Arahan yang Terlalu Kabur
Kegagalan gesaan nombor satu: meminta “sesuatu yang baik” tanpa mentakrifkan maksud baik.
Arahan yang Terlalu Kabur ialah pelajaran Kejuruteraan Arahan AI percuma di CoddyKit. Ini ialah pelajaran 1 daripada 4. Sebanyak 3 pelajaran dalam laluan pembelajaran ini boleh dibaca sepenuhnya secara percuma — selepas itu, CoddyKit PRO membuka akses kepada semua pelajaran, serta latihan praktikal dengan penyunting kod terbina dalam dan tutor kecerdasan buatan yang tersedia 24/7. Pelajaran ini merupakan sebahagian daripada laluan pembelajaran Kejuruteraan Arahan AI, dan kemajuan anda disegerakkan merentas web serta aplikasi CoddyKit. Kursus Kejuruteraan Arahan AI merangkumi sejumlah 4 pelajaran.
Perangkap Kekaburan
Kesilapan gesaan yang paling lazim bagi pemula ialah kekaburan: menulis arahan yang terlalu umum sehingga model tidak dapat menghasilkan perkara yang sebenarnya anda kehendaki secara konsisten.
"Tulis sesuatu yang baik tentang kecerdasan buatan."
Gesaan ini tidak mengandungi maklumat tentang format, khalayak, panjang, nada, sudut pendekatan atau tujuan. Model akan menghasilkan sesuatu — tetapi kebarangkalian hasil itu sepadan dengan perkara yang anda bayangkan adalah rendah. Gesaan yang kabur menghasilkan hasil yang tidak konsisten dan sukar diramal, serta memerlukan banyak penyuntingan.
Apakah yang Menjadikan Sesuatu Gesaan Kabur
Sesuatu gesaan dianggap kabur apabila satu atau lebih aspek yang diperlukan oleh model untuk membuat keputusan yang baik tidak dinyatakan. Aspek utamanya ialah:
- Apakah — topik atau tugas khusus
- Siapa — khalayak sasaran
- Mengapa — tujuan atau matlamat
- Bagaimana — format, struktur dan gaya
- Berapa banyak — panjang atau skop
Anda tidak semestinya memerlukan kelima-lima aspek, tetapi semakin banyak yang tidak dinyatakan, semakin banyak perkara yang perlu diteka oleh model — dan tekaan memperkenalkan kepelbagaian.
Mendiagnosis Kekaburan: Lima Soalan
Sebelum menghantar gesaan, semak gesaan itu berdasarkan lima soalan diagnostik:
- Apakah perkara khusus yang diminta? (bukan sekadar "tulis tentang X" — apakah jenis hasilnya?)
- Siapakah khalayaknya? (pakar bidang? pemula? individu tertentu?)
- Untuk apakah hasil itu akan digunakan?
- Dalam format dan panjang apakah hasil itu diperlukan?
- Adakah sebarang kekangan atau perkara yang perlu dielakkan?
Jika anda tidak dapat menjawab kebanyakan soalan ini, gesaan itu terlalu kabur. Luangkan 60 saat untuk menambahkan jawapannya sebelum menghantar gesaan.
Kabur berbanding Khusus: Perbandingan Berdampingan
Kabur: "Beritahu saya tentang pembelajaran mesin."
Khusus: "Tulis penerangan sepanjang 200 patah perkataan tentang maksud pembelajaran mesin, untuk pemilik perniagaan kecil yang bukan teknikal dan sedang mempertimbangkan sama ada hendak menggunakan alat AI untuk khidmat pelanggan. Gunakan bahasa harian tanpa istilah teknikal. Fokus pada perkara yang dilakukannya, bukan cara ia berfungsi secara dalaman."
Versi khusus memberikan model semua perkara yang diperlukan: topik, khalayak, panjang, tahap kosa kata dan bidang tumpuan. Hasilnya akan jauh lebih berguna sejak percubaan pertama.
Masalah Tugas yang Tidak Diperincikan Secukupnya
Banyak gesaan yang kabur mengalami masalah tugas yang tidak diperincikan secukupnya — jenis hasilnya tidak jelas. "Tulis tentang perubahan iklim" boleh bermaksud:
- Artikel penerangan berasaskan fakta
- Esei persuasif
- Puisi
- Catatan media sosial
- Analisis risiko perniagaan
- Cerita kanak-kanak
Kesemua ini ialah hasil yang sah untuk gesaan tersebut. Apabila jenis tugas tidak dinyatakan, model menggunakan corak yang paling lazim dalam data latihannya secara lalai — biasanya esei maklumat umum, yang mungkin bukan perkara yang anda perlukan.
