प्रॉम्प्ट इंजिनिअरिंग कसे कार्य करते
OpenAI मॉडेल ज्या पद्धतीने प्रशिक्षित केली जातात, त्यामुळे काही विशिष्ट प्रॉम्प्ट फॉरमॅट विशेषतः चांगले काम करतात आणि अधिक उपयुक्त मॉडेल आउटपुट देतात. प्रॉम्प्टिंग टिपांसाठी सुरुवात करण्याचे सर्वोत्तम ठिकाण सहसा OpenAI चा अधिकृत प्रॉम्प्ट इंजिनिअरिंग मार्गदर्शक असते.
खाली आम्ही चांगले कार्य करतात असे आढळलेले अनेक प्रॉम्प्ट फॉरमॅट सादर करतो, परंतु तुमच्या कार्याला अधिक चांगले बसू शकणारे इतर फॉरमॅटही नक्की वापरून पाहा.
साधारण नियम आणि उदाहरणे
टीप: “{text input here}” हा प्रत्यक्ष मजकूर/संदर्भासाठी प्लेसहोल्डर आहे.
1. नवीनतम मॉडेल वापरा
सर्वोत्तम परिणामांसाठी, आम्ही साधारणपणे नवीनतम आणि सर्वाधिक सक्षम मॉडेल वापरण्याची शिफारस करतो. नवीन मॉडेलसाठी प्रॉम्प्ट इंजिनिअरिंग करणे सहसा सोपे असते.
टीप: रीझनिंग मॉडेलला प्रॉम्प्ट देताना आणि GPT मॉडेलला प्रॉम्प्ट देताना विचारात घेण्यासारखे काही फरक आहेत. अधिक तपशील येथे.
2. सूचना प्रॉम्प्टच्या सुरुवातीला ठेवा आणि सूचना व संदर्भ वेगळे करण्यासाठी ### किंवा """ वापरा
कमी प्रभावी ❌:
खालील मजकुराचा सर्वात महत्त्वाच्या मुद्द्यांची बुलेट पॉइंट यादी म्हणून सारांश द्या.
{text input here}अधिक चांगले ✅:
खालील मजकुराचा सर्वात महत्त्वाच्या मुद्द्यांची बुलेट पॉइंट यादी म्हणून सारांश द्या.
मजकूर: """
{text input here}
"""3. अपेक्षित संदर्भ, परिणाम, लांबी, फॉरमॅट, शैली इत्यादींबद्दल शक्य तितके विशिष्ट, वर्णनात्मक आणि तपशीलवार रहा
संदर्भ, परिणाम, लांबी, फॉरमॅट, शैली इत्यादींबद्दल विशिष्ट रहा
कमी प्रभावी ❌:
OpenAI बद्दल एक कविता लिहा. अधिक चांगले ✅:
{famous poet} यांच्या शैलीत, नुकत्याच झालेल्या DALL-E उत्पादन लाँचवर लक्ष केंद्रित करून OpenAI बद्दल एक छोटी प्रेरणादायी कविता लिहा (DALL-E हे text to image ML मॉडेल आहे).4. उदाहरणांद्वारे अपेक्षित आउटपुट फॉरमॅट स्पष्ट करा
कमी प्रभावी ❌:
खालील मजकुरात नमूद केलेले घटक काढा. पुढील 4 प्रकारचे घटक काढा: कंपनींची नावे, व्यक्तींची नावे, विशिष्ट विषय आणि थीम्स.
मजकूर: {text}दाखवा आणि सांगा - विशिष्ट फॉरमॅट आवश्यकता दाखवल्या असता मॉडेल अधिक चांगला प्रतिसाद देतात. यामुळे अनेक आउटपुट विश्वासार्हरीत्या प्रोग्रामॅटिक पद्धतीने पार्स करणेही सोपे होते.
अधिक चांगले ✅:
खालील मजकुरात नमूद केलेल्या महत्त्वाच्या घटकांना काढा. प्रथम सर्व कंपनींची नावे काढा, नंतर सर्व व्यक्तींची नावे, त्यानंतर मजकुराला साजेसे विशिष्ट विषय काढा आणि शेवटी व्यापक सामान्य थीम्स काढा.
इच्छित स्वरूप:
Company names: <comma_separated_list_of_company_names>
People names: -||-
Specific topics: -||-
General themes: -||-
मजकूर: {text}5. झीरो-शॉटने सुरुवात करा, मग फ्यू-शॉट; दोन्ही काम न झाल्यास फाइन-ट्यून करा
✅ झीरो-शॉट
खालील मजकुरातून कीवर्ड्स काढा.
मजकूर: {text}
कीवर्ड्स:✅ फ्यू-शॉट - काही उदाहरणे द्या
खालील संबंधित मजकुरांमधून कीवर्ड्स काढा.
मजकूर 1: Stripe अशा APIs प्रदान करते ज्यांचा वापर वेब डेव्हलपर त्यांच्या वेबसाइट्स आणि मोबाईल अॅप्लिकेशन्समध्ये पेमेंट प्रोसेसिंग समाकलित करण्यासाठी करू शकतात.
