युनिट्स
1. आर्टिफिशियल इंटेलिजन्स आणि प्रॉम्प्टचा परिचय: मॉडेल कसे विचार करते 2. चांगले प्रॉम्प्ट शरीरशास्त्र: भूमिका, संदर्भ, कार्य, स्वरूप, उदाहरण, मर्यादा 3. सूचना स्पष्टता: मोजता येण्याजोग्या निर्देशांमध्ये अनिश्चिततेचे भाषांतर करणे 4. संदर्भ व्यवस्थापन: मॉडेलला योग्य पार्श्वभूमी देणे 5. फ्यू-शॉट सॅम्पलिंग: उदाहरणाद्वारे शिकवणे 6. चेन ऑफ थॉट 7. फॉरमॅट फोर्सिंग: टेबल, JSON, सूची, टेम्पलेट 8. पुनरावृत्ती आणि त्वरित सुधारणा 9. भूमिका आणि व्यक्तिमत्व अभियांत्रिकी 10. कॉमन प्रॉम्प्ट त्रुटी आणि उपाय 11. प्रमाणीकरण, सीमा, गोपनीयता आणि नैतिकता 12. प्रॉम्प्ट लायब्ररी आणि एंड-टू-एंड वर्कफ्लो स्थापित करणे
युनिट 1 / 12

आर्टिफिशियल इंटेलिजन्स आणि प्रॉम्प्टचा परिचय: मॉडेल कसे विचार करते

नफा:

  • पुढील शब्दाचा अंदाज घेऊन मोठ्या भाषेचे मॉडेल कसे कार्य करते आणि त्वरित लेखनासाठी याचा अर्थ काय ते स्पष्ट करा
  • प्रॉम्प्ट आउटपुटची गुणवत्ता का ठरवते हे तो त्याच्या स्वतःच्या कामातील उदाहरणासह दाखवू शकतो.
  • मॉडेलची ताकद आणि कमकुवतपणा ओळखून, कोणती कार्ये सुरक्षितपणे वापरायची हे ठरवू शकतो.

कृत्रिम बुद्धिमत्ता आणि प्रॉम्प्टचा परिचय: मॉडेल "विचार कसे करते"

प्रॉम्प्ट कसे लिहायचे ते खरोखर शिकण्याचा सर्वोत्तम मार्ग म्हणजे प्रथम साधन कसे कार्य करते हे समजून घेणे. या युनिटमध्ये, आपण मोठ्या भाषेच्या मॉडेलचे मूलभूत तर्क (थोडक्यात LLM; म्हणजे मजकूर तयार करणारी कृत्रिम बुद्धिमत्ता प्रणाली), आपल्या दैनंदिन कामात ते इतके उपयुक्त का आहे आणि त्याच्या मर्यादा कुठे आहेत हे पाहू. या फाउंडेशनशिवाय लिहिलेल्या प्रॉम्प्ट्समुळे अनेकदा प्रश्न पडतो की "ते कधी कधी उत्कृष्ट परिणाम का देतात आणि कधीकधी भयानक परिणाम?" प्रश्न तुम्हाला एकटे सोडतो. हे युनिट पूर्ण झाल्यावर ही अनिश्चितता मोठ्या प्रमाणावर नाहीशी होईल.

मोठ्या भाषेचे मॉडेल प्रत्यक्षात काय करते?

त्याच्या सर्वात सोप्या व्याख्येमध्ये, मोठ्या भाषेचे मॉडेल ही एक अशी प्रणाली आहे जी आपण दिलेल्या मजकुराचे अनुसरण करणार्या संभाव्य शब्दाचा अंदाज लावते. कोट्यवधी वाक्यांचे परीक्षण करून, मॉडेलने "कोणता शब्द कोणत्या शब्दानंतर येतो" नमुना शिकला आहे. जेव्हा तुम्ही एखादे वाक्य सुरू करता, तेव्हा मॉडेल आतापर्यंत काय लिहिले गेले आहे ते पाहते आणि बहुधा निरंतरता व्युत्पन्न करते, त्यानंतर व्युत्पन्न केलेला शब्द इनपुटमध्ये जोडते आणि पुढील शब्दाचा अंदाज लावते. प्रतिसाद पूर्ण होईपर्यंत हे चक्र चालू राहते.

येथे वापरलेले टोकन शब्द स्पष्ट करूया: टोकन हे सर्वात लहान युनिट आहे ज्यामध्ये मॉडेल मजकूर मोडतो; हे ढोबळमानाने शब्दाचा आकार किंवा शब्दाचा भाग आहे. मॉडेल शब्दानुसार नाही तर टोकनद्वारे टोकनने प्रगती करते. तुमच्यासाठी व्यावहारिक परिणाम असा आहे की मॉडेल हा तुमचा हेतू "समजून घेणारा" मनुष्य नसून, तुम्ही दिलेल्या मजकुरासाठी सर्वात योग्य निरंतरता सांख्यिकीयदृष्ट्या निवडणारे एक अतिशय शक्तिशाली भविष्य सांगणारे यंत्र आहे.

या व्याख्येचा सर्वात महत्त्वाचा अर्थ असा आहे की आउटपुटच्या दिशेचा सर्वात शक्तिशाली निर्धारक हा तुम्ही इनपुट म्हणून दिलेला मजकूर आहे. तर तुमचा प्रॉम्प्ट. मॉडेल डेटाबेसमधून तयार उत्तर काढत नाही, इंटरनेटवर थेट शोध करत नाही आणि पृष्ठे कॉपी करत नाही (विशेषतः अन्यथा नमूद केल्याशिवाय). ते केवळ तुम्ही दिलेल्या संदर्भाशी जुळणारा मजकूर तयार करते. चांगल्या आऊटपुटसाठी चांगला इनपुट ही सर्वात निर्णायक स्थिती आहे.

"एकच मॉडेल, वेगळा निकाल" का?

मॉडेल प्रत्येक वेळी बहुधा संभाव्य शब्द निवडताना यादृच्छिकतेचा एक लहान फरक देखील वापरते; म्हणून, जेव्हा तुम्ही एकाच प्रॉम्प्टला दोनदा विचारता, तेव्हा तुम्हाला तंतोतंत समान वाक्ये मिळणार नाहीत. हा बग नाही, तो डिझाइनचा भाग आहे. तुमचे कार्य म्हणजे एक फ्रेमवर्क तयार करणे पुरेसे स्पष्ट आहे जेणेकरून परिणाम संधीवर न सोडता. फ्रेमवर्क जितके स्पष्ट असेल तितके दोन भिन्न प्रयोगांचे परिणाम जवळचे आणि अधिक उपयुक्त असतील.

स्टेप बाय स्टेप: मॉडेलद्वारे विनंतीची प्रगती कशी होते?

  1. इनपुट वाचतो. तुम्ही लिहिलेला प्रत्येक शब्द हा एक संकेत आहे जो भविष्य सांगण्यासाठी मार्गदर्शन करतो. जेव्हा तुम्ही "ज्येष्ठ वकिलाप्रमाणे" म्हणता, तेव्हा मॉडेल त्या स्वराच्या जवळ मजकूर बनवते.
  2. संदर्भाचे वजन करतो. तुम्ही दिलेली पार्श्वभूमी, मर्यादा आणि उदाहरणे अंदाज कमी करतात. संदर्भ रिकामे असल्यास, मॉडेल स्वतःच्या गृहितकांसह रिक्त जागा भरते.
  3. त्यातून शब्दाने शब्द निर्माण होतात. प्रत्येक टोकन ते तयार करते ते पुढील एकासाठी इनपुट बनते; त्यामुळे तुम्ही सुरवातीला दिलेली दिशा संपूर्ण उत्तराकडे वळते.
  4. तो थांबतो. जेव्हा कार्य पूर्ण होते किंवा तुम्ही निर्दिष्ट केलेल्या लांबीपर्यंत पोहोचते तेव्हा ते उत्पादनात व्यत्यय आणते.

तीन लहान प्रकरणे: संख्यांमध्ये त्वरित फरक

केस 1 — विपणन व्यावसायिक, ईमेल विषय. जेव्हा एका विपणन तज्ञाने "मोहिमेसाठी एक विषय सुचवा" असे सांगितले तेव्हा त्याला 5 सामान्य शीर्षके मिळाली आणि त्यापैकी एकही आवडला नाही; हाताने ते दुरुस्त करण्यात त्याने 20 मिनिटे घालवली. दुसऱ्या दिवशी, "लक्ष्य प्रेक्षक हे ३०-४५ वयोगटातील SME मालक आहेत, उत्पादन क्लाउड अकाउंटिंग सॉफ्टवेअर आहे, 6 युनिट्स, प्रत्येक कमाल 45 वर्णांसह, वेधक पण अधोरेखित," असे त्यांनी थेट 6 मथळ्यांपैकी 4 वापरले. कालावधी 20 मिनिटांवरून 4 मिनिटांपर्यंत कमी झाला.

केस 2 - मानवी संसाधने, जाहिरात मजकूर. एका एचआर तज्ञाला "सॉफ्टवेअर डेव्हलपर जॉब लिहा" या प्रॉम्प्टसह बॉयलरप्लेट मजकूर मिळाला. जेव्हा आम्ही कंपनीची वास्तविक भाषा (3-वाक्य संस्कृती वर्णन), 4 अनिवार्य पात्रता आणि "पगार श्रेणी स्पष्टपणे लिहा" चे निर्बंध प्रॉम्प्टवर जोडले, तेव्हा पुढील जाहिरातीमध्ये जाहिरातीसाठी पात्र नसलेल्या अर्जदारांचा दर लक्षणीयरीत्या कमी झाला कारण मजकूराने अपेक्षा स्पष्टपणे स्थापित केली.

प्रकरण 3 - लेखा, अहवाल सारांश. जेव्हा अकाउंटिंग एक्झिक्युटिव्ह म्हणाला की त्याने 12-पानांच्या खर्चाचा अहवाल "सारांश" दिला, तेव्हा मॉडेलने महत्त्वाच्या गोष्टी वगळल्या. जेव्हा तो म्हणाला, "या अहवालातून, गेल्या महिन्याच्या तुलनेत टक्केवारीतील बदलासह 5 सर्वाधिक खर्चाच्या बाबींचे सारणीबद्ध केले आहे," तेव्हा त्याला व्यवस्थापनाच्या बैठकीत नेमकी कोणती रचना होती हे समजले. आशय एकच होता, सूचना वेगळ्या होत्या.

कमकुवत प्रॉम्प्ट / मजबूत प्रॉम्प्ट

दोन भिन्न सूचनांसह समान काम:

कमकुवत प्रॉम्प्ट:

हा मजकूर सारांशित करा.[मजकूर]

शक्तिशाली सूचना:

संचालक मंडळाला सादर करण्यासाठी खालील मीटिंग नोटचा सारांश द्या. - कमाल 5 आयटम. - प्रत्येक आयटममध्ये निर्णय किंवा कृती असावी; चॅट तपशील वगळा. - ज्या कृतींसाठी जबाबदार व्यक्ती ओळखली जाते त्या कृतींसाठी कंसात नाव लिहा. - साधी, औपचारिक भाषा वापरा. मजकूर: [मजकूर]

दुसरा प्रॉम्प्ट मॉडेलला काय तयार करायचे, कोणासाठी, कोणत्या स्वरूपात आणि काय वगळायचे ते सांगते. मॉडेल "विचार" करत नाही तर योग्य निरंतरतेचे उत्पादन करते; त्या निरंतरतेची चौकट तुम्ही काढता.

चार कॉपी करण्यायोग्य टेम्पलेट्स

या युनिटमधील तर्क त्वरीत व्यवहारात आणण्यासाठी चार साधे स्टार्टर टेम्पलेट्स. कंसात तुमची स्वतःची माहिती भरा.

1) विनंती मजबूत करण्यासाठी फ्रेमवर्क:

तुम्ही हे कार्य करावे अशी माझी इच्छा आहे: [कार्य] कोणासाठी: [खरेदीदार/प्रेक्षक]कोणत्या स्वरूपात: [लांबी, रचना]काय वगळायचे: [तुम्हाला काय नको आहे]

२) मॉडेलच्या सीमा तपासत आहे (सत्यापन प्रतिक्षेप):

खाली दिलेल्या तुमच्या उत्तरामध्ये तथ्यात्मक दावे (संख्या, तारीख, नाव, स्त्रोत) असल्यास, प्रत्येक स्वतंत्र यादी म्हणून काढा आणि "सत्यापित करणे आवश्यक आहे" म्हणून चिन्हांकित करा. उत्तर: [मॉडेलचे आउटपुट]

3) समान कार्य दोन स्तरांवर करून पहा:

खालील विषय दोनदा समजावून सांगा: अ) संपूर्ण अनोळखी व्यक्तीला, दैनंदिन भाषेत. ब) क्षेत्रातील तज्ञाला, तांत्रिक दृष्टीने. विषय: [विषय]

४) मॉडेलला अनिश्चिततेची जाणीव करून देणे:

मी तुम्हाला देत असलेली विनंती करण्यापूर्वी, तुम्हाला गहाळ किंवा अस्पष्ट वाटणाऱ्या मुद्द्यांबद्दल मला 3 प्रश्न विचारा; नंतर माझ्या उत्तरांनुसार उत्पादन करा. विनंती: [विनंती]

मॉडेलची ताकद आणि कमकुवतपणा

विषय

मॉडेल मजबूत आहे

मॉडेल कमकुवत / सावध आहे

भाषा व्यवहार

लेखन, सारांश, भाषांतर, टोन बदलणे

खूप तांत्रिक/कोनाडा शब्दशः चुका

रचना

मजकूर टेबल, सूची, स्केचमध्ये रूपांतरित करा

लांब मजकुरात सातत्य राखणे

कल्पना

विचारमंथन, पर्याय निर्माण करणे

"योग्य" काय आहे याची हमी देणे

केस

सामान्य माहिती, व्याख्या, स्पष्टीकरण

वर्तमान/अचूक डेटा, संख्या, तारीख, स्रोत

तर्क

टप्प्याटप्प्याने मार्गदर्शन केले तर चांगले

किचकट आकडेमोड शांतपणे करू नका

टीप: मॉडेलला "सर्व माहित असलेले तज्ञ" म्हणून नाही तर "सहायक जो खूप जलद लिहितो, खूप वाचतो, परंतु त्याने सांगितलेली प्रत्येक गोष्ट सत्यापित करणे आवश्यक आहे" म्हणून पहा. हे दृश्य तुमच्या अपेक्षा आणि तुमची नियंत्रण सवय दोन्ही योग्यरित्या समायोजित करते.
लक्ष द्या: मॉडेल अतिशय आत्मविश्वासपूर्ण भाषेत माहिती लिहू शकते, परंतु याचा अर्थ माहिती योग्य आहे असा नाही. नेहमी स्वतंत्रपणे तथ्यात्मक तपशीलांची पडताळणी करा, विशेषत: क्रमांक, नाव, तारीख, कायदा आणि स्त्रोत. या विषयावर आपण युनिट 11 मध्ये तपशीलवार परत येऊ.

