OpenAI's Prompt Engineering Guide: Mastering ChatGPT for Advanced Applications

Forståelse af Prompt Engineering

Hurtig ingeniørarbejde er kunsten og videnskaben med at lave input (prompter) for at få ønskede output fra AI-modeller som ChatGPT. Det er en afgørende færdighed for at maksimere effektiviteten af ​​disse modeller.

ChatGPT, bygget på OpenAI's GPT-3 og GPT-4 arkitekturer, har udviklet sig betydeligt og er blevet mere lydhør og kontekstbevidst. At forstå dens udvikling er nøglen til at mestre hurtig ingeniørarbejde.

Som en dygtig dirigent, der leder et orkester, giver hurtig ingeniørarbejde os mulighed for at dirigere disse modeller til at udføre komplekse opgaver, lige fra at lave detaljerede tekniske dokumenter til at generere kreativt og engagerende indhold. Denne guide vil lede dig gennem strategier og taktikker, der transformerer din interaktion med AI og løfter den fra grundlæggende udvekslinger til nuancerede og meningsfulde samtaler.

Overvej forskellen i at spørge: "Hvordan tilføjer jeg tal i Excel?" versus "Hvordan summerer jeg automatisk en kolonne med dollarbeløb i Excel, med totaler vist til højre i en 'Total'-kolonne?" Sidstnævnte, mere detaljerede prompt, overlader mindre til AI-fortolkning, hvilket fører til et mere præcist og nyttigt svar. På samme måde kan forståelsen af ​​brugen af ​​personas, afgrænsninger og trin-for-trin-instruktioner have en stor indvirkning på AI's outputkvalitet, især til komplekse opgaver.

Denne guide til hurtig ingeniørarbejde vil ikke kun dække de teoretiske aspekter, men også give praktiske, praktiske eksempler. Du lærer, hvordan du effektivt bruger taktikker som at levere referencetekster til at guide AI væk fra fabrikationer, eller hvordan opdeling af komplekse opgaver i enklere underopgaver kan give mere nøjagtige resultater.

1. Klarhed og detaljer

At lave effektive prompter til AI-modeller som GPT-4 kræver en kombination af præcision, kontekst og klarhed. Forskellen mellem en dårligt udformet prompt og en velgennemtænkt kan være forskellen mellem et vagt, generisk svar og et yderst relevant, specifikt svar.

Eksempel 1: Udnyttelse af ChatGPTs sprogforståelse til tekniske forespørgsler

• Ineffektiv prompt: "Hvordan retter jeg en fejl i min kode?"
  • AI udgang: "For at rette en fejl i din kode skal du først identificere fejlen, forstå hvorfor den sker og derefter ændre koden for at rette den."
• Effektiv teknisk forespørgsel: "Jeg koder i Python og får en 'KeyError', når jeg forsøger at få adgang til en ordbog. Kodestykket er: . Hvad forårsager denne fejl, og hvordan kan jeg rette den?"
  • AI udgang: "'KeyError' i din Python-kode skyldes sandsynligvis et forsøg på at få adgang til en nøgle i ordbogen, der ikke eksisterer. Sådan kan du ændre din kode til at håndtere denne fejl: [Modificeret kodestykke med forklaring]."

Eksempel 2: Kreativ skrivning med stilimitation

• Ineffektiv prompt: "Skriv en novelle."
  • AI udgang: "Der var engang, i et fjerntliggende land, et rige, der stod over for en stor fare..."
• Effektiv stilimitationsprompt: "Skriv en novelle i stil med Ernest Hemingway, med fokus på en samtale mellem to gamle venner, der mødes uventet."
  • AI udgang: "Solen bankede ned på den støvede vej, hvor Jack og Tom, to gamle venner, mødtes tilfældigt. 'Det er år siden', sagde Jack, hans stemme så tør som luften. 'År siden krigen', svarede Tom. [Historien fortsætter i Hemingways kortfattede, dialogdrevne stil]."

Eksempel 3: Rejserådgivning

• Ineffektiv prompt: "Hvad skal jeg lave i Paris?"
  • AI udgang: "I Paris kan du besøge vartegn som Eiffeltårnet, Louvre-museet og Notre-Dame-katedralen."
• Effektiv prompt: "Jeg besøger Paris i tre dage denne sommer med fokus på kunst og historie. Kan du foreslå en detaljeret rejseplan?"
  • AI udgang: "Dag 1: Besøg Louvre-museet om morgenen, efterfulgt af en gåtur til Notre-Dame-katedralen. [Mere detaljeret rejseplan følger]."

