నేను మెరుగైన ప్రాంప్ట్‌లను రాయడం ఆపివేశాను. మెరుగైన AI స్కిల్స్‌ను డిజైన్ చేయడం ప్రారంభించాను.

ప్రజలు రెండు సంవత్సరాల పాటు ప్రాంప్ట్ ఇంజనీరింగ్ (prompt engineering) పైనే దృష్టి సారించారు. మెరుగైన ప్రాంప్ట్‌ల ద్వారా మెరుగైన సమాధానాలను పొందాలని వారు కోరుకున్నారు.

AI కోడింగ్ ఏజెంట్లతో పనిచేసిన తర్వాత నేను ఒక భిన్నమైన విషయాన్ని గ్రహించాను. భవిష్యత్తు మెరుగైన ప్రాంప్ట్‌లలో లేదు. భవిష్యత్తు అనేది తిరిగి ఉపయోగించదగిన (reusable) AI సామర్థ్యాలను డిజైన్ చేయడంలో ఉంది.

Claude Skills ఈ మార్పుకు నిదర్శనం.

మనం తరచుగా పొడవైన ప్రాంప్ట్‌లను రాస్తుంటాము. AI ఒక ఆర్కిటెక్ట్‌లా వ్యవహరించాలని మీరు చెబుతారు. TypeScript ఉపయోగించాలని చెబుతారు. టెస్ట్‌లు రాయాలని చెబుతారు. ఇది ఒకసారి బాగా పనిచేస్తుంది. కానీ మరుసటి రోజు మళ్ళీ అదే భారీ టెక్స్ట్‌ను పేస్ట్ చేయాల్సి వస్తుంది. చివరికి, మీ ప్రాంప్ట్ 700 లైన్ల డాక్యుమెంట్‌గా మారిపోతుంది. దానిని నిర్వహించాలని (maintain) ఎవరూ అనుకోరు.

ప్రతిసారీ AI ఎలా పనిచేయాలో చెప్పడం ఆపండి. ఆ జ్ఞానాన్ని ఒక్కసారి ప్యాకేజీ చేయండి.

ఒక ప్రాంప్ట్ ఒక సంభాషణకు మాత్రమే పనిచేస్తుంది. ఒక స్కిల్ (skill) అపరిమితమైన సంభాషణలకు పనిచేస్తుంది.

ఉత్తమమైన స్కిల్స్ సాఫ్ట్‌వేర్ ఇంజనీరింగ్ సూత్రాలను అనుసరిస్తాయి.

  • చెడ్డ స్కిల్: డెవలప్‌మెంట్‌కు సహాయపడుతుంది.
  • మంచి స్కిల్: PDF ఫారమ్‌ల నుండి స్ట్రక్చర్డ్ డేటాను (structured data) సంగ్రహిస్తుంది.

ఒక మంచి స్కిల్ ఒకే పనిని చక్కగా చేస్తుంది.

ప్రతిదానికీ ఒకే భారీ ఫైల్‌ను ఉపయోగించకండి. బాధ్యతలను విభజించండి. రిఫరెన్స్ ఫైల్స్ మరియు స్క్రిప్ట్‌లను ఉపయోగించండి. ఇది సాఫ్ట్‌వేర్‌లోని 'లేజీ లోడింగ్' (lazy loading) వంటిది. AIకి అవసరమైనప్పుడు మాత్రమే అది కాంటెక్స్ట్‌ను లోడ్ చేస్తుంది.

కోడ్ మెరుగ్గా చేయగలిగే పనిని AIని చేయమని అడగడం ఆపండి.

  • AI తర్కించాలి (reason).
  • కోడ్ గణనలు చేయాలి (compute).

PDFని పార్స్ (parse) చేయమని AIని అడగకండి. ఒక పార్సర్‌ను ఉపయోగించండి. విలువలను లెక్కించమని AIని అడగకండి. Python రన్ చేయండి. డేటాను సార్ట్ చేయమని AIని అడగకండి. ఒక స్క్రిప్ట్‌ను ఎగ్జిక్యూట్ చేయండి.

ప్రోగ్రెసివ్ డిస్‌క్లోజర్ (progressive disclosure) పద్ధతిని ఉపయోగించండి. ఒక ఇంటర్న్‌కు మొదటి రోజే 500 పేజీల మాన్యువల్‌ను ఇవ్వకండి. వారికి ఒక పేజీ మాత్రమే ఇవ్వండి. వారికి అవసరమైనప్పుడు మాత్రమే మరిన్ని వివరాలు ఇవ్వండి.

దీని వల్ల కలిగే ప్రయోజనాలు:

  • వేగవంతమైన స్పందనలు
  • తక్కువ టోకెన్ వినియోగం
  • మెరుగైన ఏకాగ్రత
  • తక్కువ హాలూసినేషన్ (hallucination)

చాలా మంది డెవలపర్లు ఒకే 'సూపర్ ప్రాంప్ట్'ను నిర్మించడానికి ప్రయత్నిస్తారు. వెబ్‌సైట్‌లను నిర్మించడానికి, బ్యాకెండ్ రాయడానికి మరియు బగ్‌లను సరిచేయడానికి ఒకే ప్రాంప్ట్ ఉండాలని వారు కోరుకుంటారు. ఇది తప్పుడు డిజైన్. ఇది అన్ని పనులు చేసే ఒకే క్లాస్‌ను (class) వ్రాయడం వంటిది.

చిన్నవి మరియు నిర్దిష్టమైన స్కిల్స్ మెరుగ్గా పనిచేస్తాయి.

ఒక స్కిల్ యొక్క ఉద్దేశ్యాన్ని మీరు ఒకే వాక్యంలో వివరించలేకపోతే, అది మరీ ఎక్కువ పనులు చేస్తోందని అర్థం.

మనం సాఫ్ట్‌వేర్‌ను నిర్మించడం నుండి ప్రవర్తనను (behavior) డిజైన్ చేయడం వైపు మారుతున్నాము. మన కొత్త స్టాక్ (stack) ఇలా ఉంటుంది:

  • Frontend
  • Backend
  • AI Agent
  • Skills
  • Tools

స్కిల్స్ AIని స్వయంప్రతిపత్తి (autonomous) కలిగినదిగా చేయవు. అవి నైపుణ్యాన్ని (expertise) అందిస్తాయి. ఆర్కిటెక్చర్, సెక్యూరిటీ మరియు క్వాలిటీని మీరు నిర్ణయిస్తారు. స్కిల్స్ ఆ నిర్ణయాలను ప్యాకేజీ చేస్తాయి.

ప్రాంప్ట్ ఇంజనీరింగ్ మనకు ప్రశ్నలు ఎలా అడగాలో నేర్పింది. స్కిల్ ఇంజనీరింగ్ AIకి సమస్యలను ఎలా పరిష్కరించాలో నేర్పిస్తుంది.

AI రంగంలో విజేతలు కేవలం అత్యంత తెలివైన మోడల్స్‌ను మాత్రమే కలిగి ఉండరు. వారు తిరిగి ఉపయోగించదగిన జ్ఞానం యొక్క ఉత్తమ సేకరణను కలిగి ఉంటారు.

Source: https://dev.to/himanshudevgupta/i-stopped-writing-better-prompts-i-started-designing-better-ai-skills-5ckj

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