Как составлять промпты для Command

О чём урок

Промпты могут быть как простыми, состоящими из одной строки, так и сложными, содержащими несколько слоев специфической информации. Чем точнее ваша команда, тем выше вероятность того, что вы получите от модели именно то, что вам нужно. Мы рассмотрим несколько советов и идей по составлению команд в вашем промпте, чтобы помочь вам достичь желаемого результата. Прочитайте сопутствующую статью здесь. Давайте определим функцию генерации текста, которую мы будем использовать на протяжении всего этого ноутбука. По своей сути, промптинг модели Command заключается в отправке инструкции модели генерации текста и получении ответа. Следовательно, наименьшей единицей идеально полного промпта является короткая строка инструкции для модели. Простой и короткий prompt может стать отправной точкой, но в большинстве случаев вам потребуется добавить конкретики в ваши инструкции. В приведенном выше примере мы упаковываем дополнительные детали prompt в один абзац. В качестве альтернативы, мы также можем составить его более структурированным образом, вот так: Хотя LLM превосходно справляются с задачами генерации текста, они испытывают трудности в сценариях, чувствительных к контексту. В реальных приложениях возможность добавления контекста к prompt является ключевой, поскольку это позволяет создавать персонализированный генеративный AI для команды или компании. Это делает возможными многие варианты использования, такие как интеллектуальные помощники, поддержка клиентов и инструменты повышения производительности, которые извлекают нужную информацию из широкого круга источников и добавляют ее в prompt. Все наши prompt до сих пор использовали так называемый zero-shot prompting, что означает, что мы даем инструкцию без какого-либо примера. Но во многих случаях крайне полезно предоставить модели примеры, чтобы направить ее ответ. Это называется few-shot prompting. Один из конкретных способов предоставления примеров в prompt — это показ ответов, включающих шаг рассуждения. Таким образом, мы просим модель сначала «подумать», а не сразу переходить к ответу. Мы также можем заставить модель генерировать ответы в определенном формате. Давайте рассмотрим несколько из них: таблицы Markdown и строки JSON.

План урока

1. Один абзац
2. Структурированный
3. Без контекста
4. С контекстом
5. Без примеров (Zero-Shot)
6. С примерами (Few-Shot)
7. Без примеров
8. С примерами