സിസ്റ്റം പ്രോംപ്റ്റും മോഡൽ പാരാമീറ്ററുകളും

നേട്ടങ്ങൾ:

• മുഴുവൻ സംഭാഷണത്തിലൂടെയും സിസ്റ്റം പ്രോംപ്റ്റ് മോഡലിനെ എങ്ങനെ നയിക്കുന്നുവെന്ന് രൂപകൽപ്പന ചെയ്യാൻ കഴിയും
• അഡാപ്റ്റീവ് ചിന്തയുടെയും പ്രയത്ന പാരാമീറ്ററുകളുടെയും പങ്ക്, ചെലവ് സ്വാധീനം എന്നിവ മനസ്സിലാക്കുന്നു
• max_tokens, സ്റ്റോപ്പ് സീക്വൻസുകൾ, ഘടനാപരമായ ഔട്ട്പുട്ട് തുടങ്ങിയ ഔട്ട്പുട്ട് നിയന്ത്രണങ്ങൾ നടപ്പിലാക്കുന്നു

ഒരേ മോഡലിൻ്റെ രണ്ട് വ്യത്യസ്ത ഉൽപ്പന്നങ്ങൾ തികച്ചും വ്യത്യസ്തമായി പെരുമാറിയേക്കാം. വ്യത്യാസം മോഡലിലല്ല, മറിച്ച് സിസ്റ്റം പ്രോംപ്റ്റിലും അതിന് നൽകിയിരിക്കുന്ന പാരാമീറ്ററുകളിലുമാണ്. സിസ്റ്റം പ്രോംപ്റ്റ് മോഡലിൻ്റെ "വർക്ക് കരാർ" ആണ്, പരാമീറ്ററുകൾ "വർക്ക് ക്രമീകരണങ്ങൾ" ആണ്. ഈ യൂണിറ്റിൽ, ശക്തമായ ഒരു സിസ്റ്റം പ്രോംപ്റ്റ് എങ്ങനെ രൂപകൽപ്പന ചെയ്യാമെന്നും ആധുനിക മോഡലുകളിലെ ചിന്തയും പ്രയത്ന ക്രമീകരണങ്ങളും എന്താണ് ചെയ്യുന്നതെന്നും ഫോർമാറ്റ്/ദൈർഘ്യത്തിനായുള്ള ഔട്ട്പുട്ട് എങ്ങനെ നിയന്ത്രിക്കാമെന്നും നിങ്ങൾ പഠിക്കും. ഈ ക്രമീകരണങ്ങൾ ശരിയായി സജ്ജീകരിക്കുന്നത് ഒരേ സമയം ഗുണനിലവാരവും ചെലവും നിയന്ത്രിക്കാൻ നിങ്ങളെ അനുവദിക്കുന്നു.

സിസ്റ്റം പ്രോംപ്റ്റ്: മോഡലിൻ്റെ സ്ഥിരമായ നിർദ്ദേശം

മുഴുവൻ സംഭാഷണത്തിലുടനീളം ബാധകമായ ഉയർന്ന തലത്തിലുള്ള നിർദ്ദേശമാണ് സിസ്റ്റം പ്രോംപ്റ്റ്. ഉപയോക്തൃ തരങ്ങൾ എന്തുതന്നെയായാലും ഈ നിയമങ്ങൾ സാധുവായിരിക്കും. ഒരു നല്ല സിസ്റ്റം പ്രോംപ്റ്റിൽ ഇനിപ്പറയുന്ന ഘടകങ്ങൾ ഉൾപ്പെടുന്നു:

