Sebbene non esista un modo giusto o sbagliato per progettare un prompt, esistono strategie comuni che puoi utilizzare per influenzare le risposte del modello. Test e valutazioni rigorose sono fondamentali per ottimizzare le prestazioni del modello.
I modelli linguistici di grandi dimensioni (LLM) vengono addestrati su grandi quantità di dati di testo per apprendere pattern e relazioni tra le unità di lingua. Quando ricevono del testo (il prompt), i modelli linguistici possono prevedere cosa succederà dopo, come un sofisticato strumento di completamento automatico. Pertanto, quando progetti i prompt, tieni conto dei diversi fattori che possono influire su ciò che un modello prevede per il futuro.
Flusso di lavoro di progettazione dei prompt
Il prompt engineering è un processo iterativo basato su test che può migliorare le prestazioni del modello. Durante la creazione dei prompt, è importante definire chiaramente gli obiettivi e i risultati attesi per ciascun prompt e testarli sistematicamente per identificare le aree di miglioramento.
Il seguente diagramma mostra il flusso di lavoro di prompt engineering:
Come creare un prompt efficace
Due aspetti di una richiesta influiscono sulla sua efficacia: contenuti e struttura.
- Content:
Per completare un'attività, il modello ha bisogno di tutte le informazioni pertinenti associate all'attività. Queste informazioni possono includere istruzioni, esempi, informazioni contestuali e così via. Per maggiori dettagli, vedi Componenti di un prompt.
- Struttura:
Anche quando nel prompt sono fornite tutte le informazioni richieste, la struttura delle informazioni aiuta il modello ad analizzare le informazioni. Aspetti come l'ordinamento, l'etichettatura e l'uso dei delimitatori possono influenzare la qualità delle risposte. Per un esempio della struttura dei prompt, consulta Esempio di modello di prompt.
Componenti di un prompt
La tabella seguente mostra i componenti essenziali e facoltativi di un prompt:
| Componente | Descrizione | Esempio |
|---|---|---|
| Scopo | Obiettivi che vuoi ottenere con il modello. Definisci in dettaglio gli obiettivi generali e includili. Chiamato anche "missione" o "obiettivo". | Il tuo obiettivo è aiutare gli studenti con problemi di matematica senza dare direttamente una risposta. |
| Istruzioni | Istruzioni passo passo su come eseguire l'attività in questione. Chiamato anche "attività", "passi" o "indicazioni stradali". |
|
| Componenti facoltativi | ||
| Istruzioni di sistema | Direttiva tecnica o ambientale che può comportare il controllo o l'alterazione del comportamento del modello in una serie di attività. Per molte API del modello, le istruzioni di sistema sono specificate in un parametro dedicato. Le istruzioni di sistema sono disponibili solo in Gemini 1.5 Pro. |
Sei un esperto di programmazione specializzato nel rendering del codice per interfacce front-end. Quando descrivi il componente di un sito web che voglio creare, restituisci l'HTML e il CSS necessari per farlo. Non dare una spiegazione per questo codice. Offrire anche alcuni suggerimenti per la progettazione dell'interfaccia utente. |
| Utente tipo | Chi o come sta agendo il modello. Chiamato anche "ruolo" o "visione". | Sei un tutor di matematica che aiuta gli studenti a fare i compiti di matematica. |
| Vincoli | Restrizioni relative a ciò che il modello deve rispettare quando genera una risposta, comprese le azioni che il modello può e non può fare. Chiamati anche "barriere", "confini" o "controlli". | Non fornire la risposta direttamente allo studente. Fornisci invece suggerimenti nel passaggio successivo per risolvere il problema. Se lo studente è completamente smarrito, fornisci i passaggi dettagliati per risolvere il problema. |
| Tono | Il tono della risposta. Puoi anche influenzare lo stile e il tono specificando un utente tipo. Chiamato anche "stile", "voce" o "umore". | Rispondi in modo informale e tecnico. |
| Contesto | Qualsiasi informazione a cui il modello deve fare riferimento per eseguire l'attività in questione. Chiamato anche "sfondo", "documenti" o "dati di input". | Una copia dei programmi delle lezioni di matematica dello studente. |
| Esempi di few-shot | Esempi di come dovrebbe apparire la risposta per un determinato prompt. Chiamati anche "esempi" o "campioni". | input: Sto cercando di calcolare quante palline da golf possono stare in una scatola che ha un volume di un metro cubo. Ho convertito un metro cubo in centimetri cubi e lo ho diviso per il volume di una pallina da golf in centimetri cubi, ma il sistema dice che la mia risposta è sbagliata.output: Le palline da golf sono sfere e non possono essere imballate in uno spazio estremamente efficiente. I tuoi calcoli tengono conto della massima efficienza di imballaggio delle
sfere. |
| Passaggi di ragionamento | Spiega al modello il suo ragionamento. A volte questo può migliorare la capacità di ragionamento del modello. Chiamato anche "passi del pensiero". | Spiega il tuo ragionamento passo dopo passo. |
| Formato della risposta | Il formato della risposta. Ad esempio, puoi dire al modello di restituire la risposta in formato JSON, tabella, Markdown, paragrafo, elenco puntato, parole chiave, presentazione breve e così via. Chiamato anche "struttura", "presentazione" o "layout". | Formatta la risposta in Markdown. |
| Riepilogo | Ripetizione concisa dei punti chiave del prompt, in particolare dei vincoli e del formato della risposta, alla fine del prompt. | Non rivelare la risposta ma fornire suggerimenti. Formatta sempre la risposta in formato Markdown. |
| di output | Basa le domande sulla missione del bot. Chiamati anche "regole di sicurezza". | N/A |
A seconda delle attività specifiche, puoi scegliere di includere o escludere alcuni componenti facoltativi. Puoi anche modificare l'ordine dei componenti e verificare come questo possa influire sulla risposta.
Modello di prompt di esempio
Il seguente modello di prompt mostra un esempio di come potrebbe essere un prompt ben strutturato:
<OBJECTIVE_AND_PERSONA>
You are a [insert a persona, such as a "math teacher" or "automotive expert"]. Your task is to...
</OBJECTIVE_AND_PERSONA>
<INSTRUCTIONS>
To complete the task, you need to follow these steps:
1.
2.
...
</INSTRUCTIONS>
------------- Optional Components ------------
<CONSTRAINTS>
Dos and don'ts for the following aspects
1. Dos
2. Don'ts
</CONSTRAINTS>
<CONTEXT>
The provided context
</CONTEXT>
<OUTPUT_FORMAT>
The output format must be
1.
2.
...
</OUTPUT_FORMAT>
<FEW_SHOT_EXAMPLES>
Here we provide some examples:
1. Example #1
Input:
Thoughts:
Output:
...
</FEW_SHOT_EXAMPLES>
<RECAP>
Re-emphasize the key aspects of the prompt, especially the constraints, output format, etc.
</RECAP>
|
Best practice
Le best practice per la progettazione dei prompt includono quanto segue:
- Fornisci istruzioni chiare e specifiche
- Includi esempi di few-shot
- Assegnare un ruolo
- Aggiungere informazioni contestuali
- Usa le istruzioni di sistema
- Strutturare i prompt
- Spiegare al modello il suo ragionamento
- Scomporre attività complesse
- Sperimentare i valori parametro
- Strategie di iterazione dei prompt
Passaggi successivi
- Esplora esempi di prompt nella Galleria prompt.
- Scopri di più sulle best practice per l'IA responsabile e sui filtri di sicurezza di Vertex AI.