Voorbeelden, technieken en praktische toepassingen van prompt engineering

Je zou toch ook niet naar een pizzeria bellen om gewoon een ‘pizza’ te bestellen? Om het diner te krijgen dat je wilt, zou je aangeven welke bodem je wilt, welke toppings, welke kruiden, welk drankje erbij hoort en waarvoor je eventueel allergisch bent.

De moraal van dit verhaal is: hoe gedetailleerder je instructies, hoe beter de pizza aan je voorkeuren voldoet. Dit geldt voor het gebruik van generatieve AI-tools zoals ChatGPT van OpenAI of Gemini van Google.

In deze blogpost laten we je zien hoe je duidelijke instructies kunt geven en specifieke vragen kunt stellen aan generatieve AI-tools – een proces dat ook wel prompt engineering wordt genoemd.

Wat is prompt engineering?

Prompt engineering is het proces waarbij de invoertekst voor AI-modellen, met name taalmodellen, wordt ontworpen en verfijnd om de meest nauwkeurige, relevante en creatieve antwoorden te verkrijgen.

Waarom je prompt engineering zou moeten leren

Generatieve AI ontwikkelt zich tot een van de krachtigste en meest invloedrijke tools voor een breed bereik aan toepassingen – van het schrijven van content tot architecturale modellering. McKinsey constateert dat tot 30% van de uren die momenteel in de Amerikaanse economie worden gewerkt, tegen 2030 zou kunnen worden geautomatiseerd met op generatieve AI gebaseerde technologieën.

Om Gen AI optimaal te benutten, moet je prompt engineering onder de knie krijgen.

Interacties versnellen: Prompt engineering fungeert als de belangrijkste interface tussen menselijke intentie en machine-output. Om ervoor te zorgen dat het machine learning (ML)-model uw query in natuurlijke taal begrijpt, moet u bekend zijn met prompt engineering.

De creativiteit van AI stimuleren: Het onderscheidende kenmerk van generatieve AI is dat deze ‘genereert’, d.w.z. tekst, afbeeldingen of gegevens creëert als reactie op prompts. Om creatieve reacties te krijgen, moet u duidelijke prompts invoeren.

Nauwkeurige antwoorden verkrijgen: Een grote uitdaging bij Gen AI is ‘hallucinatie’ – een fenomeen waarbij het AI-model onjuiste of misleidende informatie produceert op basis van verkeerde aannames of inherente vooroordelen. Om dit te voorkomen, heb je goede vaardigheden op het gebied van prompt engineering nodig.

Rendement maximaliseren: Generatieve AI bestaat uit grote taalmodellen die buitengewone hoeveelheden data verwerken. Om de mogelijkheden van een model optimaal te benutten – en de limieten ervan te omzeilen – is goede prompt engineering van fundamenteel belang.

De relevantie verbeteren: Alles wat door de AI wordt gegenereerd, moet relevant zijn voor de beoogde doelgroep. U kunt bijvoorbeeld de relevantie van uw door AI gegenereerde socialemediapost voor uw doelgroep verbeteren door hun demografische gegevens, interesses, behoeften, uitdagingen enz. te specificeren.

Om van deze voordelen te profiteren, moet u begrijpen hoe u prompt engineering kunt inzetten om de gewenste resultaten uit generatieve AI te halen. Laten we beginnen met enkele voorbeelden

Voorbeelden van prompt engineering

Er zijn tal van do's en don'ts, best practices en AI-promptsjablonen beschikbaar om je op weg te helpen. Maar voordat we ingaan op de AI-tips, is de beste manier om een praktische vaardigheid als prompt engineering onder de knie te krijgen, deze in de praktijk te zien.

Hier volgen enkele voorbeelden van prompt engineering in verschillende werkgebieden.

Prompt engineering voor softwareontwikkeling

Of je nu aan het programmeren bent, bugs verhelpt of documentatie schrijft: AI-tools voor ontwikkelaars kunnen je werk een stuk eenvoudiger maken. Hier lees je hoe.

