AI एजेंट सिस्टम प्रॉम्प्ट कैसे लिखें जो प्रोडक्शन में फेल न हों

विषय सूची

जुलाई 2026 में अपडेट किया गया।

TL;DR: प्रोडक्शन सिस्टम प्रॉम्प्ट में पाँच परतें होती हैं: पहचान (एजेंट कौन है और क्या नहीं कर सकता), संदर्भ (पर्यावरण के बारे में क्या जानता है), कार्य (सफलता कदम-दर-कदम कैसी दिखती है), आउटपुट फॉर्मेट (सबसे कम आंका गया लेयर), और एज केस (जब इनपुट गलत हो तो क्या करें)। अधिकांश प्रॉम्प्ट इसलिए फेल होते हैं क्योंकि वे लेयर 4 और 5 छोड़ देते हैं। आउटपुट फॉर्मेट पहले लिखें — यह आपको वास्तव में जो चाहिए उसके बारे में सटीक होने के लिए मजबूर करता है।

[ऑपरेटर का दृष्टिकोण] मैं अपने कंसल्टिंग ब्रांड और Pickleland — टेक्सास के Pflugerville में एक पिकलबॉल सुविधा — के लिए प्रोडक्शन में 30 से अधिक AI एजेंट चला रहा हूँ। मैंने जितने सिस्टम प्रॉम्प्ट लिखे हैं उससे अधिक फिर से लिखे हैं — आमतौर पर इसलिए कि पहला वर्शन टेस्ट में अच्छा लगा और फिर प्रोडक्शन में चुपचाप खराब होता गया। यह वो है जो मैंने ऐसे प्रॉम्प्ट लिखने के बारे में सीखा जो टिके रहते हैं।

वह सिस्टम प्रॉम्प्ट समस्या जिसे कोई स्वीकार नहीं करता

अधिकांश एजेंट सिस्टम प्रॉम्प्ट लगभग 20 मिनट में लिखे जाते हैं, दो या तीन उदाहरणों पर परीक्षण किए जाते हैं, और फिर कभी छुआ नहीं जाता। मॉडल डिप्लॉय हो जाता है। कुछ समय के लिए काम करता है। फिर कुछ बदलता है — इनपुट अधिक गड़बड़ हो जाते हैं, मॉडल अपडेट होता है, एक नया एज केस सामने आता है — और एजेंट कचरा उत्पन्न करना शुरू कर देता है। चुपचाप। पैमाने पर।

समस्या यह नहीं है कि मूल प्रॉम्प्ट खराब था। समस्या यह है कि अधिकांश प्रॉम्प्ट हैप्पी पाथ प्रदर्शित करने के लिए लिखे जाते हैं।

प्रोडक्शन सिस्टम प्रॉम्प्ट की पाँच परतें

मैं हर सिस्टम प्रॉम्प्ट को पाँच परतों में सोचता हूँ। उन्हें इस क्रम में नहीं होना चाहिए — लेकिन सभी मौजूद होने चाहिए।

परत 1: पहचान

पहचान मॉडल को बताती है कि वह कौन है और उसकी परिचालन बाधाएँ क्या हैं। रोलप्ले कैरेक्टर नहीं — इस एजेंट के क्या करने और न करने की कार्यात्मक परिभाषा।

एक मजबूत पहचान परत तीन सवालों का जवाब देती है:

• यह एजेंट किस चीज़ के लिए जिम्मेदार है?
• यह स्पष्ट रूप से किसके लिए जिम्मेदार नहीं है (और इसे एस्केलेट या अस्वीकार करना चाहिए)?
• यह किन मानकों को बनाए रखता है?

