AI: Промптинг


URLs
Icon for https://www.promptingguide.ai/ru/techniques
Техники промптинга – Nextra
Icon for https://dzen.ru/a/Z4oVg2q71k31sUiH
Промпты с примерами (Few-Shot Prompting). Подробная инструкция
Icon for https://dzen.ru/a/Zw00jO3lxVFaoqKz
Как писать промты для нейросетей в 2024 годы. Промпты для нейронных сетей
Icon for https://habr.com/ru/articles/865952/
Промптинг: действительно полезное руководство
Icon for https://appmaster.io/blog/ai-prompt-engineering
AI Prompt Engineering: How to Instruct AI Models to Get the Results You Want | AppMaster

Принципы

  • Цель качественного промпта: Получать от модели точные, релевантные и предсказуемые ответы, снижая количество ошибок и "галлюцинаций".
  • Хороший промпт: Четкий, конкретный, однозначный. Включает контекст, роль, четкую инструкцию и, при необходимости, пример или формат вывода.
  • Плохой промпт: Расплывчатый, двусмысленный, слишком общий. Не дает модели достаточно информации для корректного выполнения задачи.


Техники

Дисклеймер:
Все примеры промптов далее — краткие и стерильные. Это не примеры хороших промптов. Это лишь примеры сценариев.

Zero-shot prompting

(Промптинг с нулевым выстрелом)
Постановка задачи для модели без предоставления каких-либо примеров.
Переведи на английский фразу: "Искусственный интеллект меняет мир".


Few-shot prompting

(Промптинг с несколькими выстрелами)
Предоставление модели нескольких примеров "задача-решение" для понимания контекста.
Напиши заданное слово в обратном порядке.
Пример 1: "море" -> "орем"
Пример 2: "кот" -> "ток"
Задача: "кабан" -> ?


Chain-of-Thought | CoT

(Цепочка рассуждений)
Требование к модели пошагово описать логику рассуждений, приведших к ответу.
У фермера было 15 овец. 5 из них он продал, а затем купил еще 8. Сколько овец у него стало в итоге? Объясни по шагам.


Self-Consistency

(Самосогласованность)
Генерация нескольких разных цепочек рассуждений и выбор наиболее согласованного итогового ответа.
Реши задачу несколькими способами и выбери самый частый ответ:
В корзине 10 яблок. 3 из них красные, остальные зеленые. Сколько зеленых яблок в корзине?


Generated Knowledge Prompting

(Промптинг с генерируемыми знаниями)
Модель сначала генерирует необходимые факты по теме, а затем использует их для ответа.
Сначала сгенерируй краткие факты об Эйфелевой башне.
Затем, используя эти факты, ответь на вопрос: почему Эйфелева башня является важным символом Парижа?


ReAct (Reason + Act)


Итерационный фреймворк, где модель циклически рассуждает (Reason), действует через внешние инструменты (Act) и анализирует результат для построения следующего шага.
Сравни текущую рыночную капитализацию компаний Apple и Microsoft. Какая из них выше на сегодняшний день и на сколько процентов?


Role Prompting

(Задание роли)
Назначение модели определенной роли или персоны для задания нужного стиля и глубины ответа.
Представь, что ты опытный туристический гид. Опиши три главных достопримечательности Рима.


Структурирование промпта

Четкое разделение запроса на блоки: контекст, инструкция, формат вывода.
Контекст: Я готовлю презентацию о здоровом питании.
Инструкция: Перечисли основные группы продуктов, которые должны входить в сбалансированный рацион.
Формат вывода: Маркированный список.


Структурирование вывода

  • Просите модель форматировать ответ так, как вам удобно для дальнейшей работы. В т.ч. с указанием формата вывода.
Пример:
Создай 5 идей для квестов в формате таблицы с колонками: Название, NPC, Цель, Награда.


Self-reflection / Self-critique

(Рефлексия и самокритика)
Итеративный процесс, где модель сначала генерирует ответ, а затем сама его анализирует и улучшает.
Сначала напиши краткое описание принципов работы блокчейна.
Затем проанализируй свое объяснение на предмет ясности и предложи более простую аналогию для новичков.


