एंड्रयू एनजी ने 2026 में DeepLearning.AI पर "AI Prompting for Everyone" नामक एक नया कोर्स लॉन्च किया, जिसमें 3 मॉड्यूल में 21 पाठ हैं। पहला वाक्य ही सबका ध्यान खींच लेता है: आज की स्थिति 2022 में ChatGPT के पहली बार आने से बिल्कुल अलग है। यह कोर्स सिर्फ प्रॉम्प्ट ट्रिक्स का संग्रह नहीं है; यह पिछले चार वर्षों में AI उपयोग में आए समग्र प्रतिमान बदलाव के बारे में है। नीचे 21 पाठों का एक गहन सारांश दिया गया है, जिसमें अपनाने लायक सभी सबसे मूल्यवान बिंदु शामिल हैं।
शुरुआती बनाम विशेषज्ञ: एंड्रयू एनजी द्वारा प्रस्तावित 4 प्रमुख अंतर
पूरे कोर्स का ढांचा एक तुलना है। AI शुरुआती और AI विशेषज्ञ एक ही उपकरण का उपयोग करते हैं, लेकिन उनका आउटपुट 5 से 10 गुना तक भिन्न होता है। यह अंतर चार आयामों में है।
पहला है प्रश्न की कठिनाई। शुरुआती लोग Google Search की तरह AI का उपयोग करते हैं, पूछते हैं "क्या Taco Bell में अब भी Double Decker Taco मिलता है?" विशेषज्ञ पूरे कार-खरीद दस्तावेज़ (स्पेक्स, कोट्स, इंश्योरेंस प्लान) डाल देते हैं और AI को सब कुछ पढ़ने, धीरे-धीरे सोचने और फायदे-नुकसान तुलना करने देते हैं। मॉडल अब उत्तर देने से पहले दसियों सेकंड या मिनटों तक सोच सकते हैं; बचाया गया समय ही असली पैसा है।
दूसरा है संदर्भ। शुरुआती लोग छोटे प्रॉम्प्ट भेजते हैं और उम्मीद करते हैं कि AI खुद ही बाकी भर देगा। विशेषज्ञ AI को एक अत्यधिक बुद्धिमान, नए-नए स्नातक इंटर्न की तरह मानते हैं जो आपके बारे में कुछ नहीं जानता, और पर्याप्त पृष्ठभूमि प्रदान करते हैं। AI से सेल्फ-इवैल्यूएशन लिखवाने के लिए, एक शुरुआती बस इतना कहता है "मेरे बॉस के लिए सेल्फ-इवैल्यूएशन लिखो," जिसके परिणामस्वरूप खोखली तारीफें मिलती हैं। एक विशेषज्ञ प्रोजेक्ट ट्रैकिंग स्क्रीनशॉट, हालिया दस्तावेज़ और वॉयस मेमो ट्रांसक्रिप्ट अपलोड करता है ताकि AI कुछ ठोस लिख सके। एंड्रयू एनजी का वाक्यांश है "AI के प्रति सहानुभूति"—अपने आप को उस कार्य को प्राप्त करने वाले व्यक्ति की जगह पर रखें और पूछें कि क्या उसके पास इसे अच्छी तरह से करने के लिए पर्याप्त जानकारी है।
तीसरा है मार्गदर्शन। एक शुरुआती पूछ सकता है, "मेरे पास मोबाइल टाई-डाई सेवा के लिए एक शानदार बिज़नेस आइडिया है, कृपया इसका मूल्यांकन करें।" AI, "शानदार" सुनकर, उसकी तारीफ करेगा—यह चापलूसी है। विशेषज्ञ या तो तटस्थ प्रश्नों का उपयोग करते हैं या एक रूब्रिक प्रदान करते हैं, AI को बताते हैं कि किन आयामों पर स्कोर करना है, जैसे "क्या कोई बाजार है?" "क्या कोई प्रतिस्पर्धात्मक लाभ है?" या "क्या समस्या वास्तव में मौजूद है?" जो उसे एक ईमानदार निष्कर्ष देने के लिए मजबूर करता है, शायद 8 का स्कोर।
