Чому я все ще не можу добре писати підказки після використання такої кількості шаблонів підказок і навіть використання допомоги штучного інтелекту? Минулого разу я поділився підказкою, яка імітувала промову Лей Цзюня, яка була широко оцінена, але деякі користувачі мережі хотіли знати, як я написав таку підказку. Краще вчити людей ловити рибу, ніж вчити їх ловити рибу, або продовжувати ділитися методикою написання хороших підказок. Контекстний інжиніринг зараз популярний, і мало хто згадує про оперативний інжиніринг, і навіть багато хто думає, що оперативний інжиніринг більше не потрібен: > «Модель вже така потужна, і яке швидке слово інженерія потрібне, я можу знати, що я маю на увазі під великою моделлю, і виконати її дуже добре». Це вірно лише частково, модель стає все сильнішою і сильнішою, звичайні вимоги потребують лише простих підказок, але складні вимоги все одно потрібно добре прописати за допомогою інженерії prompt word. Так що ж таке оперативна інженерія слів? ** > Prompt engineering – це процес систематичного проектування, тестування та оптимізації слів-підказок - Baoyu Слова-підказки, поширені в Інтернеті або різні шаблони підказок, це не проект prompt word, це prompt word, він статичний, і процес генерації цих слів-підказок називається проектом prompt word. Ось кілька прикладів підказок, які я написав нещодавно. Перший приклад – це те, як я написав підказку до виступу Лей Цзюня. Перш ніж дивитися вниз, ви могли б зупинитися і подумати про те, як писати, якщо ви хочете писати? Ось як я це зробив: Спочатку використовуйте Deep Research, щоб зібрати промову Лей Цзюня, а потім дозвольте штучному інтелекту згенерувати підказку, яка імітує промову Лей Цзюня на основі результатів мовлення на основі штучного інтелекту. (Малюнок 1) Після того, як штучний інтелект згенерував підказку, я протестував її, і хоча він також згенерував промову, схожу на стиль Лей Цзюня, контент був м'яким, а результат не дуже ідеальним. (Малюнок 2) Я тестував ChatGPT і Claude за допомогою одного методу, і результати виявилися не дуже хорошими. Здається, що результати пошуку Deep Research недостатньо хороші, і багато з них можуть бути не виступами Лей Цзюня, а просто новинними повідомленнями тощо, а потім я випадково побачив короткий виклад стилю мовлення Лей Цзюня, складений кимось у перші роки, передрукований користувачами мережі на X, тому спробував: > Будь ласка, допоможіть мені згенерувати підказку, яка може згенерувати промову в стилі Лей Цзюня з введеної теми або тексту. Нижче наведено резюме користувачів мережі для довідки: > \< твітнути > > Лей Цзюнь володіє дуже хорошим навиком, який полягає в описі звичайної або не дуже потужної речі, як предмет, який звучить недосяжно з цифрами, відсотками або іншими прикметниками. > Після прес-конференції керівники Zeekr поскаржилися на Xiaomi Auto: маркетингу Xiaomi варто вчитися, але Xiaomi повинна вчитися у нас в автомобільних технологіях. > лінії фільмів PPT Лей Цзюня та Вонга Карвая схожі. > Наприклад, наступна миска локшини для звичайних людей – це коли і де я буду наступним. Але PPT Лей Цзюня скаже наступне: після 300 днів і ночей поспіль досліджень великих даних, проведених нашими співробітниками Xiaomi, було виявлено, що 97% людей відчувають явний голод о 7:03:56 ранку, що на 57% більше, ніж о 7 годині. > Для того, щоб вирішити цю проблему голоду, яка мучить людей протягом тисячоліть, наші інженери Xiaomi неодноразово вивчали і порівнювали і з'ясували, що ситість борошна на 21% вище, ніж у рису. > Отже, ми спеціально знайшли батьківщину пшениці, сировини для борошна, 50 000 років тому - в Родючому півмісяці на Близькому Сході, і витратили багато грошей на розробку найбільш ситної локшини на сьогоднішній день. > То наскільки вона наповнена? Вона на 73% ситніша, ніж традиційна локшина. При цьому калорійність знижується на 50%. > Ми також дали йому гарну назву, Xiaomi Super Hollow Noodles. У той же час ми також співпрацювали з промисловим гігантом питної води, Nongfu Spring, щоб розробити першу в галузі розчинну воду для локшини - Nongfu Rice Spring. Ситність локшини, приготовленої на нашій фермерській рисовій весні, може бути збільшена ще на 11% > 9,9 юанів 3 фунти пшона, порожнистої та міцної ситної локшини. (Вартість борошна всього 1,6 юаня за кішку) Десять пачок приправ безкоштовні. Всього на вибір представлено 9 моделей різної товщини і 6 кольорів упаковки > \</tweet> (Малюнок 3) Я перевірив його зі згенерованою підказкою, і ефект був чудовим! Це так просто! (Малюнок 4)

Я намалював схему цього процесу (рисунок 1) Створення всіх оперативних повідомлень є ітеративним процесом: 0. Мета: Поставте мету щодо того, якого ефекту ви очікуєте досягти за допомогою підказки. 1. Ідеї: Маючи мету, ви повинні мати уявлення про те, як її писати, наприклад, рукописний текст, штучний інтелект може допомогти вам писати, а шаблони можна встановити 2. Пишіть підказки: Не думайте так багато, спочатку напишіть версію. Ви ніби тренуєтеся стріляти, не думайте занадто багато, прицілюйтеся і стріляйте першими. 3. Перевірте запит: Отримавши першу версію запиту, перевірте його. 4. Оцініть: Отримавши результати тесту, подивіться, наскільки далекі фактичні результати та який розрив. Це все одно, що виміряти, наскільки далеко ви знаходитесь від яблучка після того, як вистрілили в ціль. Якщо результати оцінювання не відповідають поставленим цілям, почніть з кроку 1 і продовжуйте ітерацію на основі результатів попередньої версії. Іноді ви отримуєте хороші результати за один раз, а іноді вам потрібно повторювати ітерації. Наприклад, востаннє, коли я створював підказку для генерації субтитрів YouTube, я повторив більше десятка версій, і спочатку мене не влаштовував формат, але пізніше я виявив, що він завжди додавав позначку часу в середині абзацу, що сильно впливало на враження від читання. (Малюнок 2) Нарешті, у мене виникла ідея додати приклад розбиття виступу однієї і тієї ж людини на два абзаци, якщо контент занадто довгий, і нарешті я більше не буду додавати часові позначки до абзаців. (Малюнок 3) Отже, підводячи підсумок, можна сказати, що багато людей не можуть добре писати підказки, основна причина не в тому, що вони не можуть знайти хороший шаблон або що штучний інтелект не може вам допомогти, а в тому, чи можете ви оцінити розрив між поточними результатами генерації підказок і метою та знати, як їх налаштувати. * Наприклад, якщо людина, яка не знає програмування, використовує ШІ для програмування, навіть якщо вона застосовує купу шаблонів підказок, все одно важко добре писати зі штучним інтелектом, тому що вона не може судити про те, чи відповідають результати, отримані підказкою, вимогам, і якщо вони не відповідають прогалинам, як їх налаштувати.