🟢 سیکھنے کی ترغیب دینے کا طریقہ

نے اپ ڈیٹ کیا۔ سینڈر شلہوف کو August 7, 2024 آخری بار

جنریٹو اے آئی کے ساتھ مسئلہ حل کرنے کا طریقہ سیکھیں جنرل AI اسپیس میں مسئلہ حل کرنے کا ایک فریم ورک ہے۔ یہ آپ کو یہ فیصلہ کرنے میں مدد کرتا ہے کہ آیا Gen AI صحیح حل ہے، پرامپٹ انجینئرنگ کو کیسے لاگو کیا جائے، کون سے ٹولز کو منتخب کرنا ہے، اور مزید بہت کچھ۔ ہم پانچ مراحل میں سے ہر ایک سے گزریں گے، پھر اس طریقہ کو استعمال کرتے ہوئے کیس اسٹڈی فراہم کریں گے۔

پانچ مراحل

1. اپنا مسئلہ بیان کریں۔

Learn Prompting Method میں پہلا قدم اپنے مسئلے کو بیان کرنا ہے۔ اس میں ممکنہ حل کی طرف چھلانگ لگائے بغیر اس مسئلے کو واضح طور پر بیان کرنا شامل ہے جس کا آپ سامنا کر رہے ہیں۔ مثال کے طور پر، "ہمارے صارفین کے ہمارے پروڈکٹ کی خصوصیات کے بارے میں سوالات ہیں جن کو حل کرنے کی ضرورت ہے، کیونکہ ہم ممکنہ کاروبار سے محروم ہیں"۔

2. متعلقہ معلومات کی جانچ کریں۔

اپنا مسئلہ بتانے کے بعد، اگلا مرحلہ متعلقہ معلومات کی جانچ کرنا ہے۔ اس میں ملتے جلتے مسائل اور ان کے حل کی تحقیق کرنا، آپ کے مسئلے کے سیاق و سباق کا مطالعہ کرنا، یا آپ کے مسئلے سے متعلق ڈیٹا کا تجزیہ کرنا شامل ہوسکتا ہے۔ اس میں متعلقہ پرامپٹ اور Gen AI ٹولز کو تلاش کرنا بھی شامل ہے۔ یہ قدم آپ کے مسئلے کی باریکیوں کو سمجھنے اور اسے حل کرنے کے لیے ممکنہ طریقوں کی نشاندہی کرنے کے لیے اہم ہے۔ اس مقام پر، آپ کو معلوم ہونا چاہیے کہ کیا جنرل AI آپ کے مسئلے کے لیے موزوں ہے۔

3. حل تجویز کریں۔

ایک بار جب آپ متعلقہ معلومات کی جانچ کر لیتے ہیں، تو آپ کو اپنے مسئلے کو حل کرنے کے بارے میں واضح خیال ہونا چاہیے۔ اب حل تجویز کرنے کا وقت آگیا ہے۔ یہ ایک پرامپٹ، ایک نیا ٹول، یا موجودہ ٹول کو استعمال کرنے کا نیا طریقہ ہو سکتا ہے۔ حل براہ راست اس مسئلے سے منسلک ہونا چاہئے جو آپ نے بیان کیا ہے اور آپ کی جانچ کی گئی معلومات۔

4. حل کو ایڈجسٹ کریں۔

ایک بار جب آپ نے کوئی حل چن لیا، جو کہ ایک پرامپٹ یا ٹول ہو سکتا ہے، اگلا مرحلہ فیڈ بیک اور ٹیسٹنگ کی بنیاد پر اسے ایڈجسٹ کرنا ہے۔ اس میں یہ دیکھنے کے لیے ٹیسٹ ترتیب دینا شامل ہو سکتا ہے کہ صارف کس طرح پرامپٹ کے ساتھ تعامل کرتے ہیں، صارفین سے فیڈ بیک حاصل کرتے ہیں، یا آپ کی اپنی بصیرت اور مہارت کی بنیاد پر ایڈجسٹمنٹ کرتے ہیں۔ یہ وہ جگہ ہے جہاں پرامپٹ انجینئرنگ آتی ہے!

5. اپنا حل شروع کریں۔

Learn Prompting Method کا آخری مرحلہ اپنے حل کو شروع کرنا ہے۔ اس میں اسے آپ کے پروڈکٹ میں ضم کرنا، اسے پلیٹ فارم پر شائع کرنا، یا صارفین کے ساتھ آپ کے تعاملات میں اسے استعمال کرنا شروع کرنا شامل ہو سکتا ہے۔

سیکھنے کا پرامپٹ کرنے کا طریقہ ایک سائیکل ہے، لکیری عمل نہیں۔ اپنا حل شروع کرنے کے بعد، آپ کو اس کی کارکردگی کی نگرانی جاری رکھنی چاہیے اور ضرورت کے مطابق ایڈجسٹمنٹ کرنا چاہیے۔ آپ ان مراحل کو یاد رکھنے کے لیے SEPAL کا مخفف استعمال کر سکتے ہیں!

