پرامپٹ میں ہر دستاویز کو لیبل کریں تاکہ ماڈل انہیں آپس میں نہ ملائے

آپ نے ایک ہی پیغام میں دو متنیں چسپاں کیں اور ماڈل سے ان کا موازنہ کرنے کو کہا۔ جب تک آپ نے یہ نہیں بتایا کہ کون سی کیا ہے، اسے اندازہ لگانا پڑے گا۔ حل چھوٹا ہے: ہر متن کو ایک نام اور ایک کام دیں، اور ہر ایک کو اپنے ٹیگ میں لپیٹ دیں۔ Anthropic کی prompting گائیڈ (ایک زندہ صفحہ، 31 اکتوبر 2026 کو چیک کیا گیا) ہر قسم کے مواد کو ٹیگ کرنے کی تجویز دیتی ہے تاکہ ماڈل یہ غلط نہ سمجھے کہ کیا ہدایت ہے، کیا پس منظر ہے اور کیا ان پٹ ہے۔ نیچے ایک پہلے/بعد کا پرامپٹ اور ایک کام کرنے والی چیٹ کمپلیشن درخواست ہے جو آپ CheapTokens API کو بھیج سکتے ہیں۔

جب آپ صرف چسپاں کرتے ہیں تو کیا غلط ہوتا ہے#

سب سے سادہ صورت لیں۔ ایک سپلائر نئی پروڈکٹ کی تفصیل بھیجتا ہے، اور آپ جاننا چاہتے ہیں کہ آپ کے شاپ پیج والی تفصیل کے مقابلے میں کیا بدلا۔ آپ دونوں کو "کیا بدلا؟" کے نیچے چسپاں کر کے بھیج دیتے ہیں۔ آپ کے لیے ترتیب واضح ہے۔ ماڈل کے لیے یہ متن کے دو بلاک ہیں جن کے درمیان کچھ نہیں، اور سوال میں کبھی نہیں کہا گیا کہ کون سا پرانا ہے۔ یہ صحیح اندازہ لگا سکتا ہے۔ یہ یہ بھی کر سکتا ہے کہ نئی متن کو پرانی کہہ دے اور آپ کو الٹی سمت چلنے والی تبدیلیوں کی فہرست انتہائی پراعتماد لہجے میں تھما دے۔

یہی جال روزمرہ کے کاموں میں چھپا ہوتا ہے:

• ایک معاہدے کے دو ورژن، اور آپ پوچھتے ہیں کہ دوسرے فریق نے کیا بدلا؛
• میٹنگ کے تین نوٹس، اور آپ پوچھتے ہیں کہ کون سے فیصلے ایک دوسرے سے متصادم ہیں؛
• ایک اسٹائل نمونہ اور ایک ڈرافٹ: کس کی نقل کرنی ہے، کسے دوبارہ لکھنا ہے؟
• ایک ایرر لاگ کو کوڈ کے ساتھ چسپاں کیا گیا، اور سوال ہے "اسے ٹھیک کرو"۔

ان سب میں ماڈل کو ہر متن کے لیے دو چیزیں چاہیے: ایک نام (یہ کیا ہے اور کہاں سے آیا) اور ایک کردار (آپ اس کے ساتھ کیا کرانا چاہتے ہیں)۔

ہر متن کو ایک نام اور ایک کام دیں#

تین چھوٹے اقدامات:

1. ہر متن کو اپنے ٹیگ میں رکھیں۔ Anthropic کی گائیڈ ایک <documents> ریپر تجویز کرتی ہے جس میں ہر متن کے لیے ایک <document index="1"> ہو، اور اس کے اندر نام کے لیے <source> اور خود متن کے لیے <document_content>۔
2. ہدایت میں، ٹیگز سے باہر، بتائیں کہ ہر ایک کیا ہے: "Document 1 ہماری دکان سے پرانی متن ہے۔ Document 2 سپلائر سے نئی متن ہے۔"
3. سوال وہی الفاظ میں پوچھیں۔ "ہر وہ حقیقت گنو جو بدلی، بطور پرانا -> نیا" اب اشارہ کرنے کے لیے ایک پرانا اور ایک نیا رکھتا ہے۔

یہاں بوتل کی مثال پہلے اور بعد میں ہے:

What changed?

