Clase magistral completa de ingeniería para instrucciones con IA: aprende de básico a avanzado

1. Introducción al curso de ingeniería rápida: Hola. Bienvenido al curso de maestría de ingeniería rápida Yo mismo, Shake Sepul y soy un flance un ingeniero rápido con el pasado año de experiencia También trabajé en la compañía SOD AI para el cliente outlaer como ingeniero rápido y también soy En este curso, vamos a aprender lo que es real es la ingeniería pronta. Bien. Entonces como sabemos, esta es la nueva era de la IA en la que vemos, hay muchos más modelos de IA por ahí como ChagptGroq AI, Cloud gem.ai, deep Hay muchos más modelos de IA en el futuro o en este momento. En este muro de IA necesitamos saber cómo usar estos patrones de pronta ingeniería para LLM Cómo podemos sacar el máximo provecho de la IE, como obtener la mejor salida de EI. Para eso, podemos usar esta habilidad de ingeniería rápida. Como sabemos, los modelos de IA usarán todas y cada una de las industrias usarán los modelos de IA en el futuro o este momento porque es muy importante para nosotros porque en el caso de automatización o obtener el contenido de ella, porque los modelos de IA todos entrenados por diferentes traned por grandes cantidades de datos en los que podemos ahorrar el tiempo Entonces en este caso, en el futuro o ahora mismo, cada industria como la educación, el marketing, los negocios, todas esas empresas o industrias buscan transformar toda la organización con IA en que estos modelos de ALLL puedan ayudar Para ello, necesitamos saber cómo usar estos modelos de IA de manera efectiva para obtener la mejor salida de la IA, pero que esta habilidad de ingeniería rápida entrará en imagen. Espero que entiendas estos puntos. Pero así, necesitamos saber cómo usar esta habilidad de ingeniería rápida en nuestra vida diaria y profesional porque los modelos de IA están en todas partes. Entonces para eso. En este curso en particular, vamos a explorar nueve modelos diferentes de IA, como HAGPT gem.ai, Cloud purples.ai, Microsoft Copt deep Sik Krog en chat AI y mist AI No sólo lo hacemos, vamos a ver lo que es real es la ingeniería rápida, vamos a pasar de básico a avanzar. Te explicaremos y explicaré nuestros componentes básicos de prompt, cómo escribir los prompts, cuál es la fórmula real para escribir el mejor prompt, exploraremos más de diez patrones de baile diferentes, patrones de baile nivel avanzado en los que también puedes usar estos patrones de baile en particular para automatizar estos patrones de baile en particular para automatizar en el chat en el chat Puedes escribir aquí y puedes hacer lo que quieras. Hay más curiosos. Puedes ver esto, todas esas cosas en las próximas clases y sesiones. Estoy muy emocionada de compartir mis aprendizajes, mi experiencia contigo en este curso como ingeniero rápido No solo eso, también exploraremos cómo usar estos nueve modelos diferentes de IA para escribir las mejores indicaciones de IA para nosotros. Bien, no solo para la tarea escribir el contenido, copias de correo electrónico, todas esas cosas, también podemos usar estos patrones de aviso, modelos de AI LLM para escribir el mejor prompt para nosotros Eso es muy interesante. Exploraremos esas cosas también y exploraremos ChAGPT en profundidad con la plataforma abierta EI, patio de recreo, tenemos, y exploraremos algunas oportunidades como ingeniero rápido, qué tenemos después de este curso, cómo podemos encontrar los trabajos para ello, proyectos de fancing, eventos de flancing Después de este curso, también se puede explicar cuál es el papel del ingeniero rápido en la Generación AI, la escala futura, todas esas cosas en este curso. Este curso va a ser increíble porque después de este curso, desbloquearás tu mente platicando con EI. No solo te digo que escribas la forma de escribir los prompts para casos de uso , no solo eso, sino que estoy desbloqueando la creatividad o efecto de o potencial de los módulos de IA en los que te puede ayudar a Eso es simple. El propósito principal de este curso es la línea stat. No solo eso, este curso se realiza en base a las habilidades requeridas de la compañía para utilizar una ingeniería rápida. No un poco técnico, sino usando los modelos de IA. Cada industria o empresas están buscando los ingenieros rápidos que tengan su conjunto de habilidades específicas, como la elaboración de los mejores prompts para diferentes modelos AILM, y la evaluación de la salida de la salida de los modelos de IA, prueba y el trapo RITA como podemos ver son para generar la mejor salida de EI para la tarea particular para probar para evaluar la que LLM ayudará a resolver la tarea particular de evaluar la salida y todas esas cosas He explicado todas esas cosas en este curso en particular paso a paso, cómo escribir los mejores proms para casos de uso a diferentes LLM, cómo probar TODOS los módulos He explicado todas esas cosas nueve modelos diferentes de IA con casos de uso, cómo probar todos y cada uno de los modelos LLM Elegir la tarea específica LLM específica para nuestra tarea específica También te he explicado diferentes capacidades y funcionalidades de nueve modelos LLM No sólo eso, también te explico mucho más. Estoy buscando compartir muchas más cosas contigo, pero que creé este curso. Después de este curso, créeme, obtendrás las manos y la experiencia en eso. Entonces, para