1. റോൾ/ഐഡൻ്റിറ്റി: ആരാണ് മോഡൽ? ("നിങ്ങൾ ഒരു കോർപ്പറേറ്റ് സപ്പോർട്ട് അസിസ്റ്റൻ്റാണ്.")
2. വ്യാപ്തിയും അതിരുകളും: അത് എന്ത് ചെയ്യുന്നു, എന്ത് ചെയ്യരുത്? (“നൽകിയ പോളിസി ഡോക്യുമെൻ്റിൻ്റെ അടിസ്ഥാനത്തിൽ മാത്രം.”)
3. ഫോർമാറ്റ് നിയമങ്ങൾ: ഔട്ട്പുട്ട് എങ്ങനെയായിരിക്കണം? ("പരമാവധി 3 ലേഖനങ്ങൾ, ഔദ്യോഗിക ഭാഷ.")
4. അനിശ്ചിതത്വത്തിലുള്ള പെരുമാറ്റം: ഉറപ്പില്ലെങ്കിൽ ഒരാൾ എന്തുചെയ്യും? ("വിവരങ്ങളൊന്നുമില്ലെങ്കിൽ, അത് ഉണ്ടാക്കുക, അത് ബന്ധപ്പെട്ട യൂണിറ്റിലേക്ക് നയിക്കുക.")
5. സുരക്ഷ/സ്വകാര്യത: എന്താണ് വേണ്ടാത്തത്/ആവശ്യമില്ലാത്തത്? ("വ്യക്തിഗത ഡാറ്റ അഭ്യർത്ഥിക്കുക.")

നുറുങ്ങ്: സിസ്റ്റം പ്രോംപ്റ്റ് സ്ഥിരമായി നിലനിർത്തുക. ഓരോ അഭ്യർത്ഥനയിലും (നിലവിലെ തീയതി, ഉപയോക്തൃനാമം, സെഷൻ ഐഡി) മാറുന്ന വിവരങ്ങൾ ഉൾച്ചേർക്കരുത്. ഇത് രണ്ടും സ്ഥിരത തകർക്കുകയും യൂണിറ്റ് 6-ലെ പ്രോംപ്റ്റ് കാഷെ അസാധുവാക്കുകയും ചെയ്യുന്നു. ഉപയോക്തൃ സന്ദേശത്തിൽ വേരിയബിൾ വിവരങ്ങൾ ഇടുക.

അമിതമായ ആക്രമണാത്മക നിർദ്ദേശ ട്രാപ്പ്

ആധുനിക മോഡലുകൾ നിർദ്ദേശങ്ങൾ വളരെ അടുത്താണ് പിന്തുടരുന്നത്. പഴയ മോഡലുകളിൽ പ്രവർത്തിച്ചിരുന്ന "നിർബന്ധം", "എല്ലായ്‌പ്പോഴും", "തീർച്ചയായും ഇത് ചെയ്യുക" തുടങ്ങിയ ആക്രമണാത്മക വാക്യങ്ങൾ ഇന്ന് ഓവർട്രിഗറിംഗിലേക്ക് നയിക്കുന്നു: മോഡൽ ആവശ്യമില്ലാത്തപ്പോൾ അല്ലെങ്കിൽ അനാവശ്യമായി ദീർഘനേരം പ്രവർത്തിക്കുമ്പോൾ ഒരു ഏജൻ്റിനെ വിളിക്കുന്നു. നിയമം മയപ്പെടുത്തുക: "തിരയൽ ഉപകരണം ഉപയോഗിക്കണം" എന്നതിനുപകരം, "ഉത്തരം സംഭാഷണത്തിൽ ഇല്ലെങ്കിൽ, തിരയൽ ഉപകരണം ഉപയോഗിക്കുക" എന്നത് കൂടുതൽ കൃത്യമാണ്.

മോഡൽ പാരാമീറ്ററുകൾ: ചിന്തയും പരിശ്രമവും

ക്ലാസിക്കൽ LLM-കൾക്ക് ഒരു ടെമ്പറേച്ചർ പാരാമീറ്റർ ഉണ്ടായിരുന്നു: കുറഞ്ഞ മൂല്യം കൂടുതൽ നിർദ്ദിഷ്ട/സ്ഥിരമായ ഔട്ട്പുട്ട് ഉണ്ടാക്കുന്നു, ഉയർന്ന മൂല്യം കൂടുതൽ വൈവിധ്യമാർന്ന/ക്രിയേറ്റീവ് ഔട്ട്പുട്ട് ഉണ്ടാക്കുന്നു. ആധുനിക ജനറേഷൻ മോഡലുകൾ (ഓപസ് 4.8, സോണറ്റ് 5 പോലെയുള്ളവ) ഈ സമീപനത്തെ രണ്ട് ശക്തമായ സംവിധാനങ്ങൾ ഉപയോഗിച്ച് മാറ്റിസ്ഥാപിക്കുന്നു, കൂടാതെ താപനില പോലുള്ള സാമ്പിൾ പാരാമീറ്ററുകൾ ഇനി സ്വീകരിക്കില്ല.

