Iteracyjne projektowanie i doskonalenie promptów

Prompt Engineering z OpenAI API

Fouad Trad

Machine Learning Engineer

Iteracyjne projektowanie promptów

Żaden prompt nie jest doskonały od razu
Prompt engineering to proces iteracyjny, w którym:
- Tworzymy prompt
- Podajemy go modelowi
- Obserwujemy i analizujemy wynik
- Iterujemy, aby ulepszyć prompt

Obraz przedstawiający cykl. Niebieski okrąg z czterema strzałkami tworzącymi pętlę.

Doskonalenie promptów

Wyjściowy prompt

prompt = "Generate an Excel sheet containing
five student names and their grades"

print(get_response(prompt))

I'm sorry, but as a text-based AI, I am 
unable to directly provide an Excel sheet. 
However, I can help you generate a sample
representation of the data you requested.

Udoskonalony prompt

prompt = "Generate a table that I can copy 
to Excel, containing five student names and 
their grades"
print(get_response(prompt))

| Student Name | Grade |
|--------------|-------|
| Student 1    |  90   |
| Student 2    |  85   |
| Student 3    |  95   |
| Student 4    |  88   |
| Student 5    |  92   |

Przykład: analiza funkcji w Pythonie

code = '''
def calculate_rectangle_area(length, width):
    area = length * width
    return area
'''

$Obraz przedstawiający prostokąt i wzór na obliczenie jego pola na podstawie szerokości i długości. Area = length\*width.$

Przykład: wyjściowy prompt

prompt = f"""
  Analyze the code delimited by triple backticks with one sentence
  ```{code}```.
"""
print(get_response(prompt))

The code calculates the area of a rectangle based on its length and width.

Przykład: doskonalenie promptu

Modyfikujemy prompt, aby uzyskać język programowania

prompt = f"""
  Analyze the code delimited by triple backticks and provide its programming 
  language with one sentence 
  ```{code}```.
"""
print(get_response(prompt))

The provided code is a function written in Python that calculates the area of a 
rectangle based on its length and width.

Przykład: doskonalenie promptu

Modyfikujemy prompt, aby uzyskać dane strukturalne

prompt = f"""
  For the function delimited by triple backticks, provide in a structured format
  the following:
  - description: one sentence short description
  - language: the programming language used
  - input: the inputs to the function
  - output: the output returned by the function
  ```{code}```.
"""
print(get_response(prompt))

Przykład: doskonalenie promptu

description: This function calculates the area of a rectangle.

language: Python

input:
 - length: The length of the rectangle.
 - width: The width of the rectangle.

output:
 - area: The calculated area of the rectangle, which is the product of the length 
 and width.

Doskonalenie promptów few-shot

Klasyfikacja opisów pogody

Wyjściowy prompt

prompt = """
Clear skies and a gentle breeze. -> Sunny
Heavy rain and thunderstorms expected. -> Rainy
Fresh snowfall with freezing temperatures. -> 
"""
print(get_response(prompt))

Snowy

Doskonalenie promptów few-shot

Klasyfikacja opisów pogody

Wyjściowy prompt

prompt = """
Clear skies and a gentle breeze. -> Sunny
Heavy rain and thunderstorms expected. -> Rainy
The wind of change brought a refreshing breeze to the company's operations. -> 
"""
print(get_response(prompt))

Windy

Doskonalenie promptów few-shot

Udoskonalony prompt

prompt = """
Clear skies and a gentle breeze. -> Sunny
Heavy rain and thunderstorms expected. -> Rainy
The political climate in the country was stormy -> Unknown
The wind of change brought a refreshing breeze to the company's operations. -> 
"""
print(get_response(prompt))

Unknown

Doskonalenie promptów dla różnych typów

Prompty few-shot: doskonalenie przykładów
Prompty wieloetapowe: doskonalenie kroków prowadzących
Prompty chain-of-thought i self-consistency: doskonalenie opisu problemu

Obraz przedstawiający trzy rzędy przełączników z ręką regulującą je w celu odzwierciedlenia udoskonalenia.

Czas na ćwiczenia!

Prompt Engineering z OpenAI API