todos y cada uno de los modelos, este curso se divide en los seis modelos. Para todos y cada uno de los modelos, obtendrá los recursos y la evaluación. Después de todo este curso, obtendrás el curso documental completo en que puedes he escrito todos algunos paso a paso, todos y todo lo que te explico en estos videos. Puedes acceder después de este curso o en el último. Eso está en todo este curso. Bien. Hay mucho más para compartir contigo, pero puedes ir a ver las próximas sesiones y clases, lo despejarás. Espero que entiendas este curso, mis puntos, no sólo eso, recuerda una cosa. Recuerda una cosa. He explicado de manera lenta en los todos los videos. Incluso el principiante también puede entender todas y cada una de las cosas. Entonces para eso. Si ya sabes ingeniería rápida, si te sientes cómodo, así puedes cambiar tu velocidad a dos X como ese pasado o para una mejor comprensión. Espero que entiendas estos puntos. Sigue todos y cada uno de los videos, no te saltes todos y cada uno de ellos. No sólo eso después de este curso, obtendrá el documento completo del curso en el que podrá obtener las ideas, lo que he explicado en los videos, todas esas cosas. En este documento del curso, obtendrás todos los conocimientos básicos para avanzar. Buena explicación con ejemplos, insights, genial. También he explicado todas esas cosas en este documento también. Para tu referencia, puedes comprobarlo después de ver los videos. ¿Bien? Entonces básicamente estos cursos se han dividido en los seis modelos en los que se pueden obtener los recursos y la asignación para cada modelo. Bien. Después de eso, después de completar todos los videos grabados de este curso, también obtendrás el proyecto final. Tendrás acceso a este documento en particular aquí que estás buscando aquí. Bien. Entonces espero que entiendas estos puntos. Así que asegúrate de obtener este documento después de los videos grabados para una mejor comprensión. No vamos a eso. Recuerdo una cosa. Este curso y proyecto final de este curso de ingeniería rápida en particular está diseñado en base a los requisitos de la empresa de. Básicamente, este curso se crea en base a los requerimientos de la empresa, requisitos de trabajo como ingeniero rápido. Estoy seguro después de que sigas a todos los conferenciantes perfectamente y practicas bien que te puedo decir que puedes listo para la postulación de los trabajos para la I pronta ingeniería Sin una parte técnica. Entonces esta escribiendo el formulario prompts Espero que entiendas estos puntos. Después de completar todos los videos grabados, por favor diríjase al proyecto final y practique con esto para diferentes aplicaciones. Por favor, siga todos los pasos que he dado. Estos pasos que dan estos pasos se basan en los requisitos de la compañía. Si practicas bien, todos estos pasos, y completando este proyecto final, obtendrás una mejor comprensión sobre cómo escribir las mejores indicaciones y cómo evaluar y cómo compararlo y cómo optimizarlo Todas esas cosas en este curso en particular. Espero que entiendas todos estos puntos, buena suerte. Acude a todos y cada uno de los conferenciantes, practique bien y por favor empareja con todas las tareas y tome ayuda con los recursos y documento completo del curso también Empecemos con el modelo número uno que es introducción a la ingeniería rápida. Vamos a sumergirnos en eso. 2. 1.1 ¿Qué es la ingeniería de promps?: Bien. ¿Cuál es la ingeniería rápida y por qué es importante y cuáles son las aplicaciones de esta? Veremos este modelo uno. Mucha gente, si eres principiante, si no sabes de ingeniería rápida es, vamos a cubrir esos temas en este modelo y vamos a ir desde muy principio a muy definiciones y cada uno y todo, si tienes alguna idea al respecto es bueno. Si no tienes idea, así que no hay problema en ello, cubriremos todos esos términos básicos y fundamentos en este modelo uno. Bien. Empecemos. Este modelo uno sienta las bases y voy a explicar cuál es la ingeniería rápida es por qué es importante y cómo funciona con modelos de lenguaje AI como HgPT Cloud AI, que se llaman También exploramos sus aplicaciones y discutiremos qué hace que un rápido sea efectivo y todas esas cosas básicas en este modelo una. Empecemos por la introducción a la ingeniería rápida. Eso es. Entonces, si sabes un poco más sobre lo que es la ingeniería rápida es cuando la busco en línea, así que he escuchado a tantos gurús de YouTube e influencers en línea o algo que dice que escribir el puntualmente es una ingeniería rápida, pero no así Si piensas después de que analice tantos requisitos de la empresa en la descripción del puesto, lo que el ingeniero rápido que tienen las habilidades debería tener esas habilidades para convertirse en un ingeniero rápido y haber analizado tantos trabajos de ingeniería rápida de IA IA que la empresa o quiere o quiere, ese candidato en particular debe tener este tipo de habilidades. Después de analizar, llego a la imagen que es realmente la pronta ingeniería es diferente mientras que los gurús de YouTube están diciendo simplemente escribir el prompt, pero no así No te preocupes. Este curso está enfocado principalmente por el y basado en tantas empresas Un ingeniero rápido descripción del puesto. Así que no te preocupes aprendo esta ingeniería rápida, este curso, todo el curso y las tareas de práctica, te garantizo que puedes