การทำซ้ำและการปรับปรุงทันที

กำไร:

• เข้าใจว่าเอาต์พุตเริ่มต้นนั้นไม่ค่อยสมบูรณ์แบบและการวนซ้ำเป็นกระบวนการปกติ
• สามารถปรับปรุงผลลัพธ์อย่างเป็นระบบโดยให้ข้อเสนอแนะที่ตรงเป้าหมายและไม่แปรเปลี่ยน
• รู้ตรรกะของการเปลี่ยนพรอมต์ที่ประสบความสำเร็จให้เป็นเทมเพลตที่นำมาใช้ซ้ำได้

ข้อผิดพลาดที่ใหญ่ที่สุดของผู้เริ่มต้นคือการคาดหวังว่าข้อความแจ้งเตือนแรกจะให้ผลลัพธ์ที่สมบูรณ์แบบ เมื่อผลลัพธ์แรกไม่เป็นไปตามความคาดหวัง พวกเขาก็เลิกพูดว่า "AI ไม่สามารถทำหน้าที่นี้ได้" อย่างไรก็ตาม สำหรับผู้ใช้ที่มีประสบการณ์ ผลลัพธ์แรกไม่ใช่จุดสิ้นสุด แต่เป็นจุดเริ่มต้น ในหน่วยนี้ เราจะเรียนรู้ที่จะเห็นการเขียนทันทีเป็นบทสนทนาและกระบวนการปรับปรุง ไม่ใช่การดำเนินการเพียงครั้งเดียว การวนซ้ำเป็นหัวใจสำคัญของวิศวกรรมที่รวดเร็ว

การวนซ้ำคืออะไร และเหตุใดจึงเป็นเรื่องปกติ

การวนซ้ำคือการรับเอาต์พุต ชี้สิ่งที่คุณไม่ชอบ แก้ไขพรอมต์หรือคำขอ และสร้างใหม่ หากผลลัพธ์เริ่มต้นไม่สมบูรณ์ ก็ไม่ใช่ความล้มเหลวแต่เป็นส่วนหนึ่งของกระบวนการโดยธรรมชาติ เพราะส่วนใหญ่แล้ว คุณจะชัดเจนเกี่ยวกับสิ่งที่คุณต้องการเมื่อคุณเห็นผลลัพธ์แรกเท่านั้น ผู้ใช้ที่ดีจะถือว่าผลลัพธ์เริ่มต้นเป็นเหมือน "ร่าง" และมุ่งมันไปสู่เป้าหมาย

การวนซ้ำมีสองประเภท:

• การแก้ไขในการสนทนา: ดำเนินการในการสนทนาเดียวกันพร้อมคำติชม เช่น "ทำให้สิ่งนี้สั้นลง" "ลบรายการที่สาม" มันเร็วมาก โมเดลจะจดจำเอาต์พุตก่อนหน้า
• การเขียนพรอมต์ใหม่: นำสิ่งที่คุณได้เรียนรู้ไปใช้กับพรอมต์เริ่มต้นและเริ่มต้นใหม่ด้วยคำแนะนำที่ดีกว่า มีคุณค่าสำหรับงานที่จะนำมาใช้ซ้ำ

ให้ข้อเสนอแนะที่ตรงเป้าหมาย

ความลับของการวนซ้ำคือการกำหนดเป้าหมายข้อเสนอแนะ การพูดว่า "ฉันไม่ชอบ เขียนใหม่" ไม่ได้เป็นตัวกำหนดทิศทางของโมเดล คุณอาจจะได้ผลลัพธ์ที่คล้ายกัน ให้พูดอย่างชัดเจนว่าคุณจะเปลี่ยนแปลงอะไรและอย่างไร:

• อ่อนแอ: "นี่มันไม่ดี"
• หนักแน่น: "คำนำยาวเกินไป ลดย่อหน้าแรกเหลือหนึ่งประโยค น้ำเสียงดูเป็นทางการเกินไป ทำให้ดูเป็นมิตรขึ้นอีกหน่อย ลบคำกล่าวอ้างออกจากหัวข้อย่อยที่สองเพราะเราไม่สามารถยืนยันได้"

