AI چیزیں کیوں گھڑتا ہے اور 4 پرامپٹ عادات جو اسے کم کرتی ہیں

آپ کے کرایہ کے معاہدے میں تاخیر فیس کی کوئی شق نہیں ہے۔ آپ چیٹ بوٹ سے پوچھتے ہیں کہ تاخیر فیس کتنی ہے، اور کبھی کبھی یہ فیصد اور آخری تاریخ کے ساتھ جواب دیتا ہے۔ پُراعتماد، مخصوص، اور من گھڑت۔

یہ ایک ہیلوسینیشن ہے: ماڈل روانی سے ایسی تحریر لکھتا ہے جو حقیقتاً غلط ہے یا آپ کے دیے گئے سیاق و سباق سے میل نہیں کھاتی۔ ہیلوسینیشن کم کرنے پر Anthropic کی دستاویز (صفحہ 27 اکتوبر 2026 کو دیکھا گیا؛ اس پر کوئی اشاعت کی تاریخ نہیں) کہتی ہے کہ جدید ترین ماڈلز بھی کبھی کبھی ایسا کرتے ہیں، اور یہ ان عادات کی فہرست دیتی ہے جو مدد کرتی ہیں۔ ان میں سے چار ایک پرامپٹ میں فٹ ہو جاتی ہیں، اور آپ انہیں نیچے جیسے ہیں ویسے پیسٹ کر سکتے ہیں۔

غلط ہونے پر بھی ماڈل پُراعتماد کیوں لگتا ہے#

ایک لینگویج ماڈل حقائق تلاش نہیں کرتا۔ وہ متن کو جاری رکھتا ہے: اب تک کی ہر بات کو دیکھتے ہوئے، وہ وہ الفاظ چنتا ہے جو سب سے زیادہ ممکنہ طور پر آگے آئیں گے۔ اپنے فون کے آٹو کمپلیٹ کی طرح سوچیں، بس کہیں زیادہ پڑھا لکھا۔ جب سچا جواب وہ ہو جو ماڈل نے سیکھا ہے، تو ممکنہ الفاظ اور سچے الفاظ میل کھاتے ہیں۔ جب نہ ہو، تو ممکنہ الفاظ پھر بھی روانی سے آتے ہیں، اور روانی پُراعتمادی جیسی لگتی ہے۔

دو صورتیں آپ کو ملنے والے بہت سے من گھڑت جوابات کی بڑی وضاحت کرتی ہیں:

• حقیقت ماڈل میں موجود نہیں۔ یہ ماڈل کی تربیت ختم ہونے کے بعد پیش آیا، یا یہ آپ کی نجی دستاویز میں ہے جو ماڈل نے کبھی نہیں دیکھی۔ پچھلے مہینے کی خبروں کے بارے میں پوچھیں اور آپ کو پرانے نمونوں سے بنایا گیا پُراعتماد جواب مل سکتا ہے۔
• حقیقت آپ کی دستاویز میں موجود نہیں، لیکن سوال فرض کرتا ہے کہ ہے۔ ماڈل خلا کو بھر دیتا ہے۔ ایسے طالب علم کا تصور کریں جسے ہر امتحانی سوال کا کچھ نہ کچھ لکھنا ہوتا ہے اور کسی کو خالی چھوڑنے کی اجازت نہیں ہوتی۔

چار عادات جو من گھڑت جوابات کم کرتی ہیں#

فرض کریں آپ نے کرایہ کا معاہدہ پیسٹ کیا اور تاخیر فیس چاہتے ہیں۔ اس معاہدے میں تاخیر فیس کی کوئی شق نہیں، اور یہی یہاں سے ہمارا ٹیسٹ کیس ہوگا۔

1. "مجھے نہیں معلوم" کی اجازت دیں#

جو ماڈل سمجھتا ہے کہ ہر سوال کا جواب دینا ضروری ہے، وہ جواب دے گا۔ اسے بتائیں کہ یہ قاعدہ نہیں ہے:

If the document doesn't say, answer exactly: "Not stated in the document."
Do not guess.

Anthropic اسے پہلا، سب سے آسان قدم قرار دیتا ہے: ماڈل کو واضح طور پر اجازت دیں کہ وہ تسلیم کرے کہ اسے نہیں معلوم۔

2. پہلے حوالہ، بعد میں جواب#

لمبی دستاویزات کے لیے (Anthropic کی رہنمائی تقریباً 20,000 ٹوکنز پر لکیر کھینچتی ہے، تقریباً 15,000 الفاظ)، کسی بھی تجزیے سے پہلے لفظ بہ لفظ حوالے طلب کریں، اور جواب کو انہی پر مبنی بنائیں:

First, copy the sentences relevant to my question, word for word,
under the heading "Quotes". If there are none, write "No relevant quotes."
Then answer using only those quotes.

ماڈل کو کوئی نتیجہ اخذ کرنے سے پہلے ایسے متن کی طرف اشارہ کرنا ہوگا جو واقعی موجود ہو۔ حوالے پڑھنے میں آپ کے بھی پانچ سیکنڈ لگتے ہیں۔

3. حوالہ دینے پر مجبور کریں، اور جو ثابت نہ ہو سکے اسے خارج کریں#

ہر دعوے کے بعد معاون حوالہ طلب کریں، پھر ماڈل سے خود جانچ کروائیں:

After each claim, put the supporting quote in brackets.
Then re-read your answer: if a claim has no quote, delete it.

یہ Anthropic کا تصدیقی مرحلہ ہے: حوالہ نہیں، دعویٰ نہیں۔

4. اسے صرف اسی متن تک محدود رکھیں جو آپ نے دیا#

Use only the document between the <document> tags.
Do not use outside knowledge.

