Allgemeine Richtlinien für das Schreiben von Anweisungen für Generative AI Large Language Models (LLMS)
Bei Verwendung von Now Assist Produkte und Kompetenzen haben Sie möglicherweise die Möglichkeit, dem LLM bestimmte Anweisungen oder andere Anleitungen zu geben. Das Schreiben von Anweisungen für generative KI unterscheidet sich von der Durchführung einer Stichwortsuche. Beachten Sie bei der Erstellung Ihrer Anweisungen die folgenden allgemeinen Richtlinien.
Das Schreiben von Anweisungen für generative KI unterscheidet sich sehr von der Verwendung von Suchstichwörtern. Stichwörter sind die Wörter, die möglicherweise in Ihren Ergebnissen angezeigt werden. Wenn Sie beispielsweise nach „grauen Bobtail-Katzen“ suchen, können Sie mit ziemlicher Wahrscheinlichkeit erwarten, dass Ihre Suchergebnisse Themen oder Medien enthalten, die sich auf graue Katzen, Bobtail-Katzen oder sogar nur Katzen im Allgemeinen beziehen. Aber mit generativer KI bitten Sie das LLM, eine Aufgabe für Sie auszuführen. Der Ausdruck „graue Bobtail-Katzen“ enthält kein Verb, um dem LLM mitzuteilen, was zu tun ist. Was ist mit diesen grauen Katzen? Soll alles gefunden werden, was über sie zu wissen ist? Sollte sie graue Bobtail-Katzen finden, die adoptiert werden sollen? Soll ein Bild einer grauen Bobtail-Katze erstellt werden? Soll es sich um ein realistisches Bild oder mehr um eine Linienzeichnung handeln? Generative KI benötigt mehr als nur Stichwörter.
Allgemeine LLM-Anweisungen
- Ziel
- Welche Art von Ergebnis möchten Sie vom LLM erhalten?
- Kontext
- Warum benötigen Sie es, und wer ist beteiligt?
- Erwartungen
- Wie sollte das LLM Ihre Anforderung am besten erfüllen?
- Quelle
- Welche Informationen oder anderen Ressourcen soll das LLM verwenden?
Testen und verfeinern Sie Ihre Anweisungen kontinuierlich. Das Erstellen guter LLM-Anweisungen ist ein iterativer Prozess, und wenn das LLM-Modell lernt, sollten Sie Ihre Anweisungen im Laufe der Zeit ändern.
Angabe Ihres Ziels
- Lead mit Aktionsverben. Verwenden Sie das imperative Formular oder direkte Befehle.
- Seien Sie direkt und verwenden Sie einfache Sätze anstelle komplexer Sätze.
- Seien Sie spezifisch.
- Verwenden Sie keine Jargon- oder Sprachbegriffe.
- Vermeiden Sie Verweise auf Drittparteien oder Pronomen. Durch das Entfernen des Betreffs oder anderer Bezeichner wird im Allgemeinen verhindert, dass das LLM den Endanwender personifiziert oder anderweitig falsch identifiziert.
- Ihre Worte weisen die Logik an, die generative KI verwendet. Detaillierte Anweisungen zur Gedankenkette eignen sich hierfür gut.
Anweisungen sollten auch auf den Typ der Aufgabe zugeschnitten sein. Die folgende Tabelle beschreibt die verschiedenen Arten von Aufgaben und die Art von Anweisungen, die Sie für jeden Fall schreiben können.
