ChatGPT und generative KI: Prompt Engineering für Unternehmen

1. [Kapitel 1] Davis kennenlernt, deinen prompten Technik-Instruktor: Ja, ja, ja. Hey, ich bin Davis und habe bisher fast 1 Million Menschen auf der ganzen Welt Technologie - und Geschäftskenntnisse beigebracht . Menschen verwenden KI, um Beiträge in sozialen Netzwerken zu erstellen oder einen Aufsatz zu korrigieren. Aber das ist so, als würde man einen Raketenwissenschaftler beauftragen , eine Glühbirne mit KI einzuschrauben . Als Ihr Partner sind Sie nur durch Ihre schnellen technischen Fähigkeiten eingeschränkt. In diesem Kurs lernen Sie das ICO-Framework kennen und lernen, wie Sie eine professionelle Eingabeaufforderung entwerfen. Vier grundlegende Eingabeaufforderungstechniken: Entwurfsfähigkeiten und fortgeschrittene Prompt-Engineering-Techniken. Dann werden wir Schritt für Schritt gemeinsam eine professionelle Eingabeaufforderung erstellen . Und dann erhalten Sie ein gehostetes und überprüfbares Prompt-Engineering-Zertifikat , das von Easel ausgestellt wird In diesem Kurs werden Sie nun einige wichtige Definitionen im Zusammenhang mit KI-Modellen und Prompt Engineering lernen einige wichtige Definitionen im Zusammenhang mit KI-Modellen und Prompt Sie werden einige Simulationen durchführen , die Ihnen in Echtzeit Feedback geben und Ihr Verständnis für die Kursgliederung sowie für hilfreiche Definitionen und Zitate sowie Links zur weiterführenden Literatur stärken Den Studienführer finden Sie unter Staffelei, Link I guide. Jetzt ist dieser Kurs speziell für Profis konzipiert. Verwenden Sie KI bei der Arbeit, um Sie produktiver zu machen. Sie können Ihre Eingabeaufforderungen verwenden, um beispielsweise alles zu personalisieren, Code zu schreiben, etwas zu erstellen, Strategien zu entwickeln, zu unterrichten und vieles mehr, so viele Dinge, die früher nur Menschen Die gute Nachricht für Sie ist, dass bewiesen ist , dass Sie, wenn Sie über schnelle technische Fähigkeiten verfügen, wie sie hier entwickelt werden, Ergebnisse erzielen können einem KI-Modell für den allgemeinen Gebrauch, wie es heute von allen großen KI-Unternehmen angeboten wird, Ergebnisse erzielen können, die sogar die Ergebnisse übertreffen , die mit speziell trainierten Modellen in einem bestimmten Bereich erzielt wurden. In Ordnung, also lasst uns anfangen. 2. [Kapitel 1] Prompt Engineering: Die Macht hinter der KI-Business-Revolution: Wenn Sie KI etwas Einfaches fragen, erhalten Sie einfache Ergebnisse. Aber wenn Sie detaillierte Eingabeaufforderungen erstellen können, die perfekten Platz unter den Billionen möglicher Ihre Fähigkeiten im Bereich Prompt Engineering werden Ihnen damit beginnen, viel, viel Zeit zu sparen , und Sie werden sich in einer neuen erweiterten professionellen Ingenieurwesen ist die Praxis Fragen oder Aussagen so zu entwerfen , dass ein KI-Modell die gewünschte Antwort liefert. Im täglichen Einsatz von KI verwenden wir kurze Eingabeaufforderungen, aber Sie können auch ausführliche Eingabeaufforderungen mit vielen Daten und Details erstellen , mit denen Sie die enorme Leistungsfähigkeit von KI-Modellen nutzen und aussagekräftigere Ergebnisse erzielen Schnelle technische Fähigkeiten können einen erheblichen Wettbewerbsvorteil verschaffen, da Sie anhand von KI-Modellen die genauesten, relevantesten und kreativsten Antworten finden Zusammenfassend lässt sich sagen, dass wir in der Welt der generativen KI und umfangreicher Sprachmodelle Aufforderungen verwenden, generativen KI und umfangreicher Sprachmodelle Aufforderungen verwenden, um KI-generierte Ergebnisse zu erhalten Stellen Sie sich eine Aufforderung als einen ausgeklügelten digitalen Schlüssel , der aufgrund seines Designs eine Antwort aus einem KI-Modell freischaltet Aufforderung. Das Ingenieurwesen entwirft Fragen oder Aussagen , anhand derer ein KI-Modell die gewünschte Antwort liefert. Prompt. Technische Fähigkeiten können genutzt werden um die Genauigkeit, Relevanz und/oder Kreativität der Reaktion eines KI-Modells drastisch zu erhöhen , Relevanz und/oder Kreativität der Reaktion eines KI-Modells 3. [Kapitel 2] Lerne mehr über Kontext-Windows, KI-Anweisungen und die leistungsstärkste Erklärung: Ich frage vielleicht meinen Freund Sean. Sean, was sollte ich zu Mittag essen? Vielleicht sagt er als Antwort, hmm, ich weiß nicht, vielleicht Chicken-Taco, oder Aber wenn ich mit KI an dieser Entscheidung für das Mittagessen arbeiten würde , würde ich vielleicht fragen Ich möchte, dass du mir hilfst herauszufinden, was ich zu Mittag essen werde. Sei mein Ernährungsberater und hilf mir, eine Lösung für das Mittagessen zu finden , die zu Fuß erreichbar ist Jetzt habe ich zum Frühstück einen Scone gegessen und normalerweise versuche ich , nur eine Mahlzeit am Tag zu essen, die Gluten enthält Außerdem versuche ich, mehr Gemüse zu essen, besonders grünes Gemüse wie Rosenkohl Außerdem bin ich heute Morgen wirklich lange gelaufen, also habe ich ziemlich Hunger und du solltest wissen, dass ich keine zu scharfen Dinge mag und außerdem allergisch gegen Avocado bin Könnten Sie mir zwei Optionen zum Mittagessen vorschlagen , von denen Sie denken, dass sie für mich funktionieren würden? Können Sie mir konkret zwei Gerichte empfehlen, jedes aus einem anderen Restaurant, und mir den Namen des Restaurants nennen, in dem es zubereitet wird? Dann könnte die KI reagieren. Okay. Ich würde den Power Bowl von Industry oder den Hippie Bowl von Fresco vorschlagen Industry oder den Hippie Bowl von Fresco Keiner hat Brot und beide haben Rosenkohl und mageres Eiweiß, außerdem Und beide Restaurants sind zu Fuß erreichbar. Einer der großen Vorteile der Arbeit mit KI besteht nun darin , dass sie enorme Informationsmengen synthetisieren kann, zwar viel mehr als in diesem Beispiel Wenn Sie mit KI arbeiten, Ihre Aufgabe darin, die richtige Frage zu stellen, was vielleicht sogar die wichtigere Aufgabe ist als die Antwort zu generieren Einmal sagte mir ein CEO einer der erfolgreichsten Unternehmensberatungen der Welt, dass die richtige Frage aussagekräftiger ist als jede Aussage. Hier sind nun einige Definitionen Sie in diesem Abschnitt benötigen. Ein Kontextfenster ist die Menge an Informationen, die ein KI-Modell bei der Generierung einer Antwort berücksichtigen kann . Anweisungen werden umgehend angezeigt. Engineering ist ein optionaler Satz von Anweisungen denen Sie kalibrieren können, wie das KI-Modell Ihre Aufforderung interpretiert Jetzt ist es an der Zeit, dass Sie lernen, wie Sie das ICO, das Prompt Design-Framework, verwenden das ICO, das Prompt Design-Framework, 4. [Kapitel 2] KI Prompt Architektur: Werde Prompt Engineering ICOn!: Wenn Sie hinter den Kulissen mit KI chatten, wird eine Aufzeichnung Ihrer Konversation von der KI verwendet , um zu bestimmen, was als Nächstes gesagt werden soll. Wenn Sie beispielsweise angeben, welches Land nach Bevölkerungszahl am kleinsten ist, wird sich die KI Ihre Frage und Ihre Aufforderung ansehen und ihr Bestes tun, um Ihnen eine angemessene Antwort zu geben. Es antwortet mit der Vatikanstadt mit 510 Einwohnern. Wenn du dann nachfolgst, okay, was ist das zweitkleinste und die KI? Es hat eine Bevölkerung von 10.876. Wie funktioniert das? Nun, wenn Sie mit KI chatten, schaffen Sie einen Kontext, den die KI nutzen kann, um die Konversation fortzusetzen und Ihnen nützliche Ergebnisse zu liefern In diesem Beispiel ist der Kontext Ihr Chat-Verlauf. Sie müssen beispielsweise nicht angeben, welches Land nach Bevölkerungszahl das zweitkleinste ist Land nach Bevölkerungszahl das zweitkleinste , da Sie in Ihrer ersten Nachricht diesen Kontext zur Diskussion hinzugefügt haben. Wenn du nach Ländern nach Bevölkerungszahl fragst, ist Kontext die Information, die die KI verwendet, um eine für dich nützlichere Antwort zu generieren eine für dich nützlichere Antwort , wobei der Kontext nicht unbedingt ein Chatverlauf sein muss. Sie können durch Ihre Eingabeaufforderungen Kontext hinzufügen, und Ihre Eingabeaufforderungen können viele Informationen enthalten Das Kontextfenster ist die Menge an Informationen, die ein KI-Modell bei der Generierung einer Antwort berücksichtigen kann bei der Generierung einer Antwort berücksichtigen In den meisten Fällen ist es in Bezug auf den Text extrem groß. Einige Modelle verfügen über Kontextfenster, die Text im Wert von Hunderten von Seiten verarbeiten können. Hier kommt Advanced Prompt Engineering ins Spiel. Ihre Eingabeaufforderungen können ausführlich und detailliert sein. Sie können Informationen enthalten, die es einem KI-Modell ermöglichen , vollständig personalisierte Ergebnisse zu liefern Wir stellen das ICO-Prompt-Design-Framework verwenden Sie das ICO-Framework, um Ihren KI-Ansatz zu organisieren. Aufforderungen. Beginnen Sie mit Anweisungen Bei Anweisungen handelt es sich um optionale Anweisungen , mit denen kalibriert wird, wie das KI-Modell Ihre Aufforderung interpretiert Anweisungen können verwendet werden , um die Rolle der KI festzulegen. Sie sind Ernährungsberater. Sie haben Regeln festgelegt, die nicht mehr als drei Sätze in einem Absatz enthalten in einem Absatz Der Stil der Antwort bietet Analogien zu vereinfachten, komplexen Themen, festgelegte Grenzen, bietet keinen medizinischen Rat Beispielsweise kann es sinnvoll sein, einen Befehlssatz für Eingabeaufforderungen zu verwenden, die Sie zum Generieren von Inhalten verwenden, einen anderen für Forschungsarbeiten und einen anderen Satz für KI-gestützte Analysen Fügen Sie nach den Anweisungen Kontext zu Ihrer Aufforderung hinzu. Dies sind alle Hintergrundinformationen und Daten, die Sie hinzufügen, um dem KI-Modell das zu geben , was es benötigt , um das gewünschte