การเพิ่มประสิทธิภาพตัวแปรเดียว

สร้างนิสัยทางวิทยาศาสตร์: เปลี่ยนแปลงสิ่งหนึ่งไปในแต่ละครั้ง หากคุณเปลี่ยนโทน ความยาว และโครงสร้างทั้งหมดพร้อมกัน คุณจะไม่สามารถบอกได้ว่าการเปลี่ยนแปลงใดที่มีผล ไม่ว่าผลลัพธ์จะดีขึ้นหรือแย่ลงก็ตาม การใช้ตัวแปรเดียวช่วยให้คุณเรียนรู้ว่าอะไรใช้ได้ผลและทำให้มันยึดติด

วนซ้ำ

ขั้นตอน

คุณทำอะไร

1. ผลิตผล

รับเอาต์พุตด้วยพรอมต์แรก

2. ประเมินผล

สิ่งที่คุณชอบ สิ่งที่คุณไม่ชอบ - เขียนอย่างเป็นรูปธรรม

3. การเปลี่ยนแปลงหนึ่งครั้ง

ทำการแก้ไขเพียงครั้งเดียวโดยมีเป้าหมายอยู่ที่ปัญหาเดียว

4. สร้างใหม่

เห็นผลการเปลี่ยนแปลง

5. เปรียบเทียบ

เขาหายดีแล้วเหรอ? ถ้าใช่ก็เก็บไว้ ถ้าไม่ก็เอาคืน

6. การซ่อม

บันทึกพร้อมท์ที่ให้ผลลัพธ์ที่ดีแก่เทมเพลต

เทมเพลตที่คัดลอกได้สี่แบบ

1) การแก้ไขตามเป้าหมาย:

ผลลัพธ์ก่อนหน้านี้ใช้ได้ปกติ แต่มีการเปลี่ยนแปลง:- [การเปลี่ยนแปลงคอนกรีตเดี่ยว 1]- [การเปลี่ยนแปลงคอนกรีตเดี่ยว 2] ทำให้ทุกอย่างเหมือนเดิม

2) วิจารณ์ผลลัพธ์:

วิจารณ์ข้อความที่คุณเพิ่งสร้างขึ้นด้วยสายตาของบรรณาธิการ ค้นหาจุดอ่อน 3 จุดและเสนอแนะการแก้ไขอย่างเป็นรูปธรรมสำหรับแต่ละจุด จากนั้นจึงเขียนเวอร์ชันที่แก้ไขแล้ว

3) การสร้างตัวแปร (A/B):

สร้างข้อความนี้ 2 เวอร์ชันที่แตกต่างกัน: A) เป็นทางการมากขึ้นและสั้นลง B) เป็นมิตรมากขึ้นและมีตัวอย่าง ให้ทั้งคู่; บอกฉันใน 1 ประโยคว่าอันไหนเหมาะสมกว่าในสถานการณ์ใด

4) ทำให้ Prompt รักษาตัวเอง:

ฉันใช้พรอมต์ต่อไปนี้ แต่ผลลัพธ์ก็เพียงพอแล้ว [ปัญหา] เสนอแนะว่าฉันจะเขียนข้อความนี้ให้ชัดเจนและมีประสิทธิภาพมากขึ้นได้อย่างไร เขียนพรอมต์ที่ปรับปรุงแล้วและอธิบายว่าคุณเปลี่ยนแปลงอะไรและเพราะเหตุใด พร้อมท์: [พร้อมท์ปัจจุบัน]

พร้อมท์อ่อน / พร้อมท์แรง (เป็นข้อเสนอแนะ)

ข้อเสนอแนะที่ไม่ดี:

มันไม่ได้ผล ลองอีกครั้ง

ผลตอบรับที่แข็งแกร่ง:

เนื้อหาถูกต้องแต่มีปัญหาสามประการ:1) 210 คำ; ลดเหลือ 120.2) ย่อหน้าที่สองเป็นเรื่องเกี่ยวกับทางเทคนิค ลดความซับซ้อนของศัพท์แสง3) การปิดบัญชีอ่อนแอ ปิดท้ายด้วยประโยคถัดไปที่ชัดเจน เก็บอย่างอื่นไว้หมด.

