chatgpt prompting guide

Guía y marco para crear indicaciones de chatgpt

Este repositorio fue desarrollado por @christerjohansson Sigue o conéctese conmigo en mi LinkedIn

Ingeniería rápida para desarrolladores

Cuadernos de código Jupyter para ingeniería rápida para desarrolladores

En ingeniería rápida para desarrolladores, aprenderá cómo usar un modelo de idioma grande (LLM) para crear rápidamente aplicaciones nuevas y potentes. Usando la API de OpenAI, podrá construir rápidamente capacidades que aprendan a innovar y crear valor de una manera que fuera prohibitiva, altamente técnica o simplemente imposible antes.

Este curso corto describirá cómo funcionan las LLM, proporcionará las mejores prácticas para la ingeniería rápida y mostrará cómo las API de LLM se pueden usar en aplicaciones para una variedad de tareas, que incluyen:

• Resumen (por ejemplo, resumir las revisiones de los usuarios para la brevedad)
• Inferir (por ejemplo, clasificación de sentimientos, extracción de tema)
• Texto de transformación (por ejemplo, traducción, ortografía y corrección de gramática)
• Expandir (por ejemplo, escribir correos electrónicos automáticamente)

Además, aprenderá dos principios clave para escribir indicaciones efectivas, cómo diseñar sistemáticamente las buenas indicaciones y también aprender a construir un chatbot personalizado.

Todos los conceptos se ilustran con numerosos ejemplos, con los que puede jugar directamente en nuestro entorno de cuaderno Jupyter para obtener experiencia práctica con ingeniería rápida.

Ingeniería rápida: explicado

La ingeniería rápida se refiere a la práctica de diseñar e implementar indicaciones efectivas para modelos de generación de idiomas naturales, como ChatGPT-3 y ChatGPT-4. El objetivo de la ingeniería rápida es generar un texto de alta calidad y coherente que sea relevante para una tarea o aplicación específica.

La ingeniería rápida tiene una amplia gama de casos de uso, que incluyen, entre otros::

• Generación de contenido: ChatGPT se puede utilizar para generar contenido de alta calidad, como artículos, publicaciones de blog y descripciones de productos, que pueden ahorrar tiempo y recursos para empresas y organizaciones.
• Comprensión del lenguaje: el chatGPT se puede utilizar para generar respuestas del lenguaje natural para chatbots, asistentes virtuales y otras aplicaciones basadas en el lenguaje.
• Escritura creativa: ChatGPT se puede utilizar para generar historias cortas, poemas y otras formas de escritura creativa, lo que puede ayudar a los escritores a aprovechar su imaginación y generar nuevas ideas.
• Negocios y finanzas: ChatGPT se puede utilizar para tareas como resumir los informes financieros, crear pronósticos financieros y escribir propuestas comerciales.

Sin embargo, también hay algunas limitaciones para incorporar ingeniería:

• Calidad del texto generado: si bien ChatGPT puede generar texto de alta calidad, la calidad del texto generado por el modelo depende de la calidad de las indicaciones. Es importante diseñar indicaciones efectivas que puedan generar texto de alta calidad.
• Relevancia del texto generado: el texto generado por ChatGPT se basa en la entrada proporcionada por la solicitud. Si el aviso no está bien diseñado, el texto generado puede no ser relevante para la tarea o la aplicación.
• PARCELAS: CHATGPT ha sido capacitado en un gran conjunto de datos de texto de Internet, que puede incluir sesgos. Es importante estar al tanto de estos sesgos y tomar medidas para mitigarlos al diseñar indicaciones.
• Tamaño y costo: ChatGPT es un modelo grande y requiere recursos computacionales significativos, que pueden ser costosos. Es importante considerar el costo y los recursos requeridos al diseñar e implementar indicaciones.

En general, la ingeniería rápida es una herramienta poderosa que puede ayudar a las organizaciones y las personas a generar texto de alta calidad de manera rápida y eficiente. Sin embargo, es importante ser consciente de las limitaciones y las mejores prácticas para diseñar e implementar indicaciones efectivas.

