miniprompt

Miniprompt

MiniPrompt adalah sintaks input minimal untuk menghasilkan output komprehensif dari LLMS (misalnya GPT-4). Dengan sintaks yang sederhana dan efisien, miniprompt dapat memberikan informasi atau tanggapan terperinci dalam berbagai format output, seperti JSON, Javasrcipt atau bahasa lain.

Kompatibel dengan? ️? Langchain

• Fitur
• Memulai
  • Output contoh
• Contoh JavaScript
• Parsing output
• Pesan Sistem
  • Ringkasan
  • Komponen
  • Penggunaan

Fitur

• Input minimal untuk tugas -tugas kompleks
• Template yang dapat disesuaikan sesuai dengan kebutuhan Anda
• Beberapa format output, termasuk JSON

Memulai

Untuk mulai menggunakan miniprompt, Anda perlu menentukan tugas, templat, dan format output yang diinginkan. Sintaks input dirancang agar mudah digunakan dan dipahami, memungkinkan pengguna untuk menghasilkan output yang disesuaikan dengan kebutuhan mereka. Input contoh

Tentukan format tugas, templat, dan output sebagai berikut:

 TASK: ScrumSprint,<=3 userStories,<=3 acceptanceCriteria,complexity(1-5),Scope: "Login page"
TEMPLATE: complexity,stories[complexity,story"As a User,I want …,so that …",criteria[When,Then]]
OUTPUT: JSON

Input ini akan menghasilkan output JSON dengan persyaratan yang ditentukan.

Output contoh

Berdasarkan input yang diberikan, output JSON berikut dihasilkan:

 {
  "complexity" : 3 ,
  "stories" : [
    {
      "complexity" : 3 ,
      "story" : "As a User, I want to create an account, so that I can access the login page." ,
      "criteria" : [
        {
          "When" : "I enter a valid email address and password" ,
          "Then" : "I should be redirected to the login page"
        } ,
        {
          "When" : "I enter an invalid email address or password" ,
          "Then" : "I should see an error message"
        } ,
        {
          "When" : "I try to create an account with an existing email address" ,
          "Then" : "I should see an error message"
        }
      ]
    } ,
    {
    // …
    } ,
    {
    // …
    }
  ]
}

Prompt ini dirancang untuk menghasilkan output JSON dari cerita pengguna, masing -masing dengan kriteria penerimaannya, untuk sprint scrum yang berfokus pada "halaman login". Mari kita uraikan setiap bagian dari langkah demi langkah:

• TASK : Ini mendefinisikan tugas yang harus dilakukan. Dalam hal ini, tugas tersebut menghasilkan informasi untuk sprint scrum.

  • ScrumSprint : Jenis tugas yang harus dilakukan (sprint scrum).
  • <=3 userStories : Output harus memiliki maksimal 3 cerita pengguna.
  • <=3 acceptanceCriteria : Setiap kisah pengguna harus memiliki maksimum 3 kriteria penerimaan.
  • complexity(1-5) : Kompleksitas setiap kisah pengguna harus dinilai antara 1 (paling tidak kompleks) dan 5 (paling kompleks).
  • Scope: "Login page" : Lingkup sprint scrum adalah pengembangan halaman login.

• TEMPLATE : Ini mendefinisikan templat untuk menghasilkan output. Templat disusun sebagai berikut:

  • complexity : Sertakan kompleksitas kisah pengguna dalam output.
  • stories : Sertakan cerita pengguna dalam output. Setiap kisah pengguna harus memiliki informasi berikut:
    • complexity : Peringkat kompleksitas kisah pengguna.
    • story"As a User, I want …, so that …" : Kisah pengguna itu sendiri, ditulis dalam format "sebagai pengguna, saya ingin [goal] , sehingga [reason] ".
    • criteria[When, Then] : Kriteria penerimaan untuk kisah pengguna, ditulis dalam format "ketika [condition] , lalu [expected outcome] ".

• OUTPUT : Ini mendefinisikan format output yang diinginkan. Dalam hal ini, output harus dalam format JSON.

Berdasarkan prompt ini, AI akan menghasilkan objek JSON yang berisi hingga 3 cerita pengguna, masing -masing dengan hingga 3 kriteria penerimaan, dan peringkat kompleksitasnya. Ruang lingkup kisah -kisah pengguna ini terbatas pada pengembangan halaman login.

Contoh JavaScript

masukan

Prompt input terdiri dari format tugas, templat, dan output:

 TASK: add a red box
TEMPLATE: const c=document.getElementById('c')
OUTPUT: JavaScript

• TASK : Tugasnya adalah menambahkan kotak merah menggunakan JavaScript.
• TEMPLATE : Template yang disediakan mencakup bagian dari kode JavaScript yang diperlukan untuk menggambar kotak merah:
• OUTPUT : Format output yang diinginkan adalah JavaScript.