Masalah Khalayak yang Tidak Dinyatakan
Khalayak ialah salah satu aspek yang paling memberi kesan dalam sesebuah gesaan. Topik yang sama hendaklah diterangkan dengan cara yang sama sekali berbeza untuk khalayak yang berlainan:
- "Terangkan rangkaian neural kepada jurutera pembelajaran mesin" → kedalaman teknikal, istilah khusus dan contoh kod
- "Terangkan rangkaian neural kepada kanak-kanak berumur 12 tahun" → berasaskan analogi, tanpa persamaan dan dengan contoh nyata
- "Terangkan rangkaian neural kepada eksekutif pemasaran" → kesan perniagaan, bukan mekanisme, dengan fokus pada ROI
Tanpa penetapan khalayak, model memilihnya secara sewenang-wenangnya. Pilihan itu selalunya tidak sesuai dengan kes penggunaan sebenar anda.
Membetulkan Kekaburan Secara Sistematik
Pendekatan sistematik untuk menukar gesaan yang kabur kepada gesaan yang khusus ialah menggunakan rangka kerja WHO-WHAT-FOR-HOW-HOW-MUCH untuk mengembangkan setiap aspek:
VAGUE_PROMPT = 'Write something about productivity.'
# Expand each dimension:
who = 'remote software engineers who struggle with context-switching between tasks'
what = 'a practical guide to the Pomodoro Technique'
for_what = 'a company internal newsletter'
how = 'numbered steps, conversational tone, include one counterintuitive tip'
how_much = '250 words'
SPECIFIC_PROMPT = (
f'Write {what} for {who}. '
f'This will appear in {for_what}. '
f'Format: {how}. '
f'Length: {how_much}.'
)
print(SPECIFIC_PROMPT)
# Output: Write a practical guide to the Pomodoro Technique for remote software engineers
# who struggle with context-switching between tasks. This will appear in a company internal
# newsletter. Format: numbered steps, conversational tone, include one counterintuitive tip.
# Length: 250 words.Perkataan Kabur Lazim yang Perlu Diperhatikan
Perkataan tertentu dalam gesaan hampir sentiasa kabur dan sepatutnya mencetuskan semakan kekhususan:
- Baik — baik mengikut piawaian apa? Siapakah yang menilainya sebagai baik?
- Lebih baik — lebih baik berbanding apa?
- Sesuai — sesuai untuk konteks atau khalayak apa?
- Profesional — profesional dalam industri apa? Pada tahap formaliti yang mana?
- Tingkatkan — tingkatkan dari segi apa? Kejelasan? Panjang? Ketepatan?
- Menarik — menarik bagi siapa?
Apabila anda menemukan perkataan ini dalam gesaan sendiri, tanyakan soalan susulan yang tersirat. Jawapannya menjadi arahan khusus.
Spektrum Kekhususan
Kekhususan wujud pada suatu spektrum — anda tidak semestinya memerlukan kekhususan maksimum. Tahap yang sesuai bergantung pada tugas:
- Penerokaan kreatif — kekhususan yang lebih rendah adalah disengajakan. Gesaan yang kabur menghasilkan kepelbagaian yang mengejutkan.
- Penghasilan rutin — kekhususan yang tinggi diperlukan untuk konsistensi dan penggunaan semula
- Mendapatkan fakta — kekhususan yang tinggi membantu model menumpukan perhatian pada aspek yang betul
- Sumbang saran — kekhususan sederhana: tentukan bidang, tetapi biarkan idea terbuka
Kekaburan ialah kesilapan apabila anda memerlukan hasil khusus. Kekaburan menjadi ciri yang berguna apabila anda mahukan julat kreatif.
Menggunakan Contoh Hasil untuk Menggantikan Arahan Kabur
Kadangkala cara paling berkesan untuk membetulkan gesaan yang kabur ialah menambahkan contoh hasil yang anda kehendaki, bukannya cuba menerangkannya dengan perkataan:
"Tulis slogan produk dalam gaya ini: 'Buat lebih banyak dengan lebih sedikit.' 'Berfikirlah secara berbeza.' 'Lakukan sahaja.'"
Contoh-contoh ini menggantikan keperluan untuk mentakrifkan 'ringkas', 'bertenaga', 'suara jenama' dan 'mudah diingati' secara abstrak. Model mengekstrak corak daripada contoh dengan lebih konsisten berbanding membuat kesimpulan daripada penerang. Contoh selalunya merupakan pembaikan kekhususan yang paling berkesan.
Penentukuran Kekhususan: Tidak Terlalu Sedikit, Tidak Terlalu Banyak
Perincian berlebihan ialah kesilapan yang bertentangan dengan kekaburan. Gesaan dengan 15 kekangan yang sangat khusus mungkin menghasilkan hasil yang secara teknikalnya memenuhi semua keperluan, tetapi terasa mekanikal dan tidak tepat.
