AI
Prompt Engineering
Kunsten at kommunikere med AI
Overblik
Prompt engineering er praksis med at udforme input til sprogmodeller for at fremkalde nøjagtige, relevante og nyttige output. Effektive prompts udnytter modellens træningsdistribution, strukturerer problemer klart og anvender teknikker som few-shot eksempler, kæde-af-tanke-ræsonnement, rolleindplacering og outputformat-specifikation.
Nøglekoncepter
- Zero-shot prompting: direkte instruktion uden eksempler
- Few-shot prompting: leverer eksempler for at demonstrere det ønskede format
- Kæde-af-tanke: beder modellen om at ræsonnere trin for trin
- Rolle-prompting: tildeler en persona for at forme svarstil
- System/bruger-turstruktur i instruktionstunede modeller
Fakta
- Kæde-af-tanke prompting (Wei et al., 2022) forbedrer markant komplekst ræsonnement
- Frasen "Lad os tænke trin for trin" øger nøjagtighed på matematik-benchmarks
- Prompt injection er en nøgle sikkerhedsrisiko i LLM-drevne applikationer
- Constitutional AI bruger prompts til at træne modeller til at kritisere deres egne output