Indsigt til at lave bedre prompter

1. Specificitet: Vær så specifik som muligt. Jo mere detaljeret din prompt er, jo mere skræddersyet vil svaret være.
2. Kontekstinformation: Inkluder al relevant kontekst. Dette hjælper AI med at forstå den nøjagtige karakter af din anmodning.
3. Klart mål: Angiv klart, hvad du forventer som output. Uanset om det er en opskrift, en rejseplan eller en teknisk løsning, så gør dit mål klart.
4. Undgå tvetydighed: Tvetydige prompter fører til generiske svar. Afklar din anmodning for at få præcise svar.
5. Brug kendte formater: Hvis det er relevant, bede om oplysninger i et bestemt format, såsom en liste, en trin-for-trin guide eller et diagram.

2. Forbedring af AI-svar med reference

Den strategiske brug af referencetekster i prompt engineering kan markant højne kvaliteten og nøjagtigheden af ​​svar fra AI-modeller som GPT-4. Ved at give relevant, pålidelig information sammen med din forespørgsel, kan du guide AI til at sammensætte svar baseret på det givne materiale, hvilket gør svarene mere pålidelige og kontekstuelt nøjagtige.

Eksempel 1: Videnskabelig forklaring

• Konventionel prompt: "Hvordan dannes et sort hul?"
  • AI udgang: "Et sort hul dannes af resterne af en stor stjerne, der dør i en supernovaeksplosion. Hvis kernens masse er tilstrækkelig, kollapser den under sin egen tyngdekraft til et sort hul."
• Forbedret prompt med referencetekst:
  • Referencetekst: "[Videnskabeligt papir om stjernernes udvikling og sorte huller]"
  • Hurtig: "Forklar processen med dannelse af sorte hul ved hjælp af oplysningerne fra det medfølgende videnskabelige papir."
  • AI udgang: "Baseret på det videnskabelige papir, der er leveret, dannes et sort hul, når en massiv stjerne opbruger sit atombrændsel, og dens kerne kollapser. Papirets detaljer: ['Relevante uddrag fra papiret']."

Eksempel 2: Juridisk fortolkning

• Konventionel prompt: "Hvad er de juridiske konsekvenser af tyveri af intellektuel ejendom?"
  • AI udgang: "Tyveri af intellektuel ejendom kan føre til juridiske konsekvenser som retssager, bøder og i alvorlige tilfælde fængsel."
• Forbedret prompt med referencetekst:
  • Referencetekst: "[Juridisk tidsskriftsartikel om intellektuel ejendomsret]"
  • Hurtig: "Forklar de specifikke juridiske konsekvenser af tyveri af intellektuel ejendom ved at henvise til den angivne juridiske tidsskriftsartikel."
  • AI udgang: "Den juridiske tidsskriftsartikel fastslår, at tyveri af intellektuel ejendom kan resultere i civile retssager, lovpligtige skader og potentielle strafferetlige anklager. Specifikt nævner artiklen: ['Direkte citater fra artiklen']."

Indsigt i brug af referencetekster i prompter

1. Vælg relevante tekster: Vælg referencetekster, der er direkte relevante for din forespørgsel.
2. Spørg specifikation: Instruer tydeligt AI'en i at bruge den medfølgende referencetekst til at sammensætte sit svar.
3. Citater: Anmod om, at AI'en citerer specifikke dele af referenceteksten i sit svar for nøjagtighed og verifikation.
4. Håndtering af utilstrækkelig information: Instruer AI'en til tydeligt at angive, hvis den angivne tekst ikke indeholder de nødvendige oplysninger til at besvare spørgsmålet.

3. Forenkling af komplekse opgaver med subtask division

Nøglen til effektivt at håndtere komplekse opgaver med AI-modeller som GPT-4 ligger i at opdele dem i enklere underopgaver. Denne tilgang strømliner ikke kun processen, men forbedrer også nøjagtigheden og relevansen af ​​AI's svar. Nedenfor demonstrerer vi denne strategi gennem specifikke eksempler, der fremhæver fordelene ved at bruge hensigtsklassificering, opsummeringsteknikker og strukturerede samtaler til komplekse forespørgsler.

Eksempel 1: Kundeserviceforespørgsel

• Ineffektiv tilgang: En enkelt meddelelse, der beder om generel assistance.
  • Brugerprompt: "Jeg har problemer med min konto."
  • AI udgang: "Kan du venligst specificere arten af ​​dine kontoproblemer?"
• Effektiv tilgang: Klassificering af forespørgslen i kategorier og yde målrettet assistance.
  • Brugerprompt: "Jeg har problemer med at få adgang til min konto."
  • AI-direktivet: "Klassificer forespørgslen i 'Kontostyring', og giv derefter specifikke trin til fejlfinding af adgangsproblemer."
  • AI udgang: "Det lyder som om du har problemer med at få adgang til din konto. Lad os starte med at nulstille din adgangskode. [Følgt af detaljerede trin]."

Eksempel 2: Lang dokumentopsummering

• Ineffektiv tilgang: Forsøg på at opsummere et langt dokument på én gang.
  • Brugerprompt: "Opsummer denne 300 sider lange bog for mig."
  • AI udgang: "Jeg beklager, men jeg kan ikke behandle dokumenter længere end mit kontekstvindue."
• Effektiv tilgang: Opsummerer dokumentet stykkevis og konstruerer et komplet resumé rekursivt.
  • AI-direktivet: "Opsummer hvert kapitel separat, og lav derefter et resumé af resuméer, fortsæt rekursivt."
  • Brugerprompt: "Opsummer kapitel 1 i denne bog."
  • AI udgang: "Kapitel 1 Resumé: [Kort resumé af kapitel 1]."
  • Fortsat proces: Den samme proces anvendes for hvert kapitel, efterfulgt af et endeligt resumé, der kombinerer alle individuelle resuméer.

Fordele ved Subtask Division og Contextual Prompt Engineering

1. Forøget nøjagtighed: Ved at fokusere på specifikke aspekter af en kompleks opgave kan AI'en give mere præcise og relevante svar.
2. Forbedret effektivitet: Nedbrydning af opgaver gør dem mere overskuelige og reducerer sandsynligheden for fejl eller irrelevante output.
3. Bedre brugeroplevelse: Brugere modtager målrettet trin-for-trin vejledning, som er mere nyttig end generiske svar.
4. Cost-Effectiveness: Mindre, målrettede prompter kan være mere omkostningseffektive sammenlignet med større, mere komplekse prompter.

4. At give GPT tid til at tænke

Strategien med at give modeller tid til at "tænke" og nedbryde komplekse opgaver i håndterbare trin forbedrer kvaliteten af ​​svar fra AI-modeller som GPT-4 markant.

Eksempel 1: Matematikproblemvurdering

• Ineffektiv tilgang: Direkte beder modellen om at evaluere en elevs løsning.
  • Brugerprompt: "Er elevens løsning på dette matematiske problem korrekt?"
  • AI udgang: "Elevens løsning ser ud til at være korrekt/forkert."
• Effektiv tilgang: Instruere modellen om først at udarbejde sin egen løsning, før elevens arbejde evalueres.
  • Brugerprompt: "Løs først dette matematiske problem. Sammenlign derefter din løsning med elevens løsning og vurder dens rigtighed."
  • AI udgang: "Min løsning: [Detaljeret løsning]. Ved at sammenligne med den studerendes løsning fandt jeg en fejl i deres beregning af [specifik del]. Den korrekte tilgang bør være [rigtig metode]."

Eksempel 2: Dokumentanalyse

• Ineffektiv tilgang: Forsøg på at analysere et stort dokument i én forespørgsel.
  • Brugerprompt: "Opsummer nøglepunkterne fra hele dette dokument."
  • AI udgang: "Jeg kan ikke behandle hele dokumentet på grund af dets længde."
• Effektiv tilgang: Sekventiel udtrækning af uddrag og opfølgende forespørgsler til omfattende analyse.
  • Brugerprompt: "Udtræk nøgleuddrag fra dette dokument relateret til [specifikt emne]."
  • AI udgang: "Uddrag 1: [Relevant passage]. Uddrag 2: [En anden relevant passage]."
  • Opfølgende brugerprompt: "Er der mere relevante uddrag? Sørg for, at de indeholder fuld kontekst."
  • AI udgang: "Yderligere uddrag: [Yderligere relevant passage]."

Fordele og indsigt

1. Analysedybde: Ved først at udarbejde løsninger eller analyser kan AI'en give mere præcise og dybdegående evalueringer.
2. Guidet læring: I vejledningsscenarier tilskynder brugen af ​​indre monolog og hints eleverne til at nå frem til løsninger selvstændigt, hvilket forbedrer deres læringsoplevelse.
3. Omfattende dækning: Til dokumentanalyse sikrer sekventielle og rekursive tilgange grundig dækning uden at gå glip af vigtige detaljer.
4. Undgå bias: Ved først at generere sin egen løsning undgår AI bias, der kan opstå ved direkte evaluering af et givet svar.

5. Udnyttelse af eksterne værktøjer

Inkorporering af eksterne værktøjer og ressourcer i AI-interaktioner kan i høj grad forbedre nøjagtigheden og relevansen af ​​de svar, der genereres af modeller som GPT-4. Dette afsnit demonstrerer brugen af ​​indlejringsbaseret søgning til genfinding af viden, kodeudførelse til nøjagtige beregninger og funktionskald for at øge AI-modellernes muligheder.

Eksempel 1: Nøjagtige beregninger med kodeudførelse

• Uden kodeudførelse: Udelukkende afhængig af modellens beregningsevner.
  • Brugerprompt: "Beregn kvadratroden af ​​529."
  • AI udgang: "Kvadratroden af ​​529 er cirka 23."
• Med kodeudførelse: Sikring af præcision i beregninger.
  • Brugerprompt: "Beregn kvadratroden af ​​529."
  • AI-direktivet: "Skriv og udfør Python-kode for at beregne dette."
  • AI udgang"python import math math.sqrt(529) Kvadratroden af ​​529 er præcis 23."

Eksempel 2: Brug af API-kald til dynamiske interaktioner

• Uden API-kald: Begrænset til statiske, forudprogrammerede svar.
  • Brugerprompt: "Send en påmindelse til min ven om vores møde i morgen."
  • AI udgang: "Påmindelse: Glem ikke at sende en besked til din ven om mødet i morgen."
• Med API-opkald: Interagere med eksterne systemer til handlinger i realtid.
  • Brugerprompt: "Send en påmindelse til min ven John om vores møde i morgen."
  • AI-direktivet: "Brug messaging API til at sende en påmindelse."
  • AI udgang"python import message message.write(to='John', message='Hey, remember our meeting tomorrow!')  Påmindelse sendt til John om mødet i morgen."

Fordele og indsigt

1. Udvidet vidensbase: Ved at bruge indlejringsbaseret søgning kan AI få adgang til og inkorporere en bred vifte af opdateret information, hvilket øger relevansen og nøjagtigheden af ​​dens svar.
2. Præcision i beregninger: Kodeudførelse giver AI'en mulighed for at udføre nøjagtige matematiske beregninger, hvilket er særligt nyttigt i tekniske eller videnskabelige sammenhænge.
3. Interaktive muligheder: API-kald gør det muligt for AI at interagere med eksterne systemer, hvilket letter handlinger i den virkelige verden som at sende beskeder eller indstille påmindelser.

6. Systematisk test

Systematisk test, eller evalueringsprocedurer (evals), er afgørende for at bestemme effektiviteten af ​​ændringer i AI-systemer. Denne tilgang involverer sammenligning af modeloutput med et sæt forudbestemte standarder eller "guldstandard"-svar for at vurdere nøjagtigheden.

Eksempel 1: Identifikation af modsigelser i svar

• Testscenarie: Opdagelse af modsigelser i en models svar sammenlignet med ekspertsvar.
  • Systemdirektivet: Bestem, om modellens svar modsiger nogen del af et ekspertsvar.
  • Brugerinput: "Neil Armstrong blev den anden person, der gik på månen, efter Buzz Aldrin."
  • Evalueringsproces: Systemet tjekker for overensstemmelse med ekspertsvaret, der siger, at Neil Armstrong var den første person på månen.
  • Model output: Modellens svar modsiger direkte ekspertsvaret, hvilket indikerer en fejl.

Eksempel 2: Sammenligning af detaljeringsniveauer i svar

• Testscenarie: Vurdere om modellens svar stemmer overens med, overskrider eller mangler ekspertsvaret med hensyn til detaljer.
  • Systemdirektivet: Sammenlign informationsdybden mellem modellens svar og ekspertsvaret.
  • Brugerinput: "Neil Armstrong gik første gang på månen den 21. juli 1969 kl. 02:56 UTC."
  • Evalueringsproces: Systemet vurderer, om modellens svar giver flere, lige eller færre detaljer sammenlignet med ekspertsvaret.
  • Model output: Modellens svar giver yderligere detaljer (det nøjagtige tidspunkt), som stemmer overens med og udvider ekspertsvaret.

Fordele og indsigt

1. Nøjagtighed og pålidelighed: Systematisk test sikrer, at AI-modellens svar er nøjagtige og pålidelige, især når det drejer sig om faktuelle oplysninger.
2. Fejlregistrering: Det hjælper med at identificere fejl, modsigelser eller uoverensstemmelser i modellens svar.
3. Kvalitetssikring: Denne tilgang er afgørende for at opretholde høje kvalitetsstandarder i AI-genereret indhold, især i uddannelsesmæssige, historiske eller andre faktafølsomme sammenhænge.

Konklusion og Takeaway-meddelelse

Gennem de diskuterede eksempler og strategier har vi set, hvordan specificitet i prompter dramatisk kan ændre outputtet, og hvordan opdeling af komplekse opgaver i enklere underopgaver kan gøre skræmmende udfordringer håndterbare. Vi har undersøgt styrken af ​​eksterne værktøjer til at udvide AI-kapaciteter og vigtigheden af ​​systematisk test for at sikre pålideligheden og nøjagtigheden af ​​AI-svar. Besøg OpenAI's prompt ingeniørvejledning for grundlæggende viden, der supplerer vores omfattende udforskning af avancerede teknikker og strategier til optimering af AI-interaktioner.