Prompt Engineering Interview Questions Hindi mein

Prompt Engineering कोर्स के 31 सवाल, हर सवाल के सही जवाब और explanation के साथ। जवाब देखने से पहले ख़ुद सोचें।

Prompting की बुनियाद

1. Prompt engineering का सबसे अच्छा वर्णन क्या है?

  1. मॉडल weights दोबारा प्रशिक्षित करना
  2. गुप्त जादुई शब्द खोजना
  3. इनपुट डिज़ाइन और परीक्षण ताकि मॉडल आउटपुट उपयोगी और एकसमान हो
  4. हमेशा लंबे prompts लिखना
जवाब देखें

जवाब: इनपुट डिज़ाइन और परीक्षण ताकि मॉडल आउटपुट उपयोगी और एकसमान हो

यह डिज़ाइन-और-माप अनुशासन है, तरकीब नहीं।

पाठ: Prompt Engineering क्या है

2. मॉडल जो तथ्य नहीं जानता उन्हें क्यों शामिल करें?

  1. उसके पास सिर्फ़ prompt और प्रशिक्षण है, आपका निजी डेटा नहीं
  2. मॉडल अपना प्रशिक्षण भूल जाते हैं
  3. तथ्य उत्तर छोटा करते हैं
  4. यह HTTP का नियम है
जवाब देखें

जवाब: उसके पास सिर्फ़ prompt और प्रशिक्षण है, आपका निजी डेटा नहीं

छूटे तथ्य अनुमान की ओर ले जाते हैं, इसलिए उन्हें prompt में दें।

पाठ: मॉडल आपका Prompt कैसे पढ़ते हैं

3. इनपुट को निर्देशों से अलग क्यों रखें?

  1. क्योंकि मॉडल इनपुट नहीं पढ़ सकते
  2. Prompt छिपाने के लिए
  3. एक token बचाने के लिए
  4. ताकि मॉडल समझे कि क्या करना है और क्या प्रोसेस करना है
जवाब देखें

जवाब: ताकि मॉडल समझे कि क्या करना है और क्या प्रोसेस करना है

साफ़ अलगाव भ्रम से बचाता है और injection जोखिम घटाता है।

पाठ: अच्छे Prompt की संरचना

4. स्थिर नियम और persona कहाँ जाने चाहिए?

  1. सिर्फ़ आख़िरी user संदेश में
  2. System संदेश में
  3. Comment में
  4. कहीं नहीं
जवाब देखें

जवाब: System संदेश में

System संदेश वे निर्देश रखता है जो पूरी बातचीत पर लागू हैं।

पाठ: System, User और Assistant संदेश

मुख्य तकनीकें

5. कौन-सा prompt बेहतर है?

  1. "इसका सार दो"
  2. "CFO के लिए 5 bullets में सार, प्रत्येक 20 शब्दों से कम"
  3. "कुछ उपयोगी करो"
  4. "होशियार बनो"
जवाब देखें

जवाब: "CFO के लिए 5 bullets में सार, प्रत्येक 20 शब्दों से कम"

विशिष्ट दर्शक, लंबाई और format अनुमान के लिए कम छोड़ते हैं।

पाठ: स्पष्ट और विशिष्ट बनें

6. Few-shot prompting क्या जोड़ती है?

  1. स्वचालित fine-tuning
  2. ज़्यादा मॉडल parameters
  3. तेज़ GPU
  4. इनपुट-आउटपुट उदाहरण जो वांछित पैटर्न दिखाते हैं
जवाब देखें

जवाब: इनपुट-आउटपुट उदाहरण जो वांछित पैटर्न दिखाते हैं

उदाहरण मॉडल को बिना पुनः प्रशिक्षण के format और labels समझने देते हैं।

पाठ: Few-Shot उदाहरण

7. दर्शक का नाम देने से क्या बदलता है?

  1. गहराई, शब्दावली और उदाहरण
  2. मॉडल आकार
  3. Tokenizer
  4. प्रति token क़ीमत
जवाब देखें

जवाब: गहराई, शब्दावली और उदाहरण

वही तथ्य अलग पाठकों के लिए अलग तरह से प्रस्तुत होते हैं।

पाठ: भूमिका, दर्शक और लहजा

8. उत्तर कोई प्रोग्राम पढ़ेगा तो क्या करें?

  1. कविता माँगें
  2. आशा करें कि format सही होगा
  3. मशीन-पठनीय format माँगें और कोड में validate करें
  4. System prompt बंद करें
जवाब देखें

जवाब: मशीन-पठनीय format माँगें और कोड में validate करें

मॉडल कभी-कभी भटकते हैं, इसलिए उपयोग से पहले जाँचें।

पाठ: Output Format नियंत्रित करना

9. इनपुट को tags में क्यों लपेटें?

  1. भाषा बदलने के लिए
  2. पाठ संपीड़ित करने के लिए
  3. साफ़ चिह्नित करने के लिए कि क्या डेटा है और क्या निर्देश
  4. Tokens से बचने के लिए
जवाब देखें

जवाब: साफ़ चिह्नित करने के लिए कि क्या डेटा है और क्या निर्देश

साफ़ सीमाएँ भ्रम और injection जोखिम घटाती हैं।

पाठ: Delimiters और डेटा को निर्देशों से अलग करना

Reasoning और बहु-चरणीय कार्य

10. अंतिम उत्तर निश्चित पंक्ति में क्यों रखें?

  1. ताकि आपका कोड उसे भरोसे से parse कर सके
  2. Reasoning छिपाने के लिए
  3. क़ीमत घटाने के लिए
  4. चरण छोड़ने के लिए
जवाब देखें

जवाब: ताकि आपका कोड उसे भरोसे से parse कर सके

अनुमेय चिह्न निष्कर्षण सरल बनाता है।

पाठ: चरण-दर-चरण Reasoning (Chain of Thought)

11. Samples के बीच कम सहमति क्या सुझाती है?

  1. API बंद है
  2. उत्तर निश्चित रूप से सही है
  3. Prompt चलने के लिए बहुत छोटा है
  4. मॉडल अनिश्चित है और मामले की समीक्षा चाहिए हो सकती है
जवाब देखें

जवाब: मॉडल अनिश्चित है और मामले की समीक्षा चाहिए हो सकती है

असहमति उपयोगी अनिश्चितता संकेत है।

पाठ: Self-Consistency: कई sample लें, बहुमत लें

12. Prompt chaining का एक लाभ क्या है?

  1. यह सारी त्रुटियाँ हटाता है
  2. हर चरण परखना और debug करना सरल है
  3. यह हमेशा कम ख़र्च करती है
  4. यह validation की ज़रूरत हटाती है
जवाब देखें

जवाब: हर चरण परखना और debug करना सरल है

छोटे केंद्रित चरण आँकना और ठीक करना आसान होते हैं।

पाठ: Prompt Chaining और Decomposition

13. कौन-सी जाँच मॉडल की अपनी राय से सबसे स्वतंत्र है?

  1. "क्या तुम्हें यक़ीन है?" पूछना
  2. बना कोड tests पर चलाना
  3. वही prompt दोहराना
  4. उत्तर लंबा करना
जवाब देखें

जवाब: बना कोड tests पर चलाना

चलने योग्य tests वस्तुनिष्ठ प्रमाण देते हैं।

पाठ: Self-Critique और Verification

Structured Output और Validation

14. JSON mode होने पर भी JSON validate क्यों करें?

  1. यह सिर्फ़ XML के लिए है
  2. JSON mode अवैध है
  3. Validation JSON लंबा करता है
  4. वैध syntax सही मानों या अनुमत categories की गारंटी नहीं देता
जवाब देखें

जवाब: वैध syntax सही मानों या अनुमत categories की गारंटी नहीं देता

Schema और मान जाँचें वे अर्थगत त्रुटियाँ पकड़ती हैं जो syntax जाँचें चूकती हैं।

पाठ: JSON माँगना और उसे Validate करना

15. Retry prompt में क्या जोड़ना चाहिए?

  1. पिछले उत्तर में क्या ग़लत था उसका विशिष्ट वर्णन
  2. कुछ नहीं
  3. लंबी persona
  4. सिर्फ़ random seed
जवाब देखें

जवाब: पिछले उत्तर में क्या ग़लत था उसका विशिष्ट वर्णन

ठोस error feedback मॉडल को ख़ुद को सुधारने में मदद करता है।

पाठ: Feedback के साथ Retry

16. समर्थक उद्धरण क्यों माँगें?

  1. Validation छोड़ने के लिए
  2. उत्तर लंबा करने के लिए
  3. कोड जाँच सकता है कि हर मान स्रोत में है
  4. मॉडल बदलने के लिए
जवाब देखें

जवाब: कोड जाँच सकता है कि हर मान स्रोत में है

उद्धरण यांत्रिक रूप से जाँचा जा सकता है, गढ़े मान पकड़ता है।

पाठ: Extraction पैटर्न और "Unknown" सँभाल

Context: Budgets, Memory और Retrieval

17. इतिहास बहुत लंबा हो तो आम तौर पर पहले क्या हटाया जाता है?

  1. User का नवीनतम सवाल
  2. System नियम
  3. सबसे पुराने, सबसे कम प्रासंगिक संदेश
  4. उत्तर के लिए आरक्षित जगह
जवाब देखें

जवाब: सबसे पुराने, सबसे कम प्रासंगिक संदेश

पुरानी बातचीत सबसे कम मायने रखती है; नियम और वर्तमान turn सबसे ज़्यादा।

पाठ: Context Windows और Token Budgets

18. लंबे prompt में सवाल आम तौर पर कहाँ रखना सबसे अच्छा है?

  1. दस्तावेज़ों के बाद, अंत के पास
  2. दस्तावेज़ों के बीच छिपाकर
  3. कभी नहीं
  4. System prompt से पहले
जवाब देखें

जवाब: दस्तावेज़ों के बाद, अंत के पास

सवाल और मुख्य नियमों पर समाप्त होना उन्हें प्रमुख बनाता है।

पाठ: लंबे Prompts: क्रम और स्थान

19. संदर्भ में उत्तर न होने पर कहने को क्यों बताएँ?

  1. भाषा बदलने के लिए
  2. उत्तर लंबे करने के लिए
  3. Retrieval छोड़ने के लिए
  4. आत्मविश्वासी अनुमान रोकने के लिए
जवाब देखें

जवाब: आत्मविश्वासी अनुमान रोकने के लिए

अनुमत "नहीं मिला" उत्तर गढ़ने को हतोत्साहित करता है।

पाठ: Retrieved दस्तावेज़ों से Grounding

20. बातचीत की स्मृति आपको क्यों बनानी पड़ती है?

  1. मॉडल में tokens नहीं होते
  2. मॉडल पिछली calls ख़ुद याद नहीं रखता
  3. स्मृति अवैध है
  4. APIs इतिहास मना करती हैं
जवाब देखें

जवाब: मॉडल पिछली calls ख़ुद याद नहीं रखता

हर API call सिर्फ़ वही देखती है जो आप उसमें शामिल करें।

पाठ: बातचीत की स्मृति और सार

सुरक्षा और मज़बूती

21. कौन-सा डिज़ाइन सफल injection से नुक़सान सीमित करता है?

  1. मॉडल को admin keys देना
  2. न्यूनतम-विशेषाधिकार tools और जोखिम भरी कार्रवाइयों पर मानव अनुमोदन
  3. सिर्फ़ prompt छिपाना
  4. लंबे prompts
जवाब देखें

जवाब: न्यूनतम-विशेषाधिकार tools और जोखिम भरी कार्रवाइयों पर मानव अनुमोदन

बहकाया मॉडल क्या कर सकता है यह सीमित करना नुक़सान सीमित करता है।

पाठ: Prompt Injection और बचाव

22. Prompt में कौन-सी चीज़ कभी नहीं रखनी चाहिए?

  1. उदाहरण आउटपुट
  2. Style guide
  3. सार्वजनिक FAQ
  4. API keys और passwords
जवाब देखें

जवाब: API keys और passwords

Prompts में secrets logs या मॉडल आउटपुट से लीक हो सकते हैं।

पाठ: Privacy, Secrets और ज़िम्मेदार उपयोग

23. System, user और retrieved पाठ टकराएँ तो समझदार प्राथमिकता क्या है?

  1. पहले system नियम, फिर user, फिर retrieved पाठ
  2. पहले retrieved पाठ
  3. जो सबसे लंबा हो
  4. Random
जवाब देखें

जवाब: पहले system नियम, फिर user, फिर retrieved पाठ

भरोसेमंद निर्देश अविश्वसनीय डेटा से ऊपर होने चाहिए।

पाठ: Refusals, अनिश्चितता और विषय-बाह्य अनुरोध सँभालना

Prompts का मूल्यांकन और संचालन

24. हर prompt बदलाव के बाद पूरा test set क्यों दोबारा चलाएँ?

  1. Versioning से बचने के लिए
  2. Prompts लंबे करने के लिए
  3. एक मामले का सुधार दूसरों को तोड़ सकता है
  4. Tokenizer के लिए यह ज़रूरी है
जवाब देखें

जवाब: एक मामले का सुधार दूसरों को तोड़ सकता है

Regression testing अनपेक्षित दुष्प्रभाव पकड़ता है।

पाठ: Test Set और Harness बनाना

25. हर मॉडल call के साथ क्या log होना चाहिए?

  1. सिर्फ़ तारीख़
  2. कुछ नहीं
  3. Prompt संस्करण, मॉडल नाम और settings
  4. User का password
जवाब देखें

जवाब: Prompt संस्करण, मॉडल नाम और settings

दोहराव के लिए ठीक पता होना चाहिए कि किसने हर आउटपुट बनाया।

पाठ: Prompts के लिए Versioning और Change Control

26. लंबा निश्चित prompt प्रीफ़िक्स लागत के लिए क्यों मायने रखता है?

  1. उसका भुगतान हर एक call पर होता है
  2. वह मुफ़्त है
  3. उसका भुगतान साल में एक बार होता है
  4. वह output tokens घटाता है
जवाब देखें

जवाब: उसका भुगतान हर एक call पर होता है

निश्चित overhead call की मात्रा के साथ गुणा होता है।

पाठ: लागत, Latency और Prompt लंबाई

27. सुधार का चक्र क्या पूरा करता है?

  1. मॉडल random बदलना
  2. शिकायतें अनदेखी करना
  3. Logs हटाना
  4. Prompt बदलने से पहले असली विफलताएँ test set में जोड़ना
जवाब देखें

जवाब: Prompt बदलने से पहले असली विफलताएँ test set में जोड़ना

विफलताएँ स्थायी regression tests बन जाती हैं।

पाठ: निगरानी और निरंतर सुधार

सब कुछ जोड़ना

28. Ticket को tags में लपेटकर डेटा क्यों माना गया?

  1. Prompt छोटा करने के लिए
  2. ग्राहक पाठ में ऐसे निर्देश हो सकते हैं जिनका मॉडल को पालन नहीं करना चाहिए
  3. क्योंकि tickets JSON में हैं
  4. Tests की ज़रूरत हटाने के लिए
जवाब देखें

जवाब: ग्राहक पाठ में ऐसे निर्देश हो सकते हैं जिनका मॉडल को पालन नहीं करना चाहिए

डेटा को निर्देशों से अलग करना injection के विरुद्ध पहली रक्षा-पंक्ति है।

पाठ: केस स्टडी: Support-Ticket Triage Prompt

29. मॉडल अपना JSON मित्रवत पाठ में लपेटता है और आपका parser टूटता है। सबसे अच्छा संयुक्त सुधार क्या है?

  1. और मित्रवत शब्द जोड़ें
  2. सिर्फ़ JSON माँगें, उपलब्ध हो तो JSON mode, validate और error के साथ retry
  3. Temperature बढ़ाएँ
  4. Schema हटाएँ
जवाब देखें

जवाब: सिर्फ़ JSON माँगें, उपलब्ध हो तो JSON mode, validate और error के साथ retry

स्पष्ट निर्देश, सीमित आउटपुट और कोड validation मिलाएँ।

पाठ: Revision: Cheat Sheet और Self-Check

30. आपने prompt बदला और एक test case सुधरा। फिर भी क्या करना ज़रूरी है?

  1. Temperature दोगुना करें
  2. कुछ नहीं, ship करें
  3. बाक़ी cases हटाएँ
  4. Regressions जाँचने को पूरा test set दोबारा चलाएँ
जवाब देखें

जवाब: Regressions जाँचने को पूरा test set दोबारा चलाएँ

एक मामले का सुधार दूसरों की टूट छिपा सकता है।

पाठ: Revision: Cheat Sheet और Self-Check

31. सहायक द्वारा पढ़े web page के माध्यम से prompt injection का असर सबसे अच्छा क्या घटाता है?

  1. Page को डेटा मानें, tool विशेषाधिकार सीमित करें और जोखिम भरी कार्रवाइयों पर अनुमोदन माँगें
  2. Page पर पूरा भरोसा करें
  3. मॉडल को admin अधिकार दें
  4. सिर्फ़ system prompt छिपाएँ
जवाब देखें

जवाब: Page को डेटा मानें, tool विशेषाधिकार सीमित करें और जोखिम भरी कार्रवाइयों पर अनुमोदन माँगें

गहराई में बचाव बहकाया मॉडल क्या कर सकता है यह सीमित करता है।

पाठ: Revision: Cheat Sheet और Self-Check

← कोर्स पर वापस जाएँ