Anche se non esiste un modo giusto o sbagliato per progettare un prompt, esistono strategie comuni che puoi utilizzare per influenzare le risposte del modello. Test e valutazioni rigorosi rimangono fondamentali per ottimizzare il rendimento del modello.
I modelli linguistici di grandi dimensioni (LLM) vengono addestrati su enormi quantità di dati testuali per apprendere i pattern e le relazioni tra le unità linguistiche. Quando viene fornito del testo (il prompt), i modelli linguistici possono predire cosa è probabile che venga scritto dopo, come uno strumento di completamento automatico sofisticato. Pertanto, quando progetti i prompt, tieni conto dei diversi fattori che possono influenzare ciò che un modello prevede come prossimo passo.
Flusso di lavoro di prompt engineering
Il prompt engineering è un processo iterativo basato su test che può migliorare le prestazioni del modello. Quando crei i prompt, è importante definire chiaramente gli obiettivi e i risultati previsti per ciascun prompt e testarli sistematicamente per identificare le aree di miglioramento.
Il seguente diagramma mostra il flusso di lavoro di progettazione dei prompt:
Come creare un prompt efficace
Esistono due aspetti di un prompt che ne influenzano in ultima analisi l'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 se tutte le informazioni richieste sono fornite nel prompt, fornire la struttura delle informazioni aiuta il modello a analizzarle. Aspetti come l'ordinamento, l'etichettatura e l'uso di delimitatori possono influire sulla qualità delle risposte. Per un esempio di struttura della richiesta, consulta Modello di richiesta di esempio.
Componenti di un prompt
La tabella seguente mostra i componenti essenziali e facoltativi di un prompt:
| Componente | Descrizione | Esempio |
|---|---|---|
| Obiettivo | Che cosa vuoi che il modello raggiunga. Descrivi la tua richiesta in modo specifico e includi eventuali scopi generali. Chiamato anche "missione" o "obiettivo". | Il tuo obiettivo è aiutare gli studenti a risolvere i problemi di matematica senza dare loro direttamente la risposta. |
| Istruzioni | Istruzioni dettagliate su come eseguire l'attività in questione. Chiamato anche "attività", "passaggi" o "istruzioni". |
|
| Componenti facoltativi | ||
| Istruzioni di sistema | Direttive tecniche o ambientali che possono comportare il controllo o la modifica del comportamento del modello in un insieme di attività. Per molte API di modelli, 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 le interfacce frontend. Quando descrivo un componente di un sito web che voglio creare, restituisci l'HTML e il CSS necessari per farlo. Non fornire una spiegazione per questo codice. Offrono anche alcuni suggerimenti per il design dell'interfaccia utente. |
| Utente tipo | Chi o cosa rappresenta il modello. Chiamato anche "ruolo" o "visione". | Sei un tutor di matematica qui per aiutare gli studenti con i compiti di matematica. |
| Vincoli | Restrizioni a cui il modello deve attenersi durante la generazione di una risposta, inclusi ciò che il modello può e non può fare. Chiamati anche "limiti", "confini" o "controlli". | Non dare la risposta direttamente allo studente. Fornisci invece suggerimenti sul passaggio successivo per risolvere il problema. Se lo studente non sa più cosa fare, fornisci i passaggi dettagliati per risolvere il problema. |
| Tono | Il tono della risposta. Puoi anche influenzare lo stile e il tono specificando un personaggio. Chiamato anche "stile", "voce" o "atmosfera". | 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 piani di lezione dello studente per la matematica. |
| Esempi few-shot | Esempi di come dovrebbe essere la risposta per un determinato prompt. Chiamati anche "esemplari" o "samples". | input: Sto cercando di calcolare quante palline da golf possono stare in una scatola con 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 palle da golf sono sfere e non possono essere impilate in uno spazio con perfetta
efficienza. I calcoli tengono conto dell'efficienza di imballaggio massima delle sfere. |
| Passaggi del ragionamento | Chiedi al modello di spiegare il suo ragionamento. A volte, questo può migliorare la capacità di ragionamento del modello. Chiamati anche "passaggi di pensiero". | Spiega il tuo ragionamento passo passo. |
| Formato della risposta | Il formato in cui vuoi che venga inviata la risposta. Ad esempio, puoi chiedere al modello di produrre la risposta in JSON, tabella, Markdown, paragrafo, elenco puntato, parole chiave, elevator pitch 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 dare la risposta, ma fornisci invece dei suggerimenti. Formatta sempre la risposta in formato Markdown. |
| Misure di protezione | Basate sulla missione del bot. Chiamati anche "regole di sicurezza". | N/D |
A seconda delle attività specifiche da svolgere, puoi scegliere di includere o escludere alcuni dei componenti facoltativi. Puoi anche modificare l'ordine dei componenti e verificare in che modo può 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 con pochi esempi
- Assegnare un ruolo
- Aggiungere informazioni contestuali
- Utilizzare le istruzioni di sistema
- Prompt di struttura
- Chiedi al modello di spiegare il suo ragionamento
- Suddividere le attività complesse
- Sperimentare con i valori dei parametri
- Strategie di iterazione dei prompt
Passaggi successivi
- Esplora gli esempi di prompt nella galleria dei prompt.
- Scopri come ottimizzare i prompt per l'utilizzo con i modelli Google utilizzando lo ottimizzatore di prompt di Vertex AI (anteprima).
- Scopri di più sulle best practice di AI responsabile e sui filtri di sicurezza di Vertex AI.