प्रॉम्प्ट इंजीनियरिंग — AI की पूरी ताकत को उजागर करें

प्रॉम्प्ट क्या है ― AI को "बताने के तरीके" से नतीजा बदलता है

किसी दोस्त से कोई काम कहते समय, "कुछ अच्छा-सा कर देना" कहने और "अगले शुक्रवार तक, A4 पर 2 पन्नों का प्रस्ताव बना देना। बजट 5 लाख के भीतर हो" कहने में, मिलने वाला नतीजा बिल्कुल अलग होगा, है ना?

AI को दिए जाने वाले निर्देश भी वैसे ही हैं। प्रॉम्प्ट (Prompt) यानी AI को भेजा जाने वाला निर्देश-वाक्य। और प्रॉम्प्ट लिखने के तरीके भर से, AI का जवाब नाटकीय रूप से बदल जाता है।

यह कोई हवाई बात नहीं है। प्रॉम्प्ट से जुड़े 1,500 से ज़्यादा शोध-पत्रों का मेटा-विश्लेषण करने वाले एक अध्ययन के अनुसार, प्रॉम्प्ट में ठोस शर्तें जोड़ने भर से जवाब की सटीकता करीब 30% बढ़ जाती है और गैर-ज़रूरी जानकारी 42% घट जाती है ― ऐसा नतीजा निकला है^[1]।

"प्रॉम्प्ट इंजीनियरिंग" शब्द शायद आपने सुना हो। 2025 में, 68% कंपनियाँ प्रॉम्प्ट स्किल को सभी कर्मचारियों के लिए मानक प्रशिक्षण में शामिल कर रही हैं ― ऐसा डेटा भी है^[2]। अब यह सिर्फ इंजीनियरों का विशेष हुनर नहीं, बल्कि AI इस्तेमाल करने वाले हर व्यक्ति के लिए ज़रूरी बुनियादी स्किल बन चुका है।

इस अध्याय में हम प्रॉम्प्ट लिखने का ऐसा तरीका समझाएँगे जिसे कोई भी आज से अमल में ला सके, ठोस उदाहरणों सहित। और ज़्यादा व्यावहारिक टेम्पलेट संग्रह के लिए प्रॉम्प्ट इंजीनियरिंग व्यावहारिक गाइड भी देख सकते हैं।

अच्छे प्रॉम्प्ट के 5 तत्व

कारगर प्रॉम्प्ट में 5 तत्व होते हैं। खाने की रेसिपी की मिसाल से समझें तो, "कौन बनाएगा (भूमिका)", "क्या बनाना है (कार्य)", "किसके लिए बनाना है (पृष्ठभूमि)", "कैसे परोसना है (प्रारूप)", "एलर्जी का ध्यान (बंदिशें)" ― कुछ ऐसा।

व्यावहारिक तकनीकों का संग्रह ― आज से इस्तेमाल लायक 7 ढाँचे

2024 में प्रकाशित बड़े अध्ययन "The Prompt Report" में, 58 तरह की प्रॉम्प्ट तकनीकों को व्यवस्थित रूप से वर्गीकृत किया गया है^[3]। पर 58 याद रखने की ज़रूरत नहीं। रोज़मर्रा के AI इस्तेमाल में सच में काम आती हैं बस करीब 7। यहाँ हमने उन्हें कठिनाई के स्तर के अनुसार व्यवस्थित किया है।

[शुरुआती]① ठोस निर्देश दें

सबसे सरल और सबसे असरदार तकनीक। धुँधले सवाल में बस संख्या・लक्ष्य・शर्त जोड़ना।

❌ धुँधला: "बिक्री बढ़ाने का तरीका बता दो"

✅ ठोस: "10 कर्मचारियों वाली एक रेमन दुकान की मासिक बिक्री 20% बढ़ाने के उपाय, कम लागत वाले क्रम में 5 दो। इस समय प्रति ग्राहक औसत खर्च 900 येन है, और मासिक ग्राहक संख्या करीब 3,000 है"

[शुरुआती]② आउटपुट प्रारूप तय करें

शोध के अनुसार, प्रारूप तय करने या न करने से सटीकता में 76 पॉइंट तक का फर्क पड़ने वाले मामले भी हैं^[1]। "बिंदुवार", "तुलना-तालिका में", "○ अक्षरों के भीतर" ― बस इतना जोड़ने से जवाब इस्तेमाल लायक बन जाता है।

[शुरुआती]③ भूमिका दें (रोल-प्ले)

"आप ○○ हैं" बस इतना बताने से, उस क्षेत्र में विशेषज्ञ जवाब मिलने लगता है।

"आप 10 साल के अनुभवी सेल्स मैनेजर हैं। नए सेल्स कर्मचारी को पहले 3 महीनों में जो स्किल आत्मसात करनी चाहिए, उन्हें प्राथमिकता के क्रम में बताइए"

