Microsoft heeft onlangs een handige minicursus uitgebracht over prompt engineering, en ik heb die even vertaald om jullie op weg te helpen. Bij Virtual Villains, waar we gespecialiseerd zijn in kunstmatige intelligentie (AI) en ChatGPT, willen we ervoor zorgen dat iedereen kan profiteren van de kracht van deze technologie. Laten we beginnen met de basisprincipes van prompting.
Wat zijn GPT-modellen?
GPT-3, GPT-3.5 en GPT-4 modellen van OpenAI zijn prompt-gebaseerde modellen. Dit betekent dat je interacteert met het model door een tekstprompt in te voeren, waarna het model reageert met een tekstaanvulling. Deze aanvulling is het vervolg van de ingevoerde tekst door het model.
Hoewel deze modellen zeer krachtig zijn, is hun gedrag ook zeer gevoelig voor de prompt. Dit maakt het construeren van een effectieve prompt een belangrijke vaardigheid om te ontwikkelen.
Basisprincipes van prompting
Prompting is een kunst, geen exacte wetenschap. Een goede prompt helpt het model om precies te doen wat je wilt. Het vergt vaak ervaring en intuïtie om een succesvolle prompt te maken. Hier zijn enkele algemene concepten en patronen die van toepassing zijn op alle GPT-modellen:
- Specifiek zijn: Laat zo weinig mogelijk aan interpretatie over.
- Descriptief zijn: Gebruik analogieën om duidelijk te maken wat je wilt.
- Herhalen: Soms moet je jezelf herhalen voor het model. Geef instructies voor en na je hoofdinhoud.
- Volgorde van belang: De volgorde waarin je informatie presenteert kan de output beïnvloeden.
- Geef het model een “uitweg”: Voeg een alternatief pad toe als het model de taak niet kan voltooien.
Onderdelen van een prompt
Hier zijn enkele belangrijke onderdelen:
Instructies
Dit zijn aanwijzingen aan het model over wat het moet doen. Deze kunnen simpel of complex zijn, afhankelijk van de gewenste taak.
| Instructie Type | Prompt | Output van de LLM |
|---|---|---|
| Eenvoudige instructies | Schrijf een introductie voor een wekelijkse nieuwsbrief. | Welkom bij onze wekelijkse nieuwsbrief. Deze week hebben we een speciale focus op productiviteit. We delen tips en trucs over hoe je productief kunt zijn in alle aspecten van je leven. We hopen dat je het leuk vindt en deel het gerust met je vrienden! |
| Complexe instructies | Schrijf een introductie voor een wekelijkse nieuwsbrief voor mijn bedrijf genaamd Contoso. Het moet de geweldige algemene vergadering van vorige week vermelden en het team bedanken voor hun harde werk de afgelopen maanden. | Welkom bij de wekelijkse nieuwsbrief van Contoso! We hadden vorige week een geweldige algemene vergadering en ik wil het team bedanken voor al hun harde werk de afgelopen maanden. We kijken uit naar een mooie toekomst en ik ben ervan overtuigd dat we met de toewijding en inzet van ons team geweldige dingen zullen bereiken. Bedankt dat je deel uitmaakt van ons team en ik kijk ernaar uit om de komende weken en maanden met jullie allemaal samen te werken. Met vriendelijke groet, [Jouw naam]. |
Primaire inhoud van de prompt
Dit is de tekst die wordt verwerkt of getransformeerd door het model. Primaire inhoud wordt meestal gebruikt in combinatie met instructies.
| Prompt | Output van de LLM |
|---|---|
| Kun je me alsjeblieft vertellen hoe ik naar het museum kan gaan? Vertaal naar Frans: | Pouvez-vous s’il vous plaît me dire comment aller au musée? |
Voorbeelden voor deze introductie tot prompten
Succesvolle prompts maken vaak gebruik van “one-shot” of “few-shot” leren. Dit houdt in dat één of meerdere voorbeelden van het gewenste gedrag van het model worden opgenomen, meestal door input- en outputparen te tonen.
