مهندسی پرامپت

مهندسی پرامپت، کاهش مصرف توکن و آموزش ابزارهای ChatGPT و Gemini.

رفتن به مقاله‌های این دسته ↓

آموزش مهندسی پرامپت؛ درخواست روشن، خروجی قابل ارزیابی

پرامپت خوب از توضیح یک مسئلهٔ واقعی شروع می‌شود: چه ورودی دارید، چه خروجی می‌خواهید و محدودیت‌ها چیست؟ در این دسته هم مبانی نوشتن درخواست را می‌خوانید و هم کاربردهای متن، تصویر و صدا را دنبال می‌کنید. هدف، حفظ‌کردن یک جملهٔ جادویی نیست؛ باید بتوانید درخواست خود را با دیدن خطاهای خروجی اصلاح کنید و روی نمونه‌های مختلف نتیجهٔ قابل اتکا بگیرید.

تمرین پیشنهادی

از یک متن کوتاه، خلاصه‌ای سه‌قسمتی بخواهید: مسئله، شواهد و اقدام بعدی. مشخص کنید اگر شاهدی در متن نیست، مدل آن را نامعلوم اعلام کند. خروجی را با متن اصلی مقایسه کنید و بعد همین دستور را روی متن دیگری اجرا کنید. به جای افزودن صفت‌های بیشتر به پرامپت، خطای مشخص را با مثال و محدودیت روشن اصلاح کنید.

یک پرامپت برای همهٔ مدل‌ها جواب می‌دهد؟

اصلِ روشن‌بودن هدف و ورودی مشترک است، اما رفتار مدل‌ها یکسان نیست. دستورالعمل را روی ابزاری که واقعاً استفاده می‌کنید امتحان کنید و نتیجه را با نمونهٔ مطلوب بسنجید.

پرامپت طولانی‌تر الزاماً بهتر است؟

خیر. جزئیات مرتبط کمک می‌کند، اما متن تکراری یا دستورهای متناقض می‌تواند نتیجه را مبهم کند. هر بخش باید اطلاعاتی بدهد که برای انجام همان کار لازم است.

مقاله‌های مهندسی پرامپت