Vinster:
- Förstår att den initiala utmatningen sällan är perfekt och att iteration är en normal process
- Kan systematiskt förbättra ett resultat med riktad, univariat feedback
- Känner till logiken i att förvandla en lyckad prompt till en återanvändbar mall
Det största misstaget för nybörjare är att förvänta sig att den första uppmaningen ger perfekt resultat. När den första produktionen inte motsvarar förväntningarna, ger de upp att säga "AI kan inte göra det här jobbet." Men för erfarna användare är den första utgången inte ett slut, utan en början. I den här enheten kommer vi att lära oss att se snabbt skrivande som en dialog och förbättringsprocess, inte en engångstagning. Iteration är hjärtat i snabb ingenjörskonst.
Vad är iteration och varför är det normalt?
Iteration är att ta en utdata, påpeka vad du inte gillar, korrigera uppmaningen eller begäran och återskapa den. Om den initiala utgången är ofullkomlig är det inte ett misslyckande utan en naturlig del av processen. För oftast blir du tydlig med vad du vill ha när du ser den första utgången. Den goda användaren behandlar den initiala produktionen som ett "utkast" och sänker den mot målet.
Det finns två typer av iterationer:
- Korrigering i konversation: Fortsätt i samma konversation med feedback som "gör detta kortare", "ta bort det tredje objektet". Det är snabbt; modellen kommer ihåg den tidigare utgången.
- Skriva om prompten: Tillämpa det du har lärt dig på den initiala prompten och börja om från början med en bättre instruktion. Det är värdefullt för verk som kommer att återanvändas.
Ge riktad feedback
Hemligheten med iterationen är att feedbacken är riktad. Att säga "jag gillar det inte, skriv igen" styr inte modellen; Du kommer förmodligen att få en liknande utgång. Säg istället exakt vad du skulle ändra och hur:
- Svag: "Det här är inte bra."
- Stark: "Inledningen är för lång; reducera första stycket till en mening. Tonen är för formell; gör den lite mer vänlig. Ta bort påståendet från den andra punkten eftersom vi inte kan verifiera det."
Univariat optimering
Gör en vetenskaplig vana: ändra en sak i taget. Om du ändrar ton, längd och struktur samtidigt, kommer du inte att kunna avgöra vilken förändring som trädde i kraft, om resultatet förbättras eller försämras. Att gå med en variabel låter dig lära dig vad som fungerar och få det att fastna.
Iterationsslinga
steg
vad gör du
1. Producera
Få utdata med den första prompten
2. Utvärdera
Vad du gillade, vad du inte gillade – skriv konkret
3. En förändring
Gör en enda lösning som riktar sig till ett problem
4. Återskapa
Se effekten av förändringen
5. Jämför
Har han återhämtat sig? Om ja, behåll den, om inte ta tillbaka den
6. Fixering
Spara uppmaningen som ger bra resultat till mallen
Fyra kopieringsbara mallar
1) Riktad korrigering:
Den tidigare utgången var bra men ändra:- [enkel betongändring 1]- [enkel betongändring 2]Behåll allt annat som detsamma.
2) Kritisera resultatet:
Kritisera texten du just producerat med redaktörens öga. Hitta 3 svaga punkter och föreslå en konkret korrigering för varje. Skriv sedan den korrigerade versionen.
3) Variantgenerering (A/B):
Gör 2 olika versioner av denna text: A) Mer formell och kortare. B) Mer vänlig och med exempel. Ge båda; Berätta för mig i 1 mening vilken som är mer lämplig i vilken situation.
4) Få Prompt att läka sig själv:
Jag använder följande prompt, men resultatet är tillräckligt [problem]. Föreslå hur jag kan skriva den här uppmaningen tydligare och mer effektivt; skriv den förbättrade uppmaningen och förklara vad du ändrade och varför. Uppmaning: [aktuell prompt]
Svag prompt / Stark prompt (som feedback)
Dålig feedback:
Det fungerade inte, försök igen.
Stark feedback:
Innehållet är korrekt men det finns tre problem:1) 210 ord; Minska till 120.2) Andra stycket är tekniskt; förenkla jargongen.3) Avslutningen är svag; Avsluta med en tydlig nästa stegs mening. Behåll allt annat.
Den andra feedbacken talar om för modellen exakt var den ska röra; Resultatet kommer närmare målet i ett varv.
Tre minifodral
Fall 1 — Innehållsproduktion. En marknadsförare provade en reklamkopia genom att säga "Jag gillar det inte, skriv det igen" 6 gånger och kom aldrig längre. När han ändrade inställning och bad om en konkret förändring i varje omgång (först längden, sedan tonen, sedan avslutningen), uppnådde han en publicerbar text i 3 omgångar. Total tid reducerad till mindre än hälften.