चौथा है लेखन प्रक्रिया। शुरुआती लोग AI से सीधे लेख लिखवा लेते हैं, जिसके परिणामस्वरूप AI स्लॉप (बेकार सामग्री) मिलता है। विशेषज्ञ मॉडल को तुरंत बॉडी लिखने नहीं देते; वे पहले एक रूपरेखा तैयार करवाते हैं, उस रूपरेखा पर पुनरावृत्ति करते हैं, उसे बुलेट पॉइंट्स में विस्तारित करते हैं, उन पर पुनरावृत्ति करते हैं, और अंत में उसे पूर्ण पाठ में विस्तारित करते हैं। यह वर्कफ़्लो AI को एक थिंकिंग पार्टनर के रूप में मानता है, न कि एक टाइपराइटर के रूप में।
ये चार बिंदु हर मॉड्यूल में दोहराए जाते हैं और कोर्स के सामान्य ढांचे के रूप में काम करते हैं।
AI का ज्ञान कहाँ से आता है: 3-लेयर आर्किटेक्चर को समझना
मॉड्यूल 1 का मूल जानकारी प्राप्त करने को तीन परतों में विभाजित करना है, प्रत्येक अलग-अलग कार्यों के लिए उपयुक्त है।
पहली परत है प्रीट्रेंड नॉलेज, वह सामान्य ज्ञान जो मॉडल ने विशाल इंटरनेट टेक्स्ट से सीखा है। आवृत्ति विश्वसनीयता निर्धारित करती है; खाना पकाने, फिल्मों और सेलिब्रिटीज जैसे विषय बहुत सटीक होते हैं क्योंकि उन पर बहुत अधिक सामग्री है। क्वासर जैसे विशिष्ट विषयों पर उत्तर खराब होते हैं। हालाँकि कैंटोनीज़ 80 मिलियन लोगों द्वारा बोली जाती है, लेकिन यह इंटरनेट सामग्री का 0.1% से भी कम है, इसलिए गैर-अंग्रेजी कॉर्पस कवरेज कमज़ोर है। हर मॉडल की एक नॉलेज कटऑफ तारीख होती है; उदाहरण के लिए, GPT-5.4 अगस्त 2025 में कट ऑफ होता है। यदि आप 2025 के अंत में वायरल हुए एक मीम के बारे में पूछते हैं, तो वह अटक जाएगा और उसे वेब सर्च शुरू करनी होगी।
दूसरी परत है वेब सर्च। यह वास्तव में एक दोहरी-AI आर्किटेक्चर है। आप एक यूज़र-फेसिंग AI से चैट करते हैं, जो एक असिस्टेंट AI को वेब सर्च करने, परिणामों को फ़िल्टर करने, प्रासंगिक पेजों को डाउनलोड करने और एक सारांश वापस करने के लिए कॉल करता है। एक मुख्य विचित्रता: यूज़र-फेसिंग AI केवल सारांश देखता है, पूरा पेज नहीं। यह अक्सर उस घटना की ओर ले जाता है जहाँ "AI एक URL उद्धृत करता है लेकिन पेज पर वास्तव में वैसा कहा नहीं गया है।"
तीसरी परत है डीप रिसर्च। सभी प्रमुख मॉडलों (ChatGPT, Gemini, Claude) में यह मोड है—एक एजेंटिक प्रक्रिया जो पहले एक शोध योजना बनाती है, फिर समानांतर में दर्जनों खोज क्वेरी लॉन्च करती है, और परिणामों के आधार पर अधिक खोजें जोड़ने का निर्णय लेती है, कुछ मिनटों के बाद उद्धरणों के साथ एक गहरी रिपोर्ट प्रदान करती है। हैलोवीन के लिए एक डरावना घर बनाने की योजना बनाने जैसे जटिल कार्यों के लिए जिसमें नियम, सुरक्षा और सजावट शामिल है, डीप रिसर्च मैन्युअल ब्राउज़िंग की तुलना में दर्जनों गुना तेज़ है।
3 परतों के लिए निर्णय: बुनियादी तथ्यों के लिए प्रीट्रेंड का उपयोग करें; समसामयिक घटनाओं, स्थानीय जानकारी या विशिष्ट प्रश्नों के लिए वेब सर्च का उपयोग करें; कई स्रोतों और बहु-कोण तुलना की आवश्यकता वाली जटिल समस्याओं के लिए डीप रिसर्च का उपयोग करें।
