AI-juhiste koostamine

1M-tokenilised kontekstiaknad on olemas, aga kvaliteet halveneb tunduvalt enne seda piiri. Konteksti-insenertöö on distsipliin kontekstiakende efektiivseks kasutamiseks — mida kaasata, mida kokku võtta, mida värskelt välja võtta, ning mustrid, mis hoiavad kvaliteedi kontekstiga kasvades kõrgel.

Tootmispromptid ei ole 'ütle AI-le, mida sa tahad'. Need on kihiline süsteem — stabiilsed juhised, dünaamiline kontekst, päringupõhised muutujad — mida hallatakse nagu koodi. Arhitektuur, mustrid ja distsipliin, mis eristavad tootmist prototüübist.

Arutlevad mudelid ei ole kiired mudelid lisasammudega. Nad tasustavad teistsugust promptimist, eiravad mõnda tavapärast mustrit ja neil on omad lõksud. Praktiline juhend nendega hästi töötamiseks.

Kolm arutlustehnikat, mis päriselt parandavad AI väljundit raskete probleemide juures — ja nende kasutamise kulu-tulu matemaatika. Konkreetsete prompttide, kõrvuti võrdluste ja moodsate arutlevate mudelite poolt sissetoodud lõksudega.

Kui hakkad AI-d tõsiselt kasutama, kirjutad samu prompte ikka ja jälle. Praktiline süsteem prompt-teegi ehitamiseks, korrastamiseks ja jagamiseks — mida talletada, kuidas versioonida ja millist infrastruktuuri kasutada.

Kümme korduvkasutatavat mustrit — mitte ühekordsed promptid, vaid korduvkasutatavad kujundid — katavad valdava osa praktilisest AI kasutusest tööl. Õpi need selgeks ja sul on tugev promptimise tööriistakast.

Veeda kümme minutit ühe korra ja lõpeta enda ümberseletamine ChatGPT-le igas vestluses. Praktiline juhend kohandatud juhiste, mälu ja projektide kohta peamistes AI-tööriistades.

Kui sa ei oska kirjeldada, mida soovid, näita. Vähese-näidisega promptimine — 2-3 näite andmine soovitud väljundi stiilist — on kiireim viis järjekindlate, brändile vastavate tulemuste saamiseks.

Suurim erinevus keskpärase ja hea AI väljundi vahel peitub selles, mis juhtub pärast esimest vastust. Töövoog, mis muudab iga esimese mustandi päris tulemuseks iteratsiooni kaudu — mitte algusest peale uuesti promptides.

Viieosaline mall, mis tõstab vastuse kvaliteedi \"nii ja naa\" tasemelt \"kasutatavale\" tasemele iga prompti puhul, igas AI tööriistas. Koos läbitöötatud näidete, levinud vigade ja olulise järjekorraga.

Viis päris käsku nõrgas ja paremas versioonis, lühikese märkmega selle kohta, mis muutus. Kiireim viis AI väljundit paremaks teha ilma ühtegi mõistet õppimata.

LangChain. Lance Martini raamistik — write, select, compress, isolate — koos konkreetsete näidetega, millal kokku võtta tegevuste ajalugu, millal olekut failidesse maha laadida ja millal käivitada alam-agente puhtalt vanema konteksti kaitsmiseks. Kaardistub peaaegu otse artikli sektsioonile 1M-tokeniliste akende haldamisest praktikas.

Chroma. Kelly Hong käib läbi Chroma uuringu 18 mudeli kohta — miks needle-in-haystack tulemused on eksitavad, kuidas jõudlus halveneb mitmetähenduslikkuse ja häirivate elementidega, miks isegi lihtne stringi-kordamise ülesanne degradeerub pärast 500 tokenit. Lühike, tõenduspõhine ja täpselt see argument, mille artikkel sul tõsiselt võtta tahab enne inseneri-käikude juurde jõudmist.

