narrow assistant डिजाइन गर्नुहोस्

Narrow assistant paradox

यहाँ counter-intuitive भाग हो: निर्माण गर्न सबैभन्दा शक्तिशाली सहायक (LLM ले सबै तपाईंको लागि गर्नेछ) अक्सर सबैभन्दा कम प्रयोगयोग्य होस्। कारण:

• प्रयोगकर्ताहरूलाई थाहा छैन के सोध्ने। एउटा खाली box “मलाई केही सोध्नुहोस्” ले “म तपाईंलाई कसरी सोध्न सक्छु” भन्ने प्रश्नमा फर्किन्छ।
• मोडेल खुला अन्त्यमा असल छैन। यसले Nepal-specific तथ्यहरू, बजार डाटा, विशिष्ट कानूनहरू जान्दैन। यो तर्क पर्याप्त लामो हुँदा भ्रम गर्न को लागि प्रवण छ।
• Quality varies wildly। कहिलेकाहीँ प्रतिक्रिया ठिक हुन्छ, कहिलेकाहीँ यो पूर्ण गलत छ। प्रयोगकर्ताहरूले भरोसा गर्ने असल र खराब असल फरक जान्न सक्दैनन्।

एउटा narrow assistant विपरीत गर्दछ। यसले भन्दछ, “म एक कुरा गर्दछु — मलाई यसको बारे सोध्नुहोस्।” प्रयोगकर्ताहरूले तुरुन्त बुझ्दछन् कहाँ पेस्ट गर्ने। मोडेलले सही तपाईंको वास्तविक ज्ञान क्षेत्रमा focused रहन्छ। र quality धेरै बढ्दा तपाईं ज्ञात-राम्रो मामिलाहरू मात्र handle गर्दै हुनुहुन्छ।

अब्बा narrow scope को अन्तर्ज्ञान

केही उदाहरणहरू:

खुला: “कानूनी सल्लाहकार।” Narrow: “काठमाडौँ मा सम्पत्ति हस्तान्तरण कानूनी प्रक्रिया छनोट सहायक।”

खुला: “मानसिक स्वास्थ्य चिकित्सक।” Narrow: “एन्ग्जाइटी को लागि ध्यान गाइड।”

खुला: “आर्थिक सल्लाह।” Narrow: “SIP कैलक्युलेटर र प्राथमिक फण्ड चयन।”

खुला: “नेपाली शिक्षा tutor।” Narrow: “SEE कक्षा 10 गणित - trigonometry।”

पहिलो category एउटा production-ready GPT जस्तै लाग्दछ; दोस्रो एक product हो। दोस्रोले जब्दछ, वास्तवमै कुशल छ, र वास्तवमै प्रयोगकर्ता वर्गीय needs पूरा गर्दछ। पहिलो एक demo हो।

स्कोप कसरी सेट गर्ने

आफ्नो सहायक बनाउनु अघि तीन प्रश्नहरूको जवाफ दिनुहोस्:

1. एक विशिष्ट प्रयोगकर्ता को हो?

Vague: “व्यवसाय मालिकहरू।” Specific: “काठमाडौँ मा एक-मालिक सानो-किराना पसलहरू।”

2. एक विशिष्ट क्षण के हो जब उनीहरूलाई मद्दत चाहिन्छ?

Vague: “जब उनीहरूलाई प्रश्न हुन्छ।” Specific: “जब उनीहरूले मासिक GST रिटर्न भर्नु पर्दछ।”

3. एक विशिष्ट कार्य के हो जुन तपाईंको सहायक तिनीहरूको लागि परफेक्ट गर्दछ?

Vague: “एउटा प्रश्नको जवाफ।” Specific: “उनीहरूको बिक्री डाटा को आधारमा एक draft GST रिटर्न उत्पन्न गर्नुहोस्।”

तिनीहरूको जवाफहरू ठोस हुनुभयो भने, तपाईंसँग एउटा narrow scope छ। यदि तिनीहरू vague छन्, तपाईंले एक “AI सहायक” डिजाइन गर्दै हुनुहुन्छ — जुन scope नै होइन।

Scope creep — the killer

Scope creep वहाँ हो जहाँ तपाईं शुरू गर्नुहुन्छ narrow scope, र त्यसपछि हरेक स्वीकृति चक्रले “यो पनि सम्हाल्न सक्दछ?” ल्याउँछ। दोस्रो हप्तासम्म, तपाईंको SIP कैलक्युलेटर सामान्य वित्तीय सहायक भइरहेको छ। तेस्रो सम्म, यो जेनेरिक कर सल्लाहकार हो। छैटौँ हप्ता सम्म, यो कुनै पनि विशेष व्यवसायमा जान्ने कोहीलाई पनि उपयोगी छैन।

Scope creep कसरी विरोध गर्ने:

• Prompt मा scope लेख्नुहोस्। System prompt शाब्दिक भन्दछ, “म मात्र X गर्दछु।” यसले क्षेत्र बाहिरका प्रश्नहरूलाई थाहा पाउँछ र विनम्रताले अस्वीकार गर्दछ।

• Landing page मा scope लेख्नुहोस्। प्रयोगकर्ताहरूले वेबसाइटमा नै जान्दछन् उनीहरूले के अपेक्षा गर्ने। कुनै आश्चर्य छैन।

