Ví dụ, kỹ thuật và ứng dụng thực tế của kỹ thuật nhắc nhở

Bạn sẽ không gọi đến tiệm pizza và đặt hàng một chiếc "pizza". Để nhận được bữa tối mong muốn, bạn sẽ chỉ định loại bánh, nhân, gia vị, đồ uống kèm theo và bất kỳ thứ gì bạn có thể bị dị ứng.

Bài học rút ra từ câu chuyện này là: Hướng dẫn của bạn càng chi tiết, pizza sẽ càng gần với sở thích của bạn. Điều này áp dụng cho việc sử dụng các công cụ AI tạo ra nội dung như ChatGPT của Open AI hoặc Gemini của Google.

Trong bài viết này, chúng tôi sẽ hướng dẫn bạn cách đưa ra hướng dẫn rõ ràng và đặt câu hỏi cụ thể cho các công cụ AI tạo văn bản—một quy trình còn được gọi là kỹ thuật tạo prompt.

Prompt Engineering là gì?

Kỹ thuật gợi ý là quá trình thiết kế và tinh chỉnh văn bản đầu vào được cung cấp cho các mô hình AI, đặc biệt là các mô hình ngôn ngữ, để thu được các phản hồi chính xác, phù hợp và sáng tạo nhất.

Tại sao bạn nên học kỹ thuật prompt engineering?

AI tạo ra nội dung đang phát triển để trở thành một trong những công cụ mạnh mẽ và có ảnh hưởng nhất trong một phạm vi ứng dụng rộng lớn — từ viết nội dung đến mô hình kiến trúc. McKinsey nhận thấy rằng đến năm 2030, có tới 30% số giờ làm việc hiện nay trong nền kinh tế Hoa Kỳ có thể được tự động hóa bằng các công nghệ dựa trên Gen AI.

Để tận dụng tối đa Gen AI, bạn cần nắm vững kỹ thuật prompt engineering.

Tăng tốc tương tác: Kỹ thuật prompt đóng vai trò là giao diện chính giữa ý định của con người và kết quả đầu ra của máy. Để mô hình học máy (ML) hiểu được truy vấn bằng ngôn ngữ tự nhiên của bạn, bạn cần biết về kỹ thuật prompt.

Thúc đẩy sự sáng tạo của AI: Yếu tố khác biệt của AI tạo ra là nó 'tạo ra', tức là tạo ra văn bản, hình ảnh hoặc dữ liệu để đáp ứng các lời nhắc. Để có được các phản hồi sáng tạo, bạn cần nhập các lời nhắc rõ ràng.

Kích thích phản hồi chính xác: Một thách thức lớn trong Trí tuệ Nhân tạo Tạo sinh (Gen AI) là hiện tượng "ảo giác" – tình trạng mô hình AI tạo ra thông tin sai lệch hoặc gây nhầm lẫn dựa trên giả định sai hoặc thiên vị nội tại. Để loại bỏ điều này, bạn cần có kỹ năng kỹ thuật tạo prompt tốt.

Tối đa hóa lợi nhuận: AI tạo ra được tạo thành từ các mô hình ngôn ngữ lớn, xử lý lượng dữ liệu khổng lồ. Để tận dụng tối đa khả năng của mô hình và khắc phục những giới hạn của nó, kỹ thuật prompt engineering tốt là điều cơ bản.

Cải thiện mức độ liên quan: Bất kỳ nội dung nào được tạo ra bởi AI đều phải có liên quan đến đối tượng mục tiêu. Ví dụ: bạn có thể cải thiện mức độ liên quan của bài đăng trên mạng xã hội được tạo bởi AI đối với đối tượng mục tiêu bằng cách chỉ định nhân khẩu học, lãi suất, nhu cầu, thách thức, v.v. của họ.

Để tận dụng những lợi ích này, bạn cần hiểu cách sử dụng kỹ thuật prompt engineering để đạt được kết quả mong muốn từ AI tạo ra. Hãy bắt đầu với một số ví dụ

Ví dụ về kỹ thuật nhắc nhở

Có rất nhiều điều cần làm và không nên làm, các phương pháp hay nhất và các mẫu AI prompt để giúp bạn thực hiện đúng. Nhưng trước khi đi vào bất kỳ thủ thuật AI nào, cách tốt nhất để học một kỹ năng thực tế như kỹ thuật prompt là xem nó hoạt động trong thực tế.

Dưới đây là một số ví dụ về kỹ thuật nhắc nhở trong các lĩnh vực công việc.

Kỹ thuật tạo prompt trong phát triển phần mềm

Cho dù bạn đang lập trình, sửa lỗi hay viết tài liệu, các công cụ AI dành cho nhà phát triển có thể giúp công việc của bạn trở nên đơn giản hơn rất nhiều. Dưới đây là cách thực hiện.

Hỗ trợ đánh giá mã

"Tạo danh sách kiểm tra đánh giá mã cho ứng dụng tự động hóa quy trình robot (RPA) được xây dựng bằng Python. Đặc biệt chú trọng đến khả năng đọc và bảo mật doanh nghiệp. "

Tài liệu kỹ thuật

"Viết một hướng dẫn toàn diện về việc triển khai OAuth 2. 0 trong một ứng dụng web sử dụng Node. js. Bao gồm hướng dẫn từng bước và đoạn mã cho từng giai đoạn. "

Sửa lỗi

"Mô tả một phương pháp có hệ thống để xác định và sửa lỗi rò rỉ bộ nhớ trong ứng dụng Java, bao gồm các công cụ cần sử dụng và các khu vực thường gặp cần kiểm tra. "Nếu bạn là người mới bắt đầu và cảm thấy điều này hơi quá phức tạp, chúng tôi có thể giúp bạn. Sử dụng các gợi ý ChatGPT của ClickUp cho kỹ thuật để tạo ý tưởng, xử lý kế hoạch và nhiều hơn nữa.

Các gợi ý Gen AI cho quản lý sản phẩm

Các nhóm phát triển phần mềm Agile thường thiếu các nhà quản lý sản phẩm có thể làm rõ lộ trình và thúc đẩy tiến độ. Các công cụ AI như ChatGPT có thể giúp ích trong trường hợp này.

Ưu tiên tính năng

"Sử dụng mô hình chấm điểm RICE (Phạm vi, Tác động, Mức độ tin cậy, Nỗ lực), hãy sắp xếp thứ tự ưu tiên cho các tính năng sau cho công cụ quản lý dự án sắp tới của chúng ta: Bảng Kanban, cộng tác thời gian thực, báo cáo tự động và tích hợp bên thứ ba. "

Tạo/lập nhân vật người dùng

"Phát triển một nhân vật người dùng chi tiết cho một ứng dụng theo dõi thể dục nhắm đến các chuyên gia bận rộn, những người mới bắt đầu tập thể dục cá nhân. Bao gồm chi tiết nhân khẩu học, mục tiêu, thách thức và cách họ có thể sử dụng ứng dụng. "

Phát triển lộ trình sản phẩm

"Phác thảo lộ trình sản phẩm trong 6 tháng để mở rộng nền tảng thương mại điện tử, tập trung vào việc tích hợp AI để mang lại trải nghiệm mua sắm được cá nhân hóa. Chi tiết các giai đoạn, cột mốc quan trọng và kết quả mong đợi. "Hoặc chọn từ hơn 130 lời nhắc ClickUp ChatGPT để quản lý sản phẩm và bắt đầu ngay lập tức.

Ví dụ về kỹ thuật nhắc nhở trong quản lý dự án

Bạn có thể yêu cầu Gen AI tạo kế hoạch dự án, sau đó tùy chỉnh theo ý muốn. Hoặc chỉ cần nhờ trợ giúp tối ưu hóa một số phần của kế hoạch. Chúng ta sẽ xem cả hai trường hợp dưới đây.

