OpenAI
Tämä sivu on konekäännetty. Katso alkuperäinen englanninkielinen artikkeli.

Kehotemuotoilun parhaat käytännöt OpenAI API:n kanssa

Kuinka antaa OpenAI-malleille selkeitä ja tehokkaita ohjeita

Päivitetty: 3 days ago

Näin kehotemuotoilu toimii

OpenAI:n mallit on koulutettu tietyllä tavalla, joten tietyt kehotemuodot toimivat erityisen hyvin ja johtavat hyödyllisempiin mallin tuottamiin tuloksiin.

OpenAI:n virallinen kehotemuotoiluopas on yleensä paras paikka aloittaa, kun etsit vinkkejä kehotteiden kirjoittamiseen.

Alla esittelemme useita kehotemuotoja, joiden olemme todenneet toimivan hyvin, mutta voit vapaasti kokeilla myös muita muotoja, jotka saattavat sopia tehtävääsi paremmin.

Nyrkkisääntöjä ja esimerkkejä

Huom.: "{text input here}" on paikkamerkki varsinaiselle tekstille tai kontekstille

1. Käytä uusinta mallia

Parhaiden tulosten saavuttamiseksi suosittelemme yleensä käyttämään uusimpia ja suorituskykyisimpiä malleja. Uudemmille malleille on yleensä helpompi tehdä kehotemuotoilua.


Huom.: Kehotteen kirjoittamisessa Päättelymallille ja GPT-mallille on joitakin huomioitavia eroja. Lisätietoja täällä.

2. Sijoita ohjeet kehotteen alkuun ja käytä ### tai """ erottamaan ohje ja konteksti

Vähemmän tehokas ❌:

Tee alla olevasta tekstistä luettelomuotoinen yhteenveto tärkeimmistä kohdista.

{text input here}

Parempi ✅:

Tee alla olevasta tekstistä luettelomuotoinen yhteenveto tärkeimmistä kohdista.

Teksti: """
{text input here}
"""

3. Ole täsmällinen, kuvaileva ja mahdollisimman yksityiskohtainen halutun kontekstin, lopputuloksen, pituuden, muodon, tyylin jne. suhteen

Ole täsmällinen kontekstin, lopputuloksen, pituuden, muodon, tyylin jne. suhteen

Vähemmän tehokas ❌:

Kirjoita runo OpenAI:sta. 

Parempi ✅:

Kirjoita lyhyt inspiroiva runo OpenAI:sta keskittyen DALL-E-tuotteen viimeaikaiseen julkaisuun (DALL-E on tekstistä kuvaksi toimiva ML-malli) tyylillä {famous poet}

4. Ilmaise haluttu tulostusmuoto esimerkkien avulla

Vähemmän tehokas ❌:

Poimi alla olevasta tekstistä mainitut entiteetit. Poimi seuraavat 4 entiteettityyppiä: yritysten nimet, henkilöiden nimet, tarkat aiheet ja teemat.

Teksti: {text}

Näytä ja kerro – mallit vastaavat paremmin, kun niille näytetään tarkat muotovaatimukset. Tämä helpottaa myös useiden tulosten luotettavaa jäsentämistä ohjelmallisesti.

Parempi ✅:

Poimi alla olevasta tekstistä tärkeät entiteetit. Poimi ensin kaikki yritysten nimet, sitten kaikkien henkilöiden nimet, sitten sisältöön sopivat tarkat aiheet ja lopuksi yleiset kattoteemat

Haluttu muoto:
Yritysten nimet: <pilkuilla_eroteltu_lista_yritysten_nimistä>
Henkilöiden nimet: -||-
Tarkat aiheet: -||-
Yleiset teemat: -||-

Teksti: {text}

5. Aloita nollalla esimerkillä opettamisesta, sitten muutamalla esimerkillä opettamisesta, ja jos kumpikaan ei toimi, hienosäädä

✅ Nollalla esimerkillä opettaminen

Poimi avainsanat alla olevasta tekstistä.

Teksti: {text}

Avainsanat:

✅ Muutamalla esimerkillä opettaminen - anna pari esimerkkiä

Poimi avainsanat alla olevista teksteistä.

