DeepSeek v3.1 Terminus-ലൂടെ മെച്ചപ്പെട്ട ഫലങ്ങൾ നേടാൻ ഏതാണ് മികച്ച പ്രോമ്പ്റ്റ് സ്റ്റൈലുകൾ?
ബോൾഡ് ക്ലെയിം: ഏറെ പ്രോമ്പ്റ്റ് ക്രമീകരണങ്ങൾ ഏറെ ഫലപ്രദമാകാറില്ല — പക്ഷേ ചിലപ്പോൾ അത്രം മാറും. DeepSeek v3.1 Terminus ഉപയോഗിച്ച്, ചില സുനിഷ്ചിതമായ പ്രോമ്പ്റ്റ് സ്റ്റൈൽ മാറ്റങ്ങൾ ഔട്ട്പുട്ട് ഗുണനിലവാരം ഇരട്ടിയാക്കുകയും ഇൻഫെറൻസ് ചക്രങ്ങൾ കുറയ്ക്കുകയും ചെയ്യാം.
ഈ ഗൈഡ് DeepSeek v3.1 Terminus-ൽ സ്ഥിരമായി മെച്ചപ്പെട്ട ഫലങ്ങൾ നൽകുന്ന പ്രോമ്പ്റ്റ് സ്റ്റൈലുകൾ അന്വേഷിക്കുന്നു. “സ്പെസിഫിക് ആകൂ” പോലുള്ള സാധാരണ ഉപദേശങ്ങളെ മറികടന്ന്, ഘടനാപരമായ ടെംപ്ലേറ്റുകൾ, ഉദാഹരണങ്ങൾ, പരീക്ഷിതമായ തന്ത്രങ്ങൾ എന്നിവ വിശദമായി പഠിപ്പിക്കും, ഇവ തർക്കമായതും കൃത്യമായതുമായ ആഴമുള്ള ബാധ്യത, കൃത്യത, വേഗത എന്നിവ മെച്ചപ്പെടുത്തുന്നു. ഏജന്റുകളോ, സൂക്ഷ്മമായ ക്വറികൾ എഴുതുകയോ, പ്രോഡക്ഷൻ റെഡിയായ ഉള്ളടക്കം സൃഷ്ടിക്കുകയോ ചെയ്യുന്നുവെങ്കിൽ, ശരിയായ പ്രോമ്പ്റ്റ് സ്റ്റൈൽ ഒളിച്ചിട്ടുള്ള ഒരു സ്വിച്ച് ഓണാക്കുന്നതുപോലെയാണ് അനുഭവപ്പെടുക.
നിങ്ങൾക്ക് കോപ്പി, അനുസരിച്ച് A/B ടെസ്റ്റ് ചെയ്യാവുന്ന പ്രായോഗികവും സൊല്യൂഷൻ കേന്ദ്രീകൃതവുമായ രീതിയിൽ പുരോഗമിക്കും. ചെക്ക്ലിസ്റ്റുകൾ, സങ്കുചിത ഫ്രെയിംവർക്കുകൾ, ഓരോ സ്റ്റൈൽ ഉപയോഗിക്കേണ്ട സമയത്തിനുള്ള വ്യക്തമാക്കിയ സൂചകങ്ങൾ പ്രതീക്ഷിക്കാം.
DeepSeek v3.1 Terminus-ൽ പ്രോമ്പ്റ്റ് സ്റ്റൈൽ ബാധകമായതു എന്തുകൊണ്ട്?
- സ്റ്റൈൽ പെരുമാറ്റത്തെ പ്രേരിപ്പിക്കുന്നു: Terminus ഘടനയ്ക്ക് ശക്തമായി പ്രതികരിക്കുന്നു. നിയന്ത്രണങ്ങൾ, റോളുകൾ, വിലയിരുത്തൽ മാനദണ്ഡങ്ങൾ വിശദീകരിക്കുന്ന പ്രോമ്പ്റ്റ് മോഡലിന്റെ ചിന്താശൃംഖല നയിക്കുന്നു.
- ലേറ്റൻസി-ആദ്യമായി ആഴം വിൽപ്പന: ചോദ്യമിടൽ രീതി സംയോജിത ഉത്തരം ആവശ്യപ്പെടാനോ വ്യത്യസ്ത ഘട്ടങ്ങളിൽ ചിന്തിക്കാനോ പ്രേരിപ്പിക്കും. നിയന്ത്രിത verbosity ടോക്കൺ കളവു കുറയ്ക്കുന്നു.
- പ്രതികൃത്യത: സ്ഥിരം ടെംപ്ലേറ്റുകൾ നിർണായകതയും ഡീബഗ്ഗിംഗും എളുപ്പമാക്കുന്നു.
പ്രോമ്പ്റ്റ് സ്റ്റൈൽ പ്ലേബുക്ക് (പ്രശ്നമെത്തിച്ചുള്ള രീതിയിലൂടെ)
നിങ്ങൾക്ക് ചോദ്യമായി തോന്നിയേക്കാവുന്ന രൂപത്തിൽ ഇത് ഘടിപ്പിക്കും — ഏറ്റവും ഫലപ്രദമായ മാതൃകകളും.
1) ക്രമീകരിച്ച വിഷയങ്ങളില് ചിന്താശേഷി മെച്ചപ്പെടുത്താന് എങ്ങനെ?