| Aufgabentyp | Beschreibung | Beispielanweisung |
|---|---|---|
| Einfache Suche | Einfache Suche nach einer Antwort. | Wann ist der nächste Feiertag des Unternehmens? |
| Antwort | Sammeln Sie Informationen aus mehreren Quellen, und geben Sie eine zusammengefasste Antwort an. | Was waren die schwerwiegenden Kundensupportprobleme in den letzten 30 Tagen? |
| Chat | Eine vor-und-her-Konversation, in der das LLM zusätzliche Informationen von der anfordernden Person erhält. | Ich habe ein neues Telefon und kann jetzt nicht darauf zugreifen Okta. |
| Erstellen | Erstellen Sie eine neue ServiceNow Komponente. | Schreiben Sie eine neue KB über häufige Gründe für die langsame Ausführung von Abfragen und wie sie behoben werden kann, basierend auf Problemen, die in den letzten 12 Monaten erstellt wurden. |
| Workflow | Nutzen Sie vorhandene Workflows, und erstellen Sie daraus Konversationen. | Meine zurücksetzen Okta Passwort. |
Geben Sie den Kontext in Ihren Anweisungen an
Die Bereitstellung von Kontext für das LLM kann sich anfühlen, als würden Sie das Offensichtliche angeben. Sie müssen beispielsweise erklären, warum Ihr Anwender die Aufgabe ausführen möchte, oder mehr darüber erklären, worum es bei der Aufgabe geht. Wenn Sie eine Sprache verwenden, die alternative Bedeutungen haben könnte, sollten Sie Ihre Begriffe definieren. Beispiel: Wenn Ihre Anweisungen sich auf beziehen Microsoft Teams, Sie müssen möglicherweise etwas sagen wie „Teams bezieht sich auf“ Microsoft Teams, Eine Anwendung, mit der Mitarbeiter in einem Unternehmen einzeln oder in Gruppen miteinander kommunizieren können.“
Denken Sie bei der Bereitstellung von Kontext an die Zielgruppe für die Aufgabe. Dies hilft Ihnen, bessere Anweisungen zu schreiben. Die Erwähnung, für wen die Aufgabe bestimmt ist, hilft dem LLM auch bei der Ausführung der Aufgabe.
- Administratoren
- Administratoren konfigurieren Kompetenzen in Now Assist-Administrator Konsole. Sie arbeiten mit Plattformbesitzern und Produktbesitzern für Aufgaben und Anforderungen zusammen. Fachexperten überprüfen die Genauigkeit der Ergebnisse generativer KI. Governance-Gremien oder -Ausschüsse können die endgültige Unterzeichnung der Kompetenz überwachen.
- Generatoren
- Builder erstellen Assets wie Anwendungen und Workflows. Ihr Kompetenzniveau kann von „kein Code“, „Low-Code“, „Mid-Kompetenz“ oder „High-Skill“ variieren. Sie interagieren hauptsächlich miteinander und mit Administratoren.
- Service Desk-Mitarbeiter
- Service Desk-Mitarbeiter bieten Anwendern eines Produkts, Service oder einer Organisation technische Hilfe, Kundensupport oder andere Problemlösungshilfe. Service Desk-Mitarbeiter arbeiten mit Kollegen zusammen und unterstützen viele Arten von anfordernden Personen.
- Anfordernde Personen
- Anfordernde Personen können Mitarbeiter, Partner oder Kunden Ihrer Organisation sein. Anfordernde Personen konsultieren generative KI hauptsächlich in einem Selfservice-Kontext. Generative KI bietet anfordernden Personen die Möglichkeit, das Problem selbst zu lösen, bevor sie einen Service Desk-Mitarbeiter um Hilfe bitten.
Darüber hinaus müssen Sie das LLM möglicherweise „anweisen“, wie Sie die gewünschte Antwort erhalten können. Detaillierte Anweisungen zur Denkkette führen eher zu den Ergebnissen, die Sie suchen. Wenn Sie in Ihren Anweisungen Annahmen treffen, können Ihre Ergebnisse stark variieren.
