كيف تعمل هندسة المطالبات

بسبب الطريقة التي تُدرَّب بها نماذج OpenAI، توجد تنسيقات محددة للمطالبات تعمل جيدًا بشكل خاص وتؤدي إلى مخرجات نموذج أكثر فائدة. يُعد دليل هندسة المطالبات الرسمي من OpenAI عادةً أفضل نقطة للبدء للحصول على نصائح حول كتابة المطالبات.

فيما يلي نعرض عددًا من تنسيقات المطالبات التي وجدنا أنها تعمل جيدًا، لكن لا تتردد في استكشاف تنسيقات مختلفة قد تناسب مهمتك بشكل أفضل.

قواعد عامة وأمثلة

ملاحظة: إن "{text input here}" عنصر نائب للنص/السياق الفعلي

1. استخدم أحدث نموذج

للحصول على أفضل النتائج، نوصي عمومًا باستخدام أحدث النماذج وأكثرها قدرة. تميل النماذج الأحدث إلى أن تكون أسهل في هندسة المطالبات.


ملاحظة: هناك بعض الاختلافات التي يجب مراعاتها عند كتابة مطالبة لنموذج الاستدلال مقارنةً بكتابة مطالبة لنموذج GPT. مزيد من التفاصيل هنا.

2. ضع التعليمات في بداية المطالبة واستخدم ### أو """ للفصل بين التعليمات والسياق

أقل فعالية ❌:

أفضل ✅:

3. كن محددًا ووصفيًا ومفصلًا قدر الإمكان بشأن السياق والنتيجة والطول والتنسيق والأسلوب وما إلى ذلك

كن محددًا بشأن السياق والنتيجة والطول والتنسيق والأسلوب وما إلى ذلك

أقل فعالية ❌:

أفضل ✅:

4. وضّح تنسيق المخرجات المطلوب من خلال الأمثلة

أقل فعالية ❌:

اعرض واشرح - تستجيب النماذج بشكل أفضل عندما تُعرض عليها متطلبات تنسيق محددة. يسهّل هذا أيضًا تحليل مخرجات متعددة برمجيًا وبشكل موثوق.

أفضل ✅:

5. ابدأ بدون أمثلة، ثم بقليل من الأمثلة، وإذا لم ينجح أي منهما، فانتقل إلى الضبط الدقيق

✅ بدون أمثلة

✅ قليل الأمثلة - قدّم مثالين

✅ الضبط الدقيق: اطّلع على أفضل ممارسات الضبط الدقيق هنا.

6. قلّل الأوصاف «الإنشائية» وغير الدقيقة

أقل فعالية ❌:

أفضل ✅:

7. بدلًا من الاكتفاء بقول ما لا ينبغي فعله، قل ما ينبغي فعله بدلًا من ذلك

أقل فعالية ❌:

أفضل ✅:

8. خاص بتوليد الكود - استخدم «كلمات افتتاحية» لتوجيه النموذج نحو نمط معين

أقل فعالية ❌:

في مثال الكود أدناه، تُلمّح إضافة «import» إلى النموذج بأنه ينبغي أن يبدأ الكتابة بلغة Python. (وبالمثل، تُعد «SELECT» تلميحًا جيدًا لبداية عبارة SQL.)

أفضل ✅:

9. استخدم ميزة «إنشاء أي شيء»

يمكن للمطورين استخدام ميزة 'إنشاء أي شيء' لوصف مهمة أو مخرجات متوقعة باللغة الطبيعية وتلقي مطالبة مخصصة.


تعرّف على المزيد حول استخدام ميزة 'إنشاء أي شيء'.

المعلّمات

نجد عمومًا أن النموذج ودرجة الحرارة هما أكثر المعلّمات استخدامًا لتغيير مخرجات النموذج.

1. النموذج - عادةً ما تكون النماذج الأعلى أداءً أكثر تكلفة، وقد يستغرق ظهور نتائجها وقتًا أطول.

2. درجة الحرارة - مقياس لمدى تكرار إخراج النموذج لرمز أقل احتمالًا. كلما ارتفعت درجة الحرارة، زادت عشوائية المخرجات (وإبداعها عادةً). لكن هذا لا يعني بالضرورة أن المخرجات أكثر صدقًا. بالنسبة إلى معظم حالات الاستخدام التي تتطلب معلومات واقعية، مثل استخراج البيانات والإجابة الصادقة عن الأسئلة، يُفضّل ضبط درجة الحرارة على 0.

3. max_completion_tokens (الحد الأقصى للطول) - لا يتحكم في طول المخرجات، بل يضع حدًا نهائيًا صارمًا لتوليد الرموز. من الأفضل ألا تبلغ هذا الحد كثيرًا، إذ سيتوقف نموذجك عندما يرى أنه انتهى، أو عندما يصل إلى تسلسل إيقاف حددته.

4. stop (تسلسلات الإيقاف) - مجموعة من الأحرف (الرموز) يؤدي توليدها إلى إيقاف توليد النص.

للاطّلاع على أوصاف المعلّمات الأخرى، راجع مرجع واجهة API.