ข้อเสนอแนะที่สองจะบอกโมเดลอย่างชัดเจนว่าจะสัมผัสตรงไหน ผลลัพธ์จะเข้าใกล้เป้าหมายมากขึ้นในเทิร์นเดียว

มินิเคสสามอัน

กรณีที่ 1 — การผลิตเนื้อหา นักการตลาดลองใช้สำเนาส่งเสริมการขายโดยบอกว่า "ไม่ชอบ เขียนใหม่" 6 ครั้ง แต่ก็ไม่ได้ไปมากกว่านี้เลย เมื่อเขาเปลี่ยนแนวทางและขอให้เปลี่ยนแปลงอย่างเป็นรูปธรรมหนึ่งครั้งในแต่ละรอบ (ความยาวแรก โทนเสียง และปิดท้าย) เขาก็บรรลุข้อความที่เผยแพร่ได้ใน 3 รอบ เวลาทั้งหมดลดลงเหลือน้อยกว่าครึ่ง

กรณีที่ 2 — รายงาน นักวิเคราะห์คนหนึ่งเห็นว่าบทสรุปแรกเป็นเทคนิคมากเกินไป และกล่าวว่า "ผู้จัดการจะไม่เข้าใจสิ่งนี้ โปรดแปลคำศัพท์ทางเทคนิคเป็นภาษาที่ใช้ในชีวิตประจำวัน รักษาความยาวไว้" ต้องขอบคุณการแก้ไขที่ไม่แปรเปลี่ยน ทำให้รายงานมีความเรียบง่ายและไม่สูญเสียขอบเขต ไม่จำเป็นต้องเขียนใหม่ทั้งหมดครั้งที่สอง

กรณีที่ 3 — การสร้างเทมเพลต ทีมสนับสนุนได้แก้ไขการตอบสนองประเภทเดียวกันซ้ำแล้วซ้ำเล่า ในที่สุด พวกเขาบันทึกข้อความแจ้งในอุดมคติไว้ในเทมเพลต ตอนนี้พวกเขาใช้เทมเพลตที่มีการเปลี่ยนแปลงเล็กน้อย แทนที่จะวนซ้ำตั้งแต่ต้นกับแต่ละกรณีใหม่ สิ่งนี้แสดงให้เห็นถึงจุดสำคัญของการวนซ้ำ: ทำให้ดีครั้งหนึ่งแล้วใช้อีกครั้ง

เคล็ดลับ: ขอให้แบบจำลองวิจารณ์ผลงานของเธอเอง (“ค้นหาจุดอ่อน 3 ประการของข้อความนี้”) โมเดลมักจะตระหนักถึงข้อผิดพลาดของตัวเองและแก้ไข นี่เป็นการแก้ไขล่วงหน้าในนามของคุณ

ข้อควรระวัง: การวนซ้ำมีขีดจำกัด หากผ่านไป 5-6 รอบแล้ว คุณยังไม่เข้าใกล้เป้าหมาย ปัญหาไม่ได้อยู่ที่การแก้ไขเล็กๆ น้อยๆ แต่อยู่ที่แนวทางพื้นฐาน คุณอาจกำหนดบทบาท บริบท หรืองานไม่ถูกต้องตั้งแต่ต้น ณ จุดนั้น ให้หยุดการแพตช์และออกแบบพรอมต์ใหม่ตั้งแต่ต้น

สองเส้นทางของการวนซ้ำ: การสนทนาหรือการเขียนใหม่?

การรู้ว่าวิธีใดมีประสิทธิภาพมากกว่าในขณะที่วนซ้ำจะช่วยประหยัดเวลา กฎคือ: สำหรับงานที่ทำครั้งเดียว จะแก้ไขได้เร็วที่สุดในแชท เพราะโมเดลจำเอาต์พุตก่อนหน้าและคุณแค่บอกความแตกต่าง แต่สำหรับงานที่คุณจะทำซ้ำ การเขียนสิ่งที่คุณได้เรียนรู้ลงในข้อความเริ่มต้นและสร้างเทมเพลตที่สะอาดตานั้นมีประโยชน์มากกว่า เพราะครั้งต่อไปคุณจะได้ผลลัพธ์ที่ดีโดยไม่จำเป็นต้องวนซ้ำ

ในทางปฏิบัติ จะมีประสิทธิภาพมากที่สุดที่จะรวมทั้งสองเข้าด้วยกัน: ขั้นแรกให้ค้นหาคำสั่งที่ถูกต้องโดยลองอย่างรวดเร็วในการแชท จากนั้นจึงเทคำสั่งที่คุณพบลงในพรอมต์ที่สะอาดและบันทึกไว้ในไลบรารี ด้วยวิธีนี้ คุณสามารถก้าวหน้าได้อย่างรวดเร็วและเปลี่ยนแรงงานของคุณให้เป็นสินทรัพย์ถาวร