Teksti 1: Stripe tarjoaa rajapintoja, joita web-kehittäjät voivat käyttää integroidakseen maksujen käsittelyn verkkosivustoihinsa ja mobiilisovelluksiinsa.
Avainsanat 1: Stripe, maksujen käsittely, rajapinnat, web-kehittäjät, verkkosivustot, mobiilisovellukset
##
Teksti 2: OpenAI on kouluttanut huipputason kielimalleja, jotka ovat erittäin hyviä ymmärtämään ja tuottamaan tekstiä. API:mme tarjoaa pääsyn näihin malleihin, ja sitä voidaan käyttää lähes minkä tahansa kielen käsittelyyn liittyvän tehtävän ratkaisemiseen.
Avainsanat 2: OpenAI, kielimallit, tekstin käsittely, API.
##
Teksti 3: {text}
Avainsanat 3:

✅ Hienosäätö: katso hienosäädön parhaat käytännöt täältä.

6. Vähennä ”koristeellisia” ja epätarkkoja kuvauksia

Vähemmän tehokas ❌:

Tämän tuotteen kuvauksen tulisi olla melko lyhyt, vain muutama lause, eikä juuri sen enempää.

Parempi ✅:

Kuvaile tätä tuotetta 3–5 lauseen kappaleessa.

7. Sen sijaan, että sanot vain mitä ei pidä tehdä, kerro mitä pitää tehdä sen sijaan

Vähemmän tehokas ❌:

Seuraava on keskustelu agentin ja asiakkaan välillä. ÄLÄ KYSY KÄYTTÄJÄNIMEÄ TAI SALASANAA. ÄLÄ TOISTA.

Asiakas: En pysty kirjautumaan tililleni.
Agentti:

Parempi ✅:

Seuraava on keskustelu agentin ja asiakkaan välillä. agentti yrittää diagnosoida ongelman ja ehdottaa ratkaisua välttäen samalla esittämästä henkilötietoihin liittyviä kysymyksiä. Sen sijaan, että pyytäisit henkilötietoja, kuten käyttäjänimeä tai salasanaa, ohjaa käyttäjä ohjeartikkeliin www.samplewebsite.com/help/faq

Asiakas: En pysty kirjautumaan tililleni.
Agentti:

8. Koodin generoinnin erityisohje – käytä ”aloitussanoja” ohjaamaan malli kohti tiettyä rakennetta

Vähemmän tehokas ❌:

# Kirjoita yksinkertainen python-funktio, joka
# 1. Kysyy minulta luvun maileina
# 2. Muuntaa mailit kilometreiksi

Alla olevassa koodiesimerkissä sanan ”import” lisääminen vihjaa mallille, että sen pitäisi aloittaa kirjoittaminen Pythonilla. (Samoin ”SELECT” on hyvä vihje SQL-lauseen alkuun.)

Parempi ✅:

# Kirjoita yksinkertainen python-funktio, joka
# 1. Kysyy minulta luvun maileina
# 2. Muuntaa mailit kilometreiksi

import

9. Käytä Generate Anything -ominaisuutta

Kehittäjät voivat käyttää Generate Anything -ominaisuutta kuvaamaan tehtävää tai odotettua luonnollisen kielen tulosta ja saada räätälöidyn kehotteen.

Lue lisää Generate Anything -ominaisuuden käytöstä.

Parametrit

Yleisesti ottaen havaitsemme, että model ja temperature ovat yleisimmin käytettyjä parametreja mallin tulosteen muuttamiseen.

  1. model - Suorituskykyisemmät mallit ovat yleensä kalliimpia, ja niillä voi olla suurempi viive.

  2. temperature - Mittari sille, kuinka usein malli tuottaa vähemmän todennäköisen tokenin. Mitä korkeampi temperature, sitä satunnaisempi (ja yleensä luovempi) tuloste on. Tämä ei kuitenkaan ole sama asia kuin ”totuudenmukaisuus”. Useimmissa faktapohjaisissa käyttötapauksissa, kuten tiedonpoiminnassa ja totuudenmukaisissa kysymys-vastaus-tehtävissä, temperature-arvo 0 on paras.

  3. max_completion_tokens (enimmäispituus) - Ei säädä tulosteen pituutta, vaan toimii tokenien generoinnin kovana katkaisurajana. Ihannetapauksessa tähän rajaan ei törmätä usein, koska malli pysähtyy joko silloin, kun se arvioi olevansa valmis, tai kun se saavuttaa määrittelemäsi pysäytyssekvenssin.

  4. stop (pysäytyssekvenssit) - Merkkijoukko (tokenit), jonka generoiminen saa tekstin generoinnin pysähtymään.

Muiden parametrien kuvaukset löydät API-viitteestä.

Oliko tästä artikkelista apua?