Nadmiernie nieprecyzyjne instrukcje

Najczęstszym błędem początkujących podczas pisania promptów jest nieprecyzyjność: formułowanie instrukcji tak ogólnych, że model nie może niezawodnie wygenerować tego, czego rzeczywiście potrzeba.

„Napisz coś dobrego o AI.”

Ten prompt nie zawiera żadnych informacji o formacie, odbiorcach, długości, tonie, ujęciu ani celu. Model coś wygeneruje, ale prawdopodobieństwo, że wynik będzie zgodny z zamysłem, jest niewielkie. Nieprecyzyjne prompty prowadzą do niespójnych i trudnych do przewidzenia wyników, które wymagają dużej ilości edycji.

Prompt jest nieprecyzyjny, gdy brakuje w nim co najmniej jednego z wymiarów potrzebnych modelowi do podjęcia właściwej decyzji. Najważniejsze wymiary to:

• Co — konkretny temat lub zadanie
• Kto — docelowi odbiorcy
• Dlaczego — przeznaczenie lub cel
• Jak — format, struktura i styl
• Jak dużo — długość lub zakres

Nie zawsze potrzebne jest wszystkich pięć wymiarów, ale im więcej ich brakuje, tym więcej model musi zgadywać — a zgadywanie wprowadza zmienność.

Przed wysłaniem promptu należy zadać sobie pięć pytań diagnostycznych:

1. O co dokładnie chodzi? (nie tylko „napisz o X” — jaki ma być rodzaj wyniku?)
2. Kim są odbiorcy? (ekspertami w danej dziedzinie? początkującymi? konkretną osobą?)
3. Do czego będzie używany wynik?
4. Jaki format i długość są potrzebne?
5. Czy istnieją jakieś ograniczenia lub kwestie, których należy unikać?

Jeśli nie można odpowiedzieć na większość tych pytań, prompt jest zbyt nieprecyzyjny. Przed wysłaniem należy poświęcić 60 sekund na uzupełnienie odpowiedzi.

Nieprecyzyjnie: „Opowiedz mi o uczeniu maszynowym.”

Konkretnie: „Napisz 200-słowne wyjaśnienie, czym jest uczenie maszynowe, przeznaczone dla nietechnicznego właściciela małej firmy, który rozważa użycie narzędzia AI do obsługi klienta. Użyj codziennego języka, bez terminów technicznych. Skup się na tym, co robi, a nie na jego wewnętrznym działaniu.”

Konkretny wariant przekazuje modelowi wszystkie potrzebne informacje: temat, odbiorców, długość, poziom słownictwa i obszar, na którym należy się skupić. Dzięki temu wynik będzie znacznie bardziej użyteczny już za pierwszym razem.

Wiele nieprecyzyjnych promptów zawiera niedookreślone zadanie — nie jest jasne, jaki rodzaj wyniku ma powstać. „Napisz o zmianach klimatu” może oznaczać:

• Artykuł wyjaśniający oparty na faktach
• Esej perswazyjny
• Wiersz
• Post w mediach społecznościowych
• Analizę ryzyka biznesowego
• Opowiadanie dla dzieci

Wszystkie te wyniki są poprawne w przypadku tego promptu. Gdy rodzaj zadania nie jest określony, model domyślnie wybiera najczęstszy schemat z danych treningowych — zazwyczaj ogólny esej informacyjny, który może nie być tym, czego potrzeba.

Odbiorcy to jeden z wymiarów promptu o największym wpływie na wynik. Ten sam temat należy wyjaśniać zupełnie inaczej różnym odbiorcom:

• „Wyjaśnij działanie sieci neuronowych inżynierowi uczenia maszynowego” → techniczna szczegółowość, specjalistyczna terminologia, przykłady kodu
• „Wyjaśnij działanie sieci neuronowych dwunastolatkowi” → wyjaśnienie oparte na analogiach, bez równań, z konkretnymi przykładami
• „Wyjaśnij działanie sieci neuronowych dyrektorowi ds. marketingu” → wpływ na biznes, a nie mechanika działania, nacisk na ROI

Bez określenia odbiorców model wybiera ich arbitralnie. Ten wybór często nie odpowiada rzeczywistemu zastosowaniu.

