પ્રોમ્પ્ટ એન્જિનિયરિંગ કેવી રીતે કાર્ય કરે છે
OpenAI મોડલને જે રીતે તાલીમ આપવામાં આવે છે તેના કારણે, કેટલાક ચોક્કસ પ્રોમ્પ્ટ ફોર્મેટ્સ ખાસ કરીને સારી રીતે કામ કરે છે અને વધુ ઉપયોગી મોડલ આઉટપુટ આપે છે. પ્રોમ્પ્ટિંગ ટિપ્સ માટે સામાન્ય રીતે OpenAIની અધિકૃત પ્રોમ્પ્ટ એન્જિનિયરિંગ માર્ગદર્શિકાથી શરૂઆત કરવી શ્રેષ્ઠ છે.
નીચે અમે અમને સારી રીતે કામ કરતા જણાતા કેટલાક પ્રોમ્પ્ટ ફોર્મેટ્સ રજૂ કરીએ છીએ, પરંતુ તમારી કામગીરીને વધુ અનુકૂળ હોય તેવા અન્ય ફોર્મેટ્સ પણ નિઃસંકોચ અજમાવો.
મૂળભૂત નિયમો અને ઉદાહરણો
નોંધ: “{text input here}” વાસ્તવિક ટેક્સ્ટ/સંદર્ભ માટેનું પ્લેસહોલ્ડર છે
1. નવીનતમ મોડલનો ઉપયોગ કરો
શ્રેષ્ઠ પરિણામો માટે, અમે સામાન્ય રીતે નવીનતમ અને સૌથી સક્ષમ મોડલનો ઉપયોગ કરવાની ભલામણ કરીએ છીએ. નવા મોડલ માટે પ્રોમ્પ્ટ એન્જિનિયરિંગ કરવું સામાન્ય રીતે વધુ સરળ હોય છે.
નોંધ: রিজনিং মডেলને પ્રોમ્પ્ટ કરતી વખતે અને GPT મોડલને પ્રોમ્પ્ટ કરતી વખતે ધ્યાનમાં લેવા જેવી કેટલીક ભિન્નતાઓ છે. વધુ વિગતો અહીં.
2. સૂચનાઓને પ્રોમ્પ્ટની શરૂઆતમાં મૂકો અને સૂચના તથા સંદર્ભને અલગ કરવા માટે ### અથવા """ વાપરો
ઓછું અસરકારક ❌:
નીચેના લખાણનો સૌથી મહત્વના મુદ્દાઓની બુલેટ પોઇન્ટ સૂચિ તરીકે સારાંશ આપો.
{text input here}વધુ સારું ✅:
નીચેના લખાણનો સૌથી મહત્વના મુદ્દાઓની બુલેટ પોઇન્ટ સૂચિ તરીકે સારાંશ આપો.
લખાણ: """
{text input here}
"""3. ઇચ્છિત સંદર્ભ, પરિણામ, લંબાઈ, ફોર્મેટ, શૈલી વગેરે વિશે શક્ય એટલા ચોક્કસ, વર્ણનાત્મક અને વિગતવાર બનો
સંદર્ભ, પરિણામ, લંબાઈ, ફોર્મેટ, શૈલી વગેરે વિશે ચોક્કસ બનો
ઓછું અસરકારક ❌:
OpenAI વિશે એક કવિતા લખો. વધુ સારું ✅:
{famous poet} ની શૈલીમાં OpenAI વિશે ટૂંકી પ્રેરણાદાયી કવિતા લખો, જેમાં તાજેતરના DALL-E પ્રોડક્ટ લોન્ચ પર ધ્યાન કેન્દ્રિત હોય (DALL-E એ text to image ML મોડલ છે)4. ઉદાહરણો દ્વારા ઇચ્છિત આઉટપુટ ફોર્મેટ સ્પષ્ટ કરો
ઓછું અસરકારક ❌:
નીચેના લખાણમાં ઉલ્લેખિત એન્ટિટીઓ બહાર કાઢો. નીચેના 4 પ્રકારની એન્ટિટીઓ બહાર કાઢો: કંપનીના નામ, લોકોના નામ, ચોક્કસ વિષયો અને થીમ્સ.