Tạo/lập kế hoạch dự án

"Soạn thảo kế hoạch dự án chi tiết để ra mắt một thị trường trực tuyến mới, bao gồm các giai đoạn như nghiên cứu thị trường, thiết kế và phát triển, thử nghiệm và chiến lược ra mắt. Chỉ định các hoạt động chính, nguồn lực cần thiết và dòng thời gian cho từng giai đoạn. "

Tối ưu hóa tài nguyên

"Phân tích việc phân bổ tài nguyên hiện tại cho một dự án phát triển phần mềm và đề xuất các biện pháp tối ưu hóa để đảm bảo giao hàng đúng hạn mà không ảnh hưởng đến chất lượng. Cân nhắc các yếu tố như bộ kỹ năng, phân phối khối lượng công việc và các công việc quan trọng. "

hơn 190 lời nhắc ChatGPT cho quản lý dự án được ClickUp tuyển chọn riêng cho bạn.

Tìm hiểu thêm về ClickUp Brain tại đây:

Gợi ý tạo/lập nội dung

Các công cụ tạo/lập nội dung AI tốt nhất có thể giúp cải thiện đáng kể kết quả tiếp thị của bạn. Hãy thử những điều sau đây để tự mình trải nghiệm.

Chiến dịch truyền thông xã hội

"Thiết kế một chiến dịch truyền thông xã hội cho việc ra mắt sản phẩm dầu gội đầu thân thiện với môi trường sắp tới. Bao gồm 3 bài đăng khác nhau trên Instagram và 3 bài đăng khác nhau trên Twitter. Thêm các hashtag phù hợp cho từng nền tảng."

Nội dung bản tin email

"Tạo nội dung hấp dẫn cho bản tin hàng tháng của một công ty khởi nghiệp công nghệ, bao gồm cập nhật sản phẩm, giới thiệu thành viên nhóm, sự kiện sắp tới và lời kêu gọi hành động khuyến khích độc giả thử tính năng mới. "

Bạn cũng có thể cung cấp thêm chi tiết về bản cập nhật sản phẩm hoặc thành viên nhóm để nhận được kết quả chính xác. Ví dụ dưới đây.

"Tạo điểm nhấn cho một thành viên trong nhóm. Anh ấy tên là Jake, một nhà phát triển tài năng. Anh ấy đã hoàn thành một năm làm việc trong tháng này. Trong thời gian làm việc, anh ấy đã giúp giải quyết một số vấn đề lớn nhất của khách hàng. Một khách hàng từng nói: "Nếu không có Jake, chúng tôi đã bị mắc kẹt trong vòng luẩn quẩn. Anh ấy đã làm rất tốt khi giúp chúng tôi đạt được hai mục tiêu cùng một lúc. "

Sử dụng ClickUp Brain làm trợ lý viết, kiểm tra chính tả, tóm tắt tài liệu dài, tạo bảng, mẫu, bản ghi chép và hơn thế nữa.

Hãy nhớ rằng hầu hết các doanh nghiệp vẫn chưa ưa chuộng nội dung do AI tạo ra, điều này đã dẫn đến sự ra đời của một số công cụ phát hiện AI. Cách tốt nhất để sử dụng Gen AI cho nội dung là như một công cụ động não hoặc điểm khởi đầu giúp loại bỏ vấn đề trang trắng.

Kỹ thuật prompt trong ứng dụng chatbot

Về mặt kỹ thuật, ChatGPT hoặc Google Gemini là một chatbot mà chúng ta đang trò chuyện. Nó hiểu đầu vào của chúng ta và đưa ra phản hồi. Nó được huấn luyện trên các mô hình ngôn ngữ lớn với lượng dữ liệu khổng lồ.

Bạn có thể sử dụng các mô hình này và đào tạo thêm bằng thông tin độc quyền hoặc thông tin cụ thể của ngành để tạo ra các cuộc hội thoại tinh tế, nhận biết ngữ cảnh và được cá nhân hóa với người dùng. Trong trường hợp này, khách hàng có thể chỉ hỏi những câu như "chiếc ba lô này giá bao nhiêu?"

Tuy nhiên, một chatbot dịch vụ khách hàng tốt có thể lấy dữ liệu từ tổ chức về lịch sử mua hàng, địa điểm, sở thích, khiếu nại trong quá khứ, v.v. để cung cấp câu trả lời và bán thêm sản phẩm, từ đó nâng cao đáng kể trải nghiệm của người dùng.

