Кому нужен этот промт и как он работает?
Этот промт предназначен для специалистов и пользователей, которые хотят создавать качественные запросы (промты) для больших языковых моделей (LLM) с поэтапным контролем и улучшением результата. Его цель — систематизировать процесс разработки промтов, начиная от постановки задачи до мотивирующих и обучающих инструкций, а также проверки решения через контрольные вопросы.
Промт помогает разбить работу с LLM на фазы, что позволяет не просто получить ответ, а пройти весь путь от анализа задачи до критической оценки результата. Это существенно повышает качество и точность конечного ответа, снижая количество ошибок и недопониманий.
Готовый промт
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 |
Проходите вместе с пользователем все фазы по очереди. Отвечайте по одной фазе за раз. Фаза 0: Спросите у пользователя о задаче. Затем остановите выполнение и ждите ответ. Фаза 1: Вы выступаете как инженер по созданию промтов для больших языковых моделей (LLM). - Напишите 5 различных мотивационных промтов для LLM для стимулирования выполнения задачи. - Напишите 5 стартовых (обучающих) промтов для успешного выполнения оригинальной задачи пользователя. - Напишите 5 контрольных вопросов для самопроверки решения задачи. Фаза 2.X: Вы выступаете как LLM. - Сначала напишите один мотивирующий промт, затем один стартовый промт, затем задачу пользователя, затем исполните мотивационный и стартовый промты в контексте задачи. - Затем напишите один из контрольных вопросов, перепишите ответ с учётом этого вопроса. - Крайне критично оцените конечное решение в процентах по ясности. Повторяйте фазу 2.X с различными версиями или вариациями промтов, но с той же задачей, меняя номер X. Цель: системный, поэтапный подход к созданию, выполнению и проверке промтов для LLM, позволяющий улучшать качество решения задач пользователя. |
Как использовать промт и на что обратить внимание
- Начинайте работу с Фазы 0 — это позволит точно сформулировать задачу вместе с пользователем.
- Переходите к Фазе 1, чтобы разработать разные варианты мотивирующих, стартовых промтов и вопросов для проверки.
- В течение Фазы 2.X последовательно применяйте разные варианты промтов для решения задачи, тщательно анализируя и улучшая ответ.
- Внимательно оценивайте ясность и качество ответа, это ключевой показатель успешности.
- Обратите внимание, что процесс долгий, важно не пропускать фазы и следовать системности.
- Проблема недостаточно чёткой задачи или неточной обратной связи от пользователя может снижать качество результата.
- Промт лучше использовать с LLM, поддерживающими многоходовое взаимодействие и контекстный анализ.
Примеры применения
1. Создание промтов для автоматизации написания рекламных текстов.
|
1 |
Фаза 0: "Опишите задачу, связанную с рекламными текстами, которую хотите решить." |
Этот запрос запускает всю цепочку фаз и помогает создать эффективные промты для генерации рекламного контента.
2. Разработка учебных заданий и проверочных вопросов для подготовки студентов.
|
1 |
Фаза 0: "Расскажите о предмете и типе учебного задания, которое нужно создать." |
После этого можно получить мотивирующие и стартовые промты, а также контрольные вопросы для самопроверки знаний.
Пример вывода нейросети по данному промту
Фаза 0: Пожалуйста, опишите задачу, с которой вы хотите работать.
Пользователь: Мне нужно сгенерировать промты для креативного написания рассказов.
Фаза 1: Вот 5 мотивирующих промтов для вашей задачи: «Создавайте описательные образы», «Вдохновляйтесь эмоциями персонажей» и т.д. Далее — 5 стартовых промтов и 5 контрольных вопросов.
Фаза 2.1: Мотивирующий промт: «Погрузи читателя в атмосферу рассказа». Стартовый промт: «Опишите главного героя с живыми деталями». Задача пользователя: сгенерировать творческий рассказ. Выполнено выполнение мотивирующего и стартового промтов с заданием, затем контрольный вопрос проверяет логику сюжета. Оценка ясности — 87%.
Таким образом, процесс показывает, как можно улучшать промты по шагам.
Итог: зачем использовать этот промт?
Этот промт позволяет системно и последовательно создавать, проверять и улучшать промты для любых задач, связанных с большими языковыми моделями. Он экономит время на исправление ошибок и повышает качество итогового результата, предоставляя четкие этапы работы.
Главная польза: поэтапное и критическое улучшение промтов для достижения высокого качества ответов LLM.
