プロンプト エンジニアリングとは、正しい質問を投げかけることで 生成 AI です。LLM との直接的なやり取りを可能にし、 プロンプトのみを作成します。
これまで、ML モデルを操作するには、多くの場合、ディープ ラーニングの データセット、統計、モデリング手法に関する知識現在では、LLM は 「プログラム済み」英語で、 その他の言語
をご覧ください。優れたプロンプト エンジニアになるには、コーディングの経験は必要ありません。創造性と しかし、マルウェアの自動実行・常駐化は、攻撃活動に大きなメリットをもたらします。続きを読む 有用なプロンプト手法について学習します。
プロンプトのベスト プラクティス
最も重要なコンテンツや情報を明確に伝えます。
プロンプトを構造化する: まずロールを定義し、コンテキスト/入力データを提供します。 指示を与えます。
具体的で多様な例を使用して、モデルが焦点を絞り込んで生成するのを助ける より正確な結果を得られます。
制約を使用して、モデルの出力のスコープを制限する。これにより、 指示から逸脱して不正確な情報に変えることです。
複雑なタスクを簡単なプロンプトのシーケンスに分割する。
生成する前に独自のレスポンスを評価または確認するようにモデルに指示します できます。（「回答は 3 文以内にしてください」、「 「これは正しいと思いますか？」など）。
そしておそらく最も重要なもの:
創造力を発揮する。クリエイティブで オープンマインドであるほど、良い結果が得られます。LLM とプロンプト 進化を続けています
プロンプトの種類
直接プロンプト（ゼロショット）
直接プロンプト（ゼロショットとも呼ばれます）は、最もシンプルなタイプのプロンプトです。これは、 例は示さず、指示だけです。また、 モデルに「ロール」を割り当てます。2 つ目の表は、 見てみましょう。
以下が提供されます。
- 手順
- ある程度のコンテキスト
アイデアの創出:
Prompt: Can you give me a list of ideas for blog posts for tourists visiting
New York City for the first time?
ロール プロンプト:
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.
データの編成:
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.
例によるプロンプト（ワンショット、少数ショット、マルチショット）
ワンショット プロンプトは、モデルにわかりやすい説明例を示します。 それを真似したいとします
一つの例を使用したアイデアの生成:
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
少数ショット プロンプトとマルチショット プロンプトで、求めている対象についてより多くの例をモデルに示す できます。パターンが複雑なタスクには、ゼロショットよりも効果的 レプリケーションが必要な場合、または出力を 1 つのファイルに 説明しづらい具体的な表現です。
少数ショット感情分類:
Prompt:
Great product, 10/10: Positive
Didn't work very well: Negative
Super helpful, worth it: Positive
It doesn't work!:
このプロンプトを実行すると、モデルの応答は、「 「仕事」例に示すように、正または負の値です。
マルチショットの絵文字レスポンスの予測機能:
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!
プロセスも同じですが、プロンプトが複雑なため、モデルを エミュレートする例が増えます。
Chain-of-Thought プロンプト
Chain-of-Thought（CoT）プロンプトは、LLM にその推論を説明するよう促します。 少数ショット プロンプトと組み合わせて、より複雑なタスクでより良い結果を得る 回答する前に推論が必要な質問などです
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:
ゼロショット CoT
先ほどのゼロショット プロンプトを思い出すと、このアプローチではゼロショット プロンプトを 「順を追って考えてみましょう」という指示を追加します。LLM は次のタスクを実行できます。 思考の連鎖を生成し、通常はより正確な 得られません。これは、LLM に正しい生成方法を教えるための優れたアプローチです。 質問の答えを見つけることもできます。
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.
プロンプトの反復処理に関する戦略
何十個ものプロンプトを書き換えるという現実を愛することを学びましょう。 あります。行き詰まった場合にプロンプトを改良するためのアイデアをいくつかご紹介します。
注: これらの戦略は、時間の経過とともに、 向上します
キーワード、フレーズ、アイデアを繰り返す
希望する出力形式（CSV、JSON など）を指定します。
重要な点や指示を強調する場合は、すべて大文字にします。こちらもお試しください 誇張や誇張表現例: 「説明は 誤解することはあり得ません一語ひとつが、はっきりと見えていかなければなりません。」
類義語や別の言い回しを使用してください（例: 「要約」ではなく、 「tldr」を追加渡されます。別の単語やフレーズと置き換えて、 どちらが効果的でどれが劣っているかを文書化します。
長いプロンプトでサンドイッチ手法を試してみましょう。同じ文を できます。
プロンプト ライブラリを使用してインスピレーションを得る。プロンプト ヒーロー およびこのプロンプト ギャラリー まずは 2 つです