प्रॉम्प्टिंग गाइड

परिचय

प्रभावी प्रॉम्प्टिंग ElevenLabs Agents को रोबोटिक से जीवंत बनाती है।

सिस्टम प्रॉम्प्ट आपके AI एजेंट के व्यक्तित्व और नीतियों का खाका होता है। एंटरप्राइज़ उपयोग में यह आमतौर पर विस्तृत होता है—इसमें एजेंट की भूमिका, लक्ष्य, अनुमत टूल, कुछ कार्यों के लिए चरण-दर-चरण निर्देश और एजेंट को क्या नहीं करना चाहिए, इसकी सीमाएं तय होती हैं। आप इस प्रॉम्प्ट को कैसे संरचित करते हैं, इसका विश्वसनीयता पर सीधा असर पड़ता है।

प्रॉम्प्ट इंजीनियरिंग की बुनियादी बातें

सिस्टम प्रॉम्प्ट आपके AI एजेंट के व्यक्तित्व और नीतियों का खाका होता है। एंटरप्राइज़ उपयोग में यह आमतौर पर विस्तृत होता है—इसमें एजेंट की भूमिका, लक्ष्य, अनुमत टूल, कुछ कार्यों के लिए चरण-दर-चरण निर्देश और एजेंट को क्या नहीं करना चाहिए, इसकी सीमाएं तय होती हैं। आप इस प्रॉम्प्ट को कैसे संरचित करते हैं, इसका विश्वसनीयता पर सीधा असर पड़ता है।

ये सिद्धांत प्रोडक्शन-ग्रेड प्रॉम्प्ट इंजीनियरिंग की नींव हैं:

निर्देशों को साफ़ सेक्शन में बांटें

Markdown हेडिंग के साथ निर्देशों को अलग-अलग सेक्शन में बांटने से मॉडल उन्हें सही प्राथमिकता देने और समझने में मदद मिलती है। निर्देश अलग करने के लिए खाली जगह और लाइन ब्रेक का इस्तेमाल करें।

विश्वसनीयता के लिए यह क्यों ज़रूरी है: मॉडल कुछ हेडिंग (खासकर # Guardrails) पर अतिरिक्त ध्यान देने के लिए ट्यून किए गए हैं, और स्पष्ट सेक्शन सीमाएं निर्देशों के मिश्रण को रोकती हैं, जहां एक संदर्भ के नियम दूसरे को प्रभावित करते हैं।

You are a customer service agent. Be polite and helpful. Never share sensitive data. You can look up orders and process refunds. Always verify identity first. Keep responses under 3 sentences unless the user asks for details.

जितना हो सके उतना संक्षिप्त रखें

हर निर्देश छोटा, स्पष्ट और कार्रवाई-आधारित रखें। फालतू शब्द हटाएं और केवल वही दोहराएं जो मॉडल के सही ढंग से काम करने के लिए ज़रूरी है।

विश्वसनीयता के लिए यह क्यों ज़रूरी है: संक्षिप्त निर्देश अस्पष्टता और टोकन उपयोग कम करते हैं। हर गैर-ज़रूरी शब्द गलत समझे जाने का संभावित कारण है।

# Tone
When you're talking to customers, you should try to be really friendly and approachable, making sure that you're speaking in a way that feels natural and conversational, kind of like how you'd talk to a friend, but still maintaining a professional demeanor that represents the company well.

महत्वपूर्ण निर्देशों पर ज़ोर दें

लाइन के अंत में “This step is important” जोड़कर महत्वपूर्ण चरणों को हाइलाइट करें। प्रॉम्प्ट में सबसे महत्वपूर्ण 1-2 निर्देशों को दो बार दोहराने से उन पर ज़ोर देने में मदद मिल सकती है।

विश्वसनीयता के लिए यह क्यों ज़रूरी है: जटिल प्रॉम्प्ट में मॉडल पहले के निर्देशों के बजाय हाल के संदर्भ को प्राथमिकता दे सकते हैं। ज़ोर और दोहराव यह सुनिश्चित करते हैं कि महत्वपूर्ण नियम नज़रअंदाज़ न हों।

# Goal
Verify customer identity before accessing their account.
Look up order details and provide status updates.
Process refund requests when eligible.