“ചെയിൻ-ഓഫ്-ചെക്കുകൾ” (Chain-of-Checks) സ്റ്റൈൽ ഉപയോഗിക്കുക. സൈലൻറിയായി ചിന്തിച്ച ശേഷം സാധുവായ പുറം പരിശോധനയുള്ള ഒരു ഫലം അവതരിപ്പിക്കുന്നതിനായി മോഡലിനെ നയിക്കുക, ഫക്റ്റ് ചൈന്റെ ആവശ്യം ന്യായീകരിക്കാതെ മതി.
- എപ്പോൾ ഉപയോഗിക്കാം: ഗണിതം/ലജിക്, നയാനുസരണം, ബഹുസരിത നിയന്ത്രണം പ്ലാനിംഗ്.
- എന്തുകൊണ്ട് അത് ഫലപ്രദമാണ്: അകത്തെ പ്ലാനിംഗ് റോഡ് സ്വീകരിക്കാതെ പുറത്തുള്ള പരിശോധന പ്രോത്സാഹിപ്പിക്കുന്നു.
ഉദാഹരണ പ്രോമ്പ്റ്റ്:
നിങ്ങൾ സൂക്ഷ്മമായ അനലിസ്റ്റാണ്. പ്രശ്നം പരിഹരിച്ച് അവതരിപ്പിക്കുക:
1) അന്തിമ ഉത്തരമാത്രം
2) സംക്ഷിപ്ത ന്യായീകരണം: അനുമാനങ്ങളും പ്രധാന ഘട്ടങ്ങളും
3) പരിശോധന: ഒരു സുനിശ്ചിത പരിശോധനം, പിഴവ് കണ്ടെത്താൻ കഴിയുന്ന
പ്രശ്നം: 100 മിനിറ്റിനു ശേഷം ഓരോ മിനിറ്റിനും $0.12 ചുമത്തുന്ന മൊബൈൽ പ്ലാൻ $29 മൊത്തം എങ്ങനെ സംഭവിക്കും 245 മിനിറ്റുകൾക്ക്?
നിയന്ത്രണങ്ങൾ: ന്യായീകരണം 60 വാക്കുകൾക്കുള്ളിൽ വയ്ക്കുക.
ഔട്ട്പുട്ടിൽ ശ്രദ്ധിക്കേണ്ടത്:
- വ്യക്തമായ അനുമാനങ്ങൾ, കുറഞ്ഞ അമിതവിവരണം
- സുതാര്യമായ പരിശോധന ഘട്ടം, തന്നെ തെറ്റുകൾ കണ്ടെത്താൻ സാധിക്കുന്നത്
ടിപ്പ്: അസാധുതയുണ്ടെങ്കിൽ അതും അങ്ങനെ എന്ത് അധിക വിവരങ്ങൾ സഹായകമാകും എന്നും വ്യക്തമാക്കുക എന്നത് ഹല്ലൂസിനേഷനുകൾ കുറയ്ക്കുന്നതിന്.
2) ഓരോ തവണയും ഘടനാപരമായ ഔട്ട്പുട്ടുകൾ എങ്ങനെ ലഭിക്കും?
ഇൻലൈൻ JSON അല്ലെങ്കിൽ YAML ടെംപ്ലേറ്റുകൾ ഉപയോഗിച്ച് “സ്കീമ-ഫസ്റ്റ്” സ്റ്റൈൽ ഉപയോഗിക്കുക. ഉദാഹരണ രൂപവും നിയമങ്ങളും നൽകുക.
- എപ്പോൾ ഉപയോഗിക്കാം: സവിശേഷതകൾ, ഓട്ടോമേഷനുകൾ, ഫംഗ്ഷൻ കോൾസ്, ഡൗൺസ്ട്രീം പാർസിംഗ്.
- എന്തുകൊണ്ട് ഫലപ്രദമാണ്: Terminus വ്യക്തമായ സ്കീമുകളുമായി കയ്യെഴുത്ത് ചേർക്കുന്നു.
പ്രോമ്പ്റ്റ് മാതൃക:
JSON മാത്രം തിരികെ നൽകുക. അഭിപ്രായം കാണിക്കരുത്.
സ്കീമ:
{
"title": "string",
"summary": "string",
"priority": "low|medium|high",
"tags": ["string"],
"next_actions": [
{"task": "string", "owner": "string", "eta_days": number}
]
}
ടാസ്ക്: താഴെ നൽകിയ മീറ്റിംഗ് നോട്ട് സംഗ്രഹിച്ച് അടുത്ത് നടപടികൾ ശുപാർശ ചെയ്യുക.
കുറിപ്പുകൾ: "..."
വാലിഡേഷൻ നിയമങ്ങൾ:
- ടാഗുകൾ lowercase ആയിരിക്കണം
- null അനുവദിക്കരുത്
- സംഗ്രഹം 80 വാക്കുകൾക്കകം
മजबൂതപ്പെടുത്താനുള്ള ടിപ్స్:
കറ്റൽ അറിയാത്ത ഫീൽഡുകൾ ഒഴിവാക്കുക Placeholder നിവാരണത്തിന്.
- ഒന്നോള ഡോസ് ഉദാഹരണവും ഒരോത_negative_ഉദാഹരണവും നൽകുക.
3) ഹല്ലൂസിനേഷനുകൾ എങ്ങനെ കുറക്കും?