मूल बात है अनुभव के वर्ष या ठोस पद डालना। सिर्फ "विशेषज्ञ हैं" से ज़्यादा, "○ साल अनुभवी ○○ हैं" कहने पर जवाब की गहराई बदल जाती है।

[मध्यम]④ उदाहरण दिखाएँ (Few-shot)

AI को 2~3 इनपुट-आउटपुट उदाहरण दिखाने के बाद असली काम सौंपने का तरीका। वर्गीकरण・रूपांतरण・नियमित काम में यह खास ताकत दिखाता है।

नीचे दिए प्रारूप में उत्पाद रिव्यू की भावना का वर्गीकरण कीजिए।

रिव्यू: "यह उत्पाद ज़बरदस्त है!" → भावना: सकारात्मक
रिव्यू: "उम्मीद पर खरा नहीं उतरा" → भावना: नकारात्मक
रिव्यू: "ठीक-ठाक चल जाता है" → भावना: तटस्थ

रिव्यू: "डिलीवरी तो तेज़ थी, पर एक खरोंच थी" → भावना:

एक दिलचस्प शोध-नतीजा है। Few-shot का असर उदाहरणों की "सटीकता" से ज़्यादा उनकी "विविधता" पर निर्भर करता है ― ऐसा विश्लेषण है। यानी, परफेक्ट उदाहरण जुटाने से ज़्यादा ज़रूरी है पैटर्न की चौड़ाई दिखाना^[4]।

[मध्यम]⑤ चरणबद्ध सोचवाएँ (Chain-of-Thought)

"स्टेप-बाय-स्टेप सोचिए" बस इतना जोड़ने से, तर्क वाले कामों की सटीकता करीब 35% बढ़ जाती है ― ऐसा शोध-नतीजा है^[1]। गणना, तर्क, जटिल विश्लेषण में यह खास कारगर है।

"एक सेब 150 रुपये का, एक संतरा 80 रुपये का। 3 सेब और 5 संतरे खरीदे और 1,000 रुपये के नोट से पैसे दिए, तो कितने वापस मिलेंगे? गणना का हर चरण एक-एक करके दिखाते हुए जवाब दीजिए"

[उन्नत]⑥ स्व-समीक्षा करवाएँ

AI से उसके अपने जवाब की आलोचनात्मक ढंग से जाँच करवाने की तकनीक। जहाँ सटीकता ज़रूरी हो, वहाँ कारगर है।

(AI का जवाब मिलने के बाद)
"इस जवाब में कोई समस्या या छूट तो नहीं, आलोचनात्मक ढंग से जाँचिए। गलती हो तो सुधार दीजिए"

पर, AI अपनी गलतियाँ 100% ढूँढ ले, ऐसा ज़रूरी नहीं। शोधकर्ता "प्लॉज़िबिलिटी ट्रैप (plausibility trap)" की ओर इशारा करते हैं ― यानी AI का आउटपुट जितना भरोसेमंद दिखता है, उसकी जाँच उतनी ही मुश्किल हो जाती है^[5]। अहम फैसलों में इंसान की जाँच ज़रूर रखें।

[उन्नत]⑦ मेटा-प्रॉम्प्ट ― AI से प्रॉम्प्ट बनवाएँ

प्रॉम्प्ट लिखने में अभ्यस्त हो जाएँ, तो AI से ही प्रॉम्प्ट बनवाने का तरीका भी है।

"मैं एक फ्रीलांस वेब डिज़ाइनर हूँ, और क्लाइंट के लिए प्रस्ताव-पत्र कुशलता से बनाना चाहता हूँ। इस उद्देश्य को पूरा करने के लिए सबसे उपयुक्त प्रॉम्प्ट बनाइए"

AI के बनाए प्रॉम्प्ट को ज्यों का त्यों इस्तेमाल करने के बजाय, अपनी स्थिति के हिसाब से समायोजित करना ही राज़ है।

Before / After ― वही सवाल, पर इतना बड़ा फर्क

सिर्फ तकनीक की व्याख्या से एहसास करना मुश्किल है, इसलिए आइए ठोस Before/After देखें। बाईं ओर धुँधला निर्देश, दाईं ओर शर्तें जोड़ा गया निर्देश।

उदाहरण 1: बिज़नेस ईमेल बनाना

Before	After
"माफ़ी की ईमेल लिख दो" → सामान्य, बिना काम की ईमेल बन जाती है	"डिलीवरी 3 दिन देर होने के बारे में, क्लाइंट के तनाका मैनेजर को माफ़ी वाली ईमेल लिख दो। वजह लॉजिस्टिक्स की दिक्कत है, और अगले सोमवार पहुँचने की उम्मीद है" → तुरंत भेजी जा सकने लायक ईमेल तैयार