टेक्स्ट नॉर्मलाइज़ेशन

टेक्स्ट टू स्पीच मॉडल, खासकर तेज़ मॉडल, वर्णमाला वाले टेक्स्ट से स्पीच जनरेट करने में बेहतर होते हैं। इसलिए अंक और ”@” या ”£” जैसे प्रतीक गलत उच्चारण या वॉइस हैलुसिनेशन की संभावना बढ़ा सकते हैं।

इसे ठीक करने के लिए, हम TTS मॉडल तक पहुंचने से पहले गैर-वर्णमाला टेक्स्ट को शब्दों में नॉर्मलाइज़ करते हैं (जैसे, 123 -> one-hundred and twenty three, john@gmail.com -> john at gmail dot com) और आपको अलग-अलग समझौतों वाली विभिन्न नॉर्मलाइज़ेशन रणनीतियों में से चुनने देते हैं।

नॉर्मलाइज़ेशन रणनीतियां

हम text_normalisation_type एजेंट कॉन्फ़िगरेशन के ज़रिए दो नॉर्मलाइज़ेशन रणनीतियों का समर्थन करते हैं:

system_prompt (डिफ़ॉल्ट) — सिस्टम प्रॉम्प्ट में निर्देश जोड़ता है, जो LLM को TTS मॉडल तक टेक्स्ट पहुंचने से पहले संख्याओं और प्रतीकों को शब्दों में लिखने के लिए कहते हैं।

• कोई अतिरिक्त लेटेंसी नहीं
• LLM कभी-कभी सही ढंग से नॉर्मलाइज़ नहीं कर सकते
• ट्रांसक्रिप्ट में सब कुछ शब्दों में लिखा होता है (जैसे, “$1,000” के बजाय “one thousand dollars”)

elevenlabs — LLM जनरेशन के बाद और TTS मॉडल तक पहुंचने से पहले टेक्स्ट को नॉर्मलाइज़ करने के लिए हमारे TTS नॉर्मलाइज़र का इस्तेमाल करता है।

• LLM-आधारित नॉर्मलाइज़ेशन से अधिक विश्वसनीय
• सिस्टम प्रॉम्प्ट में बदलाव नहीं होता
• ट्रांसक्रिप्ट में प्रतीकों और संख्याओं के साथ स्वाभाविक फ़ॉर्मैटिंग बनी रहती है (जैसे, “$1,000”)
• थोड़ी लेटेंसी जोड़ता है

यह कॉन्फ़िगरेशन हमारे प्लैटफ़ॉर्म में “Agent” टैब के तहत मिलेगा। “Voices” सेक्शन में कॉग आइकन पर क्लिक करके सामान्य वॉइस सेटिंग्स शीट खोलें और नीचे इसे कॉन्फ़िगर करें।

टूल इनपुट के लिए संरचित डेटा

system_prompt नॉर्मलाइज़ेशन सेटिंग का उपयोग करने पर LLM अपने जवाबों में प्रतीकों और संख्याओं को शब्दों में लिखता है (जैसे, john@gmail.com के बजाय john at gmail dot com)। स्पीच टू टेक्स्ट से मिली यूज़र ट्रांसक्रिप्शन भी गैर-मानक रूप में आ सकती हैं। इसका मतलब है कि टूल कॉल में इन विवरणों को पैरामीटर के रूप में इस्तेमाल करते समय LLM बातचीत के संदर्भ में मौजूद असंरचित संस्करण का उपयोग कर सकता है।

अगर किसी टूल पैरामीटर को सही फ़ॉर्मैट वाला मान चाहिए (जैसे, john at gmail dot com नहीं, बल्कि john@gmail.com), तो LLM को यह पता होना चाहिए। उदाहरण के साथ अपेक्षित फ़ॉर्मैट सीधे टूल पैरामीटर के विवरण में शामिल करें।

## `lookupAccount` tool parameters
- `email` (required): "The user's email."
- `phone` (required): "The user's phone number."
- `confirmation_code` (required): "The user's confirmation code."

गार्डरेल्स के लिए अलग सेक्शन रखें

मॉडल को हमेशा मानने वाले सभी गैर-परक्राम्य नियम एक अलग # Guardrails सेक्शन में सूचीबद्ध करें। मॉडल इस हेडिंग पर अतिरिक्त ध्यान देने के लिए ट्यून किए गए हैं।

विश्वसनीयता के लिए यह क्यों ज़रूरी है: गार्डरेल्स अनुचित जवाबों को रोकते हैं और नीतियों का पालन सुनिश्चित करते हैं। उन्हें अलग सेक्शन में रखने से उनका ऑडिट और अपडेट करना आसान होता है।

# Guardrails
Never share customer data across conversations or reveal sensitive account information without proper verification.
Never process refunds over $500 without supervisor approval.
Never make promises about delivery dates that aren't confirmed in the order system.
Acknowledge when you don't know an answer instead of guessing.
If a customer becomes abusive, politely end the conversation and offer to escalate to a supervisor.

