Edistynyt kehotteiden laatiminen

Uudelleenkäytettävien kehotekirjastojen rakentaminen: katkelmista yhteisiin mallipohjiin

Kun sama tekoälyavusteinen tehtävä toistuu, kehotekirjasto voi tehdä työnkulusta helpommin toistettavan ja arvioitavan. Käytännön järjestelmä mallipohjien tallentamiseen, testaamiseen, versiointiin ja jakamiseen.

10 min lukemista

Päättelymallien valinta ja kehottaminen

Päättelyasetukset vaikuttavat laatuun, viiveeseen, kustannuksiin ja joskus myös kehotteiden toimintaan. Käytännön opas niiden valintaan arviointitulosten eikä uskomusten perusteella.

12 min lukemista

Kontekstisuunnittelu: testaa pitkän kontekstin järjestelmät arvailematta

Suuret konteksti-ikkunat kertovat kapasiteetista, eivät takaa laatua. Testaa oman työkuormasi kannalta sijainti, häiriötekijät, haku, viive ja kustannus.

Lisää tässä aiheessa

10 min lukemista

Päättelyketju, itsekritiikki ja ajatuspuu — milloin mitäkin kannattaa käyttää

Kolme päättelytekniikkaa, jotka voivat parantaa tekoälyn tuotoksia vaikeissa ongelmissa, sekä niiden kustannus-hyötylaskelma. Mukana konkreettisia kehotteita, rinnakkaisia vertailuja ja nykyisten päättelymallien erityispiirteitä.

12 min lukemista

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.

12 min lukemista

Tuotantokehotteiden suunnittelu: järjestelmä-, kehittäjä- ja käyttäjäkerrokset

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

7 min lukemista

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

13 min lukemista

Rakenteiset tuotokset ja funktiokutsut: tuotantokäytön mallit

Rakenteiset tuotokset ja funktiokutsut muodostavat sillan ”tekstiä tuottavasta LLM:stä” ”työtä tekeväksi järjestelmäksi”. Tuotannossa olennaisia malleja ovat skeemat, virheenkäsittely, idempotenssi ja hallittu heikentyminen — ei pelkkä JSON-tila.

29 minuuttia

Tree of Thoughts: harkittu ongelmanratkaisu suurilla kielimalleilla (täysi artikkelikatsaus)

Yannic Kilcher. Yannic käy läpi Princetonin ja DeepMindin alkuperäisen Tree of Thoughts -artikkelin: tuota, arvioi, karsi ja palaa -silmukan, tutkimuksessa raportoidun Game of 24 -tarkkuuden nousun 4 prosentista 74 prosenttiin sekä menetelmän noin kymmenkertaisen token-kustannuksen. Video auttaa näkemään menetelmän hakualgoritmina, ei taianomaisena kehotteen etuliitteenä.

25 minuuttia

Kehotteiden ABC

Anthropic. Kaksi Anthropicin Applied AI -tiimin jäsentä rakentaa kehotteen vaiheittain ja lisää siihen roolin, jäsennellyt osiot sekä näkyvät työvaiheet. Esimerkki konkretisoi artikkelin varoituksen siitä, ettei samaa ”ajattele vaihe vaiheelta” -lausetta kannata liittää mekaanisesti kaikkiin kehotteisiin.

22 minuuttia

Kontekstitekniikka agenteille

LangChain. Lance Martinin kehys — kirjoita, valitse, tiivistä, eristä — konkreettisilla esimerkeillä siitä, milloin tiivistää toimintohistoriaa, milloin siirtää tila tiedostoihin ja milloin käynnistää aliagentteja pelkästään vanhemman kontekstin suojaamiseksi. Kartoittuu lähes suoraan artikkelin osioon miljoonan tokenin ikkunoiden hallinnasta käytännössä.

8 minuuttia

Context Rot: miten kasvava syötetokenien määrä vaikuttaa LLM:n suorituskykyyn

Chroma. Kelly Hong käy läpi Chroman tutkimuksen 18 mallista — miksi needle-in-haystack -pisteet johtavat harhaan, miten suorituskyky heikkenee epäselvyyden ja häiriötekijöiden kanssa, miksi jopa yksinkertaiset merkkijonotoistot heikkenevät 500 tokenin jälkeen. Lyhyt, näyttöön perustuva ja tasan tapaus, jonka artikkeli tarvitsee sinun ottavan vakavasti ennen suunnitteluliikkeitä.

3 minuuttia

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.

28 minuuttia

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.

9 minuuttia

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.

13 minuuttia

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.

77 minuuttia

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.

25 minuuttia

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.

10 minuuttia

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.

20 minuuttia

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.

41 minuuttia

OpenAI DevDay 2024 | Strukturoidut tulosteet luotettaviin sovelluksiin

OpenAI. Käy läpi `strict: true`, eron vanhaan JSON-tilaan, kieltäytymisen käsittelyn sekä miten funktiokutsut ja response-format-skeemat koostuvat. Hyödyllinen juuri siksi, että se kuvaa sopimuksen, jonka API antaa — sen, minkä päälle artikkelin tuotantomallit on rakennettu.

18 minuuttia

Pydantic riittää: Jason Liu

AI Engineer. Puhe, joka kiteytti modernin ”määrittele Pydantic-malli, anna se LLM:lle, anna validoinnin hoitaa loput” -mallin, konkreettisilla esimerkeillä sisäkkäisistä objekteista, validoijista, jotka nappaavat hallusinoidut URL:t, ja Chain-of-Thoughtista tyypitettynä kenttänä. Katso se ennen artikkelin validoijaosion uudelleenlukemista, niin tunnistat, mistä sen uudelleenyritys- ja kieltäytymissäännöt tulevat.