Mga nadagdag:
- Nauunawaan na ang paunang output ay bihirang perpekto at ang pag-ulit ay isang normal na proseso
- Maaaring sistematikong mapabuti ang isang kinalabasan gamit ang naka-target, univariate na feedback
- Alam ang lohika ng paggawa ng isang matagumpay na prompt sa isang reusable na template
Ang pinakamalaking pagkakamali ng mga nagsisimula ay ang asahan ang unang prompt na magbibigay ng perpektong output. Kapag ang unang output ay hindi nakakatugon sa mga inaasahan, sumuko sila sa pagsasabing "Hindi magagawa ng AI ang trabahong ito." Gayunpaman, para sa mga may karanasang gumagamit, ang unang output ay hindi isang katapusan, ngunit isang simula. Sa yunit na ito, matututunan nating makita ang maagap na pagsulat bilang isang diyalogo at proseso ng pagpapabuti, hindi isang beses na pagbaril. Ang pag-ulit ay ang puso ng agarang engineering.
Ano ang Pag-ulit at Bakit Ito Normal?
Ang pag-ulit ay pagkuha ng isang output, pagturo kung ano ang hindi mo gusto, pagwawasto sa prompt o kahilingan, at muling paggawa nito. Kung ang paunang output ay hindi perpekto, ito ay hindi isang kabiguan ngunit isang natural na bahagi ng proseso. Dahil kadalasan, nagiging malinaw ka lang sa gusto mo kapag nakita mo ang unang output. Itinuturing ng mabuting user ang paunang output bilang isang "draft" at itinatakda ito patungo sa layunin.
Mayroong dalawang uri ng mga pag-ulit:
- Pagwawasto sa pag-uusap: Magpatuloy sa parehong pag-uusap na may feedback gaya ng "gawin itong mas maikli", "alisin ang ikatlong item." Ito ay mabilis; naaalala ng modelo ang nakaraang output.
- Muling pagsusulat ng prompt: Paglalapat ng iyong natutunan sa unang prompt at simula sa simula na may mas mahusay na pagtuturo. Ito ay mahalaga para sa mga gawa na muling gagamitin.
Pagbibigay ng Naka-target na Feedback
Ang sikreto ng pag-ulit ay ang feedback ay naka-target. Ang pagsasabi ng "Ayoko, sumulat muli" ay hindi nagdidirekta sa modelo; Marahil ay makakakuha ka ng katulad na output. Sa halip, sabihin nang eksakto kung ano ang iyong babaguhin at kung paano:
- Mahina: "Ito ay hindi maganda."
- Strong: "Masyadong mahaba ang panimula; bawasan ang unang talata sa isang pangungusap. Masyadong pormal ang tono; gawing mas palakaibigan. Alisin ang claim sa pangalawang bullet point dahil hindi namin ito ma-verify."
Univariate optimization
Gumawa ng siyentipikong ugali: baguhin ang isang bagay sa isang pagkakataon. Kung babaguhin mo ang tono, haba, at istraktura nang sabay-sabay, hindi mo masasabi kung aling pagbabago ang nagkaroon ng epekto, kung bubuti o lumalala ang output. Ang pagpunta sa isang variable ay nagbibigay-daan sa iyo na matutunan kung ano ang gumagana at gawin itong manatili.
Pag-ulit na Loop
hakbang
anong ginagawa mo
1. Gumawa
Kunin ang output gamit ang unang prompt
2. Suriin
Kung ano ang nagustuhan mo, kung ano ang hindi mo gusto - isulat nang konkreto
3. Isang pagbabago
Gumawa ng isang pag-aayos na nagta-target ng isang isyu
4. Magbagong-buhay
Tingnan ang epekto ng pagbabago
5. Paghambingin
Naka-recover na ba siya? Kung oo itago mo, kung hindi bawiin mo
6. Pag-aayos
I-save ang prompt na nagbibigay ng magagandang resulta sa template
Apat na Nakokopyang Template
1) Naka-target na pagwawasto:
Ang nakaraang output ay maayos ngunit baguhin:- [solong kongkretong pagbabago 1]- [solong kongkretong pagbabago 2] Panatilihing pareho ang lahat ng iba pa.
2) Kritikal ang output:
I-critic ang text na ginawa mo sa mata ng editor. Maghanap ng 3 mahinang punto at magmungkahi ng isang konkretong pagwawasto para sa bawat isa. Pagkatapos ay isulat ang naitama na bersyon.