प्रभावी गार्डरेल्स डिज़ाइन करने के बारे में अधिक जानने के लिए, हमारी गार्डरेल्स गाइड देखें।

विश्वसनीयता के लिए टूल कॉन्फ़िगरेशन

लेन-देन वाले वर्कफ़्लो संभालने में सक्षम एजेंट बेहद प्रभावी हो सकते हैं। इसे संभव बनाने के लिए, उन्हें ऐसे टूल से लैस होना चाहिए जो उन्हें दूसरे सिस्टम में कार्रवाइयां करने या उनसे लाइव डेटा लाने दें।

प्रॉम्प्ट संरचना जितना ही महत्वपूर्ण है कि आप अपने एजेंट के लिए उपलब्ध टूल का वर्णन कैसे करते हैं। स्पष्ट, कार्रवाई-आधारित टूल परिभाषाएं मॉडल को उनका सही इस्तेमाल करने और त्रुटियों से आसानी से उबरने में मदद करती हैं।

विस्तृत पैरामीटर के साथ टूल का सटीक वर्णन करें

टूल बनाते समय, सभी पैरामीटर में विवरण जोड़ें। इससे LLM को सटीक टूल कॉल बनाने में मदद मिलती है।

टूल विवरण: “ऑर्डर ID से ग्राहक के ऑर्डर की स्थिति खोजता है और वर्तमान स्थिति, अनुमानित डिलीवरी तारीख और ट्रैकिंग नंबर देता है।”

पैरामीटर विवरण:

• order_id (ज़रूरी): “अद्वितीय ऑर्डर पहचानकर्ता, लिखे गए अक्षरों के रूप में फ़ॉर्मैट किया हुआ (जैसे, ‘ORD123456’)”
• include_history (वैकल्पिक): “अगर true है, तो स्थिति में हुए बदलावों सहित पूरा ऑर्डर इतिहास देता है”

विश्वसनीयता के लिए यह क्यों ज़रूरी है: पैरामीटर विवरण मॉडल के लिए इनलाइन दस्तावेज़ के रूप में काम करते हैं। ये फ़ॉर्मैट की अपेक्षाएं, ज़रूरी और वैकल्पिक फ़ील्ड, और स्वीकार्य मान स्पष्ट करते हैं।

सिस्टम प्रॉम्प्ट में बताएं कि हर टूल का उपयोग कब और कैसे करना है

अपने सिस्टम प्रॉम्प्ट में स्पष्ट रूप से परिभाषित करें कि हर टूल का उपयोग कब और कैसे होना चाहिए। सिर्फ़ टूल विवरण पर निर्भर न रहें—उपयोग का संदर्भ और क्रम तय करने का तर्क भी दें।

# Tools
You have access to the following tools:
## `getOrderStatus`
Use this tool when a customer asks about their order. Always call this tool before providing order information—never rely on memory or assumptions.
**When to use:**
- Customer asks "Where is my order?"
- Customer provides an order number
- Customer asks about delivery estimates
**How to use:**
1. Collect the order ID from the customer
2. Call `getOrderStatus` with the order ID
3. Present the results to the customer in natural language
**Error handling:**
If the tool returns "Order not found", ask the customer to verify the order number and try again.
## `processRefund`
Use this tool only after verifying:
1. Customer identity has been confirmed
2. Order is eligible for refund (within 30 days, not already refunded)
3. Refund amount is under $500 (escalate to supervisor if over $500)
**Required before calling:**
- Order ID (from `getOrderStatus`)
- Refund reason code
- Customer confirmation
This step is important: Always confirm refund details with the customer before calling this tool.

टूल पैरामीटर विवरण में अपेक्षित फ़ॉर्मैट बताएं

जब टूल को संरचित पहचानकर्ता (ईमेल, फ़ोन नंबर, कोड) चाहिए हों, तो उदाहरण के साथ पैरामीटर विवरण में अपेक्षित फ़ॉर्मैट साफ़ तौर पर बताएं। यह खास तौर पर महत्वपूर्ण है क्योंकि नॉर्मलाइज़ेशन और स्पीच टू टेक्स्ट ट्रांसक्रिप्शन बातचीत के संदर्भ में बोले गए रूप वाले मान बना सकते हैं। पृष्ठभूमि के लिए टूल इनपुट के लिए संरचित डेटा देखें।

## `lookupAccount` tool parameters
- `email` (required): "The customer's email address."

टूल कॉल विफलताओं को आसानी से संभालें

नेटवर्क समस्याओं, डेटा न मिलने या अन्य त्रुटियों की वजह से टूल कभी-कभी विफल हो सकते हैं। रिकवरी के लिए अपने सिस्टम प्रॉम्प्ट में स्पष्ट निर्देश शामिल करें।

विश्वसनीयता के लिए यह क्यों ज़रूरी है: प्रोडक्शन में टूल विफलताएं अपरिहार्य हैं। स्पष्ट हैंडलिंग निर्देशों के बिना, एजेंट जवाब गढ़ सकते हैं या गलत जानकारी दे सकते हैं।

# Tool error handling
If any tool call fails or returns an error:
1. Acknowledge the issue to the customer: "I'm having trouble accessing that information right now."
2. Do not guess or make up information
3. Offer alternatives:
   - Try the tool again if it might be a temporary issue
   - Offer to escalate to a human agent
   - Provide a callback option
4. If the error persists after 2 attempts, escalate to a supervisor
**Example responses:**
- "I'm having trouble looking up that order right now. Let me try again... [retry]"
- "I'm unable to access the order system at the moment. I can transfer you to a specialist who can help, or we can schedule a callback. Which would you prefer?"

