Prompt Engineering क्या है? Zero-Shot, Few-Shot, Role Prompting, Prompt Chaining, Context और Advanced Prompting Techniques

Artificial Intelligence का इस्तेमाल बढ़ने के साथ एक skill का नाम तेजी से सुनने को मिल रहा है—Prompt Engineering।

AI से सवाल पूछना आसान है, लेकिन किसी complex task के लिए AI से स्पष्ट, उपयोगी और consistent output प्राप्त करना एक अलग skill है।

यही काम Prompt Engineering में आता है।

ChatGPT, Google Gemini और दूसरे Generative AI tools के साथ काम करते समय user को यह समझना पड़ता है कि:

• AI को task कैसे बताना है?
• Context कितना देना है?
• Output किस format में चाहिए?
• Examples कब देने चाहिए?
• बड़े काम को छोटे steps में कैसे divide करना चाहिए?
• AI के response को कैसे test और improve करना चाहिए?

Google की current Gemini documentation के अनुसार prompt design एक iterative process है। Clear instructions, relevant context, examples और complex tasks को छोटे components में divide करना response quality को बेहतर बनाने में मदद कर सकते हैं।

---

Prompt Engineering क्या है?

Prompt Engineering वह process है जिसमें AI model से किसी desired result को प्राप्त करने के लिए prompts को design, test और refine किया जाता है।

सरल भाषा में:

AI को क्या करना है, कैसे करना है और किस format में result देना है—इसे सही तरीके से बताना Prompt Engineering है।

यह केवल एक बड़ा prompt लिखने का नाम नहीं है।

इसमें शामिल हो सकते हैं:

Instruction + Context + Examples + Constraints + Output Format + Testing + Refinement

---

Prompt और Prompt Engineering में अंतर

यह अंतर समझना बहुत जरूरी है।

Prompt

AI को दिया गया एक instruction या question।

उदाहरण:

“एक resume बनाइए।”

Prompt Engineering

ऐसा prompt तैयार करना, उसे test करना और सुधारना जिससे desired resume structure मिले।

उदाहरण:

“मैं Diploma Mechanical Engineering का fresher हूं। Manufacturing industry में entry-level technician role के लिए one-page professional resume structure बनाइए। केवल मेरी दी हुई information का उपयोग करें। Sections: Career Objective, Education, Technical Skills, Projects और Contact Details रखें।”

फिर output देखकर prompt में सुधार करना भी Prompt Engineering का हिस्सा हो सकता है।

---

Prompt Engineering क्यों जरूरी है?

एक AI model एक ही task के लिए अलग-अलग responses दे सकता है, खासकर जब instructions अलग हों।

उदाहरण:

Prompt 1

“AI पर article लिखो।”

यह बहुत broad है।

Prompt 2

“Artificial Intelligence पर beginners के लिए Hindi में 1000 शब्दों का educational article लिखें। H2 headings, practical examples, फायदे, limitations, career relevance, FAQ और conclusion शामिल करें। Unsupported statistics न जोड़ें।”

दूसरे prompt में:

• Topic
• Audience
• Language
• Length
• Structure
• Required sections
• Constraint

स्पष्ट हैं।

इसलिए Prompt Engineering का उद्देश्य केवल prompt को लंबा बनाना नहीं, बल्कि उसे स्पष्ट और task-oriented बनाना है।

---

Prompt Engineering के मुख्य Elements

1. Clear Instruction

सबसे पहले बताएं कि AI को क्या करना है।

गलत:

“इसके बारे में बताओ।”

बेहतर:

“इस topic को beginner के लिए आसान Hindi में explain करें।”

---

2. Context

AI को relevant background information दें।

उदाहरण:

“मैं 12वीं Science का student हूं और coding बिल्कुल beginner level पर सीखना चाहता हूं।”

इसके बाद:

“मुझे Python सीखने का 30-day beginner roadmap बनाइए।”

Context मिलने से task का उद्देश्य स्पष्ट हो जाता है।

---

3. Role Prompting

कभी-कभी AI को एक role या perspective देना उपयोगी हो सकता है।

उदाहरण:

“आप एक experienced career counsellor की तरह जवाब दें।”

या:

“आप एक English interview trainer की तरह काम करें।”

या:

“आप एक beginner-friendly programming instructor की तरह समझाएं।”

