Klare und spezifische Anleitung geben

Wenn Sie dem Modell Anweisungen zur Vorgehensweise geben, können Sie das Modellverhalten effektiv und effizient anpassen. Die Anleitung sollte klar, prägnant und direkt sein. Geben Sie den erforderlichen Kontext an und skizzieren Sie die gewünschte Ausgabe. Anleitungen können so einfach sein wie eine Liste mit Schritt-für-Schritt-Anweisungen oder so komplex wie die Darstellung der Erfahrungen und Denkweisen eines Nutzers.

Effektive Anleitungen schreiben

Effektive Anleitungen folgen den folgenden Prinzipien:

  • Sagen Sie dem Modell, was es tun soll.
  • Formulieren Sie klar und präzise.
  • Legen Sie ggf. oder Formatierungsanforderungen für die Ausgabe fest.

Beispiel

Angenommen, Sie haben ein Restaurant, in dem Sie Cheeseburger verkaufen, und möchten mithilfe eines Modells herausfinden, welche Menüpunkte am beliebtesten sind. Sie möchten, dass das Modell Transkripte von Kundenbestellungen im JSON-Format formatiert, damit Sie Menüpunkte schnell erkennen können. In den folgenden Tabellen sind die unterschiedlichen Antworten des Modells zu sehen, wenn es allgemeine und spezifische Anweisungen erhält, die den Anweisungsprinzipien folgen:

Allgemeine Anleitung 
  Extract the transcript in JSON.
  Transcript:
  Speaker 1 (Customer): Hi, can I get a cheeseburger and large fries, please?
  Speaker 2 (Restaurant employee): Coming right up! Anything else you'd like to add to your order?
  Speaker 1: Hmmm, maybe a small orange juice. And could I get the fries with ketchup on the side?
  Speaker 2: No problem, one cheeseburger, one large fries with ketchup on the side, and a small
  orange juice. That'll be $5.87. Drive through to the next window please.
    
      {
        "speakers": [
          {
            "speaker": "Customer",
            "utterances": [
              "Hi, can I get a cheeseburger and large fries, please?"
            ]
          },
          {
            "speaker": "Restaurant Employee",
            "utterances": [
              "Coming right up! Anything else you'd like to add to your order?"
            ]
          },
          {
            "speaker": "Customer",
            "utterances": [
              "Hmm, maybe a small orange juice. And could I get the fries with ketchup on the
              side?"
            ]
          },
          {
            "speaker": "Restaurant Employee",
            "utterances": [
              "No problem, one cheeseburger, one large fries with ketchup on the side, and a small orange juice. That'll be $5.87. Drive through to the next window please."
            ]
          }
        ]
      }
Im Beispiel führen allgemeine Anweisungen zu einer Antwort mit mehr JSON-Feldern, als Sie zum Identifizieren der von Kunden bestellten Menüpunkte benötigen. Sie können die Anleitung verbessern, indem Sie spezifischere Ausgabeeinschränkungen festlegen, wie in der folgenden Tabelle gezeigt:
Bestimmte Anweisungen 
  Extract the items from this transcript in JSON and separate drinks from food.
  Transcript:
  Speaker 1 (Customer): Hi, can I get a cheeseburger and large fries, please?
  Speaker 2 (Restaurant employee): Coming right up! Anything else you'd like to add to your order?
  Speaker 1: Hmmm, maybe a small orange juice. And could I get the fries with ketchup on the side?
  Speaker 2: No problem, one cheeseburger, one large fries with ketchup on the side, and a small
  orange juice. That'll be $5.87. Drive through to the next window please.
    
      {
        "drinks": [
          "orange juice"
        ],
        "food": [
          "cheeseburger",
          "large fries"
        ]
      }

Durch die Anwendung der Anweisungsprinzipien wurde in diesem Beispiel eine Antwort mit zu vielen Daten in eine Antwort umgewandelt, die genau die für diesen Anwendungsfall erforderlichen Daten enthält. Mithilfe von Anweisungen, die die Prinzipien der Anleitung berücksichtigen, können Sie das Modell so steuern, dass es die hilfreichste Antwort für Ihren Anwendungsfall liefert.

Nächste Schritte