Примери, техники и практични приложения на промт инженеринга

Няма да се обадите в пицария и да поръчате „пица“. За да получите желаната вечеря, ще посочите избора си на тесто, топинг, подправки, напитка и всичко, към което може да сте алергични.

Поуката от тази история е: колкото по-подробни са вашите инструкции, толкова по-близка до вашите предпочитания ще бъде пицата. Това важи за използването на генеративни AI инструменти като ChatGPT на Open AI или Gemini на Google.

В тази публикация в блога ви показваме как да давате ясни инструкции и да задавате конкретни въпроси на инструментите за генериране на изкуствен интелект – процес, известен също като промпт инженеринг.

Какво е инженеринг на подсказки?

Prompt engineering е процесът на проектиране и усъвършенстване на входния текст, предоставян на AI моделите, особено езиковите модели, с цел да се получат най-точните, релевантни и креативни отговори.

Защо трябва да научите инженеринга на подсказки

Генеративният AI се превръща в един от най-мощните и влиятелни инструменти в широк спектър от приложения – от писане на съдържание до архитектурно моделиране. McKinsey установява, че до 30% от часовете, които понастоящем се работят в американската икономика, могат да бъдат автоматизирани до 2030 г. с технологии, базирани на Gen AI.

За да използвате Gen AI по най-добрия начин, трябва да овладеете prompt engineering.

Ускоряване на взаимодействията: Проектирането на подсказки служи като основен интерфейс между човешкото намерение и резултата от машината. За да може моделът за машинно обучение (ML) да разбере вашата заявка на естествен език, трябва да познавате проектирането на подсказки.

Насърчаване на творчеството на AI: Отличителният фактор на Generative AI е, че той „генерира“, т.е. създава текст, изображения или данни в отговор на подсказки. За да получите творчески отговори, трябва да въведете ясни подсказки.

Получаване на точни отговори: Голямо предизвикателство в Gen AI е халюцинацията – феномен, при който AI моделът генерира неточна или подвеждаща информация въз основа на погрешни предположения или присъщи предубеждения. За да елиминирате това, се нуждаете от добри умения за prompt engineering.

Максимизиране на възвръщаемостта: Генеративният AI се състои от големи езикови модели, които обработват изключително големи количества данни. За да се извлече максимумът от възможностите на модела и да се заобиколят неговите ограничения, доброто инженерство на подсказки е от основно значение.

Подобряване на релевантността: Всичко, което се генерира от AI, трябва да е релевантно за целевата аудитория. Например, можете да подобрите релевантността на вашите AI-генерирани публикации в социалните медии за вашата аудитория, като посочите техните демографски характеристики, интереси, нужди, предизвикателства и т.н.

За да се възползвате от тези предимства, трябва да разберете как можете да използвате prompt engineering, за да получите желаните резултати от генеративния AI. Нека започнем с няколко примера.

Примери за промт инженеринг

Има много неща, които трябва и не трябва да правите, най-добри практики и шаблони за AI prompt, които ще ви помогнат да го направите правилно. Но преди да се впуснем в AI хакове, най-добрият начин да научите практична умение като prompt engineering е да го видите в действие.

Ето някои примери за prompt engineering в различни области на работа.

Prompt engineering за разработката на софтуер

Независимо дали програмирате, отстранявате грешки или пишете документация, AI инструментите за разработчици могат да улеснят значително работата ви. Ето как.

Помощ при преглед на код

„Създайте списък за проверка на кода за приложение за роботизирана автоматизация на процесите (RPA), създадено с Python. Обърнете специално внимание на четимостта и сигурността на предприятието.“

Техническа документация

„Напишете изчерпателно ръководство за внедряване на OAuth 2.0 в уеб приложение, използващо Node.js. Включете стъпка по стъпка инструкции и фрагменти от код за всеки етап.“

Отстраняване на грешки

„Опишете систематичен подход за идентифициране и отстраняване на пропуски в паметта в Java приложение, включително инструменти за използване и често срещани области за проверка.“ Ако сте начинаещ и това ви се струва малко прекалено сложно, ние сме ви подготвили помощ. Използвайте подсказките на ClickUp за инженерство в ChatGPT, за да генерирате идеи, планове за процеси и много други.

Подсказки за Gen AI за управление на продукти

Екипите за гъвкаво разработване на софтуер често не разполагат с продуктови мениджъри, които да изяснят пътната карта и да стимулират напредъка. AI инструменти като ChatGPT могат да бъдат от полза.

Приоритизиране на функциите

„Използвайте модела за оценяване RICE (Reach, Impact, Confidence, Effort) и дайте приоритет на следните функции за нашия предстоящ инструмент за управление на проекти: Kanban табла, сътрудничество в реално време, автоматизирано отчитане и интеграции с трети страни.“

Създаване на потребителски профил

„Разработете подробен профил на потребителя за приложение за проследяване на фитнес, насочено към заети професионалисти, които са начинаещи в личния фитнес. Включете демографски данни, цели, предизвикателства и как биха могли да използват приложението. ”

Разработване на продуктова пътна карта

„Начертайте 6-месечна продуктова пътна карта за разширяване на платформа за електронна търговия, като се фокусирате върху интегрирането на AI за персонализирани пазарувания. Опишете подробно фазите, ключовите етапи и очакваните резултати.“ Или изберете от над 130 подсказки на ClickUp ChatGPT за управление на продукти и започнете веднага.

Примери за бързо инженерство в управлението на проекти

Можете да помолите Gen AI да създаде план за проекта, който можете да персонализирате. Или просто да ви помогне да оптимизирате части от него. И двете ще видим по-долу.

Създаване на план за проекта

„Изгответе подробен план за стартиране на нов онлайн пазар, включващ фази като проучване на пазара, дизайн и разработка, тестване и стратегия за пускане в експлоатация. Посочете ключовите дейности, необходимите ресурси и графиците за всяка фаза.“

Оптимизация на ресурсите

„Анализирайте текущото разпределение на ресурсите за проект за разработка на софтуер и предложете оптимизации, за да се гарантира навременна доставка без компромис с качеството. Вземете предвид фактори като набор от умения, разпределение на натоварването и задачи от критичния път.“

Над 190 подсказки за ChatGPT за управление на проекти, подбрани специално за вас от ClickUp.

Научете повече за ClickUp Brain тук:

Подсказки за създаване на съдържание

Най-добрите инструменти за създаване на AI съдържание могат да ви помогнат да подобрите значително маркетинговите си резултати. Опитайте следното, за да се убедите сами.

Кампания в социалните медии

„Създайте кампания в социалните медии за предстоящото пускане на пазара на екологичен шампоан. Включете 3 различни публикации в Instagram и 3 различни публикации в Twitter. Добавете подходящи хаштагове за всяка платформа.“

Съдържание на имейл бюлетина

„Създайте интересно съдържание за месечен бюлетин за технологичен стартъп, което включва актуализация на продукта, представяне на член на екипа, предстоящи събития и призив за действие, насърчаващ читателите да опитат нова функция.“

Можете също да дадете повече подробности за актуализацията на продукта или член на екипа, за да получите точни резултати. Пример по-долу.

„Насочете вниманието към един член на екипа. Името му е Джейк, той е страхотен разработчик. Този месец се навършва една година, откакто работи при нас. През това време той помогна за решаването на някои от най-големите проблеми на клиентите. Един клиент веднъж каза: „Без Джейк щяхме да останем затънали в цикъл от объркване. Той свърши страхотна работа, като ни помогна да уцелим два заека с един камък.“

Използвайте ClickUp Brain като ваш помощник при писане, извършвайте проверка на правописа, обобщавайте по-дълги документи, създавайте таблици, шаблони, транскрипти и др.

Не забравяйте, че повечето компании все още не предпочитат съдържание, генерирано от AI, което е довело до появата на няколко инструмента за откриване на AI. Най-добрият начин да използвате Gen AI за съдържание е като инструмент за мозъчна атака или като отправна точка, която елиминира проблема с празната страница.

Prompt engineering в чатбот приложения

От техническа гледна точка ChatGPT или Google Gemini е чатбот, с който разговаряме. Той разбира въведената от нас информация и дава отговори. Той е обучен на големи езикови модели с огромно количество данни.

Можете да вземете тези модели и да ги обучите допълнително с патентована или специфична за индустрията информация, за да позволите нюансирани, съобразени с контекста и персонализирани разговори с потребителя. В този случай клиентът може просто да зададе въпроси като „колко струва този раница?“

Въпреки това, един добър чатбот за обслужване на клиенти може да черпи информация от организационни данни за историята на покупките, местоположението, предпочитанията, миналите оплаквания и т.н., за да предоставя отговори и да предлага продукти, което значително подобрява потребителското преживяване.

Prompt engineering за компютърно програмиране и системи за контрол на версиите

Prompt engineering може да помогне на разработчиците да генерират конкретни фрагменти код на различни програмни езици.

„Напишете функция на Python за свързване с SQL база данни и изпълнете SELECT заявка въз основа на параметрите, предадени на функцията. ”

Интегрирането на AI в работните процеси за контрол на версиите предоставя препоръки за преглед на кода въз основа на историята на потвържденията, предлага области от кода, които може да се наложи да бъдат преработени, и автоматизира рутинните задачи по контрол на версиите, подобрявайки качеството на кода и производителността на екипа.

Подсказващи AI творчески технологии

Prompt engineering, особено с модели като DALL-E, разкрива безпрецедентни възможности за генериране на въображаеми и сложни визуализации от текстови описания.

Например, разработчик на игри може да използва подсказка като „Генерирайте изображение на главна улица с модни магазини от двете страни, в здрач, в модерен архитектурен стил и хладни цветове“. Резултатите позволяват бърза визуализация на игровите среди, без да се налага обширно ръчно рисуване.

Prompt engineering за анализ на бази данни

Обикновено извличането на информация от бази данни изисква човек с познания по SQL да пише сложни заявки на език за програмиране. Генеративният AI промени това, като ви позволява да пишете заявките си на естествен език, за да извличате данни от неструктурирани или полуструктурирани източници на данни.

Обработка на данни

„Бъдете научен работник в областта на данните и напишете код за почистване и предварителна обработка на моите данни за анализ. Моят набор от данни съдържа информация за покупките на всички клиенти за последните 30 дни.“

Тук можете да помолите Gen AI да изпълни конкретни задачи по почистване, като например премахване на празни редове, премахване на редове с стойност на количката по-малка от 50$ и т.н.

Визуализация на данни

„Напишете код на Python, за да визуализирате моя набор от данни. Наборът ми от данни съдържа информация за покупките на всички клиенти на възраст над 50 години през последните 30 дни.“

Дайте допълнителни спецификации за визуализация и фина настройка, като „покажи ми тенденциите в пазаруването“ или „организирай по категории“.

Анализ на настроенията с подсказки на Gen AI

Анализът на настроенията е изключително популярен в онлайн съдържанието, създадено от потребители, особено в публикациите в социалните медии. Вашият подсказващ въпрос за разбиране на настроенията на клиентите относно вашия продукт може да бъде както следва.

„Въз основа на моя набор от данни, съдържащ публикации в социалните медии, в които се споменава [марка], класифицирайте ги като положителни, отрицателни или неутрални. Идентифицирайте конкретните характеристики/аспекти, свързани с всяко настроение.“

Ако сте научили основите на това как работи инженерингът на подсказки, е време да видите по-големите му приложения и последици.

Ролята на инженерството на подсказки в сектори, базирани на данни

От примерите по-горе можете да видите, че можете да правите основен анализ на данни или анализ на настроенията във всички индустрии. Въпреки това, генеративният AI и prompt engineering носят специална стойност в сектори и приложения, базирани на данни. Ето как.

Образование

Добрият prompt engineering помага на преподавателите да създават точно, уместно, ангажиращо и персонализирано съдържание в голям мащаб. Някои от най-обещаващите примери за използване на Gen AI в образованието са:

Персонализирани учебни преживявания: Създаване на уроци и планове въз основа на предпочитанията, уменията и интересите на всеки отделен ученик за много по-кратко време.

Автоматизирано създаване на съдържание: Бързо генериране на подкрепящи материали, като резюмета, тестове и въпроси за разбиране на прочетеното.

Учене и практикуване на езици: Генериране на сценарии за разговорна практика, граматически упражнения и упражнения за лексика, съобразени с текущото ниво на учащия.

Наставничество и подкрепа: Наставничество, базирано на изкуствен интелект, за отговаряне на конкретни въпроси на учениците или области, в които изпитват затруднения, като се предлагат обяснения, ресурси и практически задачи.

Изследвания и разработки

Чрез създаването на прецизни и контекстуално релевантни подсказки, изследователите използват AI модели, за да пресяват огромни масиви от данни, да генерират нови хипотези и дори да симулират експериментални резултати.

Инженерите по подсказване могат да помогнат на изследователите да проектират правилния вход, за да получат точни резултати в мащаб. Някои сценарии, в които това може да бъде ценно, са:

Преглед на литературата: Извършване на изчерпателен преглед на литературата, идентифициране на релевантни проучвания, ключови заключения и пропуски в настоящата база от знания.

Извличане на данни: Откриване на модели, корелации и аномалии в големи масиви от данни.

Генериране на хипотези: Генериране на множество хипотези в рамките на една и съща изследователска област, за да се проучат различни пътища.

Симулация на експерименти: Симулиране на експерименти или резултати от модели, което намалява необходимостта от скъпи и отнемащи време физически експерименти.

Здравеопазване

Prompt engineering подобрява способността на AI моделите да интерпретират сложни медицински данни, да предоставят диагностична подкрепа, да персонализират грижите за пациентите и да улесняват изследванията и обучението.

Инженерите по подсказване могат да помогнат на медицинските специалисти да получат по-добри познания от своите данни в следните сценарии.

Практически примери за използване на Prompt Engineering

В основата си генеративният AI може да създава съдържание в три форми: текст, изображение и аудио/видео. Ето някои от най-ефективните примери за използване на AI в тези три форми.

Prompt engineering при генериране на текст

Това е най-популярният случай на употреба на генеративния AI днес. От журналисти и маркетинг специалисти до срамежливи разработчици, потребители от всички сфери използват AI текстови генератори за своите нужди.

Популярни примери за употреба са:

Съществуват и AI инструменти за срещи, които могат да преобразуват видеоразговори в текстови бележки или да обобщават текстови бележки, за да идентифицират ключови точки, действия и др.

Prompt engineering при генерирането на изображения

Въпреки че все още не се използва толкова широко, колкото текстът, генерирането на изображения предлага невероятни възможности за творчество. Популярни примери за употреба включват:

Prompt engineering в генерирането на аудио и видео

Генерирането на аудио и видео чрез prompt engineering има значителни приложения в развлекателната индустрия, образованието и виртуалната помощ. Някои практически примери за използване на инструменти за създаване на AI съдържание включват:

Въздействието на генеративния AI е изключително – то влияе върху всеки сектор, индустрия, географска област и тип бизнес. През следващото десетилетие бързото инженерство може да определи способността на човек да учи и разбира нещата, по същия начин, по който днес го прави „Googling“.

Въпреки че генеративният AI се развива бързо, ето някои основни методи, които можете да използвате, за да започнете с инженеринга на подсказки.

Методи за подсказване

Преди да преминем към техническите термини, не забравяйте, че основното предимство на генеративната AI е, че можете да въвеждате информация на естествен език. Затова, не се колебайте да говорите с ChatGPT, Google Gemini или Microsoft Copilot, както бихте го направили в естествена ситуация.