Kỹ thuật nhắc nhở cho lập trình máy tính và hệ thống kiểm soát phiên bản

Kỹ thuật nhắc nhở có thể giúp nhà phát triển tạo ra các đoạn mã cụ thể bằng nhiều ngôn ngữ lập trình khác nhau.

"Viết một hàm Python để kết nối với cơ sở dữ liệu SQL và thực hiện truy vấn SELECT dựa trên các tham số được truyền đến hàm. "

Việc tích hợp AI vào quy trình kiểm soát phiên bản cung cấp các đề xuất để xem xét mã dựa trên lịch sử commit, đề xuất các khu vực của cơ sở mã có thể cần tái cấu trúc và tự động hóa các công việc kiểm soát phiên bản thường ngày, từ đó cải thiện chất lượng mã và năng suất của nhóm.

Kỹ thuật nhắc nhở trong công nghệ sáng tạo AI

Kỹ thuật tạo prompt, đặc biệt khi kết hợp với các mô hình như DALL-E, mở ra khả năng chưa từng có trong việc tạo ra các hình ảnh sáng tạo và phức tạp từ mô tả văn bản.

Ví dụ, một nhà phát triển trò chơi có thể sử dụng lời nhắc như "Tạo hình ảnh một con phố cao cấp, với các cửa hàng thời trang xếp hàng hai bên, vào lúc hoàng hôn, theo phong cách kiến trúc hiện đại và màu sắc mát mẻ. " Kết quả cho phép hiển thị nhanh môi trường trò chơi mà không cần vẽ tay nhiều.

Kỹ thuật prompt engineering trong phân tích cơ sở dữ liệu

Thông thường, việc trích xuất thông tin từ cơ sở dữ liệu đòi hỏi người có kiến thức về SQL để viết các truy vấn ngôn ngữ lập trình phức tạp. AI tạo ra đã thay đổi điều này, cho phép bạn viết các truy vấn bằng ngôn ngữ tự nhiên để truy xuất dữ liệu từ các nguồn dữ liệu không có cấu trúc hoặc bán cấu trúc.

Xử lý dữ liệu

"Trở thành nhà khoa học dữ liệu và viết mã để làm sạch và xử lý sơ bộ dữ liệu của tôi để phân tích. Bộ dữ liệu của tôi chứa thông tin mua sắm của tất cả khách hàng trong 30 ngày qua. "

Tại đây, bạn có thể yêu cầu Gen AI thực hiện các công việc dọn dẹp cụ thể như loại bỏ các hàng trống, xóa các hàng có giá trị giỏ hàng dưới 50 đô la, v.v.

Trực quan hóa dữ liệu

"Viết mã bằng Python để trực quan hóa tập dữ liệu của tôi. Tập dữ liệu của tôi chứa thông tin mua sắm của tất cả khách hàng trên 50 tuổi trong 30 ngày qua. "

Cung cấp các yêu cầu cụ thể cho việc trực quan hóa và tinh chỉnh, chẳng hạn như "hiển thị xu hướng mua sắm" hoặc "sắp xếp theo danh mục."

Phân tích cảm xúc với các prompt Gen AI

Phân tích cảm xúc rất phổ biến trong nội dung do người dùng tạo trực tuyến, đặc biệt là từ các bài đăng trên mạng xã hội. Câu hỏi gợi ý của bạn để hiểu cảm xúc của khách hàng về sản phẩm của bạn có thể như sau.

"Dựa trên tập dữ liệu của tôi chứa các bài đăng trên mạng xã hội đề cập đến [thương hiệu], hãy phân loại chúng thành tích cực, tiêu cực hoặc trung lập. Xác định các tính năng/khía cạnh cụ thể liên quan đến từng cảm xúc. "

Nếu bạn đã học được những kiến thức cơ bản về cách thức hoạt động của kỹ thuật prompt engineering, thì đã đến lúc tìm hiểu các ứng dụng và ý nghĩa rộng hơn của nó.

Vai trò của kỹ thuật nhắc nhở trong các lĩnh vực dựa trên dữ liệu

Từ các ví dụ trên, bạn có thể thấy rằng bạn có thể thực hiện phân tích dữ liệu cơ bản hoặc phân tích cảm xúc trong tất cả các ngành. Tuy nhiên, AI tạo ra và kỹ thuật prompt mang lại giá trị đặc biệt trong các lĩnh vực và ứng dụng dựa trên dữ liệu. Dưới đây là cách thực hiện.

