Prompt Mühendisliği Kılavuzu - Teknikler, İpuçları ve En İyi Uygulamalar

Açık bir hedefle başlayın: görevi tanımlayın, başarı ölçütlerini ve sonuçları nasıl kontrol edeceğinizi belirleyin. özel bir amaca sahip ve mühendisleri birleştirerek imzalı bir prompt spesifikasyonu taslağı hazırlayın. Sapmayı azaltmak için, bu nedenle bir temel prompt belirleyin ve sonuçları karşılaştırın. Beklentileri sabitlemek ve sapmayı azaltmak için ingilizce ve diğer diller materyallerinde kaynaklar toplayın. Sonuçları karşılaştırmak için her prompt varyantı için farklı bir giriş stili kullanın, geniş bir domain aralığında.

Teknik odaklı bir iş akışı benimseyin: prompt'ları özel bir niyet, kısıtlamalar ve sinyallerle oluşturun. Prompt'ları kısa cümlelerle yapılandırın, ardından tutarlı çıktıları doğrulamak için bir doğrulama kümesine karşı kontrol çalıştırın, son derece uygulanabilir; bu yaklaşım domainler genelinde ölçeklenebilir olduğu kanıtlanmıştır. Ölçeklenebilir şablonlar oluşturun: bir temel prompt, artı kod, yazma veya veri yorumlama gibi domainler için birkaç adaptör. Sonuçlar, kısıtlamaları sıkılaştırmak ve örnekler eklemek için nerede ayar yapılması gerektiğini ortaya koyacaktır.

Döngülerde yineleyin: küçük, kontrollü bir prompt kümesini test edin, sonuçları karşılaştırın ve ayarlayın. Prompt'ları kısa tutun, özel sinyaller kullanın ve belirsizlikten kaçının. Bu yaklaşımlardan birini kullanın: sıfır-atış, az-atış veya düşünce zinciri dizileri; eğer düşünce zinciri kullanılıyorsa, modeli yönlendirmek için kısa, tutarlı bir gerekçe sağlayın.

Prompt'lar, bağlamlar, girişler ve sonuçlar için canlı bir prompt kütüphanesi sürdürün. Prompt'ları domain, zorluk ve kullanılan kaynaklar ile etiketleyin; ekipler genelinde uyumu sağlamak için bir değişiklik günlüğü ve imzalı sürümler tutun. Çok dilli görevler için, ingilizce ve diğer dillerde paralel prompt'lar sürdürün ve sapmayı önlemek için çeviri paritesini doğrulayın. Erken tutarlı çıktıları yakalamak için hafif bir QA adımı veya hızlı bir kontrol uygulayın.

Pratik Prompt Mühendisliği Rehberi

somut bir hedef tanımlayın ve yanıtları doğrulamak için beş örnekle hızlı bir pilot çalıştırın. İlgililik, netlik ve gerçek doğruluk için basit bir rubrik kullanın ve her prompt için sonuçları belgeleyin.

Prompt'lar için imzalı, kısa bir niyet beyanı oluşturun, ardından sabit bir yapı uygulayın: Bağlam, Talimat ve Soru. Kısa bağlamı 1-2 cümleyle sınırlayın ve talimatta eylemi belirtin.

Resmi belgeler, müşteri talepleri ve sohbet transkriptlerini kapsayan kaynaklar ve veri setleri toplayın. Bu kaynaklar, modellerin sıklıkla yetersiz anladığı daha doğru çıktılar verme yeteneğini genişletir ve yapay zeka mühendisleri daha geniş kapsama nedeniyle heyecanlanır.

Yapılandırılmış bir yaklaşım benimseyin: sabit bir prompt şablonu kullanın, 10-20 prompt çalıştırın, yanıtları doğrulanmış bir temele karşılaştırın ve iyileştirme için boşlukları not edin. Bulguları net önerilere çevirin.

Prompt'ların imzalı, tam sürüm geçmişini sürdürün, değişiklikleri kısa notlarla izleyin ve kullanılan kaynaklara atıf yapın.

Şablonları ekipler arasında paylaşın, geri bildirim toplayın ve iyileştirme tutkusu yüksek tutun. Müşteriler güncellemeler isterse, şablonları uyarlayın ve prompt'ları buna göre iyileştirin.

