும் கேட்கவும்.

குறிப்பிட்ட வடிவங்களைக் கோரவும் வெளியீட்டை எவ்வாறு ஒழுங்கமைக்க வேண்டும் என்று AI-யிடம் சொல்லுங்கள். Issues, Fixes மற்றும் Performance Impact போன்ற குறிப்பிட்ட தலைப்புகளுடன் கூடிய கட்டமைக்கப்பட்ட குறியீடு ஆய்வை (structured code review) நீங்கள் கேட்கலாம்.

தவிர்க்க வேண்டிய தவறுகள்:

  • மிகச் சுருக்கமாக இருப்பது.
  • ஒரே பிராம்ப்ட்டில் தொடர்பில்லாத விஷயங்களைக் கேட்பது.
  • கட்டுப்பாடுகளை வழங்க மறப்பது.
  • சரிபார்க்காமல் முதல் பதிலையே ஏற்றுக்கொள்வது.

இந்த நிலைகளில் தேர்ச்சி பெறுவது நீங்கள் வேகமாகப் பணியாற்ற உதவும். இந்த முறைகள் ChatGPT, Claude மற்றும் GitHub Copilot ஆகியவற்றில் செயல்படும்.

நீங்கள் எந்த வகையான prompting குறிப்புகளைப் பயன்படுத்துகிறீர்கள்? கருத்துப் பெட்டியில் (comments) என்னிடம் சொல்லுங்கள்.

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