ஒரு LLM ஐப் பயன்படுத்தி ஒரு சரியான பதிலைப் பெறுவது விருந்து அல்ல - அது ஒரு திறமை. மாதிரியானது அடுத்த சொல் முன்னறிவிப்பாளர், ஆனால் அது ஒரு திரைப்படக் கதாசிரியரும்: அடையாளம் காணாத பதிலில் அடையாளம் காணாத பதில். எப்போதும் நீங்கள் விரும்பும் எதையும் பெற வேண்டும்.
நன்றி இல்லாமல் சுருக்கமாக இருங்கள்.
வேலை செய்ய தேவையானது அதற்குத் தேவையான தரவுகள். விவரம்ஒப்பிடு
❌ "Explain how DNS works." ✅ "Explain how DNS works. Assume I know what IP addresses are but nothing about nameservers or TTLs. Use plain English and keep it under 4 paragraphs."
இரண்டாவது பரிந்துரையின் எல்லைகளை அடையாளம் காணும் மாதிரி கட்டுப்பாடுகள் மாதிரி கட்டுப்பாடுகளையும் அடையாளம் காண்பது என்பதை உறுதிப்படுத்துகிறது.
2. அந்த பாத்திரத்திற்கு ஒரு பங்கு வழங்கு
மாதிரியை ஒரு கதாபாத்திரத்திற்கு வைத்துவிட்டால், வெளியீட்டின் தரம் மாறுகிறது.
"You are a senior Python developer reviewing a junior's code. Look at the function below and point out any bugs, style issues, or performance problems."
மாதிரி கற்றல் பொருளைப் பற்றிய இந்த பாத்திரம் தரவு சேகரிப்பிலிருந்து எந்த "பகுதி" தனிமைப்படுத்தும். மூத்த மென்பொருள் மேம்பாட்டாளர்
3. எடுத்துக்காட்டுகள் (few-shot prompting)
ஒரு மிகவும் நம்பகமான நுட்பம் மாதிரியை நேரடியாக நீங்கள் விரும்புவதை அவர்களுக்கு காட்டுவது ஆகும்.
"Convert these sentences into a formal tone: Informal: 'Hey, can you fix this bug?' Formal: 'Please address the identified issue at your earliest convenience.' Informal: 'This code is slow.' Formal:"
மாதிரியானது பாகத்தைக் காண்கிறது மற்றும் அதை நீட்டுகிறது. நீங்கள் தற்செயலாக விடையின் முதல் அரைப் பகுதியையே எழுதிவிட்டீர்கள்.
4. செயல்முறை மனப்பாடு: அதற்கு ஒவ்வொரு படியாக சிந்திக்க கூறுங்கள்.
தனிப்பட்ட நிர்ணயங்களுக்கு பொருத்தமான ஐந்து சொற்கள் தரமான துல்லியத்தை மேம்படுத்துகின்றன.
"Think step by step before answering."
இது மாதிரியை திறந்து விளக்குவதற்கு ஊக்கப்படுத்துகிறது, இது திருப்பும் தவறுகளைக் குறைக்கிறது. கணிதம், யோசனைகள் மற்றும் திட்டமிடல் கேள்விகளுக்கு அதிக சக்தியாக இருக்கிறது.
என்ன பண்ணும்: மாதிரியின் "விளக்கம்" அது தயாரிக்கும் டாக்கன்களில் நடக்கிறது. அதை எழுதினால் இடைநிலை படிநிலைகள், அந்தப் படிநிலைகள் முடிவுத் தொடர் படிக்கும்போது பயன்படும் சூழல் - அதன் விளைவாக அடுத்த தொடர் முடிவு பெரிதும் நல்ல தகவலைக் கொண்டு வருகிறது.
5. அதை பிரித்து வைக்கு
முழுமையான கேள்விகள் சிறந்த முடிவுகளைப் பெறுவதற்குப் பகுதிகளாக பிரிக்கப்படும்போது மேம்படுகின்றன. ஒரு பெரிய பிரமோட்டுக்குப் பதிலாக, சுருக்கமான உரையாடலைக் கொண்டு வருங்காலத்தில் பயனளிக்கவு
You: "I want to write a blog post about Docker. Give me 5 topic ideas." Model: [lists ideas] You: "I like idea #3. Write an outline for it." Model: [outline] You: "Now write the introduction based on that outline."
ஒவ்வொரு நிலையின் வெளியீடும் அடுத்த நிலைக்கு ஊக்கமளிக்கிறது மற்றும் ஒவ்வொரு நிலையும் ஒரு திறமையான பணியைக் கொண்டிருக்கிறது. இதன் விளைவாக, ஒரு பகுதியான "Docker பற்றி ஒரு முழுமையான பிளாக் பாஸ்ட் எழுது
6. அதை என்ன செய்யக்கூடாது
நேர்மறை பட்டியலிடும் பகுதிகள் போலவே எதிர்மறை பட்டியலிடும் பகுதிகளும் முக்கியம்.
"Explain REST APIs to a beginner. Do not use any jargon. Do not mention HTTP methods unless you define them first. Keep it under 200 words."
மாதிரியானது உங்கள் பட்டியலில் உள்ள பொருட்களை இயக்க தவிர்க்கும், இது பொதுவாக உங்கள் நோக்கத்திற்கு நிலையான இருக்க நினைக்கும் முயற்சிக்கு அதிகமான செயல்திறன் கொண்டதாக இருக்கும்.
7. மீட்டும் மற்றும் சீராக்கு
முதல் வெளியீடு அது வெற்றிகரமாக அடையும் சந்தர்ப்பங்கள் அரிதாகவே இருக்கின்றன.
- குறைந்தது ஆகவும். மாதிரி ஒடுக்கப்படும்.
- அதை ஒரு அடிக்கடி பேசும் தொனியில் மீண்டும் எழுது. முறையை மாற்றுகிறார்.
- ஒரு நிலையான எடுத்துக்காட்டை சேர்த்துக் கொள்ளுங்கள். வெளியீடுகளை நிரப்புகிறது.
- என்னை பார்த்தால் என்ன இருந்தது? – அந்த மாதிரியானது பெரும்பாலும் தளங்களைக் கண்டறியும்.
ஒவ்வொரு சுழற்சி உங்களுக்கு மிகவும் நல்ல முடிவை தருகிறது, மேலும் உங்கள் ஆரம்பத்திலிருந்து மீண்டும் ஆரம்பிக்க வேண்டியதில்லை.
விரைவான அடிப்படை
Technique When to use ───────────────────────────────────────────────── Be specific Always. Give format, length, audience. Role prompt Code reviews, domain-specific advice. Examples When output format is unusual. Chain of thought Math, logic, planning, analysis. Break it down Complex or multi-step requests. Negative constraints When the model goes off-track. Iterate Always. The first answer is the rough draft.
சிறந்த அறிவுறுத்தும் முன்னுரைகள் எழுதுபவர்கள் முழுமையான முன்னுரைகளை எழுதவில்லை - அவர்கள் எழுதுகிறார்கள் மிக்கவசரமானது ஒன்றுக்கு பின்னர் நெகிழ்ந்து.