Prompt Engineering என்றால் என்ன? டெவலப்பர் அல்லாதவர்களுக்கான நடைமுறை வழிகாட்டி
Prompt engineering என்பது AI மாடலுக்கான அறிவுறுத்தல்களை எழுதி மெருகேற்றி, நீங்கள் விரும்புவதை நம்பகமாக உருவாக்கும் நடைமுறை. Prompt என்பது நீங்கள் மாடலுக்குத் தருவது எதுவாக இருந்தாலும் — ஒரு கேள்வி, ஒரு பணி, சில சூழல், உதாரணங்கள். அதை engineer செய்வது என்பது உள்ளே என்ன செல்கிறது என்பதில் வேண்டுமென்றே கவனமாக இருப்பது, வெளியே வருவதைச் சோதிப்பது, தேவைப்பட்டால் சரிசெய்வது. இது மாயச் சொற்களைப் பற்றியது குறைவு, தெளிவான தொடர்புகொள்ளல் பற்றியது அதிகம்.
AI உடன் உருவாக்கும்போது இது ஏன் முக்கியம்
AI app builder-உடன் வேலை செய்யும்போது, உங்கள் prompts தான் specification. நீங்கள் விவரிப்பதை மட்டுமே AI கட்ட முடியும்; உங்கள் கோரிக்கையில் இடைவெளிகள் இருந்தால், அவற்றை நியாயமாகத் தோன்றும் யூகங்களால் நிரப்பிவிடும். சில நேரங்களில் யூகங்கள் சரியாக இருக்கும். பெரும்பாலும் நீங்கள் நினைத்தது வேறாக இருக்கும்: படிவத்தில் தவறான புலங்கள், நீங்கள் கேட்காத அம்சம், உங்கள் பார்வையாளர்களுக்குப் பொருந்தாத வடிவமைப்பு.
தெளிவான prompt பல சுற்றுத் திருத்தங்களை மிச்சப்படுத்தும்; ஒவ்வொரு சுற்றும் நேரத்தையும் பொதுவாக credits-களையும் செலவழிக்கும். உங்கள் ஆப்பின் உள்ளேயே AI சேர்த்தாலும் prompting முக்கியம்: அந்த மாடலுக்கு நீங்கள் தரும் அறிவுறுத்தல்கள் உங்கள் chatbot வாடிக்கையாளர்களுடன் எப்படிப் பேசும், எதை மறுக்கும், உங்கள் உண்மைகளுக்குள் நிற்குமா என்பதைத் தீர்மானிக்கின்றன. ஆப் உருவாக்குவதற்கான குறிப்பிட்ட வழிகாட்டிக்கு, AI app builder-களுக்கு prompts எழுதுவது எப்படி பாருங்கள்.
அன்றாட உவமை
உங்களை அறியாத, உங்கள் வணிகம் பற்றி எதுவும் தெரியாத, நீங்கள் பேசி முடித்தவுடன் வேலையைத் தொடங்கும் ஒரு திறமையான freelancer-க்கு brief கொடுப்பதாக கற்பனை செய்யுங்கள்.
“எனக்கு ஒரு logo உருவாக்குங்கள்” என்றால் உங்களுக்கு ஒரு logo கிடைக்கும். “துபாயில் ஒரு குழந்தைகள் நீச்சல் பள்ளிக்கான logo; நட்பாக இருக்க வேண்டும், சிறுபிள்ளைத்தனமாக அல்ல; நீலமும் ஆரஞ்சும்; நீச்சல் தொப்பியில் சிறியதாக இருந்தும் தெளிவாகத் தெரிய வேண்டும்; நாங்கள் விரும்பும் இரண்டு உதாரணங்களும் வேண்டாம் என்ற ஒன்றும் இதோ” என்று சொன்னால், நீங்கள் விரும்புவதற்கு அருகில் ஒன்று கிடைக்கும்.