prepararte para el trabajo. Eso creo porque este curso se basa principalmente en descripción del puesto y las empresas quieren las habilidades que el ingeniero rápido particular debe tener estas habilidades. No te preocupes. Cubriré todas esas cosas en las próximas clases modelo. Entonces, centrémonos primero en lo que es actualis pronto es la ingeniería Así que veamos aquí, tenemos alguna definición como la elaboración instrucciones precisas para los modelos de lenguaje de IA Vamos a llamar a la ingeniería rápida. Derecha. Bien. Veamos que algo que tenemos que es una ingeniería pronta. Prompt san algo escribiendo pregunta. Pero, ¿cuál es el significado de ingeniería? Tenemos algún tipo diferente de ingeniería como ingeniería civil, ingeniería eléctrica, ingeniería mecánica, pero ¿cuál es el significado de esta pronta ingeniería? Si escribo un simple prompt le pido ingeniería, pero hay un tema diferente que tenemos. Pero esto es algo que tenemos que aprender esto. La ingeniería se lleva a cabo por escrito el aviso se llama ingeniería rápida. No teníamos sobre esto. la definición detallada de esto. La ingeniería rápida es el arte y la ciencia de la elaboración de instrucciones o consultas Consultas significa rápido para interactuar manera efectiva con modelos de lenguaje de IA como ChagBT, Cloud, Gemini y otros que se llama ingeniería rápida Sí. Este es un sencillo. Por ejemplo, piensa que estás conversando con una IA. Consciente de que cuanto mejor expreses lo que quieras, mejor será la respuesta de la IA. Es esto sencillo. Si vas a AGPT y escribirás un prompt algo que quieras Entonces, ¿cuánto vamos a expresar tu idea, te contentas que qué es lo que quieres? Entonces, mejor será la respuesta de la IA. Entonces es por eso que tenemos que saber escribir el prompt, manera efectiva, que la IA pueda dar una mejor respuesta para nuestro prompt. ¿Bien? Veamos esto. Bien. Antes de ir al movimiento más profundo , vea, veremos aquí propósito clave. Entonces, ¿por qué se vino la ingeniería rápida? Bien, ya los modelos A son lo suficientemente inteligentes, pero por qué lo es la ingeniería rápida. Entonces, simplemente, el propósito clave es mejorar la calidad y relevancia de las respuestas de IA. ¿Por qué? Porque tantos módulos de lenguaje grandes son entrenados por grandes cantidades de datos Derecha. Este no es solo escritor específico, el A como HgPD está entrenado por la mayor parte de la cantidad de datos Se puede dar las respuestas combinando todas esas cosas, simplemente lanzando las piedras. Entonces, si conoce las técnicas rápidas, las técnicas de escritura, los patrones y cómo hacer la pregunta a la IA de manera efectiva, esa IA puede proporcionar una respuesta a nuestra manera rápida y efectiva. Entonces, para mejorar la calidad de la generación, salida de la IA, la ingeniería rápida tiene lugar un papel importante. Es por eso que se lleva a cabo la ingeniería rápida. Bien, vamos 3. 1.2 Diseño prompt vs. ingeniería prompt: Bien. La mayoría de la gente dice que este simple aviso de escritura se llama ingeniería rápida, pero no así. Hay una gran diferencia entre lo que es el diseño rápido real es, cuál es la ingeniería rápida real. Vamos a sumergirnos en eso. Veremos cuál es la diferencia entre el diseño rápido y la ingeniería rápida. Entonces el diseño del baile y la ingeniería rápida pueden parecer similares, pero tienen algunos propósitos diferentes. Veamos el diseño rápido. Diseño de baile, esto implica escribir instrucciones básicas o preguntas para un modelo de lenguaje. Se trata de crear un prompt que haga que la IA responda pero que no sea necesario para aplicaciones específicas. Sí, eso es sencillo. Puedes ver aquí Diseño de baile. Sencillo. Es una pregunta sencilla que te haremos a AI, puedes ver el ejemplo aquí, escribir un poema sobre la naturaleza. Esta es una pregunta sencilla. No hay ningún razonamiento en eso. No hay instrucciones detalladas, y no hay otro objetivo que queramos de la IA. Es una pregunta sencilla que es escribir un poema sobre la naturaleza. No hay palabras indirectas, no hay oraciones indirectas, indirectas, simples. Es una pregunta sencilla. Esto se llama simple diseño de baile. Bien. Cuando se llega a la ingeniería rápida, este es un enfoque más avanzado. ingeniería rápida significa que es un enfoque más avanzado donde el prompt está optimizado para una aplicación o resultado específico. Implica la elaboración de instrucciones detalladas y que se alineen con las capacidades o limitaciones únicas de la e y está optimizado para una aplicación específica Puedes ver el ejemplo aquí. Puedes componer un poema rimando sobre la naturaleza al estilo de William Wordsworth Entonces este es un cociente directo y esto es tener algún razonamiento que desafíe al modelo como componer un poema rimando sobre la naturaleza al estilo de William ¿Bien? Estamos buscando que no sólo queremos el poema sobre la naturaleza, sino que quiero el poema sobre la naturaleza al estilo de William Wordsworth Bien, ¿has visto la diferencia entre estos dos prompts como. Diseño rápido significa que es simple escribir quoi directo palabra recta palabra cociente Pero la ingeniería rápida tiene algunos razonamientos y algunas instrucciones detalladas adicionales para una aplicación específica llamada ingeniería rápida. Bien. Hay un Bien, así que puedes consultar aquí. Puede ver