chatgpt patterns

Patrick Nicolas - Letztes Update 07.10.2023

Das Ziel ist dieses Repository, die Datenframework von ChatGPT -API- , Langchain- und Lamaindex -Daten zum Erstellen von Anwendungen zu bewerten und zu erweitern. Diese Techniken umfassen

• Schnellstechnische Muster: Ausgabeautomater , Persona , Faktenprüfungsvorlage und kognitiver Verifier
• Eingabeaufforderung unter Verwendung von Langchain -Ketten
• Generative Workflow mit Langchain , Openai und Lama Agents.

Referenzen

• Erweiterung von Langchain -Sequenzen mit Datentypen
• Chatgpt -Eingabeaufforderungsmuster für die Codegenerierung
• Langchain Einführung
• Lama -Einführung
• Die Aufforderung zur Kette der Gedanken liefert Argumentation in Großsprachenmodellen aus
• Openai Chatgpt

Umfeld

Paket	Version
Python	3.9.16
Fackel	2.0.1
Openai	0,27,1
Matplotlib	3.7.1
Scikit-Learn	1.2.2
Numpy	1.24.3
Pandas	2.0.2
Langchain	0,0.227
Polare	0,17,0
Fastapi	0,97,0
Lama -Index	0,7,4

Aktualisierungen

Datum	Version
06.07.2023	0,1
06.18.2023	0,2

Pakete

Paket	Beschreibung
Util	Dienstprogrammklasse
Openai	Klassen im Zusammenhang mit Nutzung und Feinabstimmung für Chatgpt
llm_langchain	Klassen im Zusammenhang mit Lader, Splitter, Ketten und Agenten unter Verwendung des Langchain -Frameworks
llm_llama	Klassen im Zusammenhang mit Ketten und Agenten, die den Lamaindex -Framework verwenden
Domain	Domänenspezifischer Zielanwendungscode zum Testzweck

Schnelle Muster

Aus dem wegweisenden Papier "Ein promptem Musterkatalog, um die schnelle Engineering mit Chatgpt zu verbessern".

Name	Überblick	Kontextaussagen
Persona	Ausgabeanpassung Weisen Sie LLM eine Persona-, Rolle- oder Domain -Expertin zu. Die Persona kann als Rolle, Jobbeschreibung, Titel, historische oder bekannte Figur ausgedrückt werden.	- Ich möchte, dass Sie mir Fragen stellen, um X zu erreichen. - Sie sollten Fragen stellen, bis X erreicht ist oder der Zustand X erfüllt ist. Stellen Sie mir zu der Zeit Fragen zu X One.
Vorlage	Ausgabeanpassung Stellen Sie sicher, dass die Ausgabe einer genauen Vorlage folgt (dh Format, URL, Beispiel…). Dieses Muster weist LLM an, ein eindeutiges Format in einem bestimmten Teil der Antwort zu verwenden.	Ich werde Ihnen eine Vorlage für Ihre Ausgabe zur Verfügung stellen X ist mein Platzhalter für Inhalte Versuchen Sie, die Ausgabe in einen oder mehrere der von mir aufgelisteten Platzhalter einzubeziehen Bitte bewahren Sie die Formatierung und Vorlage bei, die ich zur Verfügung gestellt habe Hier ist die Vorlage zu folgen: Muster mit Platzhalter.
Faktenprüfliste	Fehleridentifikation Fordern Sie LLM an, der Antwort eine Liste von Fakten/Annahmen anzugeben/anzuhängen. Daher kann der Benutzer die Fälligkeitsdilgen ausführen.	Generieren Sie eine Reihe von Fakten, die im Ausgang enthalten sind Der Satz von Fakten sollte in die Ausgabe eingefügt/angehängt werden Die Faktenmenge sollten die grundlegenden Tatsachen sein, die die Richtigkeit der Ausgabe untergraben könnten, wenn einer von ihnen falsch ist.
Spiegelung	Fehleridentifikation Bitten Sie LLM, die Begründung hinter einer bestimmten Antworten an den Benutzer automatisch zu erklären. Das Muster verdeutlicht alle Verwirrungspunkte, zugrunde liegende Annahmen, Wissenslücken….	Wenn Sie eine Antwort generieren, erläutern Sie die Argumentation und Annahmen hinter Ihrer Antwort, damit ich meine Frage verbessern kann.
Ausgangsautomat	Ausgabeanpassung LLM generieren ein Skript oder eine automatisierte Aufgabe, die alle Schritte ausführen kann, die die LLM empfiehlt.	Wenn Sie eine Ausgabe mit Schritten erzeugen, tun Sie dies immer. Erstellen Sie ein ausführbares Artefakt vom Typ X, mit dem diese Schritte automatisiert werden.
Visualisierungsgenerator	Ausgabeanpassung Verwenden Sie generierten Text, um eine Visualisierung zu erstellen, da komplexe Konzepte mit Diagrammen und Bildern leichter zu verstehen sind. Die LLM -Ausgabe sollte einen Weg für das Werkzeug zur Herstellung von Bildern erstellen.	Generieren Sie ein X, das ich für das Werkzeug y zur Verfügung stellen kann, um es zu visualisieren.