Проєктування підказок (Prompt engineering)

Проєктування підказок означає, простими словами, ставлення правильних питань до ШІ. Підказка — це ваш вхід із вашим запитом або проханням.

Проєктування підказок полягає у формулюванні цілеспрямованих питань і вказівок, щоб допомогти моделям ШІ давати правильні відповіді під час чатів. Кращі підказки дають кращі результати.

Разом із характеристиками обраної моделі це визначає якість відповіді.

Елементи підказки (запиту)

Щоб отримати кращі результати, слід врахувати такі моменти:

• Мета: що саме ви хочете від мовної моделі?
• Роль: яку роль має мовна модель? (Наприклад, «Маркетинговий аналітик», «Юридичний консультант», «Менеджер проєкту»)
• Контекст: фонову інформацію про запит (Наприклад, цілі компанії, деталі проєкту, інформація про ринок)
• Стиль: який стиль ви хочете використовувати? (Наприклад, офіційний, переконливий, лаконічний)
• Вивід: у якому форматі ви хочете отримати відповідь? (Наприклад, звіт, електронний лист, план презентації, фрагмент коду)

Мета

Точне формулювання мети вашого запиту є суттєвим і не може бути опущене.

Що ви хочете дізнатися?

• Можна ставити фактичні питання, але будьте свідомі обмежень (наприклад, відсутність актуальних знань)
• Як і в Google, ви не отримаєте точно таку саму відповідь, якщо ставити питання кілька разів
• Перевага — функція «чат», що дозволяє ставити уточнюючі питання

Приклад підказки з чіткою метою:

Підказка з лише метою

Надайте опис основних викликів при впровадженні нової AI-платформи в середній компанії.

Впровадження нової AI-платформи в середній компанії пов’язане з кількома викликами. Основні з них:

1. Опір змінам: Співробітники звикли до існуючих процесів і систем. Нова AI-платформа вимагає адаптації і може викликати опір, особливо якщо вплив на робочі процеси не є очевидним.
2. Якість і доступність даних: AI-платформи сильно залежать від даних. Збір, очищення та структурування даних для нової платформи може бути складним і трудомістким.
3. Інтеграція з існуючими системами: AI-платформу часто потрібно інтегрувати з іншими корпоративними додатками (ERP, джерела даних, BI-інструменти). Це може створювати технічні виклики.
4. Витрати: Окрім ліцензійних платежів за платформу, існують витрати на впровадження, навчання, інфраструктуру даних і, можливо, спеціалізований персонал.
5. Навчання та прийняття: Співробітників потрібно навчити користуватися новою платформою та інтерпретувати її результати. Без якісного навчання та постійної підтримки рівень прийняття може залишатися низьким.
6. Вибір правильної платформи та кейсів використання: Існує багато AI-платформ і технологій. Вибір платформи та визначення релевантних кейсів, що відповідають специфічним потребам і стратегічним цілям компанії, є критичним.
7. Етичні міркування та відповідність вимогам: Залежно від застосування AI-платформи можуть виникати етичні питання та вимоги відповідності (наприклад, GDPR), які потрібно ретельно враховувати.
8. Управління проєктом: Успішне впровадження вимагає ґрунтовного управління проєктом, чітких цілей і залучення зацікавлених сторін з різних відділів.

Додавання ролі та контексту

Додавання ролі та контексту забезпечує кращі та більш конкретні відповіді.

Приклад того ж запиту, але з роллю та контекстом:

Підказка з метою, роллю та контекстом

Як менеджер проєкту, відповідальний за впровадження нової AI-платформи для аналізу даних і оптимізації процесів у B2B-провайдера з 150 співробітниками, надайте опис основних викликів і можливих стратегій їх пом’якшення.

Як менеджер проєкту з впровадження нової AI-платформи для аналізу даних і оптимізації процесів у B2B-провайдера з 150 співробітниками, я бачу такі основні виклики та можливі стратегії їх пом’якшення:

1. Опір змінам і прийняття користувачами:
   • Виклик: Співробітники, особливо ті, чиї завдання безпосередньо впливаються, можуть неохоче відмовлятися від звичних методів роботи і приймати нові AI-інсайти.
   • Пом’якшення: Залучайте ключових користувачів на ранніх етапах. Чітко комунікуйте переваги (ефективність, кращі рішення, нові інсайти). Забезпечте всебічне навчання за ролями та постійну підтримку. Призначте «AI-чемпіонів» у відділах.
2. Якість даних, управління та міграція:
   • Виклик: Ефективність AI-платформи залежить від якісних, добре керованих даних. Дані з існуючих систем часто є непослідовними, неповними або некоректними.
   • Пом’якшення: Почніть з ретельного аудиту даних, визначте рамки управління даними і проведіть очищення перед інтеграцією/міграцією. Визначте чіткі моделі та потоки даних. Проведіть тестування і ретельну валідацію даних.
3. Інтеграція з існуючою ІТ-інфраструктурою:
   • Виклик: Зв’язки з існуючими джерелами даних, ERP, CRM та іншими системами мають працювати безперебійно та безпечно.
   • Пом’якшення: Визначте всі необхідні інтеграції на ранньому етапі. Оберіть AI-платформу з надійними API або стандартними конекторами. Ретельно тестуйте інтеграції.
4. Розширення обсягу робіт і перевищення бюджету:
   • Виклик: Під час проєкту можуть з’являтися нові побажання щодо AI-застосувань, що розширюють обсяг і збільшують витрати.
   • Пом’якшення: Визначте чіткий, обмежений обсяг із конкретними кейсами (MVP — мінімально життєздатний продукт) для першої фази. Дотримуйтеся суворого процесу управління змінами. Підтримуйте реалістичний графік і бюджет із резервом.
5. Вибір правильної технології та партнера з впровадження:
   • Виклик: Ринок AI складний. Неправильний вибір технології або недосвідчений партнер можуть призвести до провалу проєкту.
   • Пом’якшення: Проведіть ґрунтовне дослідження відповідних AI-технологій для визначених кейсів. Оберіть партнера з підтвердженим досвідом у вашій галузі та з обраними технологіями. Запитуйте рекомендації.
6. Недостатність знань і навичок з AI в організації:
   • Виклик: Можливо, недостатньо внутрішньої експертизи для ефективного використання, підтримки або розвитку AI-платформи.
   • Пом’якшення: Інвестуйте в навчання та підвищення кваліфікації. Розгляньте найм спеціалістів або тісну співпрацю з партнером для передачі знань. Створюйте культуру безперервного навчання.
7. Етичні міркування та пояснюваність (Explainable AI):
   • Виклик: Рішення, прийняті або підтримані AI, мають бути прозорими і пояснюваними, особливо якщо вони впливають на клієнтів або співробітників. Упередженість у даних може призводити до несправедливих результатів.
   • Пом’якшення: Встановіть етичні принципи використання AI. Обирайте моделі, які можна інтерпретувати. Впровадьте процеси виявлення та пом’якшення упередженості. Забезпечте людський контроль над критичними AI-рішеннями.

Проактивне вирішення цих викликів підвищує шанси на успішне впровадження AI-платформи, що справді сприятиме досягненню бізнес-цілей.

Техніки

Нижче описано кілька технік, які можна використовувати для більш просунутих підказок.

Техніка 1 — надання прикладів

Щоб мовна модель використовувала той самий стиль, який ви хочете, надайте один або два приклади.

Цей метод називається «one & few-shot prompting» (один або кілька прикладів).

Техніка 1 — надання прикладів

Напишіть чернетку електронного листа клієнтам про майбутнє планове оновлення системи. Використовуйте нашу внутрішню політику комунікації з клієнтами (включіть релевантні пункти політики). Для стилю використовуйте цю останню розсилку новин, але не копіюйте зміст: (вставте текст розсилки)

Повна підказка виглядає так:

Внутрішня політика комунікації з клієнтами:

• Завжди будьте професійними та ввічливими.
• Своєчасно інформуйте про важливі зміни або збої.
• Надавайте чітку та лаконічну інформацію.
• Забезпечуйте рішення або компенсацію, якщо це доречно.

Для стилю використовуйте цю розсилку, але не використовуйте інформацію з неї. Шановний клієнте,

Ми хочемо повідомити вас про майбутнє оновлення системи, яке може вплинути на наші послуги.

Дата і час оновлення: [дата і час] Очікувана тривалість перерви: [тривалість] Залучені послуги: [послуги]

Під час цього періоду наші послуги можуть бути тимчасово недоступні. Ми докладаємо зусиль, щоб мінімізувати незручності і якнайшвидше відновити роботу.

Техніка 1 — відповідь

Нижче наведена відповідь мовної моделі на розширену підказку з прикладами

Шановний клієнте,

Ми хочемо повідомити вас про майбутнє оновлення системи, яке може вплинути на наші послуги.