Steel water bottle, 500 ml. Keeps drinks cold for 12 hours. Dishwasher safe.

Steel water bottle, 750 ml. Keeps drinks cold for 24 hours. Hand wash only.

Document 1 is the OLD text from our shop. Document 2 is the NEW text from the supplier. List every fact that changed, one per line, as old -> new.

<documents>
<document index="1">
<source>old description (current shop page)</source>
<document_content>
Steel water bottle, 500 ml. Keeps drinks cold for 12 hours. Dishwasher safe.
</document_content>
</document>
<document index="2">
<source>new description (from the supplier)</source>
<document_content>
Steel water bottle, 750 ml. Keeps drinks cold for 24 hours. Hand wash only.
</document_content>
</document>
</documents>

لیبل کچھ ٹوکنز لیتے ہیں اور اندازہ لگانا ختم کر دیتے ہیں۔ Anthropic نے یہ مشورہ اپنے Claude ماڈلز کے لیے لکھا، لیکن لیبل سادہ متن ہیں، اس لیے کوئی چیز آپ کو یہی ترتیب کسی دوسرے چیٹ ماڈل کو بھیجنے سے نہیں روکتی۔

اسے ایک حقیقی درخواست کے طور پر بھیجیں#

یہاں "بعد" والا پرامپٹ ایک API کال کے طور پر ہے۔ پتہ https://api.cheaptokens.dev/v1 ہے، API OpenAI کے ساتھ مطابقت رکھتی ہے، اور ماڈل deepseek-ai/DeepSeek-V4-Flash-0731 ہے۔ ماڈل آئی ڈیز CheapTokens ڈاکس سے لیں: نام فراہم کنندگان کے درمیان مختلف ہوتے ہیں۔ DeepSeek-V4-Flash کا 380K کانٹیکسٹ ونڈو اور فی جواب زیادہ سے زیادہ 32,768 آؤٹ پٹ ٹوکنز ہیں، جو لمبے متنوں کے ڈھیر کے لیے جگہ چھوڑتا ہے۔ کلید ماحول کے متغیر سے آتی ہے، کبھی کوڈ سے نہیں۔

import os
from openai import OpenAI

client = OpenAI(
    base_url="https://api.cheaptokens.dev/v1",
    api_key=os.environ["CHEAPTOKENS_API_KEY"],
)

old = "Steel water bottle, 500 ml. Keeps drinks cold for 12 hours. Dishwasher safe."
new = "Steel water bottle, 750 ml. Keeps drinks cold for 24 hours. Hand wash only."

prompt = f"""Document 1 is the OLD text from our shop. Document 2 is the NEW text from the supplier. List every fact that changed, one per line, as old -> new.

<documents>
<document index="1">
<source>old description (current shop page)</source>
<document_content>
{old}
</document_content>
</document>
<document index="2">
<source>new description (from the supplier)</source>
<document_content>
{new}
</document_content>
</document>
</documents>"""

response = client.chat.completions.create(
    model="deepseek-ai/DeepSeek-V4-Flash-0731",
    messages=[{"role": "user", "content": prompt}],
    max_tokens=300,
)
print(response.choices[0].message.content)
print(response.usage)

curl https://api.cheaptokens.dev/v1/chat/completions \
  -H "Authorization: Bearer $CHEAPTOKENS_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "deepseek-ai/DeepSeek-V4-Flash-0731",
    "max_tokens": 300,
    "messages": [{
      "role": "user",
      "content": "Document 1 is the OLD text from our shop. Document 2 is the NEW text from the supplier. List every fact that changed, one per line, as old -> new.\n\n<documents>\n<document index=\"1\">\n<source>old description (current shop page)</source>\n<document_content>\nSteel water bottle, 500 ml. Keeps drinks cold for 12 hours. Dishwasher safe.\n</document_content>\n</document>\n<document index=\"2\">\n<source>new description (from the supplier)</source>\n<document_content>\nSteel water bottle, 750 ml. Keeps drinks cold for 24 hours. Hand wash only.\n</document_content>\n</document>\n</documents>"
    }]
  }'

