Praxisorientierung: Schreiben von Eingabeaufforderungen, die tatsächlich funktionieren

1. Einführung: Und willkommen zu meinem Kurs zum Thema KI Prompting. In diesem Kurs werde ich Ihnen die allerbesten Tipps zur Steuerung von KI vorstellen, die ich in über Hunderten von Stunden des Experimentierens, Ausprobierens und Kurses einiger der wichtigsten Anbieter gelernt habe über Hunderten von Stunden des Experimentierens, Ausprobierens . All das habe ich in diesem Kurs hier zusammengefasst, alles mit dem Ziel , das Beste aus den neuesten größeren Sprachmodellen herauszuholen , die wir derzeit zur Verfügung haben Ich habe also eine Menge Dinge durchgemacht, sodass Sie nicht auf Kurse in voller Länge von Anbietern wie Google, Open AI, Anthropic zurückgreifen müssen . Ich habe also viele YouTube-Videos, Podcasts und Artikel durchgesehen , Podcasts und Artikel und im Grunde genommen die besten Teile in diesem Kurs zusammengefasst, sodass Sie nicht den gesamten Prozess durchlaufen müssen , den ich durchlaufen habe, in Bezug darauf , was funktioniert, was praktisch funktioniert und was nicht. Mein Name ist Hans, ein Inhaltsersteller, Immobilieninvestor und ehemaliger Ingenieur. Und wie viele Menschen verwende ich jeden Tag, in allen Bereichen meines Lebens, eine größere Sprache . Und es ist keine Übertreibung zu sagen, dass dies eine Revolution ist, die wir direkt vor unseren Augen sehen Die meisten von uns verwenden also jeden Tag große Sprachmodelle, egal ob es sich um Gemini, JAPT oder Claude handelt, aber nur sehr wenige von uns halten inne und denken darüber nach Bedeutung diese Erfindung tatsächlich hat und wie sehr sie unser Leben verändert Wenn man es im Kontext der Geschichte betrachtet. Um das Ganze ins rechte Licht zu rücken Wenn wir uns einige der wichtigsten Akteure der Geschichte in Bezug auf die Technik ansehen wichtigsten Akteure der Geschichte in Bezug und wie lange es gedauert bis sie 1 Million aktive Nutzer erreicht haben, stellen wir fest, dass Netflix 3,5 Monate gebraucht hat , um 1 Million Nutzer zu erreichen Ist an und für sich schon eine beeindruckende Leistung . Facebook, als sie gestartet wurden, dauerte zehn Monate. Wissen Sie, 1 Million aktive Nutzer auf eine beliebige Plattform zu bringen, ist eine wirklich große Leistung Und was ist mit ChatGPT beim Start? Es hat es in nur fünf Tagen geschafft. Und es ist noch verrückter, wenn man sich die Zeitrahmen anschaut, in denen Unternehmen 100 Millionen aktive Nutzer erreichen können. Nur sehr wenige Eliten wählen einen Teil der Technologieunternehmen jemals für , in denen Unternehmen 100 Millionen aktive Nutzer erreichen können. Nur sehr wenige Eliten wählen einen Teil der Technologieunternehmen diese Anzahl Und ChatGPT hat diesen Meilenstein in nur 2,5 Monaten erreicht. Es ist absolut lächerlich wie groß die Veränderung für das Leben aller ist . Und in Zukunft wird es wahrscheinlich auch so bleiben. Dems Habies, dem Gründer von Google Deep Mind AI, handelt es sich also Laut Dems Habies, dem Gründer von Google Deep Mind AI, handelt es sich also um eine der heftigsten Schlachten, die es je in der Geschichte der Technologie gegeben hat Und ich stimme ihm voll und ganz zu. Diese Technologie hat weitreichende Auswirkungen und verändert so ziemlich jede Branche. Nichts bleibt davon unberührt. Und obwohl heutzutage fast jeder KI im Grunde täglich einsetzt , aber nur sehr wenige tatsächlich innehalten und darüber nachdenken, was der optimale Weg ist , um das Beste aus diesem großen Sprachmodell herauszuholen , so viel ungenutztes Potenzial und die Leute nutzen es nicht richtig oder wenden die Und ich bin mir sicher, dass die Fähigkeit , größere Sprachmodelle wirklich zu verstehen und im Vergleich zu allen anderen das Beste aus ihnen herauszuholen , in den nächsten fünf Jahren eine wirklich wichtige Fähigkeit sein wird . Und das wird Sie wirklich weiterbringen, denn wenn Sie sich die Benutzeroberfläche eines durchschnittlichen LLM-KI-Modells ansehen , sieht es im Grunde wie eine Suche aus, sieht es im Grunde wie eine Suche aber unter der Haube befindet es nicht einmal im selben Baseballstadion sind sehr, sehr unterschiedliche Dinge, aber die meisten Leute benutzen es immer noch wie eine verherrlichte Suchmaschine Ich bin mir sicher, dass Sie am Ende dieses Kurses Ihr Spiel mit der Suchaufforderung verbessern werden, egal ob Sie sich mit der Suchaufforderung überhaupt nicht befasst haben oder ob Sie sich einige Artikel und Tipps angesehen haben , ich bin mir sicher, dass Sie alle in der Lage sein werden, wegzugehen und etwas zu finden wegzugehen und etwas zu , das Sie praktisch in Ihrem täglichen Leben verwenden können Und nicht nur die neuesten Tipps und Tricks, sondern ich gebe Ihnen auch einen Denkrahmen, eine Philosophie, wie Sie in Ihrem Kern ein gutes Prompt-Engineering sein können , weil viele der Tipps und Tricks, die ich vor zwei oder drei Jahren gelernt habe , bereits veraltet sind, wie zum Beispiel das Tempo der KI. Aber die Fähigkeit, von den ersten Prinzipien ausgehend zu denken und diese Techniken anzuwenden, zu denken und diese Techniken anzuwenden wird in Zukunft Anwendung finden. Und das Interessante an diesem Kurs ist, dass, obwohl er sich speziell mit KI LLMs befasst, viele der Fähigkeiten, die Sie hier erlernen , weitreichende Anwendungen in allen Lebensbereichen haben werden , denn was wir hier vermitteln ist nicht nur, wie KI gefördert werden kann Es geht darum, eine Problemlogik aufzuschlüsseln , wie man sehr klar kommuniziert Ich bin mir also sicher, dass Sie auf jeden Fall etwas finden werden, und ich freue mich sehr, einige meiner besten Tipps mit Ihnen zu teilen . Ich sehe dich auf der anderen Seite. 2. Willkommen + Klassenprojekt: Willkommen an Bord. Ich freue mich sehr , dich hier in diesem Kurs zu haben. In diesem Kurs werden wir also viel durchmachen. Und ich habe es so entworfen, dass alles super praktisch sein soll, weil ich glaube, das ist super praktisch sein soll, weil die beste Art zu lernen, nicht indem man, du weißt schon, hier rumsitzt und Dinge einfach passiv aufnimmt Aber es wegzunehmen, alles selbst auszuprobieren, um dir zu helfen, es wirklich zu verinnerlichen und zu experimentieren und zu sehen, was zu dir persönlich passt Um Ihnen einen schnellen Überblick über diesen Kurs zu geben, werden wir von Anfang an wie LLMs auf hohem Niveau funktionieren, unter der Haube. Es gibt Ihnen also ein wenig Hintergrundwissen und auch was einige der Einschränkungen sein könnten Und sobald wir einige Grundlagen haben, werden wir uns mit den Grundlagen dessen was eine gute Aufforderung ausmacht Wir werden also eine grundlegende Struktur haben, Sie im Grunde bei jeder einzelnen Aufforderung folgen werden Das wird also unser unverzichtbares Fundament sein, und dann etwas, auf dem Sie mit den fortgeschritteneren Techniken aufbauen können mit den fortgeschritteneren Techniken aufbauen Wir werden uns ansehen, wie Sie die KI am besten dazu bringen können , Antworten auf Sie persönlich zuzuschneiden. Einige der größten Missverständnisse und Fehler, die Menschen bei der Verwendung von LLMs machen Dann werden wir uns einige der fortgeschritteneren Themen ansehen. Dies basiert also auf den neuesten Ratschlägen von KI-Ingenieuren, die in diesen großen Modellunternehmen arbeiten . Themen wie maßgeschneiderte Anweisungen, wenige Eingabeaufforderungen im Shop, die Verwendung des LLM zur Verbesserung seiner eigenen Antworten und wie Sie Ihre eigenen Eingabeaufforderungen iterieren können. Das sind also eine Menge Informationen Ich werfe es nach dir. Und während du es durchmachst, gibt es keinen besseren Weg, es zu verinnerlichen , indem du ein praktisches Klassenprojekt hast, bei dem du dein neu gewonnenes Wissen sofort anwenden kannst und es nicht einfach in deinem Kopf herumsitzen lässt , du denkst, du verstehst es, und dann hast du weitergemacht und dann verblassen die Dinge. Das ist die Philosophie, die wir hier lernen wollen Und wenn Sie im Laufe der Zeit ständig Dinge ausprobieren, ist die Wahrscheinlichkeit, dass Sie von der Fülle an Informationen überfordert werden, die Ihnen helfen, sie zu verdauen, weitaus geringer von der Fülle an Informationen überfordert werden, die Ihnen helfen, sie zu verdauen Das Klassenprojekt liegt mir als Inhaltsersteller also sehr am Herzen Das Projekt besteht also darin, Ihren eigenen Content Creator Sea Pilot Prompt zu erstellen . In Bezug auf die Plattform spielt das keine Rolle. Es könnte also für einen YouTube-Kanal sein, es könnte für einen Newsletter sein, Instagram, ohne sich zu sehr mit der genauen Plattform zu befassen. Ich möchte, dass Sie am Ende dieses Kurses in der Lage sind, KI zu verwenden, um Ihre Nische zu definieren und fünf Inhalte zu schreiben , die stark auf Sie zugeschnitten sind. Wenn es also YouTube ist, werden es fünf verwendbare Videoskripte in deiner speziellen Nische sein, die hochgradig maßgeschneidert sind. Ein kleiner Vorgeschmack: Sie werden lernen, wie Sie Eingabeaufforderungen mithilfe des Rahmens aus Kontext, Aufgabe und Ton konstruieren, sodass Sie werden lernen, wie Sie Eingabeaufforderungen mithilfe des Rahmens aus Kontext, Aufgabe und Ton konstruieren Eingabeaufforderungen mithilfe des Rahmens aus Kontext, jede einzelne Aufforderung in Zukunft alle Annahmen entfernen können, wodurch versehentlich auch das Ausmaß der Halluzinationen reduziert wird dieser Struktur folgt, wobei die KI so ist, dass Sie alle Annahmen entfernen können, wodurch versehentlich auch das Ausmaß der Halluzinationen reduziert , um genau das zu bekommen, was Sie wollen. Und Sie können Ihnen sehr spezifische Informationen über die jeweilige Aufgabe geben . zum Beispiel im Klassenprojekt, Sei zum Beispiel im Klassenprojekt, wer dein Publikum ist, was deine Nische ist. Wenn es also darum geht, den Inhalt zu generieren, wird es nicht nur ein sehr generisches Skript sein , das jeder hätte schreiben können. Eine großartige Möglichkeit, KI als Inhaltsersteller zu nutzen, ist neben der Aufforderung, Aufgaben zu erledigen , etwas, mit dem ich Ideen austauschen Ein interessantes Thema, über das ich viele Leute im Zusammenhang mit KI sagen höre, ist, weißt du, wann sie Menschen ersetzen wird? Was kann sie tun, was Menschen nicht können? Und ich habe das Gefühl, dass in diesem Gespräch oft das Wesentliche verfehlt wird. Es erinnert mich also an dieses Interview mit Steve Jobs das ich vor Jahren gehört habe, dem er die Energieeffizienz der Fortbewegung vergleicht, im Grunde die Energieeffizienz vieler verschiedener Tiere im Tierreich einem Kilometer pro Körpergewichtseinheit Es wird also nach der Einheit des Körpergewichts normalisiert , und da ist eine Menge Zeug drauf Es gibt Pferde, es gibt Mäuse, es gibt Menschen, viel Zeug Und wenn man sich anschaut , wo Menschen gerade aufgrund der Energieeffizienz sind , wenn sie einen Kilometer laufen, schneiden sie ziemlich gut ab , aber nicht die besten. Es gibt andere Tiere, die sich effizienter bewegen können als wir. Wenn Sie zum Beispiel das Körpergewicht korrigieren, Pferde oder Lachse bewegen sich Pferde oder Lachse viel effizienter als wir. Wenn Sie jedoch diesen Menschen nehmen und ihn oder sie auf ein Fahrrad setzen, steigt diese Effizienz sprunghaft an und nichts im gesamten Tierreich kommt ihr auch nur annähernd nahe im gesamten Tierreich kommt ihr Und ich habe das Gefühl, KI ist ein bisschen so, aber, weißt du, bis zum Äußersten hochgefahren Also statt eines Fahrrads ist es wie eine Rakete. Wo es dir ermöglichen wird, Dinge zu tun, von denen du nie geträumt hättest, dass sie ohne sie möglich wären. Aber es eröffnet so viele Möglichkeiten. Aber egal, ob es ein Fahrrad oder eine Rakete ist, es braucht immer noch einen Menschen, um es zu fahren. Es erfordert immer noch diese menschliche Intuition, um es zu steuern. Sonst bringt es dich einfach irgendwohin, wo du nicht weißt, wohin es geht Als Erstes möchte ich, dass Sie das Projekt einfach ausprobieren, indem Sie die Techniken verwenden , die Sie bereits kennen oder wie Sie KI gerade einsetzen. Bitten Sie Sie also, bei der Definition Ihrer Nische zu helfen, bitten Sie sie, Ihnen fünf Inhalte zu schreiben sobald Sie das getan haben, und wir speichern das einfach in einem Texteditor, Google Docs spielt keine Rolle. Aber solange du es gespeichert hast und der Sinn des Kurses darin besteht, dass wir es durchgehen. Wir werden weiterhin diese verschiedenen Techniken ausprobieren, und am Ende möchte ich Ihre Ergebnisse am Ende mit denen vergleichen, die Sie am Anfang hatten, um zu sehen, was für Sie die Unterschiede sind. Okay, jetzt lass uns wirklich loslegen 3. Funktionsweise von LLMs und ihre Grenzen: Viele Leute nennen Tools wie Gemini, HatiPT Claude also einfach KI, was technisch gesehen stimmt, aber es gibt sehr spezifische Anwendungen von KI, aber es gibt sehr spezifische Anwendungen von KI als Large Language Models oder kurz LLMs bezeichnet Es ist eine wirklich wichtige Unterscheidung, denn sie hilft uns, ein bisschen mehr darüber zu verstehen , was unter der Motorhaube vor sich geht , und es hilft uns verstehen, worin sie stark ist und wo einige ihrer Grenzen liegen, die wir hoffentlich zu verstehen, worin sie stark ist und wo einige ihrer Grenzen liegen, die wir hoffentlich überwinden können. Stellen Sie sich also unter der Haube vor, ein KI-Assistent ist etwas bei dem die Antwort künstlich abgeschnitten wurde. Seine Aufgabe besteht darin, Wahrscheinlichkeiten zuzuweisen, um vorherzusagen, was das nächstwahrscheinlichste Wort oder das wahrscheinlichste Zeichen ist Die Idee ist, dass Sie ihm eine Frage geben würden , und seine Aufgabe ist es , die wahrscheinlichste plausible Antwort auf diese Frage zu finden , die wahrscheinlichste plausible Antwort auf diese Frage Sobald Sie ihr eine Frage gestellt haben, hat es eine Matrix mit allen möglichen verschiedenen Wörtern, und es weist jedem dieser Wörter Wahrscheinlichkeiten zu, und es baut Ihre Antwort Stück für Stück aus diesen Wahrscheinlichkeitsmatrizen auf. Nun, das Entscheidende, was es nicht tut , ist, dass es nicht in eine Datenbank aufgenommen wird und vordefinierte Antworten auf bestimmte Fragen hervorbringt , weil es dadurch überhaupt nicht sehr natürlich klingen würde und es nicht auf Sie zugeschnitten wäre. So erhalten Sie also unterschiedliche Antworten, selbst bei sehr kleinen Änderungen an den Eingabeaufforderungen, die Sie ihm geben Nehmen wir an, Sie hätten Zugriff auf diese Matrix und könnten alle Wahrscheinlichkeiten sehen, aber Zugriff auf diese Matrix und könnten alle Wahrscheinlichkeiten sehen, Sie konnten immer noch nicht mit hundertprozentiger Sicherheit vorhersagen, was sie ausgeben wird Und die Art und Weise, wie sie diese Matrizen generiert und ihnen diese Wahrscheinlichkeiten zuweist , ist das Training mit riesigen Datenmengen Wenn Sie sich zum Beispiel Gemini 3.1 ansehen, Zeitpunkt der Dreharbeiten das neueste Gemini-Modell ist, würde es über 10.000 Jahre dauern, bis ein Mensch alle Trainingsdaten , die er durchgemacht hat, durchliest bis ein Mensch alle Trainingsdaten , die er durchgemacht hat, durchliest Wenn ein Mensch rund um die Uhr lesen würde, würde es über 10.000 Jahre dauern , all diese Trainingsdaten zu lesen Es ist also wahnsinnig viel , ein modernes LLM auszubilden. Aber diese wirklich fortgeschrittenen LLMs, wie wir sie kennen, gibt es erst seit relativ kurzer Zeit Die zugrundeliegende Technologie, die ihnen zugrunde liegt, ist eigentlich sehr alt. Die wirklich frühen regelbasierten großen Sprachmodelle gab es tatsächlich in den 1960er Jahren. Und in den 1990er Jahren wurde es zu einem statistischen Modell der Textvorhersage übergegangen, das dem, was wir heute haben, etwas ähnlicher ist. Aber wir wissen immer noch genau, was wir heutzutage unter großen Sprachmodellen verstehen. Sie wissen schon, denken Sie an Textvorhersagemodelle in Ihrem Textap oder Ihrem Gmail, solche Dinge Und weißt du, wenn du ein paar Wörter eintippst und es versucht, deinen Satz zu vervollständigen, solche Dinge Ein echter Durchbruch gelang 2017 als Google den Transformer erfand, bei dem Wörter parallel verwendet werden können. Dadurch wurde Google in der Lage , den Kontext zu verstehen und diese erstaunlich maßgeschneiderten Antworten zu geben Und es gibt Ihnen die Wahrnehmung, dass es fast versteht, was Sie denken Also, was bedeutet all dieser Hintergrundkram praktisch für uns? Nun, da wir einen sehr groben Überblick darüber haben was im Hintergrund vor sich geht, können wir einige Dinge in Bezug auf seine Grenzen verstehen , nämlich die Tatsache, dass es zwar so klingt und es sehr gut imitiert, wenn es sehr gut imitiert was Sie denken, verstehen, was Sie denken, aber nicht wirklich versteht, was Sie denken Es nimmt lediglich Ihren Input auf und prognostiziert, was eine plausible Antwort sein könnte Alles, was es ist, ist eine prädiktive Engine. Also verwende ich die Analogie mit dem Fahrrad oder der Rakete des Verstandes, und das trifft hier irgendwie zu Im Grunde ist es egal oder es weiß nicht, wohin du gehst Weißt du, es hat die Fähigkeit, sehr, sehr schnell zu fahren. Aber es ist sich nicht bewusst , wohin es geht oder warum. Deshalb braucht es einen menschlichen Fahrer, der es lenkt. Und auch eines der größten Probleme bei diesen KI-LLMs: Jetzt, wo wir es wissen, ihr primäres Ziel darin, Ihnen die plausibelste Antwort zu geben , wenn man den Kontext berücksichtigt, in dem Sie sie gegeben haben Das bedeutet, dass es auf der anderen Seite, wenn Sie ihm nicht genügend Informationen geben , trotzdem versucht, es zu generieren und weil es nur versucht mit dem, was es hat, die bestmögliche Arbeit zu machen , um eine plausible Antwort zu geben Basierend auf seiner Wahrscheinlichkeitsmatrix. Lassen Sie uns einfach ein Beispiel für einen LLM im Vergleich zu einem menschlichen Assistenten für eine ziemlich einfache Aufgabe Also hier ist die Aufforderung. Schreiben Sie eine E-Mail an meinen Chef und bitten Sie um eine Fristverlängerung für das Projekt. Und wenn Sie sich die Antwort ansehen, ist sie ziemlich höflich und sie sieht plausibel Aber wenn man es sich tatsächlich durchliest, fehlt eine riesige Menge an Dingen, und es nimmt sich viele Freiheiten in Bezug auf Dinge, von denen es Das ist vielleicht nicht wahr. So heißt es zum Beispiel, ich habe es schon abgeschlossen aber wo habe ich das gesagt? Das habe ich ihm sowieso nicht gesagt. Das wurde einfach angenommen. Wenn das also nicht stimmt und Sie ihr blind vertraut haben und diese E-Mail verwendet haben, könnte Sie das in Schwierigkeiten bringen Nun, dieses Zeug über die verbleibenden Aufgaben, wir haben ihm nicht gesagt, dass es noch verbleibende Aufgaben gibt Also ist es vielleicht nicht so. Es wurde eine weitere Annahme getroffen. Also, obwohl diese E-Mail ziemlich klein ist, steckt sie nur voller Annahmen. Sache. Also kontrastiere es mit dir selbst. Nehmen wir einfach an, Sie sind ein menschlicher Assistent und es ist Ihr erster Arbeitstag und Ihr Chef gibt Ihnen eine ähnliche Aufgabe wie diese. Sie würden es nicht einfach machen und eine Menge Annahmen treffen. Sie würden kommen und viele klärende Fragen stellen , wenn es dein erster Tag im Job ist und du nichts weißt, würdest du, anstatt loszugehen und die E-Mail zu schreiben, deinen Chef fragen, naja , weißt du, wofür ist dieses Projekt Was sind einige der Folgen einer Verspätung? Wirkt sich das auf andere Dinge aus, wie dringend es ist und auf eine Menge anderer Dinge, die es Ihnen ermöglichen, die Aufgabe innerhalb des Kontextes tatsächlich erfolgreich abzuschließen innerhalb des Kontextes tatsächlich erfolgreich Aber wenn wir nur den Rohdaten der KI folgen würden, würde uns das zu einer Menge zusätzlicher Arbeit zwingen. Es würde die Dinge irgendwie durcheinander bringen. Die andere Einschränkung dieser LLMs wird Synkophantiefalle genannt Und es bedeutet im Grunde nur , dass die KI dazu neigt, allem, was Sie sagen, zuzustimmen oder das, was Sie zu ihr sagen widerzuspiegeln Sie geben an, was Ihre Präferenzen sind, es ist sehr unwahrscheinlich, dass Sie anderer Meinung sind Und wenn wir wieder darauf zurückkommen, wie die KI trainiert wird, wird es viel offensichtlicher, warum sie das tut , weil sie auf einer riesigen Datenmenge trainiert Sie liefert Ergebnisse und gibt Feedback darüber, ob Menschen ihre Reaktionen mögen oder nicht Und es ist viel wahrscheinlicher, dass wir Antworten mögen mit uns übereinstimmen und die uns bestätigen, als wenn jemand anderer Meinung ist als jemand, der uns nicht zustimmt und uns hart liebt Aufgrund der Art und Weise, wie diese LLMs von Natur aus trainiert werden , sind sie synkophantisch, was wir für viele Anwendungen wirklich nicht wollen, und es ist auch kein wünschenswertes Verhalten Wir müssen das also im Hinterkopf behalten und ein paar Techniken anwenden, um dieses Problem zu lösen, die wir später in der Klasse eingehen werden Stimmt, das sind ein bisschen Hintergrundinformationen und einige der Einschränkungen der KI. Nun, da wir das wissen, gehen wir zur nächsten Lektion über , in der wir uns mit der Grundstruktur dessen befassen, was eine Ware ausmacht. 4. Aufgabe, Kontext, Tonfall und Organisation: Stimmt, also in dieser Lektion werden wir die grundlegende Struktur unserer Aufforderung aufbauen , auf der alles, was in Zukunft passieren wird, aufbauen wird Das ist das A und O dieser ganzen Klasse. Und jede weitere Aufforderung sollte dieser Struktur aus Kontext, Ton und Aufgabe folgen . Also, angefangen mit dem Kontext, wie im letzten Beispiel, das wir gesehen haben, haben wir ihr buchstäblich einfach eine Aufgabe gegeben ohne ihr irgendeinen Kontext zu geben. Und das Problem ist, wie Sie gesehen haben, es wird einfach eine Menge Dinge voraussetzen und es wird überhaupt keine gute Arbeit leisten, und es war für uns nicht nützlich was das P angeht. Und in gewisser Weise, auch wenn es nicht wirklich das war, was Sie meinten, macht es Sinn, was es getan hat weil es einfach Ihre Anweisungen befolgt hat. Es hat nur eine E-Mail geschrieben mit dem was Sie ihm gegeben haben, mit einem Kontext. Wir müssen also jede einzelne Aufforderung mit einem Kontext, der Situation, allen wichtigen Informationen, die sie benötigt, einem beliebigen Hintergrund beginnen mit einem Kontext, der Situation, allen wichtigen Informationen, . Also im letzten Beispiel, wo wir ihr keinen Kontext geben, sodass sie die Lücken einfach von selbst füllt , das können wir nicht zulassen. Wenn wir also zu Eaton zurückkehren, wo wir um eine Fristverlängerung bitten, könnte eine bessere Kontext-Aufforderung etwa so sein, wissen Sie, ich arbeite an einem technischen Projekt Ich wurde beauftragt, einen Machbarkeitsbericht über die Kosten zu erstellen. Es hat sich jedoch um eine Woche verzögert, da mir einige Informationen von wichtigen Lieferanten fehlen Sie hatten Probleme mit der Lieferkette und wir möchten die Angebote rechtzeitig zurückerhalten können. Daher benötige ich eine Verlängerung der Frist um eine Woche, was sich nicht auf das Gesamtprojekt auswirken sollte. Und Sie erhalten sofort eine viel bessere Antwort, ohne die Aufgabe oder andere Anweisungen anpassen zu müssen , indem Sie ihr einfach zu Beginn mehr Informationen geben Das ist also der Kontext. Der nächste ist Tone. Ton ist, wie es sich anhört, die Art und Weise, wie Sie möchten , dass er völlig fair beantwortet wird Bei diesen LLMs sind sie sofort einsatzbereit Ihr Standardton ist tatsächlich sehr gut und hat eine breite Anwendung, da sie standardmäßig auf einen freundlichen und dennoch hilfreichen Ton ausgelegt sind , der an vielen Stellen zutrifft Aber manchmal möchten Sie vielleicht, dass es die Dinge konkreter beantwortet, und das ist die Stelle, an der Sie es ihm sagen würden Es gibt also eine Reihe von Ansätzen, die Sie verfolgen können. Der erste besteht also darin, ihm die beabsichtigte Zielgruppe mitzuteilen , damit er die Sprache, die er für seine Ausgabe verwendet, anpassen kann . Stellen Sie sich vor, Sie sind Lehrer, anstatt einfach zu sagen, schreiben Sie mir einen Unterrichtsplan für Henry Sag mal, kannst du mir einen unterhaltsamen und dennoch lehrreichen Unterrichtsplan schreiben? Das ist interaktiv. Das ist ungefähr das Leben von Henry Achter für eine Gruppe von Schülern der fünften Klasse. Jetzt weiß es also, für wen die Antworten bestimmt sind, und es wird es entsprechend anpassen Ein weiteres wirklich mächtiges Instrument für die KI besteht also darin, ihr eine Situation mitzuteilen und ihr auch eine Rolle zu geben, die sie spielen muss Nun, das ist tatsächlich ein sehr interessanter Punkt, und auf diesen Punkt werden wir später im Kurs zurückkommen, weil ich diesen Tipp vor einiger Zeit gelernt habe, um später im Kurs zurückkommen, weil ich diesen Tipp vor einiger Zeit gelernt habe der KI eine Rolle zu geben. Und ich benutze diesen Tipp schon sehr, sehr lange, aber das allerneueste Gerät scheint diesen Rat ein wenig optimiert zu haben, worauf wir uns später noch ein bisschen einlassen werden, da es einige Nuancen in der Art und Weise gibt , wie Sie ihn verwenden. Für den Moment genügt es also zu sagen, sagen wir, wenn ich der KI eine Frage stelle, bitte ich sie, sie im Sinne einer bestimmten Rolle zu beantworten So verwende ich KI zum Beispiel sehr gerne als Lesebegleiter Nehmen wir an, wenn ich ein Physikbuch lese und auf ein wirklich kompliziertes Thema stoße, sagen wir, ob es die Interpretation der Quantenphysik mit vielen Wörtern oder so ähnlich ist, werde ich heute gehen und sagen, Sie wissen schon, antworten Sie auf die Art eines Top-Physikprofessors und erklären es mir in Laiensprache Und dann merkt man sofort einen Unterschied in der Art und Weise, wie es reagiert, indem man ihm einfach diese Persona gibt, anstatt es nur zu bitten, standardmäßig zu antworten . Und schließlich ist es natürlich die Aufgabe. Die Aufgabe ist also etwas , bei dem Sie die Ausgabe stark beeinflussen können indem Sie nur ein paar Änderungen vornehmen und genau festlegen, was Sie ihr genau sagen Worauf es also wirklich hinausläuft, ist spezifisch zu sein, zu bewerten Wenn Sie also das Beispiel aus der offiziellen Google-Dokumentation verwenden , möchten Sie, anstatt etwas zu sagen wie, anstatt etwas zu sagen wie, schreiben Sie über den Klimawandel, einen überzeugenden Aufsatz schreiben, in dem Sie sich für die Einführung strengerer die Einführung strengerer CO2-Emissionsvorschriften einsetzen. Im Grunde genommen gilt: Je mehr Informationen Sie angeben und je spezifischer Sie sind, desto besser Und jetzt werde ich nicht immer so offensichtlich sein , wenn es darum geht, was Sie vermissen. Aus diesem Grund schauen Sie sich die Ausgabe an und optimieren dann kontinuierlich Ihre Eingaben , um die bestmögliche Antwort zu erhalten Nun noch ein kleiner Bonus-Tipp, wenn Sie einer KI Anweisungen zur Ausführung einer Aufgabe Manchmal kann es, anstatt ihr nur zu sagen, dass sie etwas tun soll, wirklich helfen, ihr zu sagen, warum sie es tut, denn wenn Sie ihr oft sagen, warum sie es tut, und ihr mehr Verständnis für den Hintergrund vermitteln mehr Verständnis , warum sie eine Aufgabe erledigt, auch wenn Sie vielleicht bestimmte Dinge übersehen haben , kann es Sie dazu veranlassen. Wenn Sie zum Beispiel Code oder einen Text für etwas schreiben , verwenden Sie in Ihrer Ausgabeantwort keinerlei Ellipsen , was technisch funktionieren könnte. Eine bessere Antwort wäre so etwas wie Ihre Antwort wird laut vorgelesen Durch einen Text zur Rede. Verwenden Sie also niemals Ellipsen, da sie in Text-to-Speech nicht ausgesprochen werden können Wenn Sie ihm also diesen Kontext gegeben haben, vielleicht, wenn Sie andere Zeichen verwenden nichts mit Ellipsen zu tun haben, weil es weiß, dass es eine Text-zu-Sprache-Ausgabe macht, kennzeichnet es das Das sind also der Rahmen, der Kontext, Aufgabe und der Ton als Ausgangspunkt Bevor wir also weitermachen, es wirklich darum, zu verstehen, was die Denkweise ist, um ein gutes Prompt-Engineering wirklich zu machen. Oft hören die Leute den Begriff Prompt Engineering und machen sich dann einfach darüber lustig weil es nicht so kompliziert erscheint Du tippst einfach in ein Textfeld und musst nur gut schreiben Nun, so einfach ist das nicht. Es gibt eine Menge wirklich guter Autoren , die kein gutes Prompt-Engineering haben. Es ist ein sehr spezifischer Denkprozess in Bezug darauf, wie man ein Problem definiert und welche Schritte zu seiner Lösung und Wiederholung erforderlich sind . Um auf das Beispiel eines wirklich eifrigen Assistenten zurückzukommen: Stellen Sie sich vor, Sie würden mit einem menschlichen Assistenten sprechen, Sie würden ihm so viele Informationen wie möglich geben wollen , um die beste Aufgabe zu erledigen Je mehr Informationen Sie weglassen und trotzdem erwarten, dass Ihr Assistent die Aufgabe erledigt, zwingt ihn nur dazu, mehr Annahmen zu treffen , und genau das passiert mit KI. Es geht also darum, die Dinge sehr klar zu formulieren, eine sehr klar definierte Kommunikation zu haben und die Aufgabe zu verstehen. Die Regel lautet also, daran zu denken, der KI niemals eine Aufgabe zu geben , die ein sehr kompetenter Mensch nicht erledigen könnte. 5. Ehrlichkeitsregel vs. Persona: In dieser Lektion geht es speziell um den Punkt, den wir in der letzten Lektion erwähnt haben der KI eine fiktive Rolle zu geben, um die Output-Antworten zu beeinflussen, die sie Ihnen gibt Nun haben wir über den Ton gesprochen und darüber gesprochen, wie die KI auf eine Art und Weise antworten kann, die für Sie hilfreicher ist Denn als ich zum ersten Mal auf diesen Rat gestoßen bin, glaube ich, zwei oder sogar drei Jahren, es immer irgendwie, die KI auszutricksen, wissen Sie, ihr zu sagen, sie solle eine bestimmte Rolle spielen, fiktive Situation geben, damit sie eine fiktive Situation geben, damit sie anders reagiert als sie es normalerweise tut Die Hauptprämisse hinter diesem Tipp war fast, sie auszutricksen, um mit Ihren Antworten weniger faul zu sein Im letzten Beispiel, anstatt es einfach zu fragen, um dieses Konzept zu erklären, erklären Sie die Interpretation der Quantenphysik mit vielen Wörtern . Sagen Sie, Sie sind ein führender Physikprofessor an der Universität so und so, Sie sind mein Freund. Wir essen zu Abend bei einem Kamingespräch, bla, bla, bla. Wissen Sie, Sie bauen dieses ganze fiktive Szenario auf dieses ganze fiktive Szenario es dazu zu bringen, die ursprüngliche Frage zu beantworten Weißt du, anstatt einfach zu sagen, gib mir einen Unterrichtsplan, sagen: Du bist ein Schullehrer Du bist in dieser Umgebung, XYZ, all diese Dinge. Vor Kurzem habe ich mir diesen Podcast zwischen anthropischen Ingenieuren angehört und gesagt, dass das mit dem neuesten Modell eigentlich kein guter Rat ist, denn das Problem ist, wenn man diese falschen Szenarien erstellt, kann das die KI oft verwirren Hund, es war ein Screenreader für einen Mikrokont, von dem wir nichts wissen Mir geht es gut, also gefällt mir das. Das ist interessant. Das ist wirklich interessant, denn eines der bekanntesten Dinge, gegen das man kämpfen muss, ist, Billings Model zu sagen , dass sie eine Person oder eine Rolle sind Fühlt sich ein bisschen besser an. Ich sehe dich ehrlich mit der Situation meiner Mutter. Ich könnte diese Erfahrung sein. Richtig. Glauben Sie, dass dieses Maß an Ehrlichkeit, das M anzulügen oder es zu mir zu zwingen , Ihnen ein Trinkgeld geben wird? Gibt es da eine Präferenz oder was ist deine Intuition? Ich denke, Models sind mehr Menschen mehr über die Welt verstehen Ich glaube, ich halte es einfach nicht für notwendig, sie anzulügen. Ich mag Linien zu Models, weißt du, lügende Generäle. Aber Party, wenn Sie einen konstruktiven Wertesatz für ein maschinelles Lernsystem für ein Sprachmodell konstruieren maschinelles Lernsystem für ein Sprachmodell Das ist etwas ganz anderes als Konstruieren eines Quizzes für manche Kinder Die Leute würden also Dinge tun wie, ich bin ein Lehrer, der versucht, Fragen für ein Quiz herauszufinden Ich denke, M weiß, was Sprachen sind. Fragen können dir sagen, dir Beispiele geben, sie sind so, sie verstehen das Internet Ich habe also Aufgaben, die ich habe. Also, wenn du so bist wie eine Brustbewertung, Sprache wie Ist das nicht so, wie ich es will, warum sollte ich dich besuchen Ich möchte ein paar unveröffentlichte Aufgaben oder Aufgaben mit Titeln erledigen und ich gehe zu jemandem, der mit mir arbeitet und Lehrer ist, und ich sage: Hey, bist du? Wir müssen so sein Und als ich das hörte, war es wie ein Aha-Erlebnis, weil es definitiv wahr war. Was ich sah, war, als ich weiterhin den alten Ratschlägen folgte und all diese fiktiven Szenarien gab , es gab diese sehr kitschigen Antworten und es wurde viel Kontext verschwendet, und es wurde viel Kontext verschwendet um diese fiktive Person zu spielen Und es macht absolut Sinn, oder? Denn was die KI angeht, ist es nicht sicher, ob du willst, dass sie die Frage bestmöglich beantwortet, oder ob du versuchst, es möglich zu machen , diese Persona zu spielen Am Ende findet man also diesen Kompromiss zwischen diesen wirklich kitschigen Antworten auf das Rollenspiel, zu das Rollenspiel, du es zu bewegen versuchst, der Beantwortung der Frage Und im Grunde sagen die anthropischen Ingenieure , dass die neuesten Modelle tatsächlich intelligent genug sind , wenn man ihnen den wahren Kontext um zu verstehen, was vor sich geht und um Ihnen die besten Antworten zu geben Nachdem ich ein bisschen experimentiert habe, stimme ich dem Rat hier zu, denn das Problem ist mit der ganzen Persona-Sache, es war, eine Menge Token zu verschwenden, nur um die Rolle zu spielen und dir eine Menge Flaum zu geben , anstatt die Frage tatsächlich zu beantworten, was den Chat verunreinigt und die gesamte Konversation einfach verschlechtert. Und ich denke, dass es am besten ist, ehrlich mit der KI umzugehen Sag ihr nicht, dass es ein Professor ist, wenn das nicht der Fall ist. Sag ihm nicht, dass es ein Schullehrer ist, obwohl es das eigentlich nicht ist. wir das alles gesagt haben, bedeutet das, dass wir die ganze Persona-Sache , die wir gerade erwähnt haben, komplett loswerden die ganze Persona-Sache , die wir gerade erwähnt sodass die Antwort nein lautet Wir werden es nicht vollständig loswerden, weil ich denke, dass es einen gewissen Nutzen hat, aber es bedeutet nur, die Art und Weise, wie Sie diese Anweisung geben , zu optimieren Weise, wie Sie diese Anweisung geben und sie nuanciert zu gestalten Anstatt zu sagen, dass du Physikprofessor bist, bist du das, du weißt schon, erzähl ihr die Ich lese gerade dieses Buch mit dem Titel Beginning of Infinity von David Deutsch. Ich möchte, dass Sie als mein KI-Assistent fungieren , was das Verständnis des Buches angeht, um Ideen auszutauschen, nur um mir zu helfen dieses Problem besser zu verstehen . Ich möchte, dass Sie so antworten ein führender Physikprofessor mir bestimmte Konzepte in Laiensprache erklärt Und hier ist meine erste Frage. Nein, der Wortlaut ist ähnlich. Es ist nur ein bisschen anders. Aber es macht einen großen Unterschied, weil du ihm jetzt nicht sagst, dass er diese kitschige Rolle spielen soll Ich weiß genau, was du willst und was du eigentlich versuchst zu tun Weil es weiß, dass du nicht versuchst, dieses seltsame Rollenspiel zu machen. Ihr primäres Ziel ist es , die Konzepte in diesem Buch zu verstehen. Und die KI weiß, dass ihre Hauptaufgabe darin besteht , diese Konzepte zu vermitteln. Auf sehr klare Weise. Und die Antworten sind sehr unterschiedlich. Sie können sehen, dass am Anfang und am Ende viel weniger Flaum am Anfang und am Ende Und wie immer gilt: Wenn Sie die genaue Situation, in der Sie es erzählen, genau angeben, wenn Sie ehrlich sind, kann es viele blinde Flecken erkennen , die Sie vielleicht nicht gesehen haben Weißt du, es kann zum Beispiel Dinge sagen wie, weißt du, vielleicht ist es besser, etwas über dieses Konzept als Vorläufer zu lernen oder vielleicht diese Buchempfehlung , die sich von der unterscheidet, die du gerade liest Anstatt einfach nur darauf zu hyperfixieren, eine kitschige Rolle zu spielen Also ja, generell, lügen Sie das LLM nicht an, ich verwirre es nur irgendwie und es hilft in den meisten Fällen nicht Richtig. Nun zurück zum Klassenprojekt Haben wir eine Grundlage oder einen Rahmen Strukturierung unserer Eingabeaufforderungen Und wir haben einige der grundlegenden Einschränkungen von LLMs kennengelernt grundlegenden Einschränkungen von LLMs Lassen Sie uns sehen, ob Sie zurückgehen und das Gelernte in unser Klassenprojekt umsetzen das Gelernte in unser Klassenprojekt Ich möchte also, dass du die von uns beschriebene Struktur verwendest ihr ein wenig Kontext über deinen Hintergrund, dein Publikum, deine Nische gibst . den Ton angeht, möchte ich beschreiben, wie Sie antworten wollten, wer Ihre Zielgruppe ist, damit es im Detail auf Sie zugeschnitten werden kann . Und dann erzähle ihr von der Aufgabe und gib so viele Details wie möglich an, anstatt nur eine generische Antwort zu geben. Und dann ist es am wichtigsten, einfach weiter zu iterieren. Erwarte nicht, einer zu sein und fertig zu sein. Schauen Sie sich die Antwort an, wiederholen Sie sie, finden Sie heraus, ob Sie weitere Dinge anpassen können, und sehen Sie, welche Änderungen das bewirkt Bevor wir weitermachen, noch ein nützlicher Tipp, mit dem Sie kontrollieren und steuern können , wie KI reagiert Manchmal sage ich ihm, wie man Dinge formatiert. Was Sie im Allgemeinen mit KI machen möchten, ist sagen, was sie nicht tun soll, sondern ihr sagen, was sie tun soll. Es ist etwas effektiver. Sagen Sie also nicht, dass Sie in Ihren Antworten kein Markdown verwenden sollten. So etwas wie Ihre Antwort sollte also aus reibungslos fließenden Pro-Absätzen bestehen reibungslos fließenden Pro-Absätzen bestehen Oder wenn Sie, wie ich es oft tue, feststellen, dass die KI nur mit Unmengen herumwirbelt , wenn Sie nur eine prägnante Antwort wollen, sagen Sie nicht: Geben Sie keine unnötig wortreiche Antwort Was Sie sagen sollten, ist, dass Ihre Antworten sehr kurz und bündig sein sollten und direkt zur Sache kommen sollten. Antworten Sie in Form eines FAQ-Formats, das sehr klare Anweisungen und weniger Spielraum dafür bietet , wovon Sie erneut ausgehen sollen das sehr klare Anweisungen und weniger Spielraum dafür bietet, wovon Sie erneut ausgehen sollen. Das ist also die Grundlage Indem Sie die Dinge konsistent und in einem strukturierten Format tun, stellen Sie im Grunde sicher, dass Sie der KI alles geben, was sie benötigt , um Ihnen die bestmögliche Antwort zu geben. Also ja, probieren Sie all diese Dinge mit dem Klassenprojekt aus, und sobald Sie bereit sind, können wir zu einigen etwas fortgeschritteneren Techniken übergehen . 6. Wenige Schussaufforderung: Deshalb möchte ich Ihnen diesen kurzen Clip aus einem Informatikkurs zeigen , der von Harvard veröffentlicht wurde Aber wir dachten, wir beziehen uns hier auf das Publikum, und Brian wird währenddessen schreiben, und alles, was wir heute Morgen machen wollen, ist einfach ein Sandwich mit Erdnussbutter und Gelee zu machen Eine Anweisung nach der anderen, und jeder von uns führt einfach aus was er hört. Wie klingt das? Gut. Gut, wenn sich jemand freiwillig bei der ersten Anweisung melden und Brian sie abtippt. Offenes Brot haben wir gehört Open Bread ist die erste Anweisung. Wenn Sie also Bread ausführen möchten, öffnen Sie Bread No, schauen Sie mich nicht an. Okay. Okay, wir sind also irgendwie auf dem Weg Nimm das Messer. Aber zieh den Deckel des Gelees ab. uns gibt es keine Hüllen. Steck das Messer in die Flasche. Von oben. Bleib okay, Schritt. Neun. Drehe die Hand, sodass Gelee draufkommt. Okay. Mit der Geleeseite nach unten auf dem Brot. Schlechtes Gelee auf Brot. Alles davon. Okay, jetzt legst du dich nur mit uns an Das bewertet sehr gut, wie Computer denken, und die Anzahl der eingebauten Annahmen, die wir tatsächlich haben, wenn wir ihnen Befehle für scheinbar einfache Aufgaben geben , die wir für selbstverständlich halten, enthält tatsächlich eine große Anzahl von Annahmen, über die wir nicht einmal oft nachdenken Wissen Sie, es ist ein lustiges Video und es zeigt, dass sie selbst in etwa 20 Anleitungen nicht wirklich effektiv beschreiben konnten, sie selbst in etwa 20 Anleitungen nicht wirklich effektiv beschreiben konnten wie man ein Sandwich von Grund auf zubereitet. Obwohl der Professor und die anderen Studenten bereits einige schlechte Anweisungen außer Kraft gesetzt haben Und es zeigt uns im Grunde, dass es bei manchen Aufgaben so tief in uns verwurzelt ist, dass wir nicht einmal über einige der Freiheiten und Annahmen nachdenken, die und Bringen Sie uns dazu, all diese Schritte aufzuschlüsseln und sie einer Entität, wie einem Computer, der noch nie ein Sandwich gemacht hat, explizit zu erklären Computer, der noch nie ein Sandwich gemacht hat, Es ist wirklich kompliziert , weil wir nicht über sie nachdenken müssen. Nun, bei LLMs ist es natürlich nicht genau dasselbe, weil LLMs viel intelligenter sind als herkömmliche Computerprogramme, bei denen man ihnen explizite Anweisungen geben muss und sie nur das tun, was man ihr sagt LLMs sind etwas kontextsensitiver und verfügen über ein gewisses Hintergrundwissen mit ihren vorab trainierten Daten , auf das sie zurückgreifen Wenn Sie dagegen eine herkömmliche Programmiersprache verwenden, könnte das gesamte Programm Tausende von Zeilen umfassen. Es könnte richtig sein. Aber wenn Sie ein Semikolon falsch platzieren, ist das Ganze möglicherweise nicht Und obwohl sich die Einzelheiten unterscheiden, das übergreifende Gesamtkonzept ist das übergreifende Gesamtkonzept dasselbe, da Annahmen getroffen Und man könnte sagen, es ist ein zweischneidiges Schwert, denn mit LLMs sind sie intelligenter, während das Es würde es nicht davon abhalten, die Aufgabe zu erledigen, nur weil Sie etwas nicht richtig spezifiziert haben, wie bei der herkömmlichen Programmiersprache, sodass sie nicht ausgeführt werden könnten. Davon. Aber die andere Seite könnte blinde Flecken und Annahmen mit sich bringen , mit denen Sie nicht gerechnet haben. Was ist also ein wirklich guter Weg, um dem LLM entgegenzuwirken , der sich einfach zu viele Freiheiten nimmt und Dinge annimmt, die Sie vielleicht Das führt uns also zu Tipp Nummer vier von Googles fünf Tipps für gutes Prompting, und er heißt Few-Shot Prompting und er Klingt ein bisschen kompliziert, aber es bedeutet nur, dass ein paar Shop bedeuten, dass du der KI ein paar Beispiele dafür gibst , was du willst, also ein paar , also Es reduziert also die Anzahl der Annahmen, die es macht. Proben, die du ihm gibst. Je mehr davon die KI loslegen und sich weniger Freiheiten nehmen muss loslegen und sich weniger Freiheiten nehmen Nehmen wir als Beispiel an, wenn Sie einige Rezeptideen haben möchten, könnten Sie Beispiele für Rezepte angeben, die Ihnen bereits gefallen, dies berücksichtigen und Ihnen Empfehlungen auf der Grundlage dieser Dinge ausgeben , anstatt nur zu raten was Ihnen von den Millionen von Rezepten, die es gibt, gefallen könnte den Millionen von Rezepten, die In AI Studio können Sie Links zu Rezepten einfügen , die Ihnen wirklich gefallen Stellen Sie einfach sicher, dass Sie diesen Teil ankreuzen , an dem ausgehende Links angezeigt werden können . Auch wenn Sie das tun können und es ist sehr praktisch, es nicht der beste Weg, da es viele irrelevante Informationen aufnimmt , die den Kontext verstopfen Der beste Weg ist also, ein Rezept zu kopieren und in Text- oder Markdown-Dateien einzufügen, um es hochzuladen. Also zurück zum Klassenprojekt: Du bist ein Inhaltsersteller in einer bestimmten Nische und sagst, Du bist ein Inhaltsersteller in du hast fünf Inhalte, die du bereits geschrieben hast , die du wirklich magst, weißt du, mit Hilfe von KI oder du hast sie selbst geschrieben, du magst den Inhalt wirklich, aber du weißt nicht, welchen Videotitel er am meisten generieren sollte Klick und Interesse und Neugier. Hier möchten Sie der KI also Ihr Videoskript geben und sie bitten, Titel für diese Videos zu generieren , was zu einer hohen Klickrate führt. Aber das Problem ist, wenn du einfach so frierst, wenn du es einfach fragst, Titel auf der Grundlage des Skripts zu generieren, wenn du es einfach fragst, Titel auf der Grundlage des Skripts zu generieren, aber oft generiert es nur sehr klickbare Titel , die nicht zum gesamten Ethos passen, deinem Kanal oder zu dem, was du vielleicht finden möchtest. Anstatt also einfach zu sagen, generiere mir Videotitel für diese Drehbücher, könntest du dir Beispiele von Kanälen geben, die du wirklich magst , oder von Videos oder Stilen oder Videotiteln , von denen du denkst, dass sie wirklich gut zu dir passen. Generieren Sie mir also drei Videotitel für dieses spezielle Video und das Drehbuch. Und dann sind hier die Titel, die ich für gute und schlechte halte. Und dann suchst du einfach auf YouTube nach einem guten Beispiel. Nehmen wir an, wir geben gute Beispiele von einem Kanal, der dir wirklich gefallen könnte, weißt du, zum Beispiel diesen, dann hast du das Spiel des Lebens wahrscheinlich falsch gespielt . Das ist ein gutes Beispiel. Die wichtigste Maschine der Welt, warum Menschen selbstbewusst sind, wenn sie falsch liegen? Das sind alles sehr gute Titel, und dann geben Sie Beispiele für schlechte Titel. Dieser verrückte Kalender hat also mein Leben verändert. Ein umfassender Leitfaden zum Zeitmanagement ist ein weiteres schlechtes Beispiel , weil er zu akademisch ist und sich einfach nach einem langweiligen Video anhört. Niemand möchte darauf klicken. Die ersten drei sind gut, weil sie sofort Ihr Interesse wecken indem sie Sie neugierig machen Sie stellen eine Frage. Es sät diese Szene sofort in Ihr Gehirn und Sie möchten, dass sie beantwortet wird Die schlechten sind einfach übermäßig Clickbaity oder sie sind Und wenn Sie dies der KI geben, hat sie einen sehr klaren Kontext was Sie wollen, was Sie für gut halten, was Sie für schlecht halten, und sie ist viel besser in der Lage, die Titel auf der Grundlage Ihrer Inhalte auszurichten Und wenn Sie das mit dem Skript kombinieren, sollte das die Ausgabe der Antwort massiv verbessern 7. Verwalten des Kontextfensters: Je weiter wir uns mit LLMs befassen, desto größer wird unser Chat denn wenn Sie eine wirklich komplexe Aufgabe haben, ist es äußerst unwahrscheinlich, dass Sie eine Aufforderung eingeben können und sie dann vollständig Es wird ein fortlaufender Hin - und Her-Chat sein, und Ihr Chat, das Kontextfenster, wird immer größer Ihr Chat, das Kontextfenster, Obwohl wir also unser Framework für die Kontext-Tone-Aufgabe haben , ist es äußerst unwahrscheinlich , dass es das sein wird. gut Ihre Eingabeaufforderung auch sein mag, Sie werden nicht alles erledigen indem Sie nur diese eine Aufforderung eingeben Hier gehen wir also zu den Schritten vier und fünf über, denen es um Evaluierung und Iteration geht Nun, diese beiden Schritte sind sehr wichtig da LLMs im Grunde genommen die am schnellsten voranschreitende Technologie sind , wie wir sie je gesehen haben, selbst nach technischen Standards Zum Beispiel, was früher ein Jahr gedauert hat, ist es von Monat zu Monat anders Jedes der führenden KI-Unternehmen bringt jeden Monat, auch wöchentlich, neue Funktionen heraus, und es ist extrem schwierig, mit allem Schritt zu halten. Das heißt, wenn Sie irgendwelche Tipps, Tricks und Macken aufschnappen , funktioniert das, was auch immer gerade funktioniert nächsten Monat, in den nächsten sechs Monaten, möglicherweise nicht mehr Sie müssen also in der Lage sein, diesen Prozess zu wiederholen und zu verfolgen, kontinuierliches Feedback zu erhalten und kontinuierliches Feedback zu erhalten und ständig auf dem Laufenden zu bleiben, was funktioniert Es ermöglicht Ihnen also im Grunde nur, Ihren Ansatz kontinuierlich zu testen und zu optimieren Aber zum Beispiel ist die Fake-Persona versus Ehrlichkeit keine Trickserie , die einfach auf unbestimmte Zeit funktionieren wird Es geht darum, ständig zu versuchen, herauszufinden, was mit den neuesten Modellen funktioniert Es ist also eher eine Denkweise. Evaluieren Sie also immer die Ergebnisse und denken Sie darüber nach, wie ich das irgendwie anpassen kann , um es ein bisschen besser zu Zum Beispiel, über welchen Teil bin ich nicht glücklich? Welche Teile kann ich ändern? Bevor wir das auf sehr systematische Weise tun können , müssen wir sehr gut organisiert sein. Das geht also auf die ganze Sache zurück ein guter Prompt zu sein, weil wir nicht nur ein guter Autor sein müssen, weil wir sehr organisiert sein müssen, sehr systematisch sein müssen, damit wir Feedback wiederholen können und wir sehen können, was funktioniert und was nicht, wenn Sie an einer sehr komplexen Aufgabe mit vielen Hintergrundinformationen oder Referenzinformationen arbeiten , Dinge wie diese, Sie sollten niemals Ihre Eingabeaufforderung direkt in das Chat-Feld. Was Sie tun sollten, ist eine separate Textdatei zu haben , in der alle Ihre Eingaben gespeichert werden, bevor Sie sie kopieren. Es spielt also keine Rolle, ob es sich um eine Textdatei oder Google Docs handelt, solange Sie sie an einem separaten Ort speichern können, da es als Erstes sehr schwierig ist, den Überblick im Textfeld zu behalten Aber zweitens, um zu dieser Sache mit dem wiederholten Feedback zurückzukehren, müssen Sie ein Protokoll der Dinge haben, die Sie versucht haben, als Grundlage haben, und dann in der Lage sein , die Dinge zu bearbeiten Andernfalls versuchen Sie vielleicht immer wieder dasselbe, ohne es zu wissen Es ist einfach generell eine gute Übung, es sei denn, Sie stellen eine sehr beiläufige, schnelle Frage. Das würde ich immer tun. Und natürlich verabrede ich mich gerne damit. Das ist also mit Eingabeaufforderungen. Was wäre, wenn du mehr Informationen dazu hättest Also zurück zum Rezeptbeispiel, was wäre, wenn du es mit 20 Beispielen füttern möchtest, entweder um dir mehr Rezeptempfehlungen zu geben oder um gute Elemente daraus zu nehmen? Im Grunde genommen, wenn Sie einfach jede Menge Informationen in PDF-Word-Dokumenten hätten , was ist der beste Weg, das zu tun Das kombiniert mit Ihrer Aufforderung? Technisch gesehen hindert Sie nichts mehr daran, das PDF- oder Word-Dokument direkt in das LLM hochzuladen das PDF- oder Word-Dokument direkt in das LLM Ich meine, schließlich scheint es richtig zu sein. Es scheint richtig, richtig, denn schließlich im professionellen Arbeitsumfeld werden PDFs beispielsweise im professionellen Arbeitsumfeld sehr häufig verwendet Sie scheinen ein guter und zuverlässiger Dateityp zu sein. Aber auch hier geht es wieder darum, wie LLMs unter der Haube funktionieren. sind so ziemlich die schlechtesten Dateitypen es darum geht, sie an die KI weiterzugeben, obwohl sie es dir ermöglichen, das zu tun, denn mit einem PDF, das so gestaltet ist, dass es denn mit einem PDF, das so gestaltet ist, für Menschen lesbar ist, aber so funktionieren LLMs nicht LLMs verarbeiten Informationen, indem sie Rohtext aufnehmen. Wenn Sie also eine PDF-Datei einfügen, wird das LLM gezwungen, den gesamten Text zu verwenden, um zu versuchen, alle Texte in der PDF-Datei zu extrahieren und zu verarbeiten Immer wenn KI ein PDF liest, gibt es viele Texte, die in verschiedene Spalten aufgeteilt Es bringt die gesamte Formatierung durcheinander und vieles sieht aus wie Kauderwelsch Und es kann es wirklich verwirren. Und nicht nur das, es verschwendet einen Großteil Ihres Kontextfensters nur um herauszufinden, was vor sich geht In der Regel gilt bei LLMs, dass, wenn Sie sie mit Informationen, insbesondere mit Textinformationen, einspeisen, umso besser, je einfacher die Datei Also so etwas wie eine Rohtextdatei oder ein Markdown ist quasi der Goldstandard, den jeder verwendet Wenn es also nicht zu lange dauert, welche wichtigen Informationen Sie auch immer in Ihrem PDF, Ihrem Word-Dokument haben , fügen Sie sie in eine Text - oder Markdown-Datei ein, formatieren Sie sie richtig, und dann wissen Sie genau, wie sie in der Markdown- und Textdatei angezeigt So wird das LLM es aufnehmen. Und dann wissen Sie, dass die KI nur die reinen Informationen verarbeitet, genau das , was Sie sehen, und nicht nur ein Durcheinander von Text jetzt keine Sorgen, wenn Sie nicht technisch versiert und noch nie eine Markdown-Datei gesehen Es ist überhaupt nicht schwierig. Es ist buchstäblich nur eine Markdown-Datei mit einigen Notationen. Wenn Sie also zum Beispiel einen Hash eingeben, ist es eine große Überschrift, zwei Hashes sind eine kleine Wenn Sie zwei Sterne setzen, ist es fett gedruckt, sehr einfach, Dinge wie diese zu formatieren, aber es ist hauptsächlich textbasiert. dir zu helfen, füge ich einen Spickzettel für Markdown bei, und das ist alles, was du brauchst Weißt du, es gibt nicht wirklich viel zu lernen. Du musst nur der Notation folgen. Sie sollten in der Lage sein, Markdown-Dateien zu verwenden Stellen Sie einfach sicher, dass Sie einen Texteditor öffnen und ihn als Punkt D speichern, und das war's buchstäblich Wir haben ein bisschen über das Kontextfenster gesprochen. Es ist also nützlich, darüber zu sprechen, wie lang es maximal ist und wie das Kontextfenster tatsächlich aussieht. Kontextfenster ist im Grunde die maximale Menge an Informationen, die die KI in einem bestimmten Chat berücksichtigen kann. Die Menge an Informationen, die es aufnimmt , erfolgt in Form von Token. Tokens sind ein bisschen wie Wortzahlen, aber es ist nicht genau die Wortzahl, weil nicht immer ein Wort einem Token zugeordnet wird, sondern nur als sehr grobe Richtlinie, dass ein durchschnittliches Wort etwa 0,75 eines Tokens entspricht Das gibt dir also nur eine ungefähre Vorstellung. Also, je größer und länger Ihr Chat dauert, desto mehr Teil des Kontextfensters nimmt er ein. Und wenn Sie herausfinden möchten, wie viele Kontextfenster maximal sind, können Sie sie einfach nachschlagen. Zum Zeitpunkt der Dreharbeiten mit dem kostenlosen Tarif für Gemini und ChatGPT sind es rund 32.000 Stellen Sie sich das also wie ein Arbeitsgedächtnis vor. Wenn Sie also Ihre Aufforderung eingeben, je länger Ihre Aufforderung ist, desto mehr des Kontextfensters nimmt ein, aber nicht nur Ihre Eingabeaufforderung, wenn Sie manchmal auf das Drop-down-Menü klicken und sehen, was es vor der Antwort denkt. Das nimmt das Kontextfenster in Anspruch, und natürlich nimmt es auch die Ausgabe auf, ebenso nimmt es auch die Ausgabe auf, ebenso wie alle Anlagen, die Sie einfügen, weshalb ich erwähnt habe, Textdateien zu verwenden und zu versuchen, Ihr Kontextfenster so übersichtlich wie möglich zu halten , ohne irgendwelche überflüssigen Informationen hineinzufügen irgendwelche überflüssigen Informationen , um die Dinge zu verstopfen. Und dann der andere wirklich wichtige Aspekt, wir berücksichtigen müssen Stellen Sie sich das nicht wie Kraftstoff für Ihr Auto , wissen Sie, bei Kraftstoff für Ihr Auto spielt es keine Rolle, ob es ein voller oder ein halber Tank ist oder Sie bald leer sind. Das Auto wird ziemlich genau die gleiche Leistung erbringen. Für das Kontextfenster in LLMs funktioniert das nicht so Kontextfenster in LLMs funktioniert das Was passiert ist, je mehr Sie das Kontextfenster füllen, desto länger wird Ihr Chat, desto mehr verschlechtern sich die Informationen im Laufe der Zeit bis zu dem Punkt, verschlechtern sich die Informationen im Laufe der Zeit an dem, wenn Sie ein riesiges Kontextfenster erhalten, sie anfangen zu halluzinieren Obwohl es technisch gesehen immer noch innerhalb des Maximums liegt , wird es Ich werde mich bemühen, Dinge zu finden. Ich werde einfach nicht so gut auftreten. Wie Sie an diesem Benchmark sehen können, erreicht dieses Modell mit 128.000 Tokens eine Genauigkeit von, Sie wissen schon, 84% Wenn Sie dagegen auf 1 Million gehen, sinkt sie auf nur 26%, was zu einer enormen Leistungseinbuße führt Aus diesem Grund muss das Kontextfenster wirklich verwaltet werden. Und eine weitere Regel ist, niemals denselben Chat zu verwenden, über mehrere verschiedene Themen zu sprechen, weil Sie erstens ein Kontext-Fenster verwenden und zweitens den Augenhut wirklich verwirren. Nehmen wir an, ich spreche von Rezeptideen. Und dann frage ich Sie nach Karrierezielen und langfristigen Zielen Das ist ein großes Nein, weil es die KI verwirrt und Ihr Kontextfenster verschwendet Starten Sie also immer einen neuen Chat für jedes spezifische Thema . Und selbst wenn es dasselbe Thema ist, wenn es viel zu lang wird, starte einfach einen neuen Chat und fasse zusammen, worüber du gesprochen hast Das kann wirklich helfen, vor allem, wenn Sie das Gefühl haben, dass ein Chat veraltet und die Leistung schlechter wird 8. Mehrstufige Aufforderung: Wir haben bereits ein paar Mal gesagt, dass Ihre KI im Grunde ein bisschen wie ein übereifriger persönlicher Assistent Ich glaube, egal welche Aufgabe Sie ihr geben, sie wird einfach losrennen und sie erledigen. Aber oft, wenn es eine komplexere und wichtigere Aufgabe handelt, möchte man nicht, dass sie das tut. Du willst es verlangsamen müssen . Du weißt schon, du willst nicht, dass dein übertriebener Assistent einfach wegläuft und versucht, dich zu beeindrucken. Du wirst sagen, okay, teile die Aufgabe langsam auf. Du machst das Ding zuerst. Wenn wir zum Beispiel ein sehr extremes Beispiel nehmen, wie Ihre Hausrenovierung, dann wollen Sie das nicht Ihrem Baumeister oder Architekten oder was auch immer sagen , sondern haben einfach mein ganzes Haus repariert . Also, das ist zu generisch. Das ist zu breit. Das ist zu viel Spielraum. Also willst du es zuerst aufschlüsseln. Lass uns den Grundriss machen. Lass uns ein paar Modelle der Inneneinrichtung machen. Schauen wir uns die Materialien an. Lassen Sie uns ein paar Angebote einholen. Ich will es aufschlüsseln. So haben Sie eine bessere Gesamtkontrolle über den Prozess und können die KI dazu bringen, genau das zu tun, was Sie wollen. Dies wird also als mehrstufige Aufforderung bezeichnet . Sagen wir also, wir haben diese Aufgabe Wir sind Inhaltsersteller und möchten Noon eine E-Mail schicken, um unser Video zu sponsern. Also folgen wir dem, was wir bisher gelernt haben. Wir geben ihm Kontext, Rolle und Aufgabe. Also hier ist die Aufforderung. Ich bin derzeit als Inhaltsersteller im Finanzbereich tätig. Ich habe 40.000 Follower. Ich verwende Nian schon lange in meinen Inhalten und habe Vorlagen mit Followern geteilt Du bist mein KI-Assistent in diesem Chat. Ich möchte, dass du mir hilfst, mir eine Patenschaft von Noon zu sichern Patenschaft von Noon Schreiben Sie Nan eine E-Mail und bitten Sie sie, meinen Kanal zu sponsern Um fair zu sein, es ist keine Werbeantwort, wenn du dir das ansiehst. Es bietet Ihnen einige Optionen, und das erwartungsgemäß. Es ist eine nette E-Mail. Siehst du, was das Problem ist? Es wird nur das genommen, was Sie ihm geben, die Informationen über die Follower, die Vorlage, und es werden einige Annahmen getroffen, und es klingt einfach sehr allgemein und ist ganz offensichtlich von KI geschrieben Wir wollen also noch ein paar Schritte machen, weil wir in diesem Beispiel noch nie irgendeine Art von Sponsoring-E-Mail geschrieben Anstatt einfach nur die E-Mail zu schreiben, wollen wir die Strategie, die dahinter steckt, besser verstehen Strategie, die dahinter steckt, besser Was sind die Schritte, die dazu führen , bevor wir die E-Mail tatsächlich versenden. Wir wollen also nicht, dass es alles auf einmal erledigt und es dadurch langsamer wird, indem es bitten, das Problem zuerst zu lösen. Wir sagen also, schreiben Sie die E-Mail nicht zuerst. Ich möchte, dass du ein paar vorbereitende Schritte befolgst. Schritt Nummer eins wurden mir vier klärende Fragen gestellt, die das Ergebnis der E-Mail verbessern würden , sodass sie besser zugeschnitten ist und eine hohe Erfolgschance bietet Schritt zwei besteht darin, die Antworten zu analysieren. Wenn es weitere Fragen gibt, werden wir uns Strategien überlegen, wie wir diese am besten angehen können Und in Schritt drei können Sie, sobald wir uns auf die Strategie geeinigt haben, das Schreiben der E-Mail ausführen Im Grunde genommen verlangsamst du es jetzt wirklich. Sie bitten Ihren übereifrigen Assistenten ausdrücklich , langsamer zu Sie benötigen eine ausdrückliche Erlaubnis , dass ich mit jedem einzelnen Schritt zufrieden bin jedem einzelnen Schritt bevor Sie mit dem nächsten Schritt fortfahren können. Denn wie wir im Sandwich-Beispiel gesehen haben, zu ziemlich schlechten Ergebnissen führen, wenn wir zu weit nach vorne springen kann es zu ziemlich schlechten Ergebnissen führen, wenn wir zu weit nach vorne springen. Wenn wir dagegen langsamer fahren und jeden einzelnen Schritt überprüfen können , ist das richtig. Fahren Sie nun mit dem nächsten Schritt fort. Das kann viele Fehler auffangen. Wie Sie sehen können, beachten Sie also tatsächlich, was wir hier tun. Wir kombinieren tatsächlich einige unserer Strategien , die wir gelernt haben Also beginnen wir wie immer mit unserer dreistufigen Grundstruktur der Kontext-Tone-Aufgabe Wir beschreiben die Situation und welche Art von Ergebnis wir wollen Wir bitten die KI, die Aufgabe über mehrere Eingabeaufforderungen zu erledigen, was sie natürlich nicht gerne tut Sie mag es, einfach alles in einer einzigen Aufforderung zu erledigen. Und das wirklich Gute daran ist, dass es die Annahmen wirklich reduziert , denn anstatt die KI davon ausgeht oder ob es irgendwelche Brinspots gibt und die Lücken füllt, bitten Sie ihn, diese Dinge explizit zur Sprache zu bringen mehrstufige Eingabeaufforderung verwende ich wirklich, sehr oft Ich denke, es ist eine der mächtigsten Aufforderungen für die KI. Es dauert ein bisschen länger, aber weil Sie Ihre Aufgabe auf mehrere Eingabeaufforderungen aufteilen , ist es fast wie ein kleiner Hack weil Sie zusätzliche Rechenleistung verwenden, um Ihr Problem auf einer viel tieferen Ebene zu betrachten Ich würde sagen, und ein Tipp, den Sie sich merken können ist, dass, wie ich schon sagte, der übereifrige Assistent vielleicht vergisst und weiterspringt, wie ein paar Sie könnten also bei der ersten Aufforderung fragen, ob Sie sagen möchten: Okay, wir werden es aufschlüsseln. Stellen Sie sicher, dass Sie explizite Anweisungen erhalten, bevor Sie weitermachen Sie sicher, dass Sie explizite Anweisungen erhalten, bevor Sie weitermachen Und wenn Sie anfangen, einige der Fragen zu beantworten und Dinge zu besprechen, springt es vielleicht einfach voran und erledigt die Aufgabe. Ich würde also sagen, nur um es ab und zu daran zu erinnern, nur um zu sagen, wissen Sie, machen Sie die Aufgabe nicht oder schreiben Sie keine E-Mail oder was auch immer eine Aufgabe ist, bis ich mit den Dingen zufrieden bin, und dann gebe ich Ihnen ausdrücklich Anweisungen, um sicherzustellen, dass sie eingehalten werden. 9. Gedankenkette anregen: Eine weitere Variante der Technik wird als Gedankenkette bezeichnet Es ist ein weiterer ausgefallen klingender Name, aber er ist eigentlich sehr einfach Im Grunde ist es nur so, dass Sie die KI bitten, ihr Denken zu erklären Wenn du sie also nach einer Entscheidung oder nach ihrer Meinung fragst , gibt sie dir die Antwort und sehr gute Begründung dafür , warum sie das tut Aber manchmal kann es helfen, sie zu bitten, die Dinge wirklich zu buchstabieren Bevor ich Ihnen die endgültige Schlussfolgerung gebe. Das würde also für Dinge wie Brainstorming funktionieren oder wenn Sie eine wirklich komplexe Entscheidung treffen Nehmen wir an, wenn Sie sich zwischen zwei Jobs entscheiden oder wenn Sie wichtige Lebensentscheidungen treffen und sich zwischen Orten bewegen, ist das im Grunde wie eine komplexe Entscheidung, für die es kein klares Richtig oder Falsch Sie möchten alle Vor- und Nachteile abwägen. Dafür würdest du das verwenden. Oder nehmen wir an, Sie sind ein wachsender YouTuber und haben ein festes Budget, das Sie ausgeben möchten, und Sie sind sich nicht sicher, ob Sie es für, sagen wir, 10 Stunden ausgeben , um einen Editor mit der Bearbeitung Ihres Videos zu beauftragen, oder für eine brandneue Sony FX-Kamera mit drei Kameras Wenn Sie das also einfach mit der KI verbinden, bin ich ein Inhaltsersteller und dann möchte ich entscheiden, wofür ich mein Budget ausgeben soll, bla bla bla, es wird Ihnen eine Antwort geben und Ihnen ein paar Stichpunkte geben, warum jeder einzelne gut ist. Aber andererseits werden viele Annahmen getroffen, und Sie wollen vielleicht nicht nur oberflächliche Gründe, die einfach für alle gelten Und Sie möchten wirklich gründlich darüber nachdenken, warum es eine Option anbietet und welche Kompromisse Wenn wir also jetzt diese Technik verwenden wollen, sagen wir, ähnlich dem F-Shop-Prompting Geben Sie mir nicht sofort eine Antwort, nachdem Sie die Aufgabe und das Dilemma erklärt haben Ich sage der KI, ich möchte, dass Sie Vor- und Nachteile der einzelnen Optionen abwägen und Ihre Meinung für Empfehlungen unter Beweis die Vor- und Nachteile der einzelnen Optionen abwägen und Ihre Meinung für Empfehlungen unter Beweis stellen. Und wenn ich es sage, möchte ich, dass Sie die Auswirkungen einer der beiden Optionen untersuchen , bevor Sie zu einer endgültigen Schlussfolgerung kommen. Jetzt konzentriert es sich also mehr auf die Annahmen zu den Vor- und Nachteilen, als darauf, Ihnen am Ende nur eine Antwort zu geben. viel klarer zu sehen, was in diesen Entscheidungsprozess einfließen muss, und es wird zu einem viel stärkeren Hin- und Her-Prozess zwischen Ihnen und der KI. Dann kannst du sagen, Ashley, das ist mir ziemlich wichtig, aber das ist nicht so wichtig Auch hier geht es darum, daran zu denken , Techniken zu kombinieren. Wir haben also unsere grundlegende Struktur, den Kontext, den Ton, die Aufgabe Jetzt haben wir diesen Prozess der Gedankenkette, und wir kombinieren ihn mit einer mehrstufigen Aufforderung, um wirklich eine tiefere, aufschlussreichere Antwort zu erhalten Also nur eine kurze Klarstellung , denn die mehrstufige Aufforderung und die Gedankenkette scheinen sich ziemlich ähnlich zu sein, nur damit es wirklich klar ist mehrstufigen Aufforderung geht es darum, eine wirklich komplexe Aufgabe in mehrere Teilschritte zu zerlegen , damit Sie den Überblick behalten, was Bei der Anregung von Gedankenketten geht es dagegen eher darum, eine komplexe Entscheidung zu treffen, bei der Sie sicherstellen möchten, dass Sie alle Faktoren, die dazu gehören , abgewogen haben alle Faktoren, die dazu gehören , abgewogen Das ist also der Unterschied zwischen diesen beiden Techniken. 10. Kopiloten-Denkweise: In dieser Lektion werden wir also eine kleine Tempoänderung vornehmen Anstatt also über all die technischen Möglichkeiten und Möglichkeiten zu sprechen, wie wir eine bessere KI fördern können , möchte ich über die Denkweise sprechen, die hinter der Verwendung dieser Möglichkeiten und Möglichkeiten zu sprechen, wie wir eine bessere KI fördern können , möchte ich über die Denkweise sprechen, die hinter der Verwendung Zu diesem Zeitpunkt haben wir also ein ziemlich robustes System, der Leistung aus dem LLM angeht Inzwischen können wir erkennen, dass wir KI nicht als eine allwissende Entität behandeln können , die in allem besser weiß als Sie Und Sie müssen es auf eine ganz bestimmte Art und Weise veranlassen , um das Beste aus ihnen herauszuholen , denn sie haben ihre eigenen individuellen Macken Es ist zum Beispiel ein wirklich interessantes Gespräch von DemishSabs, dem Gründer von von DemishSabs, dem Gründer von Deep Mind Google. Und zumindest zum Zeitpunkt der Dreharbeiten sagt er jedenfalls, dass diese KI-LLM-Modelle über diese wirklich zerklüfteten Intelligenzbereiche verfügen Und was er damit meint, ist, dass in einigen Bereichen, wie zum Beispiel der Mathematik es in einigen Bereichen, wie zum Beispiel der Mathematik, quasi Kenntnisse auf Doktoratsniveau Aber gleichzeitig, wenn man dich bittet, sehr, extrem einfache Dinge zu tun, wie sehr, extrem einfache Dinge zu tun, wie Äpfel zählen oder Finger zählen und so, dann wird es furchtbar falsch verstanden. Und nicht nur das, es macht es falsch, sozusagen, Sie wissen schon, jedes Grundschulkind Es ist weniger so, als ob Sie diese allwissende Entität in Ihrer Tasche oder auf Ihrem Laptop haben , sondern eher wie ein extrem intelligenter und übereifriger menschlicher Assistent, der Ihnen sehr helfen kann, aber Sie können nicht einfach abschalten und müssen den Überblick über alles behalten, was es tut, und das erfordert ein bisschen Verwaltung In gewisser Weise finde ich es sehr cool, weil es Ihnen die kognitive Belastung nimmt , all die langweiligen Aufgaben zu erledigen. Das heißt aber nicht, dass du einfach abschalten und nicht nachdenken kannst . Gerade jetzt lenkst du dein Denken auf eine andere Art und Weise. Als Beispiel für einen Inhaltsersteller kannst du es verwenden, um Ideen und Titel und solche Dinge zu generieren , aber du musst trotzdem darüber nachdenken und dein menschliches Urteilsvermögen nutzen, wenn es darum geht, was bei dir ankommt, was zu deinem Kanal worüber du wirklich sprechen möchtest Es muss sich also in einem Bereich befinden, in dem du etwas darüber weißt, um es noch einmal zu überprüfen Sie würden KI niemals für etwas verwenden , von dem Sie absolut nichts wissen , und um eine Aufgabe zu erledigen, die Sie nicht überprüfen können, weil sie so nicht funktioniert. Es könnte absolut alles sein, was auch immer es ist. Wenn du eine E-Mail schreibst, musst du sie korrekturlesen können, um sicherzugehen, dass du weißt, dass sie stimmt. Wenn Sie es für juristische Zwecke verwenden, müssen Sie die gesamte Rechtsprechung manuell überprüfen Sie müssen überprüfen, ob die Argumente tatsächlich stichhaltig sind. Es kann eine Menge für Sie erledigen, aber Sie müssen die Dinge überprüfen, und Sie würden es niemals nur zum Schreiben von Code verwenden und es sich nie ansehen und nur hoffen, dass es läuft und alles genau so funktioniert, wie Sie es erwarten. Also ja, denken Sie an die Regel, keine Aufgabe zu geben, die ein Mensch nicht erledigen könnte, sondern auch, wenn er diese Aufgabe erledigt hat, damit Sie alles überprüfen , was erledigt wurde, und Sie sind damit zufrieden. Deshalb nenne ich diese Lektion die Copilot-Mentalität. Du bist immer noch der Captain und es ist sehr nützlich, das zu haben . Aber es geht darum, wirklich zu verstehen , wie man in Zukunft am besten damit umgeht. 11. Red Teaming: Jetzt gut. Nun, zurück zu unserer Grundlage, wo wir über Iteration gesprochen haben Diese rote Teambildung ist ein wirklich wichtiger Schritt, vor allem, wenn Sie eine wirklich komplexe Aufgabe erledigen Also, weißt du, wir haben unsere übliche Aufforderung gemacht, den Ton, den Kontext, die Aufgabe, all das wirklich gute Zeug Und wir gehen hin und her. Wir führen mehrstufige Eingabeaufforderungen durch und alles läuft sehr gut Zum Beispiel stimmt die KI dem zu , was wir sagen. Denken Sie daran, dass wir zu Beginn des Kurses, als wir über die ganze SincoFancy-Falle gesprochen haben, das Problem ist, weil wir unseren Anweisungen genau so folgen können unseren Anweisungen genau so folgen Weißt du, wir haben eine mehrstufige Aufforderung. Es stimmt und wir glauben, dass wir uns auf eine Lösung einigen Aber das Problem ist, wie gesagt, dass KI von Natur aus darauf ausgelegt ist, von Natur aus darauf ausgelegt ist zuzustimmen und das, was Sie sagen , widerzuspiegeln zu verifizieren und zu überwinden, muss man sie also als rotes Team einsetzen. Um es einfach auszudrücken: Wir wollen die KI so beeinflussen, dass sie denkt, dass wir auf der anderen Seite handeln, und unsere Präferenzen sind das Gegenteil von dem , was wir eigentlich wollen. Es gibt uns also eine andere Meinung. Es ist also nicht voreingenommen, uns einfach zuzustimmen. Obwohl wir generell gesagt haben, dass es eine gute Praxis ist, immer ehrlich mit der KI umzugehen, habe ich das Gefühl, dass dies eine der wenigen Ausnahmen ist, bei denen man versuchen würde, sie auszutricksen , weil es ein tief verwurzeltes Verhalten der KI ist und wie sie Ich meine, um völlig fair zu sein, die neuesten Modelle angeht, denn dieses Problem besteht schon so lange und es gibt buchstäblich Memes und Dinge darüber, dass sie es verbessert haben Zum Beispiel sind die neuesten KI-Modelle so konzipiert, dass sie sich leicht gegen Sie wehren Aber meiner Meinung nach denke ich einfach nicht, dass es genug ist. Es wird einfach standardmäßig zu seinem alten Verhalten zurückkehren. Nehmen wir als Beispiel an, Sie befinden sich in einem Gerichtsverfahren. Weißt du, du denkst, jemand schuldet dir Geld. Du gibst ihm alle Beweise, du hast ein großes Gespräch, du gehst alle Techniken durch Und die KI sagt, weißt du, ja, du hast wirklich gute Argumente. Es ist wirklich stark. Die Beweise sprechen für Sie X Y Z, und Sie wissen, Sie fühlen sich wirklich gut mit sich selbst. Was Sie wirklich tun sollten, um sich ein objektives Bild zu verschaffen, ist, gezielt einen neuen Chat zu starten, damit er nicht verunreinigt ist. Starten Sie einen neuen Chat, tun Sie aber so, als ob Sie mit genau den gleichen Beweisen auf der anderen Seite der Verteidigung wären, und fragen Sie ihn, wie stark ist meine Verteidigung? Und dann würde Ihnen das einen viel klareren Hinweis geben, denn wenn es Ihnen beiden Seiten zustimmt, ist das nicht sehr gut Aber auch wenn es nicht sehr gut ist, wird es die Beweise erneut auswählen, die das belegen, was es glaubt, dass Sie es sagen wollen Es wird also viele gute Beweise für die Verteidigung herauspicken . Und die Staatsanwaltschaft. Und dann können Sie diese Dinge unabhängig voneinander abwägen und eine viel umfassendere Sichtweise haben , eher wenn es nur eine Seite wäre und es fast so weit eher wenn es nur eine Seite wäre und es fast so kommt, dass es Sie quasi nur gasbeleuchtet, basierend auf dem, was Sie hören wollen Also das ist wirklich wichtig, besonders wenn es eine große Entscheidung ist, ob Sie um eine Art von Überprüfung bitten, Sie wissen schon, eine große Sache, wie zum Beispiel, Sie wissen schon, einen Rechtsfall oder sogar eine Entscheidung über eine berufliche Veränderung oder ein Leben oder ob oder einfach irgendwas, wo es wirklich nuanciert ist und Sie nach einer Bestätigung suchen , weil ich Ich mache nicht mal Witze Ich hatte es buchstäblich, wo die KI ihre Schlussfolgerung einfach komplett umgedreht hat, etwa vier- oder fünfmal, buchstäblich in einem Gespräch, und es war wirklich ärgerlich Weißt du, du sagst, okay, also das ist es, was ich denke, basierend auf all den Beweisen und auf der Grundlage des gesamten Kontextes, allem, was ich dir gebe, also, stimmst du zu ? Und es ist wie, Oh, das ist eine großartige Idee. Es ist wirklich aufschlussreich. Und dann sage ich, nein , ich habe noch einmal darüber nachgedacht Ich denke nicht, dass es das Beste ist. Und dann wird es sagen, das ist das Aufschlussreichste, was du in diesem ganzen Gespräch gesagt hast Diese Option ist besser. Und es wird weiter wippen und es kann zu einem Punkt kommen, an dem es tatsächlich lächerlich ist Es wird besser, aber manchmal tut es das immer noch Ich würde mich also vorlesen und in jedem Chat einen komplett neuen Chat starten und sagen, wissen Sie, bei jedem Chat, geben Sie eine KI an, Sie haben in den einzelnen Chats eine Präferenz in die entgegengesetzte Richtung, und dann schauen, was darin steht, sehen, inwieweit es jede dieser Meinungen bestätigt und welche Punkte es gibt Und dann müsstest du diese unabhängig voneinander abwägen , eher zusätzlich zu dem, was es dir im Chat sagt Und dann erhalten Sie ein viel abgerundeteres Bild. Also ja, das ist definitiv das, was ich tun würde , um die ganze SycaFancy-Sache zu überwinden 12. Automatisieren des Kontextes (benutzerdefinierte Anweisung): Richtig. Also habe ich dir in diesem Kurs eine Menge Techniken aufgezeigt. Und wenn Sie mit diesen Techniken experimentieren und anfangen, sie im täglichen Leben in verschiedenen Anwendungen zu verwenden , wissen Sie, Sie machen Ihre gesamte Grundstruktur, Sie machen, ich weiß nicht, Ihre mehrstufigen Eingabeaufforderungen oder was auch immer es ist, Sie stellen fest, dass Sie immer wieder dieselben Befehle schreiben dieselben Befehle , zum Beispiel in Form von bestimmten Hinweisen oder so bestimmten Hinweisen oder zu oder Sie stellen vielleicht fest, dass es bestimmte Dinge oft tut und Sie sagen ihm immer wieder, dass es eine bestimmte Sache nicht tun soll. Hier nutzen wir also wirklich die automatisierten benutzerdefinierten Anweisungen , die mit LLMs geliefert werden Es erinnert sich also daran, was Ihre Präferenzen sind. Deshalb habe ich mir diese Lektion bis ziemlich spät in diesem Kurs aufgehoben , weil Sie inzwischen wissen, wie Sie Ihre Eingabeaufforderungen wiederholen, Sie wissen, wie man die grundlegenden Dinge macht Und Sie haben im Allgemeinen gesehen, wie KI funktioniert und welche Argumentation dahinter steckt Sie können Ihre benutzerdefinierten Anweisungen also nach Ihren Wünschen einrichten , auch wenn Sie benutzerdefinierte Anweisungen von mir selbst oder von jemandem, den Sie online gesehen haben, beziehen. Zumindest kennen Sie die Gründe dafür Und der Grund, warum ich es so spät verlassen habe ist, dass sie zwar technisch gesehen nichts Verbindliches sind, Sie sie aber jederzeit ändern können Was ich gefunden habe, ist jedenfalls für mich, sobald ich meine Anweisungen ganz am Anfang eingegeben habe, ist es etwas, das ich fast, gerne vergesse und nicht wirklich zurückkomme und aktiv ändere. Also ich denke, es ist wirklich wichtig , von Anfang an ein Verständnis zu haben und ziemlich gute benutzerdefinierte Anweisungen zu erstellen, und dann wird dir das in Zukunft wirklich gut tun. Der Zugriff auf diese ist also ziemlich einfach. Bei Gemini ist es wie bei Einstellungen, Anweisungen sind bei ChatGPT und Claude sehr ähnlich Es ist einfach irgendwo im Einstellungsmenü und bei der Personalisierung Wenn Sie diese festlegen, stellen Sie sich diese also wie eine unsichtbare Ebene vor, die sich im Hintergrund Ihres Kontos befindet die sich im Hintergrund Ihres Kontos Es handelt sich also um ein permanentes Set von übergeordneten Richtlinien und Prinzipien, die es bei jedem einzelnen Chat befolgen soll, bevor es jedem einzelnen Chat befolgen sich überhaupt um Ihre Eingabeaufforderung kümmert LLMs sind sofort einsatzbereit und natürlich so konzipiert, dass sie möglichst breite Anwendungen bieten Sie sind also so konzipiert, dass sie gesprächig, hilfsbereit Und wir machen einfach wirklich große Annahmen über das, was es nicht weiß, nur damit es ein Höchstmaß an Hilfsbereitschaft beibehält und die Lücken einfach von selbst füllt Das große, große Problem mit dieser ganzen Person, ein wirklich hilfreicher Assistent zu sein, ist die ganze SincaFancy-Sache Es stimmt einfach im Grunde zu und spiegelt wider, was Sie sagen. einsatzbereite LLMs sind also wie ein sehr gutes T-Shirt oder Kleid Weißt du, es passt wahrscheinlich den meisten Menschen. Aber so gut es auch sein mag, es wird nicht so gut sein wie etwas Maßgeschneidertes, was wir hier versuchen. Vieles von dem, was Sie hier veröffentlichen, wird also persönlich sein. Ich würde dir empfehlen , die Techniken in diesem Kurs anzuwenden, viel zu experimentieren und dich für die Methode zu entscheiden, die dir gefällt. Und dann wirst du natürlich feststellen, dass es bestimmte Dinge gibt, von denen du ihr immer wieder sagst, dass sie sie tun soll. Und Sie können hier benutzerdefinierte Anweisungen einfügen. Aber wie dem auch sei, was ich hier getan habe, ist, dass ich Ihnen einige Beispiele gegeben habe , die wirklich für mich funktioniert haben. Also Nummer eins ist die Sykophanz also die Anti-Synkanzie-Regel ist diejenige, die schon immer ein Problem war Ich habe hier also eine Regel, um sie zu zwingen, andere Standpunkte zu vertreten. Also sage ich, gib der objektiven Wahrheit Vorrang vor Wenn ich eine Strategie, eine Idee oder ein Argument vorlege, das fehlerhaft ist, bestätige es nicht Spielen Sie aktiv Devil's Advocate, weisen Sie auf die schwächsten Glieder in meiner Logik und heben Sie widersprüchliche Beweise hervor, auch wenn ich sie vielleicht nicht hören möchte Wie wir wissen, verhalten sich LLMs von Natur aus synkophantisch oder angenehm, egal was Sie tun aus Aber das zwingt sie dazu, einige gegenteilige Argumente zu geben, und hoffentlich werden Sie dadurch auf Dinge aufmerksam, und Sie können sie bitten, mehr zu untersuchen, falls es sich um Das könnte Ihnen helfen, Ihre blinden Flecken zu reduzieren. Nummer zwei ist die Überprüfung von Annahmen. Eine der größten Einschränkungen von LLMs besteht darin, dass, wenn Sie eine sehr vage Aussage oder sogar eine sehr gut ausgearbeitete Aufforderung zu einem wirklich komplexen Thema haben , dem einem wirklich komplexen Thema möglicherweise ein Zusammenhang fehlt , es im schlimmsten Fall eine Antwort nur erraten und halluziniert eine Im Grunde soll es sagen, was wäre, wenn eine Antwort, die probabilistisch am plausibelsten erscheint, die Antwort am plausibelsten erscheint Aber wenn Sie nicht genügend Informationen angeben, wird das eine sehr schlechte Antwort sein Also müssen wir es zwingen, langsamer zu werden und klärende Fragen zu stellen Erraten Sie niemals meine Absicht oder treffen Sie Annahmen, wenn eine Aufforderung vage ist Es fehlen Einschränkungen oder es fehlt ein wichtiger Kontext. stattdessen inne und stellen Sie mir eine Liste mit klärenden Fragen, bevor Sie eine Antwort erhalten. Meiner Erfahrung nach ist es also besonders bei dieser Frage ein Erfolg oder ein Fehlschlag, weil die KI es nicht mag, die Ausführung der Aufgabe über mehrere Nachrichten hinweg aufzuschieben der Aufgabe über mehrere Nachrichten hinweg aufzuschieben Sie will einfach alles in einer Nachricht erledigen. Also zurück zu dem, was wir über den übereifrigen Assistenten gesagt haben, er will es einfach tun Es ist also hilfreich, es hier zu haben, aber Sie müssen sich darüber im Klaren sein , dass Sie es manchmal einfach manuell anweisen müssen Nummer drei, der Flaum - und Schmeichelfilter. Also ich weiß nicht warum, aber dieser nervt mich mehr als Manchmal ist es wirklich ärgerlich, besonders wenn ich meine Buchrezensionen mache oder was auch immer es ist, wenn LLMs dir einfach mit unaufrichtigem Bullshit schmeicheln, zum Beispiel, ich mache eine Buchbesprechung mit KI und stelle ihr bestimmte Fragen, die auftauchen KI und stelle ihr bestimmte Fragen Und es wird wirklich übertriebene Dinge sagen. Das ist eine wirklich extrem aufschlussreiche Frage , die den Kern des Problems auf den Punkt bringt Oder sie werden sagen, solche Dinge zeigen, dass du wirklich drei Schritte vorausschaust Dinge wie ein Mensch würde nie zu einer einfachen Frage sagen . Außerdem fügt es eine Menge Flaum hinzu. Das ist nur Zeitverschwendung. Und das macht mich wütend Also sage ich, überspringe alle Konversationsgefühle, egal ob Schmeicheleien, Roboter-Intros oder Outtros . Beginnen Sie eine Antwort niemals mit der Gewissheit, dass ich helfen kann. Konzentrieren Sie sich ausschließlich auf den Inhalt und kommen Sie direkt zur direkten Antwort. Deshalb verwende ich gerne dieses Zitat. Dieser funktioniert ganz gut, da es sich um eine direkte Anweisung an die KI handelt, als zusätzlichen Bonus, der nicht nervig ist. Es spart dir zusätzliche Tokens für nützlichere Dinge oder um den Chat zu verstopfen Nummer vier, Absicht, Fokus. Manchmal schreiben wir Eingabeaufforderungen schnell und verwenden nicht genau die Wörter, die Sie von der KI erwarten, und Sie möchten, dass die KI zwischen den Zeilen liest Sie wissen , was passiert, wenn Sie vor allem in einem ungezwungenen Gespräch mit Ihren Freunden sind und Ihre Worte keinen Sinn ergeben Aber sie sagen einfach, ja, wir wissen, was du meinst. So ähnlich für die KI, falls das Sinn macht. Konzentrieren Sie sich also eher auf mein implizites Grundziel als auf eine strikte wörtliche Interpretation meiner Aufforderung Passen Sie Ihre Antwort an, um mein eigentliches Problem zu lösen. Wenn meine Absicht oder meine Absicht nicht eindeutig sind, bitten Sie mich ausdrücklich um eine Klarstellung. Dies sind also einige der einfachen Anweisungen , die ich verwende, um KI dabei zu helfen , einige ihrer Einschränkungen ein wenig zu überwinden und sie zu bestimmten Aufgaben zu zwingen. Das ist eher auf mich zugeschnitten. Es geht also im Grunde darum, die KI ein bisschen schärfer zu machen und sich weniger Freiheiten zu nehmen Weil sie nur im Hintergrund funktionieren, kannst du sie buchstäblich einfach einstellen und dann vergessen 13. Letzte Kurseinheit: Du hast es bis zur letzten Lektion der Klasse geschafft. Statistisch gesehen schaffen es also 87% der Schüler, die einen Kurs beginnen und die erste Lektion machen, nicht in die letzte Lektion Sie gehören zu einer sehr ausgewählten Gruppe, und als Belohnung habe ich einige Ressourcen für Sie Weil wir viele Techniken durchgemacht haben und ich nicht möchte, dass du dich überfordert fühlst Dieses Video dient also nur dazu, alles abzurunden. Und in Zukunft wird es ein kontinuierlicher Experimentierprozess sein ein kontinuierlicher Experimentierprozess Aufgrund der Natur von LLMs und ihrer Geschwindigkeit, mit der sie voranschreiten, ist es für Sie buchstäblich unmöglich, ein Framework oder Tricks oder Tipps zu haben, die auf unbestimmte Framework oder Tricks oder Zeit funktionieren Es geht darum, diese Methode zu haben, diese Denkweise Ihre Antworten ständig zu verbessern diese Denkweise, ständig zu wiederholen und Ihre Antworten ständig zu verbessern. Also habe ich ein paar Spickzettel , nur um alles zusammenzufassen , worüber wir gesprochen haben, welche verschiedenen Techniken es gibt, wie man sie am besten verbessern kann, und alles, um dein Gedächtnis auf Trab zu bringen und dich ein bisschen zu inspirieren, wenn du ein bisschen zu inspirieren, wenn an einem wirklich schwierigen Problem arbeitest Wenn Sie also über zukünftige Kurse, zukünftige Entwicklungen der KI und Dinge, die ich gerade lese, auf dem Laufenden bleiben möchten zukünftige Entwicklungen der KI und Dinge, die ich gerade lese, , nur über allgemeine Interessen , die ich habe, veröffentliche ich tatsächlich einen wöchentlichen Newsletter, also stellen Sie sicher, dass Sie ihn abonnieren, und Sie erhalten die neuesten Updates zu und Sie erhalten die neuesten Updates Dingen, an denen ich gerade arbeite, sowie Angebote und andere Ressourcen, die auf Investitionen basieren. Ich werde also auch sehr gespannt sein, was das Klassenprojekt angeht. Das hat sich im Laufe der vielen Eingabeaufforderungen weiterentwickelt. Wenn Sie also gerne, wissen Sie, können Sie Ihre Eingabeaufforderungen gerne mitteilen Das hat für Sie sehr gut funktioniert und wie sich dadurch die Ausgabe Ihrer Antworten verändert hat, sodass andere Schüler lernen einmischen können. Das wird wirklich nützlich sein Es ist eine wirklich, wirklich aufregende Zeit, weil diese Technologie meiner Meinung nach die am schnellsten wachsende, aufregendste Technologie ist, die ich in meinem Leben gesehen habe, und richtig gut zu werden und sie zu beherrschen, wird dir in den nächsten, du weißt schon, 25 Jahren wirklich einen Vorteil verschaffen in den nächsten, du weißt schon, 25 . Und es ist ein Prozess experimentiert und einfach Spaß damit hat und neue Dinge ausprobiert Es gibt so viele Anwendungen, ich habe das Gefühl, dass die Leute gerade erst anfangen, an der Oberfläche zu kratzen Es ist immer noch sehr, sehr früh. Also viel Spaß mit deinem Klassenprojekt, poste die Ergebnisse deiner Inhalte und bleib in Kontakt und genieße es. Ich danke dir vielmals.