Dalším užitečným přístupem je zadávání pokynů modelu, které obrací scénář a dává modelu pokyn, aby se vás zeptal na podrobnosti, které potřebuje k dokončení daného úkolu. Tento přístup minimalizuje hádání a odrazuje model od vymýšlení.
Příklad. Předpokládejme, že pracujete v oblasti cestovních technologií a chcete, aby model umělé inteligence vygeneroval sekci nejčastějších dotazů pro novou funkci cestovních rezervací na vaší platformě. Místo toho, abyste model požádali pouze o „vytvoření FAQ pro novou funkci rezervace“, což by mohlo vést k obecným nebo necíleným otázkám a odpovědím, můžete AI vyzvat následujícím způsobem:
„Potřebuji, abys vytvořil sekci nejčastějších dotazů pro novou funkci cestovních rezervací, kterou právě spouštíme. Můžete se mě zeptat na informace, které potřebujete k jejímu dokončení?“.
ChatGPT se vás pak může mimo jiné zeptat: „Jak se jmenuje nová funkce rezervace cestování?“ a „Jaký je hlavní účel nebo funkce této nové funkce?“.
Použitím výzev řízených modelem zajistíte, že výsledné nejčastější dotazy budou relevantní, přesné a přizpůsobené konkrétní funkci cestovní rezervace, a nebudete se spoléhat na předpoklady modelu.
Některé z klíčových typů výzev a technik jsme nastínili zde. Je však důležité si uvědomit, že se nejedná o vyčerpávající seznam; pro maximální využití vašeho modelu lze použít mnoho dalších technik. Tyto techniky se také vzájemně nevylučují a často je lze kombinovat, abyste dosáhli efektivnějších nebo diferencovanějších výsledků. Například technika kombinace výzev zahrnuje sloučení různých pokynů nebo otázek do jediné, mnohostranné výzvy, aby se od umělé inteligence získala komplexní odpověď.
Poté, co jsme probrali základní informace o typech výzev, přejděme k úloze inženýra výzev, který je klíčovým hráčem při efektivním využívání těchto technik.
Model-Guided Prompting (Podněty řízené modelem)
Modelově řízené výzvy zahrnují zadání pokynu systému LLM, aby vás požádal o informace potřebné k dokončení požadovaného úkolu. Je to podobné, jako když někomu řeknete: „Zeptej se mě, co potřebuješ vědět.“.
"Chtěl bych, abyste napsali program v jazyce Python pro správu informací o mých klientech, které jsou uloženy v listu Google. Položte mi prosím jakékoli otázky, na které budete potřebovat odpovědi, abyste mohli tento úkol splnit."
Nechat na ChatGPT, aby se rozhodl, jaké informace potřebuje k provedení úkolu, může být přínosné, protože se zbaví některých dohadů a odradí od halucinací. Samozřejmě, že špatně vytvořená výzva pro modelově řízené zadání by mohla způsobit, že budete mít od ChatGPT řadu nesouvisejících otázek, takže počáteční výzva musí být stále napsána promyšleně.
