OpenAI
இந்தப் பக்கம் இயந்திரத்தால் மொழிபெயர்க்கப்பட்டுள்ளது. மூல ஆங்கிலக் கட்டுரையைப் பாருங்கள்.

OpenAI API உடன் ப்ராம்ப்ட் இன்ஜினியரிங்கிற்கான சிறந்த நடைமுறைகள்

OpenAI மாடல்களுக்கு தெளிவான மற்றும் பயனுள்ள வழிமுறைகளை எப்படி வழங்குவது

புதுப்பிக்கப்பட்டது: 8 days ago

ப்ராம்ப்ட் இன்ஜினியரிங் எவ்வாறு செயல்படுகிறது

OpenAI மாடல்கள் பயிற்சியளிக்கப்படும் முறையால், குறிப்பிட்ட ப்ராம்ப்ட் வடிவங்கள் மிகவும் சிறப்பாகச் செயல்பட்டு, மேலும் பயனுள்ள மாடல் வெளியீடுகளுக்கு வழிவகுக்கின்றன. ப்ராம்ப்டிங் உதவிக்குறிப்புகளுக்கு, OpenAI-இன் அதிகாரப்பூர்வ ப்ராம்ப்ட் இன்ஜினியரிங் வழிகாட்டி பொதுவாகத் தொடங்க சிறந்த இடமாகும்.

கீழே, நாங்கள் நன்றாகச் செயல்படுவதாகக் கண்ட பல ப்ராம்ப்ட் வடிவங்களை வழங்குகிறோம்; ஆனால் உங்கள் பணிக்கு சிறப்பாக பொருந்தக்கூடிய வேறு வடிவங்களையும் தாராளமாக ஆராயுங்கள்.

அடிப்படை விதிகள் மற்றும் எடுத்துக்காட்டுகள்

குறிப்பு: "{text input here}" என்பது உண்மையான உரை/சூழலுக்கான இடக்குறியாகும்

1. சமீபத்திய மாடலைப் பயன்படுத்தவும்

சிறந்த முடிவுகளுக்கு, சமீபத்தியதும் மிகுந்த திறன் கொண்டதுமான மாடல்களைப் பயன்படுத்துமாறு பொதுவாக பரிந்துரைக்கிறோம். புதிய மாடல்களில் ப்ராம்ப்ட் இன்ஜினியரிங் செய்வது பொதுவாக எளிதாக இருக்கும்.


குறிப்பு: ஒரு ரீஸனிங் மாடலுக்கு ப்ராம்ப்ட் செய்வதுக்கும் GPT மாடலுக்கு ப்ராம்ப்ட் செய்வதுக்கும் இடையில் கவனிக்க வேண்டிய சில வேறுபாடுகள் உள்ளன. மேலும் விவரங்கள் இங்கே.

2. வழிமுறைகளை ப்ராம்ப்டின் தொடக்கத்தில் வைத்து, வழிமுறை மற்றும் சூழலைப் பிரிக்க ### அல்லது """ ஐப் பயன்படுத்தவும்

குறைவாகச் செயல்படும் ❌:

கீழே உள்ள உரையை மிக முக்கியமான அம்சங்களின் புல்லெட் பட்டியலாக சுருக்கவும்.

{text input here}

சிறந்தது ✅:

கீழே உள்ள உரையை மிக முக்கியமான அம்சங்களின் புல்லெட் பட்டியலாக சுருக்கவும்.

உரை: """
{text input here}
"""

3. விரும்பிய சூழல், முடிவு, நீளம், வடிவம், பாணி போன்றவற்றைப் பற்றி இயன்றவரை குறிப்பாகவும் விளக்கமாகவும் விரிவாகவும் இருங்கள்

சூழல், முடிவு, நீளம், வடிவம், பாணி போன்றவற்றைப் பற்றி குறிப்பாகச் சொல்லுங்கள்

குறைவாகச் செயல்படும் ❌:

OpenAI பற்றி ஒரு கவிதை எழுதவும். 

சிறந்தது ✅:

{famous poet} பாணியில், சமீபத்திய DALL-E தயாரிப்பு அறிமுகத்தை மையமாகக் கொண்டு OpenAI பற்றி ஒரு குறுகிய ஊக்கமூட்டும் கவிதை எழுதவும் (DALL-E என்பது உரையிலிருந்து படமாக மாற்றும் ML மாடல்).

4. எடுத்துக்காட்டுகளின் மூலம் விரும்பிய வெளியீட்டு வடிவத்தை தெளிவாகக் கூறுங்கள்

குறைவாகச் செயல்படும் ❌:

கீழே உள்ள உரையில் குறிப்பிடப்பட்ட என்டிட்டிகளை பிரித்தெடுக்கவும். பின்வரும் 4 என்டிட்டி வகைகளை பிரித்தெடுக்கவும்: நிறுவனப் பெயர்கள், நபர் பெயர்கள், குறிப்பிட்ட தலைப்புகள் மற்றும் கருப்பொருள்கள்.