جواب choices[0].message.content میں سادہ متن ہے، اور اس کے ساتھ usage ٹوکنز گنتا ہے۔ ایک اچھا جواب تین تبدیلیاں گنواتا ہے: 500 ml -> 750 ml، 12 hours -> 24 hours، dishwasher safe -> hand wash only۔ اگر تیر دوسری طرف چلیں، تو ماڈل نے لیبل کھو دیے۔ چیک کریں کہ ہدایت دستاویزات کو وہی نام دیتی ہے جو ٹیگ دیتے ہیں۔

لیبلز کی لاگت#

ٹیگ متن ہیں، اور متن کا بل لگتا ہے۔ فرض کریں ایک ٹیم لیڈ تقریباً 2,000 ٹوکنز کے تین میٹنگ نوٹس ڈالتا ہے اور پوچھتا ہے کہ کون سے فیصلے متصادم ہیں۔ تین نوٹس: 3 × 2,000 = 6,000 ٹوکنز۔ ہدایت اور ٹیگز کے لیے تقریباً 150 ٹوکنز شامل کریں (ایک مفروضہ) اور درخواست میں 6,150 ٹوکنز اندر جاتے ہیں، 300 ٹوکنز کے جواب کے ساتھ باہر۔ DeepSeek-V4-Flash پر اس ایک درخواست کی لاگت $0.00012 ہے، اور ٹیگ خود نوٹس کے مقابلے میں ایک معمولی سی بات ہیں۔ یہاں وہی درخواست 1,000 بار بھیجی گئی ہے، ساتھ OpenRouter کے:

تمام 6,150 ٹوکنز 380K ونڈو میں کافی جگہ کے ساتھ فٹ ہو جاتے ہیں (کانٹیکسٹ ونڈو کیا ہے)۔ مجموعی طور پر گنے جانے پر، ان پٹ اور آؤٹ پٹ ملا کر، درخواست OpenRouter سے سستی پڑتی ہے۔ ان پٹ اور آؤٹ پٹ مختلف نرخوں پر بل کیے جاتے ہیں، اور ان پٹ بمقابلہ آؤٹ پٹ ٹوکنز اس کی وجہ بتاتا ہے۔ ہر ماڈل کے موجودہ نمبر قیمتوں کے صفحے پر ہیں۔

متن کے بڑے ڈھیروں کے لیے عادات#

جب دو سے زیادہ متن ہوں، تو صرف نمبر کافی نہیں: ہر ایک کو اپنا نام چاہیے۔ نیچے کی تصویر مثال کی ترتیب دکھاتی ہے: پہلے سوال کے ساتھ ہدایت، پھر ہر دستاویز اپنے ٹیگ میں۔

• صرف نمبر سے نہیں، مواد سے نام دیں۔ <source>contract v2, sent by the client</source> document 2 سے بہتر ہے جب جواب اسے آپ کو واپس نقل کرے۔
• اپنی ہدایت ٹیگز سے باہر رکھیں، تاکہ چسپاں متن کے اندر کی کوئی سطر حکم نہ سمجھی جائے۔
• ایک متن، ایک ٹیگ۔ ایک لمبی فائل بھی ایک ٹیگ ہے؛ دو فائلیں دو ہیں۔
• سوال میں نام دوبارہ استعمال کریں: "monday-notes میں کون سے فیصلے wednesday-notes سے متصادم ہیں؟"
• مثالوں کو بھی کردار دیں۔ "Document 1 ایک اسٹائل نمونہ ہے: اس کا لہجہ نقل کریں، اس کے حقائق نہیں۔ Document 2 وہ ڈرافٹ ہے جسے دوبارہ لکھنا ہے۔"

باقی پرامپٹ کی بنیادی باتوں (مقصد، سیاق، فارمیٹ) کے لیے، اچھا پرامپٹ کیسے لکھیں دیکھیں۔