Расширенные подсказки для сложных задач и шаблонов.

Общий:

В подсказках избегайте сарказма, иронии, длинных предложений, запутанных предложений, смешанных языков, синонимов, сленга, диалекта, несовершеннолетних слов, отрицаний (например, не пишите «не темный», лучше напишите «светлый») и тому подобного. Всегда выражайтесь как можно яснее, как если бы вы разговаривали с 3-летним ребенком.

Форматировать чисто. Структура вашего приглашения может иметь огромное значение. Даже одна пустая строка может полностью изменить результат. Структура с заголовками, например. «Вот что у меня есть: *разрыв строки*», «Вот что я хочу: *разрыв строки*», «Вот как я хочу:*разрыв строки*».

Для более длинных подсказок также имеет смысл создавать полные разделы. Они обычно вводятся с двойным двоеточием, например. Секция1:: , Секция2::

Пишите код в тройных кавычках, например:
``‹body›‹div›LoremIpsum‹/div›‹/body›```

Так как GPT тяготеет к некоторой случайности и забывчивости, обычно лучше зайти в диалог, чем писать длинную подсказку. Который для шаблонов требует так называемых слоев. Как именно работают слои вы можете прочитать здесь: LinkComingSoon

В качестве альтернативы вместо ChatGPT можно использовать OpenAI Playground. Здесь Seed, Temperature и различные другие параметры можно установить вручную, чтобы получить более точные ответы или выбрать другие модели, такие как модель 16k для более длинных входных данных:
Игровая площадка OpenAI: https://platform.openai.com/playground

Рулон

(Формулировка, цель, задача, целевая группа)
Определите, с кем вы разговариваете.
Определите, какую помощь вы ожидаете.
Вам нужен юрист или врач?
Вам нужен маркетинговый текст или работа по бехолере?
Определите цель вашего разговора.

Пример.
Выступайте в роли юриста по правилам дорожного движения. Вы знакомы с немецким законодательством и прецедентами. Вы отвечаете именно так, как это делает юрист. Вы ко всем своим ответам, рекомендациям, высказываниям приводите соответствующие законы и приходите в комментарии (так выделено: «комментарий») максимум в трех предложениях содержание закона в целом понятное.

Цель/проблема

Мы максимально точно описываем (в случае сомнений излишне точно!!), в чем проблема и какова наша цель. Чем больше информации мы предоставим, тем менее случайным будет результат. Это важно! Потому что, несмотря на (перепроверьте (будет позже)) в случае сомнения, мы «галлюцинируем». Особенно, если мы плохо знаем тему, это важно. Потому что в случае сомнения мы не можем судить, что реальность, а что фантазия. Мы должны исключить это здесь в значительной степени. Любая информация, какой бы тривиальной она ни была, может способствовать этому:
- Лучше оценить ситуацию
- Не ошибиться в оценке ситуации
- Прийти к лучшим, непредсказуемым, более индивидуальным решениям
- Не делать неверных выводов
- Никогда не предполагать «это очевидно» (например, «конечно, я женщина»).

Пример.
Я врезался в машину впереди меня на светофоре в центре города. Это произошло в субботу в 16:30. Солнце стояло низко и мешало моей видимости. Я был трезв, не пил алкоголь и не принимал никаких других запрещенных веществ. Я езжу на мудром Opel Corsa 2012 года, меня зовут Сибилла Мюллер. Раненому впереди 90 лет, он ездит на серебристо-коричневом «Мерседесе» 1990 года выпуска. и т. д. и т. д.

Выход

(Таблица, Диаграмма, Объявления с ограниченным количеством символов, SocialMedia со смайликами)
Опишите, в какой форме вы хотите получить ответ.
Есть несколько вариантов:
– Опишите тон (деловой, подростковый, юридический, юмористический, легкомысленный, нахальный, грубый).
– Опишите желаемый тип форматирования (абзацы, заголовок, подзаголовки).
 – Краткий, подробный, удобный для детей и т. д.
 – Укажите количество слов или символов (работает в маленьких, например, твитах Twitter, но не в больших).
 – Вы хотите, чтобы таблица (собственная) или диаграмма (требуется подключаемый модуль).
 – Вам нужны emojs
 – Порядок вывода, например. «начинайте с интересного вопроса» и заканчивайте «преобразующим Call2Action».
- Укажите язык, если вы хотите получить ответ на языке, отличном от языка вашего ввода (здесь я бы рекомендовал добавить его в самом конце, например, «Отныне мы будем говорить друг с другом только на хорватском языке»)

Пример.
 Пишите юридическим тоном. Разделяйте отрывки на осмысленные абзацы, чтобы текст было легко читать. Отформатируйте заголовки H1 (#) и заголовки H2 (##). Выделите важные отрывки жирным шрифтом. Будьте кратки и точны. Дайте мне краткое изложение выше в максимум 4 предложения для первоначальной оценки.

