راهنماهای پرامپت
چگونه یک پرامپت هوش مصنوعی روشن و مشخص بنویسیم
اصول پایه یک پرامپت که پاسخی مفید میگیرد: ارائه زمینه، بیان محدودیتها، نام بردن قالب مورد نظر، و افزودن یک مثال. راهنمایی عملی، بدون آمار ساختگی.
همه راهنماهای پرامپت · آخرین بازبینی:
زمینهای را که مدل نمیتواند حدس بزند در اختیارش بگذارید
یک مدل بر اساس چیزی که در گفتگو هست بهعلاوه آنچه در طول آموزش یاد گرفته پاسخ میدهد — مگر اینکه بگویید، نمیداند برای چه کسی مینویسید، قبلاً چه چیزی امتحان کردهاید، یا چرا این کار اهمیت دارد. «این ایمیل را بازنویسی کن» و «این ایمیل را طوری بازنویسی کن که مشتریای که از قبل ناراحت است آن را به عنوان یک عذرخواهی بخواند، نه یک بهانه» همان کار هستند با مقدار متفاوتی از زمینه، و پاسخهای متفاوتی میگیرند. زمینه لازم نیست طولانی باشد؛ باید شامل یک یا دو واقعیتی باشد که نحوه انجام کار توسط یک شخص را تغییر میدهد.
محدودیتها را بیان کنید نه اینکه امیدوار باشید ضمنی فهمیده شوند
محدودیت طول، سطح خوانایی، لحن، چیزی که نباید ذکر شود، مهلتی که پاسخ باید رعایت کند — یک مدل در صورتی محدودیت را اعمال میکند که آن را بیان کنید، در غیر این صورت به یک پیشفرض عمومی که ممکن است مناسب نباشد باز میگردد. «آن را زیر ۱۵۰ کلمه نگه دار» و «از اصطلاحات فنی پرهیز کن» هر دو محدودیتهایی هستند که یک مدل میتواند بهطور قابلاعتماد وقتی صریح بیان شوند دنبال کند؛ هیچکدام چیزی نیست که خودش با ثبات درستی استنباط کند.
قالب خروجیای را که واقعاً میخواهید نام ببرید
یک لیست نقطهای، یک پاراگراف کوتاه، یک جدول، یک موضوع بهعلاوه یک متن — درخواست شکل مورد نظر از قبل، از یک پیام پیگیری برای درخواست تغییر قالب جلوگیری میکند. این موضوع وقتی خروجی باید توسط چیزی غیر از یک انسانِ خواننده تجزیه شود، اهمیت بیشتری پیدا میکند نه کمتر؛ برای آن مورد، به پرامپتنویسی برای خروجی ساختاریافته، که در پایین لینک شده، مراجعه کنید که راهنمای همراه عمیقتر این نکته است.
وقتی توصیف به تنهایی مبهم است، یک مثال اضافه کنید
برخی چیزها نشان دادنشان راحتتر از توصیف کردنشان است — یک سبک نوشتاری خاص، یک لحن، یک قالب مشخص برای یک کار تکرارشونده. یک مثال بهخوبی انتخابشده اغلب ابهامی را برطرف میکند که چند جمله توصیف نمیتواند. برای اینکه چطور از بیش از یک مثال بهطور آگاهانه استفاده کنید، و اینکه چه زمانی ارزش طول اضافه در پرامپت را دارد، به پرامپتنویسی چندمثالی، که در پایین لینک شده، مراجعه کنید.
سوالاتی که مردم میپرسند
- آیا پرامپت طولانیتر همیشه پاسخ بهتری میگیرد؟
- نه — یک پرامپت طولانیتر فقط زمانی کمک میکند که طول اضافه، زمینه، یک محدودیت، یا مثالی باشد که مدل در غیر این صورت آن را نداشت. پر کردن یک پرامپت با دستورالعملهای تکراری یا حشو پاسخ را بهتر نمیکند و میتواند بخشی را که اهمیت داشت زیر خاک کند.
- آیا یک پرامپت روشن مانع اشتباه گرفتن واقعیتها توسط مدل میشود؟
- نه. یک پرامپت روشن احتمال اینکه مدل بفهمد چه چیزی میخواهید را بیشتر میکند، اما واقعیتها را تأیید نمیکند یا توهم را حذف نمیکند — برای اینکه واقعاً چه چیزی این را ایجاد میکند و چرا پرامپتنویسی به تنهایی نمیتواند آن را حل کند، به چرا هوش مصنوعی دچار توهم میشود، که در پایین لینک شده، مراجعه کنید.
- مفیدترین چیز برای افزودن به یک پرامپت مبهم چیست؟
- معمولاً زمینه: یک یا دو واقعیت درباره مخاطب، هدف، یا موقعیتی که یک شخص برای انجام خوب آن کار نیاز دارد. یک محدودیت یا مثال هم کمک میکند، اما اهمیتشان کمتر است اگر مدل هنوز نداند پاسخ برای چه کسی است.
روی یک گفتگوی واقعی تمرین کنید
ClawAI پرامپت شما را برایتان بازنویسی نمیکند، اما یک پرامپت روشنتر با هر مدلی که به آن مسیریابی کنید — از جمله از طریق مسیریابی Auto — بیشتر پیش میرود، چون Auto همچنان بر اساس آنچه واقعاً پرسیدهاید پاسخ میدهد.