OpenAI tūlītēja inženierijas rokasgrāmata: ChatGPT apguve uzlabotajām lietojumprogrammām

Izpratne par tūlītēju inženieriju

Ātra inženierija ir māksla un zinātne par ievades (uzvedņu) izveidi, lai iegūtu vēlamos rezultātus no AI modeļiem, piemēram, ChatGPT. Tā ir būtiska prasme, lai palielinātu šo modeļu efektivitāti.

ChatGPT, kas veidota uz OpenAI GPT-3 un GPT-4 arhitektūrām, ir ievērojami attīstījusies, kļūstot atsaucīgāka un kontekstu apzinīgāka. Izpratne par tās attīstību ir būtiska, lai apgūtu tūlītēju inženieriju.

Tāpat kā prasmīgs diriģents, kas vada orķestri, operatīva inženierija ļauj mums vadīt šos modeļus sarežģītu uzdevumu veikšanai, sākot no detalizētu tehnisko dokumentu izstrādes līdz radoša un saistoša satura ģenerēšanai. Šajā ceļvedī ir aprakstītas stratēģijas un taktikas, kas pārveido jūsu mijiedarbību ar AI, paceļot to no pamata apmaiņām līdz niansētām un jēgpilnām sarunām.

Apsveriet atšķirību, jautājot: “Kā pievienot skaitļus programmā Excel?” pretstatā “Kā programmā Excel automātiski summēt dolāru summu kolonnu, kur kopsummas tiek parādītas labajā pusē kolonnā “Kopā”?” Pēdējā, detalizētākā uzvedne, atstāj mazāk AI interpretācijas ziņā, tādējādi nodrošinot precīzāku un noderīgāku atbildi. Līdzīgi, izpratne par personu, norobežotāju un soli pa solim sniegto instrukciju izmantošanu var būtiski ietekmēt AI izvades kvalitāti, īpaši sarežģītiem uzdevumiem.

Šī rokasgrāmata par tūlītēju inženieriju ne tikai aptvers teorētiskos aspektus, bet arī sniegs praktiskus, praktiskus piemērus. Jūs uzzināsit, kā efektīvi izmantot taktikas, piemēram, sniegt atsauces tekstus, lai AI novirzītu no izdomājumiem, vai kā sarežģītu uzdevumu sadalīšana vienkāršākos apakšuzdevumos var dot precīzākus rezultātus.

1. Skaidrība un detaļas

Lai izstrādātu efektīvas uzvednes tādiem AI modeļiem kā GPT-4, ir nepieciešama precizitātes, konteksta un skaidrības kombinācija. Atšķirība starp slikti izstrādātu uzvedni un labi pārdomātu var būt atšķirība starp neskaidru, vispārīgu atbildi un ļoti atbilstošu, konkrētu atbildi.

1. piemērs: ChatGPT valodas izpratnes izmantošana tehniskiem vaicājumiem

• Neefektīva uzvedne: “Kā izlabot kļūdu savā kodā?”
  • AI izvade: "Lai labotu kļūdu savā kodā, vispirms ir jāidentificē tā, jāsaprot, kāpēc tā notiek, un pēc tam jāmaina kods, lai to labotu."
• Efektīvs tehniskais vaicājums: “Es kodēju Python un saņemu “KeyError”, mēģinot piekļūt vārdnīcai. Koda fragments ir: . Kas izraisa šo kļūdu un kā es varu to novērst?"
  • AI izvade: ""KeyError" jūsu Python kodā, iespējams, ir saistīts ar mēģinājumu piekļūt vārdnīcas atslēgai, kas neeksistē. Tālāk ir norādīts, kā varat modificēt savu kodu, lai novērstu šo kļūdu: [Modificēts koda fragments ar paskaidrojumu]."

2. piemērs. Radoša rakstīšana ar stila imitāciju

• Neefektīva uzvedne: "Uzrakstiet īsu stāstu."
  • AI izvade: "Reiz tālā zemē bija karaļvalsts, kurai draudēja lielas briesmas..."
• Efektīva stila imitācijas uzvedne: "Uzrakstiet īsu stāstu Ernesta Hemingveja stilā, koncentrējoties uz sarunu starp diviem seniem draugiem, kuri negaidīti satiekas."
  • AI izvade: "Saule uzspīdēja uz putekļaino ceļu, kur nejauši satikās divi veci draugi Džeks un Toms. "Ir pagājuši gadi," Džeks sacīja, viņa balss bija tikpat sausa kā gaiss. "Gadi kopš kara," Toms atbildēja. [Stāsts turpinās Hemingveja lakoniskā, dialoga vadītā stilā]."

3. piemērs: Ceļojuma ieteikumi

• Neefektīva uzvedne: "Kas man jādara Parīzē?"
  • AI izvade: "Parīzē varat apmeklēt tādus orientierus kā Eifeļa tornis, Luvras muzejs un Dievmātes katedrāle."
• Efektīva uzvedne: "Šovasar viesojos Parīzē trīs dienas, koncentrējoties uz mākslu un vēsturi. Vai varat ieteikt detalizētu maršrutu?"
  • AI izvade: "1. diena: no rīta apmeklējiet Luvras muzeju, pēc tam dodieties pastaigā uz Dievmātes katedrāli. [Sīkāks maršruts sekos]."

Ieskats labāku uzvedņu izveidošanai

1. Specifiskums: Esiet pēc iespējas precīzāks. Jo detalizētāka būs jūsu uzvedne, jo pielāgotāka būs atbilde.
2. Kontekstuālā informācija: iekļaujiet visu atbilstošo kontekstu. Tas palīdz AI saprast precīzu jūsu pieprasījuma būtību.
3. Skaidrs mērķis: skaidri norādiet, ko sagaidāt kā rezultātu. Neatkarīgi no tā, vai tā ir recepte, ceļojuma plāns vai tehnisks risinājums, skaidri norādiet savu mērķi.
4. Izvairieties no neskaidrības: neskaidras uzvednes rada vispārīgas atbildes. Precizējiet savu pieprasījumu, lai saņemtu precīzas atbildes.
5. Izmantojiet zināmos formātus: ja piemērojams, pieprasiet informāciju noteiktā formātā, piemēram, sarakstu, detalizētu rokasgrāmatu vai diagrammu.

2. AI atbilžu uzlabošana ar atsauci

Atsauces tekstu stratēģiska izmantošana tūlītējā inženierijā var ievērojami paaugstināt atbilžu kvalitāti un precizitāti no AI modeļiem, piemēram, GPT-4. Sniedzot atbilstošu, uzticamu informāciju līdzās savam vaicājumam, jūs varat palīdzēt AI sastādīt atbildes, pamatojoties uz doto materiālu, padarot atbildes uzticamākas un kontekstuāli precīzākas.

1. piemērs: zinātnisks skaidrojums

• Parastā uzvedne: "Kā veidojas melnais caurums?"
  • AI izvade: "Melnais caurums veidojas no lielas zvaigznes paliekām, kas iet bojā supernovas sprādzienā. Ja kodola masa ir pietiekama, tā savas gravitācijas ietekmē sabrūk melnajā caurumā."
• Uzlabota uzvedne ar atsauces tekstu:
  • Sniegts atsauces teksts: "[Zinātniskais raksts par zvaigžņu evolūciju un melnajiem caurumiem]"
  • ātrs: "Izmantojot informāciju no sniegtā zinātniskā darba, izskaidrojiet melno caurumu veidošanās procesu."
  • AI izvade: "Pamatojoties uz iesniegto zinātnisko rakstu, melnais caurums veidojas, kad masīva zvaigzne iztērē savu kodoldegvielu un tās kodols sabrūk. Sīkāka informācija: ["Attiecīgie izvilkumi no darba"]."

2. piemērs. Juridiskā interpretācija

• Parastā uzvedne: "Kādas ir intelektuālā īpašuma zādzības juridiskās sekas?"
  • AI izvade: "Intelektuālā īpašuma zādzība var izraisīt tādas juridiskas sekas kā tiesas prāvas, naudas sodi un smagos gadījumos ieslodzījums."
• Uzlabota uzvedne ar atsauces tekstu:
  • Sniegts atsauces teksts: "[Juridiskā žurnāla raksts par intelektuālā īpašuma tiesībām]"
  • ātrs: "Atsaucoties uz sniegto juridiskā žurnāla rakstu, paskaidrojiet intelektuālā īpašuma zādzības īpašās juridiskās sekas."
  • AI izvade: "Juridiskā žurnāla rakstā teikts, ka intelektuālā īpašuma zādzība var izraisīt civiltiesvedību, likumā noteiktos zaudējumus un iespējamās kriminālapsūdzības. Konkrēti, rakstā minēts: ["Tiešie citāti no raksta"]."

Ieskats par atsauces tekstu izmantošanu uzvednēs

1. Atlasiet Atbilstošie teksti: izvēlieties atsauces tekstus, kas ir tieši saistīti ar jūsu vaicājumu.
2. Uzvednes specifikācija: skaidri norādiet AI atbildes sastādīšanai izmantot sniegto atsauces tekstu.
3. citāti: pieprasiet, lai mākslīgais intelekts savā atbildē norādītu konkrētas atsauces teksta daļas, lai nodrošinātu precizitāti un pārbaudi.
4. Nepietiekamas informācijas apstrāde: uzdodiet AI skaidri norādīt, ja sniegtajā tekstā nav vajadzīgās informācijas, lai atbildētu uz jautājumu.

3. Sarežģītu uzdevumu vienkāršošana ar apakšuzdevumu iedalījumu

Sarežģītu uzdevumu efektīvas apstrādes atslēga ar AI modeļiem, piemēram, GPT-4, ir to sadalīšana vienkāršākos apakšuzdevumos. Šī pieeja ne tikai racionalizē procesu, bet arī uzlabo AI reakciju precizitāti un atbilstību. Tālāk mēs demonstrējam šo stratēģiju, izmantojot konkrētus piemērus, izceļot priekšrocības, ko sniedz nolūku klasifikācija, kopsavilkuma metodes un strukturētas sarunas sarežģītiem vaicājumiem.

1. piemērs: klientu apkalpošanas vaicājums

• Neefektīva pieeja: viena uzvedne, kurā tiek lūgta vispārēja palīdzība.
  • Lietotāja uzvedne: "Man ir problēmas ar manu kontu."
  • AI izvade: "Vai jūs, lūdzu, varētu precizēt jūsu konta problēmu būtību?"
• Efektīva pieeja: vaicājuma klasificēšana kategorijās un mērķtiecīgas palīdzības sniegšana.
  • Lietotāja uzvedne: "Man ir problēmas ar piekļuvi savam kontam."
  • AI direktīva: "Klasificējiet vaicājumu kategorijā "Konta pārvaldība", pēc tam piedāvājiet konkrētas darbības piekļuves problēmu novēršanai."
  • AI izvade: "Šķiet, ka jums ir problēmas ar piekļuvi savam kontam. Sāksim ar paroles atiestatīšanu. [Seko detalizētas darbības]."

2. piemērs. Garš dokumenta kopsavilkums

• Neefektīva pieeja: mēģinājums vienā piegājienā apkopot garu dokumentu.
  • Lietotāja uzvedne: "Apkopojiet šo 300 lappušu grāmatu man."
  • AI izvade: "Atvainojiet, bet es nevaru apstrādāt dokumentus ilgāk par savu konteksta logu."
• Efektīva pieeja: dokumenta apkopošana pa daļām un pilna kopsavilkuma izveidošana rekursīvi.
  • AI direktīva: "Apkopojiet katru nodaļu atsevišķi, pēc tam izveidojiet kopsavilkumu kopsavilkumu, turpinot rekursīvi."
  • Lietotāja uzvedne: "Apkopojiet šīs grāmatas 1. nodaļu."
  • AI izvade: "1. nodaļas kopsavilkums: [Īss 1. nodaļas kopsavilkums]."
  • Turpināts process: katrai nodaļai tiek piemērots viens un tas pats process, kam seko galīgais kopsavilkums, kurā apvienoti visi atsevišķie kopsavilkumi.

Apakšuzdevumu nodaļas un kontekstuālās tūlītējās inženierijas priekšrocības

1. Paaugstināta precizitāte: koncentrējoties uz specifiskiem sarežģīta uzdevuma aspektiem, AI var sniegt precīzākas un atbilstošākas atbildes.
2. Uzlabota efektivitāte: uzdevumu sadalīšana padara tos vieglāk pārvaldāmus un samazina kļūdu vai neatbilstošu rezultātu iespējamību.
3. Labāka lietotāju pieredze: lietotāji saņem mērķtiecīgus, soli pa solim sniegtus norādījumus, kas ir noderīgāki nekā vispārīgas atbildes.
4. Rentabilitāte: mazākas, mērķtiecīgas uzvednes var būt rentablākas salīdzinājumā ar lielākām, sarežģītākām uzvednēm.

4. GPT laika došana pārdomām

Stratēģija, kas dod modeļiem laiku "domāšanai" un sarežģītu uzdevumu sadalīšanu pārvaldāmās darbībās, ievērojami uzlabo atbilžu kvalitāti no AI modeļiem, piemēram, GPT-4.

1. piemērs: matemātikas uzdevumu novērtējums

• Neefektīva pieeja: tieši lūdzot modelim novērtēt studenta risinājumu.
  • Lietotāja uzvedne: "Vai skolēna risinājums šim matemātikas uzdevumam ir pareizs?"
  • AI izvade: "Skolēna risinājums šķiet pareizs/nepareizs."
• Efektīva pieeja: Uzdod modelim vispirms izstrādāt savu risinājumu, pirms vērtē studenta darbu.
  • Lietotāja uzvedne: "Vispirms atrisiniet šo matemātikas uzdevumu. Pēc tam salīdziniet savu risinājumu ar skolēna risinājumu un novērtējiet tā pareizību."
  • AI izvade: "Mans risinājums: [Detalizēts risinājums]. Salīdzinot ar studenta risinājumu, atradu kļūdu [konkrētās daļas] aprēķinos. Pareizai pieejai jābūt [pareizai metodei]."

2. piemērs: dokumentu analīze

• Neefektīva pieeja: mēģinājums analizēt lielu dokumentu vienā vaicājumā.
  • Lietotāja uzvedne: "Apkopojiet visa šī dokumenta galvenos punktus."
  • AI izvade: "Es nevaru apstrādāt visu dokumentu tā garuma dēļ."
• Efektīva pieeja: secīga izvilkumu un papildu vaicājumu iegūšana visaptverošai analīzei.
  • Lietotāja uzvedne: "Izņemiet galvenos fragmentus no šī dokumenta, kas saistīti ar [konkrētu tēmu]."
  • AI izvade: "1. izvilkums: [attiecīgā rindkopa]. 2. izvilkums: [Cits atbilstošs fragments]."
  • Izpildiet lietotāja uzvedni: "Vai ir atbilstošāki fragmenti? Pārliecinieties, vai tajos ir ietverts pilns konteksts."
  • AI izvade: "Papildu izvilkums: [Cita attiecīga rindkopa]."

Ieguvumi un ieskats

1. Analīzes dziļums: vispirms izstrādājot risinājumus vai analīzi, AI var nodrošināt precīzākus un padziļinātākus novērtējumus.
2. Vadītā mācīšanās: Apmācības scenārijos iekšējā monologa un mājienu izmantošana mudina skolēnus patstāvīgi rast risinājumus, uzlabojot viņu mācīšanās pieredzi.
3. Visaptverošs pārklājums: Dokumentu analīzei secīgās un rekursīvās pieejas nodrošina rūpīgu pārklājumu, nepalaižot garām svarīgas detaļas.
4. Izvairīšanās no aizspriedumiem: vispirms ģenerējot savu risinājumu, AI izvairās no aizspriedumiem, kas varētu rasties, tieši novērtējot doto atbildi.

5. Ārējo rīku izmantošana

Ārēju rīku un resursu iekļaušana AI mijiedarbībā var ievērojami uzlabot tādu modeļu kā GPT-4 radīto atbilžu precizitāti un atbilstību. Šajā sadaļā ir parādīts, kā tiek izmantota uz iegulšanu balstīta meklēšana zināšanu izguvei, koda izpilde precīziem aprēķiniem un funkciju izsaukumi, lai palielinātu AI modeļu iespējas.

1. piemērs. Precīzi aprēķini ar koda izpildi

• Bez koda izpildes: Paļaujoties tikai uz modeļa aprēķinu iespējām.
  • Lietotāja uzvedne: "Aprēķiniet kvadrātsakni no 529."
  • AI izvade: "Kvadrātsakne no 529 ir aptuveni 23."
• Ar koda izpildi: Precizitātes nodrošināšana aprēķinos.
  • Lietotāja uzvedne: "Aprēķiniet kvadrātsakni no 529."
  • AI direktīva: "Rakstiet un izpildiet Python kodu, lai to aprēķinātu."
  • AI izvade"python import math math.sqrt(529) Kvadrātsakne no 529 ir tieši 23.

2. piemērs: API izsaukumu izmantošana dinamiskai mijiedarbībai

• Bez API izsaukumiem: tikai statiskas, iepriekš ieprogrammētas atbildes.
  • Lietotāja uzvedne: "Nosūtiet manam draugam atgādinājumu par mūsu rītdienas tikšanos."
  • AI izvade: "Atgādinājums: neaizmirstiet nosūtīt draugam ziņojumu par rītdienas tikšanos."
• Ar API izsaukumiem: mijiedarbība ar ārējām sistēmām reāllaika darbībām.
  • Lietotāja uzvedne: "Nosūtīt atgādinājumu manam draugam Džonam par mūsu rītdienas tikšanos."
  • AI direktīva: "Izmantojiet ziņojumapmaiņas API, lai nosūtītu atgādinājumu."
  • AI izvade"python import message message.write(to='John', message='Hey, remember our meeting tomorrow!')  Jānim nosūtīts atgādinājums par tikšanos rīt."

Ieguvumi un ieskats

1. Paplašināta zināšanu bāze: izmantojot uz iegulšanu balstītu meklēšanu, AI var piekļūt un iekļaut plašu jaunākās informācijas klāstu, uzlabojot savu atbilžu atbilstību un precizitāti.
2. Precizitāte aprēķinos: koda izpilde ļauj AI veikt precīzus matemātiskos aprēķinus, kas ir īpaši noderīgi tehniskā vai zinātniskā kontekstā.
3. Interaktīvās iespējas: API izsaukumi ļauj AI mijiedarboties ar ārējām sistēmām, atvieglojot reālās darbības, piemēram, ziņojumu sūtīšanu vai atgādinājumu iestatīšanu.

6. Sistemātiska pārbaude

Sistemātiska testēšana jeb novērtēšanas procedūras (evals) ir ļoti svarīgas, lai noteiktu AI sistēmu izmaiņu efektivitāti. Šī pieeja ietver modeļa rezultātu salīdzināšanu ar iepriekš noteiktu standartu kopumu vai "zelta standarta" atbildēm, lai novērtētu precizitāti.

1. piemērs: pretrunu noteikšana atbildēs

• Testēšanas scenārijs: Pretrunu noteikšana modeļa atbildē salīdzinājumā ar ekspertu atbildēm.
  • Sistēmas direktīva: nosakiet, vai modeļa atbilde ir pretrunā kādai eksperta sniegtās atbildes daļai.
  • Lietotāja ievade: "Nīls Ārmstrongs kļuva par otro cilvēku, kurš staigājis uz Mēness pēc Buza Oldrina."
  • Novērtēšanas process: Sistēma pārbauda atbilstību eksperta atbildei, kurā teikts, ka Nīls Ārmstrongs bija pirmais cilvēks uz Mēness.
  • Modeļa izvade: modeļa atbilde ir tiešā pretrunā eksperta atbildei, norādot uz kļūdu.

2. piemērs: Atbilžu detalizācijas līmeņu salīdzināšana

• Testēšanas scenārijs: novērtē, vai modeļa atbilde detalizācijas ziņā sakrīt ar eksperta atbildi, pārsniedz to vai atpaliek no tās.
  • Sistēmas direktīva: salīdziniet informācijas dziļumu starp modeļa atbildi un eksperta atbildi.
  • Lietotāja ievade: "Nīls Ārmstrongs pirmo reizi pastaigājās uz Mēness 21. gada 1969. jūlijā, plkst. 02:56 UTC."
  • Novērtēšanas process: sistēma novērtē, vai modeļa atbilde sniedz vairāk, līdzvērtīgu vai mazāk detalizētu informāciju salīdzinājumā ar eksperta atbildi.
  • Modeļa izvade: modeļa atbilde sniedz papildu informāciju (precīzu laiku), kas sakrīt ar eksperta atbildi un paplašina to.

Ieguvumi un ieskats

1. Precizitāte un uzticamība: Sistemātiska testēšana nodrošina, ka AI modeļa atbildes ir precīzas un uzticamas, jo īpaši, ja tiek izmantota faktiska informācija.
2. Kļūdu noteikšana: palīdz identificēt kļūdas, pretrunas vai neatbilstības modeļa atbildēs.
3. Kvalitātes nodrošināšana: šī pieeja ir būtiska, lai uzturētu augstus kvalitātes standartus mākslīgā intelekta radītā saturā, jo īpaši izglītojošā, vēsturiskā vai citā faktiskā kontekstā.

Secinājums un līdzņemšanas ziņojums

Izmantojot apspriestos piemērus un stratēģijas, mēs esam redzējuši, kā uzvedņu specifika var dramatiski mainīt rezultātu un kā sarežģītu uzdevumu sadalīšana vienkāršākos apakšuzdevumos var padarīt biedējošas problēmas pārvaldāmas. Mēs esam izpētījuši ārējo rīku spēku AI iespēju palielināšanā un sistemātiskas testēšanas nozīmi, lai nodrošinātu AI reakciju uzticamību un precizitāti. Apmeklējums OpenAI tūlītēja inženierijas rokasgrāmata pamatzināšanām, kas papildina mūsu visaptverošo progresīvo paņēmienu un stratēģiju izpēti AI mijiedarbības optimizēšanai.