Пример

Примеры очень полезны для определения используемой логики или определения выходных данных. Например, можно имитировать собственный стиль письма, вводя собственные электронные письма, узнавая свой стиль письма и отвечая соответствующим образом.
Или ввод и соответствующий вывод можно описать с помощью примера, чтобы избежать двусмысленности.

Пример:
У меня есть список переводов в таком виде: «Дом»: «Дом», в данном случае первое значение соответствует английскому оригиналу, а второе — немецкому переводу. Дайте мне в той же форме перевод для испанского, например. «Дом»: «Каса».

Входы

Предоставьте такую ​​информацию, как URL-адреса, текст, репозитории, ключевые слова, PDF-файлы. Для этого часто необходимы плагины. Тут надо быть внимательным, с одной стороны надо проверять, какая информация на самом деле тянется, с другой стороны есть два узких места, если либо сервис плагина, либо сам плагин недоступен или перегружен, часто галлюцинирует что-то вместе, что иногда не имеет абсолютно ничего общего с реальностью. Что на самом деле тянут, видно по маленькой стрелочке плагина:

Список проверенных плагинов можно найти здесь:https://tinyurl.com/29b8z6ac

Beispiel:
Это URL адресованного текста:www.LoremIpsum.com

Статика

Если вы хотите создать шаблон, вы можете указать, как он должен выглядеть. Если вы хотите, вы можете заставить свой вывод следовать системе, например. сначала нам нужен заголовок и объяснение. Нам нужно прощание в конце, которое создает «слой» или «петлю».

Пример.
Мы создаем статические выходные данные с помощью ››статического вывода‹‹. Они всегда будут выводиться. Мы начинаем с заголовка в H1 (#) ›› Здравствуйте, я ваш юрист по GPT‹‹.
После этого вы отвечаете ответом H2 (##) «С этого момента я буду к вашим услугам». В конце вы задаете мне следующие вопросы:
›› У вас есть другие вопросы? Довольны ли вы ответом? ‹‹
›› Вам нужен вариант A, вариант B и т. д.‹‹ далее.
(см. также Запросы)

Запросы

Это очень важно, потому что вы никогда не будете думать обо всей информации. Задавайте вопросы. Все, что неясно, следует переспросить. LLM, такие как ChatGPT, Bard, Bing, обучаются как разговорная модель. Они также очень забывчивы или сами оценивают, что важно, а что нет. Поэтому вообще лучше влезть в беседу, чем писать километровые подсказки, в которых можно было забыть части.

Пример:
Задайте все важные для вас вопросы, чтобы максимально правильно ответить на мою проблему. Если что-то неясно или какая-либо информация важна или способствует процессу принятия решения, запросите эту информацию, прежде чем отвечать.

"Двойная проверка"

Может привести к лучшим результатам, особенно с длинными подсказками. Однако эта функция также несколько раз оказывалась ошибочной. Вы должны иметь в виду, что «двойная проверка» может привести к тому, что вы будете менее забывчивы. Но он также может «навязчиво» хотеть исправить и неправильно улучшить правильные ответы.

Лично я думаю, что это сведется к «агентам», известным из AutoGPT. То есть не один и тот же экземпляр управляет собой, а второй экземпляр управляет первым.

Пример.
Проверьте результат в конце. Дайте список всего сомнительного содержания, фактов, утверждений и причин, по которым они могут быть неверными. Также укажите, почему вы считаете, что ваш вывод правильный. Не стесняйтесь предоставлять источники. Источниками могут быть цитаты известных людей или URL-адреса веб-сайтов, таких как Википедия.

Логика (для шаблонов)

Можно обучать различной логике, такой как переменные, условия, такие как решения If / Else. Подробно описано, как именно с этим нужно обращаться и приведены примеры.

Пример:
С этого момента вы используете переменные, как это известно из программирования. Вы рассматриваете мой ввод так, как если бы переменные уже были заменены значениями переменных. Мы пишем переменные в двойных фигурных скобках, например. {{переменная}}. Значения переменных присваиваются двойным знаком равенства, например. {{переменная}} == ‘значение переменной’.

Следовательно, вы считаете, например. «Меня зовут {{имя}} … {{имя}} == ‘Джон’» as «Меня зовут Джон».