Anthropic. Live-ehituse sessioon Anthropicu Applied AI tiimilt kindlustusnõude prompti peal — nad alustavad ähmasest juhisest ja itereerivad millekski, mida arendaja päriselt välja saadaks, näidates seda tüüpi parandusi, mida artikkel süsteemi- ja arendajakihtide jaoks kirjeldab. Vaata see enne artikli näidete, väljundstruktuuri ja keeldumise käsitlemise kontrollnimekirja ülelugemist ära.

Anthropic. Neli Anthropicu prompti-inseneri (research, alignment, applied, developer relations) räägivad pikalt sellest, mida nad päriselt iga päev teevad — kuidas nad surve all prompte toimetavad, kuidas nad mõtlevad "aususest" juhistes, millal XML-tellingud aitavad, millal ei. Artikli kihiline mudel kaardistub puhtalt sellele, kuidas nad tööd kirjeldavad; see on parim viis kuulda seda mõttemudelit valjusti.

OpenAI. Kolm minutit o1 tiimiga, mis kirjeldab momenti, kus mudel hakkas RL-treeningu ajal oma arutlust kahtluse alla seadma. Kasulik esmase allikana artikli väitele, et mõtteahel toimub nüüd mudelis sees, mitte sinu promptis.

AI Explained. Selgeim ilma hüpeta selgitus sellest, miks o1 (ja sellega koos o3, R1, Claude extended thinking) on treenitud korrektsuseks, mitte järgmise tokeni ennustamiseks, ja mida see tähendab selles, kuidas sa sellega räägid. Vaata see ära ja artikli nõuanne "lõpeta think step by step ütlemine, hakka spetsi kirjutama" ei tundu enam meelevaldne.

Yannic Kilcher. Yannic käib läbi originaalse Princetoni/DeepMindi Tree-of-Thoughtsi artikli — generate-score-prune-backtrack silmus, miks see tõstab Game of 24 täpsust 4%-lt 74%-le ja kus tehnika lakkab oma 10× tokeni kulu väärt olemast. Kasulik just sellepärast, et see sunnib sind nägema ToT-d otsingualgoritmina, mitte maagilise prompti eesliitena.

Anthropic. Kaks Anthropicu Applied AI tiimi liiget ehitavad päris-elu prompti live üles, lisades kihte rolli, struktureeritud sektsioone ja selgesõnalisi mõtlemissamme. See on YouTube'i kõige usaldusväärsem "kuidas kasutada chain-of-thoughti seda rituaaliks muutmata" demo ja see teeb artikli "lõpeta Let's think step by step kõikjale kleepimine" mõtte konkreetseks.

Lawton Learns. Konkreetne, kopeerides-kleepitav C.R.A.F.T. meta-prompt (Context, Role, Action, Format, Target audience), millele artikkel oma mõttes viitab. Kasulik esimese kandena uues raamatukogus — prompt, mille töö on genereerida hästi struktureeritud prompte kõigile teistele.

Tina Huang. Tina surub Google'i täispika promptimise kursuse kahte asja, mida raamatukogu päriselt salvestab: viieosaline task/context/references/evaluate/iterate raamistik ja neli nimetatud iteratsiooni-käiku prompti aja jooksul tihendamiseks. Ta käib läbi ka agent- ja chain-of-thought mustrid, nii et sama video kahekordistub sisselasusena keerukamatele mallidele, mida raamatukokku hiljem lisad.

Tina Huang. Promptimise peatükk (02:30–09:20) toob välja kaks kuhjatavat mnemoonikut — "tiny crabs ride enormous iguanas" (task, context, references, evaluate, iterate) ja "ramen saves tragic idiots" (revisit, separate, try analogous, introduce constraints) — mis kaardistuvad puhtalt artikli iteratsiooni ja viimistlemise mustritele. Kasulik, kui ühe-võttega valem sind kohale ei vii.

Jeff Su. Kuueosaline valem — task, context, exemplars, persona, format, tone — selgitatud samade kontoritöö näidetega, mida artikkel kasutab (treeningplaanid, CV-d, sisemised e-kirjad). Vaata see kõigepealt; peaaegu iga muster artiklis on ühe nendest kuuest komponendist keskendunud rakendus.

