Zyski:
- Rozumie logikę przenośnego pisania podpowiedzi, która działa w różnych narzędziach AI
- Potrafi zbudować dla zespołu wersjonowaną bibliotekę podpowiedzi wielokrotnego użytku
- Potrafi zaprojektować kompleksowy przepływ, który zarządza firmą od początku do końca, korzystając ze sztucznej inteligencji
Kończymy ten moduł zamieniając wszystko, czego się nauczyliśmy, w trwałą i skalowalną wartość. Nauczyliśmy się pisać dobre podpowiedzi, jeden po drugim; Jednak prawdziwa siła korporacji polega na przekształcaniu dobrych podpowiedzi w zasób nadający się do ponownego wykorzystania, dzieleniu się nimi z zespołem i ustanawianiu przepływu, który realizuje zadanie od początku do końca przy użyciu sztucznej inteligencji. W tej części nauczymy się, jak napisać przenośny zachętę, zbudować bibliotekę podpowiedzi i zaprojektować kompleksowy przepływ pracy.
Przenośny (niezależny od dostawcy) monit
Na rynku dostępnych jest wiele narzędzi AI, które zmieniają się z biegiem czasu. Jeśli napiszesz podpowiedź w oparciu o specjalne numery pojedynczego pojazdu, podpowiedź ulegnie awarii po zmianie pojazdu. Jednak podpowiedź oparta na przejrzystej strukturze, jasnym kontekście i dobrych przykładach daje dobre rezultaty niezależnie od tego, w jakim narzędziu jest uruchamiana; ponieważ logika dobrego nauczania jest uniwersalna. Zasady pisania przenośnych podpowiedzi:
- W oparciu o komponenty anatomiczne (rola, kontekst, zadanie, format, ograniczenie); a nie skróty specyficzne dla narzędzi.
- Napisz instrukcje prostym i jasnym językiem; Nie ufaj tajnym oświadczeniom o „oszustwie”.
- Uczcie poprzez przykład; przykłady działają na każdym modelu.
- Jasno określ format; Oczekiwania dotyczące formy są niezależne od medium.
Co to jest biblioteka podpowiedzi i dlaczego jest wartościowa?
Biblioteka podpowiedzi to zorganizowany zbiór wypróbowanych i przetestowanych podpowiedzi (może to być dokument, tabela lub wspólne narzędzie). Wartość jest następująca: nie wszyscy w zespole rozpoczynają tę samą pracę od zera; Najlepszy znak zachęty jest pisany raz i używany wiele razy. Zapewnia to spójność (wszyscy otrzymują wyniki tej samej jakości) i wydajność (nie trzeba wymyślać koła na nowo).
Co powinno znajdować się w dobrym zapisie bibliotecznym?
obszar
Opis
Tytuł
Do czego służy (np. „e-mail z odrzuceniem”)
Cel
W jakiej sytuacji się go używa?
podpowiedź
Zmienne oznaczone [nawiasami kwadratowymi]
przykładowe wyjście
Przykład dobrego wyniku
Notatki
Rzeczy do rozważenia, ograniczenia
Wersja/data
Kiedy to było aktualizowane
Oznaczenie zmiennych nawiasami kwadratowymi, takimi jak [nazwa klienta], [produkt], zamienia monit w szablon „wypełnij i kontynuuj”.
Kompleksowy przepływ pracy
Prawdziwa wydajność nie wynika z pojedynczego podpowiedzi, ale z szeregu połączonych ze sobą kroków. Ogólne ramy prowadzenia biznesu od początku do końca ze sztuczną inteligencją:
- Zbieraj dane wejściowe: przygotuj surowe dane/tekst, anonimizuj poufne dane.
- Skonfiguruj: niech model przekonwertuje surowe dane wejściowe na zorganizowaną strukturę (tabela/JSON).
- Produkcja: Zrealizuj rzeczywistą pracę (podsumowanie, szkic, analizę).
- Krytykuj/ulepszaj: poproś model, aby skrytykował własne wyniki i wykonał iterację.
- Weryfikuj: sprawdzaj fakty, liczby i źródła jak ludzie.
- Finalizuj: Dopasuj format do celu i zanotuj lekcję, która ma zostać zapisana w bibliotece.
