PL
Zaloguj sięZacznij teraz
Słownik pojęć

Metaprompt

Czym jest Metaprompt?

Metaprompt to polecenie, które prosi model językowy o samodzielne przygotowanie lub ulepszenie promptów albo instrukcji systemowych. Opisuje się cel, grupę odbiorców i pożądany ton oraz podaje przykłady; model tworzy wówczas uporządkowane instrukcje z rolą, regułami i ograniczeniami. Pozwala to szybciej uzyskać dobre pierwsze wersje, które następnie są testowane i dopracowywane przez ludzi. Przykład: hasło „obsługa klienta dla sklepu rowerowego” zamienia się w kompletny szkic instrukcji.

Jak pomaga KI.ordo

Szablon KI.ordo „Napisz instrukcje dla agenta (metaprompt)” przekształca cel, grupę odbiorców i przykłady w nowe instrukcje, wraz z regułami dotyczącymi tego, czego agent nie powinien robić.

Dowiedz się więcej : Metaprompt

Pasujące szablony

Tematy

  • prompting
  • agenci
  • instrukcje

Wypróbuj KI.ordo

Agenci, przepływy i szablony w jednym obszarze roboczym – bezpłatne demo na 24 godziny.

Uruchom demo
← Wszystkie pojęcia

Powiązane pojęcia

Prompt

Prompt to dane wejściowe, które mówią modelowi AI, co ma zrobić – pytanie, zadanie lub polecenie, często uzupełnione kontekstem, przykładami i pożądanym formatem. Jakość odpowiedzi w dużej mierze zależy od tego, jak jasny i kompletny jest prompt. Na przykład zamiast „Napisz coś o naszym produkcie” lepiej: „Napisz trzy krótkie korzyści z produktu X dla firm rzemieślniczych, rzeczowym tonem”.

  • prompting
  • dane wejściowe
  • +1
Szablon

Negatywny prompt

Negatywny prompt określa, czego model AI wyraźnie nie powinien generować ani robić. W generowaniu obrazów, na przykład w Stable Diffusion, jest to osobne pole wprowadzania dla niepożądanych elementów, takich jak „rozmazany” lub „tekst na obrazie”. W modelach językowych przyjmuje postać reguł w instrukcjach, na przykład „Nie wymyślaj cen” albo „Nie udzielaj porad prawnych”. Takie ograniczenia czynią wyniki bardziej przewidywalnymi, ale nie zastępują kontroli.

  • prompting
  • instrukcje
  • +1

Prompting rekurencyjny

Prompting rekurencyjny oznacza techniki, w których wynik modelu językowego jest ponownie podawany jako nowe dane wejściowe – na przykład aby sprawdzić i poprawić szkic albo aby krok po kroku rozbić duże zadanie na zadania cząstkowe. Przykładowo najpierw powstaje szkic oferty, następnie model ocenia go według listy kontrolnej, a na końcu jest on ulepszany. Często podnosi to jakość, ale kosztuje dodatkowy czas przetwarzania i wymaga jasnego kryterium zakończenia.

  • prompting
  • korekta
  • +1

Uczenie na kilku przykładach (few-shot)

Uczenie na kilku przykładach (few-shot learning) to zdolność modelu do rozwiązania zadania na podstawie zaledwie garstki przykładów. W modelach językowych dzieje się to zwykle bezpośrednio w danych wejściowych: pokazuje się dwie lub trzy pary pytania i pożądanej odpowiedzi, a model stosuje ten sam format i styl do nowych przypadków – bez ponownego trenowania. Przykład: trzy prawidłowo skategoryzowane zapytania klientów często wystarczą, by kolejne zapytania były sortowane tak samo.

  • Prompting
  • Przykłady
  • +1