“എവിഡൻസ്-ബൗണ്ട് ആൻസർ” സ്റ്റൈൽ ഉപയോഗിക്കുക, ഇത് ഗ്രന്ഥശാലകളും അപര്യാപ്തമെങ്കിൽ നിരസനവും നിർബന്ധിക്കുന്നു.
- എപ്പോൾ ഉപയോഗിക്കാം: യാഥാർത്ഥ്യപണക്കുള്ള ചോദ്യോത്തരങ്ങൾ, അനുക്രമണങ്ങൾ, നിയമാനുസൃത ഉള്ളടക്കം.
- എന്തുകൊണ്ട് ഫലപ്രദമാണ്: മോഡൽ സൃഷ്ടിപ്രകടനം പരിമിതപ്പെടുത്തിയാണ് സൈറ്റിംഗിനുള്ള തലത്തിലേക്ക് മാറ്റം വരുത്തുന്നത്.
പ്രോമ്പ്റ്റ് ടെംപ്ലേറ്റ്:
നൽകിയ സ്രോതസുകൾ പിന്തുണയ്ക്കുന്നുവെങ്കിൽ മാത്രമേ ഉത്തരം കൊടുക്കൂ. [S1], [S2] പോലുള്ള റഫറൻസുകൾ നേടുക. പിന്തുണയില്ലെങ്കിൽ "അപര്യാപ്തമായ തെളിവ്" എന്ന് പറയുക.
ചോദ്യമിടുക: പ്രധാന കണ്ടെത്തലുകൾ എന്തൊക്കെയാണ്?
സ്രോതസ്സുകൾ:
[S1] ...
[S2] ...
ഔട്ട്പുട്ട് ഫോർമാറ്റ്:
- പ്രധാന പോയിന്റുകൾ (ബുള്ളറ്റുകൾ)
- ഒറ്റവാക്യ സമാപനം
ഗാർഡ്റെല്ലുകൾ ചേർക്കുക:
ബാഹ്യ വിജ്ഞാനം ഉപയോഗിക്കരുത്.
സ്രോതസ്സുകൾ തർക്കം ഉണ്ടെങ്കിൽ വ്യക്തമാക്കുക.
4) വേഗത്തിൽ, ചുരുക്കം, ഗുണമേന്മ നഷ്ടമാകാതെ ഉത്തരം എങ്ങനെ?
ടോക്കൺ പരിധി പിടിച്ച് വിവരം മുൻഗണന നൽകുന്ന “കൺസ്ട്രെയ്ന്റ്-കോംപ്രസ്സഡ്” സ്റ്റൈൽ ഉപയോഗിക്കുക.
- എപ്പോൾ ഉപയോഗിക്കാം: ചാറ്റ് UI, മൊബൈൽ, ടൂൾടിപുകൾ, സംഗ്രഹങ്ങൾ.
- എന്തുകൊണ്ട് ഫലപ്രദമാണ്: മുൻഗണനക്ക് പ്രോത്സാഹനം നൽകുന്നു.
പ്രോമ്പ്റ്റ് മാതൃക:
മാറ്റിയുള്ള 20% ഏറ്റവും שימושപ്രദമായ വിവരം മാത്രം നൽകുക. പരമാവധി 120 വാക്കുകൾ.
ഘടന:
- 1 വരി ഉത്തരം
- 3 ബുള്ളറ്റുകൾ: തെളിവുകൾ, അപകടങ്ങൾ, അടുത്ത് നടപടി
കൂടാതെ: വിശേഷണങ്ങൾക്കേക്കാളും സംഖ്യകൾ, തീയതികൾ, പേരിട്ട ഒബ്ജക്റ്റുകൾ മുൻഗണന നൽകുക.
5) ഉള്ളടക്കം, ആശയവിനിമയത്തിൽ സൃഷ്ടിച്ചു പാടാനുള്ള മെച്ചപ്പെടുത്തൽ എങ്ങനെ?
മോഡുകൾ, ഫിൽറ്ററുകൾ ഉപയോഗിച്ച് “ഡൈവർജ് → കോൺവർജ്” സ്റ്റൈൽ ഉപയോഗിക്കുക.
- എപ്പോൾ ഉപയോഗിക്കാം: ആശയ വേണ്ണു, മാർക്കറ്റിംഗ് കോപ്പി, ഉൽപ്പന്ന ആശയങ്ങൾ.
- എന്തുകൊണ്ട് ഫലപ്രദമാണ്: ആശയ നിർമാണവും തിരഞ്ഞെടുപ്പും വേർതിരിക്കുന്നത് മുൻകൂർ ഒരേ കമ്പിപ്പാടുമില്ലാതാക്കുന്നു.
പ്രോമ്പ്റ്റ് റെസിപി:
ഘട്ടം 1 — ഡൈവർജ് (വിലയിരുത്താതെ):
- 4 വ്യത്യസ്ത കാഴ്ചപ്പാടുകളിൽ 12 ആശയങ്ങൾ
- 1 വിരുദ്ധവും 1 കളിയുള്ള ആശയവും നൽകുക
ഘട്ടം 2 — കോൺവർജ്:
- ഓരോ ആശയത്തിനും നവീനത (1–5)യും കഴിവും (1–5) ഉൽക്കൂല്യം നൽകുക
- ഉൽപ്പന്ന-മാർക്കറ്റ് ഫിറ്റ് അടിസ്ഥാനമാക്കി മേന്മവാനായ 3 തിരഞ്ഞെടുക്കുക
- വിജയിക്ക് 50-വാക്ക് പിച്ച്ും തലവാചകവും തയ്യാറാക്കുക
ടോൺ ഒത്തുചേർക്കാൻ ബ്രാൻഡ്/സ്റ്റൈൽ ഗൈഡ് സെൻപ്റ്റ് ചേർക്കുക.