Hulp bij codereview

“Maak een checklist voor codereview voor een RPA-toepassing (Robotic Process Automation) die is gebouwd met Python. Besteed daarbij vooral aandacht aan leesbaarheid en veiligheid voor de onderneming.”

Technische documentatie

“Schrijf een uitgebreide handleiding over het implementeren van OAuth 2.0 in een webapplicatie met Node.js. Voeg voor elke fase stapsgewijze instructies en codefragmenten toe.”

Bugfixing

“Beschrijf een systematische aanpak voor het opsporen en verhelpen van geheugenlekken in een Java-applicatie, inclusief de te gebruiken tools en veelvoorkomende gebieden die moeten worden gecontroleerd.” Als je een beginner bent en dit iets te complex vindt, hebben we hulp voor je. Gebruik de ChatGPT-prompts van ClickUp voor engineering om ideeën te genereren, plannen uit te werken en nog veel meer.

Gen AI-prompts voor productmanagement

Agile softwareontwikkelingsteams kampen vaak met een tekort aan productmanagers die de roadmap kunnen verduidelijken en de voortgang kunnen stimuleren. AI-tools zoals ChatGPT kunnen hierbij helpen.

Prioritering van functies

“Gebruik het RICE-scoremodel (Reach, Impact, Confidence, Effort) om prioriteit te geven aan de volgende functies voor onze toekomstige projectmanagementtool: Kanban-borden, realtime samenwerking, geautomatiseerde rapportage en integraties met systemen van derden.”

Het aanmaken van gebruikerspersonages

“Ontwikkel een gedetailleerde gebruikerspersona voor een fitness-app die gericht is op drukbezette professionals die net beginnen met fitness. Neem daarbij demografische gegevens, doelen, uitdagingen en hoe zij de app zouden kunnen gebruiken mee.”

Ontwikkeling van een productroadmap

“Stel een productroadmap van zes maanden op voor de uitbreiding van een e-commerceplatform, met de nadruk op de integratie van AI voor gepersonaliseerde winkelervaringen. Beschrijf de fasen, belangrijke mijlpalen en verwachte resultaten in detail.” Of kies uit de meer dan 130 ClickUp ChatGPT-prompts voor productmanagement en ga meteen aan de slag.

Voorbeelden van prompt engineering in projectmanagement

Je kunt Gen AI vragen om een projectplan op te stellen, dat je vervolgens kunt aanpassen. Of je kunt gewoon hulp vragen bij het optimaliseren van bepaalde onderdelen ervan. We zullen beide hieronder bekijken.

Opmaken van een projectplan

“Stel een gedetailleerd projectplan op voor de lancering van een nieuwe online marktplaats, inclusief fasen zoals marktonderzoek, ontwerp en ontwikkeling, testen en de go-live-strategie. Geef voor elke fase de belangrijkste activiteiten, benodigde middelen en tijdlijnen aan.”

Optimalisatie van hulpbronnen

“Analyseer de huidige toewijzing van middelen voor een softwareontwikkelingsproject en stel optimalisaties voor om tijdige oplevering te garanderen zonder dat dit ten koste gaat van de kwaliteit. Houd rekening met factoren zoals vaardigheden, verdeling van de werklast en taken op het kritieke pad.”

Meer dan 190 ChatGPT-prompts voor projectmanagement, exclusief voor jou samengesteld door ClickUp.

Lees hier meer informatie over ClickUp Brain:

Prompts voor het aanmaken van content

De beste tools voor het aanmaken van AI-content kunnen je marketingresultaten aanzienlijk verbeteren. Probeer het volgende eens uit om het zelf te ervaren.

Socialemediacampagne

“Ontwerp een socialemediacampagne voor de aanstaande lancering van een milieuvriendelijke shampoo. Neem 3 verschillende Instagram-posts en 3 verschillende Twitter-posts op. Voeg voor elk platform relevante hashtags toe.”