विश्वसनीय टूल इंटीग्रेशन बनाने के विस्तृत निर्देशों के लिए, क्लाइंट टूल्स, वेबहुक टूल्स और MCP टूल्स पर हमारा दस्तावेज़ देखें।

एंटरप्राइज़ एजेंट के लिए आर्किटेक्चर पैटर्न

मज़बूत प्रॉम्प्ट और टूल एजेंट की विश्वसनीयता की नींव हैं, लेकिन प्रोडक्शन सिस्टम को सोच-समझकर बनाया गया आर्किटेक्चर भी चाहिए। एंटरप्राइज़ एजेंट जटिल वर्कफ़्लो संभालते हैं, जो अक्सर एक अकेले, बड़े प्रॉम्प्ट के दायरे से बाहर होते हैं।

एजेंट को विशेषज्ञ बनाए रखें

बहुत व्यापक निर्देश या बड़े कॉन्टेक्स्ट विंडो लेटेंसी बढ़ाते हैं और सटीकता घटाते हैं। हर एजेंट के पास संकीर्ण, स्पष्ट रूप से परिभाषित नॉलेज बेस और ज़िम्मेदारियों का सेट होना चाहिए।

विश्वसनीयता के लिए यह क्यों ज़रूरी है: विशेषज्ञ एजेंट के लिए संभालने को कम एज केस होते हैं, सफलता के मानदंड साफ़ होते हैं और जवाब का समय तेज़ होता है। उनका परीक्षण, डीबग और सुधार करना आसान होता है।

ऑर्केस्ट्रेटर और विशेषज्ञ पैटर्न का उपयोग करें

जटिल कार्यों के लिए, मल्टी-एजेंट वर्कफ़्लो डिज़ाइन करें जो विशेषज्ञ एजेंटों के बीच कार्य हैंडऑफ़ करें—और ज़रूरत पड़ने पर मानव ऑपरेटर को भी सौंपें।

आर्किटेक्चर पैटर्न:

1. ऑर्केस्ट्रेटर एजेंट: इंटेंट क्लासिफ़िकेशन के आधार पर आने वाले अनुरोधों को सही विशेषज्ञ एजेंट तक भेजता है
2. विशेषज्ञ एजेंट: डोमेन-विशिष्ट कार्य संभालते हैं (बिलिंग, शेड्यूलिंग, तकनीकी सहायता आदि)
3. मानव एस्केलेशन: जटिल या संवेदनशील मामलों के लिए तय हैंडऑफ़ मानदंड

इस पैटर्न के फ़ायदे:

• हर विशेषज्ञ के पास केंद्रित प्रॉम्प्ट और कम संदर्भ होता है
• सिस्टम को प्रभावित किए बिना अलग-अलग विशेषज्ञों को अपडेट करना आसान होता है
• हर डोमेन के लिए स्पष्ट मेट्रिक्स (बिलिंग समाधान दर, शेड्यूलिंग सफलता दर आदि)
• हर इंटरैक्शन में कम लेटेंसी (छोटे प्रॉम्प्ट, तेज़ इन्फ़रेंस)

स्पष्ट हैंडऑफ़ मानदंड तय करें

मल्टी-एजेंट वर्कफ़्लो डिज़ाइन करते समय, साफ़ बताएं कि एजेंटों के बीच या मानव ऑपरेटर को नियंत्रण कब और कैसे ट्रांसफ़र होना चाहिए।

# Goal
Route customer requests to the appropriate specialist agent based on intent.
## Routing logic
**Billing specialist:** Customer mentions payment, invoice, refund, charge, subscription, or account balance
**Technical support specialist:** Customer reports error, bug, issue, not working, broken
**Scheduling specialist:** Customer wants to book, reschedule, cancel, or check appointment
**Human escalation:** Customer is angry, requests supervisor, or issue is unresolved after 2 specialist attempts
## Handoff process
1. Classify customer intent based on first message
2. Provide brief acknowledgment: "I'll connect you with our [billing/technical/scheduling] team."
3. Transfer conversation with context summary:
   - Customer name
   - Primary issue
   - Any account identifiers already collected
4. Do not repeat information collection that already occurred

# Personality
You are a billing specialist for Acme Corp. You handle payment issues, refunds, and subscription changes.
# Goal
Resolve billing inquiries by:
1. Verifying customer identity
2. Looking up account and billing history
3. Processing refunds (under $500) or escalating (over $500)
4. Updating subscription settings when requested
# Guardrails
Never access account information without identity verification.
Never process refunds over $500 without supervisor approval.
If the customer's issue is not billing-related, transfer back to the orchestrator agent.

