Prompt Engineering ist die Kunst, die richtige Frage zu stellen, um die richtigen die beste Ausgabe eines LLM. Es ermöglicht die direkte Interaktion mit dem LLM unter Verwendung von Prompts in einfachen Sprachen.
Früher erforderte die Arbeit mit Modellen für maschinelles Lernen Kenntnisse über Datasets, Statistiken und Modellierungstechniken. LLMs können heute "programmiert" auf Englisch und anderen Sprachen.
Ein großartiger Prompt-Engineer zu sein, erfordert keine Programmiererfahrung. Kreativität und Beharrlichkeit wird Ihnen auf Ihrem Weg jedoch große Vorteile bringen. Lesen Sie weiter, um und lernen einige nützliche Prompting-Techniken kennen.
Best Practices für Prompts
Kommunizieren Sie klar, welche Inhalte oder Informationen am wichtigsten sind.
Prompt strukturieren: Definieren Sie zuerst seine Rolle, geben Sie Kontext/Eingabedaten, und geben Sie dann die Anleitung.
Verwenden Sie spezifische, vielfältige Beispiele, um den Fokus des Modells einzugrenzen und genauere Ergebnisse zu erhalten.
Verwenden Sie Einschränkungen, um den Umfang der Modellausgabe einzuschränken. So lässt sich vermeiden, aus den Anweisungen faktenbasierte Ungenauigkeiten zu machen.
Komplexe Aufgaben lassen sich in einfachere Prompts zusammenfassen.
Das Modell anweisen, seine eigenen Antworten vor dem Erstellen zu bewerten oder zu überprüfen . („Beschränken Sie Ihre Antwort auf drei Sätze“, „Bewerten Sie Ihre Arbeit auf einer Skala von 1 bis 10 für Prägnanz“, "Ist das richtig?").
Und vielleicht am wichtigsten:
Sei kreativ! Je kreativer und sind Sie aufgeschlossen, desto besser werden Ihre Ergebnisse. LLMs und Prompt Softwareentwicklung noch in den Kinderschuhen und entwickelt sich jeden Tag weiter.
Aufforderungstypen
Direkte Aufforderung (Zero-Shot)
Direkte Aufforderungen (auch als Zero-Shot bezeichnet) sind die einfachste Art von Prompts. Es liefert keine Beispiele für das Modell, sondern nur die Anweisung. Sie können das Ereignis auch Anweisungen als Frage oder ordnen dem Modell eine „Rolle“ zu, wie im zweiten Beispiel Beispiel unten.
Stellen Sie Folgendes bereit:
- Anleitung
- Etwas Kontext
Ideenfindung:
Prompt: Can you give me a list of ideas for blog posts for tourists visiting
New York City for the first time?
Rollen-Aufforderung:
Prompt: You are a mighty and powerful prompt-generating robot. You need to
understand my goals and objectives and then design a prompt. The prompt should
include all the relevant information context and data that was provided to you.
You must continue asking questions until you are confident that you can produce
the best prompt for the best outcome. Your final prompt must be optimized for
chat interactions. Start by asking me to describe my goal, then continue with
follow-up questions to design the best prompt.
Datenorganisation:
Prompt: Create a four-column spreadsheet of 10 highly-rated science fiction
movies, year of release, average audience rating, and top 3 keywords from
audience reviews.
Make sure to cite the source of the audience rating.
Prompts mit Beispielen (ein-, wenige- und mehrere Aufnahme)
Mit One-Shot-Prompts wird dem Modell ein klares, beschreibendes Beispiel dafür gezeigt, dass sie nachahmen sollen.
Ideenfindung anhand eines Beispiels:
Prompt:
Come up with a list of ideas for blog posts for tourists visiting
New York City for the first time.
1. Fuggedaboutit! Where to Stay in New York City On Your First Visit
Prompts mit wenigen und mehreren Aufnahmen zeigen dem Modell mehr Beispiele dafür, was Sie möchten zu erledigen. Es eignet sich besser als Zero-Shot für komplexere Aufgaben, bei denen Replikation gewünscht ist oder wenn die Ausgabe in einem die schwer zu beschreiben sind.