स्पष्ट “नहीं करने” का दायरा वह हिस्सा है जिसे अधिकांश ऑपरेटर छोड़ देते हैं।

परत 2: संदर्भ

संदर्भ वह है जो एजेंट अपने पर्यावरण के बारे में जानता है जो यूज़र के संदेश में नहीं है। इसमें वर्तमान तारीख और समय (गतिशील रूप से इंजेक्ट करें — मॉडल के आंतरिक समय की भावना पर कभी भरोसा न करें), बाहरी सिस्टम से प्रासंगिक स्थिति, और व्यावसायिक नियम शामिल हैं।

मान मत लो। इंजेक्ट करो।

परत 3: कार्य

कार्य परत वर्णन करती है कि एजेंट कदम-दर-कदम क्या करता है। “ग्राहकों की मदद करें” नहीं — वास्तविक निर्णय प्रवाह। इसे निर्देश के रूप में नहीं, फ्लोचार्ट के रूप में लिखें।

परत 4: आउटपुट फॉर्मेट

यह सबसे कम आंका गया लेयर है, और वह जो साइलेंट फेलियर के लिए सबसे अधिक जिम्मेदार है।

आउटपुट फॉर्मेट पहले लिखें। संरचित आउटपुट के लिए सटीक स्कीमा निर्दिष्ट करें। गद्य आउटपुट के लिए संरचना, लंबाई और टोन बाधाएँ निर्दिष्ट करें।

उच्च-जोखिम वाले एजेंट्स के लिए, मैं परिभाषित JSON स्कीमा के साथ Claude का संरचित आउटपुट उपयोग करता हूँ।

परत 5: एज केस

एज केस परत का जवाब: जब इनपुट अस्पष्ट, अपूर्ण, गलत भाषा में, शत्रुतापूर्ण, या स्पष्ट रूप से गलत हो तो एजेंट क्या करता है? प्रत्येक एज केस के लिए मॉडल को एक स्पष्ट प्रतिक्रिया पथ दें।

मैं समय के साथ सिस्टम प्रॉम्प्ट कैसे बनाए रखता हूँ

प्रोडक्शन सिस्टम प्रॉम्प्ट एक जीवित दस्तावेज है:

1. साप्ताहिक स्पॉट-चेक। मैं प्रत्येक उच्च-जोखिम वाले एजेंट के पाँच से दस यादृच्छिक आउटपुट की समीक्षा करता हूँ।
2. मॉडल अपडेट के बाद समीक्षा। जब भी बेस मॉडल संस्करण बदलता है, मैं अपने मूल्यांकन ढांचे के पूर्ण गोल्डन सेट के विरुद्ध एजेंट चलाता हूँ।
3. एज केस लॉग। मैं उन इनपुट का चालू लॉग रखता हूँ जिन्हें एजेंट ने खराब तरीके से संभाला।
4. प्रॉम्प्ट वर्शनिंग। हर महत्वपूर्ण बदलाव को एक वर्शन कमेंट मिलता है।

अक्सर पूछे जाने वाले सवाल

प्रोडक्शन सिस्टम प्रॉम्प्ट कितना लंबा होना चाहिए?

सभी पाँच परतों को कवर करने के लिए पर्याप्त लंबा। दो मिनट में पढ़ने और ड्रिफ्ट ढूंढने के लिए पर्याप्त छोटा। मेरे अधिकांश एजेंट्स के लिए यह 200-600 शब्द है।

एक लंबे प्रॉम्प्ट के बजाय कई एजेंट्स में विभाजित कब करना चाहिए?

जब कार्य के दो या अधिक अलग-अलग मोड हों जिनके लिए अलग संदर्भ, अलग आउटपुट फॉर्मेट, या अलग त्रुटि हैंडलिंग की आवश्यकता हो।

टेस्ट में काम करने वाला प्रॉम्प्ट प्रोडक्शन में फेल होने का सबसे सामान्य कारण क्या है?

टेस्ट इनपुट प्रोडक्शन वितरण का प्रतिनिधित्व नहीं कर रहे थे। कल्पना किए गए इनपुट से नहीं, वास्तविक प्रोडक्शन ट्रैफिक से टेस्ट सेट बनाएँ।