6) ടൂൾസ് അല്ലെങ്കിൽ APIകൾ ഉപയോഗിച്ച് ബഹു ഘട്ട പ്രവർത്തനങ്ങൾ എങ്ങനെ ഏകോപിപ്പിക്കാം?
റോൾ വിഭജനം സാക്ഷാൽക്കരിച്ച് വ്യക്തമായ ടൂൾ നിയമങ്ങളോടെ “പ്ലാനർ-എക്സിക്യൂട്ടർ” സ്റ്റൈൽ ഉപയോഗിക്കുക.
- എപ്പോൾ ഉപയോഗിക്കാം: ഏജന്റുകൾ, ഓട്ടോമേഷനുകൾ, റിട്രീവൽ + ജനറേഷൻ.
- എന്തുകൊണ്ട് ഫലപ്രദമാണ്: ടൂൾ അധിക ഉപയോഗവും പുനരാവൃതിയും തടയുന്നു; നിർത്താനുള്ള സാഹചര്യങ്ങൾ വ്യക്തമാണ്.
പ്രോമ്പ്റ്റ് ഫ്രെയിം:
റോൾ: പ്ലാനർ
ലക്ഷ്യം: NYC മുതൽ SEA വരെ $450 കഴിഞ്ഞ് Nov 12-15 സമ്മതമായ വിമാന ടിക്കറ്റ് ബുക്ക് ചെയ്യുക.
നയങ്ങൾ:
- വിലകൾ തിരയാൻ മാത്രമേ സെർച്ച് ടൂൾ ഉപയോഗിക്കാവു
- 2 ഓപ്ഷനുകൾക്ക് നിയന്ത്രണങ്ങൾ എളുപ്പമെങ്കിൽ സ്റ്റോപ്പ്
- ഓപ്ഷനുകൾ ഇല്ലെങ്കിൽ 2 മറ്റ് സമാന തിയതികൾ ശുപാർശ ചെയ്യുക
ഔട്ട്പുട്ട്: ഗോൾ നേടിയ ഒരു പദ്ധതി
റോൾ: എക്സിക്യൂട്ടർ (പദ്ധതി കൃത്യമായി അനുസരിക്കുന്നു)
- എതിർവശം 1 തുടരണം, പിന്നെ നിർത്തി ഫലം സംഗ്രഹം നൽകുക.
കൂടാതെ: ഘട്ടത്തിൽ പരാജയം വന്നാൽ പരിഹാരം ശുപാർശിച്ച് വീണ്ടും ശ്രമിക്കാൻ അനുവാദം ചോദിക്കുക.
7) ടോൺ, സ്റ്റൈൽ, ബ്രാൻഡ് വോയ്സ് എങ്ങനെ ഉറപ്പാക്കാം?
സ്പഷ്ടമായ ചെയ്യുക/ഉണ്ടാകരുത് പട്ടികകളും ചെറിയ ഉദാഹരണവുമുള്ള “സ്റ്റൈൽ ലോക്ക്” ഉപയോഗിക്കുക.
- എപ്പോൾ ഉപയോഗിക്കാം: വലിയത് തോഴിൽ ഉള്ളടക്കം, സഹായ മറുപടികൾ, ഉൽപ്പന്ന ഡോക്സുകൾ.
- എന്തുകൊണ്ട് ഫലപ്രദമാണ്: അസ്പഷ്ട വിശേഷണങ്ങളെക്കാൾ കൃത്യമായ നിയന്ത്രണങ്ങൾ നല്ലതാണ്.
പ്രോമ്പ്റ്റ് സ്കെലറ്റൺ:
പ്രേക്ഷകർ: മിഡ്-മാർക്കറ്റ് CTOമാർ
ടോൺ: സംക്ഷിപ്തം, കൃത്യം, ആത്മവിശ്വാസം
ചെയ്യുക: സംഖ്യകൾ ഉപയോഗിക്കുക, വിനിമയങ്ങളെ താരതമ്യം ചെയ്യുക, ചെലവുകൾ കാണിക്കുക
ചെയ്യരുത്: ഹൈപ്പ്, പഴയ വർഗ്ഗങ്ങൾ, ചോദ്യരൂപങ്ങളുണ്ട്
ഉദാഹരണം (2 വാചകങ്ങൾ): "..."
ടാസ്ക്: താഴെ നൽകിയ ഇമെയിൽ ഈ ഗൈഡ് അനുസരിച്ച് പുനരാഖ്യാനം ചെയ്യുക.
8) മികച്ച കോഡ് ജനറേഷൻ, റിഫാക്ടറിംഗ് എങ്ങനെ?
“I/O സ്പെസി + ടെസ്റ്റുകൾ” സ്റ്റൈൽ ഉപയോഗിക്കുക: ഇൻപുട്ടുകൾ, ഔട്ട്പുട്ടുകൾ, നിയന്ത്രണങ്ങൾ നിർവചിച്ച് സ്വീകരിക്കൽ ക്രൈറ്റീരിയയിലുള്ള ടെസ്റ്റുകൾ ഉൾപ്പെടുത്തുക.