લખાણ: {text}બતાવો અને કહો - જ્યારે મોડલને ચોક્કસ ફોર્મેટ આવશ્યકતાઓ બતાવવામાં આવે ત્યારે તે વધુ સારો પ્રતિસાદ આપે છે. આથી અનેક આઉટપુટને પ્રોગ્રામેટિક રીતે વિશ્વસનીય રીતે પાર્સ કરવું પણ સરળ બને છે.
વધુ સારું ✅:
નીચેના લખાણમાં ઉલ્લેખિત મહત્વપૂર્ણ એન્ટિટીઓ બહાર કાઢો. પહેલા બધી કંપનીના નામ બહાર કાઢો, પછી બધા લોકોના નામ, પછી સામગ્રીને અનુરૂપ ચોક્કસ વિષયો અને છેલ્લે સામાન્ય વ્યાપક થીમ્સ બહાર કાઢો.
ઇચ્છિત ફોર્મેટ:
Company names: <comma_separated_list_of_company_names>
People names: -||-
Specific topics: -||-
General themes: -||-
લખાણ: {text}5. ઝીરો-શોટથી શરૂ કરો, પછી ફ્યુ-શોટ, અને જો બન્ને કામ ન કરે તો ફાઇન-ટ્યુન કરો
✅ ઝીરો-શોટ
નીચેના લખાણમાંથી કીવર્ડ્સ બહાર કાઢો.
લખાણ: {text}
કીવર્ડ્સ:✅ ફ્યુ-શોટ - બે-એક ઉદાહરણો આપો
નીચેના સંબંધિત લખાણોમાંથી કીવર્ડ્સ બહાર કાઢો.
લખાણ 1: Stripe એવી APIs આપે છે જેનો વેબ ડેવલપર્સ તેમની વેબસાઇટ્સ અને મોબાઇલ એપ્લિકેશન્સમાં પેમેન્ટ પ્રોસેસિંગ સંકલિત કરવા માટે ઉપયોગ કરી શકે છે.
કીવર્ડ્સ 1: Stripe, payment processing, APIs, web developers, websites, mobile applications
##
લખાણ 2: OpenAI એ અદ્યતન ભાષા મોડલ્સને તાલીમ આપી છે જે લખાણ સમજવામાં અને બનાવવામાં ખૂબ સારા છે. અમારી API આ મોડલ્સ સુધી પહોંચ આપે છે અને ભાષા પ્રક્રિયા સાથે જોડાયેલ લગભગ કોઈપણ કાર્ય ઉકેલવા માટે વાપરી શકાય છે.
કીવર્ડ્સ 2: OpenAI, language models, text processing, API.
##
લખાણ 3: {text}
કીવર્ડ્સ 3:✅ફાઇન-ટ્યુન: ફાઇન-ટ્યુન માટેની શ્રેષ્ઠ પદ્ધતિઓ અહીં જુઓ.
6. “ભરાવદાર” અને અચોક્કસ વર્ણનો ઘટાડો
ઓછું અસરકારક ❌:
આ પ્રોડક્ટનું વર્ણન પૂરતું ટૂંકું હોવું જોઈએ, માત્ર થોડા વાક્યોમાં, અને બહુ વધુ નહીં.વધુ સારું ✅:
આ પ્રોડક્ટનું વર્ણન કરવા માટે 3 થી 5 વાક્યનો એક અનુચ્છેદ વાપરો.7. શું ન કરવું તે જ કહેવાને બદલે, તેના બદલે શું કરવું તે કહો
ઓછું અસરકારક ❌:
નીચે એજન્ટ અને ગ્રાહક વચ્ચેની વાતચીત છે. USERNAME અથવા PASSWORD પૂછશો નહીં. પુનરાવર્તન કરશો નહીં.
ગ્રાહક: હું મારા ખાતામાં લૉગ ઇન કરી શકતો નથી.