การดูการวนซ้ำเป็นบันทึกการเรียนรู้

การวนซ้ำแต่ละรอบจะสอนคุณบางอย่าง เช่น การเพิ่มครั้งใดที่ปรับปรุงเอาต์พุต ข้อจำกัดใดที่ไม่จำเป็น สิ่งที่โมเดลผิดพลาด การเขียนสิ่งที่เรียนรู้เหล่านี้จะสร้างคำแนะนำ "สิ่งที่ใช้ได้ผล" ส่วนบุคคลเมื่อเวลาผ่านไป ตัวอย่างเช่น การอนุมาน เช่น "ข้อจำกัด 'เพิ่มความคิดเห็น' เป็นสิ่งจำเป็นในการสรุปประเภทนี้" "3 ตัวอย่างเพียงพอสำหรับการผลิตชื่อเรื่อง ไม่จำเป็น 5 รายการ" จะทำให้คุณสามารถเขียนพรอมต์ที่ถูกต้องในการลองครั้งแรกในงานที่คล้ายกันถัดไป ความรู้นี้คือสิ่งที่ทำให้ผู้ใช้ที่มีประสบการณ์แตกต่างจากผู้เริ่มต้นอย่างแท้จริง พวกเขาเริ่มต้นธุรกิจแต่ละธุรกิจไม่ใช่ตั้งแต่เริ่มต้น แต่มาพร้อมกับบทเรียนจากการทำซ้ำครั้งก่อนๆ

ทำให้โมเดลเป็นพันธมิตรในการวนซ้ำ

You don't have to run the iteration alone. คุณสามารถถามแบบจำลองว่า "ฉันจะทำให้ผลลัพธ์นี้เข้าใกล้เป้าหมายของฉันได้อย่างไร ขอคำแนะนำที่เป็นรูปธรรม 3 ข้อให้ฉัน" แบบจำลองมักจะวินิจฉัยจุดอ่อนในผลลัพธ์อย่างแม่นยำและแนะนำวิธีแก้ไข สิ่งนี้จะเปลี่ยนการทำซ้ำจาก "การลองผิดลองถูก" เป็นการทำงานร่วมกันแบบกำหนดเป้าหมาย คุณบอกเราว่าคุณต้องการอะไร โมเดลจะบอกคุณว่าจะไปที่นั่นได้อย่างไร

ข้อผิดพลาดทั่วไป

• Sending the same prompt again. Trying again without changing; the result does not change.
• Vague feedback. บอกว่าไม่ชอบ และไม่บอกว่าจะแก้ไขอะไร
• Changing many things at once. Not learning what works.
• Not recording the good prompt. Doing the same iteration over again each time.
• Infinite iteration. กำลังพยายามแก้ไขพรอมต์ที่ผิดพลาดโดยพื้นฐานด้วยการแพตช์

โดยสรุป

• Initial output is rarely perfect; การวนซ้ำไม่ใช่ความล้มเหลว แต่เป็นส่วนหนึ่งของกระบวนการโดยธรรมชาติ
• การวนซ้ำอย่างมีประสิทธิผลดำเนินไปพร้อมกับผลตอบรับที่ตรงเป้าหมายและไม่คลุมเครือ
• Change one thing per round; so you learn what works.
• คุณสามารถแก้ไขล่วงหน้าได้โดยขอให้โมเดลวิจารณ์ผลงานของเธอเอง
• Save the prompt that works well in the template; เป้าหมายของการวนซ้ำคือการสร้างเนื้อหาที่นำมาใช้ซ้ำได้

งานสมัคร

พิมพ์งานออกมาและทำซ้ำสามรอบอย่างมีสติ โดยเปลี่ยนเพียงสิ่งเดียวต่อรอบ (ความยาวแรก จากนั้นโทนเสียง จากนั้นปิด) และบันทึกในแต่ละรอบ หลังจากรอบที่สาม ให้พิจารณาว่าการเปลี่ยนแปลงใดที่สร้างความแตกต่างมากที่สุด และบันทึกพรอมต์สุดท้ายเป็นเทมเพลตที่นำมาใช้ซ้ำได้

รายการตรวจสอบ

• [ ] ฉันมองผลงานเริ่มต้นเป็นแบบร่าง ไม่ใช่งานที่เสร็จแล้ว
• [ ] I give my feedback concrete and targeted.
• [ ] I make one change per round.
• [ ] ฉันสามารถขอให้แบบจำลองวิจารณ์ผลลัพธ์ของตัวเองได้
• [ ] ฉันบันทึกข้อความแจ้งที่ให้ผลลัพธ์ที่ดีแก่เทมเพลต