Техники быстрого проектирования, которые сделают вас экспертом

Представляем репозиторий GitHub, полный горячих советов и инструкций по созданию идеальных подсказок, представленных в коллекции блокнотов Jupiter.

Хотя идея подсказки вместо прямого вопроса может показаться глупой, на самом деле она играет большую роль. Например, если вы используете подсказку типа «Вы эксперт в области компьютерных наук. Расскажите мне, как работает процессор», а не просто спросите „Расскажите мне, как работает процессор“, вы обнаружите, что первый вариант (подсказка) принесет гораздо лучшие результаты, чем прямой вопрос без приукрашивания. Это происходит потому, что в первом случае задается контекст для работы ИИ.

Конечно, чем более продуманной будет подсказка, тем лучше будет результат. Но как создать действительно хорошую подсказку?
Ответ на этот вопрос дает репозиторий Github «Prompt Engineering Techniques», в котором собраны все ноу-хау.

Его целевая аудитория включает в себя как новичков, только начинающих осваиваться, так и опытных практиков GenAI, которые расширяют границы возможного. При этом он не просто предлагает изучить техники, но и показывает, как использовать эти техники в коде, разумеется, на Python, вызывая библиотеку Langchain.

Структура книги построена так, как должен быть построен курс. Вы начинаете с основ и переходите к более сложным техникам. Далее следует краткий обзор.

В основополагающих главах дается полное представление о фундаментальных концепциях разработки подсказок в контексте ИИ и языковых моделей, а также рассматриваются три основные техники: Zero-Shot Prompting, Few-Shot Learning и Chain of Thought (CoT) Prompting.

В главе «Продвинутые стратегии» рассматриваются методы генерации различных путей рассуждений и агрегирования результатов для улучшения ответов, генерируемых ИИ, а также техники установки ограничений для выходных данных модели и реализации генерации на основе правил.

В разделе «Продвинутая реализация» рассматриваются техники разбиения сложных задач на части и выстраивания цепочек подзадач в подсказках или соединения нескольких подсказок, а также техники оптимизации подсказок и способы устранения двусмысленности и повышения ясности.

Также рассматриваются такие специализированные техники, как негативные подсказки и методы предотвращения нежелательных результатов от больших языковых моделей, форматирование подсказок, создание и использование подсказок для конкретных задач, таких как резюмирование текста, ответы на вопросы, генерация кода и творческое письмо.

Наконец, курс завершается рассмотрением некоторых продвинутых приложений:

• Многоязычные и межъязыковые подсказки
• Безопасность и защита подсказок
• Оценка эффективности подсказок

Все собрано в едином репозитории Github в виде коллекции блокнотов Jupiter.

Подводя итог, можно сказать, что в Prompt Engineering Techniques действительно есть все, что нужно, и в то же время она охватывает как новичков, так и промежуточные уровни, повышая их до уровня экспертов. Автор, Нир Диамант, ведет еще два замечательных репозитория по генеративному ИИ: «Техники RAG» и «Агенты GenAI». Обязательно загляните в них.