Inhoud van de e-mailnieuwsbrief

“Maak boeiende content voor een maandelijkse nieuwsbrief voor een tech-startup, met daarin een productupdate, een portret van een lid van het team, aankomende gebeurtenissen en een call-to-action die lezers aanmoedigt om een nieuwe functie uit te proberen.”

U kunt ook meer details verstrekken over de productupdate of een lid van het team om nauwkeurige resultaten te krijgen. Zie het voorbeeld hieronder.

“Zet een lid van het team in de schijnwerpers. Zijn naam is Jake, hij is een fantastische ontwikkelaar. Deze maand is hij precies een jaar in dienst. In die tijd heeft hij geholpen bij het oplossen van enkele van de grootste problemen van klanten. Een klant zei ooit: ‘Zonder Jake zouden we vastzitten in een vicieuze cirkel van verwarring. Hij heeft geweldig werk geleverd door ons te helpen twee vliegen in één klap te slaan.’ ”

Gebruik ClickUp Brain als je schrijfassistent, voer spellingcontroles uit, maak samenvattingen van langere documenten, maak tabellen, sjablonen, transcripties en nog veel meer.

Houd er wel rekening mee dat de meeste bedrijven nog niet staan te springen om door AI gegenereerde content, wat heeft geleid tot de ontwikkeling van verschillende tools om AI-gegenereerde content te detecteren. De beste manier om Gen AI voor content te gebruiken, is als brainstormtool of als uitgangspunt om het ‘blanco-pagina-probleem’ te verhelpen.

Prompt engineering in chatbot-toepassingen

Technisch gezien is ChatGPT of Google Gemini een chatbot waarmee we een gesprek voeren. Het begrijpt wat we invoeren en genereert antwoorden. Het is getraind op basis van grote taalmodellen met een enorme hoeveelheid gegevens.

U kunt deze modellen gebruiken en ze verder trainen met eigen of branchespecifieke informatie om genuanceerde, contextbewuste en gepersonaliseerde gesprekken met de gebruiker mogelijk te maken. In dit geval zou de klant bijvoorbeeld vragen kunnen stellen als: “Hoeveel kost deze rugzak?”

Een goede chatbot voor klantenservice kan echter gebruikmaken van bedrijfsgegevens over aankoopgeschiedenis, locatie, voorkeuren, eerdere klachten enzovoort om antwoorden te geven en producten aan te prijzen, wat de gebruikerservaring aanzienlijk verbetert.

Prompt engineering voor computerprogrammering en systemen voor versies

Prompt engineering kan een ontwikkelaar helpen bij het genereren van specifieke codefragmenten in verschillende programmeertalen.

“Schrijf een Python-functie om verbinding te maken met een SQL-database en een SELECT-query uit te voeren op basis van de parameters die aan de functie worden doorgegeven.”

Door AI te integreren in werkstroom voor versiebeheer worden aanbevelingen gedaan voor codereview op basis van de commitgeschiedenis, worden delen van de codebase gesignaleerd die mogelijk moeten worden geherstructureerd en worden routinematige versiebeheertaken geautomatiseerd, waardoor de codekwaliteit en de productiviteit van het team worden verbeterd.

Prompting bij creatieve AI-technologieën

Prompt engineering, met name bij modellen zoals DALL-E, biedt ongekende mogelijkheden voor het genereren van fantasierijke en gedetailleerde beelden op basis van tekstuele beschrijvingen.

Een gameontwikkelaar zou bijvoorbeeld een prompt kunnen gebruiken als: “Genereer een afbeelding van een winkelstraat, met aan weerszijden modewinkels, bij schemering, in moderne architecturale stijlen en koele kleuren.” De resultaten maken een snelle visualisatie van game-omgevingen mogelijk zonder dat er uitgebreid handmatig getekend hoeft te worden.

Prompt engineering voor database-analyse

Normaal gesproken is er voor het extraheren van informatie uit databases iemand met SQL-kennis nodig om complexe query's in programmeertaal te schrijven. Generatieve AI heeft hier verandering in gebracht, waardoor u uw query's in natuurlijke taal kunt schrijven om gegevens op te halen uit ongestructureerde of semi-gestructureerde databronnen.