உரை: {text}

காட்டவும், சொல்லவும் - குறிப்பிட்ட வடிவத் தேவைகள் காட்டப்படும்போது மாடல்கள் சிறப்பாகப் பதிலளிக்கின்றன. இது பல வெளியீடுகளை நிரல்முறையாக நம்பகமாகப் பிரித்தெடுப்பதையும் எளிதாக்குகிறது.

சிறந்தது ✅:

கீழே உள்ள உரையில் குறிப்பிடப்பட்ட முக்கியமான என்டிட்டிகளை பிரித்தெடுக்கவும். முதலில் அனைத்து நிறுவனப் பெயர்களையும், பின்னர் அனைத்து நபர் பெயர்களையும், அதன் பிறகு உள்ளடக்கத்துக்கு பொருந்தும் குறிப்பிட்ட தலைப்புகளையும், இறுதியாக பொதுவான மேலோங்கிய கருப்பொருட்களையும் பிரித்தெடுக்கவும்.

விரும்பிய வடிவம்:
நிறுவனப் பெயர்கள்: <comma_separated_list_of_company_names>
நபர் பெயர்கள்: -||-
குறிப்பிட்ட தலைப்புகள்: -||-
பொதுக் கருப்பொருள்கள்: -||-

உரை: {text}

5. ஜீரோ-ஷாட்டுடன் தொடங்குங்கள்; பின்னர் ஃப்யூ-ஷாட்; அவையும் வேலை செய்யாவிட்டால், ஃபைன்-டியூன் செய்யுங்கள்

✅ ஜீரோ-ஷாட்

கீழே உள்ள உரையிலிருந்து முக்கியச்சொற்களை பிரித்தெடுக்கவும்.

உரை: {text}

முக்கியச்சொற்கள்:

✅ ஃப்யூ-ஷாட் - ஓரிரு எடுத்துக்காட்டுகளை வழங்கவும்

கீழே உள்ள தொடர்புடைய உரைகளிலிருந்து முக்கியச்சொற்களை பிரித்தெடுக்கவும்.

உரை 1: Stripe, வலை உருவாக்குநர்கள் தங்களின் வலைத்தளங்களிலும் மொபைல் பயன்பாடுகளிலும் கட்டண செயலாக்கத்தை ஒருங்கிணைக்க பயன்படுத்தக்கூடிய APIகளை வழங்குகிறது.
முக்கியச்சொற்கள் 1: Stripe, கட்டண செயலாக்கம், APIகள், வலை உருவாக்குநர்கள், வலைத்தளங்கள், மொபைல் பயன்பாடுகள்
##
உரை 2: OpenAI, உரையைப் புரிந்துகொள்வதிலும் உருவாக்குவதிலும் மிகவும் திறமையான முன்னேற்றமிக்க மொழி மாடல்களை பயிற்சி அளித்துள்ளது. எங்கள் API இந்த மாடல்களுக்கு அணுகலை வழங்குகிறது; மேலும் மொழி செயலாக்கம் அடங்கிய ஏறக்குறைய எந்த பணியையும் தீர்க்க இதைப் பயன்படுத்தலாம்.
முக்கியச்சொற்கள் 2: OpenAI, மொழி மாடல்கள், உரை செயலாக்கம், API.
##
உரை 3: {text}
முக்கியச்சொற்கள் 3:

✅ஃபைன்-டியூன்: ஃபைன்-டியூன் சிறந்த நடைமுறைகளை இங்கே பார்க்கவும்.

6. “அலங்காரமான” மற்றும் துல்லியமற்ற விளக்கங்களைக் குறைக்கவும்

குறைவாகச் செயல்படும் ❌:

இந்த தயாரிப்பிற்கான விளக்கம் மிகவும் குறுகியதாக, சில வாக்கியங்கள் மட்டுமே கொண்டதாக, மேலும் அதைவிட அதிகமாக இல்லாததாக இருக்க வேண்டும்.

சிறந்தது ✅:

இந்த தயாரிப்பை விவரிக்க 3 முதல் 5 வாக்கியங்கள் கொண்ட ஒரு பத்தியை பயன்படுத்தவும்.

7. என்ன செய்யக்கூடாது என்று மட்டும் சொல்வதற்குப் பதிலாக, அதற்கு பதிலாக என்ன செய்ய வேண்டும் என்பதைச் சொல்லுங்கள்

குறைவாகச் செயல்படும் ❌:

பின்வருவது ஒரு ஏஜென்ட் மற்றும் ஒரு வாடிக்கையாளர் இடையிலான உரையாடல். பயனர்பெயர் அல்லது கடவுச்சொல்லை கேட்க வேண்டாம். மீண்டும் கூற வேண்டாம்.

