zisky:
- Rozpozná nejčastější chyby v pohotovosti ze skutečných příkladů
- Dokáže použít praktickou a opakovatelnou opravu každé chyby
- Uvědomuje si, že špatný výstup je často způsoben špatnou výzvou
V tomto modulu jsme se naučili techniky psaní dobrých výzev jednu po druhé. Nyní je podpořme z jiného úhlu: pohledem na nejčastější chyby a jejich řešení. Naprostá většina špatných výstupů AI je způsobena špatným pobízením, nikoli nedostatkem modelu. Pokud rozpoznáte chyby v této jednotce, můžete rychle diagnostikovat a opravit problémy ve vlastních výzvách; Místo toho, abyste řekli „AI to nemůže udělat“, můžete říct „nechte mě opravit výzvu takto“.
Proč je důležité rozpoznávat chyby?
Když výstup nesplňuje vaše očekávání, můžete reagovat dvěma způsoby: obvinit nástroj nebo zpochybnit výzvu. Zkušený uživatel dělá to druhé. Protože většinou je zdroj problému zřejmý a výsledek se s malou korekcí změní. Níže uvidíme osm nejčastějších chyb, jejich příznaky a řešení.
Osm nejčastějších chyb
Chyba
symptom
Řešení
nejednoznačnost
Obecná odpověď „jedna velikost pro všechny“.
Dejte měřitelný pokyn
Nulový kontext
Výstup, který neodpovídá situaci
Přidejte kdo/proč/historii
Není specifikován formát
Výstup ve špatném formátu
Vynutit formát
absence omezení
Nadměrný, deviantní obsah
Přidejte seznam „ne“.
přetížení
Model přeskočí některé požadavky
Rozdělit práci, stanovit priority
nepotvrzení
Používání falešných informací
Ověřte si fakta se zdrojem
Očekávání na jeden výstřel
Nevzdávejte se při prvním výjezdu
Iterovat
rozporuplný návod
nekonzistentní výstup
Zarovnejte omezení
Diagnostická metoda krok za krokem
Když přijde poškozený výstup, postupujte takto:
- Je mise jasná? Je to sloveso konkrétní, znamená to jediné, co chceš?
- Stačí kontext? Zná modelka situaci?
- Byl zmíněn formát? Je formát takový, jaký chcete?
- Existují nějaká omezení? Je napsáno, co se nechce?
- Naložil jsem příliš mnoho? Požádal jsem o 5 různých úloh v jedné výzvě?
- Ověřil jsem? Bylo zkontrolováno číslo, jméno, datum?
Těchto šest otázek zachytí téměř všechny chyby.
Čtyři kopírovatelné korekturní šablony
1) Odstranění nejednoznačnosti:
Udělejte tento pokyn měřitelným: [vágní pokyn] Přeložte každý neurčitý bod do konkrétního čísla, množství nebo kritéria.
2) Rozdělení přetížení:
Nedělejte tento úkol najednou. Pokračujte v tomto pořadí a po dokončení každého kroku zastavte, počkejte na mé potvrzení:1) [dílčí úkol 1]2) [dílčí úkol 2]3) [dílčí úkol 3]
3) Omezovací kování:
Stačí se spolehnout na informace, které jsem uvedl níže. Pokud nejsou žádné informace, napište "žádná data"; nehádejte ani nepřidávejte. Uveďte, ze které linie pochází každé důležité tvrzení, které používáte. Zdroj: [text]
4) Řešení rozporu:
Zkontrolujte, zda v pokynech, které jsem vám dal, nejsou nějaké rozpory. Pokud ano, uveďte seznam konfliktních bodů a zeptejte se mě, který z nich upřednostnit; pak podle toho vyrábět.
Slabá výzva / Silná výzva
Slabé (mnoho chyb dohromady):
Napište pro naši společnost komplexní plán marketingu, rozpočtu a náboru a můžete začít.
Výkonný (chyby opraveny):
Role: Jste specialistou na rozvoj podnikání a poskytujete poradenství malým a středním podnikům. Kontext: Softwarová společnost s 12 lidmi; cílem je 20 nových zákazníků v tomto čtvrtletí. Úkol: Napište POUZE marketingový plán (nezahrnujte rozpočet a nábor). Formát: 5bodový seznam akcí; každá položka: akce + odpovědná + kritéria. Omezení: Rozpočet na placenou reklamu 0; Doporučit pouze organické kanály. Neuvádějte falešné metriky; Zdůvodněte návrh.
Výkonná verze rozděluje přetížení (nacpání tří témat do jedné výzvy), nahrazuje nejednoznačnost („hodně štěstí“) kritérii a přidává formátování a omezení.
Tři mini pouzdra
Případ 1 – Přetížení. Manažer požadoval souhrn zprávy, plán prezentace a e-mail v jediné výzvě; Model udělal všechny tři napůl. Rozdělením úlohy do tří samostatných výzev byl každý výstup kompletní a použitelný. Celkový čas byl kratší než boj s jedinou složitou výzvou.