Gegevensverwerking

“Wees een datawetenschapper en schrijf code om mijn gegevens op te schonen en voor te bewerken voor analyse. Mijn dataset bevat aankoopgegevens van alle klanten van de afgelopen 30 dagen.”

Hier kun je Gen AI vragen om specifieke opschoningstaken uit te voeren, zoals het verwijderen van lege rijen, het verwijderen van rijen met winkelwagenwaarden van minder dan 50$, enzovoort.

Datavisualisatie

“Schrijf code in Python om mijn dataset te visualiseren. Mijn dataset bevat aankoopgegevens van alle klanten ouder dan 50 jaar van de afgelopen 30 dagen.”

Geef aanvullende specificaties voor visualisatie en verfijning, zoals ‘toon mij winkeltrends’ of ‘sorteer op categorie’.

Sentimentanalyse met Gen AI-prompts

Sentimentanalyse is enorm populair bij online door gebruikers gegenereerde content, met name bij posts op sociale media. Uw prompt om het sentiment van klanten over uw product te begrijpen, kan als volgt luiden.

“Classificeer de berichten op sociale media waarin [merk] wordt vermeld, op basis van mijn dataset, als positief, negatief of neutraal. Identificeer de specifieke kenmerken/aspecten die bij elk sentiment horen.”

Als je de basisprincipes van prompt engineering onder de knie hebt, is het tijd om de bredere toepassingen en implicaties ervan te bekijken.

Rol van prompt engineering in datagestuurde sectoren

Uit de bovenstaande voorbeelden blijkt dat je in alle sectoren basisgegevensanalyses of sentimentanalyses kunt uitvoeren. Generatieve AI en prompt engineering bieden echter bijzondere waarde in datagestuurde sectoren en toepassingen. Hieronder leggen we uit hoe dat werkt.

Onderwijs

Goede prompt engineering helpt docenten om op grote schaal nauwkeurige, relevante, boeiende en gepersonaliseerde content te creëren. Enkele van de meest veelbelovende toepassingen van Gen AI in het onderwijs zijn:

Gepersonaliseerde leerervaringen: het opstellen van lessen en plannen op basis van de voorkeuren, vaardigheden en interesses van elke individuele leerling, en dat in een fractie van de tijd.

Geautomatiseerde contentaanmaak: Snelle generatie van ondersteunend materiaal, zoals samenvattingen, quizzen en vragen voor begrijpend lezen.

Taalonderwijs en -oefening: Het genereren van scenario's voor gespreksoefeningen, grammatica-oefeningen en woordenschatoefeningen die zijn afgestemd op het huidige niveau van de leerling.

Begeleiding en ondersteuning: door AI aangestuurde begeleiding om specifieke vragen of moeilijkheden van studenten aan te pakken, met uitleg, bronnen en oefenopgaven.

Onderzoek en ontwikkeling

Door nauwkeurige en contextueel relevante prompts te formuleren, maken onderzoekers gebruik van AI-modellen om enorme hoeveelheden data te doorzoeken, nieuwe hypothesen te genereren en zelfs experimentele resultaten te simuleren.

Prompt engineers kunnen onderzoekers helpen bij het ontwerpen van de juiste input om op grote schaal nauwkeurige resultaten te verkrijgen. Enkele scenario's waarin dit van waarde kan zijn, zijn:

Literatuuronderzoek: Het uitvoeren van uitgebreid literatuuronderzoek, waarbij relevante studies, belangrijke bevindingen en hiaten in de huidige kennisbasis worden geïdentificeerd.

Datamining: het blootleggen van patronen, correlaties en afwijkingen in grote datasets.

Het genereren van hypothesen: het genereren van meerdere hypothesen binnen hetzelfde onderzoeksgebied om verschillende wegen te verkennen.