मल्टी-एजेंट वर्कफ़्लो बनाने के विस्तृत निर्देशों के लिए, वर्कफ़्लो पर हमारा दस्तावेज़ देखें।

एंटरप्राइज़ विश्वसनीयता के लिए मॉडल चयन

सही मॉडल चुनना आपकी प्रदर्शन आवश्यकताओं—खासकर लेटेंसी, सटीकता और टूल-कॉलिंग विश्वसनीयता—पर निर्भर करता है। अलग-अलग मॉडल स्पीड, रीजनिंग क्षमता और लागत के बीच अलग-अलग संतुलन देते हैं।

समझौतों को समझें

लेटेंसी: छोटे मॉडल (कम पैरामीटर वाले) आमतौर पर तेज़ जवाब देते हैं, इसलिए वे अधिक बार होने वाले, कम जटिल इंटरैक्शन के लिए उपयुक्त हैं।

सटीकता: बड़े मॉडल बेहतर रीजनिंग क्षमता देते हैं और जटिल, मल्टी-स्टेप कार्यों को बेहतर ढंग से संभालते हैं, लेकिन उनकी लेटेंसी और लागत अधिक होती है।

टूल-कॉलिंग विश्वसनीयता: सभी मॉडल टूल/फ़ंक्शन कॉलिंग को समान सटीकता से नहीं संभालते। कुछ संरचित आउटपुट में बेहतर होते हैं, जबकि अन्य को अधिक स्पष्ट प्रॉम्प्टिंग की ज़रूरत पड़ सकती है।

उपयोग के मामले के अनुसार मॉडल सुझाव

लाखों एजेंट इंटरैक्शन पर हुए डिप्लॉयमेंट के आधार पर, ये पैटर्न सामने आते हैं:

• GLM 5.2 या GPT-6 Luna (सुझाया गया शुरुआती विकल्प): सामान्य उद्देश्य वाले एंटरप्राइज़ एजेंट के लिए सबसे अच्छा, जहां लेटेंसी, सटीकता और लागत—तीनों में संतुलन ज़रूरी हो। मज़बूत टूल-कॉलिंग प्रदर्शन और प्रति इंटरैक्शन उचित लागत के साथ कम से मध्यम लेटेंसी देता है। ग्राहक सहायता, शेड्यूलिंग, ऑर्डर मैनेजमेंट और सामान्य पूछताछ संभालने के लिए आदर्श।

• DeepSeek Flash 4.1 या Gemini 3.5 Flash-Lite (बहुत कम लेटेंसी): अधिक बार होने वाले, सरल इंटरैक्शन के लिए सबसे अच्छा, जहां स्पीड बहुत महत्वपूर्ण हो। व्यापक सामान्य ज्ञान के साथ सबसे कम लेटेंसी देता है, हालांकि जटिल टूल-कॉलिंग में प्रदर्शन कम हो सकता है। शुरुआती रूटिंग/ट्राइएज, सरल FAQ, अपॉइंटमेंट पुष्टि और बुनियादी डेटा संग्रह के लिए बड़े पैमाने पर किफ़ायती।

• Claude Sonnet 5.5 (जटिल रीजनिंग): मल्टी-स्टेप समस्या समाधान, सूक्ष्म निर्णय और जटिल टूल ऑर्केस्ट्रेशन के लिए सबसे अच्छा। बेहतरीन टूल-कॉलिंग विश्वसनीयता के साथ सबसे अधिक सटीकता और रीजनिंग क्षमता देता है, लेकिन लेटेंसी और लागत अधिक होती है। ऐसे कामों के लिए आदर्श जहां गलतियां महंगी हों, जैसे तकनीकी ट्रबलशूटिंग, वित्तीय सलाह, अनुपालन-संवेदनशील वर्कफ़्लो और जटिल रिफ़ंड/एस्केलेशन निर्णय।

प्रोवाइडर के मॉडल लाइनअप अक्सर बदलते रहते हैं। किसी मॉडल को प्रोडक्शन के लिए चुनने से पहले मॉडल्स पेज पर मौजूदा विकल्प और कीमतों की पुष्टि करें।

अपने वास्तविक प्रॉम्प्ट के साथ बेंचमार्क करें

मॉडल का प्रदर्शन प्रॉम्प्ट संरचना और कार्य की जटिलता के आधार पर काफी बदलता है। किसी मॉडल को चुनने से पहले:

1. अपने वास्तविक सिस्टम प्रॉम्प्ट के साथ 2-3 उम्मीदवार मॉडल टेस्ट करें
2. वास्तविक यूज़र क्वेरी या सिंथेटिक टेस्ट केस पर मूल्यांकन करें
3. लेटेंसी, सटीकता और टूल-कॉलिंग सफलता दर मापें
4. अपनी खास ज़रूरतों के हिसाब से सबसे अच्छे संतुलन के लिए ऑप्टिमाइज़ करें

मॉडल कॉन्फ़िगरेशन विकल्पों के विस्तृत विवरण के लिए, हमारा मॉडल्स दस्तावेज़ देखें।