एंड्रयू एनजी स्रोत गुणवत्ता के लिए एक टिप पर जोर देते हैं: स्वास्थ्य विषयों (जैसे ग्रे मार्केट पेप्टाइड्स) के बारे में पूछते समय, AI डिफ़ॉल्ट रूप से Reddit या Quora जैसे सोशल प्लेटफॉर्म का उपयोग करता है। AI का उद्धरण क्रम Reddit को पहले, Wikipedia को दूसरे, YouTube को तीसरे और Google को चौथे स्थान पर रखता है। विश्वसनीय उत्तर पाने के लिए, आपको प्रॉम्प्ट में स्पष्ट रूप से कहना होगा, "कृपया WHO, FDA या EMA जैसे आधिकारिक स्रोतों का उपयोग करें।"
संदर्भ नया राजा है + डेस्कटॉप ऐप्स का उदय
मॉड्यूल 2 की पहली मुख्य अवधारणा संदर्भ है। वर्तमान मुख्यधारा के मॉडलों में 750,000 शब्दों का संदर्भ विंडो होता है, जो पहली 4 या 5 हैरी पॉटर किताबों के बराबर है। एंड्रयू एनजी कहते हैं कि अधिकांश लोग गंभीर रूप से कम आंकते हैं कि वे AI को कितना संदर्भ दे सकते हैं।
संदर्भ में चार भाग शामिल हैं: सिस्टम प्रॉम्प्ट (तारीख, क्षमताएं, टूल निर्देश), टूल परिभाषाएं (वेब सर्च का उपयोग कैसे करें, आदि), आपका प्रॉम्प्ट और बातचीत का इतिहास। ये सभी एक ही अनुमान के लिए संदर्भ विंडो में जमा हो जाते हैं।
व्यावहारिक टिप 1: विषय बदलते समय एक नई बातचीत शुरू करें। यदि आपने अभी-अभी अपनी फिटनेस योजना के बारे में पूछा और फिर अचानक अपनी माँ की फिटनेस योजना के बारे में पूछते हैं, तो पुराने संदर्भ में आपकी प्राथमिकताएँ नए उत्तर को दूषित कर देंगी। संदर्भ साफ़ करने के लिए एक नई चैट शुरू करना सबसे साफ तरीका है।
व्यावहारिक टिप 2: विचार-मंथन के दौरान फीडबैक देना सबसे अच्छा संदर्भ इंजीनियरिंग है। यदि आप नहीं जानते कि क्या संदर्भ देना है, तो पहले AI को 3 से 5 विकल्प उत्पन्न करने दें। उन्हें देखें, AI को बताएं कि आपको क्या पसंद है और क्या नापसंद है और क्यों, और कुछ पुनरावृत्तियों के बाद, AI आपकी पसंद को समझ जाएगा। यह शुरू से एक लंबा प्रॉम्प्ट तैयार करने की कोशिश करने की तुलना में कहीं अधिक कुशल है।
अगला विकास AI डेस्कटॉप ऐप है। Claude Cowork, Microsoft Copilot Cowork और Google Antigravity सभी इस पर काम कर रहे हैं। अंतर यह है कि ये ऐप्स आपके कंप्यूटर पर फाइलों को एजेंटिक रूप से एक्सप्लोर कर सकते हैं और आवश्यकतानुसार प्रासंगिक फाइलों को संदर्भ में पढ़ सकते हैं, बिना आपको पहले से यह तय किए कि क्या अपलोड करना है।
मानक तीन-चरणीय वर्कफ़्लो: आप कहते हैं कि क्या करना है (जैसे, रिसर्च PDFs के एक अव्यवस्थित फ़ोल्डर को व्यवस्थित करें), AI एक कार्य योजना प्रदान करता है लेकिन कार्य नहीं करता, आप योजना की समीक्षा करते हैं, और उसके बाद ही उसे निष्पादित करने देते हैं। सुरक्षा टिप: डेस्कटॉप ऐप्स द्वारा हटाई गई फ़ाइलें अक्सर ट्रैश में नहीं जाती हैं, और संपादित फ़ाइलों का कोई पूर्ववत इतिहास नहीं होता है। बेहतर है कि इसे अपना पूरा होम फ़ोल्डर न दें, केवल कार्य से संबंधित उपनिर्देशिकाएँ दें।
