مهندسی پرامپت یعنی هنر و علمِ «درست پرسیدن» از مدل. با تکنیکهای ساده میتوان کیفیتِ پاسخ را چند برابر کرد — بدون هیچ هزینهٔ آموزشی.
تکنیکهای بنیادین
Few-shot (چند نمونه)
چند مثالِ ورودی/خروجی در پرامپت میگذارید تا مدل الگو را یاد بگیرد (GPT-3، ۲۰۲۰).
زنجیرهٔ تفکر (CoT)
از مدل میخواهید «گامبهگام فکر کند»؛ دقتِ استدلال را بهشدت بالا میبرد (Wei، ۲۰۲۲).
نقشدهی (Role)
به مدل نقش میدهید («تو یک حسابرس ارشدی») تا لحن و تخصصِ پاسخ تنظیم شود.
ساختاردهی خروجی
قالبِ خروجی را مشخص میکنید (JSON، جدول، فهرست) برای استفادهٔ ماشینی.
آناتومیِ یک پرامپتِ حرفهای
01
1
زمینه (Context)
اطلاعاتِ پسزمینه و دادهٔ لازم را بدهید.
02
2
وظیفه (Task)
دقیقاً بگویید چه میخواهید.
03
3
محدودیت (Constraints)
طول، لحن، قالب و آنچه نباید انجام شود.
04
4
نمونه (Examples)
یک یا چند مثال از خروجیِ مطلوب.
هشدار
پرامپتِ مبهم = پاسخِ مبهم. بیشترِ «ضعفِ مدل» در واقع «ضعفِ پرامپت» است.