• അഡാപ്റ്റീവ് ചിന്ത: പ്രതികരിക്കുന്നതിന് മുമ്പ് മോഡൽ അതിൻ്റെ "തല"യിൽ പടിപടിയായി കാരണങ്ങൾ. ടാസ്ക്കിൻ്റെ ബുദ്ധിമുട്ട് അടിസ്ഥാനമാക്കി എത്രമാത്രം ചിന്തിക്കണമെന്ന് മോഡൽ തീരുമാനിക്കുന്നു. സങ്കീർണ്ണമായ, മൾട്ടി-സ്റ്റെപ്പ് പ്രശ്നങ്ങളിൽ കൃത്യത ഗണ്യമായി മെച്ചപ്പെടുത്തുന്നു; ലളിതമായ ചോദ്യങ്ങളിൽ അനാവശ്യ കാലതാമസം ഒഴിവാക്കാൻ അദ്ദേഹം കുറച്ചുകൂടി ചിന്തിക്കുന്നു.
• ശ്രമം: ഒരു ടാസ്‌ക്കിലേക്ക് മോഡൽ എത്രത്തോളം ആഴത്തിൽ മുങ്ങുന്നുവെന്നും അത് മൊത്തം എത്ര ടോക്കണുകൾ ചെലവഴിക്കുന്നുവെന്നും ക്രമീകരിക്കുന്ന ഹൈ-ലെവൽ നോബ്. സാധാരണ നിലകൾ: താഴ്ന്ന, ഇടത്തരം, ഉയർന്ന, മുകളിൽ. ഉയർന്ന പരിശ്രമം ഗുണനിലവാരം മെച്ചപ്പെടുത്തിയേക്കാം, എന്നാൽ ഇത് കാലതാമസവും ചെലവും വർദ്ധിപ്പിക്കുന്നു; കുറഞ്ഞ പരിശ്രമം വേഗതയും ലാഭവും നൽകുന്നു.

ക്രമീകരണം

എന്ത് ചെയ്യുന്നു

എപ്പോൾ

ചിന്തിക്കുന്നത് / കുറഞ്ഞ പരിശ്രമം

വേഗതയേറിയ, വിലകുറഞ്ഞ, ഉപരിപ്ലവമായ

ലളിതമായ വർഗ്ഗീകരണം, ഹ്രസ്വ പ്രതികരണം, സെൻസിറ്റീവ് ജോലികൾ കാലതാമസം

അഡാപ്റ്റീവ് ചിന്ത + ഇടത്തരം പരിശ്രമം

സമതുലിതമായ ഗുണനിലവാരം/ചെലവ്

ഏറ്റവും സാധാരണമായ ജോലികൾ

അഡാപ്റ്റീവ് ചിന്ത + ഉയർന്ന പരിശ്രമം

ഏറ്റവും ഉയർന്ന കൃത്യത

സങ്കീർണ്ണമായ ന്യായവാദം, കോഡിംഗ്, ലോംഗ്-റേഞ്ച് ഏജൻ്റ് വർക്ക്

മുന്നറിയിപ്പ്: "എന്തായാലും പരമാവധി പരിശ്രമം" റിഫ്ലെക്സ് ചെലവ് വർദ്ധിപ്പിക്കുന്നു. ജോലിയുടെ പ്രയത്നം ക്രമീകരിക്കുക; ലളിതമായ ജോലികളിൽ, കുറഞ്ഞ പ്രയത്നം പലപ്പോഴും വളരെ കുറഞ്ഞ വിലയിൽ അതേ കൃത്യമായ ഫലം നൽകുന്നു. നിർണായക കൃത്യത ആവശ്യമുള്ളിടത്ത് ഉയരത്തിൽ പോകുക.

