होम › सभी पाठ › प्रो धारा — बिल्डर व इंजीनियर

🎯 Prompt Engineering: प्रो-स्तर की कला

AI से हर बार exactly वही output लेना — system prompt से JSON तक

इंजीनियरिंग/टेक की राह पर

Prompt सिर्फ़ सवाल नहीं, design है

एक ही AI model, दो अलग prompts — एक से बेकार जवाब, दूसरे से production-ready output. फ़र्क़ model का नहीं, prompt का है. Prompt engineering का मतलब है AI को instructions इतनी साफ़ देना कि वो हर बार वही करे जो आप चाहते हैं. 2026 में ये हर software team की core skill है — और इसे practice करने के लिए सिर्फ़ एक phone और कोई भी AI चैटबॉट काफ़ी है.

System prompt vs User prompt

हर AI conversation में दो layer होती हैं. System prompt model का role, rules और style fix करता है — ये पूरी conversation पर लागू रहता है. User prompt वो actual सवाल है जो हर बार बदलता है. Chat app में आप अक्सर सिर्फ़ user prompt लिखते हैं, पर API से अपना app बनाते समय system prompt आप ख़ुद set करते हैं — असली control यहीं है.

API में ये कुछ ऐसा दिखता है (लगभग हर AI provider का format मिलता-जुलता है): messages = [ {"role": "system", "content": "तुम senior Python teacher हो. हर जवाब: पहले concept, फिर 5-line code."}, {"role": "user", "content": "list comprehension समझाओ"} ]

4 patterns जो हर engineer रोज़ use करता है

Role prompting — 'तुम एक senior code reviewer हो': role देते ही जवाब की depth और tone बदल जाती है
Few-shot examples — 2-3 solved examples दिखाओ, model उसी pattern को copy करता है
Chain-of-thought — 'step by step सोचो': maths और logic problems में accuracy साफ़ बढ़ती है
Structured output — 'सिर्फ़ valid JSON में जवाब दो, ये keys रखो': output को code से parse कर सकते हो

Few-shot का असली दम: rules लिखने की ज़रूरत नहीं, बस examples दिखाने हैं. जैसे complaint messages को categories में बाँटना हो तो 3 examples दो — 'delivery 5 दिन late' → logistics, 'app crash हो रहा' → tech — और model चौथा ख़ुद सही classify करेगा. Format भी examples से ही सीखता है, इसलिए examples में exactly वही format रखो जो output में चाहिए.

Chain-of-thought: जब आप लिखते हो 'पहले step by step सोचो, फिर final answer दो', तो model जल्दबाज़ी में guess करने की जगह अपनी reasoning लिखता है — और ग़लतियाँ पकड़ में आती हैं. 2026 के नए reasoning models ये काफ़ी हद तक ख़ुद करते हैं, फिर भी explicit बोलना छोटे models और tricky problems में अब भी काम आता है.

Structured output: जब AI का जवाब किसी app या script में जाना हो, JSON माँगो और keys पहले से fix करो — जैसे {"summary": "", "risk": "low/medium/high"}. साथ में लिखो 'JSON के बाहर एक भी शब्द मत लिखो', वरना extra text आपका JSON.parse तोड़ देगा.

❝ तुम एक strict senior code reviewer हो. नीचे दिए code को review करो और सिर्फ़ valid JSON में जवाब दो, JSON के बाहर कुछ नहीं: {"bugs": [], "severity": "low/medium/high", "fix_suggestion": ""}. Code: [यहाँ अपना code paste करो] ❞→ AI आपका code पढ़कर machine-readable JSON review देगा, जिसे आप सीधे किसी script या app में use कर सकते हैं❝ इन examples की तरह classify करो — 'delivery 5 दिन late' → logistics; 'app बार-बार crash' → tech; 'payment कटा पर order नहीं बना' → payments. अब ये classify करो: 'refund 2 हफ़्ते से pending है' ❞→ AI examples का pattern पकड़कर बिना लंबी explanation के सिर्फ़ category देगा — few-shot learning live देखने का सबसे आसान तरीक़ा❝ एक tank 8 घंटे में भरता है और एक leak उसे 12 घंटे में खाली करता है. दोनों साथ चालू हों तो tank कितने घंटे में भरेगा? Step by step सोचो, हर step दिखाओ, फिर आख़िरी line पर सिर्फ़ 'Answer: X घंटे' लिखो ❞→ AI पूरी reasoning दिखाएगा (per hour rate निकालना, subtract करना) और अंत में साफ़ answer — हर step आप ख़ुद verify कर सकते हैं

