Prompt entwickeln

  • Freigeben Version: Yokohama
  • Aktualisiert 30. Januar 2025
  • 1 Minute Lesedauer
  • Verwenden Sie die Richtlinien, um eine Eingabeaufforderung für Ihre Kompetenz zu erstellen. Eine spezifische, klare, kontextbezogene Eingabeaufforderung liefert bessere Ergebnisse.

    Übersicht über die Entwicklung der Aufforderung

    Als Prompt-Entwickler sollten Sie sich bei Entwicklungsentscheidungen die Modellausgaben ansehen, die als Reaktion auf eine auf viele verschiedene Eingaben angewendete Aufforderung generiert werden. Es gibt jedoch noch bestimmte Richtlinien, die Benutzern den Einstieg in das Prompt-Design erleichtern können.

    1. Seien Sie spezifisch

      Definieren Sie das gewünschte Ergebnis klar und deutlich. Geben Sie genau an, welche Aufgabe das Modell erfüllen soll. Identifizieren Sie eindeutig die Eingaben, die Sie dem Modell bereitstellen, und geben Sie die Ausgabe an, die Sie vom Modell erwarten (einschließlich Formatierung).

    2. Fügen Sie den richtigen Kontext hinzu

      Geben Sie Hintergrundinformationen und Kontext an, die für die Erfüllung der Aufgabe relevant sind. Diese Informationen können eine fokussiertere Antwort generieren.

    3. Klartext verwenden

      Verwenden Sie beim Schreiben der Aufforderung eine präzise und eindeutige Sprache.

    4. Fügen Sie Demos ein

      Wenn möglich, bereiten Sie nach Möglichkeit abgeschlossene Beispiele oder Demonstrationen in der Aufforderung nach den Anweisungen vor, um zu veranschaulichen, was das Modell erzeugen soll. Demonstrationen sind eine leistungsstarke Möglichkeit, die Wahrscheinlichkeit zu erhöhen, dass eine gewünschte Ausgabe generiert wird. Die Leistung ändert sich jedoch je nach den ausgewählten Demonstrationen.

    5. Starten Sie einfach, und testen Sie Varianten

      Unterteilen Sie komplexe Aufgaben in kleinere und klarere Anweisungen. einen kontrollierten und iterativen Ansatz verfolgen. Experimentieren Sie mit verschiedenen Strukturen.

    Andere Überlegungen

    • Subtile Unterschiede in der Formulierung können zu erheblichen Unterschieden in der Leistung führen. Wenn Sie versuchen, Überlegungen anzustellen, wie ein Large Language Model (LLM) die Anweisungen in einer Eingabeaufforderung „interpretieren“ kann, kommen Sie nicht weit. Welche spezifische Auswahl von Aufforderungsformulierungen am besten geeignet ist, hängt vom zugrunde liegenden Modell ab und sollte idealerweise basierend auf Nachweisen (d. h. Berücksichtigung vieler Ausgaben) ausgewählt werden.
    • In datenbeschränkten Umgebungen sollten Sie mehrere Kandidaten-Prompts iterativ mithilfe der Entwicklungsdaten entwickeln, dann die Leistung jedes Kandidaten-Prompts im Testsatz messen und die beste auswählen.