उदाहरण 2: प्रोजेक्ट के लिए विचार-मंथन

Before	After
"नए उत्पाद के आइडिया दो" → किस उद्योग का कौन-सा उत्पाद, अस्पष्ट रहने से धुँधले सुझाव	"20-30 साल की महिलाओं के लिए हेल्थ फूड में, मासिक 3,000 रुपये से कम की सब्सक्रिप्शन उत्पाद के 5 सुझाव दो। प्रतिस्पर्धी A कंपनी, B कंपनी से अलग दिखने वाले पहलू भी साथ में" → ज्यों के त्यों प्रस्ताव में इस्तेमाल लायक आइडिया मिलते हैं

उदाहरण 3: सीखना・खोजबीन

Before	After
"मशीन लर्निंग समझा दो" → नीरस और कठिन व्याख्या मिलती है	"स्कूली बच्चे को भी समझ आए ऐसे, मशीन लर्निंग की बनावट को खाने की रेसिपी की मिसाल से समझाओ। तकनीकी शब्द न इस्तेमाल करना, और 2 ठोस उदाहरण डालना" → अपनापन भरी और झट समझ आने वाली व्याख्या मिलती है

साझा बात यही है कि "किसके लिए・क्या・कैसे・किस रूप में" को साफ किया गया है। शर्तें जितनी जोड़ते जाएँ, AI उतना सटीक जवाब लौटाता है।

अक्सर होने वाली गलतियाँ और उनका हल

AI इस्तेमाल शुरू करने वाले जिन 5 जालों में अक्सर फँसते हैं, और उनसे निकलने का तरीका बताते हैं।

❌ गलती 1: बहुत ज़्यादा धुँधला निर्देश

"अच्छे से लिख दो", "और बेहतर कर दो" ― ये AI के लिए भी उलझन भरे निर्देश हैं। क्या और कैसे "अच्छा" है यह ठोस रूप से बताएँ। "कैज़ुअल लहजे में", "3 आँकड़े डालकर", "300 अक्षरों के भीतर" ― इस तरह कसौटी साफ करना ही राज़ है।

❌ गलती 2: एक ही बार में सब कुछ पूछना

"मार्केटिंग रणनीति बनाने का तरीका, टूल के सुझाव, और बजट बनाने का तरीका बता दो" ― ऐसे में AI सबको सतही तौर पर कवर करने की कोशिश करता है, और सब कुछ अधूरा रह जाता है। एक बार में एक ही विषय पूछें। पिछले जवाब को आधार बनाकर अगला सवाल पूछने से गहरा जवाब मिलता है।

❌ गलती 3: AI के आउटपुट पर आँख मूँदकर भरोसा

AI बड़े आत्मविश्वास से गलती कर सकता है (हैलुसिनेशन)। खास ध्यान इन पर:

• ठोस संख्या・आँकड़े ― स्रोत पूछकर जाँच लें
• विशेष नाम ― व्यक्ति-नाम・कंपनी-नाम・कानून-नाम की पुष्टि ज़रूर करें
• ताज़ा जानकारी ― मॉडल के ज्ञान की एक सीमा-तिथि होती है
• कानून・कर ― आधिकारिक जानकारी से ज़रूर जाँचें

उपाय सीधा है। "इस जानकारी का स्रोत बता दो" पूछने की आदत डालें। जिस जानकारी का स्रोत AI न बता पाए, वह जाँचने का संकेत है।

❌ गलती 4: एक ही आदान-प्रदान में खत्म कर देना

"AI से पूछा पर जवाब मामूली था" → "आखिर AI बेकार है"। यह बहुत नुकसान वाला पैटर्न है। अगले सेक्शन में विस्तार से बताएँगे, पर AI से संवाद 2~3 बार आगे-पीछे होना पूर्व-शर्त है।

❌ गलती 5: सब कुछ AI पर छोड़ देना

AI जिसमें अच्छा है ― ड्राफ्ट बनाना・जानकारी व्यवस्थित करना・विचारों का प्रसार। इंसान जिसमें अच्छा है ― अंतिम निर्णय・संदर्भ पढ़ना・नैतिक ध्यान। इन दोनों को मिलाना ही सबसे कारगर इस्तेमाल है। "AI से ड्राफ्ट बनवाना, इंसान का अंतिम निखार देना" ― यही बँटवारा सबसे अच्छा चलता है।