Giáo dục

Kỹ thuật gợi ý tốt giúp các nhà giáo dục tạo ra nội dung chính xác, phù hợp, hấp dẫn và được cá nhân hóa trên quy mô lớn. Một số trường hợp sử dụng Gen AI có tiềm năng cao nhất trong giáo dục là:

Trải nghiệm học tập được cá nhân hóa: Tạo bài học và kế hoạch dựa trên sở thích, trình độ và lãi suất của từng học sinh chỉ trong một phần nhỏ thời gian.

Tạo/lập nội dung tự động: Tạo nhanh các tài liệu hỗ trợ, chẳng hạn như tóm tắt, câu hỏi trắc nghiệm và câu hỏi hiểu bài đọc.

Học và thực hành ngôn ngữ: Tạo các tình huống thực hành hội thoại, bài tập ngữ pháp và bài tập từ vựng phù hợp với trình độ hiện tại của người học.

Hướng dẫn và hỗ trợ: Hướng dẫn dựa trên AI để giải đáp các câu hỏi cụ thể hoặc các lĩnh vực khó của học sinh, cung cấp giải thích, tài nguyên và các bài tập thực hành.

Nghiên cứu và phát triển

Bằng cách tạo ra các prompt chính xác và phù hợp với ngữ cảnh, các nhà nghiên cứu có thể tận dụng mô hình AI để phân tích lượng dữ liệu khổng lồ, đưa ra các giả thuyết mới và thậm chí mô phỏng kết quả thí nghiệm.

Kỹ sư prompt có thể giúp các nhà nghiên cứu thiết kế đầu vào phù hợp để thu được kết quả chính xác trên quy mô lớn. Một số tình huống mà kỹ sư prompt có thể phát huy tác dụng là:

Đánh giá tài liệu: Thực hiện đánh giá tài liệu toàn diện, xác định các nghiên cứu có liên quan, kết quả chính và lỗ hổng trong cơ sở kiến thức hiện tại.

Khai thác dữ liệu: Phát hiện các mẫu, mối quan hệ và bất thường trong các tập dữ liệu lớn.

Sinh ra giả thuyết: Tạo ra nhiều giả thuyết trong cùng một lĩnh vực nghiên cứu để khám phá nhiều hướng tiếp cận khác nhau.

Mô phỏng thí nghiệm: Mô phỏng các thí nghiệm hoặc kết quả mô hình, giảm thiểu nhu cầu thực hiện các thí nghiệm vật lý tốn kém và mất thời gian.

Y tế

Kỹ thuật nhắc nhở cải thiện khả năng của các mô hình AI trong việc giải thích dữ liệu y tế phức tạp, cung cấp hỗ trợ chẩn đoán, cá nhân hóa chăm sóc bệnh nhân và tạo điều kiện thuận lợi cho nghiên cứu và đào tạo.

Các kỹ sư prompt có thể hỗ trợ các chuyên gia y tế thu được những thông tin sâu sắc hơn từ dữ liệu của họ trong các tình huống sau:

Các trường hợp sử dụng thực tế của kỹ thuật prompt engineering

Về cơ bản, AI tạo ra nội dung có thể tạo ra nội dung dưới ba biểu mẫu: Văn bản, hình ảnh và âm thanh/video. Một số trường hợp sử dụng AI hiệu quả nhất trong ba biểu mẫu này như sau.

Kỹ thuật gợi ý trong tạo văn bản

Đây là trường hợp sử dụng phổ biến nhất của AI tạo ra nội dung hiện nay. Từ nhà báo, nhà tiếp thị đến các nhà phát triển nhút nhát, người dùng ở mọi lĩnh vực đang sử dụng trình tạo văn bản AI cho nhu cầu của họ.

Các trường hợp sử dụng phổ biến bao gồm:

Ngoài ra, còn có các công cụ AI để ghi chú cuộc họp có thể chuyển đổi video cuộc gọi thành văn bản hoặc tóm tắt văn bản để xác định các điểm chính, mục hành động, v.v.