Punktem krytycznym tych sześciu kroków jest to, że pomiędzy krokami panuje ludzka kontrola. Sztuczna inteligencja przyspiesza; człowiek kieruje i aprobuje.
Cztery szablony do kopiowania
1) Karta rejestracyjna biblioteki:
Tytuł: [nazwa podpowiedzi]Cel: [kiedy użyć]Podpowiedź:"""Rola: ...Kontekst: [zmienna]Zadanie: ...Format: ...Ograniczenie: ..."""Przykładowy wynik: [dobry wynik]Uwagi: [limit/uwaga]Wersja: v1 - [data]
2) Przepływ od końca do końca (w pojedynczym zadaniu):
Zrób to w 3 krokach i zatrzymaj się na końcu każdego kroku: 1) Zmień otrzymaną notatkę w tabeli „Osoba/Prośba/Pilność”. 2) Po zatwierdzeniu napisz wersję roboczą odpowiedzi dla osób, które mają pilną potrzebę. 3) Po zatwierdzeniu zbierz je wszystkie w jedną tabelę podsumowującą. Surowa notatka: [tekst]
3) Test przenośności:
Uczyń ten monit niezależnym od narzędzia: nie ma żadnych specyficznych dla narzędzia ani dwuznacznych sformułowań; po prostu przepisz rolę, kontekst, zadanie, format i ograniczenie. Podpowiedź: [bieżący podpowiedź]
4) Tworzenie standardów zespołu:
Połącz poniższe podpowiedzi napisane przez 3 różnych pracowników na to samo stanowisko w jeden standardowy szablon. Zachowaj najlepsze części, zaznacz zmienne w [nawiasach] i dodaj krótką notatkę dotyczącą użytkowania. Podpowiedzi: [3 podpowiedzi]
Słaba podpowiedź/silna podpowiedź
Słabe (jednorazowe, spersonalizowane):
Napisz tę ofertę dla Ali, wiesz jak możemy to zrobić.
Potężny (przenośny szablon):
Rola: Przedstawiciel handlowy przedsiębiorstwa. Kontekst: Kupujący [typ klienta]; związek [sytuacja]; produkt [produkt]. Zadanie: Napisz e-mail z wyceną. Format: 3 krótkie akapity, na końcu wyczyść następny krok. Ograniczenie: Obietnica ceny; przesada; maksymalnie 130 słów.
Druga wersja nie zależy od osoby i dnia; Wypełniając zmienne, wszyscy w zespole mogą przygotować propozycję o tej samej jakości. To właśnie trafia do biblioteki.
Trzy mini etui
Przypadek 1 – Efekt biblioteki. Zespół pomocy technicznej zebrał 15 najczęściej używanych podpowiedzi w udostępnionej bibliotece. Nowo dołączony pracownik już od pierwszego tygodnia korzystania z biblioteki udzielał odpowiedzi zgodnych ze standardami zespołu, zamiast uczyć się od zera; Konsekwentność wyników zespołu zauważalnie wzrosła.
Przypadek 2 – Przepływ od końca do końca. Zespół marketingowy, próbując stworzyć cotygodniowy biuletyn zawierający jedną zachętę, osiągał fatalne wyniki. Dzieląc przepływ na pięć etapów (zbiór tematów → zarys → krytyka redakcyjna → sprawdzanie faktów → format), biuletyn stał się zarówno wysokiej jakości, jak i zorganizowany, a czas produkcji był przewidywalny.
Przypadek 3 — Przenośność. Firma zmieniła wykorzystywane przez siebie narzędzie sztucznej inteligencji. Ponieważ podpowiedzi opierały się na czystej anatomii, a nie na trikach związanych z konkretnym narzędziem, pracowali nad nowym narzędziem praktycznie bez konieczności wprowadzania modyfikacji; Przejście było bezbolesne.
Wskazówka: gdy monit zadziała, nie przechowuj go „w pamięci”; Natychmiast zapisz go w bibliotece wraz ze zmiennymi. Poświęcenie 2 minut dzisiaj eliminuje dziesiątki rund iteracji w przyszłości.