Tree of Thoughts | ToT

(Дерево мыслей)
Модель на каждом шаге исследует несколько различных путей, оценивая их перспективность, чтобы выбрать оптимальный следующий.
У тебя есть 8 шаров, один из которых немного тяжелее остальных, и чашечные весы без гирь.
Как за два взвешивания гарантированно найти тяжелый шар?
Рассмотри несколько первых шагов. Какой из них позволит максимально сузить круг "подозреваемых"?
Оцени разные варианты взвешиваний и отбрось те, которые не ведут к решению за два шага.


Retrieval Augmented Generation (RAG)

(Генерация с привлечением извлеченной информации)
Модель перед ответом извлекает релевантную информацию из внешней базы знаний и основывает свой ответ на ней.
Используя внутреннюю базу знаний нашей компании, ответь на вопрос: "Какова политика возврата товара, купленного со скидкой?


Directional Stimulus Prompting

(Направляющий стимул)
Включение в промпт ключевых слов или подсказок, чтобы мягко направить генерацию ответа в нужное русло.
Напиши короткий рассказ о будущем. Включи в него слова "кибернетика", "мегаполис" и "искусственный интеллект".


Multimodal CoT

(Мультимодальная цепочка рассуждений)
Применение техники "цепочки рассуждений" для задач, которые включают в себя данные разных типов, например, текст и изображения.
[Изображение кота, сидящего в коробке]
Опиши это изображение шаг за шагом.
Сначала идентифицируй главный объект.
Затем опиши его окружение.
Наконец, сделай вывод о возможном настроении животного.


Prompt Chaining

(Цепочка промптов)
Разделение сложной задачи на последовательность более простых промптов, где результат одного является входными данными для следующего.
Шаг 1: Составь список из пяти самых популярных языков программирования.
Шаг 2: Для каждого языка из полученного списка опиши его основное применение.


Automatic Prompt Engineer | APE

Использование одной языковой модели для автоматической генерации и оптимизации промптов для другой.
Сгенерируй пять разных промптов для создания креативного описания продукта "умные часы".


Active-Prompt

Техника, при которой модель задает уточняющие вопросы для лучшего понимания задачи перед тем, как дать окончательный ответ.
Я хочу составить план путешествия.
Задай мне три уточняющих вопроса о моих предпочтениях (бюджет, тип отдыха, направление), чтобы составить для меня идеальный маршрут.


Program-Aided Language Models | PAL

Сочетание рассуждений на естественном языке с выполнением кода для решения сложных задач.
Если поезд едет со скоростью 80 км/ч, какое расстояние он преодолеет за 2.5 часа?
Реши задачу, используя код Python для вычислений.


Graph Prompting

Использование графовых структур в промпте для решения задач со сложными взаимосвязями.
graph TD;
A["Введение в код"] --> B["Переменные и типы"];
B --> C["Условия и циклы"];
C --> D["Функции"];
D --> E["Структуры данных"];
Задача: Составь правильный учебный план для изучения "Структур данных", начиная с самого начала.


Meta-prompting

Создание промпта, который инструктирует модель, как правильно обрабатывать другие промпты; "промпт о промптах".
Проанализируй и перепиши мой промпт для генерации квестов, чтобы он давал более интересные и нелинейные задания.
Мой текущий промпт: Придумай сайд-квест для фэнтези-игры. NPC-кузнец просит игрока принести ему 10 шкур волков.
Твоя задача: Предложи новую версию промпта, которая будет подталкивать ИИ к созданию квестов с моральным выбором, неожиданным поворотом или несколькими вариантами решения. Объясни, почему твои изменения приведут к лучшему результату.


Self-Debate

LLM по своей природе стремится к согласию и предоставлению "правильного" ответа.
Чтобы получить объективный анализ, заставьте модель спорить саму с собой.
Сначала попросите модель выступить в роли сторонника определённой идеи.
Затем дайте команду сменить роль и раскритиковать эту позицию.
Выступи в роли продюсера мобильной студии. Приведи главные аргументы, почему модель Free-to-Play (F2P) с микротранзакциями — лучший выбор для современного игрового проекта.
Отлично. А теперь ты — опытный инди-разработчик, который ценит искусство. Раскритикуй предыдущие тезисы.