- എപ്പോൾ ഉപയോഗിക്കാം: ഫംഗ്ഷനുകൾ, സ്ക്രിപ്റ്റുകൾ, മൈഗ്രേഷൻസ്.
- എന്തുകൊണ്ട് ഫലപ്രദമാണ്: മോഡലുകൾ ദൃശ്യമായ ടെസ്റ്റുകൾ പാസാകാൻ മെച്ചപ്പെടുത്തുന്നു.
പ്രോമ്പ്റ്റ് മാതൃക:
Python ഫംഗ്ഷൻ `normalize_name(s: str) -> str` എഴുതുക.
നിയന്ത്രണങ്ങൾ:
- വെളിച്ചം വെട്ടിവെക്കുക, ഒന്നിലധികം ഇടവേളകൾ ചേർത്ത് കുറയ്ക്കുക, വാക്കുകൾ ടൈറ്റിൽ കെയ്സിൽ മാറ്റുക
- ഹൈഫനുകളും അപോസ്ട്രോഫികളും സംരക്ഷിക്കുക
- ASCII മാത്രമേ ഉപയോഗിക്കരുത്; non-ASCII അടുത്ത വാക്കിനെ മാറ്റുക
ടെസ്റ്റുകൾ:
- " mary ann o'brien " -> "Mary Ann O'Brien"
- "JOSE-LUIS" -> "Jose-Luis"
- "Zoë" -> "Zoe"
കൂടാതെ: ടൈം/സ്പേസ് ഘടന 2 വാചകത്തിൽ വിശദീകരിക്കുക.
9) മോഡലിനെ ആവശ്യമുള്ള സമയത്ത് മാത്രമേ വ്യക്തീകരണ ചോദ്യങ്ങൾ ചോദിക്കാനാകൂവേ?
പോക്കം തീരുവെന്നും വളരെ അധികമോ കുറവോ അഭിനയിക്കാതെ “കണ്ടീഷണൽ ക്ലാരിഫിക്കേഷൻ” ഉപയോഗിക്കുക.
- എപ്പോൾ ഉപയോഗിക്കാം: സെയിൽസ് അസിസ്റ്റന്റുകൾ, സപ്പോർട്ട്, ഫോം ഫിൽ.
- എന്തുകൊണ്ട് ഫലപ്രദമാണ്: അനാവശ്യമായി ചോദ്യങ്ങൾ കുറക്കുകയും തെറ്റായ അനുകരണം തടയുകയും ചെയ്യുന്നു.
പ്രോമ്പ്റ്റ് സെർഗ്മെന്റ്:
വിശ്വാസം ≥ 0.8 ആണെങ്കിൽ മുന്നോട്ടു പോത്ത്. < 0.8 ആണെങ്കിൽ 1 ലക്ഷ്യമിട്ടുള്ള ചോദ്യമെടുക്കുക.
അനുമാനം, 0–1 വിശ്വാസം കാണിക്കുക.
ടാസ്ക്ക്: 30 മിനിറ്റ് ഓൺബോർഡിംഗ് വിളിക്ക് മീറ്റിംഗ് അജണ്ട തയ്യാറാക്കുക.
10) അജന്പെട്ട എഴുത്തിൽ നിന്ന് വിശ്വാസയോഗ്യമായ വിവരങ്ങൾ എങ്ങനെ എടുക്കാം?
അഞ്ച്-സൂത്രവാക്യ കൂട്ടിച്ചേർക്കൽ കൊണ്ട് “സ്പാൻ-ചുരുക്കപ്പെട്ട എക്സ്ട്രാക്ഷൻ” സ്റ്റൈൽ ഉപയോഗിക്കുക.
- എപ്പോൾ ഉപയോഗിക്കാം: കരാറുകൾ, ലോഗുകൾ, ഇമെയിലുകൾ, റസീറ്റ്സ്.
- എന്തുകൊണ്ട് ഫലപ്രദമാണ്: ആങ്കറുകൾ പ്രക്ഷേപണം കുറയ്ക്കുന്നു; സ്പാൻ പകർത്തൽ പാരായണം പിഴവുകൾ ഒഴിവാക്കുന്നു.
പ്രോമ്പ്റ്റ് ഫോർമാറ്റ്:
പൂർത്തിയായ സ്പാൻ എടുക്കുക: vendor_name, invoice_total, due_date.
നിയമങ്ങൾ: പദം തെളിവായി പകർത്തുക; ഇല്ലെങ്കിൽ "" നൽകുക.
എഴുത്ത്:
"""
...
"""
JSON മാത്രം ഔട്ട്പുട്ട് നല്കുക.
പ്രോമ്പ്റ്റ് സ്റ്റൈൽ മാട്രിക്സ്: എന്ത് എപ്പോൾ ഉപയോഗിക്കുക
- ചിന്താശേഷി ആവശ്യങ്ങൾ → Chain-of-Checks
- ഘടനാപരമായ ഔട്ട്പുട്ടുകൾ → Schema-First
- സ്രോതസ്സുകളോടെ യാഥാർത്ഥ്യവർഗ്ഗം → Evidence-Bound
- സംക്ഷിപ്തത සහിതം → Constraint-Compressed
- ആശയവിനിമയം → Diverge → Converge
- ടൂൾ ഉപയോഗം/ഏജന്റുകൾ → Planner-Executor
- ബ്രാൻഡ് ശൈലി → Style Lock
- കോഡ് പ്രവർത്തനങ്ങൾ → I/O Spec + Tests
- ക്ലാരിഫിക്കേഷൻ → Conditional Clarification
- എക്സ്ട്രാക്ഷൻ → Span-Exact
ഈ മാതൃകകളുടെ ചെറിയ ലൈബ്രറി സൂക്ഷിച്ച് A/B ടെസ്റ്റ് ചെയ്യുക.