Наблюдавайте отговорите и усъвършенствайте входните данни по време на работа. Ето някои концепции, които могат да ви помогнат по пътя.

Обучение без данни

Предоставянето на задача на AI без предварителни примери или контекст се нарича zero-shot prompting. То се характеризира със следното.

Пример за подсказка: „Идентифицирайте основния програмен език, използван в следния фрагмент от код: print(‘Hello, World!’). ”

Обучение с малко примери

Даването на AI модела няколко примера за задачата, преди да се представи самата задача, се нарича few-shot prompting.

Пример за подсказване: „Дадени са двойки входни и изходни данни: Входни данни: 5 * 5, Изходни данни: 25; Входни данни: 8 + 2, Изходни данни: 10; изчислете изходните данни за Входни данни: 7 – 4. ”

Подсказване на верига от мисли

Подсказването на модела да генерира междинни стъпки или пътеки на разсъждение, водещи до окончателния отговор или желания резултат, се нарича подсказване на верига от мисли (COT).

Пример за подсказка: „За да обърнете даден низ „hello“, първо разделите низа на отделни символи. Второ, обърнете реда на тези символи. Накрая, съединете тези символи отново в низ. Какъв е крайният резултат?“

Разширени техники за подсказване

Нека разгледаме няколко по-сложни и напреднали техники за инженеринг на подсказки.

Zero-shot CoT

Zero-shot chain-of-thought (COT) комбинира двата метода за решаване на сложни проблеми без предварителни примери в данните за обучение.

Представете си, че използвате генеративен AI модел, за да отстраните грешка в софтуерен код, с който той никога не се е сблъсквал преди.

Използвайки zero-shot COT, моделът би изразил своето разбиране за проблема, логично би извел причините и би формулирал потенциални решения, стъпка по стъпка, въпреки че не е бил обучен по този конкретен въпрос.

Автоматичен инженер по подсказки (APE)

Ами ако AI можеше да подскаже на AI да намери правилните отговори? Е, това е автоматизиране на prompt engineering.

Използването на алгоритми и техники за автоматично генериране или оптимизиране на подсказки за взаимодействие с AI модели се нарича APE. В този модел алгоритъмът анализира корпус от успешни и неуспешни опити за автоматизиране на подобни задачи.

След това тя включва ключови думи, структури и инструкции, които са идентифицирани като най-вероятни да доведат до успешен резултат. Докато AI генерира скриптове, системата APE оценява тяхната ефективност, усъвършенства подсказката въз основа на наученото и постепенно подобрява процеса.

Независимо от метода, който използвате, вероятно ще се сблъскате с няколко предизвикателства по пътя си към ефективно бързо инженерство.

Ограничения и предизвикателства на Prompt Engineering

Като нововъзникваща област, Gen AI преминава през свои възходи и падения. От друга страна, потребителите пробват различни подсказки и стилове, за да получат резултатите, от които се нуждаят. Технология, която се развива толкова бързо, неизбежно среща предизвикателства.

Някои от най-големите ограничения на prompt engineering и начини за преодоляването им.

Зависимост от модела: Подсказка, която работи добре с един модел, може да не даде същите резултати с друг.

Обръщайте внимание на разликите в модела. Направете корекции и оптимизации по време на работа.

Сложност и специфичност: Ефективните подсказки често изискват дълбоко разбиране на езика и възможностите на модела.

Намерете баланса между прекалено общо и прекалено конкретно, за да извлечете максимума от вашите големи езикови модели.

Пристрастност и чувствителност: AI моделите могат да наследяват пристрастност от своите тренировъчни данни, която може да усилвате неволно чрез prompt engineering. Освен това халюцинации, пристрастност, нечувствителност и др. могат да доведат до вредни, подвеждащи или неетични резултати.

Създайте системи за внимателно обмисляне и етичен надзор на използването на AI.

Мащабируемост: С разширяването на обхвата на задачите, ръчното инженерство за всеки уникален сценарий става непрактично.

