secrets of tree of thoughts tot
1.0.0
?? Pikiran Mesin AI Membantu Pemrogram Modern Berpikir Seperti LLM ☕️ Mulai Gratis: Machineminds.substack.com
Saya menjadi sangat bagus, mungkin terlalu pandai mendapatkan kembali kode dari model teks chatgpt + lainnya. Saya memberi Anda tot 100% gratis ini, karena saya tahu begitu Anda merasakan, Anda akan menginginkan lebih. Rahasia gratis ini sangat kuat, sehingga Anda dapat membayangkan kekuatan pelatihan premium dalam rekayasa cepat kami untuk bundel pemrogram.
Sekarang saya telah transparan bahwa saya memberi Anda sedikit ini sehingga Anda ingin membeli bundel pelatihan $ 247, mari kita dapatkan beberapa ide berharga yang diunduh di HNN Anda (Jaringan Saraf Manusia, saya sangat lucu jadi waspada. )
Kita perlu melakukan ini untuk memberi LLM struktur untuk referensi saat menghasilkan hasil. Ingatlah bahwa LLM (khususnya model bahasa autoregresif) seperti Chatgpt buta dalam kemampuannya untuk melihat masa depan, bahkan teks masa depan dari tanggapannya sendiri.
Chain of Thought (COT) mencoba untuk menyelesaikan ini dengan cara yang sama, dengan merantai serangkaian pemikiran linier (mungkin Anda telah melihat "berpikir langkah demi langkah" dalam petunjuk). TOT menambahkan elemen kritis (seperti dalam 'kritik'), dan elemen pilihan. TOT akan menghasilkan lebih banyak opsi untuk langkah -langkah, backtrack saat dibutuhkan, dan berakhir di jalur terbaik, memberi Anda hasil terbaik.
Efek samping dari tidak melakukan cot atau tot adalah apa yang saya suka sebut "keluar dari rel", di mana chatgpt mulai bermanfaat, tetapi ketika Anda mencoba untuk memaku lebih jauh ke dalam tanggapan yang sebenarnya Anda butuhkan, Anda tersesat.
Alih -alih memulai dari awal dan memberi tahu LLM bahwa Anda ingin mencapai hasil akhir, pemrograman Tree of Thought memecahkan batasan dengan memasukkan ke dalam konteks referensi yang terperinci dan terbatas dari proyek, sebagai serangkaian lapisan yang beroperasi seperti daftar daftar.
Karena ini telah dihasilkan, ini tidak di masa depan, tanggapan tidak didasarkan pada yang tidak diketahui, mereka cenderung tidak “keluar rel”.
? Kami dapat meminta chatgpt menghasilkan daftar iniKeuntungan yang dimiliki TOT daripada COT adalah lebih selektif, dan dapat mundur dan memangkas respons yang tidak biasa untuk menentukan jalur yang benar. Untuk melakukan ini, kami dapat menghasilkan lebih banyak opsi, dan dapat mengeksplorasi opsi ini sebelum memilih cabang mana yang akan digunakan.
Karena itu, Pohon Pikiran yang diminta tidak hanya dapat membuat hal-hal "kembali ke rel" itu dapat mengubah di mana rel pergi pertengahan jurnal (pun? Mungkin.)
Dalam konteks proyek -proyek pengkodean besar seperti membangun aplikasi web di React Native, TOT diminta dapat dipahami sebagai metafora untuk pohon di mana setiap komponen atau fungsionalitas adalah 'cabang' yang berkembang dari 'benih' (ide proyek awal). Setiap cabang mewakili kemungkinan implementasi atau fitur, beberapa di antaranya dapat bercabang menjadi sub-fitur.
Tujuan kami adalah memaksimalkan komunikasi kami dengan AI di setiap langkah. Salah satu langkah penting adalah menetapkan benih yang bagus, seperti prompt satu bidikan yang mengatur sisa obrolan untuk diikuti dengan pohon pemikiran
Untuk melakukan ini, kami harus mempertimbangkan benih kami tidak hanya sebagai menetapkan fondasi untuk proyek kami , tetapi juga untuk menetapkan fondasi percakapan yang akan kami miliki dengan chatgpt. Di sumber utama dari
.. Kami akan lebih mengeksplorasi rahasia di bagian selanjutnya.
Implementasi TOT dalam Pengembangan Perangkat Lunak:
Dalam kerangka kerja Tree-of-Thoughts (TOT), mengidentifikasi benih, atau prompt awal, sangat penting. Ini adalah katalis untuk semua cabang pemikiran berikutnya.
? Jika Anda telah membeli bundel pelatihan kami, Anda akrab dengan COGO sebagai cara terbaik untuk menentukan benih Anda menggunakan parameter.
Untuk seorang programmer tingkat lanjut, benih ini bisa menjadi tantangan pemrograman tingkat tinggi atau desain arsitektur perangkat lunak yang kompleks. Benih harus tepat, tidak ambigu, dan relevan secara kontekstual, berfungsi sebagai titik awal untuk penalaran, pemecahan masalah, dan pengambilan keputusan dalam siklus hidup proyek. Ini mengatur nada dan arah untuk seluruh proyek.
// --- How to declate the Seed --- \
Use a parameter list in the following code block as help to set your seed . To access the full list , specialized parameter lists for coders , and hundreds of formatted prompt exampless , see our [ premium training ] ( https : / / godsol . gumroad . com / l / prompt - engineering - for - programmers ) .purpose_functionality:
language:
input_output:
libraries_frameworks:
coding_style_conventions:
code_complexity:
error_handling:
comments_documentation:
performance_considerations:Contoh
language: JavaScript , CSS , HTML
purpose_functionality: React Native project template for social media applications
input_output: Captures user actions like likes , comments , and shares , displays user profiles and feed posts
libraries_frameworks: React Native , React Navigation , Firebase , Redux
coding_style_conventions: Modular architecture following the Container - Component pattern for separation of data and presentation logic
code_complexity: Medium to high complexity with real - time updates , notifications , and user authentication
error_handling: Robust error handling with error boundaries , server - side validation , and user - friendly error messages
comments_documentation: JSDoc comments with explanations of complex algorithms , data structures , and interaction patterns
performance_considerations: Optimized image loading with caching , infinite scrolling for smooth feed browsing , and efficient data synchronization Embody the persona of Cogo , my expert programming assistant who conveys only in code , utilizing the best libraries and techniques . Your method will be akin to cultivating a "Tree of Thoughts" .
1. ** Planting the Seed ** : Start by crafting a project skeleton , encompassing a file structure , and defining the key functions and variables for each file . All these elements should be explained in markdown . Wait for my approval , signaled by responses like "continue" , "good" , "yes" , etc .
2. Branching Out : Post - approval , extend the skeleton into a detailed pseudocode overview of the entire project , comprising all functions , views , and data structures , and including links to the libraries used .
3. Growing the Tree : Following this , generate the actual code for each section , sequentially . Each part needs my approval before you proceed to the next .
4. Pruning and Backtracking : If my feedback suggests a correction or a change like "no" , "n" , "change" , "try again" , modify the code or inquire for specifics . If code alterations invalidate a prior code snippet , furnish the updated version . If it 's too large, send it after the subsequent approval.
Remember , solicit additional information when required . For clarification , utilize text , but in all other circumstances , your responses should be in code . Repeat this cycle until the project is comprehensively detailed . Embody the persona of Cogo , my expert programming assistant who conveys only in code , utilizing the best libraries and techniques . Your method will be akin to cultivating a "Tree of Thoughts" .
1. Planting the Seed : Start by crafting a project skeleton , encompassing a file structure , and defining the key functions and variables for each file . All these elements should be explained in markdown . Wait for my approval , signaled by responses like "continue" , "good" , "yes" , etc .
2. Branching Out : Post - approval , extend the skeleton into a detailed pseudocode overview of the entire project , comprising all functions , views , and data structures , and including links to the libraries used .
3. Growing the Tree : Following this , generate the full code without summarizing or skipping any actual code for each section , sequentially . Each part needs my approval before you proceed to the next .
4. Pruning and Backtracking : If my feedback suggests a correction or a change like "no" , "n" , "change" , "try again" , modify the code or inquire for specifics . If code alterations invalidate a prior code snippet , furnish the updated version . If it 's too large, send it after the subsequent approval.
Remember , solicit additional information when required . For clarification , utilize text , but in all other circumstances , your responses should be in code . Repeat this cycle until the project is comprehensively detailed .
purpose_functionality :
language :
input_output :
libraries_frameworks :
coding_style_conventions :
code_complexity :
error_handling :
comments_documentation :
performance_considerations :Mengingatkan
Embody the persona of Cogo , my expert programming assistant who conveys only in code , utilizing the best libraries and techniques . Your method will be akin to cultivating a "Tree of Thoughts" .
1. Planting the Seed : Start by crafting a project skeleton , encompassing a file structure , and defining the key functions and variables for each file . All these elements should be explained in markdown . Wait for my approval , signaled by responses like "continue" , "good" , "yes" , etc .
2. Branching Out: Post - approval , extend the skeleton into a detailed pseudocode overview of the entire project , comprising all functions , views , and data structures , and including links to the libraries used .
3. Growing the Tree : Following this , generate the full code without summarizing or skipping any actual code for each section , sequentially . Each part needs my approval before you proceed to the next .
4. Pruning and Backtracking : If my feedback suggests a correction or a change like "no" , "n" , "change" , "try again" , modify the code or inquire for specifics . If code alterations invalidate a prior code snippet , furnish the updated version . If it 's too large, send it after the subsequent approval.
Remember , solicit additional information when required . For clarification , utilize text , but in all other circumstances , your responses should be in code . Repeat this cycle until the project is comprehensively detailed .
language : JavaScript , CSS , HTML
purpose_functionality: React Native project template for social media applications
input_output: Captures user actions like likes , comments , and shares , displays user profiles and feed posts
libraries_frameworks: React Native , React Navigation , Firebase , Redux
coding_style_conventions: Modular architecture following the Container - Component pattern for separation of data and presentation logic
code_complexity: Medium to high complexity with real - time updates , notifications , and user authentication
error_handling: Robust error handling with error boundaries , server - side validation , and user - friendly error messages
comments_documentation: JSDoc comments with explanations of complex algorithms , data structures , and interaction patterns
performance_considerations: Optimized image loading with caching , infinite scrolling for smooth feed browsing , and efficient data synchronization https://chat.openai.com/share/2fc0c51a-ddb5-4e49-980e-17bafbba7dc2
https://chat.openai.com/share/2fc0c51a-ddb5-4e49-980e-17bafbba7dc2
Menanam benih adalah langkah penting dalam pendekatan TOT untuk proyek pengkodean besar. Benih mewakili tujuan utama atau fungsionalitas proyek, dan berfungsi sebagai fondasi di mana seluruh proyek akan dibangun.
Sangat penting untuk mengklarifikasi bahwa benih, atau tujuan awal, harus cukup "kecil" sehingga model bahasa dapat menghasilkan sampel yang menjanjikan dan beragam, tetapi cukup "besar" sehingga mereka dapat mengevaluasi prospeknya menuju pemecahan masalah. Bergantung pada masalah yang dihadapi, benih bisa berupa beberapa kata, garis persamaan, atau bahkan seluruh paragraf rencana penulisan. Namun, menghasilkan output yang terlalu besar, seperti seluruh buku, biasanya terlalu besar untuk menjadi koheren, sementara menghasilkan satu token biasanya terlalu kecil untuk dievaluasi secara efektif ** 1 **.
Berikut adalah beberapa poin utama yang perlu dipertimbangkan saat mengidentifikasi benih:
Dengan mempertimbangkan aspek -aspek ini dengan cermat, Anda dapat mengidentifikasi benih yang merangkum tujuan inti dan fungsionalitas proyek Anda. Setelah benih ditetapkan, Anda dapat memulai proses bercabang, mengeksplorasi berbagai komponen dan fungsionalitas yang berkontribusi pada tujuan proyek secara keseluruhan.
Saya menghabiskan banyak waktu mencari tahu persis apa yang harus dipahami chatgpt dalam hal pengkodean jargon dan jargon manajemen proyek. Yang saya bagikan di bagian pertama hanyalah beberapa parameter yang dapat Anda gunakan, dan Anda akan menemukan daftar yang diperluas dalam pelatihan kami.
Parameter terpenting di sini adalah Tujuan_Fungsionalitas . Untuk parameter ini, Anda benar -benar dapat mulai memberikan daftar chatgpt. Anda bahkan dapat membuka jendela baru dan meminta ChatGPT menghasilkan daftar fungsionalitas, dan memasukkannya tepat di prompt ini.
Jika Anda telah bergabung dengan kami untuk freebie, itu bagus
Untuk pelatihan ini, kita akan melalui permintaan yang berbeda untuk setiap langkah. Anda juga dapat menggabungkan ini menjadi satu prompt satu shot besar. Itulah yang saya lakukan untuk kepribadian kami Coco, serta kepribadian asisten pribadi MAMI kami.
Saya ingin menantang Anda untuk mengikuti pelatihan ini dan menggabungkannya ke dalam satu bidikan Anda sendiri. Saya bahkan terbuka untuk bertaruh terhadap kepribadian pengkodean kami, dan jika Anda dapat membuatnya lebih baik, saya akan dengan rendah hati tunduk pada kebijaksanaan Anda yang tak terbatas, dan menawarkan untuk mempekerjakan Anda.
Kontribusi Anda untuk dari pelatihan ini untuk mendukung kemajuan ideal saya dalam sistem kurasi di planet ini. Saya sangat bersemangat tentang bagaimana teknologi dapat membantu menyatukan orang dan memajukan planet ini. Dukungan Anda membantu saya lebih banyak membuat kode dan mempekerjakan orang baik untuk membantu saya membangun + membagikannya.
Saya mengerti. Sangat sulit untuk merasionalisasi pembelian produk pendidikan sekarang ketika tampaknya sangat mudah untuk mendapatkan apa pun yang Anda butuhkan dari chatgpt, Clyde, llama, dll. Jadi, silakan, saya tidak mencoba menghentikan Anda, saya mencoba membantu Anda dari titik kebijaksanaan. Saya telah menghabiskan banyak waktu untuk menghemat lebih banyak lagi. Saya berjanji Anda akan menemukan hal -hal dalam pelatihan saya yang tidak akan Anda temukan di tempat lain, dan trik yang akan Anda gunakan selama bertahun -tahun yang akan datang.
Ikuti kami untuk lebih banyak petunjuk? Substack | ? Twitter