പ്രായോഗിക അപ്ഗ്രേഡുകൾ, ഘടനകൂടിയൊടെ
- കോൺടക്സ് വിൻഡോകൾ: ആവശ്യമായ കോൺടക്സ് മാത്രം നൽകുക. ലക്ഷ്യങ്ങൾ, നിയന്ത്രണങ്ങൾ മുകളിൽ; സൂചനകൾ താഴെ വയ്ക്കുക.
- ഇൻസ്ട്രക്ഷന്റെ മുന്നിര: ക്രമമുണ്ട്.
Goal, Constraints, Output പോലുള്ള ഹെഡറുകൾ ഉപയോഗിച്ച് നിലപാട് സ്ഥാപിക്കുക.
- നിർത്തൽ നിബന്ധനകൾ:
Stop when… സദാ ചേർത്തും, ടോക്കൺ ബജറ്റും ഉപയോഗിച്ച് വളക്കാതെ ഇരുത്തുക.
- സ്വയം പരിശോധനകൾ: ഓരോ ടാസ്കിനും ഒറ്റ പരിശോധനാ ഘട്ടം ചേർക്കുക.
- ടെംപറേച്ചർ ഡിസ്പ്ലിൻ: കൃത്യതയ്ക്ക് കുറവ് (0.1–0.3), സൃഷ്ടിത്വത്തിന് ഉയർന്ന (0.6–0.9). പ്രോമ്പ്റ്റ് സ്റ്റൈലിനു യോജിച്ച് ക്രമീകരിക്കുക.
- ഡിറ്റർമിനിസം: സീഡുകൾ സ്ഥിരമാക്കുക അല്ലെങ്കിൽ n-best സാമ്പിൾ വർദ്ധിപ്പിക്കുക നിങ്ങളുടെ അപേക്ഷ അത് പിന്തുണച്ചാൽ.
യാഥാർത്ഥിക മിനി സീനാറിയോകൾ
- ആനാലിറ്റിക്സ് ബ്രീഫ് (Constraint-Compressed + Evidence-Bound):
- “Q3 ഫണൽകടവ് വിവരിച്ച് 120 വാക്കുകൾക്കകം. പട്ടിക ഐഡികൾ [T1], [T2] സൈറ്റിംഗ്. പാർശ്വം നഷ്ടപ്പെട്ടെങ്കിൽ ‘അപര്യാപ്തമായ ഡേറ്റ’ എന്നു പറയുക.”
- നിയമ ഉപാധി പരിശോധന (Chain-of-Checks):
- “അസമ്പീവദ terms കണ്ടെത്തുക, സാദ്ധ്യതാ ഭാഷയിലുള്ള മാറ്റങ്ങൾ പരീക്ഷിക്കുക. അന്തിമ പಟ್ಟಿ, 3 പ്രധാന അപകടങ്ങൾ, ഒറ്റ പരിശോധന.”
- ഉള്ളടക്കം പുനഃരാഖ്യാനം (Style Lock):
- “ഈ FAQ സൗഹൃദവും നേരിട്ടും ഉള്ള ടോണിൽ പുനരാഖ്യാനം ചെയ്യുക. ചെയ്യുക: ചുരുക്കം വാക്യങ്ങൾ, കോൺട്രാക്ഷനുകൾ; ചെയ്യരുത്: ബസ്സ്വേർഡ്.”
പ്രശ്നപരിഹാരത്തിനുള്ള സാധ്യതകൾ: ഫലങ്ങൾ മെച്ചപ്പെടുന്നില്ലെങ്കിൽ
- മുടിഞ്ഞോ? നിയന്ത്രണങ്ങൾ കട്ടപ്പിച്ച് ചെറിയ ഉദാഹരണം ചേർക്കുക.
- വിവരണം അധികമാണോ? ടോക്കൺ പരിധി വെച്ച് ബുള്ളറ്റു മുൻഗണനയും കൊടുക്കുക.
- ഹല്ലൂസിനേഷൻ ഉണ്ടോ? Evidence-Bound-ലേക്ക് മാറുക, നൽകിയ സ്രോതസ്സുകളിലേക്ക് മാത്രം പരിമിതപ്പെടുത്തുക.
- JSON അനിയന്ത്രിതമാണോ? സ്കീമയും പിഴവുള്ള ഉദാഹരണവും ഉൾപ്പെടുത്തുക.
- ടൂൾ അധിക ഉപയോഗം? വ്യക്തമായ ടൂൾ ഉപയോഗ നിബന്ധനകളും നിർത്തൽ മാനദണ്ഡങ്ങളും സജ്ജമാക്കുക.