AI மாடல் அந்த freelancer போன்றது — திறமையானது, வேகமானது, ஆனால் உங்கள் brief-ஐ முழுவதுமாகச் சார்ந்தது. Prompt engineering என்பது நல்ல brief எழுதக் கற்றுக்கொள்வது.
முக்கிய நுட்பங்கள்
| நுட்பம் | அதன் பொருள் | உதாரணம் |
|---|---|---|
| இலக்கைப் பற்றி குறிப்பாக இருங்கள் | நீங்கள் என்ன வேண்டும், ஏன் வேண்டும் என்று சொல்லுங்கள். | “புதிய வாடிக்கையாளர்கள் 30 அல்லது 60 நிமிட அமர்வைத் தேர்வு செய்யக்கூடிய booking பக்கம்.” |
| சூழல் கொடுங்கள் | இது யாருக்காக, ஏற்கெனவே என்ன இருக்கிறது, எது முக்கியம். | “பயனர்கள் பெரும்பாலும் கைப்பேசியில் உள்ள மூத்த வாடிக்கையாளர்கள்.” |
| ‘முடிந்தது’ என்பதை வரையறுங்கள் | முடிந்த முடிவை விவரியுங்கள். | “வாடிக்கையாளர் booking செய்ய முடிந்து எனக்கு email வந்தால் முடிந்தது.” |
| கட்டுப்பாடுகளை அமையுங்கள் | என்ன செய்யக் கூடாது, எல்லைகள் என்ன. | “இப்போது login சேர்க்க வேண்டாம். இருக்கும் வண்ணங்களை வைத்திருங்கள்.” |
| உதாரணங்களைக் காட்டுங்கள் | நல்லது எப்படி இருக்கும் என்பதற்கான மாதிரி. | “இந்த பாணியில் பதிலை எழுதுங்கள்: …” |
| வடிவம் கேளுங்கள் | வெளியீடு எப்படி அமைய வேண்டும் என்று சொல்லுங்கள். | “X, Y, Z நெடுவரிசைகளுடன் ஒரு அட்டவணையாகப் பதிலளியுங்கள்.” |
| படிகளாகப் பிரியுங்கள் | பெரிய வேலையை ஒவ்வொன்றாக. | “முதலில் data model, பின் படிவம், பின் emails.” |
| முதலில் கேட்கச் சொல்லுங்கள் அல்லது திட்டமிடச் சொல்லுங்கள் | மாற்றங்களுக்கு முன் ஒரு திட்டம் பெறுங்கள். | “கட்டுவதற்கு முன் உங்கள் கேள்விகளையும் திட்டத்தையும் பட்டியலிடுங்கள்.” |
| மீண்டும் செய்யுங்கள் (Iterate) | முடிவைச் சரிபார்த்துத் மெருகேற்றுங்கள். | “படிவம் வேலை செய்கிறது. இப்போது தேதித் தேர்வியை பெரிதாக்குங்கள்.” |
ஒரு வேலை செய்த உதாரணம்: முன்னும் பின்னும்
முன்:
ஒரு gym app உருவாக்கு.
AI எல்லாவற்றையும் யூகிக்க வேண்டியிருக்கும்: உறுப்பினர்களா ஊழியர்களா? வகுப்புகளா தனிப் பயிற்சியா? பணம் செலுத்தல் உண்டா? நீங்கள் பெரும்பாலும் உருவாக்கப்பட்ட பொதுவான dashboard-ம், கற்பனைப் பயிற்சித் திட்டங்களும் பெறுவீர்கள்.
பின்:
சுமார் 150 உறுப்பினர்களைக் கொண்ட ஒரு சிறிய boxing gym-க்கான web app உருவாக்குங்கள்.
யார் பயன்படுத்துவார்கள்: உறுப்பினர்கள் தங்கள் கைப்பேசியில் வகுப்புகளை booking செய்வார்கள். உரிமையாளர் Sam, மடிக்கணினியில் நேர அட்டவணையை நிர்வகிப்பார்.
