Donner des instructions claires et spécifiques

Donner au modèle des instructions sur la manière de procéder constitue un moyen efficace de personnaliser son comportement. Soyez clair, concis et direct dans les instructions, en fournissant le contexte nécessaire et en indiquant le résultat souhaité. Les instructions peuvent être aussi simples qu'une liste d'instructions détaillées ou aussi complexes que de définir l'expérience et l'état d'esprit d'un utilisateur.

Rédiger des instructions efficaces

Les instructions efficaces appliquent les principes suivants :

  • Indiquez au modèle ce qu'il doit faire.
  • Soyez clair et précis.
  • Spécifiez les contraintes ou les exigences de mise en forme pour la sortie.

Exemple

Par exemple, supposons que vous possédiez un restaurant de cheeseburgers et que vous souhaitiez utiliser un modèle pour identifier les éléments de menu les plus populaires. Vous souhaitez que le modèle mette en forme les transcriptions des commandes des clients au format JSON afin de pouvoir identifier rapidement les éléments de menu. Les tableaux suivants illustrent les différentes réponses fournies par le modèle lorsqu'il reçoit des instructions génériques et des instructions spécifiques qui respectent les principes d'instruction :

Instructions génériques 
  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."
            ]
          }
        ]
      }
Dans cet exemple, les instructions génériques génèrent une réponse contenant plus de champs JSON que nécessaire pour identifier les éléments de menu que les clients commandent. Améliorez les instructions en définissant des contraintes de sortie plus spécifiques, comme illustré dans le tableau suivant :
Instructions spécifiques 
  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"
        ]
      }

En appliquant les principes d'instruction, cet exemple est passé d'une réponse contenant trop de données à une réponse contenant exactement les données requises pour ce cas d'utilisation. Les instructions qui utilisent les principes d'instruction peuvent vous aider à guider le modèle pour qu'il fournisse la réponse la plus utile pour votre cas d'utilisation.

Étape suivante