ध्यान रखें कि role prompting कोई magic switch नहीं है। इसका उद्देश्य response के perspective, tone और task framing को स्पष्ट करना है।

---

4. Constraints

AI को limitations या conditions बताना।

उदाहरण:

“Answer 500 शब्दों के अंदर रखें।”

“केवल bullet points में answer दें।”

“कोई fictional information न जोड़ें।”

“Language आसान Hindi रखें।”

“केवल दिए गए document की information का उपयोग करें।”

Constraints complex tasks में output को अधिक नियंत्रित करने में मदद कर सकते हैं।

---

5. Output Format

AI को बताएं कि result किस format में चाहिए।

उदाहरण:

“Answer को table में दें।”

या:

“पहले short summary, फिर detailed explanation और अंत में FAQ दें।”

या:

“हर point को Number + Explanation + Example format में लिखें।”

---

Zero-Shot Prompting क्या है?

जब आप AI को कोई task देते हैं लेकिन कोई example नहीं देते, तो इसे सामान्य रूप से Zero-Shot Prompting कहा जाता है।

उदाहरण:

“इन products को electronics, clothing और food categories में classify करें।”

यहां AI को कोई example नहीं दिया गया।

AI को instruction के आधार पर task करना है।

---

Zero-Shot Prompt कब उपयोगी है?

Simple और familiar tasks के लिए zero-shot prompting पर्याप्त हो सकता है।

उदाहरण:

“इस English sentence को Hindi में translate करें।”

या:

“इस paragraph का summary बनाएं।”

या:

“इस list को alphabetical order में arrange करें।”

हर task के लिए examples देना जरूरी नहीं है।

---

Few-Shot Prompting क्या है?

जब prompt में AI को कुछ examples दिए जाते हैं और फिर उसी pattern पर नया task करने को कहा जाता है, इसे Few-Shot Prompting कहा जाता है।

Google की prompting guidance के अनुसार few-shot examples model को desired format, phrasing, scope या pattern समझने में मदद कर सकते हैं।

उदाहरण:

Example 1:
Input: ITI
Output: Industrial Training Institute

Example 2:
Input: AI
Output: Artificial Intelligence

अब: Input: ML
Output:

यहां examples AI को desired pattern बताते हैं।

---

Few-Shot Prompt कब उपयोगी है?

जब आपको output का exact pattern या format चाहिए, तब examples उपयोगी हो सकते हैं।

उदाहरण:

आप चाहते हैं कि AI product description इस format में लिखे:

Product Name:
Short Description:
3 Features:
Use:

तो आप पहले एक example दे सकते हैं और फिर नए products के लिए उसी pattern में output मांग सकते हैं।

---

बहुत ज्यादा Examples देना सही है?

जरूरी नहीं।

Google की current guidance के अनुसार few-shot examples उपयोगी हो सकते हैं, लेकिन examples की संख्या और quality task के अनुसार test करनी चाहिए। बहुत ज्यादा examples कभी-कभी model को examples के pattern पर जरूरत से ज्यादा निर्भर कर सकते हैं।

इसलिए:

Few examples + Clear task + Consistent format

एक practical starting point है।

---

Structured Prompting क्या है?

जब complex prompt को अलग-अलग sections में organize किया जाता है, उसे structured prompting कहा जा सकता है।

उदाहरण:

ROLE:
आप career counsellor हैं।

CONTEXT:
Candidate 12वीं पास है और technology में interest रखता है।

TASK:
5 career options बताएं।

CONSTRAINTS:
आसान Hindi रखें और unsupported salary figures न दें।

OUTPUT:
Table format में जवाब दें।

इससे बड़े prompt को पढ़ना और maintain करना आसान हो सकता है।

Google की Gemini 3 guidance में Markdown headings या XML-style tags से prompt के अलग हिस्सों को स्पष्ट रूप से structure करने का उदाहरण दिया गया है।

---

XML-Style Prompting क्या है?

Complex AI workflows में prompt को tags के अंदर organize किया जा सकता है।

उदाहरण:

<role>
You are a career counsellor.
</role>

<context>
The student has completed Class 12.
</context>

<task>
Suggest suitable career paths.
</task>

<constraints>
Use simple Hindi.
Do not invent facts.
</constraints>

<output_format>
Use a table.
</output_format>

इस तरह AI को यह समझने में मदद मिल सकती है कि कौन-सी information role, context, task और constraints है।

---

Prompt Chaining क्या है?

