0Pricing
MLOps Academy · Aula

Versione prompts e avalie saídas

Acompanhe mudanças nos prompts e atribua pontuações às respostas.

Versione prompts e avalie saídas é uma aula grátis de MLOps Academy no CoddyKit. Esta é a aula 2 de 4. Você pode ler a aula completa abaixo gratuitamente — depois pratica ao vivo no navegador com um editor de código integrado e um tutor de IA 24/7. Faz parte do caminho de aprendizado de MLOps Academy, e seu progresso é sincronizado entre a web e o app CoddyKit. O curso de MLOps Academy inclui 4 aulas no total.

Partes desta aula ainda não foram traduzidas e aparecem em inglês.

Prompts Are Code

A reworded prompt can change behavior overnight. So you treat each prompt as a versioned artifact, with history, review, and the ability to roll back. 📝

Store Prompts, Not Strings

Hard-coded strings scattered in code are impossible to track. Keep prompts in a registry or files so every change is visible and diffable.

prompts/summarize_ticket.v2.txt
prompts/summarize_ticket.v3.txt

Tag Each Version

Give every prompt a clear version id you can pin in code. Then you always know exactly which wording produced a given output.

PROMPT_VERSION = "summarize-v3"
template = load_prompt(PROMPT_VERSION)

Build an Eval Dataset

Collect real inputs with the answers you want. This eval set is your yardstick for judging whether a prompt change actually helped.

cases = [
  {"input": "ticket text...", "expected": "Refund requested"},
]

Score Against References

For tasks with a known answer, compare output to the expected text. A simple metric like exact match or F1 gives you a fast pass-fail signal.

Use an LLM as Judge

For open-ended text, ask another model to grade the answer against a rubric. This LLM-as-judge pattern scales scoring beyond hand-written rules.

judge_prompt = "Rate 1-5 how well the summary captures the ticket:\n{output}"

Watch the Judge Itself

Judges can be biased or inconsistent. You keep them honest by spot-checking scores against a few human ratings on the same cases.

Run Evals on Every Change

Before shipping a new prompt, run it across the whole eval set. You only promote it if the score holds or improves, never on a hunch.

old = run_eval("summarize-v2")
new = run_eval("summarize-v3")
assert new.score >= old.score

Track Regressions

A prompt that fixes one case can break another. Comparing per-case results catches these regressions before users ever see them.

Frameworks Help

Tools like promptfoo or OpenAI Evals run datasets, call models, and report scores for you. A framework turns ad-hoc testing into a repeatable suite.

Pin the Winner

Once a version wins on your evals, pin it in production and archive the rest. You now have a clear, auditable trail from prompt to result.

Quick Check

You need to score open-ended summaries with no single correct answer. What fits best?

Recap

You learned to version prompts, build an eval set, score with metrics or an LLM judge, and gate releases on results. No more guessing! 🎉

Perguntas Frequentes

A aula “Versione prompts e avalie saídas” é grátis?

Sim — o texto completo de “Versione prompts e avalie saídas” é grátis para ler aqui na web. Para praticá-la interativamente (um editor de código integrado e um tutor de IA 24/7) e desbloquear o restante do curso de MLOps Academy, atualize para CoddyKit PRO. O curso de MLOps Academy inclui 4 aulas no total.

O que vou aprender em “Versione prompts e avalie saídas”?

Acompanhe mudanças nos prompts e atribua pontuações às respostas. Você pratica MLOps Academy com código prático que executa diretamente no navegador, e um tutor de IA 24/7 responde suas dúvidas enquanto trabalha na aula.

Preciso ter experiência prévia para começar MLOps Academy?

Nenhuma experiência prévia é necessária. MLOps Academy no CoddyKit é estruturado para alunos iniciantes até avançados, então você pode começar aqui ou desde o início e aprender no seu ritmo. Esta é a aula 2 de 4.

Quanto tempo leva a aula “Versione prompts e avalie saídas”?

A maioria das aulas CoddyKit leva cerca de 5–10 minutos. Cada uma é compacta e interativa, então você faz progresso constante e retoma exatamente de onde parou entre web e app.

Posso escrever e executar código nesta aula de MLOps Academy?

Sim. Cada aula de MLOps Academy inclui um editor de código integrado, então você escreve e executa código real direto no navegador e recebe feedback de IA instantaneamente — nenhuma configuração local necessária.

Todas as aulas deste curso

  1. Como LLMOps difere do MLOps clássico
  2. Versione prompts e avalie saídas
  3. Rastreie e monitore chamadas de LLM
  4. Barreiras de segurança e avaliação de RAG
← Voltar para MLOps Academy