Aihe

Edistynyt kehotteiden laatiminen

Päättelykehotteet, uudelleenkäytettävät kirjastot, kontekstisuunnittelu ja tuotantokäytön kehotekerrokset.

13 sisältöä (5 artikkelia · 8 videota)

Aloita tästä

Muutama hyvä aloitussisältö ennen koko sisältövirran selaamista.

Lisää tässä aiheessa

12 min lukemista
Artikkeli

Kehotteiden, RAG:n ja hienosäädön valinta sekä niiden yhdistäminen

Kehotteet, RAG ja hienosäätö ovat kolme keskeistä vipua LLM:n mukauttamiseen. Kukin sopii joihinkin ongelmiin ja huonosti toisiin. Tässä saat valintakehyksen, kunkin realistiset kustannukset ja tuotantomallit, joissa niiden yhdistäminen toimii.

Edistynyt
12 min lukemista
Artikkeli

Tuotantokehotteiden suunnittelu: järjestelmä-, kehittäjä- ja käyttäjäkerrokset

Hallintamalli luotettujen ohjeiden, ajonaikaisten tietojen ja käyttäjäsyötteen erottamiseen sekä kehotteiden versiointiin, arviointiin, julkaisuun ja havainnointiin riskin mukaan.

Edistynyt
7 min lukemista
Artikkeli

Valitse tehtävään oikea malli: päätöksenteon muistilista vuodelle 2026

Mikä malli kannattaa valita mihinkin tehtävään? GPT, Claude, Gemini, päättelyvaihtoehdot ja avoimilla painoilla julkaistut mallit, mukana valintasäännöt ja vuoden 2026 puolivälin esimerkit ajattoman paremmuusjärjestyksen sijaan.

Aloittelija
3 minuuttia
Video

OpenAI o1:n rakentaminen

OpenAI. Kolmen minuutin ensisijainen video tallentaa, miten OpenAI-tiimi esitteli o1:n julkaisuhetkellä. Se auttaa ymmärtämään tuoteryhmän historiaa, mutta ei osoita nykyisten mallien sisäistä toimintaa tai sitä, mikä kehotemalli toimii parhaiten toisella palveluntarjoajalla tai tehtävällä.

Keskitaso
28 minuuttia
Video

o1 – mitä tapahtuu? Miksi o1 on mallien 3. paradigma + 10 asiaa, joita et ehkä tiedä

AI Explained. Video tarjoaa riippumattoman selityksen varhaisesta o1-kehyksestä ja sen vaikutuksesta kehottamiseen. Se on hyödyllistä historiallista kontekstia, mutta o1:tä koskevia väitteitä ei pidä ulottaa automaattisesti myöhempiin OpenAI-malleihin, R1:een, Clauden päättelytiloihin tai muihin palveluntarjoajiin.

Keskitaso
9 minuuttia
Video

RAG vs. fine-tuning

IBM Technology. Tiukempi fokus kahteen tekniikkaan, jotka tiimit sekoittavat useimmin. Menee syvemmälle datan tuoreuteen, lähdeattribuutioon ja inferenssiajan nopeusargumenttiin hienosäädölle. Kannattaa katsoa, jos yrität erityisesti argumentoida tarpeetonta hienosäätöprojektia vastaan.

Edistynyt
13 minuuttia
Video

RAG vs fine-tuning vs kehotetekniikka: tekoälymallien optimointi

IBM Technology. Selkeä valkotaululäpikäynti kaikista kolmesta tekniikasta kustannuksineen — haun viive, koulutuksen laskenta ja katastrofaalinen unohtaminen, pelkkien kehotteiden ratkaisujen rajat — sekä yhdistelmät, jotka todella toimivat tuotannossa. Päätösesimerkki oikeudellisesta tekoälyjärjestelmästä, joka käyttää kaikkia kolmea, on lähes tasan artikkelin ”milloin yhdistää” -argumentti.

Edistynyt
77 minuuttia
Video

Tekoälyn kehotetekniikka: syväsukellus

Anthropic. Neljä Anthropicin kehotinsinööriä (tutkimus, alignment, applied, developer relations) puhuvat pitkään siitä, mitä he todella tekevät päivittäin — miten he muokkaavat kehotteita paineen alla, miten he ajattelevat ”rehellisyyttä” ohjeissa, milloin XML-telineet auttavat, milloin eivät. Artikkelin kerroksellinen malli kartoittuu selkeästi siihen, miten he kuvaavat työtä; tämä on paras tapa kuulla tuo ajattelumalli ääneen.

Edistynyt
25 minuuttia
Video

Kehotteiden ABC | Code w/ Claude

Anthropic. Anthropicin Applied AI -tiimin live-rakennussessio vakuutuskorvauskehotteesta — he aloittavat epämääräisellä ohjeella ja iteroivat joksikin, jonka kehittäjä todella toimittaisi, näyttäen artikkelin kuvaamat tarkistukset järjestelmä- ja kehittäjäkerroksille. Katso tämä ennen artikkelin tarkistuslistan uudelleenlukemista esimerkeistä, tuotosrakenteesta ja kieltäytymisen käsittelystä.

Edistynyt
10 minuuttia
Video

Paras ChatGPT-kehotteeni ikinä – käytin 2 kuukautta tähän kehotteeseen, joka kirjoittaa kehotteita

Lawton Learns. Video esittelee C.R.A.F.T.-metakehotteen (Context, Role, Action, Format, Target audience). Se on hyödyllinen ehdokas kehotteita tuottavan kehotteen käyttäytymisen testaamiseen, mutta sen tulosten johdonmukaisuutta, oikeellisuutta tai sopivuutta tiimin käyttötapauksiin ei ole taattu.

Keskitaso
20 minuuttia
Video

Googlen 9 tunnin AI-kehotekurssi 20 minuutissa

Tina Huang. Tina esittelee viisiosaisen tehtävä/konteksti/viitteet/arvioi/iteroi-kehyksen ja neljä nimettyä iterointitapaa. Niistä voi luonnostella ehdokasskeeman, mutta agentti- ja päättelyketjuesimerkit heijastavat kurssin aikaa ja kontekstia. Testaa jokainen poimittu malli edustavilla tapauksilla ennen sen lisäämistä hyväksyttyyn kirjastoon.

Keskitaso