OpenAI
Այս էջը թարգմանվել է մեքենայական թարգմանությամբ։ Դիտել անգլերեն բնօրինակ հոդվածը.

OpenAI API-ի հետ հարցումների կազմման լավագույն փորձերը

Ինչպես տալ հստակ և արդյունավետ հրահանգներ OpenAI մոդելներին

Թարմացվել է՝ 8 days ago

Ինչպես է աշխատում հարցումների կազմումը

OpenAI-ի մոդելների ուսուցման եղանակի պատճառով կան հարցումների հատուկ ձևաչափեր, որոնք հատկապես լավ են աշխատում և հանգեցնում են մոդելի ավելի օգտակար արդյունքների։ OpenAI-ի հարցումների կազմման պաշտոնական ուղեցույցը սովորաբար լավագույն մեկնարկային կետն է հարցումներ կազմելու խորհուրդների համար։

Ստորև ներկայացնում ենք հարցումների մի քանի ձևաչափեր, որոնք, մեր կարծիքով, լավ են աշխատում, բայց ազատորեն փորձարկեք նաև տարբեր ձևաչափեր, որոնք կարող են ավելի լավ համապատասխանել ձեր առաջադրանքին։

Գործնական կանոններ և օրինակներ

Նշում. «{text input here}»-ը իրական տեքստի/համատեքստի տեղապահ է

1. Օգտագործեք վերջին մոդելը

Լավագույն արդյունքների համար մենք սովորաբար խորհուրդ ենք տալիս օգտագործել ամենավերջին և ամենակարող մոդելները։ Ավելի նոր մոդելների համար սովորաբար ավելի հեշտ է հարցումներ կազմել։


Նշում. Կան որոշ տարբերություններ, որոնք պետք է հաշվի առնել հիմնավորման մոդելի համար հարցում կազմելիս՝ GPT մոդելի համար հարցում կազմելու համեմատ։ Ավելի մանրամասն՝ այստեղ։

2. Դրեք հրահանգները հարցման սկզբում և օգտագործեք ### կամ «»՝ հրահանգն ու համատեքստն առանձնացնելու համար

Պակաս արդյունավետ ❌.

Ստորև բերված տեքստը ամփոփեք որպես ամենակարևոր կետերի ցանկ։

{text input here}

Ավելի լավ ✅.

Ստորև բերված տեքստը ամփոփեք որպես ամենակարևոր կետերի ցանկ։

Text: """
{text input here}
"""

3. Եղեք հնարավորինս կոնկրետ, նկարագրական և մանրամասն ցանկալի համատեքստի, արդյունքի, երկարության, ձևաչափի, ոճի և այլնի վերաբերյալ

Կոնկրետ եղեք համատեքստի, արդյունքի, երկարության, ձևաչափի, ոճի և այլնի վերաբերյալ

Պակաս արդյունավետ ❌.

Գրեք բանաստեղծություն OpenAI-ի մասին։ 

Ավելի լավ ✅.

Գրեք կարճ ոգեշնչող բանաստեղծություն OpenAI-ի մասին՝ կենտրոնանալով DALL-E-ի վերջին արտադրանքի թողարկման վրա (DALL-E-ը տեքստից պատկեր ստեղծող ML մոդել է)՝ {famous poet}-ի ոճով

4. Օրինակների միջոցով հստակեցրեք ցանկալի ելքի ձևաչափը

Պակաս արդյունավետ ❌.

Ստորև բերված տեքստից առանձնացրեք հիշատակված միավորները։ Առանձնացրեք հետևյալ 4 տեսակի միավորները՝ ընկերությունների անուններ, մարդկանց անուններ, կոնկրետ թեմաներ և թեմաներ։

Text: {text}

Ցույց տվեք և բացատրեք. մոդելներն ավելի լավ են արձագանքում, երբ նրանց ցույց են տրվում ձևաչափի կոնկրետ պահանջներ։ Սա նաև հեշտացնում է ծրագրային եղանակով մի քանի ելքերի հուսալի վերլուծումը։

Ավելի լավ ✅.

Ստորև բերված տեքստից առանձնացրեք հիշատակված կարևոր միավորները։ Սկզբում առանձնացրեք բոլոր ընկերությունների անունները, ապա՝ բոլոր մարդկանց անունները, հետո՝ բովանդակությանը համապատասխանող կոնկրետ թեմաները, և վերջում՝ ընդհանուր ընդգրկուն թեմաները

Ցանկալի ձևաչափը՝
Company names: <comma_separated_list_of_company_names>
People names: -||-
Specific topics: -||-
General themes: -||-

Text: {text}

5. Սկսեք առանց օրինակի մեթոդից, ապա՝ մի քանի հարցումից, իսկ եթե դրանք չաշխատեցին՝ անցեք հետուսուցման

✅ Առանց օրինակի

Ստորև բերված տեքստից առանձնացրեք հիմնաբառերը։

Text: {text}

Keywords:

✅ Մի քանի հարցում - տրամադրեք մի քանի օրինակ

Ստորև համապատասխան տեքստերից առանձնացրեք հիմնաբառերը։

Text 1: Stripe-ը տրամադրում է API-ներ, որոնք վեբ մշակողները կարող են օգտագործել իրենց կայքերում և բջջային հավելվածներում վճարումների մշակում ինտեգրելու համար։
Keywords 1: Stripe, վճարումների մշակում, APIs, վեբ մշակողներ, կայքեր, բջջային հավելվածներ
##
Text 2: OpenAI-ը մարզել է առաջատար լեզվական մոդելներ, որոնք շատ լավ են հասկանում և ստեղծում տեքստ։ Մեր API-ն տրամադրում է հասանելիություն այս մոդելներին և կարող է օգտագործվել գրեթե ցանկացած առաջադրանք լուծելու համար, որը ներառում է լեզվի մշակում։
Keywords 2: OpenAI, լեզվական մոդելներ, տեքստի մշակում, API.
##
Text 3: {text}
Keywords 3:

✅Հետուսուցում. տեսեք հետուսուցման լավագույն գործելակերպերը այստեղ։

6. Կրճատեք «փքուն» և ոչ ճշգրիտ նկարագրությունները

Պակաս արդյունավետ ❌.