Fall 2 — Rapport. En analytiker såg att den första sammanfattningen var för teknisk och sa, "chefen kommer inte att förstå detta, översätta de tekniska termerna till vardagsspråk, behålla längden." Tack vare univariat korrigering förenklades rapporten och förlorade inte sin räckvidd; Det behövdes inte en andra fullständig omskrivning.
Fall 3 — Mall. Ett supportteam korrigerade samma typ av svar iterativt, gång på gång. Slutligen antecknade de den ideala uppmaningen i en mall; De använder nu mallen med mindre ändringar istället för att iterera från början med varje nytt fall. Detta illustrerar poängen med iterationen: gör det bra en gång och använd det sedan igen.
Tips: Be modellen att kritisera sin egen produktion ("hitta tre svagheter i den här texten"). Modellen inser ofta sitt eget fel och rättar till det; detta gör en förredigering åt dig.
Varning: Iteration har en gräns. Om du efter 5-6 omgångar fortfarande inte kommer nära målet ligger problemet inte i små korrigeringar, utan i grundupplägget: du kan ha ställt in rollen, sammanhanget eller uppgiften felaktigt från början. Sluta då lappa och designa om prompten från början.
Två iterationsvägar: konversation eller omskrivning?
Att veta vilket sätt som är effektivare samtidigt som man itererar sparar tid. Regeln är: för ett engångsjobb är det snabbast att fixa det i chatten; eftersom modellen kommer ihåg den tidigare utgången och du ser bara skillnaden. Men för ett jobb som du kommer att upprepa är det mer värdefullt att skriva in det du har lärt dig i den första uppmaningen och ta fram en ren mall; för nästa gång kommer du att få en bra utgång utan behov av iteration.
I praktiken är det mest effektivt att kombinera de två: upptäck först den korrekta instruktionen genom att prova den snabbt i chatten, häll sedan instruktionen du hittar i en ren prompt och spara den i biblioteket. På så sätt kan du både gå snabbt framåt och göra ditt arbete till en permanent tillgång.
Ser iteration som en inlärningspost
Varje omgång av iteration lär dig något: vilket tillägg som förbättrade resultatet, vilken begränsning som var onödig, vad modellen gjorde fel. Att skriva ner dessa lärdomar skapar en personlig "vad fungerar"-guide över tiden. Till exempel, slutsatser som "lägg till en kommentar"-begränsningen är ett måste i den här typen av sammanfattningar", "3 exempel räcker för titelproduktion, 5 är onödiga" gör att du kan skriva rätt uppmaning vid första försöket i nästa liknande jobb. Denna kunskap är det som verkligen skiljer den erfarna användaren från nybörjaren: de startar varje företag inte från början, utan beväpnade med lärdomarna från tidigare iterationer.
Att göra modellen till en iterationspartner
Du behöver inte köra iterationen ensam. Du kan fråga modellen, "Hur kan jag föra denna produktion närmare mitt mål, ge mig 3 konkreta förslag." Modellen diagnostiserar ofta noggrant svagheter i sin produktion och föreslår sätt att åtgärda dem. Detta förvandlar iteration från "trial and error" till riktat samarbete; Du berättar vad du vill, modellen berättar hur du kommer dit.
Vanliga misstag
- Skickar samma uppmaning igen. Försöker igen utan att ändra; resultatet förändras inte.
- Vaga feedback. Att säga "jag gillar det inte" och inte säga vad du ska fixa.
- Ändra många saker samtidigt. Att inte lära sig vad som fungerar.
- Spelar inte in den bra uppmaningen. Gör samma iteration om igen varje gång.
- Oändlig iteration. Försöker fixa en fundamentalt felaktig prompt genom att patcha den.
Sammanfattningsvis
- Initial produktion är sällan perfekt; Iteration är inte ett misslyckande, det är en naturlig del av processen.
- Effektiv iteration fortsätter med riktad, inte vag, feedback.
- Ändra en sak per omgång; så du lär dig vad som fungerar.
- Du kan förredigera genom att be modellen att kritisera sin egen produktion.
- Spara uppmaningen som fungerar bra i mallen; Målet med iterationen är att producera en återanvändbar tillgång.
Applikationsuppgift
Ta en utskrift och gå medvetet igenom tre omgångar av iteration: ändra endast en sak per omgång (först längden, sedan tonen, sedan avslutningen), och spela in varje omgång. Efter den tredje omgången, bestäm vilken ändring som gjorde störst skillnad och spara den sista prompten som en återanvändbar mall.
checklista
- [ ] Jag ser den initiala produktionen som ett utkast, inte som ett färdigt arbete.
- [ ] Jag ger min feedback konkret och målinriktad.
- [ ] Jag gör en förändring per omgång.
- [ ] Jag kan be modellen att kritisera sin egen produktion.
- [ ] Jag sparar uppmaningarna som ger bra resultat till mallen.