OpenAI
Ez az oldal gépi fordítással készült. Tekintsd meg az eredeti angol nyelvű cikket.

Az utasítás tervezés bevált gyakorlatai az OpenAI API-val

Hogyan adj világos és hatékony utasításokat az OpenAI modelleknek

Frissítve: 12 days ago

Hogyan működik az utasítás tervezés

Az OpenAI modelljeinek betanítási módja miatt vannak olyan konkrét utasításformátumok, amelyek különösen jól működnek, és hasznosabb modellkimenetekhez vezetnek. Az OpenAI hivatalos utasítás tervezési útmutatója általában a legjobb kiindulópont az utasításokkal kapcsolatos tippekhez.

Az alábbiakban bemutatunk több olyan utasításformátumot, amelyek tapasztalataink szerint jól működnek, de nyugodtan próbálj ki más formátumokat is, amelyek jobban illeszkedhetnek a feladatodhoz.

Ökölszabályok és példák

Megjegyzés: a „{text input here}” a tényleges szöveg/kontextus helyőrzője

1. Használd a legújabb modellt

A legjobb eredmények érdekében általában a legújabb, legképességesebb modellek használatát javasoljuk. Az újabb modellek esetében általában könnyebb az utasítás tervezés.


Megjegyzés: Van néhány különbség, amelyet figyelembe kell venni, amikor érvelési modellhez adsz utasítást, szemben egy GPT modellhez adott utasítással. További részletek itt.

2. Tedd az utasításokat az utasítás elejére, és használj ### vagy """ jelet az utasítás és a kontextus elválasztására

Kevésbé hatékony ❌:

Foglald össze az alábbi szöveget a legfontosabb pontokból álló felsorolásként.

{text input here}

Jobb ✅:

Foglald össze az alábbi szöveget a legfontosabb pontokból álló felsorolásként.

Szöveg: """
{text input here}
"""

3. Légy konkrét, leíró és a lehető legrészletesebb a kívánt kontextusról, eredményről, hosszról, formátumról, stílusról stb.

Légy konkrét a kontextusról, eredményről, hosszról, formátumról, stílusról stb.

Kevésbé hatékony ❌:

Írj egy verset az OpenAI-ról. 

Jobb ✅:

Írj egy rövid, inspiráló verset az OpenAI-ról, amely a DALL-E közelmúltbeli termékbevezetésére összpontosít (a DALL-E egy szövegből képet létrehozó ML modell), {famous poet} stílusában

4. Példákon keresztül fogalmazd meg a kívánt kimeneti formátumot

Kevésbé hatékony ❌:

Nyerd ki az alábbi szövegben említett entitásokat. A következő 4 entitástípust nyerd ki: cégnevek, személynevek, konkrét témák és témakörök.

Szöveg: {text}

Mutasd és mondd el – a modellek jobban reagálnak, ha konkrét formátumkövetelményeket mutatunk nekik. Ez azt is megkönnyíti, hogy programozottan, megbízhatóan feldolgozz több kimenetet.

Jobb ✅:

Nyerd ki az alábbi szövegben említett fontos entitásokat. Először az összes cégnevet nyerd ki, aztán az összes személynevet, majd a tartalomhoz illő konkrét témákat, végül az általános, átfogó témákat

Kívánt formátum:
Cégnevek: <vesszővel_elválasztott_cégnevek_listája>
Személynevek: -||-
Konkrét témák: -||-
Általános témák: -||-

Szöveg: {text}

5. Kezdd zéró lövésessel, majd kevés lövésessel; ha egyik sem működik, finomhangolj

✅ Zéró lövéses

Nyerd ki a kulcsszavakat az alábbi szövegből.

Szöveg: {text}

Kulcsszavak:

✅ Kevés lövéses – adj meg néhány példát

Nyerd ki a kulcsszavakat az alábbi kapcsolódó szövegekből.