ഔട്ട്പുട്ട് നിയന്ത്രണം: ഫോർമാറ്റ്, ദൈർഘ്യം, ഘടന

പാരാമീറ്ററുകൾ കൂടാതെ, നിങ്ങൾ ഔട്ട്പുട്ടും നിയന്ത്രിക്കുന്നു:

• max_tokens: ഔട്ട്പുട്ടിൻ്റെ ഹാർഡ് സീലിംഗ് (ഒന്നാം, മൂന്നാം യൂണിറ്റ്).
• സ്റ്റോപ്പ് സീക്വൻസുകൾ: ഒരു നിശ്ചിത സ്ട്രിംഗ് കാണുമ്പോൾ മോഡൽ നിർത്തുന്നു. ഘടനാപരമായ ഉൽപ്പാദനത്തിൽ ബ്രേക്ക് പോയിൻ്റുകൾ ക്രമീകരിക്കുന്നതിന് ഉപയോഗപ്രദമാണ്.
• ഘടനാപരമായ ഔട്ട്‌പുട്ട്: നിങ്ങൾ നൽകുന്ന JSON സ്കീമയുമായി പൊരുത്തപ്പെടാൻ മോഡലിൻ്റെ പ്രതികരണം നിർബന്ധിക്കുക. ഔട്ട്‌പുട്ട് പ്രോഗ്രമാറ്റിക്കായി പാഴ്‌സ് ചെയ്യാവുന്നതും സാധുതയുള്ളതുമാണെന്ന് ഇത് ഉറപ്പാക്കുന്നു. ഒരു പ്രോംപ്‌റ്റ് ഉപയോഗിച്ച് "JSON തിരികെ നൽകുക" എന്ന് പറയുന്നതിനേക്കാൾ ഇത് കൂടുതൽ വിശ്വസനീയമാണ്.

{ "output_config": { "format": { "type": "json_schema", "schema": { "type": "object", "additionalProperties": false, "properties": { "category": { "type": "string", "enum": ["returnical", "returnical"}, "technical" "urgency": { "type": "string", "enum": ["low", "medium", "high"] } }, "required": ["category", "urgency"] } }}

പകർത്താവുന്ന സിസ്റ്റം പ്രോംപ്റ്റ് ടെംപ്ലേറ്റുകൾ

# കോർപ്പറേറ്റ് സപ്പോർട്ട് അസിസ്റ്റൻ്റ് നിങ്ങളൊരു കോർപ്പറേറ്റ് സപ്പോർട്ട് അസിസ്റ്റൻ്റാണ്.- നൽകിയിരിക്കുന്ന പോളിസി ഡോക്യുമെൻ്റിൽ മാത്രം ആശ്രയിക്കുക; ഇത് പ്രമാണത്തിൽ ഇല്ലെങ്കിൽ, "എനിക്ക് ഈ വിവരങ്ങൾ ഇല്ല" എന്ന് പറയുക. - പരമാവധി 3 വാക്യങ്ങളിൽ ഔപചാരികവും വ്യക്തവുമായ ഉത്തരം നൽകുക. - വ്യക്തിഗത ഡാറ്റ (TC ID നമ്പർ, കാർഡ് നമ്പർ) ആവശ്യപ്പെടുക, നിങ്ങളുടെ ഉത്തരത്തിൽ അത് ആവർത്തിക്കരുത്. - നിങ്ങൾക്ക് ഉറപ്പില്ലെങ്കിൽ, ഊഹിക്കരുത്.

# ഘടനാപരമായ ഔട്ട്പുട്ട് നിർബന്ധിത ക്ലാസിഫയർ നിങ്ങളൊരു ഡിമാൻഡ് ക്ലാസിഫയറാണ്. ഇൻപുട്ട് ഒരു ഉപഭോക്തൃ സന്ദേശമാണ്. അഭ്യർത്ഥിച്ച ഫീൽഡുകൾ മാത്രം തിരികെ നൽകുക, അഭിപ്രായങ്ങൾ എഴുതരുത്. നിങ്ങൾക്ക് ഉറപ്പില്ലെങ്കിൽ, "മറ്റുള്ളത്" ഉപയോഗിക്കുക.

# അനിശ്ചിതത്വത്തിൽ നിൽക്കുന്ന നിർവചിക്കപ്പെട്ട പെരുമാറ്റമുള്ള അനലിസ്റ്റ് നിങ്ങളൊരു ഡാറ്റാ അനലിസ്റ്റാണ്. നൽകിയിരിക്കുന്ന പട്ടികയിൽ നിന്ന് പരിശോധിക്കാവുന്ന അനുമാനങ്ങൾ മാത്രം വരയ്ക്കുക. ഡാറ്റയിൽ ഇല്ലാത്ത ഒരു നിഗമനം ഒരിക്കലും ഉണ്ടാക്കരുത്. ഒരു അനുമാനം വ്യക്തമല്ലെങ്കിൽ, "ഡാറ്റ അപര്യാപ്തമാണ്" എന്ന് എഴുതുക.