Обмислете автоматичното генериране или оптимизиране на подсказки за бъдещи нужди.

Интерпретируемост: Липсата на интерпретируемост може да затрудни итеративното подобряване на подсказките или диагностицирането на проблеми.

Използвайте методи на верига от мисли и настоявайте да видите логическото разсъждение на AI за важни резултати.

Прекомерно приспособяване и недостатъчно приспособяване: Прекомерното приспособяване се случва, когато подсказката е прекалено съобразена с конкретни примери, което я прави по-малко ефективна за общи случаи. Недостатъчното приспособяване се случва, когато подсказката е прекалено обща, което води до общи или нерелевантни резултати.

Е, намерете баланса.

Ограничения по отношение на разходите и ресурсите: Висококачественото инженерство на подсказки, особено в търговска среда, може да изисква значителни изчислителни ресурси и време на експерти.

Фокусирайте се върху практичните приложения и възвръщаемостта на инвестициите.

Усъвършенствайте се в бързото инженерство с ClickUp

Как се казва тази песен на Тейлър Суифт? Колко сирене да сложа в пастата си? Този набор от данни подходящ ли е за анализ? Към кои лекарства този пациент е алергичен? Кои задачи от този спринт все още не са разпределени?

Обхватът на генеративните AI модели постоянно се разширява. В резултат на това бързото инженерство се превръща в задължително умение сред професионалистите в различни индустрии.

Вашата способност да говорите езика на LLM определя колко успешни сте в постигането на най-добри резултати – умение, което се съдържа в „програмирането на подсказки“.

Можете да опитате промт инженеринг с някоя от безплатните LLM като ChatGPT, Google Gemini, DALL-E и др. Опитайте да го помолите да създаде ремикс на любимите ви песни за следващото ви рожденно парти или да разгледа извлеченията от кредитната ви карта, за да визуализира най-големите ви разходи.

Направете работата си по-бърза и по-ефективна с ClickUp Brain. ClickUp интегрира AI в платформата за управление на знания, управление на проекти и писане.

И още нещо? ClickUp Brain предлага и вградени подсказки и стотици шаблони, за да сте сигурни, че ще започнете с правилния подход. Вижте какво може да направи генеративният AI за управлението на вашите проекти. Опитайте ClickUp безплатно още днес!

Често задавани въпроси за Prompt Engineering

1. Какво е инженеринг на подсказки, с пример?

Създаването на входни данни за генеративни AI модели като ChatGPT, за да ги насочите към получаване на конкретни или желани резултати, се нарича prompt engineering.

Пример за промт инженеринг

Когато софтуерен разработчик иска да използва езиков модел като GPT-4, за да генерира Python скрипт за уеб скрейпър, който събира заглавия на новини от конкретен уебсайт.

Подсказка: „Генерирайте Python скрипт, използвайки библиотеката Beautiful Soup, за да извлечете най-новите заглавия от „example-news-site.com“. Скриптът трябва да обработва разбиването на страници и да съхранява заглавията в списък.“

2. Какъв е пример за подсказка?

Всяка информация, която въвеждате в генеративен AI модел, е подсказка. С добро инженерство на подсказки можете значително да подобрите резултатите си, като ги направите по-полезни, уместни, точни и привлекателни.

Един добър пример за подсказка е: „Създайте описание на продукт от 150 думи за комплект кърпи от бамбукови влакна, което подчертава неговите екологични предимства, издръжливост и мекота. Включете призив за действие, който насърчава екологично съзнателния начин на живот и популяризира ангажимента на марката към устойчивостта.“

3. Как да започна с prompt engineering?

Най-добрият начин да започнете с prompt engineering е да го опитате сами. Взаимодействайте с него на естествен език и разберете модела. Успоредно с това можете:

Бъдете в крак с напредъка в технологиите за изкуствен интелект и обработка на естествен език, тъй като те могат да повлияят на начина, по който трябва да бъдат структурирани подсказките.