Iteration: पहला prompt draft होता है, final नहीं

सबसे simple prompt लिखो और output देखो — पहली बार में perfection की कोशिश मत करो
जो ग़लत या missing है उसे note करो: format? tone? length? facts?
एक constraint या example जोड़कर दोबारा चलाओ — एक बार में एक ही चीज़ बदलो
जब 10 में से 9 बार सही output आए, तब prompt को 'done' मानो और save कर लो

Common failures — इनसे बचो

Vague instructions — 'अच्छा सा लिख दो' से model guess करता है; length, audience, format सब बताओ
एक prompt में 10 काम — model कुछ steps भूल जाएगा; बड़े काम को छोटे prompts में तोड़ो
AI के facts पर आँख बंद भरोसा — model confident होकर ग़लत भी बोल सकता है (hallucination); numbers और claims ख़ुद verify करो
Prompt में secrets — API key, password, OTP या किसी का personal data कभी paste न करें

अपने best prompts एक notes file में save करते चलो — यही आपकी personal prompt library बनेगी. Interview में 'मैंने prompts design और iterate किए हैं' कहने का वज़न 'मैंने AI use किया है' से बिल्कुल अलग होता है. ये skill freelance या job में काम दिला सकती है — संभव है, गारंटी नहीं.

इस पाठ को इंटरैक्टिव तरीके से सीखिए

अभ्यास, क्विज़, सुनने की सुविधा और आपके नाम का प्रमाणपत्र — सब मुफ़्त, बिना इंटरनेट भी चलता है।

यह पाठ खोलें →

इसे आज़माएँ — तैयार प्रॉम्प्ट

यह प्रॉम्प्ट कॉपी करके किसी भी AI ऐप में पूछिए:

तुम एक senior software engineer हो जो 10 साल से fresher interviews ले रहा है. मुझे binary search सिखाओ: पहले step by step सोचो, फिर simple Hindi में 5 lines का explanation दो (हर English term का मतलब bracket में), फिर 6-8 line का Python code, और आख़िर में सिर्फ़ valid JSON summary: {"concept": "", "time_complexity": "", "common_mistake": ""}. मैं beginner हूँ, tone encouraging रखो.

अपनी समझ जाँचिए

System prompt का असली काम क्या है?

user का हर नया सवाल भेजना
model का role, rules और style पूरी conversation के लिए set करना
API key को safe store करना
output को Hindi में translate करना

सही उत्तर: model का role, rules और style पूरी conversation के लिए set करना

System prompt पूरी बातचीत पर लागू रहने वाले role और rules तय करता है; actual सवाल user prompt में जाता है. API key का prompts से कोई लेना-देना नहीं — उसे prompt में कभी paste भी न करें.

'Step by step सोचो' (chain-of-thought) prompt में जोड़ने का मुख्य फ़ायदा क्या है?

जवाब हमेशा छोटा हो जाता है
model तेज़ चलता है
reasoning दिखने से maths/logic में accuracy बढ़ती है और ग़लतियाँ पकड़ी जा सकती हैं
output अपने-आप JSON बन जाता है

सही उत्तर: reasoning दिखने से maths/logic में accuracy बढ़ती है और ग़लतियाँ पकड़ी जा सकती हैं

Chain-of-thought से model guess करने की जगह हर step लिखता है — tricky problems में accuracy बढ़ती है और आप हर step verify कर सकते हो. JSON चाहिए तो वो structured output pattern से अलग से माँगना पड़ता है.