Případ 2 – Nepotvrzení. Obsahový tým zveřejnil „odvětvovou statistiku“ danou modelem, aniž by ji ověřil; Číslo se ukázalo jako špatné a museli vydat opravu. Posléze přijali pravidlo „každému číslu dejte jeho zdroj, já zdroj zkontroluji“ a toto riziko eliminovali.
Případ 3 – Konfliktní instrukce. Když obchodník řekl „je to velmi krátké, ale řekni všechny funkce“, model některé funkce vynechal. Když jsem udělal instrukce neprotichůdné jako „popište 3 nejdůležitější vlastnosti 60 slovy“, výstup byl krátký a úplný.
Tip: Před spuštěním si projděte „šest diagnostických otázek“. Tato 30sekundová kontrola činí většinu iterací od začátku zbytečnou.
Pozor: Nejnebezpečnější chybou je „nevalidace“, protože je přehlížena, protože výstup vypadá hladce a přesvědčivě. Model se může s velkou jistotou shodovat s číslem, jménem nebo zdrojem. Nezávisle ověřit jakoukoli skutečnost, která má být zveřejněna nebo použita jako základ pro rozhodnutí. Toto téma prohloubíme v dalším bloku.
Neviditelná chyba: Výstup „téměř správný“.
Některé chyby lze snadno zachytit: výstup přichází ve špatném formátu, jde mimo téma nebo je prázdný. Ale nejzákeřnější chybou je, že výstup je téměř správný. Text je plynulý, struktura je hladká, tón je na místě; Je tam jen jedno špatné číslo, přehlédnuté omezení nebo malá logická chyba. Tyto typy výstupů jsou nebezpečné, protože unikají kontrole, protože „vypadají dobře“.
Proti tomu chrání dva zvyky. Za prvé, nepoužívejte výstup bez jeho přečtení: bez ohledu na to, jak spěcháte, před odesláním si jej přečtěte. Za druhé, nechat model zkontrolovat svůj výstup: „zkontrolujte, zda jste dodrželi všechna omezení, která jsem vám dal“ nebo „vyjmenujte všechna čísla v tomto textu“, vyplavou na povrch skryté chyby. Tyto dva kroky trvají několik sekund, ale náklady na nesprávná rozhodnutí způsobená „téměř správným“ výstupem jsou mnohem vyšší.
Vyhýbání se chybám: design nad kontrolou
Místo hledání chyb ve výstupu se jim zkušený uživatel snaží od začátku na výzvu zabránit. To je rozdíl v mentalitě. Udělejte z každé opakující se chyby „trvalé pravidlo“: pokud model stále přidává komentáře v souhrnné úloze, nastavte nyní u každé souhrnné výzvy omezení „nepřidávat komentáře“. Pokud model vždy produkuje příliš mnoho položek v úloze seznamu, umístěte do šablony omezení „přesně X položek“. Tímto způsobem, místo toho, abyste chytili stejnou chybu znovu a znovu, zabráníte jejímu výskytu. Dobře navržená výzva nahrazuje desítky následných oprav; Diagnostika chyb se tak změní z zátěže na nástroj učení a zlepšování.
Časté chyby
- Obviňování prostředníka. Řekněte „AI to nedokáže“ místo hledání problému ve výzvě.
- Příliš mnoho práce s jedinou výzvou. Zkomprimování pěti samostatných úkolů do jedné instrukce a jejich provedení napůl.
- Přeskočení ověření. Za předpokladu, že plynulý výstup je správný.
- Poskytování protichůdného omezení. Sebekonfliktní požadavky, jako je „krátké, ale komplexní“.
- Zkus to znovu bez diagnostiky. Opakování stejné chyby, aniž byste zjistili, co je rozbité.
V souhrnu
- Většina špatných výstupů je problém s výzvou, nikoli s modelem; lze diagnostikovat a korigovat.
- Nejčastější chyby: nejednoznačnost, nulový kontext, nedostatek formátu, nedostatek omezení, přetížení, nedostatek ověření, jednorázové očekávání a rozpor.
- Šest diagnostických otázek (úloha, kontext, formát, omezení, zatížení, ověření) zachycuje většinu chyb.
- Rozdělení složitých úloh poskytuje rychlejší a kvalitnější výsledky než jejich načítání do jediné výzvy.
- Nejzákeřnější chybou je neověření; Hladký výstup neznamená přesný.
Aplikační úkol
Najděte starý výtisk, který se vám nelíbí, a spusťte jeho výzvu prostřednictvím „šesti diagnostických otázek“. Označte, které chyby se vyskytly, pro každou použijte opravu v této jednotce a spusťte výzvu znovu. Všimněte si, která jednotlivá oprava přinesla největší zlepšení, ne kolik kol.
kontrolní seznam
- [ ] V případě špatného výstupu se nejprve dotazuji na výzvu, nikoli na agenta.
- [ ] Mohu provést šest diagnostických otázek.
- [ ] Složité úkoly rozděluji do více výzev.
- [ ] Všímám si protichůdných a nejednoznačných pokynů a opravuji je.
- [ ] Věcný výstup před zveřejněním ověřuji.