# ടോണും ദൈർഘ്യ നിയന്ത്രണവുമുള്ള ഉള്ളടക്ക എഴുത്തുകാരൻ നിങ്ങൾ ഒരു ഉള്ളടക്ക എഴുത്തുകാരനാണ്. ഊഷ്മളവും എന്നാൽ പ്രൊഫഷണൽ ടോണും ഉപയോഗിക്കുക. ഓരോ വാചകവും 120 വാക്കുകളോ അതിൽ കുറവോ ആയി പരിമിതപ്പെടുത്തുക. ക്ലീഷേ മാർക്കറ്റിംഗ് ഭാഷ ഒഴിവാക്കുക.

ദുർബലമായ പ്രോംപ്റ്റ് / ശക്തമായ പ്രോംപ്റ്റ്

# ദുർബ്ബലമായിരിക്കുകയും നല്ല ഉത്തരങ്ങൾ നൽകുകയും ചെയ്യുക. നിങ്ങളുടെ പരമാവധി ചെയ്യുക.

# ശക്തമായ റോൾ: സാങ്കേതിക പിന്തുണാ വിദഗ്ദ്ധൻ. വ്യാപ്തി: ഉൽപ്പന്ന ഗൈഡ് മാത്രം നൽകിയിരിക്കുന്നു. ഫോർമാറ്റ്: ഘട്ടം ഘട്ടമായുള്ള, അക്കമിട്ട ലിസ്റ്റ്, പരമാവധി 5 ഘട്ടങ്ങൾ. പരിധി: മാർഗ്ഗനിർദ്ദേശത്തിലല്ല പരിഹാരം ശുപാർശ ചെയ്യുക; "എനിക്ക് അത് മാനുവലിൽ കണ്ടെത്താൻ കഴിഞ്ഞില്ല" എന്ന് പറയുക. സ്വകാര്യത: പ്രതികരണത്തിൽ ഉപയോക്താവ് പങ്കിട്ട സീരിയൽ നമ്പർ ആവർത്തിക്കരുത്.

ശക്തമായ പതിപ്പ്; ഇത് പങ്ക്, വ്യാപ്തി, ഫോർമാറ്റ്, അതിരുകൾ, രഹസ്യസ്വഭാവം എന്നിവ പ്രത്യേകം നിർണ്ണയിക്കുന്നു. ഔട്ട്പുട്ട് സ്ഥിരത ഈ വ്യക്തതയിൽ നിന്ന് നേരിട്ട് വരുന്നു.

മൂന്ന് മിനി കേസുകൾ

കേസ് 1 - പ്രയത്ന ക്രമീകരണത്തിലൂടെ ചെലവ് കുറയ്ക്കൽ. ഒരു ടീം അവരുടെ എല്ലാ കോളുകളും ഉയർന്ന പ്രയത്നം + ചിന്തയിൽ പ്രവർത്തിപ്പിക്കുകയായിരുന്നു; ലളിതമായ ഇമെയിൽ ഡൈജസ്റ്റുകൾ പോലും ചെലവേറിയതും നിർമ്മിക്കാൻ സാവധാനമുള്ളതുമായിരുന്നു. കുറഞ്ഞ പ്രയത്നത്തിന് സംഗ്രഹവും ഉയർന്ന പരിശ്രമത്തിന് കരാർ വിശകലനവും പോലുള്ള ലളിതമായ ജോലികൾ അവർ നൽകി. കൃത്യത നിലനിർത്തി, ശരാശരി ലേറ്റൻസി പകുതിയായി കുറഞ്ഞു, പ്രതിമാസ ചെലവ് മൂന്നിലൊന്നായി കുറച്ചു.

