Diretrizes gerais para escrever instruções para modelos de linguagem grande (LLMs) da IA generativa
Ao usar Now Assist Produtos e habilidades, você pode ter a opção de dar instruções específicas ou outras orientações para o LLM. Escrever instruções de IA generativa é diferente de conduzir uma pesquisa de palavra-chave. Use as seguintes diretrizes gerais ao elaborar suas instruções.
Escrever instruções para IA generativa é muito diferente de usar palavras-chave de pesquisa. Palavras-chave são as palavras que você pode esperar que apareçam em seus resultados. Por exemplo, se você pesquisar "gatos bobtail cinza", poderá esperar que os resultados da pesquisa retornem com tópicos ou mídias que sejam sobre gatos cinza, gatos bobtail ou até mesmo gatos em geral. Mas, com a IA generativa, você está solicitando que o LLM execute uma tarefa para você. "Gatos bobtail cinza" não inclui um verbo para dizer ao LLM o que fazer. E esses gatos cinza? Ele deve localizar tudo o que há para saber sobre eles? Deve encontrar gatos bobtail cinza para adotar? Deve criar uma imagem de um gato bobtail cinza? Deve ser uma imagem realista, ou mais de um desenho de linha? A IA generativa precisa de mais do que apenas palavras-chave.
Instruções gerais do LLM
- Objetivo
- Que tipo de resultado você deseja do LLM?
- Contexto
- Por que você precisa dele e quem está envolvido?
- Expectativas
- Como o LLM deve atender melhor à sua solicitação?
- Origem
- Que informações ou outros recursos você deseja que o LLM use?
Teste e refine continuamente suas instruções. Criar boas instruções de LLM é um processo iterativo e, conforme o modelo de LLM aprende, você pode querer modificar suas instruções ao longo do tempo.
Declarar seu objetivo
- Lidere com verbos de ação. Use o formulário imperativo ou comandos diretos.
- Seja direto e use frases simples em vez de complexas.
- Seja específico.
- Não use jargões ou gírias.
- Evite referências a terceiros ou pronomes. Remover o assunto ou quaisquer identificadores geralmente evita que o LLM personifique ou identifique incorretamente o usuário final.
- Suas palavras instruem a lógica que a IA generativa usará. Instruções detalhadas de cadeia de pensamento funcionam bem para isso.
As instruções também devem ser adaptadas ao tipo de tarefa. A tabela a seguir descreve os diferentes tipos de tarefas e o tipo de instruções que você pode escrever para cada circunstância.
| Tipo de tarefa | Descrição | Exemplo de instrução |
|---|---|---|
| Pesquisa simples | Pesquisa simples de uma resposta. | Quando é o próximo feriado da empresa? |
| Resposta | Reúna informações de várias fontes e forneça uma resposta resumida. | Quais foram os principais problemas de suporte ao cliente nos últimos 30 dias? |
| Bate-papo | Uma conversa de ida e volta na qual o LLM está obtendo informações adicionais do solicitante. | Tenho um novo telefone e agora não consigo acessar Okta. |
| Criar | Criar um novo ServiceNow componente. | Escreva uma nova base de conhecimento sobre motivos comuns para a execução lenta da consulta e como corrigi-la, com base em problemas criados nos últimos 12 meses. |
| Fluxo de trabalho | Aproveite os fluxos de trabalho existentes e crie conversas a partir deles. | Redefinir meu Okta senha. |
Fornecer contexto em suas instruções
Fornecer contexto para o LLM pode parecer que você está afirmando o óbvio. Por exemplo, talvez você precise explicar por que o usuário deseja executar a tarefa ou explicar mais sobre o que se trata a tarefa. Se você estiver usando uma linguagem que pode ter significados alternativos, convém definir seus termos. Por exemplo, se suas instruções forem sobre Microsoft Teams, Talvez você precise dizer algo como "Equipes se refere a. Microsoft Teams uma aplicação que os funcionários de uma empresa podem usar para se comunicar individualmente ou em grupos."
Ao fornecer contexto, pense no público-alvo da tarefa. Isso ajudará você a escrever instruções melhores. Mencionar para quem a tarefa se destina também ajuda o LLM a realizar a tarefa.
- Administradores
- Os administradores configuram habilidades no Administração do Now Assist console. Eles trabalham com responsáveis pela plataforma e responsáveis pelo produto para tarefas e requisitos. Os especialistas no assunto verificam a precisão dos resultados da IA generativa. Os conselhos ou comitês de governança podem supervisionar a aprovação final da habilidade.
- Construtores
- Os construtores criam ativos, como aplicações e fluxos de trabalho. Seu nível de habilidade pode variar de sem código, low-code, mid-skill ou high-skill. Eles interagem uns com os outros e com os administradores.