Uwaga: Biblioteka jest żywą istotą; Jeśli zostanie zainstalowany i zapomniany, stanie się stary. Wyświetla monity dotyczące wersji (v1, v2), datuj je i regularnie przeglądaj. Ponadto żaden szablon nie eliminuje kontroli człowieka: nawet w przypadku kompleksowego przepływu ostateczne zatwierdzenie jest zawsze dziełem człowieka.
Typowe błędy
- Nie zarejestrowano dobrego monitu. Za każdym razem zaczynając od zera.
- Zależność od kodów specyficznych dla narzędzia. Natychmiastowe awarie przy zmianie pojazdu.
- Naprawianie zmiennych. Pozostawienie szablonu specyficznego dla pojedynczego rzeczownika/przypadku, czyniąc go bezużytecznym.
- Brak aktualizacji biblioteki. Noszenie starych, bezużytecznych podpowiedzi.
- Usuwanie kontroli człowieka ze przesyłania strumieniowego. Pomijanie etapu weryfikacji w kompleksowej automatyzacji.
Podsumowując
- Przenośny monit opiera się na przejrzystej anatomii, a nie na sztuczkach specyficznych dla pojazdu, i działa na każdym modelu.
- Biblioteka podpowiedzi zapewnia spójność i wydajność, udostępniając przetestowane podpowiedzi zespołowi.
- Dobry rekord biblioteczny zawiera tytuł, cel, zmienną zachętę, przykładowe dane wyjściowe, notatki i wersję.
- Przepływ od początku do końca dzieli pracę na sześć etapów, przy czym na każdym etapie utrzymuje się kontrola człowieka.
- Zapisanie dobrego podpowiedzi na bieżąco, wraz z jego zmiennymi, wykładniczo zmniejsza przyszłe wysiłki.
Zadanie aplikacji
Zidentyfikuj trzy najczęściej powtarzające się zadania w Twojej pracy i napisz dla każdego przenośny, sprawdzany pod kątem zmiennych monit, a następnie zapisz go na karcie bibliotecznej. Następnie wrzuć jedno z tych zadań do kompleksowego przepływu (zebierz → skonfiguruj → wyprodukuj → krytyka → weryfikuj → sfinalizuj) i uruchom je od początku do końca na prawdziwym przykładzie.
lista kontrolna
- [ ] Potrafię przestrzegać zasad przenośnego szybkiego pisania.
- Potrafię utworzyć kartę biblioteczną z zaznaczonymi zmiennymi [ ].
- [ ] Potrafię podzielić zadanie na kompleksowy przepływ.
- [ ] Zachowuję ludzką kontrolę na każdym etapie przepływu.
- [ ] Natychmiast zapisuję dobre podpowiedzi w bibliotece.
Egzamin modułowy
1. Który z poniższych jest podstawowym stylem pracy w modelu dużego języka?
- A) Wyszukuje na żywo w Internecie i kopiuje znalezioną stronę w niezmienionej postaci.
- B) Generuje tekst poprzez odgadnięcie najbardziej prawdopodobnego słowa, które pojawi się po podanym tekście ✔
- C) Wybiera z bazy danych gotowe odpowiedzi w puszkach
- D) Każde pytanie kieruje do osoby i zwraca odpowiedź
Opis: model dużego języka tworzy tekst poprzez statystyczne przewidywanie słowa (tokenu), które najprawdopodobniej pojawi się po podanym tekście; Nie pobiera gotowych odpowiedzi z bazy danych. Dlatego podane przez Ciebie instrukcje są najsilniejszym czynnikiem wpływającym na przewidywanie.
2. Jaka jest funkcja elementu „roli” w anatomii skutecznego podpowiedzi?
- A) Zwiększenie szybkości reakcji modelu
- B) Zmniejszenie liczby żetonów zachęty
- C) Kieruj tonem i głębią odpowiedzi, nadając modelowi ramy perspektywy i wiedzy specjalistycznej ✔
- D) Zapewnienie modelowi dostępu do danych osobowych
Wyjaśnienie: Przypisanie modelce roli (np. „zachowuj się jak doświadczony doradca finansowy”) wprowadza ją w odpowiednią perspektywę, terminologię, ton i głębię. Nie zmienia to szybkości, kosztu ani dostępu do danych odpowiedzi.
