Las estrategias de ingeniería de peticiones son fundamentales para obtener los resultados esperados y maximizar el rendimiento del modelo. En esta página se ofrece una descripción general de las estrategias de peticiones clave para interactuar con modelos de IA generativa, en concreto con Gemini.
Para obtener más información sobre las estrategias de peticiones, consulta el artículo Descripción general de las estrategias de peticiones en la documentación de Google Cloud .
Conceptos básicos del diseño de peticiones
Una petición es la entrada principal de un modelo de IA generativa, que le indica que genere un resultado específico. Las peticiones pueden ir desde consultas sencillas hasta instrucciones complejas de varias partes que incluyan contexto, ejemplos y requisitos específicos de formato de salida.
Estas son algunas consideraciones clave para escribir peticiones eficaces:
- Proporciona instrucciones claras y específicas: cuando diseñes peticiones, es fundamental que seas claro y específico sobre lo que quieres que haga el modelo. Las peticiones ambiguas o vagas pueden dar lugar a resultados inesperados y potencialmente irrelevantes. Por ejemplo, en lugar de pedirle que escriba un poema, puedes darle una petición más específica, como "Escribe un poema corto sobre la belleza de la naturaleza al estilo de Robert Frost". Además, proporcionar contexto ayuda al modelo a entender la tarea esperada y a generar respuestas relevantes.
- Divide las tareas complejas: en el caso de las tareas complejas, suele ser útil dividir la petición en subtareas más pequeñas y fáciles de gestionar. Esta estrategia permite al modelo centrarse en un aspecto cada vez y puede dar lugar a resultados más precisos y coherentes. Por ejemplo, si quieres que el modelo escriba una historia, puedes dividirla en peticiones para generar los personajes, el escenario, la trama y los diálogos por separado.
- Experimenta y repite pruebas con los resultados: el diseño de las peticiones suele ser un proceso iterativo. Puedes probar diferentes enfoques, frases y parámetros para encontrar el mejor resultado para tus necesidades. Este proceso implica probar diferentes longitudes de peticiones, reformular instrucciones o ajustar la configuración de temperatura del modelo, que controla la aleatoriedad de la salida. Los valores de temperatura más altos producen resultados más creativos e impredecibles, mientras que los valores más bajos dan lugar a respuestas más deterministas y centradas.
Técnicas de peticiones principales
Puedes usar varias técnicas para optimizar las peticiones y obtener el comportamiento esperado de los modelos de IA generativa.
En la siguiente tabla se muestran los métodos de petición esenciales para los modelos de IA generativa:
| Método de petición | Descripción | Petición de ejemplo |
|---|---|---|
| Peticiones sin ejemplos | Consulta directamente el modelo sin ejemplos específicos, basándote en sus conocimientos preentrenados y su capacidad de generalización. Eficaz con datos de entrenamiento diversos y completos. | Translate "Hello, how are you?" into French. |
| Peticiones con pocos ejemplos | Proporciona algunos ejemplos en la petición para guiar la salida del modelo, mostrando el formato o el patrón esperados para mejorar la precisión. | Translate the following sentences into Spanish: "My name is Alice." = "Me llamo Alice." / "I like to read." = "Me gusta leer." / "Where is the library?" = |
| Peticiones de rol | Asigna un rol específico al modelo (por ejemplo, "asistente útil" o "editor profesional") para influir en el tono, el estilo y el contenido, de modo que el resultado se ajuste a ese rol. | You are a seasoned journalist. Write a brief news report on the latest advancements in renewable energy. |
| Peticiones de instrucciones | Indica de forma clara y explícita la tarea o acción esperada con un lenguaje conciso e inequívoco, especificando los requisitos de salida, las restricciones y las necesidades de formato. | Summarize the following text into a three-sentence paragraph, focusing on the key arguments and conclusions: ... |
Estrategias de peticiones avanzadas
Además de las técnicas básicas, puedes usar estrategias más avanzadas para perfeccionar aún más los resultados:
- Peticiones de cadena de pensamiento: anima al modelo a pensar paso a paso proporcionando una serie de pasos de razonamiento intermedios como parte de la petición. Esta estrategia puede ser útil para tareas que requieren razonamiento lógico o resolución de problemas. Por ejemplo, si le pides al modelo que resuelva un problema matemático con texto, incluye una serie de peticiones que le guíen por los pasos para resolverlo.
- Fundamentación: proporciona al modelo información o conocimientos externos para mejorar su comprensión y sus capacidades de generación de respuestas. Este proceso permite que el modelo acceda a documentos, bases de datos o APIs relevantes. Al fundamentar el modelo, puedes mejorar su precisión, veracidad y capacidad para generar respuestas más informadas. Por ejemplo, si quieres que el modelo responda preguntas sobre un tema concreto, proporciona un artículo o un documento de investigación relevantes como base.
- Generación aumentada por recuperación (RAG): usa el modelo para obtener información pertinente de una base de conocimientos o una fuente externa. A continuación, incorpora esta información obtenida en la petición para guiar la generación de la respuesta. La RAG puede ser útil para tareas que requieren acceso a una gran cantidad de información o conocimientos, como responder preguntas o resumir documentos.
Consideraciones clave
Cuando diseñes una petición bien estructurada, ten en cuenta lo siguiente:
- Intenta que sean claras y concisas. Aunque las peticiones detalladas pueden ser útiles, las que son demasiado largas o complejas confunden al modelo.
- Conocer las características específicas del modelo que usas para crear peticiones eficaces.
- No confíes en los modelos para generar información objetiva.
- Úsala con cuidado en problemas de matemáticas y lógica.