Kodokon kodokon.com

高度なプロンプト技法: 役割、制約、例、推論

専門家の役割、強い制約、few-shotの例、段階を追った推論、そして反復を組み合わせて、本当にあなたを学ばせる答えを引き出そう。

10 分 · 3 問

このレッスンを Kodokon で開く

AIがあなたに教えることの質は、あなたのプロンプトの質に直接かかっている。曖昧なプロンプト - 「ジェネリクスを説明して」 - は、存在しない平均的な読者向けに較正された、平凡な答えを生む。4つの技法が収穫を根本から変え、そしてそれらは組み合わさる専門家の役割(誰がどんな水準で話すのかを設定する)、強い制約(長さ、前提知識、禁止事項、形式)、few-shotの例(期待する形式を描写する代わりに見せる)、そして段階を追った推論(結論の前に手法を要求する)だ。5つ目は書き方の技法ではなく姿勢だ。反復である - 最初の答えは磨きあげる下書きであって、決して完成品ではない。

PROMPT
あなたは[技術]のシニア講師で、密度が高く無駄のない説明で知られています。

以下の制約のもとで、私に[正確な概念]を説明してください:
- 私が[前提知識]をすでに知っていると仮定してください: 基礎は何ひとつ再説明しないで。
- 最大200語、そのあと最小限のコメント付きの例を1つ。
- 私が本当に理解したかを試す質問を1つで締めてください - 暗記の質問ではなく、応用の質問で。
- その概念に本番環境での古典的な落とし穴があるなら、1文で指摘してください。

あなたの質問への私の答えを待ってから、続けてください。私の答えが間違っていたら、正解を与えないで: 私の推論のどこが脱線するかを指摘して、もう一度試させてください。
プロンプト: 能動的な学びに奉仕する、専門家の役割 + 強い制約

分解してみよう。役割はモデルにお世辞を言わせるためにあるのではない。答えの語調を変える - 語彙、抽象度、水準を。制約が残りをやってくれる。「最大200語」は無駄を削ぎ、「基礎は何ひとつ再説明しないで」はすでに知っている3段落を省いてくれる。そして締めの質問が、受動的な読解を能動的想起に変える - 記憶の最も確立されたメカニズムだ。一般則: 曖昧な制約は曖昧な結果を生む。「簡潔に」は何も制約しないが、「200語、例を1つ、質問を1つ」はすべてを制約する。次はfew-shotだ。形式を描写するのが面倒になったら、見せるのだ。

PROMPT
私は[トピック]を復習しています。以下の2つの例と正確に同じ形式で、練習問題を生成してください。

例1:
状況: あるクエリが1万行を返すが、画面には20行しか表示されない。
問い: すべてを読み込むのを避けるのはどの仕組みで、その隠れたコストは何か?
レベル: 中級。

例2:
状況: 2人のユーザーが同じリソースを1秒差で変更する。
問い: ここではどの競合処理戦略を選ぶべきか、そしてなぜか?
レベル: 上級。

この形式に従って[トピック]について5問生成してください: 実際の仕事から取った具体的な状況、推論を強いる自由回答の問い(決して丸暗記ではなく)、レベル。答えは出さないで: 私が一つずつ答えるので、私の推論に何が欠けているかを指摘して直してください。
プロンプト: few-shot - 2つの例は仕様の一段落に勝る

few-shotはモデルの最大の強み、パターンの継続を活用する。よく選ばれた2つの例は、10行の指示よりも正確に、語調、粒度、構造を指定する - そしてあなたの例は水準も設定する。最後の書き方の技法: 段階を追った推論だ。自明でない問いには、結論の前に手法を要求しよう。結論から始まる答えは、肝心なものをあなたから奪う。道筋、つまりまさにあなたが学ぼうとしているものだ。おまけに: 明示された推論は自らの欠陥をさらけ出す - 間違った結論を鵜呑みにする前に、あなたのコンテキストについての誤った前提を捕まえられる。

PROMPT
答える前に、見える形で段階を追って推論してください。

私の質問: [自明でない技術的な質問]。

必須の形式:
1. 理解したことを確認するため、私の質問を言い直してください。
2. あなたが私のコンテキストについて置いている前提(バージョン、アーキテクチャ、規模)を挙げてください。間違っているものは私が直します。
3. 推論を段階ごとに進め、別の道がありえた各地点と、なぜそちらを取らなかったのかを指摘してください。
4. 確実なことと、点2への私の答え次第で変わることとを分けて締めくくってください。

結論は推論のあとにだけ書いてください、決して前ではなく。
プロンプト: 明示的な前提とともに、結論の前に手法を

残るは反復、上級者を際立たせるスキルだ。答えが期待外れでも、決してプロンプトをゼロから作り直さないこと。ズレを診断し、欠けている制約を補うのだ。長すぎる? 上限を課す。平凡すぎる? あなたのコンテキストと例を加える。的外れ? 点1の言い直しが、どこで誤解が忍び込んだかを示してくれる。狙いを定めた3つか4つの反復が、どんなに入念な最初のプロンプトでも得られなかった答えを生む - そして各反復が、あなたが本当に探していたものについて何かを教えてくれる。

理解度チェック

このレッスンの要点をしっかり覚えているか確認しましょう。

  1. few-shot技法とは何か?
    • 1つの長い質問ではなく、複数の短い質問をすること
    • モデルがパターンを継続するように、期待する結果の例を提供すること
    • 答えを少ない語数に制限すること
    • 問題をサブ問題に分割すること
  2. 答えの中で、なぜ結論の前に推論を要求するのか?
    • AIを遅くしてリソースを節約するため
    • 道筋こそがあなたが学ぶものであり、明示された推論はその欠陥を見せてくれるから
    • AIの結論はいつも間違っているから
  3. AIの答えは正しいが、平凡すぎる。次の一手として最善なのは?
    • より良いものを期待して、まったく同じ質問をもう一度する
    • 別のAIツールに切り替える
    • 反復する: あなたの正確なコンテキストと、観察されたズレを狙う制約を加える