Այս ապրանքի նկարագրությունը պետք է բավականին կարճ լինի, ընդամենը մի քանի նախադասություն, և ոչ շատ ավելին։

Ավելի լավ ✅.

Օգտագործեք 3-ից 5 նախադասությունից բաղկացած պարբերություն՝ այս ապրանքը նկարագրելու համար։

7. Պարզապես չասեք, թե ինչ չանել. փոխարենը ասեք՝ ինչ անել

Պակաս արդյունավետ ❌.

Ստորև ներկայացված է զրույց ագենտի և հաճախորդի միջև։ ՄԻ՛ ՀԱՐՑՐԵՔ ՕԳՏԱՆՈՒՆ ԿԱՄ ԳԱՂՏՆԱԲԱՌ։ ՄԻ՛ ԿՐԿՆԵՔ։

Customer: Ես չեմ կարող մուտք գործել իմ հաշիվ։
Agent:

Ավելի լավ ✅.

Ստորև ներկայացված է զրույց ագենտի և հաճախորդի միջև։ Ագենտը կփորձի ախտորոշել խնդիրը և առաջարկել լուծում՝ միաժամանակ զերծ մնալով PII-ի հետ կապված որևէ հարց տալուց։ PII, օրինակ՝ օգտանուն կամ գաղտնաբառ, հարցնելու փոխարեն, օգտատիրոջը ուղղորդեք դեպի օգնության հոդվածը՝ www.samplewebsite.com/help/faq

Customer: Ես չեմ կարող մուտք գործել իմ հաշիվ։
Agent:

8. Կոդի գեներացման համար՝ օգտագործեք «առաջնորդող բառեր»՝ մոդելին որոշակի օրինաչափության ուղղությամբ մղելու համար

Պակաս արդյունավետ ❌.

# Գրիր պարզ python ֆունկցիա, որը
# 1. Ինձանից մղոններով թիվ է հարցնում
# 2. Մղոնները փոխակերպում է կիլոմետրերի

Ստորև բերված կոդի օրինակում «import» ավելացնելը հուշում է մոդելին, որ այն պետք է սկսի գրել Python-ով։ (Նմանապես, «SELECT»-ը լավ հուշում է SQL հրամանի սկզբի համար։)

Ավելի լավ ✅.

# Գրիր պարզ python ֆունկցիա, որը
# 1. Ինձանից մղոններով թիվ է հարցնում
# 2. Մղոնները փոխակերպում է կիլոմետրերի

import

9. Օգտագործեք «Ստեղծել ցանկացած բան» գործառույթը

Մշակողները կարող են օգտագործել «Ստեղծել ցանկացած բան» գործառույթը՝ առաջադրանք կամ ակնկալվող բնական լեզվով ելք նկարագրելու և համապատասխանեցված հարցում ստանալու համար։


Իմանալ ավելին «Ստեղծել ցանկացած բան» գործառույթն օգտագործելու մասին։

Պարամետրեր

Ընդհանուր առմամբ, մենք նկատում ենք, որ `model` և `temperature` պարամետրերն ամենահաճախ օգտագործվողներն են մոդելի ելքը փոխելու համար։

  1. `model` - Ավելի բարձր արդյունավետությամբ մոդելները սովորաբար ավելի թանկ են և կարող են ունենալ ավելի մեծ ուշացում։

  2. `temperature` - Չափում է, թե մոդելը որքան հաճախ է ելքում տալիս պակաս հավանական թոքեն։ Որքան բարձր է temperature-ը, այնքան ավելի պատահական (և սովորաբար ստեղծագործական) է ելքը։ Սակայն սա նույնը չէ, ինչ «ճշմարտացիությունը»։ Փաստային օգտագործման դեպքերի մեծ մասի համար, օրինակ՝ տվյալների կորզում և ճշմարտացի հարցուպատասխան, լավագույնն է temperature-ի 0 արժեքը։

  3. `max_completion_tokens` (առավելագույն երկարություն) - Չի վերահսկում ելքի երկարությունը, այլ սահմանում է թոքենների գեներացման կոշտ վերին շեմ։ Իդեալում՝ դուք հաճախ չեք հասնի այս սահմանին, քանի որ ձեր մոդելը կկանգնի կամ երբ համարի, որ ավարտել է, կամ երբ հասնի ձեր սահմանած կանգի հաջորդականությանը։

  4. `stop` (կանգի հաջորդականություններ) - Նիշերի (թոքենների) հավաքածու, որը գեներացվելու դեպքում կկանգնեցնի տեքստի գեներացումը։

Այլ պարամետրերի նկարագրությունների համար տեսեք API տեղեկագիրը։

Այս հոդվածն օգտակա՞ր էր։