Kỹ thuật tạo prompt trong sinh ảnh

Mặc dù vẫn chưa được sử dụng rộng rãi như văn bản, nhưng tạo hình ảnh mang lại cơ hội sáng tạo đáng kinh ngạc. Các trường hợp sử dụng phổ biến bao gồm:

Kỹ thuật nhắc nhở trong tạo âm thanh và video

Tạo âm thanh và video thông qua kỹ thuật prompt có ứng dụng quan trọng trong giải trí, giáo dục và hỗ trợ ảo. Một số trường hợp sử dụng thực tế cho các công cụ tạo/lập nội dung AI bao gồm:

Tác động của AI tạo ra nội dung là vô cùng to lớn, ảnh hưởng đến mọi lĩnh vực, ngành công nghiệp, khu vực địa lý và loại hình kinh doanh. Trong thập kỷ tới, kỹ thuật nhắc nhở có thể sẽ định nghĩa khả năng học hỏi và hiểu biết của con người, giống như cách mà "Google" đang làm hiện nay.

Mặc dù AI tạo sinh đang phát triển nhanh chóng, dưới đây là một số phương pháp cơ bản bạn có thể sử dụng để bắt đầu với kỹ thuật tạo prompt.

Phương pháp tạo prompt

Trước khi đi vào các thuật ngữ kỹ thuật, hãy nhớ rằng ưu điểm chính của AI tạo ra nội dung là bạn có thể nhập dữ liệu bằng ngôn ngữ tự nhiên. Vì vậy, hãy nói chuyện với ChatGPT, Google Gemini hoặc Microsoft Copilot như bạn nói chuyện bình thường.

Theo dõi phản hồi và điều chỉnh đầu vào của bạn trong quá trình thực hiện. Dưới đây là một số khái niệm có thể giúp bạn trong quá trình này.

Học không cần dữ liệu (Zero-shot learning)

Việc cung cấp cho AI một công việc mà không có ví dụ hoặc bối cảnh trước đó được gọi là zero-shot prompting. Nó có các đặc điểm sau.

Ví dụ về prompt: "Xác định ngôn ngữ lập trình chính được sử dụng trong đoạn mã sau: print('Hello, World!'). "

Học với ít mẫu (Few-shot learning)

Việc cung cấp cho mô hình AI một vài ví dụ về công việc cần thực hiện trước khi trình bày công việc thực tế được gọi là few-shot prompting.

Ví dụ về prompt: "Với các cặp đầu vào và đầu ra sau: Đầu vào: 5 * 5, Đầu ra: 25; Đầu vào: 8 + 2, Đầu ra: 10; tính đầu ra cho Đầu vào: 7 – 4. "

Kỹ thuật prompt theo chuỗi suy nghĩ

Yêu cầu mô hình tạo ra các bước trung gian hoặc đường dẫn suy luận dẫn đến câu trả lời cuối cùng hoặc kết quả mong muốn được gọi là yêu cầu chuỗi suy nghĩ (COT).

Ví dụ về lời nhắc: "Để đảo ngược chuỗi 'hello', trước tiên, hãy chia chuỗi thành các ký tự riêng lẻ. Tiếp theo, đảo ngược thứ tự của các ký tự này. Cuối cùng, ghép các ký tự này lại thành một chuỗi. Kết quả cuối cùng là gì?"

Các kỹ thuật prompting nâng cao

Hãy cùng tìm hiểu một số kỹ thuật prompt engineering phức tạp và nâng cao hơn.

Zero-shot CoT

Zero-shot chain-of-thought (COT) kết hợp hai phương pháp để giải quyết các vấn đề phức tạp mà không cần ví dụ trước trong dữ liệu đào tạo.

Hãy tưởng tượng bạn sử dụng mô hình AI tạo ra để gỡ lỗi một đoạn mã phần mềm mà nó chưa từng gặp trước đây.

Sử dụng COT zero-shot, mô hình sẽ diễn đạt sự hiểu biết của mình về vấn đề, suy luận nguyên nhân một cách logic và đưa ra các giải pháp tiềm năng, từng bước một, mặc dù không được đào tạo về vấn đề cụ thể này.