Keluaran

 const c = document . getElementById ( 'c' ) ;
const ctx = c . getContext ( '2d' ) ;
ctx . fillStyle = 'red' ;
ctx . fillRect ( 20 , 20 , 100 , 100 ) ; 

Parsing output

Dalam situasi tertentu, output yang dihasilkan AI dapat berisi blok kode yang tertanam dalam teks Markdown. Untuk menangani dan menafsirkan output dengan benar, disarankan untuk menggunakan parser yang dirancang khusus untuk mengekstrak blok kode dari konten penurunan harga.

Pertimbangkan untuk menggunakan parser seperti yang ditunjukkan di bawah ini untuk mengekstrak blok kode dari output yang dihasilkan AI:

 function extractCode ( string : string ) {
// The regular expression pattern to match the code block
const codeBlockPattern = / (`{3,})(w*)n([sS]*?)1 / g ;

	// Find the matches using the regular expression
	const matches = codeBlockPattern . exec ( string ) ;

	if ( matches && matches . length >= 4 ) {
		// Return content of the code block
		return matches [ 3 ] ;
	}

	// No code block found, return original string
	return string ;
}

Fungsi JavaScript ini, ExtractCode, menggunakan ekspresi reguler untuk mencocokkan dan mengekstrak konten blok kode dari string input. Jika blok kode ditemukan, fungsi mengembalikan konten blok kode. Jika tidak ada blok kode yang terdeteksi, string input asli dikembalikan.

Pesan Sistem

Ringkasan

Meskipun tidak wajib, menggunakan pesan sistem dapat meningkatkan konsistensi dan akurasi respons yang dihasilkan AI dengan memastikan mereka mematuhi pedoman yang ditentukan.

Pesan sistem berfungsi sebagai serangkaian instruksi untuk model bahasa AI, membimbingnya untuk menghasilkan tanggapan yang selaras dengan pedoman yang disediakan dan format output yang diinginkan.

 You are an Entity that strictly answers with the OUTPUT format. You strictly follows the TASK, TEMPLATE and OUTPUT guidelines.

Komponen

Pesan sistem memiliki tiga komponen utama yang harus diikuti oleh AI:

• TASK : AI harus memahami dan menyelesaikan tugas sebagaimana ditentukan dalam prompt.
• TEMPLATE : AI harus menggunakan templat yang diberikan untuk menyusun responsnya, memastikannya memenuhi format dan organisasi yang diperlukan.
• OUTPUT : AI harus memberikan respons yang dihasilkan dalam format output yang ditentukan (misalnya, JSON, teks biasa, dll.).

Penggunaan

Untuk menggunakan pesan sistem di prompt Anda, cukup sertakan pesan berikut di awal prompt Anda:

 You are an Entity that strictly answers with the OUTPUT format. You strictly follow the TASK, TEMPLATE and OUTPUT guidelines.

Kemudian, berikan instruksi tugas, templat, dan output sesuai kebutuhan. Model bahasa AI akan mengikuti instruksi ini untuk menghasilkan respons yang memenuhi pedoman dan format yang ditentukan. Contoh

Menggunakan pesan sistem di API OpenAI:

 [
  {
    "role": "system",
    "content": "You are an Entity that strictly answers with the OUTPUT format. You strictly follow the TASK, TEMPLATE and OUTPUT guidelines."
  },
  {
    "role": "user",
    "content": "TASK: ScrumSprint,<=3 userStories,<=3 acceptanceCriteria,complexity(1-5),Scope: "Login page"nTEMPLATE: complexity,stories[complexity,story"As a User,I want …,so that …",criteria[When,Then]]nOUTPUT: JSON."
  }
]

Menggunakan pesan sistem dalam prompt di chatgpt:

 You are an Entity that strictly answers with the OUTPUT format. You strictly follow the TASK, TEMPLATE and OUTPUT guidelines.

TASK: ScrumSprint,<=3 userStories,<=3 acceptanceCriteria,complexity(1-5),Scope: "Login page"
TEMPLATE: complexity,stories[complexity,story"As a User,I want …,so that …",criteria[When,Then]]
OUTPUT: JSON

Dengan prompt ini, model bahasa AI akan menghasilkan output JSON yang berisi hingga 3 cerita pengguna, masing -masing dengan hingga 3 kriteria penerimaan, dan peringkat kompleksitasnya. Ruang lingkup kisah -kisah pengguna ini terbatas pada pengembangan halaman login.