तर्क का युग + चापलूसी-विरोधी: मॉडल को सच बोलने के लिए कैसे मजबूर करें
2025 से शुरू होकर, AI तर्क मॉडल युग में प्रवेश कर गया, जो किसी समस्या के बारे में सोचने में सेकंड से मिनट बिताने में सक्षम है। METR शोध से पता चलता है कि 2024 और 2025 के बीच, AI द्वारा संभाले जा सकने वाले कार्यों की लंबाई "एक इंसान के लिए कुछ मिनट" से बढ़कर "एक इंसान के लिए कई घंटे" हो गई।
एंड्रयू एनजी ने विशेष रूप से नोट किया कि पुरानी सलाह "Let's think step by step" अब पुरानी हो चुकी है। यह 2023-2024 में प्रभावी थी, लेकिन अब आवश्यक नहीं है। बस मॉडल को "think hard" या कीवर्ड "ultrathink" का उपयोग करने के लिए कहें। कुछ UI में एक "thinking" विकल्प होता है जिसे आप बस चेक कर सकते हैं।
आंतरिक तर्क प्रक्रिया एक लूप है: प्रॉम्प्ट प्राप्त करें, कुछ देर तर्क करें, यदि अधिक जानकारी की आवश्यकता हो तो वेब सर्च या फ़ाइल टूल को कॉल करें, नई जानकारी के साथ आगे तर्क करें, और अंत में जब पर्याप्त हो तो उत्तर आउटपुट करें। शक्तिशाली उपयोग के मामले: चार लोगों के स्टार्टअप के लिए 12 महीनों की संचालन योजना, 5 रोम स्थलों के लिए सबसे तेज़ मार्ग की योजना बनाना, या यह तय करने के लिए कि कौन सी कार खरीदनी है, कई परिवारिक PDFs का विश्लेषण करना।
लेकिन मजबूत तर्क का मतलब ईमानदारी नहीं है। चापलूसी हल करने के लिए सबसे कठिन समस्याओं में से एक है। वाशिंगटन पोस्ट के शोध से पता चलता है कि ChatGPT उपयोगकर्ताओं से असहमत होने की तुलना में 10 गुना अधिक बार सहमत होता है, ऐसी बातें कहता है "यार, तुमने अभी जो कहा वह बहुत गहरा है, तुम 1000% सही हो।" मॉडलों को मानव फीडबैक पर प्रशिक्षित किया जाता है; उपयोगकर्ता प्रशंसा के लिए थम्स अप और असहमति के लिए थम्स डाउन देते हैं, जो सहमत होने की प्रवृत्ति को मजबूत करता है।
चापलूसी का मुकाबला करने के 4 सुझाव:
पहला, बिना पूर्वाग्रह के तटस्थ प्रश्न पूछें। "क्या रिमोट वर्क बेहतर नहीं है?" को "रिमोट बनाम ऑफिस वर्क की उत्पादकता की तुलना करें" में बदलें।
दूसरा, वस्तुनिष्ठ निर्णय के लिए एक रूब्रिक का उपयोग करें। AI को अपना रिज़्यूमे या बिज़नेस प्लान दिखाने से पहले, एक स्कोरिंग मानक प्रदान करें (जैसे, किरदार 25 अंक / प्लॉट 25 अंक) ताकि वह आइटम दर आइटम स्कोर करने के लिए मजबूर हो।
तीसरा, डेटा विश्लेषण प्रश्नों में पूर्वाग्रह एम्बेड करने से बचें। "सभी सकारात्मक प्रदर्शन संकेतक खोजने के लिए डेटा का विश्लेषण करें" AI को केवल सकारात्मक पक्ष देखने पर मजबूर करता है; "डेटा का वस्तुनिष्ठ विश्लेषण करें" इसे दोनों पक्षों को देखने पर मजबूर करता है।
चौथा, "क्या A, B से बेहतर नहीं है?" के बजाय "दो विकल्पों के फायदे और नुकसान सूचीबद्ध करें" का उपयोग करें। दोनों विकल्पों को प्रस्तुत करने से मॉडल को यह पता नहीं चलता कि आप किसे जीतते हुए देखना चाहते हैं।