உறுப்பினர்கள் செய்யலாம்: இந்த வாரத்தின் வகுப்புகளைப் பார்க்கலாம் (நேரம், பயிற்சியாளர், மீதமுள்ள இடங்கள்) மற்றும் தொடங்குவதற்கு 2 மணி நேரம் முன்பு வரை booking செய்யவோ ரத்து செய்யவோ முடியும்.
Sam செய்யலாம்: வகுப்புகளைச் சேர்க்கலாம், திருத்தலாம், ரத்து செய்யலாம், ஒவ்வொரு வகுப்பிலும் யார் booking செய்துள்ளார்கள் என்று பார்க்கலாம்.
விதிகள்: ஒரு வகுப்பில் அதிகபட்சம் 12 பேர். ஒரே நேரத்தில் இரட்டை booking கூடாது.
இப்போது வேண்டாம்: பணம் செலுத்தல், பயிற்சிப் பதிவு, mobile app.
பாணி: கருப்பு பின்னணி, சிவப்பு நிறம், பெரிய தொடு இலக்குகள்.
கட்டுவதற்கு முன், தெளிவில்லாததைப் பட்டியலிட்டு நீங்கள் உருவாக்கப் போகும் பக்கங்களை விவரியுங்கள்.
இரண்டாவது prompt புத்திசாலித்தனமானது அல்ல; அது முழுமையானது. அது பயனர்கள், செயல்கள், விதிகள், விட்டுவிட வேண்டியவை, எப்படித் தொடங்குவது ஆகியவற்றைக் குறிப்பிடுகிறது. கடைசி வரி, எந்த code எழுதுவதற்கு முன்பே தவறான புரிதல்களைப் பிடிக்க AI-யை திட்டமிடவும் கேள்வி கேட்கவும் அழைக்கிறது.
உங்கள் ஆப்பிற்குள் இருக்கும் prompts
உங்கள் ஆப்பே LLM-ஐ அழைக்கும்போது, பல பயனர்களுக்காக பல முறை இயங்கும் prompts எழுதுகிறீர்கள். அதே கொள்கைகள் பொருந்தும், சில கூடுதல் விஷயங்களுடன்:
- System prompt: ஒவ்வொரு பதிலையும் வடிவமைக்கும் நிலையான அறிவுறுத்தல்கள் — பங்கு, தொனி, விதிகள். “நீங்கள் Leaf & Pot என்ற செடிக் கடையின் உதவியாளர். ஆர்டர்கள், செடிகள், டெலிவரி பற்றிய கேள்விகளுக்கு மட்டும் பதிலளியுங்கள்.”
- Grounding: மாடல் பயன்படுத்த வேண்டிய உண்மைகளைச் சேர்க்கவும் — உங்கள் கொள்கைகள், தயாரிப்பு பட்டியல் — அவற்றை நம்பி பதிலளிக்கச் சொல்லுங்கள். இது ஏன் முக்கியம் என்பதற்கு LLM என்றால் என்ன பாருங்கள்.
- மாற்று வழிகள் (Fallbacks): உறுதியில்லாதபோது என்ன செய்ய வேண்டும் என்று சொல்லுங்கள்: “தரப்பட்ட தகவலில் பதில் இல்லாவிட்டால், அதைத் தெரிவித்து support email-ஐ பரிந்துரைக்கவும்.”
- வெளியீட்டு வடிவம்: உங்கள் code பதிலைப் படித்தால், JSON போன்ற கண்டிப்பான வடிவத்தைக் கேளுங்கள்.
- சோதனை: உண்மையான பயனர்களுக்கு முன் விசித்திரமான உள்ளீடுகளை முயற்சியுங்கள் — முரட்டுத்தனமான செய்திகள், தலைப்புக்கு வெளியே கேள்விகள், அறிவுறுத்தல்களைப் புறக்கணிக்கச் செய்யும் முயற்சிகள் (prompt injection என்று அழைக்கப்படுவது).