• Refusal responses तयार गर्नुहोस्। “यो प्रश्न मेरो क्षेत्र भन्दा बाहिर छ। म भर्खरै [scope] गर्दछु। तपाईं मलाई त्यो बारेमा सोध्न सक्नुहुन्छ, वा एउटा जनरल-purpose सहायक जस्तै ChatGPT प्रयोग गर्नुहोस्।” स्पष्ट, विनम्र, र प्रयोगकर्तालाई कहाँ जाने भन्ने बतोहरू।

एउटा वास्तविक worked example — nepse-mitra

आउनुहोस् एक ठोस narrow assistant designing गरौँ: NEPSE (Nepal Stock Exchange) खुद्रा लगानीकर्ताहरूको लागि एक सहायक।

खुला version: “NEPSE मा तपाईंको सबै वित्तीय आवश्यकताहरूको लागि एउटा असिस्टेन्ट।”

Narrow version: “आजका NEPSE समापन मूल्यहरू र सामान्य कम्पनी जानकारी लाई देखाउने र व्याख्या गर्ने एक Q&A सहायक।”

व्यापक फर्जि:

scope-in queries (मोडेलले जवाफ दिनुपर्छ):
- "Nabil Bank को समापन मूल्य के थियो?"
- "NEPSE 3M बजारमा 2M बजार भन्दा फरक कसरी छ?"
- "Adani Wilmar सूचीबद्ध छ?"

scope-out queries (मोडेलले अस्वीकार गर्नुपर्दछ):
- "मैले कुन stock किन्नु पर्दछ?"                (investment advice)
- "यो stock 6 महिनामा up जान्छ?"                 (forecasting)
- "मेरो portfolio हेर्नुहोस्।"                    (portfolio access)
- "NEPSE बारे सामान्य कुरा गरौँ।"                (chit-chat)

System prompt यो सबै capture गर्दछ:

You are nepse-mitra. You help retail investors find and understand
NEPSE closing prices and general company information.

You will:
- Report today's closing prices and volume when asked.
- Explain what a P/E ratio, market cap, or dividend is.
- Explain the difference between NEPSE indices.
- Show a company's basic profile.

You will NOT:
- Give investment advice or recommendations.
- Predict future prices.
- Access user accounts, portfolios, or personal information.
- Discuss non-NEPSE topics.

If asked to do any of the "will NOT" items, respond exactly:
"त्यो मेरो क्षेत्र बाहिर छ। म NEPSE मूल्यहरू र सामान्य कम्पनी
जानकारी बारे जवाफ दिन्छु। तपाईंलाई SEBON-registered advisor सँग
कुरा गर्न सुझाव दिन्छु।"

Refusal patterns स्पष्ट, विनम्र, र सहायक छन्। प्रयोगकर्ताले कहाँ जान्ने भन्ने थाहा पाउँछन्।

Design patterns जुन narrow assistants को लागि राम्रोसँग काम गर्दछ

1. एक स्पष्ट homepage prompt।

तपाईंको UI मा, प्रयोगकर्ताहरूलाई ३-४ नमूना प्रश्नहरू देखाउनुहोस् जुन तपाईंको सहायक handle गर्दछ:

"NEPSE closing prices र company info को बारेमा सोध्नुहोस्:

  ▸ Nabil Bank को आज को समापन मूल्य के हो?
  ▸ NEPSE-50 index के हो?
  ▸ Adani Wilmar सूचीबद्ध छ?
"

यसले प्रयोगकर्ताहरूलाई scope बुझाउँछ र तिनीहरूलाई तुरुन्त पहिलो प्रश्न कोसिस गर्न ओर्को दिन्छ।

2. Structured jsx over prose।

Narrow assistants को लागि, एक structured format (tables, bulleted lists) generic prose भन्दा राम्रो हुन्छ। “Nabil Bank stock information” प्रश्नले 4-वाक्य prose भन्दा एउटा नामांकित तालिका (मूल्य, P/E, बजार pungh, अघिल्लो-दिन परिवर्तन) राम्रोसँग कार्य गर्दछ।

3. एउटा एस्केप ह्याच।

प्रयोगकर्ताहरूले अन्ततः तपाईंको scope भन्दा बाहिर केही सोध्नेछन्। जब यो हुन्छ, तिनीहरूलाई कहाँ जाने भन्नुहोस्। यो हारेको प्रयोगकर्ता र एउटा सहायक बीचको फरक हो।

Narrow scope को fallback

यसलाई सामान्यतया एक “downside” कहलाइन्छ: तर narrow assistant सजिलैसँग users को हरेक needs सम्हाल्न सक्दैन। हो, त्यो सही छ। तर त्यहाँ अन्तर्दृष्टि छ: अरू केही ChatGPT/Claude/Gemini/others जस्तै जनरल पर्पोज सहायकहरू पहिले नै तपाईंको प्रयोगकर्ताहरू लाई उपलब्ध छन्। तपाईंले तिनीहरूलाई नक्कल गर्न आवश्यक छैन। तपाईंले ती जनरल-पर्पोज सहायकहरूले pretty नराम्रो गर्ने एक कुरामा दक्ष हुनु पर्दछ।

अब के आउँछ

तपाईंले scope चुन्नुभयो। अर्को खण्ड tools र data बारे: कहिले एक LLM लाई बाह्य APIs (मूल्य फीड, database, calculators) मा call दिने र कहिले जान्नुहोस्। यसैले narrow assistant real world सँग वास्तवमै interact गर्न सक्दछ।