മുൻനിര: പ്രോമ്പ്റ്റ് ചെയിനിംഗ് ആനിക്ക് പരുക്കാതെ
- പടി 1: പ്രശ്ന ഘടന (നിയന്ത്രണങ്ങളും വിജയ മാതൃകകളും ശേഖരിക്കുക)
- പടി 2: പദ്ധതി നിർദ്ദേശം (2–3 ഓപ്ഷനുകൾ, ഒന്ന് തെരഞ്ഞെടുക്കുക)
- പടി 3: നടപ്പാക്കൽ (പദ്ധതി കൃത്യമായി പിന്തുടരുക)
- പടി 4: അവലോകനം (സ്വയം പരിശോധനകൾ + സ്വീകരണ മാനദണ്ഡങ്ങൾ)
- പടി 5: പാക്കേജിംഗ് (അവസാന ഫോർമാറ്റ്, നീളം, ശബ്ദം)
പ്രവൃത്തി മൊത്തം പ്രോമ്പ്റ്റ് ഭാരം ഒഴിവാക്കാൻ ഓരോ ഘട്ടത്തിനും വേണ്ടതിനുപരി ഡാറ്റ മാത്രം കൈമാറുക. ഓരോ ഘട്ടത്തിനും പ്രത്യേക ഡെലിമിറ്ററുകൾ ഉപയോഗിക്കുക (<<<STAGE2>>>).
അടിസ്ഥാനത്തിൽ: വേഗത്തിൽ പരീക്ഷിക്കാൻ ഒരു മാർഗം
പരീക്ഷണങ്ങൾ അനേകം പ്രോമ്പ്റ്റ് സ്റ്റൈലുകളുമായി നടത്തുന്നെങ്കിൽ, ടെംപ്ലേറ്റുകൾ സൂക്ഷിച്ച് എളുപ്പം A/B ടെസ്റ്റ് നടത്താൻ, JSON ഔട്ട്പുട്ടുകൾ കൈകാര്യം ചെയ്യാൻ സൈഡ്-ബൈ-സൈഡ് കോപൈലറ്റ് ഒരു വേഗവളർച്ചയാണ്. Sider.AI പോലുള്ള ടൂളുകൾ പുനരുപയോഗയോഗ്യമായ പ്രോമ്പ്റ്റ് മാതൃകകൾ പിന്തള്ളാൻ, JSONയായി ഔട്ട്പുട്ടുകൾ ക്യാപ്ചർ ചെയ്യാനും വിവിധ പരീക്ഷണങ്ങൾ താരതമ്യം ചെയ്യാനും സഹായിക്കുന്നു, അതുവഴി ഏറ്റവും മികച്ച ഫലമുള്ള സ്റ്റൈൽ തിരഞ്ഞെടുക്കാൻ കഴിയും. പ്രധാനം എടുത്തു പറയേണ്ടം
- ടാസ്കിനു യോജിക്കുന്ന ഒരു പ്രോമ്പ്റ്റ് സ്റ്റൈൽ തിരഞ്ഞെടുക്കുക — ഒരേസമയം പല മാതൃകകളും ഉപയോഗിക്കരുത്.
- സ്പഷ്ട ഘടന ഉപയോഗിക്കുക: ലക്ഷ്യം, നിയന്ത്രണങ്ങൾ, ഔട്ട്പുട്ട്, നിർത്തൽ നിബന്ധനകൾ.
- വിശേഷണങ്ങളേക്കാൾ സ്കീമകൾ, ഉദാഹരണങ്ങൾ, പരിശോധിക്കൽ പ്രাধാന്യം കൊടുക്കുക.
- A/B ടെസ്റ്റ് സ്റ്റൈലുകൾ (ഉദാ: Chain-of-Checks vs. Constraint-Compressed) ഫലങ്ങൾ വിലയിരുത്തുക.
- സാഹിത്യം അനുസരിച്ച് പരിമാർപ്പിച്ച് ഉപയോഗിക്കാൻ ടെംപ്ലേറ്റുകളുടെ ലൈബ്രറി സൂക്ഷിക്കുക.
ഷീഗളവും കോപ്പി-പസ്റ്റു ടെംപ്ലേറ്റുകൾ
റോൾ: സൂക്ഷ്മ അനലിസ്റ്റ്
ടാസ്ക്: [ടാസ്ക്]
ഔട്ട്പുട്ട്:
1) അന്തിമ ഉത്തരം
2) സംക്ഷിപ്ത ന്യായീകരണം (≤60 വാക്കുകൾ)
3) ഒറ്റ പരിശോധനാ ഘട്ടം
അസാധുതയുണ്ടെങ്കിൽ നഷ്ടത്തിലുള്ള വിവരങ്ങൾ വ്യക്തമാക്കുക.
JSON മാത്രം തിരികെ നൽകുക.
സ്കീമ: {...}
വാലിഡേഷൻ നിയമങ്ങൾ: [...]
ടാസ്ക്: [...]
സ്രോതസ്സുകൾ [S1..Sn] ഉപയോഗിച്ചുള്ള ഉത്തരങ്ങൾ മാത്രം. പിന്തുണയില്ലെങ്കിൽ: "അപര്യാപ്തമായ തെളിവ്."
സൈറ്റേഷനുകൾ [S1] പോലുള്ളവ നൽകുക.
- കൺസ്ട്രെയ്ന്റ്-കോംപ്രസ്സഡ്
പരമാവധി 120 വാക്കുകൾ.