- Agentes
- Os agentes fornecem assistência técnica, suporte ao cliente ou outra ajuda para resolver problemas para usuários de um produto, serviço ou organização. Os agentes trabalham com seus colegas e oferecem suporte a muitos tipos de solicitantes.
- Solicitantes
- Os solicitantes podem incluir funcionários, parceiros ou clientes da sua organização. Os solicitantes encontram a IA generativa principalmente em um contexto de autoatendimento. A IA generativa oferece aos solicitantes a oportunidade de resolver o problema por conta própria antes de recorrer à solicitação de ajuda a um agente.
Pode ser necessário "instruir" o LLM como chegar ao tipo de resposta que você deseja. Instruções detalhadas de cadeia de pensamento têm mais probabilidade de produzir os resultados que você está procurando. Se você fizer suposições em suas instruções, seus resultados podem variar muito.
| Instruções padrão | Instruções de cadeia de pensamento |
|---|---|
|
Q: Comece com 5 bolas de tênis. Mais 2 latas de bolas de tênis. Cada lata tem 3 bolas de ténis. Quantas bolas de tênis existem agora? A: A resposta é 11. Q: O refeitório tinha 23 maçãs. Se a cafeteria usou 20 para fazer o almoço e comprou mais 6, quantas maçãs a cafeteria tem? |
Q: Comece com 5 bolas de tênis. Mais 2 latas de bolas de tênis. Cada lata tem 3 bolas de ténis. Quantas bolas de tênis existem agora? Há 5 bolas. 2 latas de 3 bolas de tênis cada é 6 bolas de tênis. 6 a 11 5. A resposta é 11. Q: O refeitório tinha 23 maçãs. Se a cafeteria usou 20 para fazer o almoço e comprou mais 6, quantas maçãs a cafeteria tem? |
| Resultados do LLM (incorretos!) | Resultados do LLM (corretos!) |
| A: A resposta é 27. | Originalmente, o refeitório tinha 23 maçãs. Eles usaram 20 para fazer o almoço. Então eles tinham 23-20-3. Eles compraram mais 6 maçãs, então eles têm 3 e 6 9. A resposta é 9. |
Expectativas
Você pode especificar como deseja que os resultados soem e fiquem. Por exemplo, você pode dizer ao LLM que tipo de tom você deseja que ele use.
| Instrução | Resultado do LLM | Avaliação do resultado |
|---|---|---|
| Cumprimente o usuário com um tom casual e descontraído. | Olá! (: Bem-vindo a 22 de maio de 2024, uma quarta-feira. Relaxe e tenha um ótimo dia! | Muito casual! |
| Cumprimente o usuário com um tom profissional e comercial. | Bom dia, bem-vindo ao nosso negócio. Como posso ajudá-lo hoje? | Um pouco formal demais. |
| Cumprimente o usuário com um tom profissional, mas amigável. | Olá! Estou feliz em ajudá-lo hoje, 22 de maio de 2024. Como posso ajudar você? | Ótimo, mas eu não quero a data. |
| Cumprimente o usuário com um tom profissional, mas amigável. Não inclua a data. |
Olá! Estou aqui para ajudar. Como posso ajudá-lo hoje? |
Perfeito. |
| Instrução | Resultado do LLM | Avaliação do resultado |
Em alguns Now Assist aplicações, você pode ter a opção de especificar a formatação. Nesses casos, você pode dizer ao LLM para fornecer respostas em uma lista com marcadores, por exemplo. Listas com marcadores geralmente são mais fáceis de ler.
Origem
Você pode sugerir uma variedade de fontes que o LLM deve usar para encontrar respostas, incluindo Microsoft Teams conversas, Microsoft SharePoint Online incidentes e casos e artigos de conhecimento interno. Para que um agente ou habilidade acesse todas essas origens, um administrador deve configurar o acesso na instância.
Para desenvolvedores, as fontes que uma habilidade ou agente de IA pode acessar podem variar dependendo do resultado desejado. Por exemplo, a habilidade de resumo de incidentes usa a tabela Incidente como origem. Os agentes de IA usam diferentes ferramentas e fontes de conhecimento, personalizadas para a tarefa que executam.
Diretrizes adicionais para Now Assist habilidades e ferramentas
| Habilidade | Referência |
|---|---|
| Geração de aplicações | General guidelines for using Now Assist for app generation in ServiceNow Studio |
| Geração de análise | Guidelines and example questions |
| Geração de item do catálogo | Suggestions to describe catalog items |
| Geração de código | General guidelines for code generation |
| Geração de fluxo | Exploring flow generation |
| Habilidade do tópico do LLM para Virtual Agent | |
| Kit de habilidades do Now Assist | ../../now-assist-skill-kit/reference/na-skill-kit-guidelines.html |
| Geração de bot de APR | Diretrizes gerais para geração de bot de RPA |
| Geração de teste | Design considerations for prompting |
| Geração de IU | General guidelines UI generation |