കേസ് 2 - JSON ഗ്യാരണ്ടി. ഒരു ഓപ്പറേഷൻ ടീം "JSON നൽകിയാൽ മതി" എന്ന് പറഞ്ഞുകൊണ്ട് വർഗ്ഗീകരണ ഔട്ട്പുട്ട് ആവശ്യപ്പെട്ടു, എന്നാൽ മോഡൽ ഇടയ്ക്കിടെ "ഫലം ഇതാ:" എന്ന് എഴുതുകയും പാഴ്സർ ക്രാഷ് ആകുകയും ചെയ്യും. ഞാൻ കോൺഫിഗർ ചെയ്‌ത ഔട്ട്‌പുട്ട് സ്‌കീമ കണക്‌റ്റ് ചെയ്‌തപ്പോൾ, ഔട്ട്‌പുട്ട് ഓരോ തവണയും സാധുവായ JSON നൽകുന്നു; പാഴ്സിംഗ് പിശകുകൾ പുനഃസജ്ജമാക്കി.

കേസ് 3 - അഗ്രസീവ് പ്രോംപ്റ്റ് റീകോയിൽ. ഒരു അസിസ്റ്റൻ്റ് പ്രോംപ്റ്റ് പറഞ്ഞു, "എല്ലാ ചോദ്യങ്ങളും തിരയണം"; ലളിതമായ ചോദ്യങ്ങൾക്ക് പോലും മോഡൽ അനാവശ്യ തിരയലുകൾ നടത്തി, അതിനുള്ള ഉത്തരം ഇതിനകം അറിയാമായിരുന്നു, വേഗത കുറയ്ക്കുകയും ചെലവ് വർദ്ധിപ്പിക്കുകയും ചെയ്തു. "ഉത്തരം സന്ദർഭത്തിലല്ലെങ്കിൽ തിരയുക" എന്ന നിയമത്തിൽ അവർ ഇളവ് വരുത്തി; അനാവശ്യ കോളുകൾ 70% കുറയുകയും പ്രതികരണങ്ങൾ ത്വരിതപ്പെടുകയും ചെയ്തു.

സാധാരണ തെറ്റുകൾ

• സിസ്റ്റം പ്രോംപ്റ്റിൽ വേരിയബിൾ ഡാറ്റ ഉൾച്ചേർക്കുന്നു: സ്ഥിരത തകർക്കുകയും കാഷെ അസാധുവാക്കുകയും ചെയ്യുന്നു.
• അമിതമായ ആക്രമണാത്മക നിർദ്ദേശം: ആധുനിക മോഡലുകളിൽ അമിതമായ ട്രിഗറിംഗും അനാവശ്യ ചെലവും.
• എല്ലാ ജോലികളിലും ഉയർന്ന പ്രയത്നം: ലളിതമായ ജോലികളിൽ പാഴാക്കൽ; ജോലിയുടെ പ്രയത്നം ക്രമീകരിക്കുക.
• പ്രോംപ്റ്റിലൂടെ മാത്രം JSON അഭ്യർത്ഥിക്കുന്നു: ഇത് ഇടയ്ക്കിടെ തകരുന്നു; നിർണായകമാണെങ്കിൽ, ഘടനാപരമായ ഔട്ട്പുട്ട് ഉപയോഗിക്കുക.
• അതിർത്തി/അവ്യക്തത സ്വഭാവം നിർവചിക്കുന്നില്ല: മോഡൽ ഫാബ്രിക്കേഷൻ (ഹാലുസിനേഷൻ) കൊണ്ട് വിടവ് നികത്തുന്നു.
• പഴയ `താപനില' ശീലം: ആധുനിക മോഡലുകൾ ഇത് അംഗീകരിക്കുന്നില്ല; വേഗത്തിലും പരിശ്രമത്തിലും പെരുമാറ്റം നയിക്കുക.