| Standardanweisungen | Anweisungen zur Gedankenkette |
|---|---|
|
F: Beginnen Sie mit 5 Tennisbällen. Kaufen Sie 2 weitere Dosen Tennisbälle. Jeder kann 3 Tennisbälle haben. Wie viele Tennisbälle gibt es derzeit? A: Die Antwort ist 11. F: Die Cafeteria hatte 23 Äpfel. Wenn die Cafeteria 20 zum Mittagessen verwendet und 6 weitere gekauft hat, wie viele Äpfel hat die Cafeteria? |
F: Beginnen Sie mit 5 Tennisbällen. Kaufen Sie 2 weitere Dosen Tennisbälle. Jeder kann 3 Tennisbälle haben. Wie viele Tennisbälle gibt es derzeit? A: Es gibt 5 Bälle. 2 Dosen mit 3 Tennisbällen, jeweils 6 Tennisbälle. 5+6=11. Die Antwort ist 11. F: Die Cafeteria hatte 23 Äpfel. Wenn die Cafeteria 20 zum Mittagessen verwendet und 6 weitere gekauft hat, wie viele Äpfel hat die Cafeteria? |
| LLM-Ergebnisse (falsch!) | LLM-Ergebnisse (richtig!) |
| A: Die Antwort ist 27. | A: Die Cafeteria hatte ursprünglich 23 Äpfel. Sie haben 20 für das Mittagessen verwendet. Also hatten sie 23–20=3. Sie haben 6 weitere Äpfel gekauft, also 3+6=9. Die Antwort lautet 9. |
Erwartungen
Sie können angeben, wie Ihre Ergebnisse klingen und aussehen sollen. Sie können dem LLM beispielsweise mitteilen, welche Art von Ton verwendet werden soll.
| Anweisung | LLM-Ergebnis | Auswertung des Ergebnisses |
|---|---|---|
| Begrüßen Sie den Anwender mit einem lässigen, entspannten Ton. | Hallo! (: Willkommen am 22. Mai 2024, einem Mittwoch. Entspannen Sie sich, und haben Sie einen großartigen Tag! | Zu lässig! |
| Begrüßen Sie den Anwender mit einem professionellen, geschäftsähnlichen Ton. | Guten Tag, willkommen in unserem Geschäft. Wie kann ich Sie heute unterstützen? | Etwas zu formell. |
| Begrüßen Sie den Anwender mit einem professionellen, aber freundlichen Ton. | Hallo zusammen! Ich freue mich, Ihnen heute, den 22. Mai 2024, zu helfen. Wie kann ich Ihnen helfen? | Großartig, aber ich möchte das Datum nicht. |
| Begrüßen Sie den Anwender mit einem professionellen, aber freundlichen Ton. Geben Sie das Datum nicht an. |
Hallo! Ich bin hier, um zu helfen. Wie kann ich Sie heute unterstützen? |
Perfekt. |
| Anweisung | LLM-Ergebnis | Auswertung des Ergebnisses |
In einigen Now Assist Anwendungen haben Sie möglicherweise die Möglichkeit, die Formatierung anzugeben. In diesen Fällen können Sie das LLM beispielsweise anweisen, Antworten in einer Aufzählungsliste anzugeben. Listen mit Aufzählungszeichen sind häufig leichter zu lesen.
Quelle
Sie können eine Vielzahl von Quellen vorschlagen, die das LLM verwenden soll, um Antworten zu finden, einschließlich Microsoft Teams Konversationen, Microsoft SharePoint Online Sites, Incidents und Fälle und interne Wissensartikel. Damit ein Service Desk-Mitarbeiter oder eine Kompetenz auf alle diese Quellen zugreifen kann, muss ein Administrator den Zugriff auf die Instanz konfigurieren.
Für Entwickler können die Quellen, auf die eine Kompetenz oder KI-Agent zugreifen kann, je nach gewünschtem Ergebnis variieren. Beispielsweise verwendet die Kompetenz „Incident-Zusammenfassung“ die Incident-Tabelle als Quelle. KI-Service Desk-Mitarbeiter verwenden verschiedene Tools und Wissensquellen, die an die von ihnen ausgeführte Aufgabe angepasst sind.
Zusätzliche Richtlinien für Now Assist Kompetenzen und Tools
| Kompetenz | Referenz |
|---|---|
| App-Generierung | General guidelines for using Now Assist for app generation in ServiceNow Studio |
| Analytics-Generierung | Guidelines and example questions |
| Katalogelementgenerierung | Suggestions to describe catalog items |
| Codegenerierung | General guidelines for code generation |
| Flow-Generierung | Exploring flow generation |
| LLM-Themenkompetenz für Virtual Agent | |
| Now Assist Skill Kit | ../../now-assist-skill-kit/reference/na-skill-kit-guidelines.html |
| RPA-Bot-Generierung | Allgemeine Richtlinien für die RPA-Bot-Generierung |
| Testgenerierung | Design considerations for prompting |
| UI-Generierung | General guidelines UI generation |