1. szöveg: A Stripe olyan API-kat biztosít, amelyeket a webfejlesztők fizetésfeldolgozás integrálására használhatnak a weboldalaikba és mobilalkalmazásaikba.
1. kulcsszavak: Stripe, fizetésfeldolgozás, API-k, webfejlesztők, weboldalak, mobilalkalmazások
##
2. szöveg: Az OpenAI élvonalbeli nyelvi modelleket tanított be, amelyek nagyon jók a szöveg megértésében és generálásában. Az API-nk hozzáférést biztosít ezekhez a modellekhez, és gyakorlatilag bármilyen, nyelvfeldolgozással járó feladat megoldására használható.
2. kulcsszavak: OpenAI, nyelvi modellek, szövegfeldolgozás, API.
##
3. szöveg: {text}
3. kulcsszavak:

✅Finomhangolás: a finomhangolási bevált gyakorlatokat itt találod.

6. Csökkentsd a „fellengzős” és pontatlan leírásokat

Kevésbé hatékony ❌:

Ennek a terméknek a leírása legyen viszonylag rövid, csak néhány mondat, és ne legyen sokkal hosszabb annál.

Jobb ✅:

Használj egy 3–5 mondatos bekezdést a termék leírására.

7. Ne csak azt mondd meg, mit ne tegyen, hanem azt is, mit tegyen helyette

Kevésbé hatékony ❌:

Az alábbiak egy Ügynök és egy Ügyfél közötti beszélgetést mutatnak. NE KÉRJ FELHASZNÁLÓNEVET VAGY JELSZÓT. NE ISMÉTELD.

Ügyfél: Nem tudok bejelentkezni a fiókomba.
Ügynök:

Jobb ✅:

Az alábbiak egy Ügynök és egy Ügyfél közötti beszélgetést mutatnak. Az ügynök megpróbálja diagnosztizálni a problémát és megoldást javasolni, miközben tartózkodik a személyazonosításra alkalmas adatokkal kapcsolatos kérdésektől. Ahelyett, hogy PII-t, például felhasználónevet vagy jelszót kérne, irányítsa a felhasználót a következő súgócikkhez: www.samplewebsite.com/help/faq

Ügyfél: Nem tudok bejelentkezni a fiókomba.
Ügynök:

8. Kifejezetten kódgeneráláshoz – használj „vezető szavakat”, hogy a modellt egy adott minta felé tereld

Kevésbé hatékony ❌:

# Írj egy egyszerű python függvényt, amely
# 1. Bekér tőlem egy mérföldben megadott számot
# 2. Átváltja a mérföldeket kilométerre

Az alábbi kódpéldában az „import” hozzáadása jelzi a modellnek, hogy Pythonban kezdjen írni. (Hasonlóképpen a „SELECT” jó jelzés egy SQL-utasítás elejére.)

Jobb ✅:

# Írj egy egyszerű python függvényt, amely
# 1. Bekér tőlem egy mérföldben megadott számot
# 2. Átváltja a mérföldeket kilométerre

import

9. Használd a „Bármi generálása” funkciót

A fejlesztők a „Bármi generálása” funkcióval leírhatnak egy feladatot vagy egy várt természetes nyelvű kimenetet, és személyre szabott utasítást kaphatnak.


Tudj meg többet a „Bármi generálása” funkció használatáról.

Paraméterek

Tapasztalataink szerint leggyakrabban a modell és a hőmérséklet paraméterrel módosítják a modell kimenetét.

  1. modell – A nagyobb teljesítményű modellek általában drágábbak, és nagyobb lehet a késleltetésük.

  2. hőmérséklet – Azt mutatja meg, hogy a modell milyen gyakran ad ki kevésbé valószínű tokent. Minél magasabb a hőmérséklet, annál véletlenszerűbb (és általában kreatívabb) a kimenet. Ez azonban nem azonos a „tényszerűséggel”. A legtöbb tényszerű felhasználási módnál, például adatkinyerésnél és tényszerű kérdések megválaszolásánál a 0-s hőmérséklet a legjobb.

  3. max_completion_tokens (maximális hossz) – Nem a kimenet hosszát szabályozza, hanem egy szigorú felső korlátot állít be a tokenek generálásához. Ideális esetben ezt a korlátot ritkán éri el, mivel a modell leáll, amikor úgy ítéli meg, hogy elkészült, vagy amikor elér egy Ön által megadott leállítási sorozatot.

  4. stop (leállítási sorozatok) – Olyan karakterek (tokenek) halmaza, amelyek generálásakor leáll a szöveggenerálás.

A többi paraméter leírását az API-referenciában találja.

Hasznos volt ez a cikk?