chatgpt prompting guide

Guia e estrutura para criar prompts de chatgpt

Este repo foi desenvolvido por @christerjohansson seguir ou se conectar comigo no meu LinkedIn

Engenharia imediata para desenvolvedores

Notebooks de código Jupyter para engenharia imediata para desenvolvedores

Na engenharia imediata dos desenvolvedores, você aprenderá a usar um Modelo de Linguagem Grande (LLM) para criar rapidamente aplicativos novos e poderosos. Usando a API OpenAI, você poderá criar recursos rapidamente que aprendam a inovar e criar valor de maneiras que eram proibitivas de custo, altamente técnicas ou simplesmente impossíveis antes.

Este curso de curta duração descreverá como os LLMs funcionam, fornecerão práticas recomendadas para engenharia imediata e mostrará como as APIs do LLM podem ser usadas em aplicativos para uma variedade de tarefas, incluindo:

• Resumindo (por exemplo, resumindo as avaliações de usuários para a brevidade)
• Inferir (por exemplo, classificação de sentimentos, extração de tópicos)
• TEXTO DE TRABALHANDO (por exemplo, tradução, ortografia e correção gramatical)
• Expandir (por exemplo, escrever e -mails automaticamente)

Além disso, você aprenderá dois princípios -chave para escrever instruções eficazes, como projetar sistematicamente bons avisos e também aprender a criar um chatbot personalizado.

Todos os conceitos são ilustrados com vários exemplos, com os quais você pode brincar diretamente em nosso ambiente de notebook Jupyter para obter experiência prática com engenharia imediata.

Engenharia rápida: explicado

A engenharia rápida refere-se à prática de projetar e implementar instruções eficazes para modelos de geração de idiomas naturais, como ChatGPT-3 e ChatGPT-4. O objetivo da engenharia imediata é gerar texto de alta qualidade e coerente relevante para uma tarefa ou aplicação específica.

A engenharia rápida tem uma ampla gama de casos de uso, incluindo, entre outros,:

• Geração de conteúdo: o ChatGPT pode ser usado para gerar conteúdo de alta qualidade, como artigos, postagens de blog e descrições de produtos, que podem economizar tempo e recursos para empresas e organizações.
• Entendimento do idioma: O CHATGPT pode ser usado para gerar respostas de linguagem natural para chatbots, assistentes virtuais e outros aplicativos baseados em idiomas.
• Escrita criativa: o chatgpt pode ser usado para gerar histórias curtas, poemas e outras formas de escrita criativa, que podem ajudar os escritores a explorar sua imaginação e gerar novas idéias.
• Negócios e finanças: o ChatGPT pode ser usado para tarefas como resumir relatórios financeiros, criar previsões financeiras e escrever propostas de negócios.

No entanto, também existem algumas limitações para provar a engenharia:

• Qualidade do texto gerado: Embora o ChatGPT possa gerar texto de alta qualidade, a qualidade do texto gerada pelo modelo depende da qualidade dos avisos. É importante projetar instruções eficazes que possam gerar texto de alta qualidade.
• Relevância do texto gerado: o texto gerado pelo ChatGPT é baseado na entrada fornecida pelo prompt. Se o prompt não estiver bem projetado, o texto gerado poderá não ser relevante para a tarefa ou aplicativo.
• Viés: o ChatGPT foi treinado em um grande conjunto de dados de texto da Internet, que pode incluir vieses. É importante estar ciente desses vieses e tomar medidas para atenuá -los ao projetar instruções.
• Tamanho e custo: o ChatGPT é um modelo grande e requer recursos computacionais significativos, que podem ser caros. É importante considerar o custo e os recursos necessários ao projetar e implementar instruções.

No geral, a engenharia rápida é uma ferramenta poderosa que pode ajudar organizações e indivíduos a gerar texto de alta qualidade de maneira rápida e eficiente. No entanto, é importante estar ciente das limitações e práticas recomendadas para projetar e implementar instruções eficazes.

