هندسة الأوامر
بما أن كل ما يعرفه النموذج حول مهمتك يأتي من الـ prompt، فإن كتابة prompts جيدة هي مهارة حقيقية. مبدآن يحملان معظم الأهمية.
كن محددا وليس غامضا
أمر غامض يدعو إلى إجابة غامضة (أو خاطئة). قارن:
# vague
"summarize this"
# specific
"Summarize this in 2 sentences for a non-technical reader. "
"Lead with the single most important number."حدد التنسيق، والجمهور، والطول، وما يجب التركيز عليه. النموذج ليس قارئ أفكار؛ إنه متنبئ بالنصوص.
عرض أمثلة (few-shot prompting)
أفضل حيلة هي أن show النموذج بضع أزواج من المدخلات والمخرجات قبل سؤالك الحقيقي. يسمى هذا few-shot prompting، وهو يعلم النمط بشكل أفضل بكثير من وصفه:
Classify the sentiment.
Input: good
Output: positive
Input: awful
Output: negative
Input: great
Output:يرى النموذج شكل المهمة ويستمر في إكمالها، مع ملء Output: النهائي. ترك ذلك السطر الأخير مفتوحا هو الإشارة للإجابة.
جربها فعليا
في تطبيق Floati، بمجرد تحميل نموذج على الجهاز يمكنك تمرير سلسلة نصية مثل هذه إليه مباشرة (على سبيل المثال await engine.chat(prompt) في لوحة AI) ومشاهدته وهو يكمل السطر الأخير. لا يمكننا تشغيل النموذج المباشر داخل هذا المصحح (لأنه يحتاج إلى WebGPU وغير محدد)، لذا ستقوم هنا ببناء string، وهو الجزء الذي تتحكم فيه بالكامل.
اكتب few_shot_prompt(task, examples, query). يعيد النص التالي: سطر task، ثم سطر فارغ، ثم كل مثال (inp, out) يتم عرضه كسطر Input: <inp> يليه سطر Output: <out>، ثم سطر Input: <query> أخير و Output: في النهاية ليكمله النموذج. اربط كل شيء بأسطر جديدة. ثم قم بتعيين prompt = few_shot_prompt("Classify the sentiment.", examples, "great").
سيفتح هذا التمرين قريبا
أنهِ الدرس السابق ليفتح هذا الدرس. الدورة كاملة مجانية، ولا تحتاج إلى حساب، ويمكنك قراءة هذا الدرس الآن.
يقوم هذا المتصفح بحظر ملفات تعريف الارتباط لـ learn.floati.life، لذا لا يمكن فتح الدروس التي أنهيتها هنا بالترتيب. اسمح بملفات تعريف الارتباط لهذا الموقع وأعد التحميل.