miniprompt

miniprompt

Minipromptは、LLMSから包括的な出力を生成するための最小限の入力構文です（GPT-4など）。シンプルで効率的な構文を使用すると、Minipromptは、JSON、JavaSrcipt、その他の言語など、さまざまな出力形式で詳細情報または応答を提供できます。

？€と互換性がありますか？ラングチェーン

• 特徴
• はじめる
  • 出力の例
• JavaScriptの例
• 出力を解析します
• システムメッセージ
  • 概要
  • コンポーネント
  • 使用法

特徴

• 複雑なタスクの最小入力
• ニーズに合わせてカスタマイズ可能なテンプレート
• JSONを含む複数の出力形式

はじめる

Minipromptの使用を開始するには、タスク、テンプレート、および目的の出力形式を定義する必要があります。入力構文は、使いやすく理解できるように設計されているため、ユーザーはニーズに合わせた出力を生成できます。インプットの例

次のように、タスク、テンプレート、および出力形式を定義します。

 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

この入力は、指定された要件でJSON出力を生成します。

出力の例

指定された入力に基づいて、次のJSON出力が生成されます。

 {
  "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"
        }
      ]
    } ,
    {
    // …
    } ,
    {
    // …
    }
  ]
}

このプロンプトは、「ログインページ」に焦点を当てたスクラムスプリントのために、それぞれが受け入れられた基準を持つユーザーストーリーのJSON出力を生成するように設計されています。プロンプトの各部分を段階的に分解しましょう。

• TASK ：これにより、実行するタスクが定義されます。この場合、タスクはスクラムスプリントの情報を生成することです。

  • ScrumSprint ：実行するタスクのタイプ（スクラムスプリント）。
  • <=3 userStories ：出力には、最大3つのユーザーストーリーが必要です。
  • <=3 acceptanceCriteria ：各ユーザーストーリーには、最大3つの受け入れ基準が必要です。
  • complexity(1-5) ：各ユーザーストーリーの複雑さは、1（最も複雑ではない）と5（最も複雑な）の間で評価する必要があります。
  • Scope: "Login page" ：スクラムスプリントの範囲は、ログインページの開発です。

• TEMPLATE ：これにより、出力を生成するためのテンプレートが定義されます。テンプレートは次のように構成されています。

  • complexity ：出力にユーザーストーリーの複雑さを含めます。
  • stories ：出力にユーザーストーリーを含めます。各ユーザーストーリーには、次の情報が必要です。
    • complexity ：ユーザーストーリーの複雑さの評価。
    • story"As a User, I want …, so that …" ：ユーザーストーリー自体、「ユーザーとして、 [goal]が欲しいので、 [reason]欲しい」。
    • criteria[When, Then] ：「 [condition] 、 [expected outcome] 」という形式で書かれたユーザーストーリーの受け入れ基準。

• OUTPUT ：これにより、出力の目的の形式が定義されます。この場合、出力はJSON形式である必要があります。

このプロンプトに基づいて、AIは最大3つのユーザーストーリーを含むJSONオブジェクトを生成し、それぞれが最大3つの受け入れ基準と複雑さの評価を備えています。これらのユーザーストーリーの範囲は、ログインページの開発に限定されています。

JavaScriptの例

入力

入力プロンプトは、タスク、テンプレート、および出力形式で構成されています。

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

• TASK ：タスクは、JavaScriptを使用して赤いボックスを追加することです。
• TEMPLATE ：提供されたテンプレートには、赤いボックスの描画に必要なJavaScriptコードの一部が含まれています。
• OUTPUT ：目的の出力形式はJavaScriptです。

出力

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

出力を解析します

特定の状況では、AIに生成された出力には、マークダウンテキストに埋め込まれたコードブロックが含まれている場合があります。出力を適切に処理および解釈するには、マークダウンコンテンツからコードブロックを抽出するように特別に設計されたパーサーを使用することをお勧めします。

以下に示すようなパーサーを使用して、AIに生成された出力からコードブロックを抽出することを検討してください。

 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 ;
}

このJavaScript関数である抽出コードは、正規表現を使用して、入力文字列からコードブロックのコンテンツを一致および抽出します。コードブロックが見つかった場合、関数はコードブロックのコンテンツを返します。コードブロックが検出されない場合、元の入力文字列が返されます。

システムメッセージ

概要

必須ではありませんが、システムメッセージを使用すると、指定されたガイドラインを確実に遵守することにより、AIが生成された応答の一貫性と精度を向上させることができます。

システムメッセージは、AI言語モデルの一連の命令として機能し、提供されたガイドラインと目的の出力形式に沿った応答を生成するためにガイドします。

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

コンポーネント

システムメッセージには、AIが厳密に従うべき3つの主要なコンポーネントがあります。

• TASK ：AIは、プロンプトで指定されているタスクを理解し、完了する必要があります。
• TEMPLATE ：AIは、指定されたテンプレートを使用して応答を構成し、必要な形式と組織を満たすようにします。
• OUTPUT ：AIは、指定された出力形式（JSON、プレーンテキストなど）で生成された応答を提供する必要があります。

使用法

プロンプトでシステムメッセージを使用するには、プロンプトの先頭に次のメッセージを含めるだけです。

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

次に、必要に応じてタスク、テンプレート、出力命令を提供します。 AI言語モデルは、これらの指示に従って、指定されたガイドラインと形式を満たす応答を生成します。例

Openai APIでシステムメッセージを使用してください：

 [
  {
    "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."
  }
]

chatgptでプロンプトでシステムメッセージを使用する：

 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

このプロンプトを使用すると、AI言語モデルは、最大3つのユーザーストーリーを含むJSON出力を生成し、それぞれが最大3つの受け入れ基準と複雑さの評価を生成します。これらのユーザーストーリーの範囲は、ログインページの開発に限定されています。