Experimentsimulatie: het simuleren van experimenten of modelresultaten, waardoor de noodzaak van kostbare en tijdrovende fysieke experimenten wordt verminderd.

Gezondheidszorg

Prompt engineering verbetert het vermogen van AI-modellen om complexe medische gegevens te interpreteren, diagnostische ondersteuning te bieden, de patiëntenzorg te personaliseren en onderzoek en opleiding te faciliteren.

Prompt engineers kunnen medische professionals helpen om in de volgende scenario's betere inzichten uit hun gegevens te halen.

Praktische toepassingen van prompt engineering

In essentie kan generatieve AI content in drie vormen creëren: tekst, afbeeldingen en audio/video. Enkele van de meest effectieve toepassingen van AI voor deze drie vormen zijn als volgt.

Prompt engineering bij het genereren van tekst

Dit is momenteel de populairste toepassing van generatieve AI. Van journalisten en marketeers tot verlegen ontwikkelaars: gebruikers uit alle hoeken van het spectrum maken gebruik van AI-tekstgeneratoren voor hun eigen doeleinden.

Populaire toepassingen zijn:

Er zijn ook AI-tools voor vergaderverslagen die video-gesprekken kunnen omzetten in tekstaantekeningen of tekstaantekeningen kunnen samenvatten om de belangrijkste punten, actiepunten enz. te identificeren.

Prompt engineering bij het genereren van afbeeldingen

Hoewel het nog niet zo wijdverbreid is als tekst, biedt het genereren van afbeeldingen ongelooflijke mogelijkheden voor creativiteit. Populaire toepassingen zijn onder meer:

Prompt engineering bij het genereren van audio en video

Het genereren van audio en video via prompt engineering kent belangrijke toepassingen op het gebied van entertainment, onderwijs en virtuele assistentie. Enkele praktische voorbeelden van AI-tools voor het aanmaken van content zijn:

De impact van generatieve AI is buitengewoon groot: het beïnvloedt elke sector, elke branche, elke regio en elk type bedrijf. In het komende decennium zou prompt engineering wel eens bepalend kunnen zijn voor iemands vermogen om dingen te leren en te begrijpen, net zoals ‘Googleen’ dat vandaag de dag is.

Hoewel generatieve AI zich in hoog tempo ontwikkelt, volgen hier enkele basismethoden waarmee u aan de slag kunt gaan met prompt engineering.

Prompting-methoden

Voordat we ingaan op technische termen, is het goed om te onthouden dat het belangrijkste voordeel van generatieve AI is dat je je input in natuurlijke taal kunt geven. Praat dus gerust tegen ChatGPT, Google Gemini of Microsoft Copilot zoals je dat van nature zou doen.

Bekijk de reacties en pas je invoer gaandeweg aan. Hier zijn enkele concepten die je daarbij kunnen helpen.

Zero-shot learning

Het toewijzen van een Taak aan de AI zonder voorafgaande voorbeelden of context wordt ‘zero-shot prompting’ genoemd. Dit wordt gekenmerkt door het volgende.

Voorbeeldprompt: “Geef aan welke programmeertaal voornamelijk wordt gebruikt in het volgende codefragment: print(‘Hello, World!’). ”

Few-shot learning

Het AI-model een paar voorbeelden van de betreffende Taak geven voordat de daadwerkelijke Taak wordt gepresenteerd, wordt ‘few-shot prompting’ genoemd.

Voorbeeldprompt: “Gegeven de volgende invoer- en uitvoerparen: Invoer: 5 * 5, Uitvoer: 25; Invoer: 8 + 2, Uitvoer: 10; bereken de uitvoer voor Invoer: 7 – 4.”

Prompting op basis van een gedachtenketen

Het model aansturen om tussenstappen of redeneringspaden te genereren die leiden tot het uiteindelijke antwoord of de gewenste output, wordt ‘chain-of-thought’ (COT)-prompting genoemd.