सामान्य चुका

  • माणसासाठी मॉडेल चुकणे. "त्यांना तरी समजेल" असे सांगून अपूर्ण सूचना देणे. मॉडेल तुमचा हेतू वाचत नाही; हे फक्त तुम्ही जे टाइप करता त्यावर प्रक्रिया करते.
  • एका प्रयत्नात सोडून देणे. प्रारंभिक आउटपुट खराब असल्यास, साधनाला दोष द्या. तथापि, बहुतेक वेळा समस्या सूचनांमध्ये असते आणि एक लहान सुधारणा परिणाम बदलू शकते.
  • तथ्ये पडताळून न पाहता वापरणे. मॉडेलद्वारे उत्पादित केलेली आकडेवारी किंवा स्त्रोत कोणत्याही प्रश्नाशिवाय स्वीकारणे ही सर्वात धोकादायक सवय आहे.
  • विचार न करता गोपनीय डेटा प्रविष्ट करणे. साधन कसे कार्य करते हे जाणून घेतल्याशिवाय संवेदनशील माहिती पेस्ट करणे. यासाठी काही नियम आहेत, जसे आपण प्रायव्हसी युनिटमध्ये पाहू.
  • चुकीसाठी यादृच्छिकपणाची चूक करणे. "वाहन तुटलेले आहे" असे दोन भिन्न परिणामांचा अर्थ लावणे; तथापि, जेव्हा आपण स्पष्टता वाढवता तेव्हा परिणाम एकत्रित होतात.

सारांशात

  • मोठ्या भाषेचे मॉडेल तुम्ही दिलेल्या मजकुरामध्ये पुढील दिसण्याची शक्यता असलेल्या शब्दाचा (टोकन) अंदाज बांधून कार्य करते; तो तयार उत्तरे निवडत नाही.
  • आउटपुटची दिशा ठरवणारा सर्वात शक्तिशाली घटक म्हणजे तुम्ही इनपुट म्हणून दिलेला प्रॉम्प्ट.
  • मॉडेल भाषा, रचना आणि विचारात मजबूत; अचूक तथ्ये, वर्तमान डेटा आणि जटिल गणनांसह सावध आहे.
  • लहान यादृच्छिकतेमुळे समान प्रॉम्प्ट भिन्न परिणाम देऊ शकते; जसजसे स्पष्टता वाढते, परिणाम अधिक सुसंगत होतात.
  • मॉडेल "एक तज्ञ जो तो म्हणतो त्या सर्व गोष्टींवर सत्य आहे" असे नाही, परंतु "एक सहाय्यक जो वेगवान आहे परंतु सत्यापित करणे आवश्यक आहे".

अर्ज कार्य

तुम्ही नियमितपणे करत असलेल्या तुमच्या रोजच्या कामातून लेखन कार्य निवडा (उदाहरणार्थ, ईमेल, सारांश किंवा सूची). प्रथम, सर्वात सोपी एक-वाक्य आवृत्ती लिहा, ती एआय टूलला द्या आणि आउटपुट जतन करा. मग त्याच कामाला; "कोणासाठी, कोणत्या स्वरूपात, कोणत्या लांबीमध्ये आणि काय वगळायचे" या प्रश्नांची उत्तरे जोडा आणि त्यांना पुन्हा विचारा. दोन आउटपुट शेजारी शेजारी ठेवा आणि एका वाक्यात लक्षात घ्या की कोणती जोडणी सर्वात जास्त परिणाम सुधारते.

चेकलिस्ट

  • [ ] मला जाणवले की मॉडेल "पुढील शब्दाचा अंदाज लावत आहे" आणि माझा हेतू वाचत नाही.
  • [ ] मला जाणवले की आउटपुटची गुणवत्ता मुख्यत्वे प्रॉम्प्टच्या गुणवत्तेवर अवलंबून असते.
  • [] मॉडेल मजबूत आणि कमकुवत असलेल्या कार्य प्रकारांमध्ये मी फरक करू शकतो.
  • [ ] मला समजले आहे की मला तथ्यात्मक तपशील (क्रमांक, तारीख, नाव, स्त्रोत) सत्यापित करणे आवश्यक आहे.
  • एकच प्रॉम्प्ट वेगवेगळे परिणाम का देऊ शकतो हे मी स्पष्ट करू शकतो.