जब किसी बड़े task को कई छोटे prompts में divide करके एक sequence में चलाया जाता है, तो इसे Prompt Chaining कहा जाता है।

Google की documentation complex tasks को sequential prompts में divide करने और एक prompt के output को अगले prompt के input के रूप में इस्तेमाल करने का तरीका बताती है।

उदाहरण:

मान लीजिए आपको एक complete career article बनाना है।

Prompt 1

“इस topic के 10 important subtopics बताइए।”

Prompt 2

“इन subtopics को logical order में arrange करें।”

Prompt 3

“अब हर section के लिए detailed points बनाएं।”

Prompt 4

“अब outline के आधार पर article तैयार करें।”

Prompt 5

“Article में repetition और unsupported claims identify करें।”

यह पूरा process एक Prompt Chain हो सकता है।

---

Prompt Chaining के फायदे

बड़े task को छोटे steps में divide करने से:

• Complex task manage करना आसान हो सकता है
• प्रत्येक step को अलग से check किया जा सकता है
• Errors identify करना आसान हो सकता है
• Output structure बेहतर नियंत्रित किया जा सकता है
• एक ही prompt को बहुत overloaded होने से बचाया जा सकता है

---

Prompt Decomposition क्या है?

Prompt Decomposition का मतलब complex problem को छोटे tasks में divide करना है।

उदाहरण:

अगर task है:

“मेरे business के लिए complete marketing plan बनाओ।”

यह बहुत बड़ा task है।

इसे divide किया जा सकता है:

1. Target audience identify करें
2. Customer problems identify करें
3. Competitor categories define करें
4. Marketing channels list करें
5. Content strategy बनाएं
6. Monthly plan बनाएं
7. Measurement metrics तय करें

इससे AI को प्रत्येक task पर focused instruction दिया जा सकता है।

---

Context और Task को अलग रखना

Complex prompts में context और actual instruction को अलग रखना उपयोगी हो सकता है।

उदाहरण:

# Context

यह candidate का resume है:
[Resume]

# Task

Resume में केवल grammar और formatting की समस्याएं identify करें।

# Constraints

Candidate की qualification या experience में कोई नई information न जोड़ें।

इससे AI को यह distinction मिलता है कि कौन-सा text data है और कौन-सा text instruction है।

---

Delimiters क्या होते हैं?

जब prompt में बहुत सारी information हो, तो अलग-अलग sections को स्पष्ट करने के लिए delimiters का उपयोग किया जा सकता है।

उदाहरण:

---CONTEXT---
यहां candidate की information है।
---END CONTEXT---

---TASK---
इस information से resume summary बनाएं।
---END TASK---

या Markdown headings:

# Context
...

# Task
...

# Output
...

इस तरह structured boundaries complex prompts में clarity बढ़ा सकती हैं।

---

Multimodal Prompting क्या है?

जब AI को केवल text नहीं बल्कि:

• Image
• Audio
• Video
• Document
• Screenshot

जैसे inputs के साथ instruction दिया जाता है, तो इसे multimodal prompting कहा जा सकता है।

उदाहरण:

आप किसी image को upload करके केवल:

“Describe this image.”

पूछ सकते हैं।

लेकिन अगर आपको image से specific information चाहिए:

“इस image में दिखाई दे रहे table से केवल नाम और price निकालकर दो-column list बनाएं।”

तो task अधिक स्पष्ट है।

Google की current file prompting guidance भी specific information को सीधे request करने का उदाहरण देती है।

---

Step-by-Step Prompting

कुछ complex problems को logical steps में divide करना उपयोगी हो सकता है।

उदाहरण:

“पहले इस image में मौजूद items की संख्या identify करें।
फिर प्रत्येक item का नाम लिखें।
अंत में total count दें।”

इससे AI को task का sequence स्पष्ट मिलता है।

हालांकि हर simple task के लिए step-by-step instruction आवश्यक नहीं है।

---

Self-Check Prompt क्या है?