ആഴത്തിൽ: ഒരു കരാർ പോലെ പ്രോംപ്റ്റ് എഴുതുക

പരിചയസമ്പന്നരായ ടീമുകൾ സിസ്റ്റം പ്രോംപ്റ്റിനെ ഒരു കരാർ പോലെയാണ് കൈകാര്യം ചെയ്യുന്നത്, ഒരു സാഹിത്യ പാഠമല്ല: വ്യക്തമായ ഉപവാക്യങ്ങൾ, അളക്കാവുന്ന നിയമങ്ങൾ, അവ്യക്തമായ അതിരുകൾ. ഈ സമീപനത്തിന് മൂന്ന് വ്യക്തമായ ഗുണങ്ങളുണ്ട്. ആദ്യത്തേത് സ്ഥിരതയാണ്: ഒരേ ഇൻപുട്ട് വ്യത്യസ്ത സമയങ്ങളിൽ സമാനമായ ഔട്ട്പുട്ട് നൽകുന്നു. രണ്ടാമത്തേത് ടെസ്റ്റബിലിറ്റിയാണ്: നിങ്ങൾക്ക് ഓരോ ഇനവും ഒരു സാമ്പിൾ ഉപയോഗിച്ച് പ്രത്യേകം പരിശോധിക്കാം. മൂന്നാമത്തേത് അറ്റകുറ്റപ്പണിയുടെ എളുപ്പമാണ്: ഒരു പെരുമാറ്റം തെറ്റാണെങ്കിൽ, ഏത് ഇനം മാറ്റിസ്ഥാപിക്കണമെന്ന് നിങ്ങൾക്കറിയാം.

പോസിറ്റീവ് ഉദാഹരണങ്ങളുമായി നയിക്കുക എന്നതാണ് ഒരു നല്ല പരിശീലനം. "ഇത് ചെയ്യരുത്" എന്നതിൻ്റെ ഒരു ലിസ്റ്റ് നൽകുന്നതിനുപകരം, "ആവശ്യമുള്ള ഔട്ട്പുട്ട് ഇതുപോലെയാണ്" എന്ന് പറയുന്ന ഒരു ഉദാഹരണം നൽകുന്നത് ആധുനിക മോഡലുകളിൽ വളരെ ഫലപ്രദമാണ്. ഉദാഹരണത്തിന്, ഒരു ക്ലാസിഫയറിൽ, പ്രതീക്ഷിക്കുന്ന JSON-ൻ്റെ ഒന്നോ രണ്ടോ സാമ്പിളുകൾ പ്രോംപ്റ്റിലേക്ക് ചേർക്കുന്നത് ഫോർമാറ്റിംഗ് പിശകുകൾ ഗണ്യമായി കുറയ്ക്കുന്നു.

അനിശ്ചിതത്വ സ്വഭാവം വ്യക്തമായി എഴുതുക എന്നതാണ് മറ്റൊരു ശക്തമായ സാങ്കേതികത. "ഉറപ്പില്ലെങ്കിൽ, ഊഹിക്കരുത്; 'അപര്യാപ്തമായ ഡാറ്റ' എന്ന് പറയുക" പോലുള്ള ഒരു ക്ലോസ്, ഫാബ്രിക്കേഷൻ (ഹാലുസിനേഷൻ) ഉപയോഗിച്ച് ശൂന്യത പൂരിപ്പിക്കാനുള്ള മോഡലിൻ്റെ പ്രവണതയെ അടിച്ചമർത്തുന്നു. യൂണിറ്റ് 11-ൽ ഞങ്ങൾ ഉൾക്കൊള്ളുന്ന വെരിഫിക്കേഷൻ ലെയറിനെ ഈ ഒരൊറ്റ വാചകം ഓഫ്‌ലോഡ് ചെയ്യുന്നു: മോഡൽ ഇതിനകം തന്നെ അനിശ്ചിതത്വം ഫ്ലാഗ് ചെയ്തുകഴിഞ്ഞാൽ, അത് മാനുഷിക മൂല്യനിർണ്ണയത്തിലേക്ക് നയിക്കാൻ എളുപ്പമാകും.

അവസാനമായി, പ്രയത്നവും പ്രോംപ്റ്റും ഒരുമിച്ച് പരിഗണിക്കുക. ഉയർന്ന പരിശ്രമത്തിൽ, മോഡൽ കൂടുതൽ പര്യവേക്ഷണം ചെയ്യുകയും ചിലപ്പോൾ അനാവശ്യമായ "അധിക ജോലി" (അനാവശ്യമായ വിശദീകരണം, അധിക നിർദ്ദേശം) ചെയ്യുകയും ചെയ്യുന്നു. പ്രോംപ്റ്റിൽ "ആവശ്യമുള്ള ഔട്ട്‌പുട്ട് മാത്രം നൽകുക, അധിക കമൻ്റുകൾ ചേർക്കരുത്" എന്ന് പറയുന്നത് ഉയർന്ന പരിശ്രമത്തിൻ്റെ ഈ പാർശ്വഫലത്തെ ഇല്ലാതാക്കുന്നു.