Her prompt için somut başarı kriterleri tanımlayın

Her prompt için somut bir başarı kriteri tanımlayın ve değerlendirmeyi yönlendirmek için çıktılara ekleyin. Bu, görevi odaklı tutar ve yinelemeyi hızlandırır, bu nedenle boşlukları hızlıca tespit edebilir ve ayarlayabilirsiniz. Kriterleri prompt sürümüne ve alan bağlamına bağlayın, özellikle hasta verileri söz konusu olduğunda. Tutarlı bir şekilde dosyalar ve sürümler genelinde prompt'ları karşılaştırmak için belirsiz güvenceler yerine açık, test edilebilir sonuçlar açısından düşünün.

Ne üretileceğini, nasıl biçimlendirileceğini ve kaliteyi nasıl yargılayacağınızı kapsayan kompakt bir rubrik kullanın. Her kriterin kapsamını sınırlı tutun (sınırlı) ve kullanıcının amacına bağlayın, çünkü üretken çıktılar prompt'a göre değişir. Bu yaklaşım, belirsiz geri bildirimden kaçınmanıza yardımcı olur ve sonraki adımlar hakkında hızlı karar vermeyi destekler.

1. Görev kapsamını netleştirin ve bir başarı beyanı tanımlayın
   • Görev: amacı tek bir cümleyle tanımlayın ve başarılı bir sonuç (çıktılar) olarak neyin sayıldığını belirten net bir beyan (beyan) ekleyin.
   • Bağlam: alanları belirtin ve hasta bağlamının geçerli olup olmadığını belirtin; yargılamayı etkileyen kısıtlamaları not edin.
   • Kısıtlamalar: veri sınırlıysa, neyin kullanılabileceğini ve hassas detayları hariç tutmak zorunda olanı belirtin (gerekli).
2. Çıktı formatlarını, dosyaları ve meta verileri karar verin
   • Çıktılar: tam teslimatları tanımlayın (örneğin, kısa bir özet, yapılandırılmış JSON veya madde listesi) ve formatlarını; her çıktı için gereken alanları listeleyin.
   • Dosyalar: sonuçların nerede saklanacağını belirtin (dosyalar) ve kolay erişim için nasıl adlandırılacağını; örnek bir yol veya adlandırma kuralı ekleyin.
   • Sürümleme: bir sürüm etiketi (sürüm) gerektirin ve yinelemeleri izlemek için kısa bir değişiklik günlüğü sürdürün.
3. Ölçülebilir kalite ölçütleri ve kabul eşikleri ayarlayın
   • Ölçütler: doğruluk, tamlık, ilgili ve güncellik; sayısal eşikler atayın (örneğin, >= %90 ilgili, < %5 gerçek hata).
   • Eşikler: somut kabul kriterleri sağlayın ve bir eşik karşılanmazsa yedek plan.
   • Domainlere göre farklar: farklı domainler (farklı alanlar) için kriterleri uyarlayın ve domain'e özgü ayarlamaları belgeleyin.
4. Değerlendirme yöntemi ve kaynakları tanımlayın
   • Değerlendirme: her kriteri insanların mı yoksa otomatik kontrollerin mi yargılayacağını belirtin; inceleyiciler için kısa bir kontrol listesi (kaynaklar) özetleyin.
   • Kaynaklar: gerçekleri doğrulamak için kullanılan güvenilir kaynaklar (kaynaklar) ve bir referans listesi (liste) gerektirin; halüsinasyonları önlemek için güvenilir kaynaklara karşı çapraz kontrol edin.
   • Gereksiz veriler olmadan: değerlendirmelerin yalnızca sağlanan çıktılara dayandığından emin olun (dış, bilinmeyen girdilere bağımlılık olmadan).
5. Uygulama detaylarını ve inceleme sürecini belgeleyin
   • Belgeleme: her kriteri nasıl puanlayacağınızı açıklayan kısa bir rubrik ekleyin; ekipler genelinde tutarlılığı birleştirmek (birleştir) için örnek prompt'lar ve örnek çıktılar ekleyin.
   • İşbirliği: farklı alanlardan (farklı) (alanlar) inceleyicileri dahil edin, çeşitli bakış açılarını yakalayın ve yanlılığı azaltın.
   • Geri bildirim döngüsü: eyleme geçirilebilir farkları not edin ve bir sonraki sürüm için somut prompt iyileştirmeleri önerin.
6. Şablonlar ve pratik örnekler sağlayın
   • Şablon: doldurulmaya hazır bir beyan, beklenen çıktılar ve kabul eşikleri ekleyin; dosyalar, sürüm ve kaynak listesine (liste) atıf yaptığından emin olun.
   • Örnekler: minimal bir prompt ile geliştirilmiş bir prompt'u gösterin ve kriterlere karşı sonuçları karşılaştırın; uygulanabilirliği göstermek için gerçek dünya bağlamları (örneğin, hasta için) kullanın.
   • Otomasyon ipucu: prompt'ları çalıştıran, çıktıları yakalayan ve kriter başarısızlıklarını otomatik olarak işaretleyen hafif bir test harness'i oluşturun.