AI से संवाद की कला ― एक ही बार में खत्म न करें

प्रॉम्प्ट की तकनीक से भी ज़्यादा ज़रूरी है "संवाद को बार-बार दोहराने" वाली सोच।

प्रॉम्प्ट के शोध में बताया गया है कि बार-बार फीडबैक (इटरेशन) से आउटपुट की गुणवत्ता 35% बढ़ती है^[1]। पहली ही बार में परफेक्शन माँगने के बजाय, AI का जवाब देखकर, दिशा सुधारकर, दोबारा पूछें। यही चक्र गुणवत्ता बढ़ाता है।

फीडबैक के 6 ढाँचे

"क्या फीडबैक दें समझ नहीं आता" ऐसे लोगों के लिए, इस्तेमाल लायक 6 ढाँचे बताते हैं।

ढाँचा	इस्तेमाल का उदाहरण
दिशा सुधार	"और कैज़ुअल शैली में कर दो", "बहुत तकनीकी है, शुरुआती के लिए बना दो"
गहराई	"तीसरे सुझाव को और विस्तार से समझाओ", "ठोस चरण जोड़ दो"
अतिरिक्त शर्त	"1 लाख के भीतर वाले सुझाव तक सीमित करो", "सिर्फ भारतीय बाज़ार तक सीमित करो"
नज़रिया बदलना	"ग्राहक के नज़रिये से दोबारा सोचो", "विरोधी राय भी दो"
गुणवत्ता जाँच	"इस सामग्री में कोई गलती या विरोधाभास तो नहीं, जाँच लो"
प्रारूप बदलना	"इस सामग्री को ईमेल की लिखावट में बना दो", "तालिका में दोबारा समेट दो"

2~3 बार फीडबैक से, जवाब की गुणवत्ता काफी बढ़ जाती है। शुरू से ही परफेक्शन न माँगना ही राज़ है।

प्रॉम्प्ट से "कॉन्टेक्स्ट इंजीनियरिंग" की ओर

आखिर में, प्रॉम्प्ट तकनीक के ताज़ा चलन पर भी बात कर लेते हैं।

AI शोधकर्ता Andrej Karpathy ने जून 2025 में कहा, "रोज़मर्रा के छोटे प्रॉम्प्ट, औद्योगिक स्तर के AI इस्तेमाल का बहुत छोटा हिस्सा भर हैं", और कॉन्टेक्स्ट इंजीनियरिंग की अवधारणा पेश की^[6]।

यह सिर्फ प्रॉम्प्ट (निर्देश-वाक्य) नहीं, बल्कि AI को दी जाने वाली पूरी जानकारी ―― संदर्भ सामग्री, पिछले आदान-प्रदान, टूल के आउटपुट आदि ―― को उपयुक्त ढंग से डिज़ाइन करने की सोच है। उदाहरण के लिए AI को कंपनी के दस्तावेज़ पढ़वाकर सवाल पूछना, पिछली मीटिंग के नोट्स अटैच करके सारांश माँगना ― ऐसा इस्तेमाल इसी में आता है। विस्तार से कॉन्टेक्स्ट इंजीनियरिंग क्या है में समझाया गया है। यह सोच, AI को अमल सौंपने वाली वाइब कोडिंग और स्पेक-ड्रिवन डेवलपमेंट में भी अहम बन जाती है।

फिर भी, बुनियाद वही रहती है। पहले इस अध्याय में सीखे 5 तत्वों और 7 तकनीकों को अमल में लाना। बस इतने से ही, AI के जवाब की गुणवत्ता पहचान में न आने वाली हद तक बदल जाएगी।

संदर्भ

1. Gupta, Aakash. "I Spent a Month Reading 1,500+ Research Papers on Prompt Engineering." Medium, 2025.
2. "Is Prompt Engineering Dead?" Fast Company, May 2025.
3. Schulhoff, Sander et al. "The Prompt Report: A Systematic Survey of Prompting Techniques." arXiv:2406.06608, 2024.
4. Min, Sewon et al. "Rethinking the Role of Demonstrations: What Makes In-Context Learning Work?" arXiv:2202.12837, 2022.
5. Lakera. "Prompt Engineering Guide 2026." lakera.ai, 2026.
6. Karpathy, Andrej. "Context Engineering." X (Twitter), June 2025.

संबंधित लिंक:

• Prompt Engineering Guide ― प्रॉम्प्ट तकनीक की समग्र गाइड (अंग्रेज़ी)
• Anthropic Prompt Engineering Docs ― Claude के लिए प्रॉम्प्ट डिज़ाइन गाइड

अगले अध्याय में, इस अध्याय में सीखी प्रॉम्प्ट तकनीक को असल मौकों पर कैसे काम में लाएँ ―― काम・सीखने・रचना में ठोस इस्तेमाल के तरीके बताएँगे।