पुनरावृत्ति और परीक्षण

प्रोडक्शन में विश्वसनीयता लगातार पुनरावृत्ति से आती है। अच्छी तरह बनाए गए प्रॉम्प्ट भी वास्तविक उपयोग में विफल हो सकते हैं। महत्वपूर्ण यह है कि उन विफलताओं से सीखें और व्यवस्थित परीक्षण से सुधार करें।

मूल्यांकन मानदंड कॉन्फ़िगर करें

समय के साथ सफलता पर नज़र रखने और रिग्रेशन जांचने के लिए हर एजेंट में ठोस मूल्यांकन मानदंड जोड़ें।

ट्रैक करने के लिए मुख्य मेट्रिक्स:

• कार्य पूरा होने की दर: सफलतापूर्वक संबोधित किए गए यूज़र इंटेंट का प्रतिशत
• एस्केलेशन दर: मानव हस्तक्षेप की ज़रूरत वाली बातचीत का प्रतिशत

ElevenLabs में मूल्यांकन मानदंड कॉन्फ़िगर करने के विस्तृत निर्देशों के लिए, सफलता मूल्यांकन देखें।

विफलता पैटर्न का विश्लेषण करें

जब एजेंट उम्मीद के मुताबिक प्रदर्शन न करें, तो समस्याग्रस्त इंटरैक्शन में पैटर्न पहचानें:

• एजेंट गलत जानकारी कहां देता है? → खास सेक्शन में निर्देश मज़बूत करें
• यह यूज़र का इंटेंट कब समझने में विफल होता है? → उदाहरण जोड़ें या भाषा सरल करें
• कौन-से यूज़र इनपुट इसके चरित्र से बाहर होने का कारण बनते हैं? → एज केस के लिए गार्डरेल्स जोड़ें
• कौन-से टूल सबसे ज़्यादा विफल होते हैं? → एरर हैंडलिंग या पैरामीटर विवरण बेहतर करें

उन बातचीत ट्रांसक्रिप्ट की समीक्षा करें जहां यूज़र संतुष्टि कम रही या कार्य पूरे नहीं हुए।

लक्षित सुधार करें

पहचानी गई समस्याओं को हल करने के लिए अपने प्रॉम्प्ट के खास सेक्शन अपडेट करें:

1. समस्या को अलग करें: पहचानें कि कौन-सा प्रॉम्प्ट सेक्शन या टूल परिभाषा विफलता का कारण है
2. खास उदाहरणों पर बदलाव टेस्ट करें: पहले विफल हुई बातचीत को टेस्ट केस के रूप में इस्तेमाल करें
3. एक बार में एक बदलाव करें: यह समझने के लिए सुधार अलग रखें कि क्या काम कर रहा है
4. उन्हीं टेस्ट केस के साथ फिर से मूल्यांकन करें: जांचें कि बदलाव ने नई समस्याएं पैदा किए बिना समस्या ठीक कर दी है

डेटा संग्रह कॉन्फ़िगर करें

हर बातचीत से डेटा का सारांश बनाने के लिए अपने एजेंट को कॉन्फ़िगर करें। इससे आप इंटरैक्शन पैटर्न का विश्लेषण कर सकते हैं, सामान्य यूज़र अनुरोध पहचान सकते हैं और वास्तविक उपयोग के आधार पर अपने प्रॉम्प्ट में लगातार सुधार कर सकते हैं।

ElevenLabs में डेटा संग्रह कॉन्फ़िगर करने के विस्तृत निर्देशों के लिए, डेटा संग्रह देखें।

रिग्रेशन परीक्षण के लिए सिमुलेशन का उपयोग करें

प्रॉम्प्ट बदलावों को प्रोडक्शन में डिप्लॉय करने से पहले, रिग्रेशन पकड़ने के लिए ज्ञात परिदृश्यों के एक सेट पर टेस्ट करें।

एजेंट को प्रोग्रामेटिक रूप से टेस्ट करने के निर्देशों के लिए, बातचीत सिमुलेट करें देखें।

प्रोडक्शन संबंधी बातें

एंटरप्राइज़ एजेंट को प्रॉम्प्ट की गुणवत्ता के अलावा अतिरिक्त सुरक्षा उपायों की ज़रूरत होती है। प्रोडक्शन डिप्लॉयमेंट में एरर हैंडलिंग, अनुपालन और सहज तरीके से सीमित कार्यक्षमता में जाने को ध्यान में रखना चाहिए।

सभी टूल इंटीग्रेशन में त्रुटियों को संभालें

हर बाहरी टूल कॉल विफलता का संभावित बिंदु है। सुनिश्चित करें कि आपके प्रॉम्प्ट में इनके लिए स्पष्ट एरर हैंडलिंग शामिल हो:

• नेटवर्क विफलताएं: “मुझे हमारे सिस्टम से कनेक्ट करने में समस्या हो रही है। मैं फिर से कोशिश करता हूं।”
• डेटा उपलब्ध नहीं है: “मुझे हमारे सिस्टम में वह जानकारी नहीं दिख रही है। क्या आप विवरण की पुष्टि कर सकते हैं?”
• टाइमआउट त्रुटियां: “इसमें उम्मीद से ज़्यादा समय लग रहा है। मैं इसे किसी विशेषज्ञ को एस्केलेट कर सकता हूं या फिर से कोशिश कर सकता हूं।”
• अनुमति त्रुटियां: “मेरे पास उस जानकारी का एक्सेस नहीं है। मैं आपको ऐसे व्यक्ति के पास ट्रांसफ़र करता हूं जो मदद कर सकता है।“

उदाहरण प्रॉम्प्ट

नीचे दिए गए उदाहरण बताते हैं कि इस गाइड में बताए गए सिद्धांतों को वास्तविक एंटरप्राइज़ उपयोग के मामलों में कैसे लागू करें। हर उदाहरण में एनोटेशन हैं, जो इस्तेमाल किए गए विश्वसनीयता सिद्धांतों को हाइलाइट करते हैं।

उदाहरण 1: तकनीकी सहायता एजेंट

# Personality
You are a technical support specialist for CloudTech, a B2B SaaS platform.
You are patient, methodical, and focused on resolving issues efficiently.
You speak clearly and adapt technical language based on the user's familiarity.
# Environment
You are assisting customers via phone support.
Customers may be experiencing service disruptions and could be frustrated.
You have access to diagnostic tools and the customer account database.
# Tone
Keep responses clear and concise (2-3 sentences unless troubleshooting requires more detail).
Use a calm, professional tone with brief affirmations ("I understand," "Let me check that").
Adapt technical depth based on customer responses.
Check for understanding after complex steps: "Does that make sense?"
# Goal
Resolve technical issues through structured troubleshooting:
1. Verify customer identity using email and account ID
2. Identify affected service and severity level
3. Run diagnostics using `runSystemDiagnostic` tool
4. Provide step-by-step resolution or escalate if unresolved after 2 attempts
This step is important: Always run diagnostics before suggesting solutions.
# Guardrails
Never access customer accounts without identity verification. This step is important.
Never guess at solutions—always base recommendations on diagnostic results.
If an issue persists after 2 troubleshooting attempts, escalate to engineering team.
Acknowledge when you don't know the answer instead of speculating.
# Tools
## `verifyCustomerIdentity`
**When to use:** At the start of every conversation before accessing account data
**Parameters:**
- `email` (required): Customer email in standard written format (e.g., "user@company.com"). Convert from spoken format: "at" → "@", "dot" → ".", remove spaces between words.
- `account_id` (optional): Account ID if customer provides it
**Error handling:**
If verification fails, ask customer to confirm email spelling and try again.
## `runSystemDiagnostic`
**When to use:** After verifying identity and understanding the reported issue
**Parameters:**
- `account_id` (required): From `verifyCustomerIdentity` response
- `service_name` (required): Name of affected service (e.g., "api", "dashboard", "storage")
**Usage:**
1. Confirm which service is affected
2. Run diagnostic with account ID and service name
3. Review results before providing solution
**Error handling:**
If diagnostic fails, acknowledge the issue: "I'm having trouble running that diagnostic. Let me escalate to our engineering team."
# Error handling
If any tool call fails:
1. Acknowledge: "I'm having trouble accessing that information right now."
2. Do not guess or make up information
3. Offer to retry once, then escalate if failure persists

दिखाए गए सिद्धांत:

• ✓ साफ़ सेक्शन विभाजन (# Personality, # Goal, # Tools आदि)
• ✓ हर लाइन में एक कार्रवाई (# Goal के क्रमांकित चरण देखें)
• ✓ संक्षिप्त निर्देश (टोन सेक्शन छोटा और स्पष्ट है)
• ✓ महत्वपूर्ण चरणों पर ज़ोर (“This step is important”)
• ✓ पैरामीटर विवरण में फ़ॉर्मैट कन्वर्ज़न (ईमेल नॉर्मलाइज़ेशन)
• ✓ अलग गार्डरेल्स सेक्शन
• ✓ कब/कैसे/त्रुटि संबंधी निर्देशों के साथ सटीक टूल विवरण
• ✓ स्पष्ट एरर हैंडलिंग निर्देश

