एनथ्रोपिक के एक ग्राहक को 24 घंटे में एक ही भूमिका के लिए 2,740 आवेदन मिले।
आपके द्वारा हाथ से लिखा गया कोई भी प्रॉम्प्ट इतनी देर तक सही नहीं रहता।
उन सीवी को पढ़ने वाला रिक्रूटर एक प्रॉम्प्ट से शुरू करता है जो कहता है "पाँच साल का बैकएंड, स्टार्टअप बैकग्राउंड, मजबूत Python।"
दो दिन बाद, वे पहले बैच को देखते हैं और महसूस करते हैं कि उन्हें वास्तव में जीरो-टू-वन बिल्डर्स चाहिए।
प्रॉम्प्ट पहले से ही गलत है, और उन्होंने अभी तक दूसरा सौ भी नहीं पढ़ा है।
सबसे तेज़ शिप करने वाली टीमों ने प्रॉम्प्ट लिखने का यह तरीका छोड़ दिया।
उन्होंने ऐसे सिस्टम बनाए जहाँ प्रॉम्प्ट देखता है कि यूज़र वास्तव में क्या निर्णय लेता है और पृष्ठभूमि में खुद को फिर से लिखता है।
जब तक यूज़र को पता चलता है कि उनकी प्राथमिकताएँ बदल गई हैं, तब तक प्रॉम्प्ट उनके साथ बदल चुका होता है।
यह कहीं भी काम करता है जहाँ मानव निर्णय लेता है और मॉडल मदद करता है।
रिक्रूटमेंट, सपोर्ट ट्राइएज, कंटेंट मॉडरेशन, कोड रिव्यू, डील स्कोरिंग।
यहाँ बताया गया है कि इसे कदम दर कदम कैसे बनाया जाए।
प्रॉम्प्ट कोई कॉन्फ़िग नहीं है, यह एक प्रशिक्षु है
आपके दिमाग में बदलाव पहले आना चाहिए।
कॉन्फ़िग वह चीज़ है जिसे आप सेट करके भूल जाते हैं।
प्रशिक्षु आपको काम करते हुए देखता है, समझता है कि आप वास्तव में किसकी परवाह करते हैं, और खुद को समायोजित करता है।
आपका प्रॉम्प्ट दूसरे तरह का होना चाहिए।
निक मेयू ने एन्थ्रोपिक के मंच पर जो सिस्टम दिखाया, उसमें प्रशिक्षु एक सादा मार्कडाउन फ़ाइल है।
वे इसे आदर्श उम्मीदवार प्रोफ़ाइल कहते हैं।
कोई वज़न नहीं, कोई नियम नहीं, कोई फ़्लोचार्ट नहीं। बस सादी अंग्रेज़ी जो बताती है कि रिक्रूटर किसे हायर कर रहा है।
हर बार जब रिक्रूटर किसी उम्मीदवार को मंज़ूरी या अस्वीकार करता है, सिस्टम इसे लॉग करता है।
"इसके पास पर्याप्त Python नहीं है" जैसी हर टिप्पणी संग्रहीत होती है।
प्रोफ़ाइल में हर मैन्युअल संपादन भी संग्रहीत होता है।
निर्णयों का यह ढेर वह प्रशिक्षण संकेत है जिसके आधार पर प्रॉम्प्ट अपडेट होता है।
एक नहीं, 100 निर्णय क्यों?
पहली प्रवृत्ति हर कार्रवाई के बाद प्रॉम्प्ट को अपडेट करने की होती है। ऐसा न करें।
एक निर्णय शोर है। एक एकल अस्वीकृति आपको यूज़र की वास्तविक इच्छा के बारे में लगभग कुछ नहीं बताती। यह इनमें से कोई भी हो सकता है:
- यूज़र थका हुआ या विचलित था
- इनपुट उनकी वास्तविक प्राथमिकताओं से असंबंधित तरीके से अजीब था
- उन्होंने गलत क्लिक किया
- वे किसी स्पष्ट मामले पर तेज़ी से आगे बढ़े
- वे जानबूझकर सिस्टम का परीक्षण कर रहे थे
यदि आप इस पर प्रॉम्प्ट को फिर से लिखते हैं, तो आप भूतों का पीछा करना शुरू कर देते हैं।
100 निर्णय संकेत है।
आप एक पैटर्न देख सकते हैं: यूज़र स्टार्टअप अनुभव के बिना उम्मीदवारों को अस्वीकार करता रहता है।
यह कोई मूड नहीं है, यह एक प्राथमिकता है। अब आप अपडेट करें।
निक ने मंच पर सीधे यह कहा।
आप हर क्लिक पर नहीं, बल्कि हर 100 से 200 निर्णयों पर पैटर्न देखना शुरू करते हैं।
लागत का पहलू भी मायने रखता है।
हर कार्रवाई पर एक स्मार्ट मॉडल चलाना दोपहर तक आपका बजट खत्म कर देता है।
इसे बैचों पर चलाना सिस्टम को प्रोडक्शन में जीवित रखता है।
सिस्टम को एक बड़े एजेंट के बजाय दो परतों में विभाजित करें
एक बड़ा एजेंट बनाने का प्रलोभन होता है जो एक साथ मूल्यांकन, सीख और अपडेट करता है।
यह स्केल नहीं होता और उन टोकन को जलाता है जो आपके पास नहीं हैं।
काम करने वाला पैटर्न दो परतों का है जिनके बहुत अलग काम हैं।
निचली परत मूल्यांकक है। सस्ता, तेज़, हर इनपुट पर चलता है।
रिक्रूटमेंट के मामले में, यह Haiku है जो वर्तमान प्रोफ़ाइल के खिलाफ हर CV को स्कोर करता है।
हजारों एक दिन। संकीर्ण काम: इनपुट लेना, वर्तमान प्रॉम्प्ट लेना, एक संरचित निर्णय वापस करना।
ऊपरी परत प्रशिक्षु है। धीमी, अधिक स्मार्ट, शायद ही कभी चलती है।
यह केवल उन निर्णयों को देखती है जो मानव लेते हैं।
हर बैच में, यह एक प्रश्न पूछता है: क्या प्रॉम्प्ट अभी भी उससे मेल खाता है जो यूज़र वास्तव में चुन रहा है?