ചുരുക്കത്തിൽ

സിസ്റ്റം പ്രോംപ്റ്റ് മോഡലിൻ്റെ സ്ഥിരമായ നിർദ്ദേശമാണ്: ഇത് പങ്ക്, വ്യാപ്തി, ഫോർമാറ്റ്, അവ്യക്തമായ പെരുമാറ്റം, രഹസ്യാത്മകത എന്നിവ നിർവചിക്കുന്നു. ആധുനിക മോഡലുകളിൽ, സ്വഭാവം ഊഷ്മാവിനേക്കാൾ അഡാപ്റ്റീവ് ചിന്തയും പ്രയത്ന പാരാമീറ്ററുകളും വഴി നയിക്കപ്പെടുന്നു; ടാസ്ക്കിലേക്കുള്ള പരിശ്രമം വിന്യസിക്കുന്നത് ഗുണനിലവാരവും ചെലവും ഒരേസമയം കൈകാര്യം ചെയ്യുന്നു. max_tokens, സ്റ്റോപ്പ് അറേകൾ, ഘടനാപരമായ ഔട്ട്പുട്ട് എന്നിവ ഉപയോഗിച്ച് നിങ്ങൾ ഔട്ട്പുട്ട് സുരക്ഷിതമാക്കുന്നു.

ആപ്ലിക്കേഷൻ ടാസ്ക്

ഒരു ടാസ്ക് തിരഞ്ഞെടുക്കുക. (1) അഞ്ച് ഘടകങ്ങളുള്ള ഒരു സിസ്റ്റം പ്രോംപ്റ്റ് എഴുതുക (റോൾ, സ്കോപ്പ്, ഫോർമാറ്റ്, അവ്യക്തത, രഹസ്യാത്മകത). (2) ഈ ടാസ്ക്കിനായി നിങ്ങൾ ഏത് തലത്തിലുള്ള പരിശ്രമമാണ് തിരഞ്ഞെടുക്കേണ്ടതെന്നും എന്തുകൊണ്ടാണെന്നും വ്യക്തമാക്കുക. (3) ഔട്ട്പുട്ട് ഘടനാപരമായതാണെങ്കിൽ, ഒരു ചെറിയ JSON സ്കീമ വരയ്ക്കുക. (4) നിങ്ങളുടെ പ്രോംപ്റ്റിൽ അമിതമായ ആക്രമണാത്മക പാറ്റേൺ ഉണ്ടോയെന്ന് പരിശോധിച്ച് അത് മൃദുവാക്കുക.

ചെക്ക്ലിസ്റ്റ്

• [ ] ഒരു നല്ല സിസ്റ്റം പ്രോംപ്റ്റിൻ്റെ അഞ്ച് ഘടകങ്ങൾ എനിക്ക് പേരിടാം.
• അഡാപ്റ്റീവ് ചിന്തയും പ്രയത്ന പാരാമീറ്ററുകളും എന്താണ് ചെയ്യുന്നതെന്ന് എനിക്ക് വിശദീകരിക്കാൻ കഴിയും.
• [ ] ടാസ്‌ക്കനുസരിച്ച് പ്രയത്നം ക്രമീകരിച്ചുകൊണ്ട് എനിക്ക് ഗുണനിലവാരം/ചെലവ് സന്തുലിതമാക്കാൻ കഴിയും.
• [ ] പ്രോംപ്റ്റ് വഴി JSON അഭ്യർത്ഥിക്കുന്നതിനേക്കാൾ ഘടനാപരമായ ഔട്ട്പുട്ട് സുരക്ഷിതമായിരിക്കുന്നത് എന്തുകൊണ്ടാണെന്ന് എനിക്കറിയാം.
• [ ] അമിതമായ ആക്രമണാത്മക നിർദ്ദേശങ്ങളുടെ ആധുനിക മോഡലുകളിലെ അപകടസാധ്യത എനിക്ക് തിരിച്ചറിയാൻ കഴിയും.