este prompt de ejemplo de ingeniería rápida, no solo le da a la IA una dirección clara, sino que también aprovecha la capacidad de la aplicación para emular Estilos. Por lo tanto, puede dar una buena cantidad de respuesta AIS en comparación con este diseño rápido. Bien, no hay diferencia. Hay una pequeña diferencia entre eso. Entonces la pregunta que hago directamente sin ninguna implique unas instrucciones detalladas se llama diseño rápido. Pero la ingeniería rápida significa dar instrucciones detalladas e información adicional en sí mismo para una aplicación específica, se llama ingeniería rápida. Así que no te confundas del todo. Entonces es fácil si practicas bien, y será fácil cuando veas esto en las próximas clases. Bien. Empecemos por qué es importante la ingeniería rápida. Bien, veamos esto. No te preocupes si todos estos PPT y documento que te he explicado, todos y todo te serán proporcionados después de este curso No te preocupes. A ver. El siguiente encabezamiento es ¿por qué es importante la ingeniería rápida? Ver, cuántos Atos de ver que Chachi BT, Cloud, emiten A. Este LLM significa que los modelos de lenguaje grandes son poderosos porque tienen técnicas de PNL como el procesamiento del lenguaje natural, y está entrenado por gran cantidad Puede ser muy útil. Puede ser muy útil para las personas o las industrias empresariales, usarlo en eso para facilitar las cosas y el flujo de trabajo o para hacer las cosas muy rápidas. Bien, ayuda mucho en todas y cada una de las industrias, ¿verdad? Entonces, ¿por qué es importante la ingeniería rápida? Veamos en esta sesión. Entonces, cuando se compara para ver ingeniería rápida, importante significa escribir buenos prompts es importante Simplemente, si escribes cualquier mensaje, no está bajo la ingeniería rápida, pero escribir las buenas indicaciones, que ayuda a construir una aplicación específica o a obtener datos específicos de la IA es crucial Veamos qué vamos a ver esto. Lo que es un buen prompts conduce a y cuáles son los malos prompts scan conduce a la respuesta de la IA . A ver eso. Si incitas es mal malo, puede confundir o respuestas irrelevantes La IA puede generar respuestas confusas o relevantes. Si no proporciona un detalle o información de antecedentes para su aplicación específica, puede generar irrelevante o confusión Datos. Si escribe un buen prompt, el A provide puede generar una respuesta mejor y precisa y respuesta significativa para su pronta porque la ingeniería rápida es específica. La ingeniería rápida significa que es una aplicación específica. Escribimos las indicaciones para una aplicación específica. Bien. No estoy hablando del diseño rápido. Estoy hablando de la pronta ingeniería, que es sólo para aplicación específica. Es por eso que C. Ingeniería rápida para medios específicos de aplicación. ¿Qué significa el buen prompts? ¿Qué es una buena promesa? Buena promesa significa que si proporcionas, si estás construyendo así sucesivamente uh si tomas un ejemplo de creación de contenido para la creación contenido para la salud. Eso es fitness y trabajo. Vamos a fitness y salud. Si quieres el contenido que sea más preciso para tu contenido de fitness y fitness y salud. Se trata de un específico. Entonces lo que harás, te brindarás algún detalle, la instrucción que quieras. Bien, eso quieres, específicamente. En eso, si tu baile de graduación no tiene información de antecedentes, que lo que quieres para un específico, puede ser llevar una respuesta irrelevante o puede ser generar imprecisiones Con esta ingeniería rápida, escribes buenos prompts, buenos prompts significa Tienes que incluir instrucciones detalladas y tienes que incluir cualquier información de fondo que la IA no pueda conocer. Tenemos que darle la idea lo que buscas y la salida que deseas. Todas esas cosas entran en la habilidad de escritura rápida en la ingeniería rápida. Las buenas indicaciones pueden conducir a respuestas aéreas relevantes y precisas y ingeniería rápida es el usuario principal para tareas complejas. Bien. Todo esto se trata de buenas indicaciones, pero hay algo de pregunta en tu mente, ¿por qué es importante incitar Muchas de las empresas ya están comenzando a usar LLM en su flujo Algunas empresas están con modelos de IA de capacitación con sus propios datos. Automatizar algo en sus empresas o ayudar a los empleadores a lograr una mejor productividad para facilitar las cosas. Esta IA ahora está tomando la mayor parte de la le. No estoy hablando de que se pegue pero puede generizarles más trabajos también. Eso es en esa pronta ingeniería también buena oportunidad de carrera para nosotros. Entonces comencemos. Entonces, ¿por qué la ingeniería rápida es importante faltar en todas partes? En todas y cada una de las industrias usaremos LLM como va, va muy entrenando Bien, yo próximos años futuros, así que en toda cualquier industria, usarán LLM, ¿de acuerdo? Como Charbt todas esas cosas. Para eso, por cada interés que utilices escribirá. Entonces, en donde en donde LLM utilizaron su ingeniero rápido juega un papel importante para controlar la IA o para generar algo a partir de las LLM para controlar la IA para usar la IA de manera efectiva, ingeniero rápido viene en el papel importante que están Pero para ellos, si tienes habilidad de ingeniería rápida, pero no tienes un conjunto de habilidades específicas que buscas