Ergebnis zu erzielen. Die beiden wichtigsten Arten von Kontextinformationen, die Sie in Ihren Eingabeaufforderungen verwenden können, sind zunächst Hintergrundinformationen, z. B. Informationen über Sie, eine Organisation, einen Kunden, Ihre Branche, Richtlinie oder Zweitens Beispiele. sind Beispiele, die dem Modell etwa beibringen wie man schreibt, was gut was schlecht ist, was in der Vergangenheit funktioniert hat und was jetzt nicht. Schließlich können Sie nach den Anweisungen und dem Kontext Ihre Eingabeaufforderung beenden, indem Sie der KI mitteilen , wie die Ausgabe formatiert werden soll Dies ist optional, aber wenn Sie KI für Ihre Arbeit verwenden, kann ein konsistentes Ausgabeformat sinnvoll sein im Ausgabeteil Ihrer Aufforderung Geben Sie im Ausgabeteil Ihrer Aufforderung genau an, wie die KI reagieren soll. Weisen Sie KI beispielsweise an, einen Titel zu erstellen, dann einen Unterabschnitt mit drei Aufzählungspunkten, dann einen weiteren Unterabschnitt mit einer Empfehlung aus vier Sätzen und dann einen letzten Unterabschnitt mit drei Sobald Sie das eingerichtet haben, ist Ihre Ausgabe dynamisch. Jedes Mal, wenn die KI generiert, kann sie das von Ihnen erstellte Formular mit neuen Informationen ausfüllen . Falls Sie in Ihrer Eingabeaufforderung etwas geändert haben, vielleicht in Ihrem Kontext. Nehmen wir zum Beispiel an, Rahul schreibt eine Liste von Anweisungen, fügt dann eine Menge Kontext hinzu, identifiziert dann, wie die Ausgabe aussehen soll, generiert ein Ergebnis, ändert dann ein Datenelement, das ändert dann sich im Kontextteil seiner Eingabeaufforderung befindet, und dann regeneriert er die Würde genauso bleiben wie in der ersten Generation, hätte aber einen anderen Inhalt, weil Rahul diese Daten in seinem Kontext geändert hat Zusammenfassend lässt sich sagen, dass Ihre KI-Eingabeaufforderungen riesige Mengen an Informationen enthalten können Verwenden Sie das ICO-Framework, um Ihre Eingabeaufforderungen zu organisieren. Beginnen Sie mit Anweisungen, einem optionalen Satz von Anweisungen, mit denen Sie kalibrieren können, wie das KI-Modell Ihre Aufforderung interpretiert Fügen Sie dann Ihrer Aufforderung viel Kontext hinzu. Hintergrundinformationen zum Thema und Beispiele, an denen sich die KI orientieren kann. Definieren Sie abschließend ein Ausgabeformat. Auf diese Weise können Sie Ihre Eingabeaufforderung mit unterschiedlichen Daten verwenden und eine vorhersehbare Struktur beibehalten. 5. [Kapitel 2] Stimmen aus dem Feld: Welche Kontextinformationen fügst du deinen Eingabeaufforderungen hinzu?: Wissen Sie, wir züchten Insekten auf Lebensmittelabfällen. Aber was wir tun, ist KI mit dieser Entwicklung zu implementieren , sodass wir jetzt tatsächlich produktiver sein können , indem wir die Insekten züchten und wie wir sie züchten und die Temperatur kontrollieren und die Lebensmittelabfälle, die wir verwenden, kontrollieren. Es sind also nur viele der kleinen Prozesse denn allein beim Insekt von der Eientwicklung bis zur großen Larve gibt es in jedem Entwicklungsstadium bereits sieben Prozesse . Ich denke, du fängst mit einer Biographie an. Also willst du ihr sagen, ob du sie geschäftlich nutzt, du willst ihr etwas über dein Unternehmen erzählen, was dein Unternehmen macht, welche Art von Produkten du verkaufst. Die KI hat also einen Kontext. Das Gleiche gilt, wenn Sie Student sind. Sie möchten ihm sagen, dass Sie maschinelles Lernen oder Informatik studieren und dass Sie Hausarbeiten schreiben oder forschen. Eine der besten Möglichkeiten für JI besteht darin, Beispiele zu geben. Ich habe direkt in der Aufforderung ein Beispiel für mein Schreiben gegeben. Wenn ich also eine Kopie machen möchte, hilf mir, meinen Newsletter zu schreiben. Ich würde ihm sagen, was ich tun wollte, und dann gebe ich ihm ein Beispiel. Wenn ich ihm ein Beispiel gebe, nennt man das One Shot Prompting Wenn ich mehrere Beispiele nenne, nennt man das Shot Prompting Und der limitierende Faktor ist die Größe des Kontextfensters. Also, basierend auf der Arbeit, die ich schreibe, ich oft nicht ausgehen, also bin ich oft im System und suche nach also bin ich oft im Informationen, richtig Im Grunde genommen Informationen darüber, wie ein bestimmtes Produkt an eine Zielgruppe verkauft ein bestimmtes Produkt an eine Zielgruppe Richtige Einsicht, die für das relevant ist, was auch immer ich zu entwickeln oder zu sehen versuche oder mit dem ich zu sprechen versuche. Vielleicht ein bisschen zurückholen, vielleicht ein bisschen Marktforschung. Also zum Beispiel die Angebote zu verstehen, die ich habe. verstehe, du weißt schon, etwas über einen Kunden oder was auch immer ich über einen Kunden gesammelt habe. Nur weil ich viel auf Brainstorming stehe. Ich verstehe, weißt du, ich habe ein besonderes Interesse daran, wie ein Sportprofi zu sein , mit all den Athleten und so, die ich mag , auf einem sehr wettbewerbsfähigen Niveau zu coachen Aber je mehr Hintergrundinformationen man dem KI-System gibt, vor allem über die Athleten, ist das wie das, was sie trainiert haben, was sie gegessen haben, eine Menge Testbatterien und so, die wir machen. Was eine Testbatterie im Grunde ist, kann man sich eine Testbatterie einfach als eine ganze Reihe von Übungen vorstellen eine ganze Reihe von , die wir als direkte Trainer unseren Athleten geben, um zu sehen, wie sie abschneiden. Was Sie tun möchten, ist, dass Sie all die Informationen, die Sie in die Tabellen eingeben , über die Leistung Ihrer Athleten und so weiter aufnehmen möchten Und dann möchten Sie es in das KI-Modell einbinden. Und fügen Sie es als Hintergrundinformation ein, nur als Kontext. Dann, basierend auf den Informationen , die Sie so ziemlich gesammelt haben, und dem Zeug aus den Tests und allem anderen über die Athleten, können Sie anfangen, mehr Fragen zu stellen. 6. [Kapitel 2] Interaktive Lernsimulation: Let’s Build an einer ICO-formatierten KI-Aufforderung: Okay, jetzt haben Sie die Möglichkeit, an einer interaktiven Lernsimulation teilzunehmen , mit der Sie üben können, wie Sie eine Aufforderung im ICO-Format erstellen, die auf einem realen Szenario basiert Gehen Sie zu den Links zur Staffelei und führen Sie die Lernsimulation durch Sie können sogar sofort ein Abschlusszertifikat für die Simulation erhalten , wenn Sie fertig 7. [Kapitel 2] Wichtige Erkenntnisse aus dem Bereich KI-Prompt-Design + Was kommt als nächstes: Herzlichen Glückwunsch zum Abschluss dieses Abschnitts. Lassen Sie uns einen kurzen Überblick über das Gelernte geben. Ich möchte, dass Sie sich eine Aufforderung als die stärkste umfassende Anfrage nach einer Antwort vorstellen die stärkste umfassende Anfrage , die man jemals stellen könnte. Nun, hier sind einige wichtige Erkenntnisse. Eine Aufforderung kann Anweisungen, Kontext und detaillierte Ausgabeanweisungen enthalten und detaillierte Ausgabeanweisungen denen das KI-Modell folgen muss I-, C- und O-Anweisungen können verwendet werden, um die Rolle der KI festzulegen, Regeln und Grenzen festzulegen und den allgemeinen Stil der Reaktion der KI zu bestimmen. Kontext Ihrer Eingabeaufforderungen kann Hintergrundinformationen, Informationen über Sie, Ihre Organisation, Ihre Kunden, Ihre Branche oder eine Situation sowie Beispiele enthalten Ihre Organisation, Ihre Kunden, , um dem Modell etwas zu vermitteln Stellen Sie sich den Ausgabebereich Ihrer Aufforderung so vor, als ob Sie ein Formular erstellen, das, nachdem das Modell die früheren Teile Ihrer Aufforderung berücksichtigt hat, für Sie ausgefüllt wird Als Nächstes erlernen Sie die folgenden vier Fähigkeiten zur Gestaltung von Eingabeaufforderungen Trennzeichen, Definitionen, Markdown und Griffleisten. Lass uns 8. [Kapitel 3] Eine Einführung in Trennzeichen, Definitionen, Markdown und Lenker: Ein Akt. Also koche ich gerne. Und es gibt einige Werkzeuge, die ich in meiner Küche verwende , die mir das Leben erheblich erleichtern, wie den Standmixer. Es ist ein fantastisches Werkzeug , mit dem meine Muffins, Brote und Kekse so viel besser und einfacher zuzubereiten Wenn Sie jetzt Eingabeaufforderungen entwerfen, stehen Ihnen Tools wie dieses zur Verfügung, die Ihnen mit Ihrer KI helfen, so wie mein Standmixer mir beim Kochen hilft Lassen Sie mich Ihnen einige Konzepte vorstellen. Ein Trennzeichen ist eine Folge von Zeichen, die verwendet werden, um die Grenze zu spezifizieren, die etwas in Ihrer Eingabeaufforderung umgibt Eine Definition in der Prompt-Technik verwendet ein Wort oder eine Phrase, um auf etwas zu verweisen, das Sie zu Ihrer Eingabeaufforderung hinzugefügt haben Markdown ist eine einfache, lesbare Methode zur Formatierung von Klartext Handlebars bei KI-Eingabeaufforderungen die Verwendung von zwei geschweiften Klammern mit Text auf der Innenseite, wodurch ein Raum entsteht, den die KI bei jeder Generierung ausfüllen muss In diesem Abschnitt erfahren Sie, wie Sie Ihre Fähigkeiten im Bereich Prompt-Engineering mithilfe Ihre Fähigkeiten im Bereich Prompt-Engineering 9. [Kapitel 3] So verwendest du Trennzeichen und Definitionen, um magische Schlüssel zu entwickeln: Oft muss man der KI sagen, wo sie suchen soll. Hier finden Sie zum Beispiel die Richtlinie und hier finden Sie relevante Beispiele. Exzellente Eingabeaufforderungen enthalten oft viele solche Bezugspunkte. Ich werde Ihnen beibringen, wie Sie Trennzeichen und Definitionen in Ihren Eingabeaufforderungen verwenden und Definitionen in Ihren Eingabeaufforderungen Zusammen gibt es Superkräfte im Bereich Prompt Engineering . Ein Trennzeichen ist eine Abfolge von Zeichen, die verwendet werden, um die Grenze zu spezifizieren, die etwas In Ihrer Aufforderung müssen Sie eigentlich nur wissen, wie man ein Demeter-Tag verwendet Sie können Tags verwenden, um Informationen zu trennen oder zu bündeln. Für eine KI wie diese Informationen und Sie geben Ihre Informationen hier ein, geben Sie die Informationen hier mit Schrägstrich Sie müssen nur Ihre Tag-Struktur konsistent halten. Setzen Sie dasselbe Wort, ein beliebiges Wort zwischen den Symbolen „Größer als“ und „Kleiner als“. Und das zweite Tag mit demselben Wort wie das Eröffnungs-Tag. Dort müssen Sie einen Backslash einfügen. Du schließt das Etikett. Sie können Tags für ein paar Informationen wie Liedtext verwenden und dann einige Liedtexte hier einfügen und dann das Tag schließen oder viele Informationen wie Bericht. Und dann füge hier einen ganzen 30-seitigen Bericht ein und schließe dann den Berichts-Tag. Definitionsdefinitionen sind jetzt einfach. In der Prompt-Technik bezieht sich eine Definition mit einem Wort oder einer Wortgruppe auf etwas, das Sie zu Ihrer Aufforderung hinzugefügt haben. Hier sind einige einfache Definitionen als Beispiel. Davis Jones hat einen Kundenhintergrund und ist Lehrer und Softwareingenieur. Er mag Kochen und Staffeleien zur Musikorganisation. Nachdem Sie diese Definitionen zu Ihrer Aufforderung hinzugefügt haben, können Sie einfach sagen, berücksichtigen Sie den Hintergrund des Kunden, Großbuchstaben C, Großbuchstabe B. Oder Sie könnten in Ihrem Output-Bereich Lenker verwenden, über die Sie an anderer Stelle lernen werden, wie bei dieser Organisation, Capital, die KI wird wissen, wovon Sie Nun, für größere Informationsblöcke , wie zum Beispiel eine 15-seitige Richtlinie, sollten Sie dies zu Ihrer Aufforderung hinzufügen, indem der KI mitteilen, dass Sie einige Informationen hinzufügen werden und dass Sie später mit einem bestimmten Wort oder einer bestimmten Phrase auf diese Informationen verweisen werden. Hier verwenden wir Trennzeichen und Definitionen zusammen Definitionen Zwischen den Richtlinientags findest du eine Richtlinie, die für meine Branche gilt. Im Folgenden die Richtlinie mit der Großbuchstaben P, und dann fügen Sie hier den Text aus der Richtlinie hinzu, Backslash-Richtlinie Wann immer wir in unserer Aufforderung auf diese Richtlinie verweisen müssen , können wir einfach eine Richtlinie mit Großbuchstaben P verwenden und die KI wird wissen, wovon wir Hier sind ein paar Beispiele dafür, wie das funktionieren könnte. Bitte analysieren Sie die Richtlinie und machen Sie dann anhand der Beispiele in der Richtlinie etwas, das Sie in der Richtlinie finden . Zusammengefasst handelt es sich bei einem Trennzeichen also um eine Abfolge von Zeichen, die verwendet werden, um die Grenze zu spezifizieren, die ein Objekt in Ihrer Eingabeaufforderung umgibt Die gebräuchlichsten Trennzeichen sind Tags. Tags oder ein beliebiges Wort zwischen zwei Ungleichheitssymbolen. Vor dem abschließenden Tag muss ein umgekehrter Schrägstrich wie dieser stehen. Eine Definition im Zusammenhang mit der Gestaltung von Eingabeaufforderungen verwendet ein Wort oder eine Wortgruppe, um auf etwas zu verweisen, das Sie zu Ihrer Aufforderung hinzugefügt haben Verwenden Sie Trennzeichen und Definitionen zusammen, sodass Sie in Ihrer Eingabeaufforderung problemlos auf große Informationsblöcke verweisen problemlos auf große Informationsblöcke 10. [Kapitel 3] Markdown: So fügst du Informationshierarchie zu reinem Text hinzu: Große Sprachmodelle sind eine Form von KI, die den Text in Ihrer Eingabeaufforderung letztendlich in Einsen und Nullen umwandelt letztendlich in Einsen und Nullen Dann sucht das KI-Modell nach Mustern und ihren Trainingsdaten Dies ermöglicht es ihm letztendlich, eine Vorhersage zu treffen. Und das ist Ihre Ausgabe. Wenn Ihre Eingabeaufforderung vorverarbeitet ist und Sie sie in diese kleinen Teile zerlegt haben, ist alles reiner Text, er ist nicht formatiert Wie geben Sie also Titel und solche Dinge an? Durch Markdown. Markdown ist eine einfache, lesbare Methode zur Formatierung von Klartext Es gibt eine Reihe von Möglichkeiten, Markdown zu verwenden, darunter das Erstellen von Kopf- und Unterüberschriften, fett gedrucktem Text, kursivem Text In der Prompt-Technik benötigen Sie am häufigsten Markdown benötigen Sie am häufigsten Markdown Um die KI-Hierarchie in Ihren Informationen darzustellen, verwenden wir grundsätzlich das Hashtag-Symbol für Und der Ansatz ist einfach. Ein Hash ist Header eins, der größte Header. Zweitens sind Hashtags der zweitgrößte Header, drei Hashtags sind der drittgrößte Header und so weiter Wenn Sie eine Aufforderung erstellen und beispielsweise Informationen über Ihre Organisation hinzufügen möchten , möchten Sie wahrscheinlich Markdown-Header verwenden, um Irgendeine Struktur wie diese. Hashtag, Informationen über mein Unternehmen, Inc-Hashtag , unsere Geschichte, Hashtag-Hashtag, unser Hashtag-Hashtag Aufgrund Ihrer Verwendung von Markdown-Headern versteht die KI, dass es sich bei unserem Team beispielsweise um einen Bereich handelt, bei dem es sich um einen Unterabschnitt mit Informationen über mein Unternehmen handelt, Inc., wie der Titel lautet. Sie werden auch Markdown-Header verwenden, um der KI mitzuteilen, wie sie ihre Ausgabe Nehmen wir an, Sie möchten, dass die KI anhand einiger Daten einen wöchentlichen Bericht für Sie generiert , und diese Daten ändern sich haben Sie diese Daten als Großbuchstaben W als wöchentliche Großbuchstaben D bezeichnet einem früheren Teil Ihrer Eingabeaufforderung haben Sie diese Daten als Großbuchstaben W als wöchentliche Großbuchstaben D bezeichnet. Jetzt fügen Sie dieser Eingabeaufforderung eine bestimmte Ausgabestruktur hinzu. Ihre Aufforderung lautet, einen Bericht für mich in diesem Format zu verfassen. Hashtag, wöchentlicher Bericht hier. Generieren Sie drei Sätze, in denen Sie die Ergebnisse zusammenfassen , die Sie im wöchentlichen Daten-Hashtag sehen Hashtag: Fortschritte bei der Erreichung unserer Ziele Hier wird anhand der wöchentlichen Daten ein Satz generiert zusammenfasst , welche Ziele Sie dann in einem zweiten Satz zusammen, Fassen Sie dann in einem zweiten Satz zusammen, welche Ziele wir nicht erreicht haben weil Sie dem Ausgabeteil Ihrer Aufforderung Markdown-Header hinzugefügt haben Ausgabeteil Ihrer Aufforderung Markdown-Header hinzugefügt Sie leiten die KI an, einen Wochenberichtsentwurf zu erstellen , der genau so formatiert ist, wie Sie ihn haben möchten , mit einem großen Titel mit Aufschrift Wochenbericht und dem entsprechenden Text darunter und einem Unterabschnittstitel mit der darunter und einem Unterabschnittstitel Aufschrift Fortschritte bei unseren Zielen mit Zusammenfassend lässt sich sagen, dass es sich bei den meisten KI-Modellen, mit denen wir interagieren, um Large Language Models (LLMs) handelt, die für die Arbeit mit einfachem, unformatiertem Text konzipiert Markdown ist eine einfache, lesbare Methode von Wir verwenden häufig seinen Hashtag-basierten Ansatz zur Formatierung von Headern zur Formatierung von Headern In Markdown steht ein Hashtag für den größten Header, zwei für den zweitgrößten Header Sie können Markdown-Header verwenden, um Ihre Eingabeaufforderungen und Kontextinformationen zu strukturieren und die Formatierung der Ausgabe 11. [Kapitel 3] Bereite uns ein Dokument für KI-Arbeit vor, das Trennzeichen, Definitionen und Markdown verwendet: Okay, lassen Sie uns ein Dokument, das wir mit KI verwenden möchten, nehmen und es so formatieren , dass es sauber ist und die KI bereit ist, damit zu arbeiten Sie sehen sich hier in dieser von mir erstellten App zur Verwaltung von Eingabeaufforderungen nur eine leere Notiz an. Aber was wir hier tun werden, könnte mit jedem Dokumentenverwaltungstool wie Google Docs oder Microsoft Word gemacht werden jedem Dokumentenverwaltungstool . Wenn Sie Ihre Eingabeaufforderungen dort behalten oder Ihre Eingabeaufforderungen dort entwerfen möchten oder einfach direkt in eine KI-Schnittstelle wie Chat, GPT oder ähnliches Das werden wir hier tun. Ich werde diesen ausführlichen Bewertungsleitfaden öffnen. Dies ist nur aus einer Eingabeaufforderung entstanden , die ich zuvor erstellt habe. Das ist der State of Texas Assessments of Academic Readiness , dieser pädagogische Test , den Schüler an öffentlichen Schulen ablegen müssen. Das ist dieser Bewertungsleitfaden von vor ein paar Jahren. Wir wollen hier den Bewertungsleitfaden nehmen und ihn für den Einsatz mit KI vorbereiten , damit wir ihn in eine Aufforderung integrieren können. Was wir hier nun tun werden, kann, was die Fähigkeiten angeht, auf viele verschiedene Arten von Dokumenten und Informationen angewendet werden . Es könnte auf Informationen über Ihr Unternehmen, Sie oder einen Kunden, eine Situation oder einen Artikel oder so ziemlich alles angewendet Sie oder einen Kunden, eine werden, was textbasiert ist. Ordnung, also was wir hier tun werden, lassen Sie uns diesen Abschnitt einfach hier machen. Ich zeige Ihnen hier, wie wir Markdown, Trennzeichen und Definitionen verwenden werden, um hier, wie wir Markdown, Trennzeichen und Definitionen strukturieren Ordnung, ich werde hier zunächst einfach den Rohtext einfügen Im Moment haben wir diesen Text ohne jegliche Formatierung , so wie KI-Modelle Text benötigen. AI-Modelle unterstützen formatierten Text nicht , wenn Sie große Sprachmodelle verwenden Standardmäßig haben wir im Grunde nur diesen Rohtext. Wie können wir diesen Text so formatieren , dass KI bereit ist, ihn zu verwenden? Nun, ich stelle oft fest, dass Sie hier der KI mitteilen möchten hier der KI mitteilen , dass Sie ihr einige Informationen geben werden Eine gute Möglichkeit, darüber nachzudenken, ist, dass Sie eine Grenze zwischen einigen Informationen ziehen. Und das werden wir mit D-Limitern machen , etwa so Lassen Sie mich kurz durchgehen, was ich hier mache. Ich meine, zwischen den Leitfaden-Tags finden Sie Informationen über einen Bewertungsleitfaden. Und im Folgenden ist dies der Leitfaden mit einem großen G. Wenn Sie hier, nach dem Leitfaden, die Dinge angeben, die wir in die Guide-Tags einfügen, können wir in unserer gesamten Eingabeaufforderung referenziert werden , indem Sie einfach den Leitfaden mit einem großen G sagen . Dann werden wir hier unser Trennzeichen wie folgt öffnen. Dann gehe ich einfach zum Ende und schließe das Tag einfach, indem ich Backslash und dann Guide mache. Ordnung, im Grunde wird alles , was In Ordnung, im Grunde wird alles , was sich zwischen diesen Tags befindet der Leitfaden mit einem großen G sein, den wir während unserer gesamten Eingabeaufforderung verwenden können In Ordnung, das ist eigentlich der Titel des Leitfadens. Jetzt werden wir anfangen, etwas Markdown zu verwenden , um unseren Informationen eine gewisse Hierarchie zu geben Mit Markdown erstellen wir einen Hashtag, der den größten Titel oder Titel darstellt Dann würden wir zwei Hashtags verwenden, um Titel oder den zweitgrößten Titel anzugeben den zweiten Titel oder den zweitgrößten Titel anzugeben, so etwas wie die Punktzahl 0,1. Ich möchte hier einfach zurückgehen und sicherstellen, dass ich das, was hier vor sich geht, mit dem tatsächlichen Bewertungsleitfaden Ja, hier ist der Titel Im Grunde genommen haben wir hier diesen Untertitel und dann haben wir diese Abschnitte, die wie Unteruntertitel sind Diese sind wie der dritte Abschnitt unten in diesem Handbuch. Lassen Sie uns das mit Markdown erstellen, diesen Teil hier, in dem es heißt, dass der Aufsatz eine sehr eingeschränkte Schreibleistung darstellt Sie sehen, dass dies im Grunde beschreibt, was eine Punktzahl von 0,1 bedeutet Das ist im Grunde wie der Haupttext, der mit der Punktzahl 0,1 verknüpft ist mit der Punktzahl 0,1 verknüpft Dann diese Sache mit dem Organisationsfortschritt, das ist ein neuer Abschnitt genau hier. Lass uns weitermachen und das machen. Dies ist ein Unterabschnitt von Punktzahl 0,1. Dann handelt es sich bei jedem dieser Punkte im Grunde um unterschiedliche Aufzählungspunkte Wir machen einfach weiter und machen all diese Aufzählungspunkte so. In Ordnung. Und ich werde nur noch einmal überprüfen , ob wir drei Stichpunkte haben. 123, stellen Sie sicher, dass das dem entspricht, was wir hier haben. Ja, 123. Ordnung, großartig. Was wir getan haben indem wir dieser Organisationsentwicklung drei Hashtags hinzugefügt haben. Der Untertitel ist, dass wir zwischen unseren Bewertungsleitfäden stehen und sagen, dass hier der Titel und hier ein Unterabschnitt und dann hier ein Unterabschnitt ist Im Grunde wollen wir damit sagen, dass Sie auf diese Weise wissen, wie man die Organisation und den Fortschritt von etwas bewertet, das die Punktzahl 0,1 hat. Ich zeige Ihnen eine Vollversion davon , damit Sie sehen können, wie Ich navigiere einfach hier zur vollständigen Eingabeaufforderung. Großartig, so wird das in der Praxis gemacht. Ich habe genau das Gleiche gemacht , als ich das gebaut habe. Für einige Lehrer nenne ich das Bewertungsleitfaden statt Leitfaden. Aber ich habe den gesamten Bewertungsleitfaden zur Erläuterung mitgenommen, bei dem es sich meiner Meinung nach nur um öffentliche Informationen handelt Dann habe ich es hier nach unten strukturiert und es im Grunde genommen aus diesem PDF in etwas umgewandelt, das für eine Eingabeaufforderung verwendet werden und es im Grunde genommen aus diesem PDF in etwas umgewandelt , das für eine Eingabeaufforderung verwendet Ich werde Ihnen anhand eines realen Beispiels zeigen eines realen Beispiels wie ich diesen Bewertungsleitfaden verwende, Großbuchstabe S, Großbuchstabe G. Sie werden es hier unten im Ausgabebereich der Aufforderung feststellen , wo wir ganz nach unten gehen und ich im Grunde sage, hey, okay, also haben die Schüler einen Aufsatz eingereicht usw. Du wirst sehen, ich sage, ich möchte, dass du mir hilfst, den Aufsatz zu benoten Dies bezieht sich auf den Aufsatz, der laut Bewertungsleitfaden oben in der Eingabeaufforderung steht. Was ich dem KI-Modell jetzt sage , ist, dass Sie wieder den Bewertungsleitfaden verwenden werden, sich in unseren Tags befindet. Es weiß, wo es suchen muss , um den Aufsatz zu bewerten. Hier haben die Lehrer den Aufsatz abgelegt. Das ist ein Beispiel für die Verwendung von Trennzeichen, Definitionen und Markdown , um so etwas zu konvertieren Das ist kein sehr nützlicher Kontext, da es sich um ein PDF handelt Es ist nicht so organisiert , dass KI damit arbeiten und es in etwas umwandeln kann, das von einem KI-Modell verwendet werden kann, indem die Fähigkeiten verwendet werden, die Sie jetzt kennen, nämlich diese Limiter, die Definitionen und der Markdown 12. [Kapitel 3] Lenker: Zuverlässige Ausgabe-Formatierung mit dynamischen Informationen: Beim KI-Prompting können Sie sich den Lenker als Bühne vorstellen . Die Bühne selbst bleibt am selben Ort, aber es gibt eine andere Band, einen anderen Tanz Handlebars bei der KI-Eingabeaufforderung die Verwendung von zwei geschweiften Klammern mit Text auf der Innenseite, wodurch ein Raum entsteht, den die KI bei jeder Generierung ausfüllen muss Handlebars sind ein Tool , das wir fast ausschließlich im Ausgabebereich unserer Eingabeaufforderungen verwenden ausschließlich im Die einfachste Anwendung besteht darin, die KI das Leerzeichen am Lenker durch ein Wort oder eine Phrase ersetzen Vielleicht aufgrund einiger Informationen, die Sie bei jeder Generierung in einem früheren Teil Ihrer Eingabeaufforderung hinzugefügt jeder Generierung in einem früheren Teil Ihrer Eingabeaufforderung Vielleicht enthält Ihre Aufforderung Kontextinformationen, die den Namen eines Kunden enthalten, wie dieser Kundenname, Davis Jones Jetzt haben Sie im Ausgabebereich Ihrer Aufforderung möglicherweise eine kleine Zeile wie diesen Vorschlag für einen Kundennamen In Handlebars würde die KI dann einen Vorschlag für Davis Jones als Ergebnis generieren Sie können den Lenker auch verwenden, um der KI spezifische Anweisungen zu geben , was generiert werden soll Hier sind zwei Beispiele, zuerst ein einfacheres, dann ein komplexeres Fangen wir mit dem Einfachen an. Generieren Sie einen lustigen Titel für einen Geschäftsvorschlag, der hier den Kundennamen enthält, machen Sie ihn auf weniger als 60 Zeichen und hier ist das tatsächliche Ergebnis. Davis Jones zeichnet ein Stück Erfolg auf und macht Wortspiele. Hier ist ein komplizierteres Beispiel. Kunde Name kämpft darum, sein Stressniveau vor dem Schlafengehen zu senken. Generieren Sie anhand Ihrer Trainingsdaten zwei Übungen, die Kunde an jedem Abend vor dem Schlafengehen durchführen kann , um Fähigkeiten zur Stressreduzierung aufzubauen. Strukturieren Sie diese beiden Übungen wie diesen Hashtag, der Übungsname enthält Details zur Übung in weniger als 100 Zeichen Ermutigende Worte für den Namen des Kunden. In diesem Teil der Aufforderung verwenden wir Definitionen, Markdown und Handlebars in Handlebars um das Format und den Stil unserer Ausgabe anzupassen Hier sind zwei tatsächliche Ergebnisse. Achtsames Atmen, 4 Sekunden lang tief einatmen, sieben Sekunden lang halten, acht Sekunden ausatmen, wiederholen Ruhe erwartet Davis. Hier können Sie sehen, dass Markdown diesen Titel kreiert hat, und auch, dass die verschachtelten Lenker für Ruhe gesorgt haben, auf Davis wartet. Das sind die ermutigenden Worte für den Namen des Kunden . Hier ist die zweite Ausgabe, Dankbarkeit. Reflexion, liste drei Dinge aus deinem Tag auf. Positivität schafft Frieden. Davis, mach weiter so. Zusammengefasst: Verwenden Sie zwei geschweifte Klammern, Lenker mit Text auf der Innenseite, um einen Raum zu schaffen , in dem KI bei jeder Generierung etwas für Sie ausfüllen jeder Generierung etwas für Sie Normalerweise verwenden wir im Ausgabeteil unserer Eingabeaufforderungen einen Lenker , um die KI bei der Generierung dynamischer Ausgaben zu unterstützen. Die einfachste Verwendung von Handlebars besteht darin, KI dynamisch ein Wort, eine Phrase oder eine Zahl zur Ausgabe hinzufügen zu lassen, z. B. einen Namen oder KI dynamisch ein Wort, eine Phrase oder eine Zahl zur Ausgabe hinzufügen zu lassen, z. B. einen Namen oder eine Punktzahl. Handlebars können der KI detaillierte Anweisungen geben, die Markdown-Definitionen und sogar verschachtelte Lenker beinhalten Markdown-Definitionen 13. [Kapitel 3] Die vier Kern-Prompt Engineering Skills (Zusammenfassung der Erfahrungen) + Was kommt als nächstes: Mit diesen vier Fertigkeiten — Trennzeichen, Definitionen, Markdown und Griffleisten — können Sie Eingabeaufforderungen erstellen, die fast alles können Lassen Sie uns zusammenfassen, was Sie in diesem Abschnitt gelernt haben. Fügen Sie Informationen zwischen Tags und definieren Sie sie mit einem Wort oder einer Phrase Auf diese Weise können Sie in der gesamten Eingabeaufforderung problemlos auf diese Informationen zurückgreifen . Verwenden Sie Markdowns, Hashtag-basierte Überschriften, um Ihren Eingabeaufforderungen Struktur und Kontextinformationen zu verleihen Kontextinformationen Handlebars können Sie auf der Grundlage von Anweisungen, die Sie zwischen geschweiften Klammern einfügen , eine dynamische Ausgabe erstellen Grundlage Diese vier Tools ergänzen sich gegenseitig. Verwenden Sie sie, um einen qualitativ hochwertigen Kontext für die KI und hochgradig maßgeschneiderte Ergebnisse zu erstellen die KI und Ordnung, in diesem nächsten Abschnitt werden wir einige fortgeschrittene Techniken der Prompt-Technik erlernen . 14. [Kapitel 4] Peru, die Mongolei und ein diplomatisches Gericht, das mit generativer KI entwickelt wurde: Stellen Sie sich vor, Sie sind Regierungsbeamter und gehen zu einem Abendessen, bei dem ein historisches Abkommen zwischen Peru und der Mongolei gefeiert zwischen Peru und der Mongolei Das erste Gericht kommt heraus und es ist ein perfektes Beispiel für einen traditionellen mongolischen Eintopf, aber es wird mit peruanischen Zutaten zubereitet, von denen nur wenige Es ist unglaublich, einzigartig und kreativ. Und Sie fragen den Koch, wie Sie auf dieses Gericht gekommen sind? Sie antwortet: Nun, ich habe eine KI eine simulierte Kollaborationssitzung zwischen einem Experten für traditionelle mongolische Küche, einem Experten für seltenes peruanisches Gemüse und einem erfahrenen peruanischen Fischer leiten eine simulierte Kollaborationssitzung zwischen einem Experten für traditionelle mongolische Küche, einem Experten für seltenes peruanisches Gemüse und einem erfahrenen peruanischen lassen. Verrückt, oder? Nun, in diesem Abschnitt lernst du einige fortgeschrittene Techniken zur KI-Eingabeaufforderung wie diese Zunächst lernen Sie zwei einfache Techniken denen Sie Ihre Ergebnisse dramatisch verbessern können Dann werden Sie lernen, worum es geht, wenn KI zurücktritt. Und schließlich werden Sie etwas über Multiagenten- oder SPP-Prompting und die Tessa-Technik lernen Multiagenten- oder SPP-Prompting und die Tessa-Technik . Lass uns anfangen. 15. [Kapitel 4] Zwei einfache Prompting-Techniken, um deine Ergebnisse zu verbessern: Denken Sie an eine Zeit, in der etwas Ihre Gefühle angesprochen hat. Eine Person, ein Film, ein Lied. Etwas, das dich dazu inspiriert hat, etwas zu tun oder anders zu denken. Wussten Sie, dass KI-Modelle auf emotionale Appelle reagieren? Lassen Sie uns ein paar einfache und effektive Techniken lernen einfache und effektive Techniken denen Sie Ihre KI-Ergebnisse verbessern können. Die erste Technik besteht darin, Ihren Aufforderungen emotionale Appelle hinzuzufügen Ihren Aufforderungen emotionale Appelle hinzuzufügen Forscher von Microsoft haben bestätigt, dass moderne KIs in der Lage sind, emotionale Appelle zu verstehen Und dass das Hinzufügen zu den Eingabeaufforderungen die Ergebnisse auf der Grundlage einer Vielzahl von Kennzahlen um bis zu 8% verbessert auf der Grundlage einer Vielzahl von Kennzahlen um bis zu 8% Zum Beispiel nutzt Sanjay KI, um sich ein Vorstellungsgespräch als Antriebsingenieur vorzubereiten Im Ausgabeteil seiner Aufforderung fügt er also den folgenden Diese Jobmöglichkeit ist nicht nur ein Fortschritt in meiner Karriere. Es ist die Erfüllung eines Traums, auf den ich lange hingearbeitet habe . Dann macht er weiter. Jetzt möchte ich, dass Sie mir helfen dieses Interview vorzubereiten, indem Sie das folgende Formular ausfüllen , damit ich mehr über Trends in der Branche erfahren kann. KI-Modelle verstehen diese emotionalen Reize. Zweitens werde ich Ihnen die entsprechende Technik beibringen . Hier bitten Sie die KI, bestimmte Teile ihrer Trainingsdaten bei der Generierung von Ergebnissen zu verwenden bestimmte Teile ihrer Trainingsdaten bei der . Das ist ganz einfach. Im Grunde fügen Sie Ihrer Aufforderung eine Phrase hinzu wie, laut Daten aus Wikipedia. Oder antworten Sie auf ähnliche Weise, indem Sie Informationen aus offiziellen Regierungsquellen verwenden. Sie werden diese häufig anhand von Begriffen zu Ihrer Aufforderung in den Anweisungen oder Ausgabeteilen Ihrer Aufforderung hinzufügen wollen anhand von Begriffen zu Ihrer Aufforderung in den Anweisungen oder Ausgabeteilen . Hier ist ein Beispiel. Sanjay könnte den Prompt, an dem er gearbeitet hat, aktualisieren. Jetzt möchte ich, dass Sie mir helfen, mich auf dieses Interview vorzubereiten , indem Sie Informationen aus von Experten begutachteten Studien in Ihren Trainingsdaten verwenden, um das folgende Formular auszufüllen, das mir hilft , mehr über Trends in der Branche zu erfahren, da es der KI im Grunde sagt, wo sie nach Antworten suchen muss Zusammenfassend lässt sich sagen, dass KI-Modelle emotionale Appelle verstehen können. Verwenden Sie sie in Ihren Eingabeaufforderungen, um die Argumentationsfähigkeit der KI und Ihre Ergebnisse zu verbessern Argumentationsfähigkeit der KI und Ihre Bitten Sie KI, bei der Generierung von Ergebnissen bestimmte Teile ihrer Trainingsdaten zu verwenden bei der Generierung von Ergebnissen bestimmte Teile ihrer Trainingsdaten zum Beispiel bestimmte Quellen oder Arten von Informationen, um die Originalforschung zu emotionalen Reizen und Eingabeaufforderungen einzusehen . Besuchen Sie Staffelei Punkt, um je nach Aufforderung Emotionen mit den ursprünglichen Forschungsergebnissen zu betrachten Besuchen Sie Staffelei, Link-Slash entsprechend . 16. [Kapitel 4] Zurückkehren: Von der Beantwortung von Fragen zu Fragen: Hast du schon einmal an einem Problem gearbeitet? Und vielleicht warst du ein bisschen frustriert, dann hast du beschlossen, dich zu beruhigen Treten Sie einen Schritt zurück und geben Sie sich etwas Raum zum Nachdenken. Vielleicht hast du an dem Problem geschlafen und dann am nächsten Tag daran gearbeitet, und dann hattest du einen Durchbruch Nun, es stellt sich heraus , dass KI-Modelle ähnliches Verhalten zeigen Forscher von Google haben herausgefunden, dass KI, wenn sie gebeten wird, einen Schritt zurückzutreten , auf hoher Ebene über ein Thema nachdenken und dann zu einer detaillierteren Analyse übergehen. KI-Modelle schneiden bis zu 27% besser ab. Zum Beispiel befindet sich Kendra gerade in einem beruflichen Wandel Sie möchte Krankenschwester werden. Und sie möchte bei ihrem Karriereübergangsplan mit KI zusammenarbeiten . So früh in ihrer Aufforderung könnte sie die KI bitten, einen Schritt zurückzutreten und zu überlegen, was sie über Trends und Medizin weiß. Und dann bittet sie das Model, bei der Erstellung eines Plans zur beruflichen Umstellung zu helfen eines Plans zur beruflichen Umstellung , der speziell auf ihren Anwendungsfall zugeschnitten ist. Machen Sie jetzt einen Schritt zurück und überlegen Sie, was Sie über Trends, Medizin und Pflege wissen über Trends, Medizin und , nachdem Sie das getan haben. Und dann fährt sie fort: Okay, hier ist ein weiteres Beispiel. Jenny sucht nach einer Textstrategie, die ihr hilft, viele Informationen schneller zu sortieren Sie könnte die KI bitten, einen Schritt zurückzutreten und darüber nachzudenken, wie Menschen erfolgreich mit der Informationsflut umgegangen sind Bitten Sie dann die KI, eine spezifische technologische Lösungsempfehlung wie diese abzugeben. Machen Sie jetzt einen Schritt zurück und überlegen Sie, was Sie über Informationsüberflutung und die Umwandlung vieler Informationen in wertvolle Erkenntnisse wissen Informationsüberflutung und die Umwandlung vieler . Und dann macht sie weiter. Denken Sie abschließend daran , dass KI-Modelle auf riesigen Datensätzen trainiert werden Oft müssen Sie nur Ihre Aufforderung verwenden, damit die KI Daten abrufen kann, die sich bereits in ihrem Datensatz befinden Fügen Sie Ihrer Aufforderung Ausdrücke wie „ Verwendung Ihrer Trainingsdaten“ oder „Verwendung Ihrer Kenntnisse über physikalische Therapie “ hinzu, um einem KI-Modell ausdrücklich mitzuteilen, seine riesigen Trainingsdaten nutzen soll , wenn es eine Reaktion für Sie generiert. Zusammenfassend lässt sich sagen, dass die Ergebnisse erheblich verbessert werden können, wenn KI gebeten wird , auf hohem Niveau über ein Thema nachzudenken dann zu einer detaillierten Analyse überzugehen und dann zu einer detaillierten Analyse überzugehen. Diese Technik wird als Rückschritt bezeichnet. Dies ist besonders nützlich , wenn Sie KI verwenden, Ergebnisse zu erzielen, die Spezifität beinhalten KI-Modelle werden anhand umfangreicher Datensätze trainiert. einer KI mitteilen, welche Trainingsdaten sie verwenden soll, können Sie sofort auf dieses Wissen zugreifen , um die Originalforschung zu lesen Zur Technik des Zurücktretens gehen Sie zu Easel, Link Slash Stepping Back Easel, Link Slash 17. [Kapitel 4] Mehrere Perspektiven mit der TESSA-Technik simulieren: Haben Sie jemals mit jemandem zusammengearbeitet , der die Dinge etwas anders betrachtet hat als Sie? Sie fanden ihre unterschiedliche Sichtweise interessant und hilfreich? Nun, das kann man im Grunde mit KI simulieren. Forscher von Microsoft haben einen Aufforderungsansatz entwickelt , der als Solo Performance Prompting oder SPP Prompting bezeichnet wird Performance Prompting oder SPP Prompting Dabei geht eine KI von mehreren Personas aus, von denen jede über ein anderes Fachwissen oder eine andere Sichtweise verfügt , und dann eine simulierte Zusammenarbeit mit jeder dieser angenommenen Personas eingeht und Diese Aufforderungsmethode eignet sich hervorragend, um komplexe Probleme zu lösen oder wirklich kreative Ergebnisse zu erzielen KI-Modelle, die nach diesem Ansatz fragen, liefern Ergebnisse, die quantifizierbar um bis zu 20% besser sind In diesem Modul werde ich Ihnen beibringen, wie Sie diese Technik mit dem Tessa-Framework verwenden können Lassen Sie uns ein Beispiel aufstellen. Nehmen wir an, Sahid arbeitet an einer Marketingstrategie und er muss wissen, wie man eine Marke positioniert Er muss die Einstellungen der Verbraucher in drei verschiedenen demografischen Gruppen verstehen in drei verschiedenen demografischen die die Marke Mit dem SPP-Ansatz kann er die KI dazu bringen, Personas anzunehmen Zum Beispiel ein Teenager, ein berufstätiger Elternteil und ein Rentner Und die KI kann dann eine Diskussion zwischen diesen Personen simulieren , bevor sie eine Empfehlung für Sahid generiert eine Empfehlung für Sahid Um diese Aufforderung zu erstellen, verwendet Shied das Tessa-Framework. Tessa ist ein schrittweiser Prozess zum Erstellen dieser Aufforderung Zuerst benennen Sie die Aufgabe, dann die Experten, dann beginnen Sie mit der Diskussion, dann fassen Sie zusammen, finden dann eine Einigung und erhalten dann Ihre Ergebnisse Gehen wir also diese Aufgabe durch. Zunächst stellen wir der KI die Aufgabe anhand unserer Aufforderung wie folgt Ich benötige jetzt Hilfe bei der Branding-Strategie, Experten. Hier werden Sie alle hypothetischen Personen benennen. Fachexperten, Publikumsvertreter, Publikumsvertreter, in einer solchen Diskussion Lassen Sie uns in einer solchen Diskussion Menschen zusammenbringen , die unterschiedliche Zielgruppen repräsentieren. Erstens, ein Teenager, der sich für Computerspiele interessiert , für einen berufstätigen Elternteil , der 4 Stunden pro Woche Spiele spielt. Drei, ein Rentner, der Technologie mag und 10 Stunden pro Woche Spiele spielt Dann sagst du der KI, dass sie an der Diskussion teilnehmen und sie leiten wird Jetzt beginnen wir mit der Diskussion. Das tun Sie zum Beispiel, indem Sie dem berufstätigen Elternteil sagen, dass er mitteilen soll, was er von einer Marke wie dieser erwartet, dem Teenager. Um in den sozialen Medien mitzuteilen, wie das Unternehmen mit dieser Marke interagieren möchte . Und dann teilt der Rentner mit, was er an den Spielen mag , die er spielt, und synthetisiert es Jetzt teilen Sie der KI erneut mit, indem Sie dazu aufgefordert werden, die Ideen der Personas zu synthetisieren und dann, in diesem Fall, eine Branding-Strategie zu Bei anderen Eingabeaufforderungen geht es nun um die jeweilige Aufgabe und schließlich Du sagst der KI, dass die Personas zusammenarbeiten sollen, bis sie sich auf eine tolle Branding-Strategie für Sahid einigen die Personas zusammenarbeiten sollen, bis sie sich auf eine tolle Branding-Strategie für Sahid einigen, und dir dann diese Ergebnisse liefern. , und dir dann diese Ergebnisse liefern Und es ist wichtig zu beachten, dass diese Aufforderungstechnik perfekt mit dem ICO-Framework perfekt mit dem Sie fügen einfach alle Anweisungen , die Sie oben in Ihrer Eingabeaufforderung haben, fügen den Kontext hinzu, den Sie hinzufügen müssen , fügen dann den Tessa-Ansatz zu Ihrer Aufforderung und lassen dann die KI alle Ergebnisse liefern , die Sie von ihr erwarten Zusammenfassend lässt sich sagen, dass der SPP-Ansatz es der KI ermöglicht , mehrere Personas zu simulieren und so ihre Fähigkeit zu verbessern, komplexe Probleme zu lösen und Verwenden Sie das Tessa-Framework um diesen Ansatz in Ihren Eingabeaufforderungen zu verwenden Aufgabenexperten beginnen mit der Diskussion und fassen die Einigung zusammen. Dieser Ansatz funktioniert gut mit der ICO-Eingabeaufforderungsstruktur. Sie können Anweisungen, Kontext und dann Tessa hinzufügen. Dann eine Output-Struktur , um den Artikel über das Prompting für Solo-Auftritte zu lesen Gehen Sie zu Sellin Multi Agent. Ein Beispiel finden Sie im Easel DoLinksPP-Beispiel. 18. [Kapitel 4] Video-Quiz: Verbessere deinen Rückruf dieser fortgeschrittenen Prompt Engineering-Techniken: Stellen Sie sich vor, Sie prüfen Investitionsmöglichkeiten und sehen eine Gelegenheit, die sich Ihnen bietet , in eine polnische Coffeeshop-Kette zu investieren , die Geld sammelt , um in Teile Deutschlands zu expandieren. Sie möchten bei der Bewertung dieses Geschäftsplans mit einem allgemeinen USAI-Modell arbeiten Bewertung dieses Geschäftsplans mit einem allgemeinen USAI-Modell und entscheiden , welche Kontextinformationen Sie Ihrer Aufforderung hinzufügen möchten Welche der folgenden Annahmen können Sie zum KI-Modell treffen? Die KI kennt die aktuellen Trends beim Kaffeekonsum in Deutschland. Die KI hat Informationen darüber wie Deutsche dazu neigen , Kaffee zu konsumieren. Die KI wurde anhand mehrerer Geschäftspläne für Kaffeeketten und zugehörigen Dokumenten geschult mehrerer Geschäftspläne für Kaffeeketten . Die KI ist in der Lage, Quelldokumente in polnischer, deutscher und englischer Sprache in einer einzigen Aufforderung zu verwenden Quelldokumente in polnischer, . Die Antwort lautet, dass alle Annahmen bis auf Annahme eins gültig sind. Es ist nicht sicher anzunehmen, dass das KI-Modell mit aktuellen Kaffeekonsumdaten aus Deutschland trainiert wurde . Jetzt möchten Sie alles in Ihrer Macht Stehende tun, um sicherzustellen, dass das Modell Ihnen genaue Informationen zurückgibt. Was ist der beste Weg, das zu tun? Fügen Sie eine Anweisung hinzu, die der KI sagt, dass sie nicht spekulieren soll. Verwenden Sie die entsprechende Methode. Damit das KI-Modell nur Trainingsdaten aus Quellen nutzt , denen Sie vertrauen. integrieren Es ist mir sehr wichtig, einen solchen emotionalen Appell in Ihre Aufforderung zu oder alle oben genannten Punkte zu berücksichtigen. Das ist richtig. All diese Strategien sind gültig und können in Kombination miteinander verwendet werden , okay? Sie möchten den Solo Performance Prompting- oder SPP-Ansatz nutzen , wenn Sie diesen Prompt erstellen Dazu verwenden Sie das Tessa-Framework und legen die Aufgabe darin fest, eine Anlagebewertung zu erstellen Welche Expertengruppe werden Sie nun in den Prompt einbeziehen? Welcher Experte wird den zusammenfassenden Teil dieser Aufforderung leiten den zusammenfassenden Teil dieser Aufforderung Ein Eigentümer einer Kette europäischer Coffeeshops, ein europäischer Private-Equity-Fondsmanager, ein deutscher Kaffeeliebhaber und ein polnischer CEO, der die Synthese leitet Ein Experte für deutsche Kaffeekultur, ein Experte für Kaffeelieferketten und ein Investmentbanker, und ein Investmentbanker wobei die KI die Synthese leitet Ein Experte für deutsche Gewerbeimmobilien, ein Experte für Marketing für deutsche Verbraucher, ein Experte für die Lieferkette in polnischen Restaurants und ein deutscher Investmentbanker, der die Synthese leitet Zwar handelt es sich bei allen vorgestellten Experten um legitime Personen, die in die Übung einbezogen werden könnten, nur bei Wahl zwei führt die KI die Synthese an, sodass dies die richtige Antwort ist 19. [Kapitel 4] Recapping deiner fortgeschrittenen Prompt Engineering-Techniken Learnings + What’s Next: Ordnung, in diesem Abschnitt haben Sie einige fortgeschrittene Techniken der Prompt-Technik gelernt Lassen Sie uns sie überprüfen. Wenn Sie emotionale Appelle in Ihre Generation einbeziehen, mir KI-Eingabeaufforderungen wie diese sehr wichtig KI wird statistisch gesehen bessere Ergebnisse erzielen. Verwenden Sie die entsprechende Technik, damit KI-Modelle verwenden bei der Generierung von Ergebnissen bestimmte Teile ihres Trainingsdatensatzes Wenn Sie KI-Arbeiten ausführen, bei denen es um Spezifität geht, weisen Sie die KI an, einen Schritt zurückzutreten und sich daran zu erinnern, was sie über ein Konzept weiß, das Sie bei der Suche nach komplexen Problemen oder bei der Zusammenfassung von Standpunkten verwenden Suche nach komplexen Problemen oder bei der Zusammenfassung von Standpunkten Verwenden Sie die SPP-Methode. Mit Tessa beginnen Experten die Diskussion, fassen zusammen und einigen sich Jetzt, im letzten Abschnitt des Kurses, werden wir gemeinsam eine professionelle Eingabeaufforderung erstellen professionelle Eingabeaufforderung Am Ende des Abschnitts erfahren Sie, wie Sie Ihr Zertifikat erhalten. 20. [Kapitel 5] Beauftrage nicht den besten Koch der Welt, um Zwiebeln zu hacken!: Die Art und Weise, wie viele Menschen KI verwenden, ist so, als würden Sie einen Koch beauftragen, der zu Ihnen nach Hause kommt , um Ihre Zwiebeln zu hacken. Vielleicht hatte deshalb einer der Partner von Y Combinator, dem wichtigsten Start-up-Accelerator der Welt dem wichtigsten Start-up-Accelerator der Welt mit Sitz in San Francisco, Folgendes zu sagen Ich würde mich freuen, wenn mehr Start-ups daran arbeiten würden, ist der Einsatz von LLMs zur Automatisierung komplexer Backoffice-Prozesse in großen Unternehmen In einer Bank könnten Sie zum Beispiel ein Kundenservice-Team haben, könnten Sie zum Beispiel ein Kundenservice-Team haben viele Anfragen von Kunden beantwortet Und die Leute arbeiten bereits daran, das zu automatisieren. Was viele Menschen jedoch nicht wissen , ist , dass es dann ein Compliance-Team gibt, Hundert dieser Gespräche stichprobenartig überprüft , um sicherzustellen, dass Dinge wie Beschwerden angemessen behandelt werden oder dass keine Finanzberatung gegeben wird wenn der Agent nicht qualifiziert Und das wird von einem riesigen Team von Leuten erledigt , die Unmengen und Unmengen von Texten durchgehen Das ist eine wirklich gute Aufgabe für einen LLM. Okay, jetzt werden wir eine Eingabeaufforderung erstellen , die eine große Wirkung in einem Bereich erzielen soll , den Sie vielleicht nicht industrielle Bergbaumaschinen gedacht haben Lassen Sie uns unseren Horizont etwas erweitern und uns neue Bereiche vorstellen, in denen schnelles Engineering große Auswirkungen auf das Geschäft haben kann . Hier ist der Fall. Hersteller von Industrieanlagen erhalten viele Garantieansprüche. Bei jedem dieser Ansprüche kann Prüfung durch einen Menschen viel Zeit in Anspruch nehmen. Lassen Sie uns KI verwenden, um dieses System exponentiell effizienter zu machen dieses System exponentiell effizienter Indem wir eine Aufforderung entwerfen , die die eingereichten Garantieanträge für Getriebe in Fördersystemen im Bergbau qualifiziert eingereichten Garantieanträge für Getriebe in Fördersystemen im Bergbau Sie benötigen nun keine Vorkenntnisse in diesem Bereich, um zu verstehen, was wir mit dieser Aufforderung tun werden Bevor wir weitermachen, werde ich die Easel Prompt Management App verwenden , die ich erstellt habe Während wir diese Aufforderung erstellen, können Sie unter der Easel Link Gearbox Prompt auf die Eingabeaufforderung zugreifen , die wir gemeinsam erstellen unter der Easel Link Gearbox Was wir tun, kann in jedem beliebigen Textverarbeitungssystem und mit jedem beliebigen KI-System erledigt Wenn Sie den Text der Aufforderung kopieren möchten, klicken Sie einfach hier und kopieren Sie ihn in Ihre Zwischenablage Und am Ende dieses Abschnitts erkläre ich Ihnen, wie Sie Ihr Prompt-Engineering-Zertifikat bei easel anfordern Ihr Prompt-Engineering-Zertifikat bei easel 21. [Kapitel 5] Lass uns diesen KI-Prompt visuell mit dem ICO-Framework darstellen: Beim Entwerfen von Eingabeaufforderungen finde ich oft , dass es hilfreich ist, beim Entwerfen zunächst das Ziel vor Augen zu beim Entwerfen zunächst das Ziel haben und dann hier rückwärts vorzugehen Ziel ist es, den Herstellern dieser Getriebe dabei zu helfen , diese Garantieanträge vorab zu qualifizieren Ich lasse die KI die Garantieanfrage in eine von vier Kategorien einordnen und dann lasse ich sie eine Zusammenfassung in einem Absatz geben begründet wird, warum die Anfrage in diese Kategorie aufgenommen wurde Das bedeutet, dass die Kernfunktion unserer Aufforderung darin bestehen wird, eine Garantieanfrage in eine dieser Kategorien einzuordnen in eine dieser Kategorien einzuordnen Was bedeutet, dass ich die Kategorien definieren muss. Das wird also Teil meines Kontextes sein. Um der KI nun beizubringen, wie man die Garantieanfrage in eine dieser Kategorien einordnet, benötige ich einige Beispiele für frühere Anfragen, die tatsächlich eingegangen und kategorisiert wurden. Dadurch wird die Genauigkeit dieser Aufforderung erheblich verbessert . Ich muss der KI auch beibringen, was in einer Garantieanfrage enthalten sein sollte. Also hole ich mir diese Informationen von der Firma und füge sie in die Aufforderung ein. Jetzt, wo ich die Teile zur Kategorisierung habe, muss ich diese Aufforderung aktivieren, um zu begründen, was sie tut, und um ihre Fähigkeit zu unterstützen, Garantieanfragen zu kategorisieren , die nicht genau In den Beispielen, die ich der KI beigebracht habe, werde ich den Produktkatalog abrufen und die relevanten Teile dieses Produktkatalogs in unsere Eingabeaufforderung einfügen die relevanten Teile dieses Produktkatalogs in unsere Eingabeaufforderung in unsere Eingabeaufforderung Auf diese Weise weiß die KI genau, um welche Produkte es sich handelt, wie sie bewertet wurden und wie sie verwendet werden sollen. Jetzt werde ich die Ausgabe so gestalten, dass sie bei jeder Generierung konsistent ist. Schließlich werde ich die Anweisungen ausführen. Ich werde das zuletzt tun, weil ich dann weiß, wie die Aufforderung funktioniert und was sie tun soll. Auf diese Weise kann ich der KI für diese Aufforderung angemessene Rollen und Grenzen setzen. Bevor wir fertig sind, müssen wir einen Bereich einrichten, in dem wir unsere tatsächlichen Garantieanfragen zu unserer Aufforderung hinzufügen können. Um diese Aufforderung zu entwerfen, habe ich mir zunächst angesehen, was die Aufforderung bewirken soll. Dann habe ich die Informationen identifiziert , die die KI dafür benötigen wird. Diese Informationen werden den Kontext der Eingabeaufforderungen bilden. Schließlich habe ich der Aufforderung die Abschnitte „Ausgabe“ und „Anweisungen“ hinzugefügt und die Stelle hinzugefügt, an der wir die Garantieanträge ablegen Jetzt, wo wir die Eingabeaufforderung erstellen, werde ich etwas natürliche Sprache hinzufügen , um diese Elemente miteinander zu verbinden. Du wirst zum Beispiel sehen, dass ich der KI irgendwann sage Schritt zurücktreten soll, bevor sie zu etwas weitermacht. Okay, lassen Sie uns die Eingabeaufforderung erstellen. 22. [Kapitel 5] Seite an Seite: Lass uns unseren Prompt einen Kontext hinzufügen: Okay, Kontext. Ich habe Informationen hinzugefügt, über die die KI wahrscheinlich nicht verfügt und sie benötigt, um ihre Aufgabe, diese Garantieanfragen zu beurteilen, zu erfüllen. Dieser Ansatz wird technisch als kontextbezogenes Lernen bezeichnet , da wir das Modell selbst nicht ändern, es nur so beibringen, wie wir es vorschlagen. Ordnung, schauen wir uns zunächst diese Parameter an. Diese Parameter geben an, was das Unternehmen benötigt, Person oder welches Unternehmen den Anspruch geltend macht, welche Informationen es einreichen muss , um den Anspruch geltend zu machen. Sie werden hier ein Muster sehen, dass Sie in dieser Aufforderung eine Menge sehen werden und Sie haben es in diesem Kurs gelernt. Wir werden hier die Begrenzer-Tags einrichten und dann einfach beschreiben, was diese Delimitter-Tags Und dann geben wir ihm einen Namen, die Parameter . Wenn Sie das Quelldokument sehen möchten , aus dem es stammt, das eigentliche Geschäftsdokument, können Sie den Easel-Link Dodge Warranty aufrufen Das werden Sie hier auf dem Bildschirm sehen. Ich habe diese Informationen direkt aus dem Dokument mit den Garantieansprüchen des Unternehmens übernommen. In Ordnung, lassen Sie uns weiter unten in den Kategorienabschnitten weitermachen. Hier richten wir tatsächlich die Kategorien ein, in die die Aufforderung einen der Ansprüche einordnen wird. Dabei werden die meisten Techniken verwendet , die Sie in diesem Kurs kennengelernt haben. Hier sind unsere Kategorien-Tags. Wir werden es genau hier öffnen und dann wirst du sehen, wir schließen es genau dort. Wir werden es hier definieren. Nach den Kategorien mit einem großen C und dann innerhalb der Kategorien, die wir Markdown verwenden, erstellen wir hier Überschriften wie Kategorie eins, sehr wahrscheinlich abgedeckt, dann ist das Text, der sich unter dieser Die KI kann verstehen, dass wir 1234 Kategorien einrichten Dann erstellen wir Kategorie vier oder wir machen Kategorie vier, diese Kategorie für alle. Denn wenn die Einreichung nicht genügend Informationen enthält, um sie richtig beurteilen zu können, werde ich das Problem beheben. Hier sind nicht genügend Informationen enthalten um es richtig zu beurteilen, und ordnen Sie es dann in diese Kategorie ein. In Ordnung, großartig. Wenn wir weitermachen, werden wir diese Kataloginformationen erstellen, das gleiche Muster. Wir werden ein Tag erstellen, ein Dilmeter. Wir werden eine Definition hinzufügen, die sich auf dieses spezielle Dilmeter bezieht Dann werden wir Markdown verwenden. Dies stammt direkt aus dem Produktkatalog des Unternehmens. Und Sie können es sich tatsächlich ansehen, wenn Sie möchten, im Easel Gearbox-Katalog Sie sehen diesen Link hier auf dem Bildschirm. Ich habe ehrlich gesagt festgestellt , dass dies einer der schwierigsten Teile ist , zumindest in Bezug auf die zeitaufwändige Arbeit, wenn Sie Geschäftsdokumente wie PDFs und ähnliches in Klartext für Eingabeaufforderungen zumindest in Bezug auf die zeitaufwändige Arbeit, wenn Sie übersetzen PDFs und ähnliches in Klartext für Eingabeaufforderungen Eine Sache, die ich getan habe, um das tatsächlich zu tun ist, dass ich KI verwendet habe, um mir dabei zu helfen. Das kannst du auch tun. Viele KI-Systeme, auf die Sie möglicherweise Zugriff haben, können Dokumente als Uploads akzeptieren Und du kannst sagen, hey, ich möchte, dass du das zusammenfasst. Sie können Eingabeaufforderungen verwenden, um die Entwicklung des Unternehmens tatsächlich zu beschleunigen Eingabeaufforderungen, die Sie erstellen , indem Sie sie solche Dinge ausführen Manchmal musst du es ein bisschen aufräumen. Und was wir hier gemacht haben, ist im Grunde wieder Markdown zu verwenden, um nur die Funktionen, die Nomenklatur, die speziellen Optionen und solche Dinge zu benennen die Nomenklatur, die speziellen Optionen und solche Dinge Der Auswahlprozess, wenn Sie echte Aufforderungen für Geschäftskunden erstellen vielen Fällen werden Sie hier einfach einen Großteil Ihrer eigentlichen Arbeit aufwenden und Zeit darauf verwenden, die Informationen einzugeben, über die die Eingabeaufforderung verfügen muss, damit sie über die speziellen Prozesse eines Unternehmens oder einer Organisation Bescheid weiß speziellen Prozesse eines Unternehmens oder einer Organisation damit die Eingabeaufforderung ihre Aufgabe erfüllen kann In Ordnung, lassen Sie uns jetzt zu den Beispielen gehen. Wenn Sie sich daran erinnern, was Sie zu Beginn des Kurses gelernt haben, geht es im Kontext hauptsächlich um Hintergrundinformationen und Beispiele. Diese ersten drei Dinge, die Sie gelernt haben, die Parameter, die Kategorien in den Kataloginformationen, das sind im Grunde Hintergrundinformationen, die wahrscheinlich nicht im Trainingsdatensatz der KI enthalten sind. Wir bringen der KI das in der Aufforderung bei. Nun werden wir zu Beispielen übergehen. Beispiele sind sehr wichtig , damit eine KI hervorragende Arbeit leisten kann. Was wir tun werden, ist ein Beispiel aus Unternehmensdaten darüber zu geben, was in die einzelnen Kategorien fällt. Und wir werden das mit einem gemeinsamen Muster tun , das Sie immer wieder sehen und das sich zwischen den Beispiel-Tags befindet. Da ist also unser Dlimitter, wir nennen ihn Beispiele, Großbuchstaben E. Und dann fügen wir hier unser Beispiel hinzu, das ist Kategorie 123.4 Wir unterrichten Dies ist ein Beispiel für eine Garantieanfrage, die in eine bestimmte Kategorie fallen würde Und das wird es wieder viel genauer machen. In Ordnung, jetzt kommen wir in unseren Ausgabebereich. Das werden wir im nächsten Modul machen. 23. [Kapitel 5] Lass uns eine zuverlässige Output-Struktur für die Prompt erstellen: Anweisungen zur Ausgabe von Easel Prompt können sehr einfach sein, z. B. das Generieren einer E-Mail Das werden wir nicht tun. Wir werden die Ausgabe steuern, insbesondere mithilfe von Markdown und Handlebars, sodass jedes Mal, wenn dieser Prompt verwendet wird, Ausgabe in einem definierten Format generiert wird Dadurch können wir unsere Eingabeaufforderung und unsere KI-Arbeit zur Integration in Wie bei anderen Anwendungen auch, klar definierte Workflows, bei denen Sie erwarten würden , dass die Dokumentation oder die Ausgabe in einem konsistenten Format vorliegen Lassen Sie uns das durchgehen. Das ist der Ausgabebereich genau hier. Sie werden hier sehen, dass ich eine natürliche Sprache verwende, um dem KI-Modell zu sagen , dass es einen Schritt zurücktreten und sich überlegen soll, was es über Steinbrüche, Bergbauprozesse und das industrielle technische Vertriebsmanagement weiß Bergbauprozesse und das industrielle technische Vertriebsmanagement Nun, das sind keine Dinge, die wir ihm in der Aufforderung beigebracht haben Wir haben nicht über Steinbrüche oder Bergbauprozesse oder Bergbauprozesse oder industrielles technisches Vertriebsmanagement KI-Modelle sind jedoch definitiv auf diese Themen spezialisiert Indem das KI-Modell einen Schritt zurücktritt und seine Trainingsdaten abruft , wird dies die Genauigkeit und Effektivität dieser Aufforderung erhöhen . Wir sagen dem Unternehmen auch, dass es berücksichtigen soll, was es im Katalog mit Großbuchstaben C findet , das Kapital I , die Kataloginformationen und die Parameter. Dies sind unsere Definitionen , die sich auf die Informationen beziehen, die in unseren Trennzeichen enthalten sind die Informationen beziehen, die in unseren Trennzeichen enthalten Sie können sehen, dass ich mich hier in unserer Ausgabe auf die Informationen beziehe , die wir der KI früher vermittelt haben , die wir der KI früher dann anhand der Beispiele Beurteilen Sie dann anhand der Beispiele ( Großbuchstabe E) den Beitrag , der hier erscheinen wird, ordnen Sie ihn einer der Kategorien zu ordnen Sie ihn einer der Kategorien und füllen Sie das folgende Formular für mich aus. Ordnung, dieser Teil steht im Grunde am Anfang der Ausgabe. Wir wollen im Grunde alles zusammenführen und der KI sagen , dass dies die Daten sind, die Sie berücksichtigen sollten, wenn Sie anfangen, das auszuführen, was ich von Ihnen erwarte. Dann möchte ich, dass die KI dieses Formular für mich ausfüllt. Ich finde, wenn ich ihr sage, dass sie ein Formular ausfüllen soll, kann die KI verstehen, dass ich möchte, dass sie hier eine einheitliche Formatierung beibehält. Indem wir einen einzigen Hashtag verwenden, werden wir im Grunde einen Titel erstellen Und wir werden diesen Titel über die Handlebars hier und hier erstellen diesen Titel über die Handlebars hier und hier Und wir werden die KI anweisen , einen eindeutigen Titel zu generieren, der sich auf die Einreichung mit Großbuchstaben S und Ihre Bewertung bezieht die Einreichung mit Großbuchstaben S und und weniger als 40 Es ist wichtig, sehr spezifisch zu sein. Weniger als 40 Zeichen. Ai wird wahrscheinlich nicht ausrasten und einen Titel schreiben, der der Länge eines Buches entspricht. Aber im Bereich Business Prompt Engineering Je spezifischer Sie sein können, desto besser. Nehmen wir zum Beispiel an, Sie möchten diese Ausgabe in ein System einfließen lassen und dieses System hat einige Längenbeschränkungen für die Titel. Auf diese Weise würden Sie festlegen, wie diese Längenbeschränkungen aussehen sollten. Ordnung, und dann werden wir einen Untertitel einrichten Und indem wir diese Kategorie außerhalb des Lenkers platzieren, werden wir sicherstellen, dass die KI das Semikolon der sagt Dann sagen wir im Lenker: Identifiziere, welche Kategorie du ausgewählt hast Hier geben wir ihr im Lenker Anweisungen , die sich auf die Einreichung beziehen Jetzt werden wir einen weiteren Unterabschnitt Begründung dient, und wir weisen ihn an, bis zu fünf Sätze zu generieren , die Aufschluss darüber geben, warum Sie die Kategorie ausgewählt haben, die Sie ausgewählt haben In diesem Fall geben wir der KI einen kleinen Spielraum von bis zu fünf Sätzen Es ist wichtig zu beachten, dass, wenn Sie drei Sätze sagen, die KI drei Sätze generiert, in einigen Fällen 455 In dieser speziellen Aufforderung benötigen wir möglicherweise nicht alle fünf Sätze. Ich habe es bei bis zu fünf Sätzen belassen , um zu erklären, warum es die Kategorie ausgewählt hat. Das ist unser Output. Wenn wir das demonstrieren, werden Sie feststellen dass unsere Ausgabestruktur jedes Mal, wenn wir diese Aufforderung verwenden , konsistent bleibt, auch wenn wir die Eingaben ändern . Okay, bevor wir weitermachen, werden wir die Einreichung hier platzieren, und Sie haben dieses Muster schon einmal gesehen. Zwischen den Einreichungs-Tags finden Sie im Folgenden einen Garantieanspruch, den wir kürzlich erhalten haben, die Einreichung in Großbuchstaben S. Und Sie werden sehen, dass auch hier in der Ausgabe darauf verwiesen wird auch hier in der Ausgabe Wenn Sie diese Aufforderung selbst ausprobieren, nehmen Sie sie einfach hier heraus. Sie können also entweder die Staffelei verwenden oder in die Zwischenablage kopieren Und du nimmst diesen Teil gleich hier raus. Und dann fügen Sie einen der Mustertests ein, die Sie im Studienführer finden. 24. [Kapitel 5] AI Prompt Anleitung: Lass uns die Rolle und die Regeln festlegen: Okay, du siehst hier also tatsächlich eine andere Aufforderung. Warum ist das so? Nun, als ich an den Anweisungen für diese Eingabeaufforderungen gearbeitet habe, habe ich KI verwendet, um mir zu helfen Wenn Sie zu Easel-Links oder Meta-Anweisungen gehen, finden Sie diese Aufforderung, mit der ich der KI das Ziel der Aufforderung und auch die kontextuellen Elemente der Aufforderung, die wir hier erstellen, beigebracht habe Aufforderung und auch die kontextuellen Elemente der Aufforderung , die wir hier erstellen, Und dann habe ich einige allgemeine benutzerdefinierte Anweisungen geteilt , die ich verwende. Sie finden sie in der Studienanleitung bis Ich habe mir von der KI helfen lassen, diese Anweisungen zu erstellen, die für die Eingabeaufforderung im Getriebe geeignet sind für die Eingabeaufforderung im Getriebe geeignet Sie werden hier sehen, dass ich einen Großteil der Eingabeaufforderung, die ich bereits erstellt hatte, zusammengefasst Eingabeaufforderung, die ich bereits erstellt hatte, Die kontextuellen Teile der Eingabeaufforderung zwischen den Eingabeaufforderungs-Tags Eingabeaufforderungs-Tags Dies soll nur zeigen, dass Sie Trennzeichen verwenden können, die sich innerhalb von Trennzeichen befinden Und ich habe die Eingabeaufforderung hier benannt. Und dann werden Sie sehen, dass ich nach dem Hinzufügen dieser Kontextelemente diese Standardanweisungen hinzugefügt habe, die ich in vielen meiner Eingabeaufforderungen verwende Dann, ganz unten, sagte ich, betrachte meine Eingabeaufforderung und die Standardanweisungen und mache dann einen Schritt zurück und überlege dir, was du über Prompt-Engineering weißt , und erstelle meine Anweisungen. Ich möchte hier nur verdeutlichen , dass ich das mit ein paar verschiedenen KI-Modellen versucht habe. Ich habe diese Aufforderung ausprobiert , die Anweisungen mit verschiedenen KI-Modellen generiert , die ich in die Easel-App integriert habe, bevor ich Ergebnisse gefunden habe, die mir gefallen haben Mir haben diese Gemini Pro-Ergebnisse besser gefallen. Ich möchte nur sagen, dass es sich manchmal lohnt, Ihre Eingabeaufforderungen auf verschiedenen KI-Systemen zu testen , da sie alle ein bisschen einzigartig sind und sich die Modelle manchmal im Laufe der Zeit weiterentwickeln Außerdem sollten Sie wissen, dass verschiedene Modelle unterschiedliche Preisstrukturen haben , was einen großen Unterschied machen kann, wenn Sie Ihre Eingabeaufforderungen für geschäftliche Zwecke verwenden Wenn Sie zum Beispiel hier nachschauen, werden Sie feststellen, dass Gemini Pro derzeit so teuer ist Um diese Aufforderung zu generieren, meine ich, es ist weit weniger als ein Cent, wobei GPT vier etwa 0,10$ kostet. Das heißt nur, dass diese Modelle unterschiedlich teuer sind und in verschiedenen Dingen besser sind Möglicherweise müssen Sie Ihre Eingabeaufforderungen auf verschiedenen KI-Systemen ausprobieren , um die gewünschten Ergebnisse zu erzielen 25. [Kapitel 5] Den Prompt auf die Probe: Demo unseres neuen Prompt mit Test-Einsendungen: Ja. Okay, lassen Sie uns unsere Aufforderung vorführen. Ich kopiere zuerst die Aufforderung in meine Zwischenablage. Dann gehe ich zu einem KI-Modell, füge die Eingabeaufforderung ein und füge einen der Testbeiträge aus dem Studienführer Und dann werde ich generieren, okay, hier ist das Ergebnis. Sieht gut aus. Jetzt werde ich das mit einem anderen Test versuchen. Die Einreichung sieht gut aus. Okay, in größerem Maßstab könnten Sie also ein System einrichten , das diese Aufforderung mithilfe von Computercode in ein Geschäftssystem integriert . Oder verwenden Sie eine Anwendung , mit der Sie viele Garantieansprüche gleichzeitig bearbeiten können. Okay, jetzt besorgen wir Ihnen umgehend Ihr technisches Zertifikat. 26. [Kapitel 5] Das ist ein Wrap! Herzlichen Glückwunsch Prompt Engineer!: Tolle Arbeit. Vielen Dank, dass du mit mir gelernt hast. Um Ihr schnelles technisches Zertifikat anzufordern, gehen Sie zu Easel Link Certificates und folgen Sie einfach den Anweisungen dort im Zertifikatsanforderungsformular nun zum Schluss daran, dass schnelles Engineering in gewisser Weise eine Kunst ist Es gibt so viele Möglichkeiten, Eingabeaufforderungen zu entwerfen. Ich ermutige Sie, kreativ zu sein und zu versuchen, Ihr Gehirn neu zu schulen , damit Sie daran denken, KI zu verwenden, um Ihnen bei Ihrer Arbeit zu helfen Das ist eine neue Sache. Ai kann fast alles. Sie müssen es nur mit der richtigen Aufforderung um Hilfe bitten.