એજન્ટ:વધુ સારું ✅:
નીચે એજન્ટ અને ગ્રાહક વચ્ચેની વાતચીત છે. એજન્ટ સમસ્યાનું નિદાન કરવાનો અને ઉકેલ સૂચવવાનો પ્રયાસ કરશે, સાથે સાથે PII સંબંધિત કોઈપણ પ્રશ્નો પૂછવાથી દૂર રહેશે. યુઝરને username અથવા password જેવી PII પૂછવાને બદલે, તેને મદદ લેખ www.samplewebsite.com/help/faq તરફ દોરો.
ગ્રાહક: હું મારા ખાતામાં લૉગ ઇન કરી શકતો નથી.
એજન્ટ:8. કોડ જનરેશન માટે ખાસ - મોડલને કોઈ ચોક્કસ પેટર્ન તરફ દોરવા માટે “આગળ રાખવાના શબ્દો” વાપરો
ઓછું અસરકારક ❌:
# એક સરળ python function લખો જે
# 1. મને mile માં એક સંખ્યા પૂછે
# 2. તે miles ને kilometers માં રૂપાંતરિત કરેનીચેના આ કોડ ઉદાહરણમાં, “import” ઉમેરવાથી મોડલને સંકેત મળે છે કે તેણે Pythonમાં લખવાનું શરૂ કરવું જોઈએ. (તે જ રીતે SQL સ્ટેટમેન્ટની શરૂઆત માટે “SELECT” સારો સંકેત છે.)
વધુ સારું ✅:
# એક સરળ python function લખો જે
# 1. મને mile માં એક સંખ્યા પૂછે
# 2. તે miles ને kilometers માં રૂપાંતરિત કરે
import9. “કંઈપણ જનરેટ કરો” સુવિધાનો ઉપયોગ કરો
ડેવલપર્સ કોઈ કાર્ય અથવા અપેક્ષિત સ્વાભાવિક ભાષા આઉટપુટનું વર્ણન કરવા અને અનુરૂપ પ્રોમ્પ્ટ મેળવવા માટે 'કંઈપણ જનરેટ કરો' સુવિધાનો ઉપયોગ કરી શકે છે.
'કંઈપણ જનરેટ કરો' સુવિધાનો ઉપયોગ કરવા વિશે વધુ જાણો.
પેરામીટર્સ
સામાન્ય રીતે, અમને લાગે છે કે મોડલ આઉટપુટ બદલવા માટે `model` અને `temperature` સૌથી વધુ વપરાતા પેરામીટર્સ છે.
`model` - વધુ પ્રદર્શન આપતા મોડલ સામાન્ય રીતે વધુ ખર્ચાળ હોય છે અને તેમાં વધુ લેટન્સી હોઈ શકે છે.
`temperature` - મોડલ કેટલી વાર ઓછી સંભાવના ધરાવતો ટોકન આઉટપુટ કરે છે તેનું માપ.
temperatureજેટલું વધુ હોય, આઉટપુટ તેટલું વધુ રૅન્ડમ (અને સામાન્ય રીતે સર્જનાત્મક) બને છે. જોકે, આ “સત્યતા” જેવું નથી. ડેટા એક્સટ્રેક્શન અને સત્યનિષ્ઠ Q&A જેવા મોટાભાગના તથ્ય આધારિત ઉપયોગો માટે, 0નુંtemperatureશ્રેષ્ઠ છે.`max_completion_tokens` (મહત્તમ લંબાઈ) - આઉટપુટની લંબાઈને નિયંત્રિત કરતું નથી, પરંતુ ટોકન જનરેશન માટે સખત કટઓફ મર્યાદા છે. આદર્શ રીતે તમે આ મર્યાદા પર વારંવાર નહીં પહોંચો, કારણ કે તમારું મોડલ જ્યારે તેને લાગે કે તે પૂર્ણ થયું છે, અથવા જ્યારે તે તમે નિર્ધારિત કરેલી સ્ટોપ સિક્વન્સ સુધી પહોંચે ત્યારે અટકી જશે.
`stop` (સ્ટોપ સિક્વન્સ) - અક્ષરો (ટોકન)નો એવો સમૂહ, જે જનરેટ થાય ત્યારે ટેક્સ્ટ જનરેશન અટકી જાય છે.
અન્ય પેરામીટર વર્ણનો માટે API સંદર્ભ જુઓ.