Ini adalah kesimpulan saya dari Kursus Open AI tentang Rekayasa Prompt. Untuk analisis lebih mendalam dan penelusuran kode, saya sarankan untuk melakukan keseluruhan kursus.

Pedoman utama dari kursus ini adalah:

1. Jelas dan Spesifik

  1. Bersikaplah Jelas dan Spesifik saat memberikan perintah.
  2. Hal ini mengurangi kemungkinan Anda mendapatkan jawaban yang tidak relevan.
  3. Jangan Salahkan jelas untuk prompt singkat. Terkadang perintah yang lebih panjang memberikan kejelasan lebih lanjut.

1.1 Taktik

  1. Gunakan Pembatas
    - Misalnya Perintah : “Ringkaslah teks yang dibatasi oleh tanda tik tiga kali lipat menjadi satu kalimat. ```Anda harus mengungkapkan apa yang Anda ingin seorang model lakukan dengan memberikan instruksi yang sejelas dan sespesifik mungkin. Hal ini akan memandu model menuju keluaran yang diinginkan, dan mengurangi kemungkinan menerima tanggapan yang tidak relevan atau salah. ```”
    - Tidak masalah apa pembatasnya asalkan ada pemisahan yang jelas.
  2. Mintalah keluaran terstruktur.
    - Misalnya Prompt : Di akhir prompt tambahkan, Berikan dalam format JSON dengan kunci berikut: book_id, title, author, genre.
  3. Setelah mendapatkan respons dari model, Anda dapat bertanya kepada model apakah ketentuan yang diberikan dalam tugas telah dipenuhi.
    - Misalnya Prompt : “Anda akan diberikan teks yang dibatasi oleh tanda kutip tiga.
    Jika teks berisi rangkaian instruksi, tulis ulang instruksi tersebut dalam format berikut: Langkah 1, Langkah 2,..Langkah N. Jika teks tidak berisi urutan instruksi, tulis saja 'Tidak ada langkah asalkan'. ”
  4. Beberapa Perintah Pengambilan Gambar
    - Memberikan contoh keberhasilan dalam menyelesaikan tugas, lalu meminta model untuk melakukan tugas tersebut.
    - Contoh percakapan antara anak dan orang tua dan meminta tanggapan dalam salah satu gaya berikut.

2. Berikan waktu kepada model untuk berpikir

  1. Tentukan langkah-langkah untuk menyelesaikan tugas.
  2. Perintahkan model untuk mencari solusinya sendiri sebelum segera mengambil kesimpulan.

3. Keterbatasan Model Bahasa yang Besar

  1. Terkadang model akan membuat pernyataan yang terdengar masuk akal namun sebenarnya tidak benar. Ini disebut Halusinasi.
  2. Untuk menghindari halusinasi, pertama-tama mintalah model untuk menemukan informasi yang relevan, lalu jawab berdasarkan informasi yang relevan tersebut.

4. Proses bersifat Iteratif

  1. Daripada perintahnya sendiri, yang penting adalah prosesnya.
  2. Kerangka kerja yang harus diikuti — ide → implementasi( prompt ) → hasil eksperimen → analisis kesalahan → ide
  3. Itu sebabnya jangan percaya hal-hal di internet seperti perintah sempurna.
  4. Jangan memikirkan tentang perintah yang sempurna, tetapi tentang prosesnya.

5. Aplikasi

5.1 Ringkasan

  1. Alat yang ampuh karena Anda dapat bermain-main dengan jumlah karakter, jumlah kata, atau jumlah kalimat dari ringkasan.
  2. LLM tidak pandai menghitung tetapi ini akan memberi Anda hasil yang cukup mendekati.
  3. Contoh : Anda ingin merangkum review produk yang panjang dari seorang pelanggan :
    - Berikan dalam 50 kata , 3 kalimat , 200 karakter dll.
    - Anda dapat meminta ringkasan review untuk departemen tertentu seperti pengiriman atau departemen penjualan.

5.2 Menyimpulkan

  1. Anda bisa menanyakan sentimen review produk misalnya “Positif atau Negatif”
  2. Anda dapat memberikan daftar sentimen (emosi yang berbeda) dan menanyakan mana yang benar dalam ulasan tersebut.

5.3 Transformasi

  1. LLM dilatih tentang banyak data dari internet yang mencakup berbagai bahasa, sehingga terjemahan dapat dilakukan.
  2. Mintalah agar ulasan tersebut diubah ke dalam bahasa lain.
  3. Selain terjemahan, Anda dapat meminta untuk menulis ulang apa pun atau melakukan pemeriksaan ejaan dan tata bahasa dalam teks Anda.

5.4 Memperluas

  1. Menggunakan teks yang lebih pendek untuk menghasilkan teks yang lebih besar.
  2. Kasus penggunaan utama ini adalah untuk melakukan Brainstorming ide.
  3. Penipu utama dari hal ini adalah Spam Besar.

6. Suhu

  1. Menyesuaikan suhu model bahasa besar pada dasarnya berarti “derajat keacakan” pada keluarannya.
  2. Jika Anda mencoba membangun sistem yang andal maka suhu Anda harus selalu 0.

Itu dia

Semoga informasi ini bermanfaat bagi Anda dan menyebarkannya seperti yang saya miliki. Ironisnya, AI tidak digunakan untuk meringkas kursus. Kalau dipikir-pikir, AI sebenarnya bisa melakukan pekerjaan yang lebih baik.