முக்கிய சொற்களின் விளக்கம்
| சொல் | அதன் பொருள் |
|---|---|
| Prompt | நீங்கள் AI மாடலுக்குத் தரும் உள்ளீடு. |
| System prompt | உரையாடலுக்கு முன் அமைக்கப்படும் நிலையான அறிவுறுத்தல்கள். |
| Context | prompt-இல் சேர்க்கப்படும் பின்னணித் தகவல். |
| Zero-shot / few-shot | உதாரணங்கள் இல்லாமல் கேட்பது, அல்லது விரும்பிய வெளியீட்டின் சில உதாரணங்களுடன் கேட்பது. |
| Chain of thought | பதிலளிக்கும் முன் ஒரு பிரச்சினையை படிப்படியாக யோசிக்கச் சொல்வது. |
| Grounding | மூலப் பொருளைக் கொடுத்து அதன் அடிப்படையில் பதிலளிக்கச் சொல்வது. |
| Prompt injection | மாடலின் அறிவுறுத்தல்களை மீறும் முயற்சி, உதாரணமாக “முந்தைய அறிவுறுத்தல்களைப் புறக்கணி”. |
| Context window | மாடல் ஒரே நேரத்தில் கருத்தில் கொள்ளக்கூடிய உரையின் அளவு. |
| Iteration | கிடைத்த முடிவின் அடிப்படையில் prompt-ஐ மெருகேற்றுவது. |
பொதுவான தவறுகளும் தவறான கருத்துகளும்
- மந்திரச் சொற்களைத் தேடுவது. “நீங்கள் உலகத் தரம் வாய்ந்த நிபுணர்” என்பது, உண்மையில் என்ன வேண்டும் என்று சொல்வதை விட மிகக் குறைவாகவே முக்கியம்.
- எல்லாவற்றையும் ஒரே நேரத்தில் கேட்பது. 20 அம்சங்கள் கொண்ட கோரிக்கை 20 பாதி முடிந்த அம்சங்களைத் தரும். துண்டு துண்டாகக் கட்டுங்கள்.
- தீர்வை விவரிப்பது, பிரச்சினையை அல்ல. “மூன்று நெடுவரிசைகள் கொண்ட அட்டவணை சேர்” என்பதை விட “ஒவ்வொரு வகுப்பிலும் யார் booking செய்துள்ளார் என்பதை Sam ஒரே பார்வையில் பார்க்க வேண்டும்” என்பது பயனுள்ளது.
- வேண்டாதவற்றைக் குறிப்பிடாமல் விடுவது. login, payments அல்லது redesign இப்போது வேண்டாம் என்றால் அதைச் சொல்லுங்கள்.
- முடிவைப் படிக்காமல் இருப்பது. அடுத்ததற்குச் செல்லும் முன் கட்டப்பட்டதை உங்கள் “முடிந்தது” வரையறைக்கு எதிராகச் சோதியுங்கள்.
- மெருகேற்றுவதற்குப் பதிலாக மீண்டும் தொடங்குவது. பொதுவாக சுருக்கமான பின்தொடர் செய்தி (“ஏறக்குறைய சரி; X-ஐ மாற்று”) முழு prompt-ஐ மீண்டும் எழுதுவதை விட சிறந்தது.
- ரகசியங்களை prompts-இல் ஒட்டுவது. கருவி பாதுகாப்பான வழியில் சேமிக்காத வரை கடவுச்சொற்களையோ live API keys-களையோ chat-இல் ஒட்டாதீர்கள்.
உங்கள் AI builder-இடம் என்ன கேட்பது
- “கட்டுவதற்கு முன், ஏதேனும் கேள்விகள் இருந்தால் கேளுங்கள், உங்கள் திட்டத்தைக் காட்டுங்கள்.”
- “நான் என்ன விரும்புகிறேன் என்று நீங்கள் புரிந்துகொண்டதை மூன்று வாக்கியங்களில் திரும்பச் சொல்லுங்கள்.”
- “booking படிவத்தை மட்டும் மாற்றுங்கள்; வேறெதையும் தொடாதீர்கள்.”