Doğrudan talimatlar ve örnek tabanlı prompt'lar arasında seçim yapın

Net tanımlanmış, keskin ve öngörülebilir yanıtlar gerektiren görevler için doğrudan talimatları tercih edin; dil stili, biçimlendirme ve karar yollarını göstermek için örnek tabanlı prompt'larla eşleştirin, kısıtlamalar hakkında iletişimi ve odaklanmayı iyileştirin.

Doğrudan talimatlar, başarı kriterleri açık olduğunda parlar: sabit format, kesin uzunluk veya bir kontrol listesi. Dil görevleri için, tonu, yapıyı ve istisnaları nasıl ele alacağını gösteren 2-4 örnek ekleyin; kenar durumları düşünün ve tekrarlamaktan kaçının. Yöntem tasarımında, talimatı kısa tutun ve örnekleri aynı amaca sabitleyin ki yanıtlar genelinde tutarlılığı pekiştirin.

Hibrit yaklaşım dayanıklılığı güçlendirir: kompakt bir talimatla başlayın ve ardından birkaç hedefli örnekle devam edin. Bu, yeni görevleri yönetmeye yardımcı olur ve dil, ton ve yapıyı yönlendirirken güvenilir üretim sağlar. Öneriler, sonuçları gözden geçirmeyi, prompt'ları güncellemeyi ve yeni örnekler eklemeyi ve kaynakları en son güncellemelerle yenilemeyi içerir ki spektrum senaryoları kapsasın.

Yön	Doğrudan Talimatlar	Örnek Tabanlı Prompt'lar
Netlik	Açık kriterler ve sabit format	Tanımlı örneklerle varyasyonları nasıl ele alacağını gösterir
Ne zaman kullan	İyi tanımlanmış görevler; rutin çıktılar	Açık uçlu veya yaratıcı analiz görevleri
Yapı	Bir talimat artı kısıtlamalar	Kenar durumları gösteren 2-4 örnek
Riskler	Tek bir yola aşırı uyum	Örnekler saparsa sürüklenme; tekrarlama için dikkat edin
Değerlendirme	Format uyumu; nesnel başarı kriterleri	Stil kalitesi; örneklerle uyum

Net gerekçe adımlarıyla çok adımlı prompt'ları yapılandırın

Dört parçalı bir prompt taslağı hazırlayın ki her aşamada açık gerekçe istesin ve yanıtlar ile doğrulanabilir çıktılar üretsin. Her adım sonrası kısa bir gerekçe ekleyin ve diller genelinde başarılı prompt'ların örneklerini toplayın. Bu prompt-mühendisliği iş akışı, kaynaklar ve hesap izi ile kolay karşılaştırma için denetim için uygun çıktılar üretir.

Adım 1 – Hedef ve kısıtlamaları tanımlayın

Hedefi tek bir cümleyle belirtin, ardından token sınırı, sağlık verileri için gizlilik kısıtlamaları ve istenen dil çıktısı sürümü (dil sürümleri) gibi sınırları listeleyin. Veri kaynaklarını (kaynaklar) ve gereken çıktıları (yanıtlar, örnekler) ekleyin. Sonuçları kimlerin inceleyeceğini ve önyargıların kararları nasıl etkileyebileceğini belirtin (önyargılar).

Adım 2 – Farklı alt-görevlere ayırın

Ana hedefi bağımsız girdiler ve çıktılarla 3-5 somut alt-görevlere bölün. Her alt-görev için giriş formatı, beklenen çıktı ve kısa bir gerekçe ekleyin. Kodlama ve sağlık gibi domainler genelinde kapsama sağlayın ve sağlamlığı güçlendirmek için farklı bağlamlarla test edin.

Adım 3 – Gerekçe ve çıktı formatı gerektirin

Her alt-görev sonrası kısa bir gerekçe ve nihai bir öneri isteyin. Gerekirse sıfır-atış varyantı ekleyin. Modeli her adım için yanıtlar ve kompakt bir gerekçe sağlaması için talimat verin, ardından kısa bir nihai sonuç sunun. İç monologu ortaya çıkarmayın; kararları destekleyen ve mümkünse kaynaklara atıf yapan kısa bir gerekçe isteyin.