Systematyczne podejście do przekształcania nieprecyzyjnych promptów w konkretne polega na użyciu schematu KTO–CO–PO CO–JAK–JAK DUŻO w celu uszczegółowienia każdego wymiaru:

Pewne słowa w promptach są niemal zawsze ogólnikowe i powinny skłonić do sprawdzenia poziomu szczegółowości:

• Dobry — według jakiego standardu? Kto ocenia, że jest dobry?
• Lepszy — od czego?
• Odpowiedni — dla jakiego kontekstu lub odbiorców?
• Profesjonalny — w jakiej branży? Na jakim poziomie formalności?
• Ulepszyć — w jakim wymiarze? Jasności? Długości? Dokładności?
• Interesujący — dla kogo?

Gdy w swoim prompcie zauważy się takie słowa, należy zadać pytanie uzupełniające, które sugerują. Odpowiedź staje się konkretną instrukcją.

Szczegółowość mieści się na pewnej skali — nie zawsze potrzebna jest jej maksymalna wartość. Właściwy poziom zależy od zadania:

• Twórcza eksploracja — mniejsza szczegółowość jest zamierzona. Nieprecyzyjne prompty dają zaskakującą różnorodność.
• Rutynowa produkcja — duża szczegółowość jest potrzebna dla spójności i możliwości ponownego użycia
• Wyszukiwanie informacji — duża szczegółowość pomaga modelowi skupić się na właściwym aspekcie
• Burza mózgów — średnia szczegółowość: należy określić dziedzinę, ale pozostawić pomysły otwarte

Nieprecyzyjność jest błędem, gdy potrzebny jest konkretny wynik. Jest zaletą, gdy pożądana jest większa swoboda twórcza.

Czasem najskuteczniejszym sposobem naprawienia nieprecyzyjnego promptu jest dodanie przykładu oczekiwanego wyniku zamiast próby opisania go słowami:

„Napisz slogan produktu w tym stylu: „Osiągaj więcej, mając mniej”. „Myśl inaczej”. „Po prostu to zrób”.”

Przykłady eliminują potrzebę abstrakcyjnego definiowania pojęć takich jak „zwięzły”, „wyrazisty”, „głos marki” i „zapadający w pamięć”. Model bardziej niezawodnie wyodrębnia wzorzec z przykładów, niż wnioskuje go na podstawie opisów. Przykłady są często najskuteczniejszym dostępnym sposobem doprecyzowania promptu.

Nadmierne uszczegółowienie jest przeciwieństwem nieprecyzyjności. Prompt zawierający 15 bardzo szczegółowych ograniczeń może wygenerować wynik, który technicznie spełnia je wszystkie, ale wydaje się mechaniczny i nietrafiony.

Poziom szczegółowości można dostosować, zadając sobie pytanie: „Co stworzyłaby osoba, która nigdy wcześniej ze mną nie pracowała, po otrzymaniu tego promptu?” Jeśli kompetentna osoba potrafiłaby na jego podstawie stworzyć potrzebny wynik, prompt jest wystarczająco szczegółowy. Jeśli musiałaby zadawać pytania doprecyzowujące, należy dodać do promptu odpowiedzi. Jeśli czułaby się nadmiernie ograniczona, należy usunąć część ograniczeń.

Nieprecyzyjność jest najczęstszym błędem w promptach, ponieważ można szybko napisać ogólnikowy prompt. Ceną za to są niespójne i nieprzewidywalne wyniki, które wymagają dużej ilości edycji.

Rozwiązanie jest systematyczne: należy określić KTO (odbiorców), CO (rodzaj zadania), PO CO (cel), JAK (format i styl) oraz JAK DUŻO (długość). Warto zwracać uwagę na typowe ogólnikowe słowa („dobry”, „lepszy”, „odpowiedni”, „profesjonalny”) i zastępować je konkretnymi odpowiedziami na pytania, które sugerują. Gdy opis słowny nie wystarcza, należy użyć przykładów.

W następnej lekcji omówione zostaną sprzeczne wymagania — problem przeciwny do nieprecyzyjności.