Kỹ sư tạo prompt tự động (APE)

Điều gì sẽ xảy ra nếu AI có thể nhắc AI tìm ra câu trả lời đúng? Đó chính là tự động hóa kỹ thuật nhắc nhở.

Việc sử dụng các thuật toán và kỹ thuật để tự động tạo hoặc tối ưu hóa các lời nhắc để tương tác với các mô hình AI được gọi là APE. Trong mô hình này, thuật toán phân tích một tập hợp các nỗ lực thành công và không thành công để tự động hóa các công việc tương tự.

Sau đó, nó kết hợp các từ khóa, cấu trúc và hướng dẫn được xác định là có khả năng cao nhất dẫn đến kết quả thành công. Khi AI tạo ra các tập lệnh, hệ thống APE sẽ đánh giá hiệu quả của chúng, tinh chỉnh lời nhắc dựa trên những gì nó học được và cải thiện quá trình này một cách lặp đi lặp lại.

Dù bạn sử dụng phương pháp nào, bạn có thể gặp phải một số thách thức trong quá trình thực hiện kỹ thuật prompt engineering hiệu quả.

Hạn chế và thách thức của kỹ thuật nhắc nhở

Là một lĩnh vực mới nổi, Gen AI đang trải qua những thăng trầm riêng. Mặt khác, người dùng đang thử nghiệm nhiều lời nhắc và phong cách khác nhau để có được kết quả mong muốn. Một công nghệ phát triển nhanh như vậy chắc chắn sẽ gặp phải những thách thức.

Một số giới hạn lớn nhất của kỹ thuật prompt và cách khắc phục.

Phụ thuộc vào mô hình: Một lời nhắc hoạt động tốt với một mô hình có thể không mang lại kết quả tương tự với mô hình khác.

Hãy chú ý đến sự khác biệt trong mô hình. Thực hiện các điều chỉnh và tối ưu hóa trong quá trình triển khai.

Độ phức tạp và tính cụ thể: Các prompt hiệu quả thường đòi hỏi sự hiểu biết sâu sắc về ngôn ngữ và khả năng của mô hình.

Tìm sự cân bằng giữa quá chung chung và quá cụ thể để tận dụng tối đa các mô hình ngôn ngữ lớn của bạn.

Sự thiên vị và độ nhạy cảm: Các mô hình AI có thể thừa hưởng sự thiên vị từ dữ liệu đào tạo, và bạn có thể vô tình làm trầm trọng thêm điều này thông qua kỹ thuật tạo prompt. Hơn nữa, hiện tượng ảo giác, sự thiên vị, độ nhạy cảm kém, v.v., có thể dẫn đến kết quả gây hại, gây nhầm lẫn hoặc không đạo đức.

Xây dựng hệ thống để xem xét cẩn thận và giám sát đạo đức trong việc sử dụng AI.

Khả năng mở rộng: Khi phạm vi công việc ngày càng mở rộng, việc sử dụng các hướng dẫn kỹ thuật thủ công cho từng tình huống riêng biệt trở nên không thực tế.

Xem xét việc tự động tạo hoặc tối ưu hóa prompt cho các nhu cầu trong tương lai.

Khả năng giải thích: Thiếu khả năng giải thích có thể gây khó khăn cho việc cải thiện nhắc nhở hoặc chẩn đoán vấn đề một cách lặp đi lặp lại.

Sử dụng phương pháp chuỗi suy luận và yêu cầu AI trình bày logic suy luận của nó cho các kết quả quan trọng.

Quá phù hợp và không phù hợp: Quá phù hợp xảy ra khi một lời nhắc quá phù hợp với các ví dụ cụ thể, khiến nó kém hiệu quả hơn trong các trường hợp chung. Không phù hợp xảy ra khi một lời nhắc quá rộng, dẫn đến kết quả chung chung hoặc không liên quan.

Vâng, hãy tìm sự cân bằng.

Hạn chế về chi phí và tài nguyên: Kỹ thuật prompt chất lượng cao, đặc biệt là trong môi trường thương mại, có thể đòi hỏi tài nguyên tính toán và thời gian của chuyên gia đáng kể.

Tập trung vào các ứng dụng thực tiễn và hiệu quả đầu tư.