Adım 4 – Doğrulama ve önyargı kontrolleri

Çoklu kaynaklarla çapraz doğrulama yaparak ve farklı bakış açıları sunarak önyargılara karşı kontroller ekleyin. Sınırlı veri veya bağlam nedeniyle potansiyel sınırlamaları vurgulayan karşı argümanlar veya alternatif seçenekler için kısa bir liste gerektirin. Sonuçların sağlık standartları ve kodlama en iyi uygulamalarıyla uyumlu olduğunu doğrulamak için akıl sağlığı kontrolü ekleyin.

Adım 5 – Teslimatlar ve değerlendirme

Yanıtlar, örnekler ve referanslar için formatı tanımlayın, artı hesap izleme için denetim notları. Basit bir rubrik kullanın: hedef netliği, alt-görev çıktısı doğruluğu, gerekçe kalitesi ve kaynak uyumu. Çıktıları sınırlı bağlamlar için kompakt tutun ve diller ve teknolojiler için isteğe bağlı genişletmeler sağlayın.

Örnek prompt iskeleti (çalıştırılamaz): Hedef: sağlıkta hasta profili için bakım planı tasarlayın, Bağlam: sınırlı veri, Kısıtlamalar: sınırlı tokenlar, gizlilik, Dil sürümleri: diller, Veri kaynakları: kaynaklar, sıfır-atış: evet; Çıktılar: yanıtlar, örnekler; Adımlar: 1) alt-görev girdilerini tanımlayın; 2) her alt-görev için kısa gerekçe verin; 3) nihai öneriyi derleyin; 4) referanslar ekleyin; 5) hesap izi için denetim notlarını güncelleyin.

Sıfır-atış ve farklı dil bağlamları için örnek varyant: Aynı iskeleti kullanarak, teknolojiler ve sistemler genelinde karşılaştırılabilecek çıktılar üretin, aynı formatlar ve farklı veritabanları ile kodlama iş akışlarıyla uyumluluğu sağlayın. Böyle prompt'lar, farklı platformlar genelinde tutarlı yanıtlar üretmeyi destekler ve özellikle sağlık ve kodlama projelerinde iş akışlarını optimize etmede yardımcı olur.

Bağlamı optimize edin: token bütçesi ve ilgili filtreleme

Öneri: Bağlam için sabit bir token bütçesi ayırın ve geçmişi temellere indirgeyin. Tipik görevler için toplam bağlamda 2048 token hedefleyin ve üretken sonrası ve kontroller için %20-30 ayırın; daha uzun, çok dönüşümlü etkileşimler için 4096 tokene ölçekleyin. Şişkinliği önlemek ve bağlamı görev çekirdeğine odaklı tutmak için disiplin sürdürün; bu gürültüyü azaltır ve modelin ilgisiz detaylar üretmesini önler.

Görev kapsamı ve dillere uyan bir ilgili filtre tanımlayın. Görev niyetinden aday kaynakları toplayın, ardından kullanıcı prompt'u ile benzerliği ölçmek için gömülmeleri hesaplayın. Dil modelleri için, en iyi 3 ila 5 kaynağı tutun ve gerisini bırakın. Kararları izlenebilirlik ve hata ayıklama için tablolar kayd edin, böylece belirli bağlam alınan kaynakların neden seçildiğini denetleyebilirsiniz.

Kaynakları prompt uzunluğu ile dengeleyin. Yalnızca yüksek ilgili alıntılar ve kısa özetler ekleyen bir alma adımı oluşturun, tam belgeler yerine. Kaynaklar uzunsa, hedef dilde kısa özütler oluşturmak için çeviri kullanın ve ardından bu alıntıları prompt'a ekleyin. Bu yaklaşım, modelin en bilgilendirici içeriğe dikkatini yoğunlaştırmasına yardımcı olur ve gereksiz metin parçalarından kaçınır. Sonuç: daha az gürültü ve modelin görev için doğru yanıtlar üretme olasılığının artması.

Üretken sonrası kontroller sürüklenme riskini azaltır. Üretim sonrası, görünür yanıtta düşünce zinciri içeriğini budayın ve bunun yerine kısa bir yanıt veya yapılandırılmış bir sonuç sağlayın. Gerekirse, hata ayıklama için ayrı bir günlüğe gerekçe yolunu saklayın, iç tartışmaları son kullanıcıya açığa çıkarmadan.