AI से अपने output को दिए गए criteria के against review करने के लिए कहा जा सकता है।

उदाहरण:

“उत्तर देने के बाद check करें कि सभी requested sections शामिल हैं या नहीं। यदि कोई section missing है तो उसे पूरा करें।”

यह validation step जोड़ता है।

लेकिन self-check को independent fact verification का replacement नहीं मानना चाहिए। AI अपने ही generated answer की गलती को हमेशा पहचान पाए, यह guaranteed नहीं है।

---

Critique और Revision Prompt

पहले content बनवाने के बाद दूसरे prompt से उसका review कराया जा सकता है।

उदाहरण:

Prompt 1

“इस topic पर article का draft तैयार करें।”

Prompt 2

“अब इस article को review करें और repetitive sections, unclear explanations और unsupported claims की list बनाएं।”

Prompt 3

“Review के आधार पर article को सुधारें।”

यह multi-step workflow content quality सुधारने में मदद कर सकता है।

---

Prompt Testing क्या है?

एक prompt पहली बार में perfect हो, यह जरूरी नहीं है।

Prompt testing में आप अलग-अलग versions try कर सकते हैं।

Version A

“Python सीखने का plan बनाओ।”

Version B

“Beginner के लिए Python का 30-day learning plan बनाएं।”

Version C

“मैं बिल्कुल beginner हूं और रोज 30 मिनट दे सकता हूं। Python सीखने का 30-day plan बनाएं। हर दिन topic, practice task और expected outcome दें।”

फिर देखें कि कौन-सा prompt आपकी जरूरत के अनुसार बेहतर output देता है।

---

Prompt Refinement क्या है?

जब AI का answer अपेक्षा के अनुसार नहीं आता, तो prompt को modify करना Prompt Refinement कहलाता है।

उदाहरण:

पहला prompt:

“एक business plan बनाओ।”

Response बहुत generic आया।

अब:

“मैं एक छोटे education service business की planning कर रहा हूं। Target customers students और job seekers हैं। Budget limited है। Business plan को Target Customer, Services, Revenue Model, Marketing, Operations और Risks headings में बनाएं।”

अब context अधिक specific है।

---

Prompt में Output Length कैसे Control करें?

आप AI को desired level of detail बता सकते हैं।

उदाहरण:

“100 शब्दों में answer दें।”

या:

“Short answer दें।”

या:

“Detailed explanation दें।”

लेकिन केवल word count पर निर्भर न रहें।

आप यह भी बता सकते हैं:

“5 bullet points में answer दें और प्रत्येक point को maximum 2 sentences में रखें।”

यह अधिक precise format हो सकता है।

---

Prompt में Tone कैसे Control करें?

आप tone specify कर सकते हैं।

Professional

“Professional और formal tone रखें।”

Simple

“Beginner-friendly भाषा रखें।”

Friendly

“Friendly लेकिन informative tone रखें।”

Academic

“Academic style में लिखें और terminology explain करें।”

---

Prompt में Audience बताना

एक ही topic अलग audiences के लिए अलग तरीके से explain किया जा सकता है।

उदाहरण:

School Student

“Quantum Computing को Class 8 student के लिए समझाएं।”

College Student

“Quantum Computing को engineering student के लिए explain करें।”

Technical Audience

“Quantum Computing को technical audience के लिए explain करें।”

इसलिए prompt में audience बताना useful हो सकता है।

---

Prompt में Source और Verification मांगना

Current या factual information के लिए prompt में verification requirement जोड़ी जा सकती है।

उदाहरण:

“जहाँ current information की जरूरत हो, reliable sources का उपयोग करें और source/date बताएं।”

लेकिन ध्यान रखें कि केवल prompt में “fact-check” लिख देने से information automatically verified नहीं हो जाती।

Important information को independently verify करना चाहिए।

---

Prompt Engineering और Hallucination

AI कभी-कभी ऐसी information generate कर सकता है जो सुनने में सही लगती है लेकिन गलत हो सकती है।

इसे अक्सर AI Hallucination कहा जाता है।

Prompt में कुछ safeguards मदद कर सकते हैं:

“यदि information निश्चित नहीं है तो अनुमान न लगाएं।”

“यदि source उपलब्ध नहीं है तो स्पष्ट रूप से बताएं।”

“केवल दिए गए document की information का उपयोग करें।”

फिर भी यह complete guarantee नहीं है।

महत्वपूर्ण facts को original/official source से verify करना जरूरी है।

---

Prompt Engineering में Common Mistakes

1. बहुत vague instruction

“कुछ अच्छा लिखो।”

2. Context नहीं देना

“मेरे लिए career बताओ।”