3) Variant generation (A/B):
Gumawa ng 2 magkaibang bersyon ng tekstong ito: A) Mas pormal at mas maikli. B) Mas palakaibigan at may mga halimbawa. Bigyan pareho; Sabihin sa akin sa 1 pangungusap kung alin ang mas angkop sa anong sitwasyon.
4) Gawing Pagalingin ni Prompt ang kanyang sarili:
Ginagamit ko ang sumusunod na prompt, ngunit ang resulta ay sapat na [problema]. Magmungkahi kung paano ko maisusulat ang prompt na ito nang mas malinaw at epektibo; isulat ang pinahusay na prompt at ipaliwanag kung ano ang iyong binago at bakit. Prompt: [kasalukuyang prompt]
Mahina Prompt / Malakas na Prompt (bilang feedback)
Hindi magandang feedback:
Hindi ito gumana, subukang muli.
Malakas na feedback:
Tama ang nilalaman ngunit may tatlong problema:1) 210 salita; Bawasan sa 120.2) Ang pangalawang talata ay teknikal; pasimplehin ang jargon.3) Mahina ang pagsasara; Tapusin sa isang malinaw na susunod na hakbang na pangungusap. Panatilihin ang lahat ng iba pa.
Ang pangalawang feedback ay nagsasabi sa modelo nang eksakto kung saan hahawakan; Ang resulta ay nagiging mas malapit sa target sa isang pagliko.
Tatlong Mini Case
Kaso 1 — Paggawa ng nilalaman. Sinubukan ng isang nagmemerkado ang isang kopyang pang-promosyon sa pamamagitan ng pagsasabi ng "Ayoko nito, isulat mo itong muli" nang 6 na beses at hindi na nakarating pa. Noong binago niya ang kanyang diskarte at humingi ng isang konkretong pagbabago sa bawat round (una ang haba, pagkatapos ay ang tono, pagkatapos ay ang pagsasara), nakamit niya ang isang na-publish na teksto sa 3 round. Ang kabuuang oras ay nabawasan sa mas mababa sa kalahati.
Kaso 2 — Ulat. Nakita ng isang analyst na masyadong teknikal ang unang buod at sinabing, "hindi ito mauunawaan ng manager, isalin ang mga teknikal na termino sa pang-araw-araw na wika, panatilihin ang haba." Salamat sa univariate correction, ang ulat ay parehong pinasimple at hindi nawala ang saklaw nito; Hindi na kailangan ng pangalawang kumpletong muling pagsulat.
Kaso 3 — Pag-template. Ang isang koponan ng suporta ay nagwawasto sa parehong uri ng tugon nang paulit-ulit, sa bawat oras. Sa wakas, naitala nila ang perpektong prompt sa isang template; Ginagamit na nila ngayon ang template na may maliliit na pagbabago sa halip na umulit mula sa simula sa bawat bagong kaso. Inilalarawan nito ang punto ng pag-ulit: gawin itong mabuti nang isang beses, pagkatapos ay gamitin itong muli.
Tip: Hilingin sa modelo na punahin ang kanyang sariling output ("hanapin ang 3 kahinaan ng tekstong ito"). Madalas na napagtanto ng modelo ang sarili nitong pagkakamali at itinutuwid ito; nagsasagawa ito ng paunang pag-edit sa ngalan mo.
Babala: May limitasyon ang pag-ulit. Kung pagkatapos ng 5-6 na pag-ikot ay hindi ka pa rin nakakalapit sa layunin, ang problema ay wala sa maliliit na pagwawasto, ngunit sa pangunahing diskarte: maaaring mali mong nai-set up ang tungkulin, konteksto o gawain mula sa simula. Sa puntong iyon, ihinto ang pag-patch at muling idisenyo ang prompt mula sa simula.
Dalawang Landas ng Pag-ulit: Pag-uusap o Muling Pagsusulat?
Ang pag-alam kung aling paraan ang mas mahusay habang ang pag-ulit ay nakakatipid ng oras. Ang panuntunan ay: para sa isang beses na trabaho, ito ay pinakamabilis na ayusin ito sa chat; dahil naaalala ng modelo ang nakaraang output at sasabihin mo lang ang pagkakaiba. Ngunit para sa isang trabaho na uulitin mo, mas mahalaga na isulat ang iyong natutunan sa paunang prompt at gumawa ng malinis na template; dahil sa susunod ay makakakuha ka ng magandang output nang hindi nangangailangan ng pag-ulit.