hacer trabajo en una empresa específica. ¿Qué es una habilidad de ingeniería rápida que tienes? habilidad de ingeniería rápida solo es beneficiosa para ti cuando tienes una habilidad específica ya. Si conoces codificación, por ejemplo, si tomaste, si conoces codificación, cómo codificar Python. Si puedes usar una ingeniería rápida para escribir el código básico y todas esas cosas para que las cosas sean fáciles, rápidas y confiables. Si no sabes cómo codificar Python, pero si vas y solo pides a Cha GBT que escriba un código, puede generar un código, pero no sabes dónde está el código está mal, qué código Python es un inexacto que ha generado GBT Deberías tener algunos conocimientos específicos sobre esa habilidad, entonces solo la habilidad de ingeniería rápida puede ser beneficiosa para ti. De lo contrario, puede llevar a algunas imprecisiones y todas esas cosas Bien. Es por ello que el aprendizaje de la ingeniería rápida es muy, muy importante para futuros futuros futuros y ahora porque ya estamos en la era de la IA, si sabes cómo usar la IA, puedes hacer todas esas cosas. A ver. En esta lección, hemos aprendido lo que se trata ingeniería rápida y cuál es la diferencia entre diseño rápido y la ingeniería rápida y hemos aprendido por qué es importante la ingeniería rápida. Entonces esta es una lección que la hemos aprendido. Entonces, para la próxima lección que es 1.2 modelos segunda lección, aprenderemos cuáles algunos conceptos básicos de modelos de lenguaje grande como LLM, como Char GPT y todas las demás cosas y cómo el 4. 1.3 Fundamentos de los modelos de lenguaje grande (LLM) en IA: Chicos, bienvenidos de nuevo a la segunda lección de este Modelo uno. En esta lección, vamos a aprender algunos conceptos básicos de los modelos de lenguaje de IA, y exploraremos información adicional como cómo procesan los LLM los datos de las indicaciones y veremos algunos ejemplos de indicaciones buenas y malas también Y veremos algunas aplicaciones de ingeniería rápida en la pronta ingeniería se utilizará. Y veremos algunos problemas comunes que por qué qué indicaciones fallarán y por qué fallan las indicaciones, y veremos alguna solución para Bien, eso es todo para este modelo, chicos. Así que comencemos de cero como primero eso es algunos conceptos básicos de los modelos de lenguaje. Bien. Entonces si ya sabes lo que son los LLM significa LLM significa modelos de lenguaje grande, verás los ejemplos aquí que te he mostrado aquí, algunos gem.ai, que es desarrollado por Google, Leonard AI Se trata de una herramienta de generación de imágenes. También es considerado como LLMs y ha GPT por Open AI, publicity.ai, Cloud AI y Mid Estos son algunos módulos de lenguaje grandes, y hay algunos otros modelos de lenguaje más como Microsoft Co Plot y otras herramientas de IA por ahí. Entonces acabo de escribir aquí algunos ejemplos que puedes entender fácilmente. Para que puedas comprobarlo, hay muchos más LLM por ahí. Puedes buscar en Internet fácilmente. Bien, comencemos este tema que es lo que son los fundamentos de los modelos de lenguaje. Bien, puedes ver este SM aquí. ¿Cuáles son los LLM Puedes ver la definición aquí. Los sistemas de IA entrenados en grandes conjuntos de datos. Entender y generar texto humano como se llama LLM. ¿Bien? Puedes, por ejemplo, el mejor ejemplo para LLM es Hajibt Si ya usas JGB, sabes que puede generar las respuestas como humano humano está enviando mensajes de texto con nosotros. Esto se llama algunos modelos de lenguaje grande. Entonces, para entender cómo funciona la ingeniería rápida, primero necesitamos comprender los modelos de lenguaje, cómo se capacitan los LLM y cómo los LLM procesan los Bien. Entonces no vamos a la parte técnica porque esta ingeniería rápida es simplemente aprender el arte de escribir las mejores indicaciones. ¿Bien? Este es nuestro tema principal. Entonces la parte técnica es otro tema. Bien. Veamos ¿cuáles son los modelos de lenguaje? Veremos los modelos de lenguaje como GPT four, Cloud, un gm dot A o sistemas A, entrenados en cantidades masivas de datos de texto Aprenden patrones en lenguaje que les permiten generar pruebas de tipo humano, en respuesta a tus indicaciones. Respuesta significa que voy a generar alguna salida en respuesta. Prompts significa que le harás una pregunta a LLM. Esto se llama un prompt. Ya sabes de eso. Entonces veremos cómo funcionan. Puedes ver un diagrama de una sola línea aquí, cómo funcionará el LLM básico Bien. Primero, cuando escribes el cociente de cualquier prompt en GPT u otras LLM, primero, analizará La entrada significa que usted es rápido. Usted cuestiona, usted es consulta. Analizará entrada. Después de eso, reconocerá patrones porque cada LLM es trinado con datos en algunos ¿Bien? Entiende. Entonces reconocerá en patrones. Después de eso, va a generar una salida es simple. Es sencillo diagrama único que dibujé para ti para que puedas entender mejor para ti, hay mucho más técnico en estos tres. Bien, no voy a entrar tan profundo. Así como una lesión inmediata, hay que saber cómo funcionan los LLM. A ver. Puedes ver los ejemplos de aquí, cuáles son algunos modelos de lenguaje de gran tamaño. Ejemplo, puedes ver todas estas cosas, veamos la segunda cosa. Así es como el proceso LLM incita. Prompts significa alguna consulta de cuestionario que le preguntaremos. Veamos cómo los LLM procesan