Nổi trội trong kỹ thuật nhắc nhở với ClickUp

Bài hát của Taylor Swift tên là gì? Tôi nên cho bao nhiêu phô mai vào mì ống? Bộ dữ liệu này có đủ sạch để phân tích không? Bệnh nhân này dị ứng với loại thuốc nào? Những công việc nào trong sprint này vẫn chưa được phân công?

Phạm vi của các mô hình AI tạo ra nội dung đang không ngừng mở rộng. Kết quả là, kỹ thuật prompt engineering đang trở thành một kỹ năng bắt buộc đối với các chuyên gia trong mọi ngành.

Khả năng sử dụng ngôn ngữ LLM của bạn quyết định mức độ thành công của bạn trong việc thu được kết quả tốt nhất — một kỹ năng được tổng hợp trong 'kỹ thuật nhắc nhở'

Bạn có thể thử sức với kỹ thuật prompt bằng bất kỳ LLM miễn phí nào như ChatGPT, Google Gemini, DALL-E, v.v. Hãy thử yêu cầu nó tạo bản phối lại các bài hát yêu thích của bạn cho bữa tiệc sinh nhật tiếp theo hoặc xem báo cáo thẻ tín dụng của bạn để hình dung các khoản chi tiêu lớn nhất.

Làm việc nhanh hơn và hiệu quả hơn với ClickUp Brain. ClickUp tích hợp AI vào nền tảng để quản lý kiến thức, quản lý dự án và viết lách.

Hơn thế nữa? ClickUp Brain còn đi kèm với các lời nhắc tích hợp sẵn và hàng trăm mẫu để đảm bảo bạn bắt đầu đúng cách. Hãy xem AI tạo ra nội dung có thể làm gì cho việc quản lý dự án của bạn. Dùng thử ClickUp miễn phí ngay hôm nay!

Câu hỏi thường gặp về Kỹ thuật tạo prompt

1. Kỹ thuật nhắc nhở là gì, với ví dụ?

Việc tạo ra đầu vào cho các mô hình AI tạo sinh như ChatGPT để hướng dẫn chúng tạo ra kết quả cụ thể hoặc mong muốn được gọi là kỹ thuật tạo prompt.

Ví dụ về kỹ thuật nhắc nhở

Khi một nhà phát triển phần mềm muốn sử dụng mô hình ngôn ngữ như GPT-4 để tạo một skript Python cho công cụ thu thập dữ liệu web nhằm thu thập tiêu đề tin tức từ một trang web cụ thể.

Prompt: "Tạo một tập lệnh Python bằng thư viện Beautiful Soup để trích xuất các tiêu đề tin tức mới nhất từ 'example-news-site. com. ' Tập lệnh phải xử lý phân trang và lưu trữ các tiêu đề trong một danh sách. "

2. Ví dụ về prompt là gì?

Bất kỳ đầu vào nào bạn cung cấp cho mô hình AI tạo sinh đều được gọi là prompt. Với kỹ thuật prompt engineering tốt, bạn có thể cải thiện đáng kể kết quả đầu ra, khiến nó trở nên hữu ích hơn, liên quan hơn, chính xác hơn và hấp dẫn hơn.

Một ví dụ tốt về prompt là: "Tạo một mô tả sản phẩm dài 150 từ cho một bộ khăn tắm sợi tre, nhấn mạnh các lợi ích thân thiện với môi trường, độ bền và sự mềm mại của sản phẩm. Bao gồm một lời kêu gọi hành động khuyến khích lối sống thân thiện với môi trường và quảng bá cam kết của thương hiệu đối với sự bền vững. "

3. Làm thế nào để bắt đầu kỹ thuật nhắc nhở?

Cách tốt nhất để bắt đầu với kỹ thuật tạo prompt là tự mình thử nghiệm. Tương tác với mô hình bằng ngôn ngữ tự nhiên và hiểu cách hoạt động của nó. Đồng thời, bạn có thể:

Cập nhật thường xuyên về những tiến bộ trong công nghệ AI và xử lý ngôn ngữ tự nhiên, vì những thay đổi này có thể ảnh hưởng đến cách cấu trúc prompt.