پرامپٹ چیننگ

ایک ہی میگا پرامپٹ ماڈل سے سب کچھ ایک ساتھ کرنے کو کہتا ہے: ماخذ کو پڑھیں، حقائق کو نکالیں، ان کے بارے میں وجہ، طرز کے اصولوں پر عمل کریں اور جواب کو فارمیٹ کریں۔ ہر اضافی مطالبہ توجہ کے لیے مقابلہ کرتا ہے۔ جب آؤٹ پٹ غلط ہے، تو آپ یہ نہیں بتا سکتے کہ کون سا حصہ ناکام ہوا۔ فوری سلسلہ بندی کام کو مراحل میں تقسیم کرتی ہے، اور ہر مرحلے میں ایک واضح کام ہوتا ہے۔ ایک عام سلسلہ کے تین مراحل ہوتے ہیں: 1. کسی دستاویز سے متعلقہ اقتباسات نکالیں۔ 2. صرف ان اقتباسات کا استعمال کرتے ہوئے ایک سوال کا جواب دیں۔ 3. اقتباسات کے خلاف جواب چیک کریں اور سامعین کے لیے اسے دوبارہ لکھیں۔ عام کوڈ مراحل کے درمیان آؤٹ پٹ کو چیک کر سکتا ہے۔ یہ JSON کو پارس کر سکتا ہے، اس بات کی تصدیق کر سکتا ہے کہ مطلوبہ فیلڈ موجود ہے، یا اگر درجہ بندی کرنے والا کم اعتماد لوٹاتا ہے تو سلسلہ روک سکتا ہے۔ Anthropic کا دسمبر 2024 کا مضمون "Building Effective Agents" ان چیکوں کو "گیٹس" کہتا ہے۔ یہ پرامپٹ چیننگ کو ایک ورک فلو کے طور پر بیان کرتا ہے جو زیادہ درستگی کے لیے اضافی تاخیر کا سودا کرتا ہے، کیونکہ ہر کال ایک آسان کام بن جاتی ہے۔ زنجیروں اور ایجنٹوں میں فرق ہے کہ راستے کو کون کنٹرول کرتا ہے۔ ایک سلسلہ میں، ڈویلپر اس ترتیب کو سختی سے کوڈ کرتا ہے۔ ایک ایجنٹ میں، ماڈل رن ٹائم پر فیصلہ کرتا ہے کہ اگلا کس ٹول کو کال کرنا ہے اور یہ کب ہو جاتا ہے۔ زنجیریں جانچنے کے لیے سستی ہیں، سمجھانے میں آسان ہیں اور پیشین گوئی کرنے والی جگہوں پر ناکام ہو جاتی ہیں۔ ایجنٹس کھلے عام مسائل کو پورا کرتے ہیں جہاں اقدامات پہلے سے معلوم نہیں ہوسکتے ہیں۔ بہت سے پیداواری نظام ایجنٹوں کے بجائے زنجیریں ہیں، بعض اوقات شاخیں (روٹنگ) یا قدم جو متوازی چلتے ہیں۔ تین غلط فہمیاں عام ہیں: - زنجیر لگانے میں ہمیشہ زیادہ لاگت آتی ہے۔ درحقیقت، چھوٹے فوکسڈ پرامپٹس آسان اقدامات کے لیے سستے ماڈل استعمال کر سکتے ہیں۔ - مزید اقدامات ہمیشہ بہتر ہوتے ہیں۔ ہر ہینڈ آف معلومات یا مرکب کی غلطیاں کھو سکتا ہے۔ - زنجیروں کو ایک فریم ورک کی ضرورت ہے۔ LangChain جیسی لائبریریاں مددگار پیش کرتی ہیں، لیکن ایک سلسلہ صرف چند فنکشن کالز پاسنگ سٹرنگز یا JSON ہے۔