las indicaciones. Bien, mira, cuando le das un prompt, el modelo de lenguaje lo analiza palabra por palabra, ¿de acuerdo? Analiza palabra por palabra. Buscando y después de eso, analizará entrada, como patrones, contexto e intención. Cómo prometerá significa cuando veas este diagrama de líneas, primero analizará entrada por palabra por palabra. Palabra por palabra significa, escribirás algunas frases. Las oraciones tienen alguna palabra por palabra. Analizará todos y cada uno de los caracteres y palabras. Después de eso, reconocerá patrones, contexto e intención, y en qué se encuentra realmente el usuario. ¿Cuál es la intención real del usuario? Lo analizará y generará una respuesta basada y basada en lo aprendido. Escuche con atención. Qué genera respuesta en base a lo aprendido durante el entrenamiento. Voy a generar una salida basada en lo que ha aprendido durante el entrenamiento. La calidad de la salida depende de cuán clara sea la entrada. Eso significa que eres rápido, transmite tu intención. ¿Bien? ¿Entiendes? Espero que entiendas bien cómo funcionan los lems 5. 1.4 ¿Cómo impulsa el proceso en LLM?: Así es como el proceso LLM incita. Indicaciones significa alguna consulta de cuestionario que vas a hacer. Veamos cómo los LLM procesan las indicaciones. Bien, mira. Cuando se proporciona un prompt, el modelo de lenguaje lo analiza palabra por palabra. ¿Bien? Analizo palabra por palabra. Buscando después de eso, analizará entrada, como patrones, contexto e intención. Cómo prometerá significa cuando veas este diagrama de líneas, primero analizará entrada por palabra por palabra. Palabra por palabra significa, escribirás algunas frases. Las oraciones tienen alguna palabra por palabra. Analizará todos y cada uno de los caracteres y palabras. Después de eso, reconocerá patrones, contexto e intención, y lo que el usuario es realmente intención. ¿Cuál es la intención real del usuario? Lo analizará y generará una respuesta basada en Run en base a lo aprendido. Escuche con atención. Qué genera respuesta en base a lo aprendido durante el entrenamiento. Voy a generar una salida basada en lo que ha aprendido durante el entrenamiento. La calidad de la salida depende de cuán clara sea la entrada. Eso significa que eres rápido transmite tu intención. ¿Entiendes? Espero que entiendas bien cómo funciona la lente. Es simple. Primero, analizará tu aporte. Después de eso, analizará palabra por palabra. Después reconocerá los patrones, y por último, generará la salida a partir de lo aprendido durante su entrenamiento. Por esto, se concluye que el EI es solamente generar salida lo que se entrena. Bien. Sencillo. Es que la calidad de salida será depende de la calidad de sondeado a la que le escribirás que escribirás o le darás al modelo de IA Puedes consultar aquí puedes ver algunos ejemplos analógicos AI como chef, prompts son recetas.Esta sencilla AI ahora, ya te dije que es ingeniería rápida significa aplicación específica. Se puede ver la analogía. Así que tenemos tenemos usando IA como chef. Chef significa una aplicación específica. IA como chef. Ahora, los prompts como recetas. Le estás pidiendo a un chef Bien, le estás pidiendo a un chef algunos que buscan recetas. Las indicaciones una vez que tu pregunta son como recetas. Entonces, ¿qué es un buen prompt aquí? Como un aviso necesitas saber, necesitas saber. Eso es instrucciones específicas y detalladas. Buen aviso significa que el prompt que contiene datos específicos e instrucciones detalladas se llama buen prompt. Lo que cuando se llega a mal pronto, es ambiguo y vago Va significa algunos datos irrelevantes que no pueden llevar a inexactitudes en las respuestas Esto es sencillo. Espero que entiendas. Así se pueden ver algunos ejemplos de buenos y malos proms. Entonces se puede ver, por ejemplo, mal. Qué significa un mal baile de graduación, simplemente explicar el cambio climático. Se puede ver que esto es un espectáculo, sea cual sea la pregunta. Podemos ver Bien. Antes de entrar en esto, voy a explicar un tanto más profundo en esto porque aclarará algunos fundamentales básicos. Entonces cuando ves aquí una analogía, AIS hf incita como recetas. Entonces AI, cuando piensas AashFo sabe que la IA ahora por ejemplo, IA ahora está pensando como chef, conoce miles de recetas Recetas significa patrones. Bien. Imagínese ahora AI Asa trabajando como chef, ¿de acuerdo? Ahora, Chef, no, miles de recetas. A las miles de recetas se le llama como pare decenas. Bien. Entendido. Las miles de recetas son pare decenas, pero necesita instrucciones claras para cocinar el plato que desee. Eso se llama “prompt”. ¿Bien? ¿O entiendes? Creo que espero. ¿Bien? Hay que pensar que la IA es chef. Ahora, AI como chef no chef, no ya miles de recetas. Pero quieres algún platillo específico. Bien. De esa manera escribirá el prompt para plato específico se llama ingeniería rápida. Esa es ella. Entonces los estamos entrenando estamos entrenando a ese EI como especifico, es decir la IA como chef. Patrones significa que el ya chef conoce miles de recetas. Significa que la IA conoce patrones. Y quieres el platillo específico del chef en particular. Eso significa que estás escribiendo el prompt para la receta específica que deseas de la manera más simple. Creo que espero que entiendas esto puedes ver hay algún ejemplo, diseño rápido significa que puedes, si piensas