Voorbeeldprompt: “Om de gegeven reeks ‘hello’ om te keren, moet je eerst de reeks opsplitsen in afzonderlijke tekens. Vervolgens moet je de volgorde van deze tekens omkeren. Tot slot moet je deze tekens weer samenvoegen tot een reeks. Wat is de uiteindelijke uitvoer?”

Geavanceerde prompttechnieken

Laten we eens kijken naar een paar complexere en geavanceerdere technieken voor prompt engineering.

Zero-shot CoT

Zero-shot chain-of-thought (COT) combineert de twee methoden om complexe problemen aan te pakken zonder dat er voorafgaande voorbeelden in de trainingsdata aanwezig zijn.

Stel je voor dat je een generatief AI-model gebruikt om een stuk softwarecode te debuggen waarmee het nog nooit eerder in aanraking is geweest.

Met behulp van zero-shot COT zou het model zijn begrip van het probleem verwoorden, op logische wijze oorzaken afleiden en stap voor stap mogelijke oplossingen formuleren, ondanks het feit dat het niet op dit specifieke probleem is getraind.

Automatische prompt-engineer (APE)

Wat als AI AI zou kunnen aansturen om de juiste antwoorden te vinden? Nou, dat is de automatisering van prompt engineering.

Het gebruik van algoritmen en technieken om automatisch prompts te genereren of te optimaliseren voor interactie met AI-modellen wordt APE genoemd. In dit model analyseert het algoritme een corpus van succesvolle en mislukte pogingen om soortgelijke taken te automatiseren.

Vervolgens worden trefwoorden, structuren en instructies opgenomen waarvan is vastgesteld dat ze de grootste kans op een succesvol resultaat bieden. Terwijl de AI scripts genereert, evalueert het APE-systeem de effectiviteit ervan, verfijnt het de prompt op basis van wat het leert en verbetert het het proces stapsgewijs.

Ongeacht de methode die u gebruikt, zult u waarschijnlijk een aantal uitdagingen tegenkomen op uw weg naar effectieve prompt engineering.

Beperkingen en uitdagingen van prompt engineering

Als opkomend veld kent Gen AI zijn eigen ups en downs. Aan de andere kant proberen gebruikers verschillende prompts en stijlen uit om de output te krijgen die ze nodig hebben. Een technologie die zich zo snel ontwikkelt, kent onvermijdelijk uitdagingen.

Enkele van de grootste limieten van prompt engineering en manieren om deze te overwinnen.

Modelafhankelijkheid: Een prompt die goed werkt met het ene model, levert mogelijk niet dezelfde resultaten op bij een ander model.

Let goed op verschillen in het model. Breng gaandeweg aanpassingen en optimalisaties aan.

Complexiteit en specificiteit: Voor effectieve prompts is vaak een diepgaand begrip van de taal en mogelijkheden van het model vereist.

Zoek de juiste balans tussen te vaag en te specifiek om het maximale uit uw grote taalmodellen te halen.

Vooringenomenheid en gevoeligheid: AI-modellen kunnen vooringenomenheden overnemen uit hun trainingsgegevens, die u onbedoeld kunt versterken door middel van prompt engineering. Bovendien kunnen hallucinaties, vooringenomenheid, ongevoeligheid enz. leiden tot schadelijke, misleidende of onethische resultaten.

Ontwikkel systemen voor zorgvuldige afweging en ethisch toezicht op het gebruik van AI.

Schaalbaarheid: Naarmate de omvang van de taken toeneemt, wordt het handmatig ontwerpen van prompts voor elk uniek scenario onpraktisch.

Overweeg het automatisch genereren of optimaliseren van prompts voor toekomstige behoeften.

Interpreteerbaarheid: Een gebrek aan interpreteerbaarheid kan het moeilijk maken om prompts iteratief te verbeteren of problemen te diagnosticeren.

Gebruik ‘chain-of-thought’-methoden en sta erop dat je de logische redenering van de AI te zien krijgt bij belangrijke resultaten.