3. Która z poniższych instrukcji jest najlepsza dla przejrzystości?
- A) Napisz coś miłego o tym produkcie
- B) Dobrze wyjaśnij produkt
- C) Potrzebuję tekstu na ten temat
- D) Promuj ten produkt na 3-elementowej liście dla klientów nietechnicznych, każda pozycja zawierająca maksymalnie 15 słów ✔
Opis: Jasne instrukcje; Określa mierzalne ograniczenia, takie jak długość, docelowa grupa odbiorców i format, i nie opiera się na niejasnych przymiotnikach, takich jak „piękny” czy „dobry”.
4. Co oznacza pobieranie próbek „kilku strzałów”?
- A) Dodanie kilku przykładowych par wejście-wyjście do podpowiedzi, aby pokazać modelowi pożądany wzór ✔
- B) Zadawanie pytań modelowi bez podawania przykładów
- C) Zadawanie tego samego pytania kilka razy
- D) Pozostawienie modelu na kilka sekund
Opis: Few-shot uczy model pożądanego wzorca, pokazując w wierszu zachęty kilka przykładowych par wejście-wyjście. Niepodanie żadnych przykładów to „strzelanie zerowe”.
5. Które z poniższych podejść jest najwłaściwsze przy wyborze próbek składających się z kilku strzałów?
- A) Podawanie przykładów, które są jak najbardziej sprzeczne i w różnych formatach, jak to możliwe
- B) Wybierz reprezentatywne próbki, które konsekwentnie odzwierciedlają pożądany format i jakość ✔
- C) Zawsze umieszczaj co najmniej 50 próbek
- D) Jakość próbek nie jest istotna, wystarczy ich ilość
Opis: Ponieważ model naśladuje próbki, próbki powinny konsekwentnie odzwierciedlać pożądany format wyjściowy, ton i jakość. Sprzeczne przykłady dezorientują model.
6. W jakiej sytuacji technika łańcucha myślowego jest najbardziej przydatna?
- A) Gdy wymagane jest proste tłumaczenie jednego słowa
- B) Tylko wtedy, gdy chcesz rozszerzyć wyjście
- C) W złożonych zadaniach wymagających wielu kroków lub logicznego rozumowania ✔
- D) Gdy chcesz zmienić język odpowiedzi modelu
Opis: ta technika poprawia dokładność złożonych zadań, które wymagają wielu kroków lub logicznego rozumowania. Tworzy to niepotrzebną długość w prostych, jednoetapowych zadaniach.
7. Jaka jest główna korzyść z jawnego określenia formatu wyjściowego (np. „Eksportuj jako JSON”)?
- A) Zapewnienie przewidywalności wyników i możliwość ich integracji z innymi systemami/przepływami pracy ✔
- B) Model zużywa mniej energii elektrycznej
- C) Odpowiedź jest zawsze krótsza
- D) Modelka jest bardziej kreatywna
Opis: wymaganie określonego formatu sprawia, że dane wyjściowe są przewidywalne i łatwe do wykorzystania w innych systemach lub przepływach pracy; zmniejsza potrzebę ręcznej korekty.
8. Jakie jest najlepsze podejście, jeśli początkowe wyniki AI nie są takie, jakie chcesz?
- A) Natychmiast zdecyduj, że sztuczna inteligencja nie nadaje się do tej pracy i poddaj się
- B) Wielokrotne wysyłanie tego samego monitu bez jego zmiany
- C) Ulepszanie podpowiedzi poprzez ukierunkowaną informację zwrotną wskazującą, czego brakuje lub jest nie tak ✔
- D) Używanie danych wyjściowych w niezmienionej postaci, bez ich sprawdzania
Objaśnienie: Iteracja jest normalna; Najskuteczniejsze jest ulepszenie podpowiedzi za pomocą ukierunkowanych informacji zwrotnych, które informują Cię, co Ci się nie podoba w wynikach. Ponowne wysłanie tego samego monitu nie zmienia wyniku.