Anthropic اپنی جدید تکنیکوں میں بیرونی علم کو فراہم کردہ دستاویزات تک محدود کرنے کو شامل کرتا ہے۔ یہ وہی عادت ہے جو آپ کو کاپی کرنی چاہیے اگر آپ اپنی دستاویزات پر بوٹ بنا رہے ہیں: بوٹ آپ کے صفحات سے جواب دیتا ہے، یادداشت سے نہیں۔

ایک ہی مثال پر پہلے اور بعد#

وہی معاہدہ، وہی سوال، دو پرامپٹ۔ بائیں والا وہ ہے جس سے ہم میں سے زیادہ تر شروع کرتے ہیں۔

Here is my rental agreement:
[agreement text]

What is the late fee?

<document>
[agreement text]
</document>

Question: What is the late fee?

Use only the document above. First copy the relevant
sentences word for word under "Quotes" (or write
"No relevant quotes."). Then answer using only those
quotes, with the quote in brackets after each claim.
If the document doesn't say, answer exactly:
"Not stated in the document."

"بعد" والا پرامپٹ لمبا ہے، اور یہ ٹھیک ہے: آپ اسے ایک بار لکھتے ہیں اور دوبارہ استعمال کرتے ہیں۔

ایک API درخواست میں چاروں عادات#

اگر آپ API کے ذریعے ماڈل کال کرتے ہیں، تو عادات سسٹم پیغام میں جاتی ہیں اور آپ کی دستاویز صارف پیغام میں، ٹیگز میں لپیٹ کر۔ یہ درخواست CheapTokens کے OpenAI-مطابق اینڈ پوائنٹ کا استعمال کرتی ہے؛ کلید ماحول کے متغیر سے آتی ہے، اور مکمل ماڈل آئی ڈی MiniMaxAI/MiniMax-M2.7 ہے (آئی ڈیز CheapTokens دستاویزات سے لیں، کیونکہ نام فراہم کنندگان کے درمیان مختلف ہوتے ہیں)۔

curl https://api.cheaptokens.dev/v1/chat/completions \
  -H "Authorization: Bearer $CHEAPTOKENS_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "MiniMaxAI/MiniMax-M2.7",
    "messages": [
      {"role": "system", "content": "Use only the document in the <document> tags. No outside knowledge. First list word-for-word quotes relevant to the question under “Quotes”, or write “No relevant quotes.” Then answer using only those quotes, with the quote in brackets after each claim. If the document does not say, answer: “Not stated in the document.”"},
      {"role": "user", "content": "<document>[paste the agreement here]</document> What is the late fee?"}
    ]
  }'

جواب choices[0].message.content میں ہے۔ اگر یہ آپ کی پہلی کال ہے، تو CheapTokens کے ساتھ آپ کی پہلی API درخواست کلید اور بیلنس کے بارے میں قدم بہ قدم بتاتی ہے۔

حوالہ دینے کی قیمت#

حوالہ دینا جواب کو لمبا کرتا ہے، اور زیادہ تر ماڈلز پر جواب درخواست کا مہنگا پہلو ہوتا ہے (ان پٹ بمقابلہ آؤٹ پٹ ٹوکنز دیکھیں)۔ اس لیے پہلے حوالہ دینے کی عادت برداشت کرنا سستا ہے مگر مفت نہیں۔

فرض کریں 40 صفحات کی رپورٹ تقریباً 25,000 ٹوکنز ہے اور حوالے اور جواب مل کر تقریباً 1,500 بنتے ہیں۔ MiniMax-M2.7 پر ایسی ایک درخواست کی قیمت $0.0015 ہے۔ جدول ہر ماڈل پر وہی درخواست دکھاتا ہے، ایک OpenRouter کالم کے ساتھ، تاکہ آپ کل میں موازنہ کر سکیں، ان پٹ اور آؤٹ پٹ کو ملا کر:

MiniMax-M2.7 ایک مقررہ قیمت پر کسی بھی وقت 180K سیاق و سباق اور جواب میں 8,192 ٹوکنز تک لیتا ہے، اس لیے 25,000 ٹوکنز کی رپورٹ اور ایک لمبا حوالہ شدہ جواب دونوں فٹ ہو جاتے ہیں۔ موجودہ قیمتیں قیمتوں کے صفحے پر ہیں، اور ماڈلز کی تفصیل دستاویزات میں ہے۔

یہ عادات کیا ٹھیک نہیں کرتیں#

وہ من گھڑت جوابات بہت کم کرتی ہیں، مگر ختم نہیں کرتیں۔ Anthropic یہ صاف کہتا ہے: کسی بھی اہم چیز کی جانچ کریں۔ معاہدے میں اس کا مطلب ہے اعداد، تاریخیں اور نام، اصل صفحے کے خلاف۔

اسی صفحے کی دو مزید ترکیبیں جاننے کے قابل ہیں۔ Best-of-N: ایک ہی سوال چند بار پوچھیں اور موازنہ کریں، کیونکہ ہر بار بدلنے والی تفصیل اس بات کی علامت ہے کہ ماڈل اندازہ لگا رہا ہے۔ ایک جیسی درخواست ایک جیسے جواب کے ساتھ واپس آ سکتی ہے، اس لیے الفاظ یا درجۂ حرارت تھوڑا بدلیں (سسٹم پرامپٹ اور درجۂ حرارت دیکھیں)۔ اور ایک سوچنے کا موڈ ماڈل کو جواب دینے سے پہلے اپنی استدلال کی جانچ کرنے دیتا ہے، جس میں اضافی ٹوکنز لگتے ہیں (سوچنے کی زیادہ قیمت کیوں دیکھیں)۔