Overfitting en underfitting: Overfitting treedt op wanneer een prompt te veel is afgestemd op specifieke voorbeelden, waardoor deze minder effectief is voor algemene gevallen. Underfitting treedt op wanneer een prompt te breed is, wat leidt tot generieke of irrelevante resultaten.

Zoek de juiste balans.

Beperkingen op het gebied van kosten en middelen : Hoogwaardige prompt engineering, met name in een commerciële instelling, kan aanzienlijke rekenkracht en tijd van experts vergen.

De nadruk ligt op praktische toepassingen en het rendement op de investering.

Word een expert in prompt engineering met ClickUp

Hoe heet dat nummer van Taylor Swift? Hoeveel kaas moet ik in mijn pasta doen? Is deze dataset schoon genoeg voor analyse? Voor welke medicijnen is deze patiënt allergisch? Welke taken uit deze Sprint moeten nog worden toegewezen?

Het resultaat is dat de reikwijdte van generatieve AI-modellen voortdurend uitbreidt. Daardoor ontpopt prompt engineering zich als een onmisbare vaardigheid voor professionals in allerlei sectoren.

Uw vermogen om de taal van de LLM te spreken, bepaalt hoe succesvol u bent in het verkrijgen van de beste resultaten – een vaardigheid die wordt samengevat in ‘prompt engineering’.

Je kunt zelf aan de slag gaan met prompt engineering met een van de gratis LLM's, zoals ChatGPT, Google Gemini, DALL-E enz. Vraag het bijvoorbeeld om een remix te maken van je favoriete nummers voor je volgende verjaardagsfeestje, of laat het je creditcardafschriften bekijken om je grootste uitgaven in beeld te brengen.

Werk sneller en effectiever met ClickUp Brain. ClickUp integreert AI in het platform voor kennisbeheer, projectmanagement en schrijven.

En dat is nog niet alles! ClickUp Brain bevat ook ingebouwde prompts en honderden sjablonen, zodat je meteen goed van start kunt gaan. Ontdek wat generatieve AI voor jouw projectmanagement kan betekenen. Probeer ClickUp vandaag nog gratis uit!

Veelgestelde vragen over prompt engineering

1. Wat is prompt engineering, met een voorbeeld?

Het opstellen van input voor generatieve AI-modellen zoals ChatGPT om ze te sturen bij het produceren van specifieke of gewenste resultaten, wordt ‘prompt engineering’ genoemd.

Voorbeeld van prompt engineering

Stel dat een softwareontwikkelaar een taalmodel zoals GPT-4 wil gebruiken om een Python-script te genereren voor een webscraper die nieuwskoppen van een specifieke website verzamelt.

Prompt: “Genereer een Python-script met behulp van de Beautiful Soup-bibliotheek om de laatste nieuwskoppen van ‘example-news-site.com’ te scrapen. Het script moet paginering ondersteunen en de koppen in een lijst opslaan.”

2. Wat is een voorbeeld van een prompt?

Elke invoer die u aan een generatief AI-model geeft, is een prompt. Met goede prompt engineering kunt u de output aanzienlijk verbeteren, waardoor deze nuttiger, relevanter, nauwkeuriger en boeiender wordt.

Een goed voorbeeld van een prompt is: “Genereer een productbeschrijving van 150 woorden voor een set handdoeken van bamboevezel, waarbij de nadruk ligt op de milieuvriendelijke voordelen, de duurzaamheid en de zachtheid. Voeg een call-to-action toe die een milieubewuste levensstijl aanmoedigt en de inzet van het merk voor duurzaamheid benadrukt.”

3. Hoe begin ik met prompt engineering?

De beste manier om met prompt engineering aan de slag te gaan, is door het zelf uit te proberen. Communiceer ermee in natuurlijke taal en leer het model begrijpen. Tegelijkertijd kun je:

Blijf op de hoogte van de ontwikkelingen op het gebied van AI en natuurlijke taalverwerking, aangezien deze van invloed kunnen zijn op de manier waarop prompts moeten worden opgebouwd.