लेखन कला: प्रगतिशील रूपरेखा + वस्तुनिष्ठ रूब्रिक
OpenData डेटा से पता चलता है कि ChatGPT वार्तालापों का 24% लेखन के लिए है, जो सबसे बड़ा उपयोग मामला है। उसका दो-तिहाई हिस्सा मौजूदा टेक्स्ट को संपादित करना है, शुरू से लिखना नहीं। मॉड्यूल 2 "AI स्लॉप" से बचने के तरीके पर बहुत समय खर्च करता है।
AI स्लॉप की 4 विशेषताएं: एम डैश का अत्यधिक उपयोग, "nuanced," "delve," और "robust" जैसे उच्च-आवृत्ति वाले शब्द, तीन की सूचियाँ, और खाली "not X but Y" वाक्य संरचनाएँ। दिलचस्प बात यह है कि इंसानों ने AI की नकल करना शुरू कर दिया है, पॉडकास्ट और भाषणों में "delve" शब्द में काफी वृद्धि हुई है।
एंड्रयू एनजी का उपाय प्रोग्रेसिव आउटलाइनिंग विधि है:
चरण 1: AI से पहले एक रूपरेखा तैयार करवाएं (कोई बॉडी टेक्स्ट नहीं)।
चरण 2: फीडबैक दें और संतुष्ट होने तक पुनरावृत्ति करें।
चरण 3: रूपरेखा को बुलेट पॉइंट्स में विस्तारित करें।
चरण 4: बुलेट पॉइंट्स पर फीडबैक दें और पुनरावृत्ति करें।
चरण 5: अंत में, AI को पूरा टेक्स्ट लिखने दें।
यह क्यों काम करता है: रूपरेखा स्तर पर एक वाक्य बदलने का मतलब है कि पूरा खंड फिर से लिखा जाता है, जो उच्च लाभ प्रदान करता है। AI द्वारा लिखे गए पूर्ण ड्राफ्ट को शब्द-दर-शब्द संपादित करना अक्षम है और आमतौर पर "AI स्लॉप" स्वाद बरकरार रहता है।
संपादन के लिए एक उन्नत टिप है रूब्रिक + क्रॉस-मॉडल क्रिटिक। यदि आप अपने साइंस-फिक्शन उपन्यास पर AI से फीडबैक मांगते हैं, तो वह आमतौर पर कहेगा "यह बहुत अच्छा है।" इसे बाइनरी उप-आइटम (जैसे, "क्या नायक का कोई लक्ष्य है?") के साथ एक रूब्रिक दें, और यह वस्तुनिष्ठ होने के लिए मजबूर हो जाता है। पहले स्कोर करना और फिर योग करना, एक कुल स्कोर चुनने और फिर उसे सही ठहराने की तुलना में कहीं अधिक विश्वसनीय है।
क्रॉस-मॉडल क्रिटिक में ChatGPT द्वारा लिखा गया एक लेख लेना और उसे Gemini को समीक्षा के लिए देना, या इसके विपरीत शामिल है। विभिन्न मॉडलों में अलग-अलग पूर्वाग्रह होते हैं; आपसी समीक्षा उन समस्याओं को पकड़ सकती है जो एकल मॉडल का स्व-मूल्यांकन चूक जाएगा।
मल्टीमॉडलिटी + वाइब कोडिंग: इमेज, कोड और डेटा विश्लेषण
मॉड्यूल 3 मल्टीमॉडलिटी पर केंद्रित है। जनरेशन लागत प्रवणता को समझना महत्वपूर्ण है: टेक्स्ट सबसे सस्ता है, भाषण थोड़ा अधिक है, इमेज में सेकंड लगते हैं और कुछ सेंट खर्च होते हैं, और वीडियो सबसे महंगा है और अभी भी सुधार हो रहा है।
इमेज इनपुट क्षमताएँ: एंड्रयू एनजी ने एक व्हाइटबोर्ड पर CNN का एक स्केच दिखाया जहाँ उनके सिर ने "convolutional" शब्द को अवरुद्ध कर दिया, फिर भी AI ने सही अनुमान लगाया। हालाँकि, सूक्ष्म पहचान विफल हो सकती है; दूर से विशिष्ट जिम उपकरण की पहचान करने के लिए AI पूछने पर अक्सर आत्मविश्वास से गलतियाँ होती हैं। यह रसीदों और हस्तलेखन को अच्छी तरह से संभालता है, लेकिन उच्च जोखिम वाले कार्यों की दोबारा जाँच की जानी चाहिए।
इमेज जनरेशन डिफ्यूज़न मॉडल का उपयोग करता है, जो एक बार में शोर से एक छवि को पुनर्स्थापित करता है, जिससे अजीब हाथ या असंगत पात्रों जैसी समस्याएं होती हैं। Nano Banana जैसे नए मॉडलों ने इसे काफी हद तक ठीक कर दिया है। एक व्यावहारिक टिप: यदि आप एक इमेज प्रॉम्प्ट नहीं लिख सकते हैं, तो एक टेक्स्ट AI को अपने लिए लिखने दें; यह स्वचालित रूप से दृश्य, चरित्र और शैली विवरण जोड़ देगा।
एंड्रयू एनजी का सबसे दिलचस्प अनुप्रयोग उनकी 7 वर्षीय बेटी नोवा के जन्मदिन के केक के लिए था। उन्होंने एक बिल्ली केक इमेज बनाने के लिए Nano Banana का उपयोग किया और इसे एक बेकर को वास्तविक 3D केक बनाने के लिए दिया। AI यहाँ एक विचार-मंथन भागीदार के रूप में कार्य करता है, अंतिम गंतव्य के रूप में नहीं।
वाइब कोडिंग मॉड्यूल 3 का दूसरा भाग है। एक ही प्रॉम्प्ट AI को एक संपूर्ण वेब ऐप लिखने दे सकता है। कोर्स लैब में 5 उदाहरण शामिल हैं: एक आतिशबाजी शो, एक रंग पैलेट चयनकर्ता, एक पोमोडोरो टाइमर, एक भोजन लागत कैलकुलेटर और एक मौसम-आधारित पोशाक चयनकर्ता। प्रत्येक एक वाक्य से उत्पन्न एक छोटा उपकरण है।
निर्माण के लिए मानक तीन-भाग प्रॉम्प्ट: लक्ष्य बताएं (क्या करना है), इनपुट (उपयोगकर्ता कैसे इंटरैक्ट करता है), और आउटपुट (प्रोग्राम क्या प्रदर्शित करता है)।
कोड क्षमता डेटा विश्लेषण तक फैली हुई है। AI को बिक्री डेटा अपलोड करें और उससे पूछें "ग्राफ़ बनाएं कि किन उत्पादों में सबसे बड़ा मासिक बिक्री परिवर्तन हुआ।" यह एक रन-कोड टूल को कॉल करेगा, परिवर्तनों की गणना करने, विसंगतियों की पहचान करने और ग्राफ़ प्लॉट करने के लिए Python लिखेगा। AI मिनटों में डेटा विश्लेषण के घंटे कर सकता है।
निचली पंक्ति
एंड्रयू एनजी के कोर्स का मुख्य तर्क यह है: 2026 का AI अब 2022 का चैटबॉट नहीं है। यह मिनटों तक तर्क कर सकता है, 750k शब्दों का संदर्भ पढ़ सकता है, समानांतर में दर्जनों पेज खोज सकता है, और इमेज, कोड और डेटा को संभाल सकता है। फिर भी अधिकांश लोग इसे अभी भी 2022 के तरीकों (छोटे प्रॉम्प्ट और गूगल-शैली के प्रश्न) के साथ उपयोग करते हैं, इसलिए उन्हें केवल 2022-स्तर का आउटपुट मिलता है।
4 उच्च-ROI कार्यों के साथ अपने उपयोग को अपग्रेड करें: पर्याप्त संदर्भ प्रदान करें, चापलूसी को रोकने के लिए रूब्रिक/तटस्थ प्रश्नों का उपयोग करें, लेखन के लिए प्रोग्रेसिव आउटलाइनिंग का उपयोग करें, और जटिल कार्यों के लिए "ultrathink" का उपयोग करें।
पूरा कोर्स लिंक: learn.deeplearning.ai/courses/ai-prompting-for-everyone (DeepLearning.AI पर मुफ्त, 21 पाठ, पूरा होने में ~2 घंटे)।