esta analogía, qué es un diseño rápido e ingeniería pronta, diferentes prompts diferentes Si haces alguna pregunta sencilla como hazme una comida. Esa es una pregunta sencilla y directa. Esa es una categoría de diseño rápido. Cuando te enfocas en la ingeniería rápida, tiene alguna pregunta de razonamiento como decir que me hacen lasaña vegetariana con queso extra, cocinada durante 30 minutos Bien, entienda. He tomado alguna pregunta de razonamiento. Eso viene bajo la ingeniería rápida es como hacerme comida vegetariana con queso extra y cocinar por 30 minutos. Entonces estoy escribiendo indicaciones detalle tanto, cuanto tiempo y qué específico quiero de ti, como de AIS hef Entonces hay alguna ingeniería rápida que tenemos escribiendo que tenemos dando algunas instrucciones detalladas que queremos que viene bajo la ingeniería rápida. Cuando se trata de diseño rápido, es una pregunta directa de Word como hacerme una comida. Entonces es igual de simple. Bien. los ejemplos de algunos ejemplos de buenos y malos prompts. Ves, puedes ver algún mal ejemplo rápido aquí, explicar el cambio climático, es un ejemplo sencillo y directo. Puedes pensarlo como un diseño rápido. Bien. Cuando ves en la parte superior del diseño rápido, es un buen aviso. Pero cuando te encuentras bajo la pronta ingeniería, tienes que pensar razonar y escribir instrucciones para un específico. En ese momento, considerarás diseño rápido es un mal aviso, ¿de acuerdo? Por favor, tenlo en cuenta. Tan mal pronto significa explicar el cambio climático. Es un sencillo. No hay ningún razonamiento en eso. Cuando llegas al buen aviso, puedes ver las instrucciones detalladas aquí. Explicar las causas y efectos del cambio climático en términos simples, adecuados para un niño de 10 años Guau, es una buena pregunta, ¿verdad? Algunas personas no conocen términos. Bien. Cuando hagas directamente esta pregunta, explica el cambio climático. Puede generar palabras directas con halonización, palabras efectivas de las que nunca escuchaste en tu vida Bien, si le das el aviso así, explique las causas y efectos del cambio climático en términos simples, adecuados para un niño de 10 años, esta IA, la IA generará para un niño de 10 años, cómo entenderá el niño de 10 años Analizará y lo pensará y generará una salida para un niño de 10 años Eso significa que puede comprender fácilmente las causas y efectos del cambio climático fácilmente en comparación con el mal aviso. Esto es lo que es la diferencia entre el mal y el buen pronto. Podemos ver las materias blancas. Materia blanca. Porque las indicaciones claras producen resultados mejores y efectivos en comparación con los malos prontos Puedes ver esto lo fácil que puedes entender por el buen prompt. Con el mal prompt, puedes entender, pero tiene algunas palabras que puedes entender porque las LLM están entrenadas por grandes cantidades de datos Tengo algunas palabras efectivas de las que nunca escuchaste. Bien, no sabes sobre el significado de eso, cómo puedes entender el resultado. Si escribes las instrucciones detalladas, cómo quieres la salida y de qué manera en qué estilo y en qué tiempo, para que pueda generar una mejor salida para entenderte para entenderte por ti. Entonces se trata de escribir los buenos proms y malos proms. Esto son ejemplos de bueno versus malo, así que lo basará en otros temas, ¿bien? 6. 1.5 Aplicaciones de la ingeniería de prompt: Entonces veamos algunas aplicaciones de ingeniería rápida. Como dije antes, por lo que se puede usar en todas partes donde se utilicen las LLM de IA Entonces veamos algunas industrias en las que en este momento y en los próximos años futuros, se utilizan los LLM, y el gen prompt será muy crucial y juega un papel vital en esas empresas e industrias para los casos de AIuse Puedes ver algunos ejemplos que he mencionado aquí, industrias como la educación, el cuidado de la salud, la creación de contenidos, la programación y la automatización, como esta. Entonces, cuando se llega al punto de vista de la educación, entonces esto es algo de herramientas de aprendizaje adaptativas. Puede ser herramientas específicas de género. Podemos, para generar alguna estructura de contenido, bien, estructura de esquema para escribir los documentos y contenido para, um, estudiantes, todas esas cosas. En comparación con el cuidado de la salud, podemos generar algunas comunicaciones y flujos de trabajo de pacientes , todas estas cosas. Al llegar a la creación de contenido, esta ingeniería rápida juega un papel importante, importante en la creación de contenido mundo de error porque puede escribir los blogs, escribir la copia de marketing, correos electrónicos lo más rápido posible. Entonces tenemos que, solo tenemos que abordar algunos es bueno para la creación de contenido, y también puede ayudar en la programación. Así que la mayor parte de la versión actual de AgVt puede resolver la mayor parte del problema de codificación y depuración y generará buenos fragmentos de código Bien, puede ser muy efectivo. Se puede ahorrar mucho tiempo para escribir el código básico. Bien. Esto es un simple algunas industrias que mencioné, pero esto no está limitado. Por lo que esta ingeniería rápida es muy, muy importante para todas las industrias donde se utilizan las LLM Espero que entiendas todas esas cosas porque la ingeniería rápida será una de las buenas habilidades