வாடிக்கையாளர்: எனது கணக்கில் உள்நுழைய முடியவில்லை.
ஏஜென்ட்:

சிறந்தது ✅:

பின்வருவது ஒரு ஏஜென்ட் மற்றும் ஒரு வாடிக்கையாளர் இடையிலான உரையாடல். ஏஜென்ட் பிரச்சினையை கண்டறிந்து ஒரு தீர்வை பரிந்துரைக்க முயற்சிப்பார்; அதே சமயம் PII-க்கு தொடர்பான எந்தக் கேள்விகளையும் கேட்காமல் இருப்பார். பயனர்பெயர் அல்லது கடவுச்சொல் போன்ற PII-ஐ கேட்பதற்குப் பதிலாக, பயனரை உதவி கட்டுரை www.samplewebsite.com/help/faq-ஐ பார்க்கச் சொல்லவும்.

வாடிக்கையாளர்: எனது கணக்கில் உள்நுழைய முடியவில்லை.
ஏஜென்ட்:

8. குறியீடு உருவாக்கத்திற்குக் குறிப்பானது - மாடலை ஒரு குறிப்பிட்ட வடிவத்தை நோக்கி வழிநடத்த “முன்னணி சொற்களை” பயன்படுத்தவும்

குறைவாகச் செயல்படும் ❌:

# ஒரு எளிய python function-ஐ எழுதவும், அது
# 1. mile-ல் ஒரு எண்ணை என்னிடம் கேட்க வேண்டும்
# 2. அது miles-ஐ kilometers-ஆக மாற்ற வேண்டும்

கீழே உள்ள இந்த குறியீட்டு எடுத்துக்காட்டில், “import” ஐச் சேர்ப்பது, Python-இல் எழுதத் தொடங்க வேண்டும் என்று மாடலுக்கு சுட்டிக்காட்டுகிறது. (அதேபோல், SQL அறிக்கையின் தொடக்கத்திற்கு “SELECT” ஒரு நல்ல சுட்டிக்காட்டாகும்.)

சிறந்தது ✅:

# ஒரு எளிய python function-ஐ எழுதவும், அது
# 1. mile-ல் ஒரு எண்ணை என்னிடம் கேட்க வேண்டும்
# 2. அது miles-ஐ kilometers-ஆக மாற்ற வேண்டும்

import

9. Generate Anything அம்சத்தைப் பயன்படுத்தவும்

டெவலப்பர்கள் 'Generate Anything' அம்சத்தைப் பயன்படுத்தி ஒரு பணியை அல்லது எதிர்பார்க்கப்படும் இயல்பான மொழி வெளியீட்டை விவரித்து, அதற்கேற்ற ப்ராம்ப்டைப் பெறலாம்.


'Generate Anything' அம்சத்தைப் பயன்படுத்துவது பற்றி மேலும் அறிக.

அளவுருக்கள்

பொதுவாக, மாடல் வெளியீட்டை மாற்ற `model` மற்றும் `temperature` ஆகியவை மிகவும் பொதுவாகப் பயன்படுத்தப்படும் அளவுருக்கள் என நாங்கள் காண்கிறோம்.

  1. `model` - அதிக செயல்திறன் கொண்ட மாடல்கள் பொதுவாக அதிகச் செலவானவை மற்றும் அதிக தாமதத்தைக் கொண்டிருக்கலாம்.

  2. `temperature` - மாடல் குறைந்த சாத்தியமுள்ள டோக்கனை எவ்வளவு அடிக்கடி வெளியிடுகிறது என்பதற்கான அளவீடு. temperature அதிகமாக இருந்தால், வெளியீடு அதிக சீரற்றதாகவும் (பொதுவாக அதிக படைப்பாற்றலுடனும்) இருக்கும். ஆனால், இது “உண்மைத்தன்மை” என்பதற்கு சமமானதல்ல. தரவு பிரித்தெடுப்பு மற்றும் உண்மையான Q&A போன்ற பெரும்பாலான உண்மை சார்ந்த பயன்பாடுகளுக்கு, temperature 0 ஆக இருப்பதே சிறந்தது.

  3. `max_completion_tokens` (அதிகபட்ச நீளம்) - வெளியீட்டின் நீளத்தை கட்டுப்படுத்தாது; மாறாக டோக்கன் உருவாக்கத்திற்கான கடுமையான வெட்டுப்புள்ளி வரம்பாகும். சிறந்த நிலையில், நீங்கள் இந்த வரம்பை அடிக்கடி எட்டமாட்டீர்கள்; ஏனெனில் உங்கள் மாடல் முடிந்துவிட்டதாக நினைக்கும் போது அல்லது நீங்கள் வரையறுத்த நிறுத்த வரிசையை அடையும் போது அது நிறுத்தும்.

  4. `stop` (நிறுத்த வரிசைகள்) - உருவாக்கப்படும் போது உரை உருவாக்கத்தை நிறுத்தும் எழுத்துகள் (டோக்கன்கள்) தொகுப்பு.

பிற அளவுரு விளக்கங்களுக்கு API குறிப்பைப் பார்க்கவும்.

இந்தக் கட்டுரை உங்களுக்கு உதவியாக இருந்ததா?