Buat penentukuran dengan bertanya: "Jika saya memberikan gesaan ini kepada seseorang yang tidak pernah bekerja dengan saya, apakah yang akan dihasilkannya?" Jika seseorang yang cekap boleh menghasilkan perkara yang anda perlukan berdasarkan gesaan itu, maka gesaan tersebut cukup khusus. Jika dia perlu bertanya soalan penjelasan, tambahkan jawapannya pada gesaan. Jika dia berasa terlalu dikekang, kurangkan sebahagian kekangan.
Semakan Pengetahuan: Mengenal Pasti Kekaburan
Susun empat gesaan ini daripada yang paling kabur kepada yang paling khusus:
(A) "Tulis tentang kepimpinan."
(B) "Tulis artikel sepanjang 300 patah perkataan tentang kepimpinan berkhidmat untuk pengurus yang baru pertama kali memegang jawatan di syarikat pemula teknologi, dengan fokus pada tiga tingkah laku khusus yang boleh diamalkan dalam 30 hari pertama mereka."
(C) "Tulis artikel tentang kepimpinan yang baik."
(D) "Tulis artikel tentang gaya kepimpinan untuk pengurus."
Imbas Kembali: Arahan yang Terlalu Kabur
Kekaburan ialah kesilapan gesaan yang paling lazim kerana gesaan yang kabur mudah ditulis dengan cepat. Kosnya ialah hasil yang tidak konsisten dan tidak dapat diramal, serta memerlukan banyak penyuntingan.
Penyelesaiannya adalah sistematik: nyatakan WHO (khalayak), WHAT (jenis tugas), FOR (tujuan), HOW (format dan gaya) serta HOW MUCH (panjang). Beri perhatian kepada perkataan kabur yang lazim (baik, lebih baik, sesuai, profesional) dan gantikannya dengan jawapan khusus kepada soalan yang tersirat di sebaliknya. Apabila penerangan tidak memadai, gunakan contoh.
Dalam pelajaran seterusnya, anda akan menangani keperluan yang bercanggah — masalah yang bertentangan dengan kekaburan.
Pelajari Kejuruteraan Arahan AI dengan tutor kecerdasan buatan — percuma
Tulis dan jalankan kod sebenar dalam pelayar anda, dapatkan bantuan segera daripada tutor kecerdasan buatan yang tersedia 24/7, dan sambung semula dari tempat anda berhenti di web atau dalam aplikasi.
- Kursus
- 53
- Pelajaran
- 199
Soalan Lazim
Adakah pelajaran “Arahan yang Terlalu Kabur” percuma?
Ya — sebanyak 3 pelajaran dalam laluan pembelajaran Kejuruteraan Arahan AI, termasuk “Arahan yang Terlalu Kabur”, boleh dibaca sepenuhnya secara percuma di web ini. Selepas itu, CoddyKit PRO membuka akses kepada semua pelajaran, serta latihan interaktif dengan penyunting kod terbina dalam dan tutor kecerdasan buatan yang tersedia 24/7. Kursus Kejuruteraan Arahan AI merangkumi sejumlah 4 pelajaran.
Apakah yang akan saya pelajari dalam “Arahan yang Terlalu Kabur”?
Kegagalan gesaan nombor satu: meminta “sesuatu yang baik” tanpa mentakrifkan maksud baik. Anda berlatih Kejuruteraan Arahan AI menggunakan kod praktikal yang dijalankan terus dalam pelayar, manakala tutor kecerdasan buatan 24/7 menjawab soalan anda semasa anda mengikuti pelajaran.
Adakah saya memerlukan pengalaman untuk memulakan Kejuruteraan Arahan AI?
Tiada pengalaman terdahulu diperlukan. Pembelajaran Kejuruteraan Arahan AI di CoddyKit disusun untuk pelajar daripada peringkat pemula hingga lanjutan, jadi anda boleh bermula di sini atau dari awal dan belajar mengikut kadar anda sendiri. Ini ialah pelajaran 1 daripada 4.
Berapa lamakah pelajaran “Arahan yang Terlalu Kabur” diambil?
Kebanyakan pelajaran CoddyKit mengambil masa kira-kira 5–10 minit. Setiap pelajaran ringkas dan interaktif, jadi anda boleh membuat kemajuan secara berterusan dan menyambung tepat dari tempat anda berhenti di web atau aplikasi.
Bolehkah saya menulis dan menjalankan kod dalam pelajaran Kejuruteraan Arahan AI ini?
Ya. Setiap pelajaran Kejuruteraan Arahan AI menyertakan penyunting kod terbina dalam, jadi anda boleh menulis dan menjalankan kod sebenar terus dalam pelayar serta menerima maklum balas kecerdasan buatan serta-merta — tanpa memerlukan persediaan setempat.
Semua pelajaran dalam kursus ini
- Arahan yang Terlalu Kabur
- Keperluan yang Bercanggah
- Ralat Konteks yang Hilang
- Mendiagnosis dan Membaiki Gesaan yang Lemah