- 1 വരി ഉത്തരം
- 3 ബുള്ളറ്റുകൾ: തെളിവുകൾ, അപകടങ്ങൾ, അടുത്ത് നടപടി
ഘട്ടം 1: 4 കാഴ്ചപ്പാടുകളിൽ 12 ആശയങ്ങൾ (1 വിരുദ്ധം, 1 കളിയുള്ളത് ഉണ്ട്)
ഘട്ടം 2: സ്കോർ ചെയ്യുക, മുകളിൽ 3 തിരഞ്ഞെടുക്കുക, വിജയിയെ വികസിപ്പിക്കുക
റോൾ: പ്ലാനർ → ഘട്ടങ്ങൾ, നിയന്ത്രണങ്ങൾ പാലിക്കുമ്പോൾ നിർത്തുക
റോൾ: എക്സിക്യൂട്ടർ → ഘട്ടങ്ങൾ കൃത്യമായി പിന്തുടരുക, നിർത്തി സംഗ്രഹം നൽകുക
പ്രേക്ഷകർ, ടോൺ, ചെയ്യേണ്ട/ചെയ്യരുത്, ഉദാഹരണം, ടാസ്ക്ക്
ഫംഗ്ഷൻ സ്പെസി + നിയന്ത്രണങ്ങൾ + സ്വീകരിക്കൽ ടെസ്റ്റുകൾ
വിശ്വാസം ≥ 0.8 ആണെങ്കിൽ മുന്നോട്ട്; ഇല്ലെങ്കിൽ 1 ചോദ്യം ചോദിക്കുക. വിശ്വാസം കാണിക്കുക.
- സ്പാൻ-എക്സാക്ട് എക്സ്ട്രാക്ഷൻ
സൂക്ഷ്മ സ്പാൻ എടുക്കുക; പദം തടസ്സമില്ലാതെ പകർത്തുക; JSON മാത്രം നൽകുക.
FAQ
Q1: DeepSeek v3.1 Terminus-ൽ പരീഖ്യയായ ചിന്തയ്ക്ക് യോജിക്കുന്ന പ്രോമ്പ്റ്റ് സ്റ്റൈൽ ഏതാണ്?
Chain-of-Checks പ്രോമ്പ്റ്റ് ഉപയോഗിക്കുക: അന്തിമ ഉത്തരം, ചെറുകാലത്തെ ന്യായീകരണം, ഒറ്റ പരിശോധന ഘട്ടം ആവശ്യപ്പെടുക. ഇത് കൃത്യത വർധിപ്പിക്കുകയും അകത്തെ ചിന്താ വഴി വെളിപ്പെടുത്താതിരിക്കയും സെൂക്ഷ്മമായ ദൃശ്യപിഴവുകൾ കുറയ്ക്കുകയും ചെയ്യുന്നു.
Q2: DeepSeek v3.1 Terminus നിന്നു ശുദ്ധമായ JSON എങ്ങനെ മടക്കു ലഭിക്കും?
സ്പഷ്ടമായ JSON ടെംപ്ലേറ്റ്, വാലിഡേഷൻ നിയമങ്ങൾ, ഉദാഹരണങ്ങൾ ഉള്ള Schema-First പ്രോമ്പ്റ്റ് സ്വീകരിക്കുക. JSON മാത്രം ഔട്ട്പുട്ട് ചെയ്യാനും അറിയാത്ത ഫീൽഡുകൾ ഒഴിവാക്കാനുമുള്ള നിർദ്ദേശം ഉൾപ്പെടുത്തുക.
Q3: DeepSeek v3.1 Terminus-ൽ ഹല്ലൂസിനേഷൻ എങ്ങനെ തടയാം?
നൽകിയ സ്രോതസ്സുകളുമായി പരിമിതപ്പെടുത്തുന്ന എവിഡൻസ്-ബൗണ്ട് ആൻസർ സ്റ്റൈൽ ഉപയോഗിക്കുക, [S1] പോലുള്ള സൈറ്റേഖൾ ആവശ്യമാണ്. തെളിവ് ഇല്ലെങ്കിൽ “അപര്യാപ്തമായ തെളിവ്” എന്ന് പറയാൻ മോഡലിനെ നിർദ്ദേശിക്കുക.
Q4: ദ്രുതവും ചുരുക്കവുമായ ഗുണമേന്മയുള്ള ഉത്തരം എങ്ങനെ വാങ്ങാം?
ടോക്കൺ പരിധി കാത്ത്, കർശന ഘടന നിർവചിച്ച്, വിവരങ്ങൾ മുൻഗണനാ ആയി നൽകുന്ന Constraint-Compressed പ്രോമ്പ്റ്റ് ഉപയോഗിക്കുക. ഇത് മറുപടികൾ തികഞ്ഞവും സമ്പൂർണവുമാക്കുന്നു.
Q5: കോഡ് ജനറേഷനായി ഏത് പ്രോമ്പ്റ്റ് സ്റ്റൈൽ ഉപയോഗിക്കണം?
I/O Spec + Tests പ്രോമ്പ്റ്റ് ആശയവത്കരിക്കുക. ഫംഗ്ഷൻ സിഗ്നെച്ചർ, നിയന്ത്രണങ്ങൾ, സ്വീകരണ ടെസ്റ്റുകൾ വിശദമാക്കുക; മോഡലുകൾ ആ ടെസ്റ്റുകൾ പാസാക്കാൻ മെച്ചപ്പെടുത്തും, വിശ്വാസയോഗ്യമായ കോഡ് നൽകും.