Sa pagsasagawa, pinakamabisang pagsamahin ang dalawa: tuklasin muna ang tamang pagtuturo sa pamamagitan ng pagsubok nito nang mabilis sa chat, pagkatapos ay ibuhos ang pagtuturo na makikita mo sa isang malinis na prompt at i-save ito sa library. Sa ganitong paraan, pareho kayong mabilis na umunlad at gawing permanenteng asset ang iyong trabaho.
Pagtingin sa pag-ulit bilang isang talaan ng pag-aaral
Ang bawat pag-ikot ng pag-ulit ay nagtuturo sa iyo ng isang bagay: kung aling karagdagan ang nagpabuti sa output, kung aling hadlang ang hindi kailangan, kung ano ang mali ng modelo. Ang pagsusulat ng mga natutunang ito ay lumilikha ng personal na "kung ano ang gumagana" na gabay sa paglipas ng panahon. Halimbawa, ang mga hinuha gaya ng "ang 'magdagdag ng komento' na hadlang ay kinakailangan sa ganitong uri ng mga buod", "3 halimbawa ay sapat para sa paggawa ng pamagat, 5 ay hindi kailangan" ay magbibigay-daan sa iyong isulat ang tamang prompt sa unang pagsubok sa susunod na katulad na trabaho. Ang kaalamang ito ang talagang pinagkaiba ng may karanasan na gumagamit mula sa baguhan: sinimulan nila ang bawat negosyo hindi mula sa simula, ngunit armado ng mga aral ng mga nakaraang pag-ulit.
Gawing kasosyo sa pag-ulit ang modelo
Hindi mo kailangang patakbuhin ang pag-ulit nang mag-isa. Maaari mong tanungin ang modelo, "Paano ko mailapit ang output na ito sa aking layunin, bigyan mo ako ng 3 kongkretong mungkahi." Ang modelo ay madalas na tumpak na nag-diagnose ng mga kahinaan sa output nito at nagmumungkahi ng mga paraan upang ayusin ang mga ito. Binabago nito ang pag-ulit mula sa "pagsubok at pagkakamali" patungo sa naka-target na pakikipagtulungan; Sabihin mo sa amin kung ano ang gusto mo, sasabihin sa iyo ng modelo kung paano makarating doon.
Mga karaniwang pagkakamali
- Ipinapadala muli ang parehong prompt. Sinusubukang muli nang hindi nagbabago; hindi nagbabago ang resulta.
- Malabong feedback. Ang pagsasabi ng "Ayoko" at hindi sinasabi ang aayusin mo.
- Pagbabago ng maraming bagay nang sabay-sabay. Hindi pag-aaral kung ano ang gumagana.
- Hindi nagre-record ng magandang prompt. Ginagawa ang parehong pag-ulit muli sa bawat oras.
- Walang katapusang pag-ulit. Sinusubukang ayusin ang isang pangunahing maling prompt sa pamamagitan ng pag-patch nito.
Sa buod
- Ang paunang output ay bihirang perpekto; Ang pag-ulit ay hindi isang kabiguan, ito ay isang natural na bahagi ng proseso.
- Ang epektibong pag-ulit ay nagpapatuloy sa naka-target, hindi malabo, feedback.
- Baguhin ang isang bagay sa bawat pag-ikot; para malaman mo kung ano ang gumagana.
- Maaari mong paunang i-edit sa pamamagitan ng paghiling sa modelo na punahin ang kanyang sariling output.
- I-save ang prompt na gumagana nang maayos sa template; Ang layunin ng pag-ulit ay upang makagawa ng isang magagamit muli na asset.
Gawain ng aplikasyon
Kumuha ng printout at sinasadyang dumaan sa tatlong pag-ikot ng pag-ulit: pagpapalit lamang ng isang bagay sa bawat pag-ikot (una ang haba, pagkatapos ay ang tono, pagkatapos ay ang pagsasara), at itala ang bawat pag-ikot. Pagkatapos ng ikatlong round, tukuyin kung aling pagbabago ang gumawa ng pinakamalaking pagkakaiba at i-save ang panghuling prompt bilang isang template na magagamit muli.
checklist
- [ ] Tinitingnan ko ang paunang output bilang isang draft, hindi bilang tapos na trabaho.
- [ ] Ibinibigay ko ang aking feedback na konkreto at naka-target.
- [ ] Gumagawa ako ng isang pagbabago sa bawat pag-ikot.
- [ ] Maaari kong hilingin sa modelo na punahin ang sarili nitong output.
- [ ] Sine-save ko ang mga prompt na nagbibigay ng magagandang resulta sa template.