Дата і час оновлення: [дата і час] Очікувана тривалість перерви: [тривалість] Залучені послуги: [послуги]

Під час цього періоду наші послуги можуть бути тимчасово недоступні. Ми докладаємо зусиль, щоб мінімізувати незручності і якнайшвидше відновити роботу.

Якщо у вас є питання, будь ласка, зв’яжіться з нами.

З повагою, [Ваше ім’я] [Ваша посада] [Назва компанії] [Контактна інформація]

Техніка 2 — надання шаблону

Щоб мовна модель використовувала певний формат, надайте шаблон і приклад. Це змушує модель формувати або структурувати відповідь певним чином. Ви можете використовувати різні формати, які корисні в таких ситуаціях, як:

• CSV-вивід для імпорту в Excel або інструмент аналізу даних
• JSON-вивід для API-інтеграцій або конфігураційних файлів
• План порядку денного для наради проєкту

Приклад підказки: Згенеруйте список із трьох потенційних маркетингових каналів для нового SaaS-продукту, орієнтованого на МСБ. Форматуйте відповідь так: Канал: Цільова аудиторія: Потенційний ROI: Необхідні ресурси:

Наприклад: Канал: LinkedIn Advertising Цільова аудиторія: Конкретні посади, галузі, розмір компанії Потенційний ROI: Високий, за умови правильного таргетингу Необхідні ресурси: Бюджет на рекламу, створення контенту, управління кампанією

Цей метод називається «output templates» (шаблони виводу).

Техніка 2 — надання шаблону

Нижче наведена відповідь мовної моделі на підказку з шаблоном виводу

Канал: Контент-маркетинг (Блог і SEO) Цільова аудиторія: Компанії, які активно шукають рішення своїх проблем, органічний трафік Потенційний ROI: Високий у довгостроковій перспективі, формує авторитет Необхідні ресурси: Копірайтери, SEO-спеціаліст, час на дослідження ключових слів і просування контенту

Канал: Google Ads (Пошук) Цільова аудиторія: Компанії, які активно шукають конкретні ключові слова, пов’язані з SaaS-продуктом Потенційний ROI: Від середнього до високого, залежно від конкуренції та CPC Необхідні ресурси: Рекламний бюджет, дослідження ключових слів, оптимізація цільових сторінок, управління кампанією

Канал: E-mail маркетинг (Lead Nurturing) Цільова аудиторія: Ліди, зібрані через сайт, вебінари або інші канали Потенційний ROI: Високий, ефективний для конверсії лідів у клієнтів Необхідні ресурси: Платформа для e-mail маркетингу, контент для e-mail послідовностей, навички сегментації

Техніка 3 — надання підказки (hint)

Щоб змусити мовну модель почати і писати певним чином, надайте підказку. Тут ми пишемо підказку в кінці підказки.

Приклад підказки: Чи можете ви підсумувати цей звіт з маркетингових досліджень? (вставте релевантні розділи звіту). Почніть відповідь так: Основні висновки цього маркетингового дослідження такі:

• ВСТАВТЕ ТЕКСТ ЗВІТУ

Цей метод називається «cues and hints» (підказки і натяки). Цей приклад використовує вигаданий звіт.

Техніка 3 — надання підказки

Нижче наведена відповідь мовної моделі на підказку з підказкою

Основні висновки цього маркетингового дослідження такі:

• Попит на хмарне програмне забезпечення для управління проєктами в МСБ зріс на 35% за останні два роки.
• Основні фактори прийняття рішень для МСБ — це зручність використання, можливості інтеграції з існуючими інструментами та ціноутворення.
• Конкурент А має частку ринку 25%, за ним іде Конкурент Б з 18%. Існує простір для нових гравців, які орієнтуються на специфічні ніші або пропонують кращий користувацький досвід.
• Найбільші виклики для МСБ при впровадженні нового ПЗ — це початкові інвестиції та час, необхідний для навчання співробітників.
• Очікується, що ринок буде зростати щорічно на 15% протягом наступних п’яти років.

Техніка 4 — розділення контенту інструкцій

Іноді підказка дуже довга через додатковий контент, і мовна модель не зовсім розуміє, що ви хочете. Ви, мабуть, бачили це в попередньому прикладі. Тоді розділіть контент трьома лапками на початку і в кінці тексту від решти підказки.