İlerlemeyi somut ölçütlerle izleyin. Alma-artırılmış üretime karşı makaleleri karşılaştırın ve rutinleri buna göre güncelleyin. Anlama iyileştirmelerini birincil sinyal olarak kullanın ve trendleri zamanla gözlemlemek için deneme prompt'larını ve sonuçları tablolara güncelleyin. Kursları güncellerken, ekipleri uyumlu tutmak için özetlenmiş yönergeleri ve detaylı örnekleri paylaşın; çok dilli iş akışlarını desteklemek için çeviri adımlarını dahil edin ve ilgili ve verimliliği sağlamak için token bütçesini sık sık gözden geçirin.

Uygulamada, bu yaklaşım kapsamı sıkı ve odaklı tutar. Aşırı genişletilmiş bağlam gökyüzüne sürüklenmekten kaçının; gürültüyü filtreleyerek ve üretilen çıktıları görev çekirdeğiyle uyumlu hale getirerek düşünceleri net tutun. Disiplin uygulayarak, görev çerçevelenmesinden üretken sonrasına kadar, daha tutarlı yanıtlar ve çeşitli dil senaryolarında daha keskin anlayışlar elde edersiniz, kullanıcının ihtiyaçlarına pratik bir odak ve gerekli detay seviyesini sürdürürken. Her iyileştirme, sisteminizi daha yüksek kaliteli çıktılara doğru iter, düşünceli denemeler ve devam eden öğrenme için referans makaleler ve kurslarda ölçülü iyileştirmelerle.

Gerçek görevleri yansıtan değerlendirme prompt'ları ve test durumları tasarlayın

Değerlendirme prompt'larını gerçek görevleri yansıtacak şekilde tasarlayın, onları gerçek kullanıcı iş akışlarında ve ölçülebilir sonuçlarda temellendirin. Önce birikmiş son kullanıcı sorunlarını belirleyin, fikirleri ve önerileri yakalayın ve modelin somut adımlar, gerekçeler ve sonuçlarla yanıt vermesine yardımcı olan bir prompt kümesi oluşturun. Amazon ürün aramaları ve ödeme akışları gibi domainleri dahil edin ki tipik çalışmaları yansıtsın ve prompt'ları gerçek kullanıcı niyetlerine karşı doğrulayın.

Her test durumunu bir mini-görev olarak yapılandırın: girdi, işlem adımları ve nihai yanıt. Testlerin kataloglar güncellendiğinde güncel kalması için yeniden yüklemeye hazır veri fikstürleri kullanın. Her durum için iki veya üç somut sorgu belirtin ve değerlendirme kriterlerini tanımlayın: ilgili, tutarlılık ve gerekçe kalitesi. İnceleyicilerin hızlıca uygulayabileceği bir rubrik oluşturun ve her testi gerçek bir destek veya alışveriş senaryosuna bağlayın ki gerçek kullanıcı sonuçlarıyla uyumu sağlayın. Yaklaşım, mühendislik ekiplerine prompt oluşturma hattının en son yinelemeleri genelinde çıktıları karşılaştırmada yardımcı olur ve prompt adımları süreci şeffaflık sağlar.

Prompt tasarımı yaparken, yüzey doğruluğunun ötesine geçen bir değerlendirme sinyalleri kümesi oluşturun. Tutarlılık, gerekçenin izlenebilirliği ve niyet uyumuna odaklanın. Çapa yanıtları ve puanlama rubrikleri oluşturun ve prompt'ları, yanıtları ve kararları güncelleyin. Gerçekçi veri setlerini günlüklerden ve kamu benchmark'larından derlemek için kaynaklar ve araçlar kullanın; inceleme ve yineleme için çapraz fonksiyonel ekiplere (mühendislik, ürün, QA) erişim sağlayın. Bu yaklaşım, girdiler evrildikçe güvenilir kalan sağlam prompt stratejileri geliştirmeyi destekler, özellikle mühendislik ve prompt içinde.

Değerlendirmeyi, her test durumunu çalıştıran, prompt'ları, model çıktılarını ve puanları kaydeden ve girdiler değiştiğinde veri yeniden yüklemelerini tetikleyen hafif bir harness ile operasyonelleştirin. En son sonuçları, oluşturmada iyileştirmeleri yönlendirmek ve yineleme döngüsünün bir sonraki döngüsünü bilgilendirmek için kullanın. Önerileri, fikirleri ve güncellenmiş sorguları hızlandırmak için canlı bir repo sürdürün. Belgeleme ve eğitim materyalleri, ekiplerin sonuçları nasıl yorumlayacağını ve amazon tarzı ürün sorguları ve önerileri için testleri nasıl yeniden kullanacağını anlamasına yardımcı olsun.