Aprender ingeniería rápida: qué estudiar

Para aprender sobre ingeniería rápida en ChatGPT, hay varias áreas clave que puede estudiar. Aquí hay una lista de temas y recursos que puede usar para profundizar su comprensión de este campo:

1. Comprender los conceptos básicos de ChatGPT-3: antes de sumergirse en ingeniería rápida, es importante comprender los conceptos básicos de ChatGPT-3 y cómo funciona. Puede comenzar leyendo la documentación de OpenAI en ChatGPT-3, que proporciona una visión general de las capacidades y limitaciones del modelo.

2. Diseño de indicaciones efectivas: uno de los aspectos clave de la ingeniería rápida es el diseño de indicaciones efectivas que pueden generar texto de alta calidad. Existen varias mejores prácticas y técnicas que puede usar para diseñar indicaciones efectivas. Puede consultar el patio de juegos GPT-3 de OpenAI para ver ejemplos de indicaciones utilizadas para generar diferentes tipos de texto.

3. Comprensión de los casos de uso: para poder comprender mejor el potencial de GPT-3 y la ingeniería rápida, debe explorar diferentes casos de uso a los que se puede aplicar. El sitio web de Operai tiene una lista de casos de uso que puede explorar.

4. Evaluación de la calidad del texto generado: para asegurarse de que las indicaciones que diseñe genere texto de alta calidad, debe aprender cómo evaluar la calidad del texto generado. Puede consultar el patio GPT-3 de OpenAI para ver ejemplos de evaluaciones de texto generado.

5. Temas avanzados: una vez que comprenda bien los conceptos básicos, puede explorar temas avanzados, como ajustar el modelo, trabajar con datos estructurados y usar GPT-3 en aplicaciones o contextos específicos. El sitio web de Operai tiene una lista de artículos que cubren estos temas avanzados.

Aquí hay algunos recursos que puede usar para estudiar cada uno de estos temas con más profundidad:

• Documentación de Operai en chatgpt-3: https://beta.openai.com/docs/models/gpt-3
• Playground GPT-3 de Openai: https://beta.openai.com/playground/gpt-3
• Casos de uso GPT-3 de Openai: https://openai.com/use-cases/gpt-3-use-cases/
• GPT-3 de OpenAI: https://beta.openai.com/docs/models/gpt-3/fine tuning
• GPT-3 de Openai con datos estructurados: https://beta.openai.com/docs/models/gpt-3/guides/structived-data
• GPT-3 de Openai en aplicaciones o contextos específicos: https://beta.openai.com/docs/models/gpt-3/guides

Herramientas para mejorar las indicaciones

Hay varias herramientas que pueden ayudar a mejorar sus indicaciones de chatgpt:

1. Pre-capitán: puede usar técnicas de pre-entrenamiento para ajustar su modelo en una tarea o dominio específico, como la gestión de proyectos o el desarrollo de software.

2. Aumento de datos: puede usar técnicas como la transentación de retroceso y el reemplazo del sinónimo para generar datos adicionales para capacitar a su modelo.

3. Optimización rápida: Herramientas como Hugging de Toolkit de Atent Face puede ayudarlo a optimizar sus indicaciones al sugerir modificaciones y proporcionar métricas como puntajes de perplejidad y coherencia.

4. AUTO-COMPLETO: Herramientas como el patio de juegos GPT-3 de OpenAI y la escritura de Hugging Face con Transformer pueden proporcionar sugerencias de completación automática en tiempo real para sus indicaciones.

5. Evaluación y monitoreo: Herramientas como Hubging Face's Model Hub le permite evaluar y monitorear el rendimiento de sus indicaciones con el tiempo y hacer que los ajustes sean necesarios.

6. Human in the Loop: aprovechando la retroalimentación humana para mejorar el rendimiento de sus indicaciones de chatgpt.

7. Plantillas: crear un conjunto de plantillas o ejemplos que pueda usar fácilmente y adaptarse a su caso de uso específico.

8. Herramientas de colaboración: aprovechando herramientas como Google Docs y Github para colaborar con otros en sus indicaciones, compartir conocimientos y recibir comentarios.