दिमाग़ में मौजूद निर्णय को दस्तावेज़ में उतारना: कॉन्टेक्स्ट इंजीनियरिंग और मॉडल की आज्ञाकारिता
पिछले कुछ वर्षों में AI को अपने काम में उतारने के बाद, जो निर्णय पहले सिर्फ़ मेरे दिमाग़ में मौजूद थे उन्हें मैंने धीरे-धीरे खोला, externalize (बाहर निकालकर लिखित रूप देना) किया, और उन्हें एक ऐसे नियंत्रणीय “कॉन्टेक्स्ट इंजीनियरिंग दस्तावेज़” (Context Engineering Document) में समेट दिया।
मैं तीन बातों से किसी मॉडल को परखता हूँ
फ़िलहाल, जब मैं यह आँकता हूँ कि कोई मॉडल “उच्च अनुशासन, उच्च अनुरेखणीयता” वाले काम के लिए उपयुक्त है या नहीं, तो मैं मुख्यतः तीन बातें देखता हूँ:
- तय नियमों का पालन कर पाता है या नहीं;
- जानकारी कम पड़ने पर, ख़ुद से “जगह भर देता” है या नहीं;
- जो सामग्री वह देता है, उसका अनुरेखण और ऑडिट किया जा सकता है या नहीं।
इस समय का एक व्यावहारिक अनुभव
नीचे मेरे हाल के व्यावहारिक अनुभव हैं — पहले ही कह दूँ, यह पूरी तरह इस समय का, मेरा निजी उपयोग-अनुभव है, और मॉडल भी लगातार अपडेट होते रहते हैं, इसलिए ज़रूरी नहीं कि यह हर व्यक्ति और हर संस्करण पर लागू हो:
- Claude: कॉन्टेक्स्ट के प्रति आज्ञाकारिता सबसे ऊँची; तय नियमों से चिपककर चलने में यह अपेक्षाकृत बेहतर है, इसलिए मैंने इसे मुख्य मॉडल बनाया है और निर्णय की परत इसी पर टिकी है।
- GPT: इसके बाद का नंबर। अनुरेखण अपेक्षाकृत नियंत्रणीय है, पर जानकारी कम पड़ने पर यह कभी-कभी प्रशिक्षण डेटा से जगह भर देता है, इसलिए मैं इसे मुख्यतः बैकअप और कुछ ख़ास कामों के लिए इस्तेमाल करता हूँ।
- Gemini: इस क़िस्म के लंबे, ऊँचे अनुशासन वाले काम में यह कुछ कमज़ोर पड़ता है; एक बार तो इसने एक ही झटके में गढ़े हुए स्रोतों का पूरा जत्था गिना दिया था, इसलिए फ़िलहाल यह इस मुख्य धारा से बाहर हो गया है।
जो चीज़ फ़ासला पैदा करती है, वह है “बाहर लिखे जा चुके निर्णय के प्रति आज्ञाकारिता”
मेरे लिए, मॉडलों के बीच असल में जो चीज़ फ़ासला पैदा करती है, वह सिर्फ़ मॉडल की अपनी क्षमता नहीं है, बल्कि यह है कि वह उस पेशेवर निर्णय के प्रति “आज्ञाकारी” रह पाता है या नहीं, जिसे मैं पहले ही बाहर लिखकर रख चुका हूँ।
औज़ार आगे भी अपडेट होते रहेंगे, पर पहले दिमाग़ में मौजूद निर्णय को साफ़-साफ़ लिख लेना — यह बात, दरअसल, उतनी ही महत्वपूर्ण है जितना यह कि आप कौन-सा औज़ार चुनते हैं।