Приклад підказки: Чи можете ви підсумувати цю статтю? “”” (вставте текст статті). “”” Почніть відповідь так: Основні моменти цієї статті:

Цей метод називається «content splitting» (розділення контенту). Цей приклад знову використовує статтю з інтернету: https://www.leraar24.nl/2619420/onderwijs-op-afstand-wat-hebben-we-geleerd/

Техніка 4 — розділення контенту

Нижче наведена відповідь мовної моделі на підказку з розділеним контентом. Ми використовуємо три лапки або три зірочки, щоб відокремити контекст запиту.

Основні моменти цієї статті:

• Під час коронакризи вчителі мали розробити стратегії та техніки для максимально ефективного дистанційного навчання, тоді як батьки брали на себе більшу роль у підтримці дітей.
• Важливими факторами успішного дистанційного навчання були організація структурованого розкладу, підтримка відкритої комунікації між вчителем і учнем, а також усвідомлений вибір, які уроки проводити онлайн або на папері.
• Виклики стосувалися пошуку способів підтримки вразливих учнів і додаткового навантаження на батьків, особливо тих, хто також працює вдома.
• Відбулося швидке зростання цифровізації в школах із додаванням нових цифрових інструментів і методів. У статті згадується приклад вчительки Менді де Вріс, яка, незважаючи на невеликий досвід у викладанні, змогла допомогти колегам завдяки своїм цифровим навичкам.
• Стаття також підкреслює важливість постійного контакту і уваги до учнів, особливо в спеціальній освіті, і пропонує практичні поради для вчителів і батьків.
• Нарешті, у статті висловлюється надія, що залученість батьків до дистанційного навчання дітей збережеться і після пандемії.

Техніка 5 — спочатку запитати додаткову інформацію

Ви можете дати інструкції, щоб спочатку ставити уточнюючі питання, перш ніж генерувати відповідь. Це допомагає мовній моделі уточнити і конкретизувати ваш запит.

Приклад підказки: «Я хочу підготувати проєктну пропозицію для розробки нового мобільного додатку для внутрішньої комунікації. Додаток має містити функції новинних оновлень, довідника співробітників і прямого обміну повідомленнями. Перед тим, як написати пропозицію, чи можете ви поставити мені додаткові питання, щоб покращити пропозицію?»

Цей метод називається «ask before answer prompting» (запит перед відповіддю).

Техніка 5 — спочатку запитати додаткову інформацію

Нижче наведена відповідь мовної моделі на підказку з проханням поставити додаткові питання

Звичайно! Ось кілька питань, які я можу поставити, щоб покращити проєктну пропозицію: Яка основна мета додатку для внутрішньої комунікації? (Наприклад, підвищення залученості, покращення поширення інформації, сприяння співпраці) Хто є конкретною цільовою аудиторією в компанії? (Наприклад, усі співробітники, конкретні відділи, польові працівники) Чи є існуючі системи або платформи, з якими додаток має інтегруватися? (Наприклад, інтранет, HR-система, Active Directory) Який запланований бюджет і бажані терміни розробки та впровадження? Чи є специфічні вимоги до безпеки або відповідності? (Наприклад, GDPR, політика зберігання даних) Які ключові показники ефективності (KPI) будуть використовуватися для оцінки успіху додатку? Чи є ідеї щодо дизайну або брендингу додатку? Чи має він відповідати корпоративному стилю? Чи є переваги щодо платформи розробки (iOS, Android, кросплатформенний)?

З цією додатковою інформацією ми зможемо краще зрозуміти обсяг і вимоги, і підготувати більш сильну проєктну пропозицію.

Техніка 6 — емоційна підказка

Ви можете дати інструкції змінити тон тексту відповідно до емоцій, які лежать в основі, або викликати певну емоційну реакцію. Це корисно для служби підтримки, внутрішньої комунікації або маркетингу.

Приклад підказки: «Мені потрібно написати електронний лист клієнту, який незадоволений недавнім перериванням сервісу. Клієнт написав таке: """ …. """ (вставте текст клієнта). Я хочу, щоб лист був емпатичним, визнавав розчарування клієнта і пропонував конструктивне рішення.»

Цей метод називається «emotional prompting» (емоційне підказування). Цей приклад використовує вигадану скаргу.