3. Conflicting instructions

एक जगह short answer और दूसरी जगह detailed 3000-word answer मांगना।

4. बहुत सारे unnecessary instructions

हर छोटी चीज के लिए अलग rule डालना।

5. Examples inconsistent रखना

अगर examples अलग-अलग formats में हैं तो model desired pattern गलत समझ सकता है।

Google की guidance भी few-shot examples में consistent formatting रखने पर जोर देती है।

6. AI answer को verify न करना

Prompt अच्छा होने के बावजूद output गलत हो सकता है।

---

Students के लिए Prompt Engineering

Students Prompt Engineering का उपयोग:

• Learning
• Revision
• Practice
• English
• Coding
• Research
• Presentation
• Career exploration

में कर सकते हैं।

उदाहरण:

“मैं Class 12 Science student हूं। मुझे Physics में Current Electricity समझने में difficulty हो रही है। पहले basic concept समझाएं, फिर daily-life example दें, फिर 5 practice questions दें और अंत में answers दें।”

यह केवल “Current Electricity समझाओ” से ज्यादा structured prompt है।

---

Job Seekers के लिए Prompt Engineering

Job seeker के लिए:

“मैं ITI Fitter candidate हूं। मैं manufacturing industry में entry-level technician role के लिए interview की तैयारी कर रहा हूं। मुझे 15 technical और 10 HR questions दें। पहले questions पूछें, फिर मेरे answers के आधार पर improvement suggestions दें। कोई fictional experience न जोड़ें।”

यह एक multi-step interview workflow बन सकता है।

---

Content Creators के लिए Prompt Engineering

Content creator के लिए:

“आप educational content strategist हैं।

Topic: [TOPIC]

Audience: Indian students

Goal: Beginner को concept समझाना

Structure:

1. Introduction
2. Definition
3. How it works
4. Practical examples
5. Benefits
6. Limitations
7. FAQ
8. Conclusion

Language: आसान Hindi

Unsupported claims या fabricated statistics न जोड़ें।”

यह एक structured content prompt है।

---

Business के लिए Advanced Prompt Example

मान लीजिए कोई small business customer enquiries handle करना चाहता है।

Prompt:

“आप customer support trainer हैं।

Context: हमारा business education और career services से संबंधित है।

Task: Student enquiries के लिए WhatsApp response templates तैयार करें।

Categories: Admission, Course Information, Job Enquiry, Document Requirement और Follow-up.

Constraints: भाषा simple Hindi-English हो। कोई guaranteed job/admission promise न करें।

Output: हर category के लिए 3 templates दें।”

यह role, context, task, constraints और output format को combine करता है।

---

Advanced Prompting का एक Practical Framework

Complex task के लिए यह framework इस्तेमाल किया जा सकता है:

1. GOAL

मुझे क्या result चाहिए?

2. CONTEXT

AI को क्या background information चाहिए?

3. TASK

AI को exactly क्या करना है?

4. CONSTRAINTS

क्या limitations हैं?

5. EXAMPLES

क्या desired output का example है?

6. OUTPUT

Result किस format में चाहिए?

7. VALIDATION

Result को किन criteria पर check करना है?

इसे याद रखने के लिए:

G → C → T → C → E → O → V

---

क्या Prompt Engineering एक अलग Career है?

Prompt Engineering एक skill है और कुछ organizations में prompt-focused roles भी दिखाई देते हैं। लेकिन इसे केवल एक standalone job title तक सीमित नहीं समझना चाहिए।

Prompting skills इन क्षेत्रों में उपयोगी हो सकती हैं:

• AI
• Content
• Marketing
• Education
• Research
• Software Development
• Business Operations
• Customer Support
• Data Analysis

आज कई professionals अपने existing role के साथ AI skills जोड़ रहे हैं।

इसलिए practical approach यह हो सकती है कि व्यक्ति अपने existing domain + AI skills को combine करे।

---

Prompt Engineering सीखने के लिए क्या सीखें?

Beginner के लिए:

Level 1 — Basics

• Prompt
• Context
• Instructions
• Output format

Level 2 — Intermediate

• Few-shot prompting
• Role prompting
• Constraints
• Structured prompting
• Prompt refinement

Level 3 — Advanced

• Prompt chaining
• Task decomposition
• Multimodal prompting
• Tool-assisted workflows
• Evaluation
• AI agents

---

10 Golden Rules of Prompt Engineering

1. Goal स्पष्ट रखें।

2. Relevant context दें।

3. Task को specific बनाएं।

4. Output format बताएं।

5. जरूरी constraints दें।

6. Complex task को छोटे steps में divide करें।

7. जरूरत होने पर examples दें।

8. Output को review करें।

9. Prompt को refine करें।

10. Important facts independently verify करें।

---

Frequently Asked Questions (FAQ)

Q1. Prompt Engineering क्या है?

