Приветствую!
Недавно компания OpenAI (создатели ChatGPT) выпустили обучающую статью по использованию их чат-бота. Разработчики собрали все самые нужные промпты(запросы) в одном месте.
В статье рассказываются стратегии и тактики общению с чат-ботом ChatGPT, а именно:
- Как выводить ответ в нужном формате.
- Задать длину ответа.
- Снабдить ответ примерами.
- Заставить подтверждать свои ответы доказательствами и т.д.
Чтобы не быть голословным давайте посмотрим на некоторые тактики, ссылку на оригинальную статью прикреплю в конце статьи.
Напишите четкие инструкции
ChatGPT не умеет читать ваши мысли, и если результаты слишком длинные, попросите сократить ответы. А если результаты слишком просты, попросите написать их на экспертном уровне, например, добавив слово expert, master или что-нибудь похожее.
Если вам не нравится формат ответа, то продемонстрируйте сами тот формат, который вы хотели бы видеть. Чем меньше модели придется гадать, чего вы хотите, тем больше вероятность, что вы это получите.
Тактика:
- Включите детали в свой запрос, чтобы получить более релевантные ответы.
- Попросите модель принять образ.
- Используйте разделители, чтобы четко обозначить отдельные части ввода.
- Укажите шаги, необходимые для выполнения задачи.
- Приведите примеры.
- Укажите желаемую длину вывода.
Предоставьте ссылочный текст
Языковые модели могут без труда создавать недостоверные ответы, особенно когда их консультируют по экзотическим темам или запрашивают цитаты и URL-адреса.
Подобно тому, как шпаргалка может помочь ученику успешно справиться с тестом, предоставление справочного материала для ChatGPT может существенно снизить необходимость в вымысле.
Разделите сложные задачи на более простые подзадачи
В мире разработки программного обеспечения одним из ключевых принципов является разбиение сложных систем на набор более простых и управляемых модулей. Этот принцип применим и в области языковых моделей.
В нашем случае ключевой момент заключается в том, чтобы понимать, что даже самые огромные и сложные задачи могут быть разобраны на более мелкие и управляемые части.
Подобно тому, как результаты выполнения одного модуля программы могут стать входными данными для следующего, сложные задачи могут быть разбиты на серию более мелких задач, взаимосвязанных друг с другом. Такой подход позволяет эффективно управлять процессом исследования и решения сложных задач, минимизируя при этом вероятность ошибок и повышая общую эффективность.
Используйте внешние инструменты
Когда вы работаете с языковыми моделями, важно помнить, что они могут быть не идеальными в решении определенных задач. Однако вы можете компенсировать их недостатки, используя результаты других инструментов.
Например, если вам нужно получить информацию из текстов, система поиска текста, иногда называемая RAG или расширенной генерацией поиска, может помочь вам обнаружить соответствующие документы, которые затем можно использовать в вашей модели. Кроме того, существуют механизмы выполнения кода, такие как Code Interpreter OpenAI, которые могут быть полезны, если ваша модель должна выполнять математические вычисления или запускать код.
Тактика: включите детали в свой запрос, чтобы получить более релевантные ответы.
Рассмотрим на примерах как лучше спрашивать нейросеть.
Вместо:
- Как добавить числа в Excel?
Лучше:
- Как сложить ряд сумм в долларах в Excel? Я хочу сделать это автоматически для всего листа строк, чтобы все итоги оказались справа в столбце «Итого».
Вместо:
- Напишите код для вычисления последовательности Фибоначчи.
Лучше:
- Напишите функцию TypeScript для эффективного вычисления последовательности Фибоначчи. Комментируйте код подробно, чтобы объяснить, что делает каждый фрагмент и почему он написан именно так.
Я обещал ссылку на источник стратегий, вот она: Ссылка
Спасибо, что дочитали до конца! 🙏
Буду рад вашим комментариям🎤, лайкам🧡 и подпискам на мой канал:
Заходите в мою группу в VK и на канал Телеграм: стараюсь публиковать везде разное и не дублировать:
Вам может понравится:
#ai #ИИ #искусственный интеллект #интеллект #нейросети #chatgpt #gpt #нейросеть