9. Które z poniższych jest częstym błędem monitu?
- A) Nadanie modelowi jasnej roli i kontekstu
- B) Określenie żądanego formatu wyjściowego
- C) Pokaż przykładowe wyniki
- D) Złożenie niejasnej, jednozdaniowej prośby bez określenia kontekstu, grupy docelowej i formatu ✔
Objaśnienie: Stworzenie niejasnego, jednozdaniowego żądania bez kontekstu i ograniczeń jest typowym błędem, który powoduje, że model generuje ogólną i niedokładną odpowiedź zawierającą założenia.
10. Co oznacza stwierdzenie, że model wywoływał „halucynacje” i co to oznacza?
- A) Model z całą pewnością generuje nierealne informacje; więc trzeba zweryfikować fakty ✔
- B) Model reaguje zbyt wolno; po prostu muszę poczekać
- C) Model podaje krótką odpowiedź; muszę pytać dłużej
- D) Model popełnia literówkę; po prostu muszę to naprawić
Wyjaśnienie: Halucynacja ma miejsce wtedy, gdy model z pewnością przedstawia informacje, które nie są prawdziwe (np. nieistniejące źródło, fałszywa data). Dlatego konieczna jest weryfikacja faktów, takich jak liczby, nazwiska, daty i cytaty z niezależnych źródeł.
11. Jakie jest najlepsze podejście przed wprowadzeniem tekstu zawierającego poufne dane klientów lub dane osobowe do publicznego narzędzia AI?
- A) Wprowadzanie danych takimi jakie są, bo AI i tak je zapomina
- B) Anonimizacja/maskowanie danych lub korzystanie z bezpiecznego narzędzia zatwierdzonego przez instytucję ✔
- C) Po prostu napisz „poufne” na końcu zdania
- D) Przetłumaczenie danych na inny język i wprowadzenie ich w ten sposób
Wyjaśnienie: Dane poufne i osobowe muszą być chronione zgodnie z polityką i przepisami korporacyjnymi (na przykład KVKK). Najbezpieczniejszym sposobem jest anonimizacja/maskowanie danych lub skorzystanie z bezpiecznego narzędzia zatwierdzonego przez instytucję.
12. Jaka jest logika pisania zachęty niezależnej od dostawcy (przenośnej)?
- A) Konieczne jest napisanie zupełnie innego i niekompatybilnego podpowiedzi dla każdego narzędzia AI
- B) Podpowiedź przenośna może być napisana tylko w jednym języku
- C) Podpowiedzi oparte na przejrzystej strukturze, kontekście i przykładach sprawdzają się dobrze w różnych modelach, bez przywiązania do jednego narzędzia ✔
- D) Prowadzenie szybkiej biblioteki jest stratą czasu
Opis: Podpowiedź oparta na przejrzystej strukturze, jasnych instrukcjach i przykładach sprawdza się również dobrze w przypadku różnych narzędzi AI, ponieważ nie jest powiązana z konkretnymi trikami konkretnego narzędzia.
13. Jaka jest najważniejsza korzyść z utrzymywania dla zespołu biblioteki podpowiedzi wielokrotnego użytku?
- A) Zapewnienie spójności i efektywności w zespole poprzez dzielenie się sprawdzonymi podpowiedziami ✔
- B) Zapewnienie, że pracownicy nie będą przekazywać sobie informacji
- C) Całkowite wyeliminowanie kosztów narzędzia AI
- D) Uczynienie kontroli ludzkiej niepotrzebną
Opis: Biblioteka zapewnia spójność i wydajność w całym zespole, udostępniając wypróbowane i przetestowane podpowiedzi; Nie każdy zaczyna ten sam biznes od zera.
14. Dlaczego w przypadku ulepszania podpowiedzi poprzez iterację zaleca się wprowadzanie jednej zmiany na raz?
- A) Jedyna zmiana polega na tym, że monit jest krótszy.
- B) Aby wyraźnie zobaczyć, która zmiana wpływa na wynik ✔
- C) Ponieważ model nie może przetwarzać więcej niż jednej instrukcji w tym samym czasie
- D) Ponieważ jedyna zmiana sprawia, że koszt wynosi zero
Objaśnienie: Jeśli zmienisz wiele rzeczy na raz, nie będziesz w stanie stwierdzić, która zmiana poprawia, a która psuje wyniki. Modyfikacja jednowymiarowa pozwala dowiedzieć się, co działa.