Sentimentklassifizierung in wenigen Momenten:
Prompt:
Great product, 10/10: Positive
Didn't work very well: Negative
Super helpful, worth it: Positive
It doesn't work!:
Wenn dieser Prompt ausgeführt wird, lautet die Antwort des Modells die Klassifizierung „Es funktioniert nicht Arbeit“ als positiv oder negativ sind, wie in den Beispielen gezeigt.
Reaktionsvorhersage für Emojis in mehreren Aufnahmen:
Prompt: Predict up to 5 emojis as a response to a text chat message. The output
should only include emojis.
input: The new visual design is blowing my mind 🤯
output: ➕,💘, ❤🔥
input: Well that looks great regardless
output: ❤️,🪄
input: Unfortunately this won't work
output: 💔,😔
input: sounds good, I'll look into that
output: 🙏,👍
input: 10hr cut of jeff goldblum laughing URL
output: 😂,💀,⚰️
input: Woo! Launch time!
Hier der gleiche Prozess, aber da der Prompt komplexer ist, wurde das Modell weitere Beispiele zur Simulation.
Chain-of-Thought Prompting
Das LLM wird durch Prompts der Chain of Thought (CoT) dazu ermutigt, seine Begründung zu erläutern. In Kombination mit Prompts mit wenigen Schritten erhalten Sie bei komplexeren Aufgaben bessere Ergebnisse. die vor einer Antwort Begründungen erfordern.
Prompt:
The odd numbers in this group add up to an even number: 4, 8, 9, 15, 12, 2, 1.
A: Adding all the odd numbers (9, 15, 1) gives 25. The answer is False.
The odd numbers in this group add up to an even number: 15, 32, 5, 13, 82, 7, 1.
A:
Zero-Shot-CoT
Wie bereits an den Zero-Shot-Prompt von zuvor und fügt die Anweisung „Gehen wir Schritt für Schritt vor“ hinzu. Das LLM kann aus dieser Anweisung eine Gedankenkette generieren und normalerweise beantworten können. Dies ist ein guter Ansatz, um LLMs dazu zu bringen, z. B. für Textaufgaben.
Prompt:
I went to the market and bought 10 apples. I gave 2 apples to the neighbor and
2 to the repairman. I then went and bought 5 more apples and ate 1. How many
apples was I left with?
Let's think step by step.
Strategien für Prompt-Iteration
Lerne von der Realität des Umschreibens von Prompts für mehrere (möglicherweise Dutzende) von Mal. Hier sind ein paar Ideen, wie Sie Prompts optimieren können, wenn Sie nicht weiterkommen:
Hinweis: Diese Strategien können im Laufe der Zeit nach und nach weniger nützlich oder notwendig werden, wenn Modelle zu verbessern.
Wiederholen Sie Schlüsselwörter, Sätze oder Ideen
Geben Sie das gewünschte Ausgabeformat an (CSV, JSON usw.).
Verwende Großbuchstaben, um wichtige Punkte oder Anweisungen hervorzuheben. Sie können auch versuchen, Übertreibungen oder Übertreibungen Beispiel: „Ihre Erklärung sollte und es ist absolut unmöglich, falsch zu interpretieren. Jedes einzelne Wort muss Klarheit sein!"
Verwenden Sie Synonyme oder alternative Formulierungen. Versuchen Sie beispielsweise, statt „Zusammenfassen“ „tldr“ anhängen Text eingeben). Tauschen Sie Wörter oder Wortgruppen ein und welche besser und welche schlechter sind.
Probieren Sie die Sandwich-Technik mit langen Prompts aus: Fügen Sie dieselbe Anweisung an unterschiedlichen Orten.
Verwenden Sie zur Inspiration eine Prompt-Bibliothek. Prompt Hero und diese Prompt-Galerie sind zwei gute Ausgangspunkte.