Show HN: एक सरल ChatGPT प्रॉम्प्ट बिल्डर

मूल लेख ↗ Hacker News चर्चा ↗

ChatGPT के लिए एक हल्का “प्रॉम्प्ट बिल्डर” मिश्रित प्रतिक्रियाएँ पाता है: कुछ लोग इसे निर्देशों को संरचित करने के लिए उपयोगी मानते हैं और अधिक समृद्ध टेम्पलेट्स, कीबाइंडिंग, तथा JSON या XML जैसे फ़ॉर्मेट्स के बेहतर प्रबंधन का सुझाव देते हैं, जबकि अन्य तर्क देते हैं कि यह ChatGPT द्वारा अपने लिए खुद प्रॉम्प्ट बनाने की क्षमता से ज़्यादा कुछ नहीं जोड़ता। चर्चा आगे इस पर फैलती है कि क्या “prompt engineering” एक वास्तविक अनुशासन है या सिर्फ़ अच्छी संवाद-कुशलता, जैसे-जैसे मॉडल बेहतर होते जाते हैं, विस्तृत प्रॉम्प्टिंग कितनी मायने रखती है, और ऐसे टूल्स की ज़रूरत जो सिर्फ़ टेक्स्ट ब्लॉक जोड़ने के बजाय प्रॉम्प्ट वेरिएंट्स की अनुभवजन्य तुलना कर सकें।

समग्र प्रतिक्रिया

  • कई टिप्पणीकारों को यह प्रॉम्प्ट बिल्डर उपयोगी और “कूल” लगता है, और उन्हें संतोषजनक या मज़ेदार परिणाम मिलते हैं।
  • अन्य इसे सिर्फ़ एक टेक्स्ट-ब्लॉक फ़ॉर्म मानते हैं, जो खास तौर पर ChatGPT के लिए नहीं है, और सवाल करते हैं कि क्या यह LLM से खुद प्रॉम्प्ट लिखवाने की तुलना में कोई अतिरिक्त मूल्य जोड़ता है।
  • इसे विशेष रूप से “ChatGPT” से जोड़ने पर हल्की शंका भी है, क्योंकि यह किसी भी LLM के साथ काम करता है।

बग, शब्दावली, और तकनीकी विवरण

  • शुरुआत में, उपयोगकर्ता एक टूटे हुए “please” फ़ील्ड और टाइपोज़ (“Propmpt,” “input the final result” की जगह “output”) की रिपोर्ट करते हैं, जिन्हें जल्दी ठीक कर दिया जाता है।
  • एक टिप्पणीकार नोट करता है कि इतनी सरल ऐप के लिए पेज का आकार आश्चर्यजनक रूप से बड़ा है (लगभग 1.4MB)।

उपयोग के मामले, दर्शक, और उपयोगिता

  • कुछ लोग तर्क देते हैं कि लक्षित दर्शक स्पष्ट नहीं है: शुरुआती उपयोगकर्ता “you will Detect” जैसे अस्पष्ट सेलेक्टर्स का अर्थ या प्रभाव नहीं समझ पाएँगे।
  • अन्य लोगों को लगता है कि यह उन लोगों के लिए एक अच्छा ढाँचा है जो प्रॉम्प्टिंग के बारे में थोड़ा जानते हैं और संरचित मार्गदर्शन चाहते हैं।
  • एक बार-बार आने वाली आलोचना: कई उपयोगकर्ताओं के लिए, ChatGPT से सीधे प्रॉम्प्ट बनवाना या उन्हें refine करवाना आसान हो सकता है।

प्रॉम्प्ट इंजीनियरिंग, टेम्पलेट्स, और सर्वोत्तम अभ्यास

  • कई लोग और टेम्पलेट्स माँगते हैं, खासकर:
    • सिस्टम-स्टाइल पूर्व-निर्देश।
    • पोस्ट-प्रोसेसिंग बाधाएँ और आउटपुट फ़ॉर्मेट (JSON, CSV, सूचियाँ)।
    • jailbreak-resistant प्रॉम्प्ट।
  • JSON फ़ॉर्मैटिंग को लेकर चर्चा:
    • कुछ लोग JSON को लागू कराने के लिए बहुत सख्त, “micromanaging” भाषा का उपयोग करते हैं।
    • अन्य function calling और JSON-mode APIs को अधिक साफ़ समाधान बताते हैं।
  • “प्रॉम्प्ट इंजीनियरिंग” पर व्यापक बहस:
    • कुछ कहते हैं कि नए मॉडलों के साथ जटिल “act as…” पैटर्न कम ज़रूरी हैं।
    • अन्य दावा करते हैं कि अच्छी तरह गढ़े गए system prompts और identities अभी भी आलस्य या आंशिक उत्तरों जैसी समस्याओं में मदद करते हैं।

मूल्यांकन और प्रयोग

  • कई टिप्पणीकार ऐसे टूल्स चाहते हैं जो:
    • निश्चित इनपुट सेटों पर प्रॉम्प्ट वेरिएशंस और मॉडलों का A/B परीक्षण कर सकें।
    • प्रतिक्रियाओं का व्यवस्थित मूल्यांकन कर सकें (जैसे LLM-as-judge या string matching के माध्यम से)।
  • यह भी नोट किया गया है कि “बेहतर” प्रॉम्प्ट्स को मापना कठिन है, क्योंकि इनपुट खुले-आम होते हैं और आउटपुट व्यक्तिपरक; परिणाम अक्सर बहुत stochastic होते हैं।

फ़ीचर अनुरोध और अपडेट्स

  • अनुरोधों में keyboard navigation (tab/ctrl-enter), प्रति टेम्पलेट अधिक उदाहरण, और roles/options की अधिक स्पष्टता शामिल है।
  • बाद का एक अपडेट (v0.2) user-defined templates, variable menus, example presets, localStorage persistence, export/import, और in-place editing जोड़ता है।