Prompt optimization

Prompts को अधिक स्पष्ट बनाएँ, LLM calls से पहले verbose input को compact करें, और उपयोगकर्ता के सटीक इरादे को संरक्षित करें।

arka prompt_optimize "summarize this research paper" --rounds 3 --role "research assistant"
arka "optimize this prompt: explain the experiment and cite assumptions"

Arka bounded refinement passes लागू करता है जो objectives, constraints, missing-information व्यवहार, verification, और output structure को स्पष्ट करते हैं। यह एक मौलिक कार्यान्वयन है, जो Prompt Optimizer द्वारा वर्णित evaluation-oriented workflow से प्रेरित है, जिसका repository AGPL-3.0-only licensed है। कोई source code copy या bundle नहीं किया गया है।

​

Compact intermediate form

Verbose natural-language inputs के लिए, Arka LLM को भेजने से पहले उपयोगकर्ता text को एक compact intermediate representation में भी बदल देता है। मूल text अब भी symbolic routing, security checks, exact-command detection, और audit metadata के लिए उपयोग होता है।

Compact form रखता है:

• high-signal आवश्यकताएँ
• थोड़ा-सा context
• literal URLs, file paths, code blocks, JSON, और shell commands
• anti-hallucination constraints

यह हटाता या compress करता है:

• दोहराए गए वाक्य
• low-signal filler
• अतिरिक्त whitespace

Configuration:

ARKA_PROMPT_OPTIMIZE=1
ARKA_PROMPT_COMPACT=1
ARKA_PROMPT_COMPACT_MIN_CHARS=900
ARKA_PROMPT_COMPACT_MAX_ITEMS=24

जब सटीक शब्दों को मॉडल तक पहुँचाना ज़रूरी हो तो opt out करें:

ARKA_PROMPT_COMPACT=0 arka ask "..."
arka llm complete --system "You are Arka" --user "..." --no-compact

Routing prompts और पहले से compact Task IR: prompts के लिए compaction skip किया जाता है ताकि recursive rewriting से बचा जा सके।