- “நான் குறிப்பிடாமல் நீங்கள் எதை அனுமானித்தீர்கள்?”
- “என் குறிப்புகளை பயனர்கள், அம்சங்கள், விதிகள், ‘இப்போது வேண்டாம்’ பட்டியல்களுடன் ஒரு சுருக்கமான specification ஆக மாற்றுங்கள்.” AI உடன் product requirements doc எழுதுவது எப்படி பாருங்கள்.
- “அந்தக் கோரிக்கையை இன்னும் சிறப்பாக எப்படி எழுதியிருக்கலாம் என்று பரிந்துரையுங்கள்.”
Mythex-இல் prompting
இந்த வழியில் வேலை செய்ய Mythex-இல் மூன்று chat முறைகள் உள்ளன: Plan — எதையும் மாற்றுவதற்கு முன் அணுகுமுறையை ஒப்புக்கொள்ள, Build — மாற்றங்களைச் செய்ய, Ask — கோப்புகளைத் திருத்தாத கேள்விகளுக்கு. மாற்றம் தவறினால் screenshots அல்லது mock-ups-ஐ சூழலாக இணைக்கலாம், checkpoint-க்கு திரும்பவும் செல்லலாம். பயனுள்ள prompts மற்றும் iterating பற்றிய docs பக்கங்களில் மேலும் உதாரணங்கள் உள்ளன; AI-built ஆப்பில் iterate செய்வது எப்படி பின்தொடர் சுழற்சியை விளக்குகிறது.
கேள்விகள்
எளிய சொற்களில் prompt engineering என்றால் என்ன?
Prompt engineering என்பது AI மாடல் நீங்கள் விரும்பும் முடிவை நம்பகமாகத் தரும் வகையில் அதற்கான அறிவுறுத்தல்களை எழுதி மெருகேற்றும் நடைமுறை. நீங்கள் என்ன கேட்கிறீர்கள், என்ன சூழலைத் தருகிறீர்கள், உதாரணங்கள், கட்டுப்பாடுகள், மற்றும் திரும்ப வேண்டிய வடிவம் ஆகியவை இதில் அடங்கும்.
சிறப்பு தந்திரங்களோ மந்திரச் சொற்களோ தேவையா?
பெரும்பாலும் இல்லை. நவீன மாடல்கள் தெளிவான, குறிப்பிட்ட, ஒழுங்காக அமைக்கப்பட்ட அறிவுறுத்தல்களுக்கே சிறப்பாக பதிலளிக்கின்றன — ஒரு மனித சக ஊழியருக்கு உதவும் அதே விஷயங்கள்தான் இவை. சூழல், உதாரணங்கள், முடிந்த முடிவின் தெளிவான விளக்கம் ஆகியவையே சிறப்பு சொற்களை விட மிக முக்கியம்.
System prompt என்றால் என்ன?
System prompt என்பது உரையாடலுக்கு முன் மாடலுக்குத் தரப்படும் நிலையான அறிவுறுத்தல்கள் — அதன் பங்கு, விதிகள், தொனி போன்றவை. ஆப்கள் ஒவ்வொரு பதிலையும் வடிவமைக்க இதைப் பயன்படுத்தும்; பயனரின் செய்திகள் அதன் பின்னர் வரும்.
AI புத்திசாலியாகும்போதும் prompt engineering தேவைப்படுமா?
சிறந்த மாடல்களுக்கு குறைவான வழிமுறைகள் தேவைப்படும், ஆனால் அவை உங்கள் மனதைப் படிக்க முடியாது. உங்கள் இலக்கு, பார்வையாளர்கள், கட்டுப்பாடுகள் மற்றும் ‘முடிந்தது’ என்பதன் பொருள் ஆகியவற்றைச் சொல்வது எப்போதும் முடிவுகளை மேம்படுத்தும்; ஏனெனில் நீங்கள் சொன்னதை வைத்துத்தான் மாடல் வேலை செய்ய முடியும்.