| Voorbeeld Type | Prompt | Output van de LLM |
|---|---|---|
| Zonder voorbeelden (zero-shot) | Krantenkop: Coach is ervan overtuigd dat blessure de Warriors niet zal ontsporen | De coach is ervan overtuigd dat de blessure de Warriors’ seizoen niet zal ontsporen. Het team blijft gefocust op hun doelen en ze zullen hard blijven werken om deze te bereiken. |
| Met voorbeelden (few-shot) | Krantenkop: Twins’ Correa zal opt-out gebruiken, vrije agentschap testen | Baseball |
| Krantenkop: WK Qatar zal zones hebben voor ontnuchtering | Voetbal | |
| Krantenkop: Yates: Fantasie voetbal intel voor Week 6 | Voetbal | |
| Krantenkop: Coach is ervan overtuigd dat blessure de Warriors niet zal ontsporen | Basketbal |
Cue gebruiken in promptengineering
Een cue helpt de output van het model te sturen en is vaak een prefix die het model kan aanvullen. Cues worden vaak gebruikt samen met instructies, maar niet altijd.
| Aantal Cues | Prompt | Output van de LLM |
|---|---|---|
| 0 | Prestatiebeoordelingen zijn een kernonderdeel van onze Prestatie & Ontwikkelingsaanpak bij Contoso. Samenvat de bovenstaande e-mail. | Het doel van deze e-mail is om medewerkers te informeren over recente wijzigingen in de prestatiebeoordelingservaring, die deel uitmaakt van Contoso’s Prestatie & Ontwikkelingsaanpak. De wijzigingen omvatten een verbeterde structuur, verbeterde gebruikerservaring in de tool en gerichte aanwijzingen. Daarnaast is er nu een optionele sectie Gespreksstarters voor medewerkers om onderwerpen aan te geven die ze met hun managers willen bespreken. |
| 1 | Prestatiebeoordelingen zijn een kernonderdeel van onze Prestatie & Ontwikkelingsaanpak bij Contoso. Samenvat de bovenstaande e-mail: Het belangrijkste punt van het bericht is | dat Contoso de prestatiebeoordelingservaring verbetert door deze meer te richten op kernprioriteiten, verwachtingen en impact. Daarnaast upgraden ze de gebruikerservaring in de tool met tips, bronnen en begeleiding. Tot slot voegen ze begeleiding toe over hoe bedrijf brede kernprioriteiten geactiveerd kunnen worden. |
Ruimte-efficiëntie voor de
Het is belangrijk om de beschikbare ruimte zo efficiënt mogelijk te gebruiken, vooral gezien de beperkte invoergrootte van GPT-modellen. Enkele tips zijn:
- Tabellen: GPT-modellen begrijpen tabelformaat goed en dit kan ruimte-efficiënt zijn.
- Witte ruimte: Gebruik spaties zorgvuldig om te voorkomen dat je ruimte verspilt.
Beste praktijken
- Wees specifiek: Laat zo min mogelijk ruimte voor interpretatie.
- Wees descriptief: Gebruik analogieën om de opdracht duidelijker te maken.
- Herhaal jezelf: Soms moet je de opdracht meerdere keren verduidelijken.
- Let op de volgorde: De volgorde van de informatie kan de output beïnvloeden.
- Geef een alternatieve route: Bied het model een manier om een fout te vermijden, zoals “antwoord met ‘niet gevonden’ als het antwoord niet aanwezig is.”
Volgende stappen
Nu je de basisprincipes van prompting begrijpt, is het tijd om zelf aan de slag te gaan. Experimenteer met verschillende prompts en ontdek hoe kleine aanpassingen grote verschillen kunnen maken in de output. Als je persoonlijke begeleiding of advies nodig hebt, bezoek dan onze contactpagina.
Bij Virtual Villains zijn we hier om je te helpen bij elke stap. Voor meer informatie en handige blogs, bezoek onze blog. Wil je een spreker boeken of een workshop volgen? Kijk dan op onze dienstenpagina.