उदाहरण 2: ग्राहक सेवा रिफ़ंड एजेंट

# Personality
You are a refund specialist for RetailCo.
You are empathetic, solution-oriented, and efficient.
You balance customer satisfaction with company policy compliance.
# Goal
Process refund requests through this workflow:
1. Verify customer identity using order number and email
2. Look up order details with `getOrderDetails` tool
3. Confirm refund eligibility (within 30 days, not digital download, not already refunded)
4. For refunds under $100: Process immediately with `processRefund` tool
5. For refunds $100-$500: Apply secondary verification, then process
6. For refunds over $500: Escalate to supervisor with case summary
This step is important: Never process refunds without verifying eligibility first.
# Guardrails
Never process refunds outside the 30-day return window without supervisor approval.
Never process refunds over $500 without supervisor approval. This step is important.
Never access order information without verifying customer identity.
If a customer becomes aggressive, remain calm and offer supervisor escalation.
# Tools
## `verifyIdentity`
**When to use:** At the start of every conversation
**Parameters:**
- `order_id` (required): Order ID in uppercase alphanumeric format (e.g., "ORD123456"). Convert from spoken format: spell out letters and spoken digits to written form, no spaces.
- `email` (required): Customer email in standard written format (e.g., "john.smith@retailco.com"). Convert from spoken format: "at" → "@", "dot" → ".", remove spaces between words.
## `getOrderDetails`
**When to use:** After identity verification
**Returns:** Order date, items, total amount, refund eligibility status
**Error handling:**
If order not found, ask customer to verify order number and try again.
## `processRefund`
**When to use:** Only after confirming eligibility
**Required checks before calling:**
- Identity verified
- Order is within 30 days
- Order is eligible (not digital, not already refunded)
- Refund amount is under $500
**Parameters:**
- `order_id` (required): From previous verification
- `reason_code` (required): One of "defective", "wrong_item", "late_delivery", "changed_mind"
**Usage:**
1. Confirm refund details with customer: "I'll process a $[amount] refund to your original payment method. It will appear in 3-5 business days. Does that work for you?"
2. Wait for customer confirmation
3. Call this tool
**Error handling:**
If refund processing fails, apologize and escalate: "I'm unable to process that refund right now. Let me escalate to a supervisor who can help."

दिखाए गए सिद्धांत:

• ✓ विशेषज्ञ एजेंट का दायरा (सिर्फ़ रिफ़ंड, सामान्य सहायता नहीं)
• ✓ # Goal सेक्शन में स्पष्ट वर्कफ़्लो चरण
• ✓ महत्वपूर्ण नियमों पर बार-बार ज़ोर (रिफ़ंड सीमा, सत्यापन)
• ✓ “कब उपयोग करें” और “ज़रूरी जांच” के साथ विस्तृत टूल उपयोग
• ✓ पैरामीटर विवरण में फ़ॉर्मैट कन्वर्ज़न (ऑर्डर ID, ईमेल)
• ✓ हर टूल के लिए स्पष्ट एरर हैंडलिंग
• ✓ एस्केलेशन मानदंड स्पष्ट रूप से परिभाषित

फ़ॉर्मैटिंग के सर्वोत्तम तरीके

आप अपने प्रॉम्प्ट को कैसे फ़ॉर्मैट करते हैं, इससे भाषा मॉडल उसे कितनी प्रभावी ढंग से समझता है, इस पर असर पड़ता है:

• Markdown हेडिंग्स इस्तेमाल करें: मुख्य सेक्शन के लिए # और उप-सेक्शन के लिए ## इस्तेमाल करके सेक्शन व्यवस्थित करें
• बुलेटेड लिस्ट को प्राथमिकता दें: निर्देशों को आसानी से समझे जाने वाले बुलेट पॉइंट्स में बाँटें
• व्हाइटस्पेस इस्तेमाल करें: खाली लाइनों से सेक्शन और निर्देशों के समूह अलग करें
• हेडिंग्स को sentence case में रखें: # Goal लिखें, # GOAL नहीं
• एकरूप रहें: पूरे प्रॉम्प्ट में एक ही फ़ॉर्मैटिंग पैटर्न इस्तेमाल करें

अक्सर पूछे जाने वाले सवाल

अगले चरण

यह गाइड प्रॉम्प्ट इंजीनियरिंग, टूल कॉन्फ़िगरेशन और आर्किटेक्चरल पैटर्न्स के ज़रिए भरोसेमंद एजेंट व्यवहार की नींव तैयार करती है। प्रोडक्शन-ग्रेड सिस्टम बनाने के लिए, आगे पढ़ें:

• वर्कफ़्लोज़: मल्टी-एजेंट ऑर्केस्ट्रेशन और विशेषज्ञ हैंडऑफ़ डिज़ाइन करें
• सफलता मूल्यांकन: मेट्रिक्स और मूल्यांकन मानदंड कॉन्फ़िगर करें
• डेटा कलेक्शन: बातचीत से संरचित इनसाइट्स कैप्चर करें
• टेस्टिंग: रिग्रेशन टेस्टिंग और सिमुलेशन लागू करें
• गार्डरेल्स: सुरक्षित एजेंट प्रतिक्रियाओं के लिए कंटेंट मॉडरेशन कॉन्फ़िगर करें
• प्राइवेसी: अनुपालन और डेटा सुरक्षा सुनिश्चित करें
• हमारा डॉक्स एजेंट: इन सिद्धांतों का इस्तेमाल करते हुए एक पूरा केस स्टडी देखें

एंटरप्राइज़ डिप्लॉयमेंट सहायता के लिए, हमारी टीम से संपर्क करें।