Aprender engenharia imediata: o que estudar

Para aprender sobre a engenharia imediata no ChatGPT, existem várias áreas -chave que você pode querer estudar. Aqui está uma lista de tópicos e recursos que você pode usar para aprofundar sua compreensão deste campo:

1. Compreendendo o básico do ChatGPT-3: Antes de mergulhar em engenharia imediata, é importante entender o básico do ChatGPT-3 e como ele funciona. Você pode começar lendo a documentação do OpenAI no ChatGPT-3, que fornece uma visão geral dos recursos e limitações do modelo.

2. Projetando instruções eficazes: Um dos principais aspectos da engenharia imediata é projetar instruções eficazes que podem gerar texto de alta qualidade. Existem várias práticas e técnicas recomendadas que você pode usar para projetar instruções eficazes. Você pode consultar o playground GPT-3 do OpenAI para exemplos de avisos usados ​​para gerar diferentes tipos de texto.

3. Compreendendo os casos de uso: Para poder entender melhor o potencial do GPT-3 e a engenharia rápida, você precisa explorar diferentes casos de uso a que ele pode ser aplicado. O site do OpenAI possui uma lista de casos de uso que você pode explorar.

4. Avaliando a qualidade do texto gerado: para garantir que os avisos que você projete estejam gerando texto de alta qualidade, você precisa aprender a avaliar a qualidade do texto gerado. Você pode consultar o playground GPT-3 do OpenAI para ver exemplos de avaliações de texto gerado.

5. Tópicos avançados: depois de entender o básico, você pode explorar tópicos avançados, como ajustar o modelo, trabalhar com dados estruturados e usar o GPT-3 em aplicativos ou contextos específicos. O site do Openai possui uma lista de artigos que cobrem esses tópicos avançados.

Aqui estão alguns recursos que você pode usar para estudar cada um desses tópicos em mais profundidade:

• Documentação do OpenAI no ChatGPT-3: https://beta.openai.com/docs/models/gpt-3
• Playground GPT-3 do OpenAI: https://beta.openai.com/playground/gpt-3
• Casos de uso do GPT-3 do OpenAI: https://openai.com/use-cases/gpt-3-use-cases/
• Tuneamento fino GPT-3 do OpenAI: https://beta.openai.com/docs/models/gpt-3/fine-tuning
• GPT-3 do OpenAI com dados estruturados: https://beta.openai.com/docs/models/gpt-3/guides/structured-data
• O GPT-3 do OpenAI em aplicações ou contextos específicos: https://beta.openai.com/docs/models/gpt-3/guides

Ferramentas para melhorar os avisos

Existem várias ferramentas que podem ajudar a melhorar seus avisos de chatgpt:

1. Pré-treinamento: você pode usar técnicas de pré-treinamento para ajustar seu modelo em uma tarefa ou domínio específico, como gerenciamento de projetos ou desenvolvimento de software.

2. Aumento dos dados: Você pode usar técnicas como retro-translação e substituição de sinônimo para gerar dados adicionais para treinar seu modelo.

3. Otimização imediata: ferramentas como abraçar o pront-toolkit do rosto podem ajudá-lo a otimizar seus avisos sugerindo modificações e fornecendo métricas como pontuações de perplexidade e coerência.

4. Concluir automaticamente: ferramentas como o Playground GPT-3 do OpenAI e a gravação do rosto de abraçar com o transformador podem fornecer sugestões de conclusão automática em tempo real para seus avisos.

5. Avaliando e monitoramento: ferramentas como abraçar o hub de modelo do rosto permitem avaliar e monitorar o desempenho de seus avisos ao longo do tempo e faça ajustes conforme necessário.

6. Humano In The Loop: alavancando o feedback humano para melhorar o desempenho de seus avisos de chatgpt.

7. Modelos: Criando um conjunto de modelos ou exemplos que você pode usar e adaptar facilmente ao seu caso de uso específico.

8. Ferramentas de colaboração: alavancando ferramentas como o Google Docs e o Github para colaborar com outras pessoas em seus avisos, compartilhar conhecimento e obter feedback.