Lehrplan Lektion 112 von 250 · Neural-Net Intuition, LLMs & KI Capstone
Neural-Net Intuition, LLMs & KI Capstone

Prompt Engineering

Da alles, was das Modell über deine Aufgabe weiß, aus dem Prompt kommt, ist das Schreiben guter Prompts eine echte Fähigkeit. Zwei Prinzipien tragen das meiste Gewicht.

Sei spezifisch, nicht vage

A vager Prompt lädt zu einer vagen (oder falschen) Antwort ein. Vergleiche:

# vague
"summarize this"

# specific
"Summarize this in 2 sentences for a non-technical reader. "
"Lead with the single most important number."

Nenne das Format, die Zielgruppe, die Länge und worauf zu achten ist. Das Modell ist kein Gedankenleser; es ist ein Textvorhersager.

Beispiele zeigen (few-shot prompting)

Der zuverlässigste Trick ist es, show dem Modell einige Input/Output-Paare vor deiner echten Frage zu zeigen. Das nennt man few-shot Prompting, und es lehrt das Muster viel besser als eine Beschreibung davon:

Classify the sentiment.

Input: good
Output: positive
Input: awful
Output: negative
Input: great
Output:

Das Modell sieht die Form der Aufgabe und führt sie fort, indem es das finale Output: ausfüllt. Diese letzte Zeile offen zu lassen, ist der Hinweis zur Antwort.

Versuch es mal für echt

In der Floati App kannst du, sobald ein On-Device-Modell geladen ist, einen String wie diesen direkt an es übergeben (zum Beispiel await engine.chat(prompt) im KI-Panel) und sehen, wie es die letzte Zeile vervollständigt. Wir können das Live-Modell in diesem Grader nicht ausführen (es benötigt WebGPU und ist nicht deterministisch), also wirst du hier den Prompt string bauen, welcher der Teil ist, den du vollständig kontrollierst.

Du bist dran

Schreibe few_shot_prompt(task, examples, query). Es gibt einen String zurück: die task Zeile, dann eine Leerzeile, dann jedes (inp, out) Beispiel als Input: <inp> Zeile gefolgt von einer Output: <out> Zeile, dann eine finale Input: <query> Zeile und ein abschließendes Output: für das Modell zum Vervollständigen. Verbinde alles mit neuen Zeilen. Dann setze prompt = few_shot_prompt("Classify the sentiment.", examples, "great").

Ein Problem in dieser Lektion entdeckt? Melde es · Frage zu dieser Lektion

Diese Übung öffnet bald

Beende die vorherige Lektion, damit diese freigeschaltet wird. Der ganze Kurs ist kostenlos, kein Konto erforderlich, und du kannst diese Lektion jetzt direkt lesen.