کیس سٹڈی: ہیٹ انفارمیشن بوٹ بنانے کے لیے سیکھنے کا پرامپٹ دینے کا طریقہ استعمال کرنا

آئیے ایک کیس اسٹڈی کو دیکھتے ہیں کہ کس طرح سیکھنے کا پرامپٹ کرنے کا طریقہ شروع سے چیٹ بوٹ بنانے کے لیے استعمال کیا جا سکتا ہے۔ اس معاملے میں، ہمارے پاس ٹوپیوں کے بارے میں صارف کے سوالات کا ایک مجموعہ ہے۔

1. اپنا مسئلہ بیان کریں: ہمارے پاس مختلف قسم کی ٹوپیوں، ان کی تاریخ اور انہیں پہننے کے طریقے کے بارے میں صارفین کے سوالات کی ایک بڑی تعداد ہے۔ ہمیں اس کے بارے میں کچھ کرنے کی ضرورت ہے کیونکہ ہم ممکنہ کاروبار کو کھو رہے ہیں۔

2. متعلقہ معلومات کا جائزہ لیں: ہم صارف کے ان سوالات کا تجزیہ کرتے ہیں جو ہم نے جمع کیے ہیں۔ ہم نے دیکھا کہ سب سے عام سوالات مخصوص قسم کی ٹوپیوں کی تاریخ، انہیں صحیح طریقے سے پہننے کے طریقے اور ان کی دیکھ بھال کے بارے میں ہیں۔ ہم موجودہ چیٹ بوٹس کو بھی دیکھتے ہیں، ان کی سیاق و سباق کی لمبائی، قیمتوں اور رفتار کا جائزہ لیتے ہیں، اور Gen AI ٹولز جو ممکنہ طور پر ہمارے مسئلے کو حل کرنے میں ہماری مدد کر سکتے ہیں۔

3. ایک حل تجویز کریں: ہمارے تجزیہ کی بنیاد پر، ہم ChatGPT کا استعمال کرتے ہوئے ایک چیٹ بوٹ بنانے کا فیصلہ کرتے ہیں جو ان تین قسم کے سوالات کا جواب دے سکے۔ ہم ایک ابتدائی پرامپٹ تیار کرتے ہیں:

Copy

Prompt

---

آپ ایک باشعور ہیٹ مورخ ہیں جنہوں نے مختلف قسم کی ٹوپی پہننے کی تاریخ، انداز اور مناسب طریقوں کا مطالعہ کیا ہے۔ ایک صارف آپ سے ٹوپیوں کے بارے میں سوال پوچھتا ہے۔ مددگار اور معلوماتی انداز میں ان کے سوال کا جواب دیں: USER_INPUT

4. حل کو ایڈجسٹ کریں: ہم صارفین کے ایک چھوٹے گروپ کے ساتھ اپنے ابتدائی پرامپٹ کی جانچ کرتے ہیں اور ان کے تاثرات جمع کرتے ہیں۔ ان کے تاثرات کی بنیاد پر، ہم سمجھتے ہیں کہ ہمارے پرامپٹ زیادہ مشغول اور کم رسمی ہونے کی ضرورت ہے۔

ہم اس کے مطابق اپنے پرامپٹ کو ایڈجسٹ کرتے ہیں:

Copy

Prompt

---

آپ ٹوپی کے شوقین ہیں اور مختلف قسم کی ٹوپی پہننے کی تاریخ، انداز اور آداب کے بارے میں کافی معلومات رکھتے ہیں۔ ایک صارف ٹوپیوں کے بارے میں متجسس ہے اور آپ سے ایک سوال پوچھتا ہے۔ دوستانہ اور معلوماتی انداز میں ان کے سوال کا جواب دیں۔"

ہم صارف کی مزید جانچ کرتے ہیں اور سمجھتے ہیں کہ ہمیں اپنی مارکیٹ کو تقسیم کرنے کی ضرورت ہے: ہیٹ ہسٹری میں دلچسپی رکھنے والے لوگ زیادہ رسمی انداز کو ترجیح دیتے ہیں، جبکہ جو لوگ سٹائل اور ٹوپی پہننے میں دلچسپی رکھتے ہیں وہ زیادہ غیر رسمی بوٹ کو ترجیح دیتے ہیں۔ ہم ایک ابتدائی روٹنگ پرامپٹ تیار کرتے ہیں جو فیصلہ کرتا ہے کہ وہ کس قسم کے صارف ہیں ان کے سوال کی بنیاد پر:

Copy

Prompt

---

"آپ ایک ایسے AI ہیں جو ہیٹ سے متعلق سوالات کی باریکیوں کو سمجھتے ہیں۔ صارف کے سوال کی بنیاد پر، تعین کریں کہ کیا وہ ٹوپیوں کی رسمی تاریخ یا غیر رسمی انداز اور ٹوپی پہننے میں زیادہ دلچسپی رکھتے ہیں۔ تاریخ کے لیے 'فارمل' کے ساتھ جواب دیں- متعلقہ سوالات اور طرز اور پہننے سے متعلق سوالات کے لیے 'غیر رسمی'۔"

ہم ایک ٹول جیسے Langchain، Voiceflow، یا Dust کو روٹنگ پرامپٹ کو دوسرے دو سے جوڑنے کے لیے استعمال کرتے ہیں۔

5. اپنا حل شروع کریں: ہم اپنی ویب سائٹ پر چیٹ بوٹ لانچ کرتے ہیں۔ ہم بوٹ کے ساتھ صارف کے تعاملات کی نگرانی کرتے رہتے ہیں اور ضرورت کے مطابق مزید ایڈجسٹمنٹ کرتے ہیں۔

سیکھنے کا پرامپٹ دینے کے طریقہ پر عمل کرتے ہوئے، ہم ایک ایسا چیٹ بوٹ بنانے میں کامیاب ہوئے جو ٹوپیوں کے بارے میں صارف کے سوالات کا مؤثر طریقے سے جواب دیتا ہے۔ یہ عمل صارف کی ضروریات کو سمجھنے، حل کی جانچ اور ایڈجسٹمنٹ، اور صارف کے تاثرات کی بنیاد پر مسلسل بہتری لانے کی اہمیت کو اجاگر کرتا ہے۔