AI models से desired output प्राप्त करने के लिए prompts को design, test और refine करने की process Prompt Engineering कहलाती है।

Q2. क्या Prompt Engineering और Prompt Writing एक ही चीज है?

पूरी तरह नहीं। Prompt Writing एक prompt बनाने का काम है, जबकि Prompt Engineering में prompt design के साथ testing, refinement, examples, constraints और complex workflows भी शामिल हो सकते हैं।

Q3. Zero-Shot Prompt क्या है?

बिना example दिए सीधे task करने का instruction Zero-Shot Prompt कहलाता है।

Q4. Few-Shot Prompt क्या है?

Prompt में कुछ examples देकर model को desired pattern दिखाना Few-Shot Prompting कहलाता है।

Q5. क्या Few-Shot हमेशा जरूरी है?

नहीं। Simple tasks में zero-shot prompt पर्याप्त हो सकता है। Examples तब विशेष रूप से उपयोगी हो सकते हैं जब desired format या pattern स्पष्ट करना हो।

Q6. Prompt Chaining क्या है?

Complex task को sequential prompts में divide करके एक prompt के output को अगले prompt के input के रूप में इस्तेमाल करना Prompt Chaining कहलाता है।

Q7. क्या Prompt Engineering के लिए coding जरूरी है?

Basic और intermediate prompting के लिए coding जरूरी नहीं है। Advanced AI applications, APIs और automated workflows में coding उपयोगी हो सकती है।

Q8. क्या Role Prompting से AI expert बन जाता है?

नहीं। Role instruction response का perspective और style guide कर सकता है, लेकिन इससे AI वास्तविक professional qualification प्राप्त नहीं कर लेता।

Q9. क्या अच्छा prompt गलत answer को रोक सकता है?

नहीं। अच्छा prompt response quality सुधारने में मदद कर सकता है, लेकिन गलत information की संभावना पूरी तरह खत्म नहीं होती।

Q10. क्या Prompt Engineering future skill है?

AI tools के बढ़ते उपयोग के कारण effective AI interaction एक useful digital skill बन रही है। इसकी practical value अलग-अलग roles और tasks के अनुसार अलग हो सकती है।

---

निष्कर्ष

Prompt Engineering का मतलब AI को confuse करने वाला कोई secret command ढूंढना नहीं है।

इसका मूल उद्देश्य है:

AI को task, context, expectations और constraints स्पष्ट रूप से बताना।

Simple task के लिए simple prompt पर्याप्त हो सकता है।

Complex task के लिए:

Context → Task → Examples → Constraints → Output → Validation

जैसा structured approach उपयोगी हो सकता है।

और जब task बहुत बड़ा हो, तो उसे:

Break Down → Chain → Review → Refine

करना practical तरीका हो सकता है।

सबसे महत्वपूर्ण बात यह है कि Prompt Engineering कोई magic formula नहीं है। अलग-अलग AI models और tasks में अलग prompting strategies काम कर सकती हैं। इसलिए experiment, testing और refinement भी इस skill का महत्वपूर्ण हिस्सा हैं।

AI का उपयोग केवल AI से answer लेने की skill नहीं है।

AI को सही तरीके से निर्देश देना, उसके output को समझना और उसे verify करना—यही responsible AI use का महत्वपूर्ण हिस्सा है।

---

अगली पोस्ट — AI Series #15

अच्छे AI Prompts कैसे लिखें? 30+ Ready-to-Use Prompts for Students, Job Seekers, Teachers, Business और Content Creators

---

Disclaimer

यह लेख educational और informational purpose के लिए है। AI models, features और prompting techniques समय के साथ बदल सकती हैं। AI-generated information को महत्वपूर्ण academic, career, financial, legal, medical या official decisions के लिए final authority न मानें। महत्वपूर्ण information को reliable और official sources से verify करें।

Official Sources

Google AI for Developers — Prompt Design Strategies: Google Prompt Design Strategies

Google AI for Developers — Files & Multimodal Prompting: Google Files API Documentation