Основные методы составления промптов

На этом уроке мы подробно рассмотрим основные методы, которые делают запросы эффективными. Считайте их строительными блоками ясного общения с большими языковыми моделями (LLM).

Мы разберём, как давать чёткие инструкции, использовать специальные символы, называемые разделителями, а также управлять стилем и длиной ответа модели LLM.

Самое важное правило инженерии запросов — формулировать их предельно ясно. Модели LLM обладают большими возможностями, но буквально следуют Вашим инструкциям. Неоднозначность может привести к неожиданным или неправильным результатам.

• Будьте прямолинейны: Точно формулируйте, чего хотите.
• Избегайте жаргона: Используйте простой язык, если только не требуется конкретный термин.
• Ничего не предполагайте: Не ожидайте, что модель LLM сама догадается о Вашем намерении.

Рассмотрим пример. Расплывчатая инструкция может привести к общему ответу. Точная инструкция направляет модель LLM к результату, который Вам нужен.

Расплывчатый запрос: Write about dogs.
Точный запрос: Write a 3-sentence fun fact about Golden Retrievers, focusing on their friendly nature.

Обратите внимание, как второй запрос уточняет тему, объём и акцент.

При написании инструкций учитывайте следующие моменты, чтобы сделать их эффективными:

• Задача: Что должна сделать модель LLM (например, составить краткое содержание, объяснить или создать)?
• Тема: О чём эта задача?
• Ограничения: Есть ли ограничения (например, по объёму, тону или формату)?
• Цель: Какого результата Вы хотите достичь?

Чем больше деталей Вы предоставите, тем лучше модель LLM сможет оправдать Ваши ожидания.

Иногда запрос должен содержать разные разделы: инструкции, входной текст, примеры и т. д. Разделители — это специальные символы или теги, которые помогают модели LLM понять, где заканчивается один раздел и начинается другой.

Они не дают модели LLM запутаться и неправильно истолковать Ваш запрос, особенно когда Вы предоставляете много информации.

Вот несколько часто используемых разделителей:

• Тройные обратные кавычки: ```
• Тройные кавычки: """
• Теги в стиле XML: <example>, </example>
• Хештеги: ###

Выберите разделитель, который ясно отделяет Ваше содержимое, часто ориентируясь на формат входных данных.

Посмотрим, как тройные обратные кавычки помогают отделить текст, который должна обработать модель LLM, от инструкций:

Summarize the following text in one sentence:
```The sun was setting, casting long shadows across the quiet meadow. A gentle breeze rustled through the tall grass, and the distant sound of crickets filled the air.```

Теперь модель LLM ясно понимает, какая часть является инструкцией, а какая — текстом для составления краткого содержания.

Вы также можете указать модели LLM, как должен быть представлен её результат. Это включает, например:

• Тон: Формальный, неформальный, юмористический, профессиональный.
• Формат: Маркированный список, нумерованный список, абзац, JSON.
• Стиль: Публикация в блоге, электронное письмо, стихотворение, новостная статья.

Явное указание стиля помогает добиться желаемого внешнего вида и соответствия цели созданного контента.

Для многих задач длина ответа имеет большое значение. Вы можете напрямую указать её в запросе:

• «Составьте краткое содержание в трёх предложениях.»
• «Дайте ответ длиной не более 50 слов.»
• «Перечислите 5 ключевых пунктов.»

Это помогает делать ответы краткими и содержательными или, когда необходимо, подробными, предотвращая слишком длинные или слишком короткие результаты.

Пора быстро проверить, что Вы узнали об основных методах составления запросов.

Отличная работа! Вы освоили основы разработки базовых промптов:

• Понятные инструкции: Формулируйте запросы конкретно и прямо.
• Разделители: Используйте такие символы, как ```, чтобы четко отделять разделы промпта друг от друга.
• Управление результатом: Указывайте желаемую длину и стиль ответа LLM.

Эти методы лежат в основе эффективного взаимодействия с LLM. На следующем уроке Вы изучите возможности LLM и научитесь формировать реалистичные ожидания от своих промптов.