पांच मिनट में KERNEL: एक अच्छा प्रॉम्प्ट तकनीकी विनिर्देश जैसा क्यों दिखता है

लेखक KERNEL नामक एक सामुदायिक फ्रेमवर्क के बारे में बताते हैं, जो प्रॉम्प्ट लिखने के लिए है, अपनी माँ को पाँच मिनट में, यह महसूस करते हुए कि यह एक तकनीकी विनिर्देश की तरह लगता है। KERNEL का मतलब है Keep it simple, Easy to verify, Reproducible results, Narrow scope, Explicit constraints, और Logical structure। यह फ्रेमवर्क एक ऐसे लेखक द्वारा बनाया गया था, जिसने एक हज़ार से अधिक प्रॉम्प्ट का विश्लेषण किया और दावा किया कि पहली बार में सफलता की दर 72% से बढ़कर 94% हो गई, टोकन उपयोग में 58% की कमी आई, और उपयोगी परिणाम तक पहुँचने में लगने वाला समय 67% घट गया, हालांकि इस लेख के लेखक प्रकाशित पद्धति के बिना उन आंकड़ों पर संदेह करते हैं। लेख में कहा गया है कि अच्छे प्रॉम्प्ट अक्सर अच्छी तरह से लिखे गए तकनीकी कार्यों की तरह दिखते हैं, और यह कि 'चरण-दर-चरण सोचें' जैसी तकनीकें मदद कर सकती हैं, आधुनिक रीजनिंग मॉडल पहले से ही उसे आंतरिक रूप से संभालते हैं। सबसे विवादास्पद अक्षर R है, जो Reproducible results के लिए है, जिसे लेखक समान आउटपुट के रूप में नहीं, बल्कि पुनरुत्पादनीय आवश्यकताओं के रूप में पुनर्व्याख्या करते हैं, जिससे मॉडल संस्करणों और प्रॉम्प्टों में तुलना संभव हो सके। उत्पादन में, अकेले प्रॉम्प्ट पर्याप्त नहीं हैं; मॉडल व्यवहार को मापने के लिए evals (पूर्व-परिभाषित परीक्षण) की आवश्यकता होती है, और प्रॉम्प्ट लॉजिक का कुछ हिस्सा (जैसे JSON संरचना लागू करना) कोड में स्कीमा के माध्यम से स्थानांतरित करना बेहतर होता है। मॉडल का चुनाव भी मायने रखता है: विभिन्न LLM एक ही प्रॉम्प्ट पर अलग-अलग प्रदर्शन करते हैं, इसलिए विशिष्ट मानदंडों पर मॉडलों की तुलना करना आवश्यक है। लेखक SYNTX.AI का उपयोग एक ही स्थान से कई LLM चलाने के लिए करते हैं, और लेख यह निष्कर्ष निकालता है कि KERNEL अभी भी एक त्वरित चेकलिस्ट के रूप में उपयोगी है, लेकिन वास्तविक LLM सिस्टम के लिए संदर्भ इंजीनियरिंग की आवश्यकता होती है, जिसमें RAG, टूल उपयोग और स्टेट प्रबंधन शामिल हैं। यह अंश SYNTX.AI के लिए एक प्रचारक नोट और एक प्रोमो कोड के साथ समाप्त होता है।