यदि नहीं, तो यह इसे फिर से लिखता है।
अधिकांश टीमें इस विभाजन को छोड़ देती हैं।
वे हर अनुरोध पर हॉट पाथ में एक फ्रंटियर मॉडल डाल देते हैं, बिल फट जाता है, सिस्टम को शेल्फ पर रख दिया जाता है।
मूल्यांकन को सीखने से अलग करना ही इसे प्रोडक्शन में जीवित रखता है।
प्रॉम्प्ट को नियमों में नहीं, गद्य में लिखें
यहीं पर अधिकांश स्व-सुधार प्रणालियाँ चुपचाप मर जाती हैं।
एक कॉन्फ़िग लिखने की प्रवृत्ति होती है: अनुभव के वर्षों पर 30% वज़न, कंपनी के स्तर पर 20, शिक्षा पर 10, कीवर्ड के लिए फ़्लैग।
यह कठोर लगता है। यह एक ऐसी प्रणाली उत्पन्न करता है जिसे मॉडल वास्तव में अपडेट नहीं कर सकता, क्योंकि संख्याओं के अलावा अपडेट करने के लिए कुछ नहीं है।
और संख्याएँ यह नहीं बतातीं कि रिक्रूटर ने 'नहीं' क्यों कहा।
काम करने वाला प्रारूप मार्कडाउन में सादा गद्य है।
"हमें कोई ऐसा व्यक्ति चाहिए जिसने किसी उत्पाद को जीरो से वन तक शिप किया हो, आदर्श रूप से पचास से कम कर्मचारियों वाले स्टार्टअप में।"
"मजबूत इंजीनियरिंग संस्कृति किसी विशिष्ट टेक स्टैक से अधिक मायने रखती है।"
"रेड फ़्लैग: केवल एक हज़ार से अधिक लोगों वाली कंपनियों में काम किया हो।"
यह एक प्रॉम्प्ट है जिसे प्रशिक्षु वास्तव में फिर से लिख सकता है।
यह एक वाक्य जोड़ सकता है, एक हटा सकता है, एक वाक्यांश को सख्त कर सकता है।
आप एक भारित स्कोरिंग रूब्रिक के साथ ऐसा नहीं कर सकते।
फ़ीडबैक लूप ही पूरा उत्पाद है
एक बार जब ये चार टुकड़े जगह पर आ जाते हैं, तो सिस्टम अपने आप चलता है।
यूज़र निर्णय लेता है। मूल्यांकक वर्तमान प्रॉम्प्ट के खिलाफ स्कोर करता है।
हर 100 निर्णयों पर, प्रशिक्षु ढेर को पढ़ता है और प्रॉम्प्ट को फिर से लिखता है।
इनपुट का अगला बैच नए संस्करण के खिलाफ मूल्यांकन किया जाता है।
यूज़र को कभी भी प्रॉम्प्ट के बारे में सोचने की ज़रूरत नहीं पड़ती।
वे बस उन कॉल्स को लगाते रहते हैं जो केवल एक मानव ही कर सकता है।
प्रॉम्प्ट उनके नीचे अपडेट होता रहता है।
जब वे एक Claude सिस्टम शिप करते हैं तो अधिकांश टीमें इस हिस्से को भूल जाती हैं।
वे प्रॉम्प्ट को एक डिलीवरेबल मानते हैं जिसे वे पूरा करते हैं।
सबसे अधिक शिप करने वाली टीमें इसे एक ऐसी परत मानती हैं जो हमेशा सीख रही है।
इसे पहले दिन से इस तरह बनाएँ और आप अपने सप्ताह शब्दों को ट्यून करने में बिताना बंद कर देंगे।
आप उन्हें उत्पाद शिप करने में बिताएँगे।
मुझे फ़ॉलो करें और मेरे Telegram चैनल को सब्सक्राइब करें:
