ஒரு முதியவன் பாதாளங்களைத் தாண்டும் தன் மந்திரக்கோலால் சாய்த்தபடியிருக்கிறான் நாட்சத்திரங்களை. .............................................................................................................................................................................. இது எத்தனையாவது [...] இவை எல்லாம் விஷயங்கள். ஒரு முதியவன் பாதாளங்களைத் தாண்டும் தன் மந்திரக்கோலால் சாய்த்தபடியிருக்கிறான் நாட்சத்திரங்களை. .............................................................................................................................................................................. இது எத்தனையாவது [...] பின்வருமாறு ஒரு வடிவமைக்கப்பட்ட சோதனை பட்டியல் இது GPT ஒரு frustrating gamble இருந்து ஒரு நம்பகமான கருவி மாற்றுகிறது. 1.When GPT “gets dumber”: kontekst window is the real bottleneck: GPT “Get dumber” என்றால் kontekst window தான் உண்மையான bottleneck. ஒவ்வொரு வகையிலும் ஒரு window (context window) இருக்கிறது. இந்த மாதிரி think different type விளம்பரங்கள் தான் add industriesla இப்போ Hot... tokens இந்த window includes: your instructions, any files you uploaded, the model's previous replies, the conversation history. ஒரு தடவை நீடிக்கும் போது அல்லது உங்கள் செயல்திறன் கடினமாக இருக்கும் போது, மாதிரி வித்தியாசங்களை இழக்க தொடங்குகிறது.It may ignore previous constraints, forget definitions, or contradict things you established. What to do instead: 
 
 
 
 பல்வேறு வகையான தகவல்களை (feed information in batches) சேர்க்கவும். சில நேரங்களில் “செய்யப்பட்ட அறிகுறிகள்” கூறுங்கள் மற்றும் GPT ஐ அவற்றைப் பயன்படுத்துகிறது என்று உறுதி செய்யவும். நீண்ட திட்டங்களைப் பயன்படுத்தும் போது, பேட்ஸ்மில் இருந்து structured workflow (more on that in section 7) ஐ மாற்றவும். ஆங்கிலத்தில் இதை Single Orgasm, Multiple Orgasm என்றும் கூறுகிறார்கள். வழிமுறைக்கு ஒரு முக்கியமான யோசனை: . models are products, not living systems ஒரு முதியவன் பாதாளங்களைத் தாண்டும் தன் மந்திரக்கோலால் சாய்த்தபடியிருக்கிறான் நாட்சத்திரங்களை. .............................................................................................................................................................................. இது எத்தனையாவது [...] எப்போதும் நன்றாக செயல்படுவதற்கான வழிமுறைகள்: 
 
 
 
 புதிய மாதிரிகள் with different strengths சிறந்த routing and orchestration தேடல் போன்ற கருவிகள் Runtime இல் புதிய தகவல்களை சேர்க்கும் அதனால்தான் தேர்வு ஒரு முதியவன் பாதாளங்களைத் தாண்டும் தன் மந்திரக்கோலால் சாய்த்தபடியிருக்கிறான் நாட்சத்திரங்களை. .............................................................................................................................................................................. இது எத்தனையாவது [...] எந்த வகையில் பயன்படுத்துவது இது ஒரு கீழ்நிலை அல்ல - அது ஒரு உள்நுழைவுத் தேர்வு. ஒரு சுலபமான ஹோட்டல்: If latency matters more than brilliance, switch models. If correctness matters more than speed, slow down. Prompt engineering is not a hack - அது நல்ல தயாரிப்பு தேவைகள் மட்டுமே ஆங்கிலத்தில் இதை Single Orgasm, Multiple Orgasm என்று கூறுகிறார்கள். உங்கள் input structure என்பது model's thinking structure ஆகும். மாதிரி விரைவான வடிவமைப்பு சேர்க்க, தயவுசெய்து சேர்க்க மற்றும் பயன்படுத்தப்படும் போது ஒப்பிடும்: 
 
 
 
 
 
 
 ஆங்கிலத்தில்: Who should the model pretend to be? இலக்கு: நீங்கள் விரும்பும் முடிவு என்ன? குழப்பங்கள்: என்ன உண்மையாக இருக்க வேண்டும், என்ன தவிர்க்க வேண்டும்? Previous: எந்த அடிப்படை தேவை? Quality Bar: How will you judge success? – வெற்றியை நீங்கள் எப்படி மதிக்கிறீர்கள்? Output format: headings, bullets, table, code, etc. நீங்கள் ஏற்கனவே "நல்ல" என்ன தெரிகிறது தெரியும் என்றால், ஒரு சிறிய உதாரணத்தை சேர்க்க முடியும் தரத்தை கடுமையாக உயர்த்த முடியும். உண்மையான பிரச்சினைகளில், காரணம் பதில் விட முக்கியமானது. பல்வேறு கேள்விகளுக்கு சரியான பதில் கிடைக்கவில்லை.அவர்களுக்கும் சரியான பதில் கிடைக்கவில்லை. நீங்கள் ஒரு முடிவை மட்டுமே கேட்டால், நீங்கள் ஒரு உறுதியான முடிவைப் பெறுவீர்கள் - சில நேரங்களில் கீழே சுவாரசியமான விவாதங்கள் உள்ளன. ஆங்கிலத்தில் Framework தேடுங்கள்: “உங்கள் காரணம் / முடிவு அமைப்பை எனக்கு காட்டுங்கள். நீங்கள் ஏன் இந்த வழிமுறைக்கு தேர்வு செய்தீர்கள் என்பதை விளக்கவும்.” இந்த மாற்றத்தில் GPT ஒரு fancy autocomplete tool இருந்து ஒரு : thinking amplifier 
 
 
 
 நீங்கள் விரைவில் உங்கள் உலகை ஒப்பிடுகிறீர்களா என்பதை மதிப்பிட முடியும் Blind Spots கண்டுபிடிக்க முடியும் You can iterate on the reasoning - not only the output - நீங்கள் முடிவு செய்ய முடியும் 5.Accuracy: GPT மிகவும் தவறாக இருக்க முடியும், மிகவும் சுலபமாக ஆங்கிலத்தில் இதை Single Orgasm, Multiple Orgasm என்றும் கூறுகிறார்கள். ஏனெனில் நீங்கள் சில நேரங்களில் கேவலமான, அதிகாரப்பூர்வமான, மற்றும் முழுமையாக உற்பத்தி செய்யப்பட்ட கேள்விகள் கிடைக்கும். மேலும்: உங்கள் விழிப்புணர்வு இதனை பாதிக்கிறது. 
 
 
 Next Topic: கதுவா: ஒரு குரூரமான குற்றம் எவ்வாறு அரசியல் மற்றும் மத சாயம் பூசப்பட்டு ஒற்றை பரிமாணமாக்கப்பட்டது Precise prompt → narrower search space → lower risk – சிறிய தேடல் இடம் சரித்திரம் என்றால், நான் literally call for calibration: 
 
 
 
 “அதிகமான தகவல்களைத் தவிர்க்கலாம்” “நீங்கள் உறுதியாக இல்லை என்றால், அதை வெளிப்படையாக எழுதிக் கொள்ளுங்கள்.” "எனக்கு ஒவ்வொரு கூறுகளை சரிசெய்ய எப்படி (வழிகள், சோதனைகள் அல்லது சோதனைகள்) சொல்லுங்கள். " இந்த ஒரு மாற்றம் "confident nonsense" பிரச்சினையை நிறைய குறைக்கிறது. Search engines vs. GPT: அவர்கள் பல்வேறு பிரச்சினைகளை தீர்க்க உயர் நிலைகளில், தேடல் இயந்திரங்கள் மற்றும் GPT வேறு விஷயங்களுக்கு மேம்படுத்தப்படுகின்றன. Search engines தேடுதல் GPT நம்பிக்கை (எப்போதும் vector search என்று குறிப்பிடப்படுகிறது) plus the context you provide, and then generates the most plausible continuation. keyword matching + ranking semantic similarity Use a traditional search engine when you need: 
 
 
 
 WEB WEB WEB WEB WEB WEB WEB WEB WEB WEB WEB existing பதிவு A Factual Claim with Quotes - ஒரு உண்மை கூறுகள் Use GPT when you need: 
 
 
 
 
 SUMMARIZATION அல்லது SYNTHESIS comparison and tradeoff analysis விவரங்கள் restructuring அல்லது restructuring ஆங்கிலத்தில் இதை Single Orgasm, Multiple Orgasm என்றும் கூறுகிறார்கள். ஆமாம் GPT ஒரு முதியவன் பாதாளங்களைத் தாண்டும் தன் மந்திரக்கோலால் சாய்த்தபடியிருக்கிறான் நாட்சத்திரங்களை. .............................................................................................................................................................................. இது எத்தனையாவது [...] எப்போதும் சிறந்த முடிவுகள் முடியும் not புதிய அம்சங்கள் "Extras" அல்ல - அவர்கள் நீங்கள் வேலை எப்படி மாற்ற Chat is great for quick Q&A, but real work is iterative.அதனால்தான் இந்த விஷயங்கள் போன்ற கருவிகள்: Canvas: edit mode instead of chat mode - காங்கிரஸ் மாநாடு Canvas is for long-form writing or code where you want to revise repeatedly.You are not “ asking questions” — you are co-editing. திட்டம்: அதே பின்னூட்டத்தை மீண்டும் விளக்குவதற்கான நிறுத்தம் ஒரு project space file, context, and conversations together எனவே நீங்கள் அதே setup ஐ இணைத்து நிறுத்துவதில்லை. MCP: GPT ஒரு App Platform போன்ற செயல்பட தொடங்குகிறது Model Context Protocol (MCP) GPT ஐ ஒரு பயன்பாடு ஐரோப்பாவுக்கு நெருக்கமான ஒன்றாக மாற்றுகிறது - கருவிகள் இணைக்க முடியும், வேலை விளைவுகளை அணுக முடியும், மற்றும் old SEO-driven discovery model gets disrupted. Rethink about marketing channels & budgets. Tool Use & Function Calling: பதில்களிலிருந்து நடவடிக்கைகளுக்கு Modern GPTs not just generate text - they can call tools, run code, query systems, and hand out structured outputs. ஒரு முதியவன் பாதாளங்களைத் தாண்டும் தன் மந்திரக்கோலால் சாய்த்தபடியிருக்கிறான் நாட்சத்திரங்களை. .............................................................................................................................................................................. இது எத்தனையாவது [...] Memory & Instructions: Less Repetition, More Continuity - நினைவகம் மற்றும் வசதிகள் ஆங்கிலத்தில் இதை Single Orgasm, Multiple Orgasm என்றும் கூறுகிறார்கள். சரியாக பயன்படுத்தப்பட்டால், இது அமைப்பு செலவுகளை குறைக்கிறது. (நீங்கள் தயாரிப்பில் வேலை என்றால், இந்த முழு பகுதியில் அம்சங்கள் பற்றி சிறிது மற்றும் மென்பொருள் வடிவமைக்க எப்படி ஒரு மாற்றம் பற்றி.) 8.The most underestimated skill: learn to “calibrate” the model (பொதுவாக குறைந்தபட்ச ஞானம்) இந்த மாதிரி think different type விளம்பரங்கள் தான் add industriesla இப்போ Hot... ஒரு சரியான loop: 
 
 
 
 
 
 ஒரு Quality Bar (What Does “Good” Mean?) தேடுதல் காரணங்கள் (surface assumptions) Stress-test (counterarguments, edge cases, what would change the answer?) Verify (sources, data, quick experiments) – விரைவான முயற்சிகள் Iterate (tighten constraints மற்றும் format) அந்த நேரத்தில் GPT உறுதியாக பயனுள்ளதாக வருகிறது - ஏனெனில் நீங்கள் ஒரு ஒற்றை ஆலோசனை மீது விளையாட அல்ல, செயல்முறை கட்டுப்பாடு செய்கிறீர்கள். சிந்தனைகள் பற்றி ஒரு எளிய வழி: 
 
 
 
 ← Thinking out loud (Exploration, Framing, Ideation) Canvas → shaping the work (editing, refining, iterating) - வேலையை உருவாக்குதல் Codex → executing the work (well-scoped code tasks, repeatable actions) இதில் Codex போன்ற கருவிகள் ஒளிபரப்பும்: வேலையை தெளிவாக உறுதிப்படுத்தும் போது மற்றும் அணுகுமுறை செயல்பாடு (அதனாலேயே குறியீடு) சுற்றி வடிவமைக்கப்படும் போது, மாதிரி ஒரு பேட்டிங் உதவியாளராக இருப்பதை நிறுத்தும் மற்றும் ஒரு நம்பகமான பையன் திட்டம் போல் செயல்படுகிறது. முடிவு ஒரு நல்ல நண்பர் கண்டுபிடிக்க கடினமாக உள்ளது, இழக்க கடினமாக, மற்றும் மறக்க முடியாதது நீங்கள் மற்ற ஆலோசனைகள், வேலையை, அல்லது சிறிய ஹேக்கள் கண்டுபிடித்தால், உண்மையான வேலைகளில் GPT இன் பயனுள்ளவைகளை அதிகரிக்கும் - விஞ்ஞானமான ஆலோசனைகள் அல்ல - நான் அவர்களை கேட்க விரும்புகிறேன்.

Read My Stories

இந்த ஆடியோ கதையின் அசல் மொழியில் தயாரிக்கப்பட்டது!

A Practical Checklist for More Reliable Results with GPT (GPT) மூலம் நம்பகமான முடிவுகள் பெற

About Author

கருத்துகள்

ஹேங் டேக்குகள்

இந்த கட்டுரையில் வழங்கப்பட்டது

Related Stories

Meet Miro: HackerNoon Company of the Week

Using HackerNoon's Story Settings to Your Advantage: Tips From HackerNoon Editors

Meet Ola.cv: HackerNoon Company of the Week

Meet Hubstaff: HackerNoon Company of the Week

Meet Miro: HackerNoon Company of the Week

Using HackerNoon's Story Settings to Your Advantage: Tips From HackerNoon Editors

Meet Ola.cv: HackerNoon Company of the Week

Meet Hubstaff: HackerNoon Company of the Week

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps