Разблокировка эффективного ИИ: 5 экспертных советов по созданию идеальных подсказок для ИИ

С недавних пор инженер по подсказкам Google Ли Бунстра опубликовал белую книгу по инженерии подсказок на 68 страниц, в которой содержится множество советов и стратегий для создания идеальных подсказок для LLM. Хотя статья предназначена для будущих инженеров по подсказкам, мы нашли множество советов, которые могут использовать обычные пользователи в своем повседневном использовании ИИ. Этот пост содержит 5 советов по подсказкам ИИ, которые помогут вам получать лучшие ответы от ИИ-чат-ботов.

1. Держите это просто и по делу

Хотя часто рекламируется возможность общения с LLM на естественном или повседневном языке, это все же делается для того, чтобы сделать продукт привлекательным для обычных людей. Для получения лучших результатов вы должны держать подсказки краткими и понятными, сосредоточившись на глаголах действия. Каждое лишнее слово или сложная фраза, которые вы добавляете, могут привести к неправильному толкованию.

Вместо того чтобы рассказывать ИИ о своей проблеме в формате истории, держите подсказку непосредственно сосредоточенной на ответе, который вам нужен. Вот примеры для лучшего понимания:

Плохая подсказка: В следующем месяце я собираюсь поехать в Токио на пять дней, и мне очень интересно увидеть исторические храмы, но мне также нравятся современные художественные галереи. Я буду останавливаться рядом со станцией Синдзюку и предпочел бы места, где не слишком много людей, так как я легко перегружаюсь.

Хорошая подсказка: Действуй как туристический гид по Токио. Рекомендуй 5 исторических храмов и 3 современные художественные галереи рядом с Синдзюку, избегая больших скоплений людей.

2. Сначала дайте ИИ роль

Для специализированных подсказок лучше сначала сказать ИИ действовать как специалист в конкретной области, например, « действуй как туристический гид » или « ты детский воспитатель ». Поскольку LLM учатся на огромных корпусах текстов, это заставит их закрепиться за конкретной профессией или образом. Модель будет использовать индивидуальный тон и словарный запас, ограничивая себя рамками своей роли, что предотвратит уход от темы.

Вот примеры подсказок:

Плохая подсказка: Создайте план урока о фотосинтезе.

Хорошая подсказка: Вы детский воспитатель. Разработайте 30-минутный план урока о фотосинтезе с увлекательной историей, практическим заданием и тремя простыми вопросами для повторения.

3. Приведите примеры

Когда это возможно, старайтесь давать несколько примеров того, как вы хотите получить результат. Это гарантирует, что модель предоставит именно то, что вам нужно, не отклоняясь от целей. Эти концепции известны как одноразовые подсказки (один пример) и многоразовые подсказки (несколько примеров). Рекомендуется предоставить как минимум три-пять примеров, если это возможно.

Конечно, примеры не нужны для большинства подсказок, но когда вам нужно следовать определенной структуре, они значительно улучшают результаты. Например, если вы загружаете отзывы для понимания настроения, вы можете указать, как именно нужно разделить отзывы, такие как негативные, нейтральные или положительные.

4. Попробуйте подход с обратной подсказкой

Подход с обратной подсказкой означает разделение подсказки на два шага, сначала задавая вопрос на уровне основ, а затем передавая ответ обратно для получения детального ответа. В основном первый вопрос активирует фоновые знания модели по теме, чтобы она дала лучший ответ, когда вы зададите реальный вопрос, используя детали из первой подсказки.

Этот подход лучше, чем прямой запрос ответа, так как он “ побуждает LLM мыслить критически и применять свои знания новыми и креативными способами “.

Чтобы помочь вам лучше понять, ниже мы предлагаем пример, который показывает этот подход в действии:

Первая подсказка: Каковы основные принципы эффективного описания продукта?

После получения ответа используйте вторую подсказку (обратную часть).

Вторая подсказка: Используя эти принципы, напишите описание товара для новых смарт-часов с уделением внимания следующим характеристикам (предоставьте характеристики).

5. Сосредоточьтесь на инструкциях, а не на ограничениях

LLM работают лучше, когда вы инструктируете их «делать что-то», а не говорите им «не делать что-то». Вместо того чтобы сообщать модели, чего ей следует избегать, лучше сказать ей точно, что следует включить. Если вы добавите ограничения в свою подсказку, модель может начать догадываться, что разрешено, и, возможно, ограничит себя больше, чем нужно. Использование прямых инструкций приводит к более креативным ответам.

Хотя в статье действительно говорится, что использование ограничений допустимо, лучше всё же использовать положительные инструкции. Вот пример концепции:

Плохая подсказка: Опишите нашу новую экологически чистую бутылку. Не используйте превосходные степени и не говорите о ее цене.

Хорошая подсказка: Составьте 2-строчное описание товара для нашей экологически чистой бутылки, подчеркивающее ее 48-часовую изоляцию и конструкцию из 100% переработанной стали. Используйте ясный, ориентированный на преимущества язык, не упоминая цену.

Это были некоторые из советов, которые мы нашли полезными для повседневного использования. Тем не менее, существует множество других способов получить лучшие ответы от ИИ, помимо создания лучших подсказок, например, персонализация ИИ.