Повна підказка:

Мені потрібно написати електронний лист клієнту, який незадоволений недавнім перериванням сервісу. Клієнт написав: """Шановні пані та панове,

Я дуже розчарований несподіваним перериванням сервісу вчора вдень. Це серйозно вплинуло на нашу роботу і призвело до втрати продуктивності. Ми покладаємося на ваші послуги, і такі інциденти є неприйнятними. Очікую чітких пояснень і відповідної компенсації."""

Я хочу, щоб лист був емпатичним, визнавав розчарування клієнта і пропонував конструктивне рішення.

Техніка 6 — емоційна підказка

Нижче наведена відповідь, яку ми отримали від мовної моделі

Шановний [Ім’я клієнта],

Щиро дякуємо за ваше повідомлення і приносимо щирі вибачення за переривання сервісу, яке ви зазнали вчора вдень. Я повністю розумію ваше розчарування та вплив, який це мало на вашу роботу. Нам дуже шкода, що ми не відповідали вашим очікуванням і нашим стандартам обслуговування.

Переривання було спричинене [коротке, чітке пояснення причини, наприклад, непередбачена технічна несправність у нашому дата-центрі]. Ми негайно вжили заходів, і наші техніки працювали над відновленням сервісу якнайшвидше. Сервіс з [час] знову повністю працює.

Ми дуже серйозно ставимося до цього інциденту і вже проводимо оцінку причин, щоб запобігти повторенню в майбутньому.

Щоб частково компенсувати незручності, ми радо пропонуємо вам [конкретну пропозицію, наприклад, знижку на наступний рахунок / безкоштовне оновлення на місяць / сервісний кредит]. Один із наших менеджерів зв’яжеться з вами протягом 24 годин, щоб обговорити це особисто і відповісти на будь-які додаткові питання.

Ще раз вибачте за незручності. Ми цінуємо вашу лояльність і прагнемо надати вам надійний сервіс у майбутньому.

З повагою,

[Ваше ім’я/Назва компанії]

Техніка 7 — запит кількох версій

Ви просите кілька варіантів відповіді, щоб мати вибір. Наприклад, ви хочете, щоб модель допомогла згенерувати різні маркетингові слогани для нового продукту. Існує багато різних підходів, тому ви хочете кілька опцій. Це можна ефективно поєднати з встановленням конкретної ролі для моделі та системною підказкою для подальшого керування моделлю.

Більше про ролі можна прочитати в відповідній статті. Приклад із кількома версіями наведений у кінці тієї статті. Тут він не повторюється.

Техніка 8 — комбінація з системною підказкою

За допомогою системної підказки ви можете давати завдання моделі ШІ. Це інструкція, яку ви передаєте моделі, щоб конкретно сформувати завдання або поведінку моделі. Ви можете вказати, який тип виводу очікуєте від моделі. Це спосіб керувати моделлю і запобігати отриманню нерелевантних або небажаних відповідей.

Приклади простих і загальних системних підказок:

«Я хочу, щоб ти був дружнім і корисним асистентом.»

«Завжди залишайся професійним і ввічливим у мові.»

«Зосередься на наданні конкретних, лаконічних відповідей без зайвих деталей.»

Системна підказка задає тон і очікування для конкретної розмови або завдання, яке ви хочете виконати з моделлю ШІ.

Ви також можете придумати більш складні системні підказки для конкретних завдань, наприклад, для підсумовування тексту: «Ретельно проаналізуй наданий текст і дай короткий, але інформативний підсумок основних пунктів. Визнач основне повідомлення і ключові деталі.»

Системні підказки не однаково впливають на всі моделі ШІ. У chatGPT вони дуже ефективні, у Claude також, у інших моделях вплив системної підказки менший. Тож цікаво спробувати і подивитися, яка модель найкраще працює з вашим вхідним запитом.

Ви можете встановити загальну системну підказку в налаштуваннях, але найкраще створювати системні підказки для кожного завдання, яке хочете автоматизувати. Це називається ролями.

Більше про ролі можна прочитати в відповідній статті.

Анотування уривка

Виділіть текст у завершеному повідомленні чату і виберіть Анотувати. Напишіть у вікні питання або інструкцію щодо зміни, наприклад «Зробіть цю фразу простішою», і натисніть Зберегти. Ви можете анотувати кілька уривків. Потім надішліть; додаткова підказка у полі введення не потрібна, але дозволена. Уривок з коментарем зберігається, навіть якщо ви переключитесь на інше вікно. Ви можете видалити анотацію перед відправленням. На мобільному пристрої утримуйте текст, щоб виділити.