Andrej Karpathy. Hüppa peatükki "ChatGPT memory, custom instructions" aja 1:53:29 peal. Karpathy näitab, mis tal endal custom instructionsis tegelikult kirjas on, räägib, millal ta käsib ChatGPT-l fakti meelde jätta versus laseb sellel automaatselt salvestuda, ja toob välja kompromissid — lähemal artikli "seadista korra läbimõeldult" raamistusele kui enamik algajatele mõeldud läbikäike.

Tina Huang. Personaliseerimise, memory ja custom instructionsi paneele käiakse läbi laiema ChatGPT funktsioonide tuuri sees, mis on õige raamistus — need seaded tasuvad ennast ära ainult siis, kui sa tead ka, mida need konfigureerivad (projektid, GPT-d, ajastatud ülesanded, hääl jne). Kasuta seda juhitud tuurina, kui ise teises vahekaardis Settings → Personalization lahti teed.

Anthropic. Näited on üks kümnest koostisosast, mida Anthropic siin läbi käib, ja sa saad vaadata, kuidas need lisanduvad päris kliendi korraldusele ja muudavad mudeli väljundit. Kasulik, kui tahad näha few-shot'i kasutatuna täielikuma korralduse sees, mitte üksiku trikina.

freeCodeCamp.org. Hüppa peatükki "Zero shot ja few shot promptid" aja 31:20 peal, et saada selge, demonstreeritud võrdlus samast ülesandest ilma näideteta versus paari näitega — täpselt see kontrast, millele artikkel peatüki üles ehitab. Varasemad lõigud promptide meeleseadest ja parimatest tavadest on kasulik taust, kui sa tulid otse artiklist ilma laiema kontekstita.

Andrej Karpathy. Karpathy käib läbi oma päris igapäevase kasutuse ChatGPT, Claude'i, Gemini, Groki ja Perplexity vahel, jagades elavalt ekraani vestlusi, mitte poleeritud üksiknõksusid. Sa näed, millal ta haarab järelvastuse järele, millal ta lülitub keset vestlust mudelite vahel, ja millal ta jätab liini maha ja alustab uuesti — täpselt seda iteratiivset silmust, mida artikkel kirjeldab, modelleerituna inimese poolt, kes neid süsteeme leivakannikese eest ehitab.

Tina Huang. Tihendatud ülevaade Google'i promptide kursusest, mis katab selguse raamistikke, iteratsioonimeetodeid ja läbitöötatud näiteid e-kirjadest, kokkuvõtetest ja analüüsidest. Kasulik, kui tahad teist läbimist, mis kaardistab samad struktuurilised ideed nendele ülesannete tüüpidele, mida sa tegelikult tööpäeva jooksul kohtad.

Anthropic. Kaks Anthropicu Applied AI meeskonna liiget ehitavad üksiku korralduse päris kliendi kasutusjuhtumiks (Rootsi autoõnnetuse aruannete analüüs), alates üherealisest, mis ebaõnnestub, ja lisades rolli, ülesande konteksti, dünaamilise sisu, näited ja lõpu rõhuasetuse kihthaaval. See on selgeim demonstratsioon YouTube'is täpsest "roll + kontekst + ülesanne + piirangud + formaat" virnast, mida artikkel kirjeldab, koos teel näidatud ebaõnnestumistega.

freeCodeCamp.org. Pikem, kannatlikum kursus, mis oma pikkuse ära teenib. Peatükid parimatest tavadest, zero-shot vs few-shot ja sellest, kuidas hallutsinatsioonid promptitud väljundis välja näevad, on täpselt see süvenemine, mida tahad, kui artikli viis näidet on klõpsanud.

Tina Huang. Tina surub Google'i ametliku Prompting Essentials kursuse kokku viieosaliseks TCREI struktuuriks (Task, Context, References, Evaluate, Iterate) koos läbitöötatud näidetega igal sammul. Kui artikkel näitab sulle viit ümberkirjutust, annab see sulle retsepti, mida Google ise oma töötajatele õpetab, et saaksid ümberkirjutuse oma korraldustes ära teha ilma meie omi kopeerimata.