הממשק בין אדם למכונה יצר תחום שנקרא ׳הנדסת פרומפטים׳, בגדול זה אומר שכדי שהתוצאות שנקל ממודל שפה יהיו מדויקות ולא כלליות מידי, אנחנו צריכים לדייק את ה״שאילתא״ שלנו, ולספק מספיק מידע. בסרטון הזה נדבר על Framework שנקרא RICE שיעזור לנו לקבל תוצאות מדויקות יותר ממודל השפה.
הנה כמה Framework נוספים
ניסוח פרומפטים זו יכולת קריטית באינטראקציה שלנו עם מודל שפה. אם נבחן את זה, היישום הראשון שראינו למודל שפה הוא צ׳אט, כלומר סביבה בה מנהלים שיחה עם המודל, זה מצביע על זה שכדי לקבל תוצאות מספיק טובות ומדויקות צריך לנהל עם המודל יותר מאינטראקציה אחת.
כדי לקצר את התהליך ולוודא שהפרופמט שאנחנו כותבים יכיל את המידע המספיק עבור מודל השפה לספק תוצאה עם ערך אפשר להשתמש במגוון Frameworks, כמו: RTF או RISEN.
RTF Framework
RTF הם בעצם ראשי תיבות
- Role – תפקיד
- Task – משימה
- Format – פורמט
זה אולי מבנה הפרומפט הכי מוכר ובסיסי שבמסגרתו אני ״ממנה״ את מודל השפה לתפקיד מסוים, מבקש ממנו לבצע משימה ספציפית ומגדיר לו באיזה אופן הייתי רוצה לקבל את התוצאה.
זה נראה ככה 👇
התנהג כמומחה ל[הגדירו את התפקיד שאתם רוצים שה-AI ימלא]. צור [הגדירו מה המשימה שאתם מעוניינים שה-AI יבצע]. את התוצאה הצג בצורת [הפורמט המבוקש].
והנה דוגמא 👇
התנהג כמומחה לכתיבת תוכן דיגיטלי עם ניסיון של מעל 10 שנים. צור תסריט לסרטון שמסביר על שימוש בטכניקות כתיבת פרומפטים. את התוצאה הצג בתצורת טבלה עם 3 עמודות: מה שומעים, מה רואים, הנחיות הפקה.
כמו שאתם יכולים לראות התוצאה שקיבלתי הרבה יותר ממוקדת ומדויקת אבל עדיין דורשת Men In The Loop כדי למקד לקהל ספציפי (כמו: אנשים מנוסים בבינה מלאכותית) ולהוסיף את הטאצ׳ האישי.
RISEN Framework
גם כאן מדובר בראשי תיבות:
- Role – תפקיד
- Instructions – הנחיות
- Steps – צעדים
- End goal – מטרה
- Narrowing – צמצום ומגבלות
ההבדל הגדול במבנה הזה הוא הגישה הפרגמטית של פירוק משימה אחת לתתי משימות מה שמאפשר התמודדות עם משימות מורכבות. הבדל נוסף הוא גישה שיותר ממוקדת במטרה אותה ה-AI עוזר לנו להשיג, כמובן שככל שמטרה ברורה ומעשית יותר כך התוצאה תהיה מדויקת יותר. זה נראה ככה 👇
תפקיד: התנהג כמומחה ליצירת תוכן דיגיטלי עם ניסיון של מעל 10 שנים.
הנחיות: אני מעוניין לכתוב כתבה לבלוג שלי שבה אני מסביר לקהל קוראים שיודע להשתמש בבינה מלאכותית איך להשתמש ב-frameworks כדי לכתוב פרומפוטים מדויקים יותר ולקל תוצאות טובות יותר.
שלבים: פרק את הנושא לשלבים, קודם תסביר מהו frameworks, הצג דוגמאות של סוגים שונים, כתוב הסבר על כל האחד מהסוגים וצור טבלת השוואה.
מטרה: אני מעוניין להגדיל את החשיפה לאתר שלי ולהביא עקובים חדשים.
הגבלות: הכתבה צריכה להיות כתובה בצורה ברורה כדי שגם אנשים שאינם מנוסים בשימוש במודלי שפה יצליחו להבין אותה. חשוב לשלב הדגמות ושימושים אפשריים.
התוצאה שקיבלנו 👇הפעם התוצאה מפורטת יותר ומחולקת לשלבים עם שילוב של מילים שיגרמו להגדלת החשיפה של הבלוג.
לסיכום
כדי לקבל תוצאות טובות ומדויקות חשוב לשפר את הפרומפט תוך כדי ׳שיחה עם המודל׳. אם יש פרומפט שאתם מרוצים מהתוצאה שהוא סיפק לכם, שמרו אותו כמטא-פרומפט ותעשו בו שימושים חוזרים.
מהי הנדסת פרומפטים?
הנדסת פרומפטים (Prompt Engineering) היא תחום העוסק בניסוח שאילתות מדויקות למודלי שפה, כמו ChatGPT, על מנת לקבל תוצאות מדויקות ולא כלליות.
מדוע חשוב להשתמש בהנדסת פרומפטים?
שימוש נכון בהנדסת פרומפטים מאפשר לנו:
לקבל תוצאות מדויקות יותר – ניסוח פרומפט מפורט וברור יכוון את מודל השפה ליצירת התוצאה הרצויה.
לחסוך זמן – שימוש בפרומפטים יעילים מקצר את זמן האינטראקציה עם מודל השפה.
להתמודד עם משימות מורכבות: Frameworks שונים מאפשרים פירוק משימות מורכבות לתתי משימות, מה שמקל על מודל השפה לספק תוצאה איכותית.
כיצד ניתן לשפר את איכות הפרומפטים שלי?
שימוש ב-Frameworks – מסייעים לבנות פרומפטים מובנים ומדויקים.
ניסוח הנחיות ברורות – ככל שההנחיות יהיו ברורות יותר, כך התוצאה תהיה מדויקת יותר.
שימוש בדוגמאות – דוגמאות עוזרות לפלטפורמה להבין את הסגנון והתוכן הרצויים.
התנסות ושיפור – ניסוי וטעייה יסייעו לך למצוא את הפרומפטים היעילים ביותר עבורך.