कीवर्ड्स 1: Stripe, payment processing, APIs, web developers, websites, mobile applications
##
मजकूर 2: OpenAI ने अत्याधुनिक language models प्रशिक्षित केले आहेत जे मजकूर समजून घेण्यात आणि तयार करण्यात खूप चांगले आहेत. आमचे API या models पर्यंत प्रवेश देते आणि भाषा प्रक्रिया समाविष्ट असलेले जवळजवळ कोणतेही कार्य सोडवण्यासाठी वापरले जाऊ शकते.
कीवर्ड्स 2: OpenAI, language models, text processing, API.
##
मजकूर 3: {text}
कीवर्ड्स 3:✅फाइन-ट्यून: फाइन-ट्यूनच्या सर्वोत्तम पद्धती येथे पहा.
6. फापटपसारा असलेली आणि अस्पष्ट वर्णने कमी करा
कमी प्रभावी ❌:
या उत्पादनाचे वर्णन बऱ्यापैकी लहान, फक्त काही वाक्यांचे, आणि त्यापेक्षा फार जास्त नसावे.अधिक चांगले ✅:
या उत्पादनाचे वर्णन करण्यासाठी 3 ते 5 वाक्यांचा परिच्छेद वापरा.7. काय करू नये एवढेच सांगण्याऐवजी, त्याऐवजी काय करावे ते सांगा
कमी प्रभावी ❌:
खालील संभाषण एका एजंट आणि ग्राहक यांच्यातील आहे. USERNAME किंवा PASSWORD विचारू नका. पुनरावृत्ती करू नका.
ग्राहक: मी माझ्या खात्यात लॉग इन करू शकत नाही.
एजंट:अधिक चांगले ✅:
खालील संभाषण एका एजंट आणि ग्राहक यांच्यातील आहे. एजंट समस्येचे निदान करण्याचा आणि उपाय सुचवण्याचा प्रयत्न करेल, तसेच PII शी संबंधित कोणतेही प्रश्न विचारणे टाळेल. username किंवा password सारखी PII विचारण्याऐवजी, वापरकर्त्याला help article www.samplewebsite.com/help/faq कडे संदर्भित करा.
ग्राहक: मी माझ्या खात्यात लॉग इन करू शकत नाही.
एजंट:8. कोड निर्मितीसाठी विशिष्ट - मॉडेलला विशिष्ट पॅटर्नकडे वळवण्यासाठी “सुरुवातीचे शब्द” वापरा
कमी प्रभावी ❌:
# एक साधे python function लिहा जे
# 1. मला mile मधील एक संख्या विचारते
# 2. ती miles चे kilometers मध्ये रूपांतर करतेखालील या कोड उदाहरणात, “import” जोडल्याने मॉडेलला Python मध्ये लिहायला सुरुवात करावी असा संकेत मिळतो. (त्याचप्रमाणे SQL स्टेटमेंटच्या सुरुवातीसाठी “SELECT” हा चांगला संकेत आहे.)
अधिक चांगले ✅:
# एक साधे python function लिहा जे
# 1. मला mile मधील एक संख्या विचारते
# 2. ती miles चे kilometers मध्ये रूपांतर करते
import9. “काहीही निर्माण करा” वैशिष्ट्य वापरा
विकसक “काहीही निर्माण करा” वैशिष्ट्य वापरून एखादे कार्य किंवा अपेक्षित नैसर्गिक भाषेतील आउटपुट वर्णन करू शकतात आणि अनुरूप प्रॉम्प्ट प्राप्त करू शकतात.
“काहीही निर्माण करा” वैशिष्ट्य वापरण्याबद्दल अधिक जाणून घ्या.
पॅरामीटर
साधारणपणे, आम्हाला आढळते की `model` आणि `temperature` हे मॉडेल आउटपुट बदलण्यासाठी सर्वाधिक वापरले जाणारे पॅरामीटर आहेत.
`model` - उच्च कार्यक्षमतेची मॉडेल साधारणपणे अधिक खर्चिक असतात आणि त्यांचा विलंब जास्त असू शकतो.
`temperature` - मॉडेल कमी संभाव्य टोकन किती वेळा आउटपुट करते याचे मापन.
temperatureजितके जास्त, आउटपुट तितके अधिक यादृच्छिक (आणि सहसा सर्जनशील) असते. तथापि, हे “सत्यतेशी” समान नाही. डेटा निष्कर्षण आणि सत्याधारित प्रश्नोत्तरे यांसारख्या बहुतांश तथ्यात्मक वापर प्रकरणांसाठी, 0 चेtemperatureसर्वोत्तम असते.`max_completion_tokens` (कमाल लांबी) - आउटपुटची लांबी नियंत्रित करत नाही, पण टोकन निर्मितीसाठी कठोर कटऑफ मर्यादा आहे. आदर्शतः तुम्ही ही मर्यादा अनेकदा गाठणार नाही, कारण तुमचे मॉडेल त्याला पूर्ण झाले असे वाटल्यावर किंवा तुम्ही परिभाषित केलेली स्टॉप सीक्वेन्स आल्यावर थांबेल.
`stop` (स्टॉप सीक्वेन्स) - अक्षरांचा (टोकनचा) असा संच, जो निर्माण झाल्यावर मजकूर निर्मिती थांबवेल.
इतर पॅरामीटर वर्णनांसाठी API संदर्भ पहा.