si aprendes, futuros entrantes y ahora, así que esto es algunas aplicaciones. Hay la mayoría hay otras industrias, y la ingeniería rápida es aplicable y simplemente donde utilizan las herramientas A se lleva a cabo la ingeniería rápida. Bien, ya algunas de las empresas comenzaron a contratar a los ingenieros rápidos. lo que este curso se basa en esto basado en la descripción rápida del trabajo de ingeniería de la compañía. Así que creé este curso basado en y después de analizar todas las empresas ingeniero rápido descripción del trabajo, cuál es la ingeniería rápida real y cuáles son las habilidades y cuáles son las cosas que necesita el candidato para convertirse un ingeniero rápido en su empresa. Entonces todo este curso se basa en eso. Así que por favor aprende todos estos cursos porque te ayuda a convertirte en un buen ingeniero rápido en todas partes. Bien. Entonces después de eso, veamos lo segundo. ¿Por eso fallan las indicaciones? Entonces como dije, hay algunas buenas y malas indicaciones. Entonces, en realidad, si ves eso, ¿por qué fallan las indicaciones? Sencillo. Si su prompt no tiene alguna información de antecedentes o no tiene cierta falta de contexto, falta de detalle, o no hay razonamiento como ese mal prompt, el prompt puede fallar. Bien. Fallar significa que la salida no será eficiente. Bien, eso no es eficiente y tienen algunas imprecisiones y tienen algunos errores, todas esas cosas cosas Por eso falla el prompt. Bien, esto no es otra cosa así. Entonces hay algunos temas comunes que puedes ver aquí, Ambúi que le falta claridad o intención Bien, si no le das una intención clara a la IE, puede generar imprecisiones y no hay claridad en esa salida La falta de contexto porque no hay antecedentes proporcionados significa que estamos hablando de la pronta ingeniería. Cuando vas a escribir el prompt para una aplicación específica, necesitas proporcionar alguna información adicional que admita el contexto principal. ¿Bien? Contexto significa algo que todos ustedes condenan como información que están proporcionando a la IA, así. Si no hay suficiente contexto que la IA pueda analizar y generará una salida basada en su aplicación específica, por lo que puede generar alguna respuesta irrelevante Por eso fallan los prontos, ¿de acuerdo? Sobre complejidad. ¿Qué significa sobrecomplejidad? Sencillo sobrecargar el prompt con detalles innecesarios. Cuando escribas las indicaciones para una aplicación específica, debes tener en cuenta que tienes que darle a la IA los datos requeridos en línea ¿Bien? Si da datos innecesarios, puede combinarse y solo puede generar toda la combinación de las palabras que no pueden que no sean relevantes para usted para esa aplicación específica. Entonces es por eso que el prompt puede fallar. Bien. Entonces, ¿cuál es la mejor solución para ello significa refinar las indicaciones para que sean claras, específicas y concisas Refinando indicaciones, hablaremos más adelante en los próximos modelos Entonces refinar significa escribir primero prompt. Y generará alguna salida básica. Después de eso, analizarás la salida. Después de eso, volverás a escribir prompt. Escribirás de nuevo prompt ajustando, analizando la primera salida, y escribirás el segundo baile de graduación que deseas algún ajuste en la salida anterior. Volverás a escribir ese aviso. Eso se llama indicaciones de refinación. Para ser claros. Css específicos. Eso es. Entonces esto es que esto no es un complejo, por lo que puede ser fácil para ti cuando empiezas a escribir los proms en hav. No te preocupes. Tenemos sesiones prácticas en los próximos modelos hay tanto por aprender patrones de baile. Compartiré todos esos mis aprendizajes en este curso. No te preocupes por eso. Hay una implementación mucho más práctica en los próximos modelos. Vamos a ir voy a escribir los patrones pronto. ¿Cuál es el refinamiento de los bailes? ¿Cuáles son los patrones? ¿Cuáles son los diferentes patrones que tenemos? Cuáles son las técnicas que tenemos que utilizar y cómo usaremos LLM para generar prontitud por ellos mismos, todo el avance y básico que cubriremos en los próximos modelos Así que simplemente no dejes este curso. Puedo cambiar la vida. Entonces eso es todo chicos para este modelo. Así que hemos completado primer modelo y en el que aprendemos algunos fundamentos básicos y todas esas cosas. Entonces en este modelo, hemos aprendido algunos modelos lingüísticos básicos en los que veremos el agua, los LLM y cómo funcionan Entonces LLM significa simples los sistemas que son entrenados por grandes conjuntos de datos para comprender y generar texto similar al humano Ejemplos que ya hemos visto, si los has usado, es un buen punto HGPTJM a Data Day, Cloud, Microsoft Coplon, y hay otros AIT por ahí es un buen punto HGPTJM a Data Day, Cloud, Microsoft Coplon, y hay otros AIT por ahí . Se puede ver eso mediante la búsqueda por Internet, y vamos a ver cómo funcionan Primero analizan entrada significa que eres rápido palabra por palabra, y reconocerá patrones, y generará salida en base a lo que ha aprendido durante el entrenamiento. Bien. Esto es simple. Después de eso, veremos lo que veremos algún ejemplo específico como IA como chef. Bien, las indicaciones como recetas. Qué para este sistema de IA, sistema específico. ¿Cuál es el diseño rápido y cuál es la ingeniería rápida? Bien, cómo vamos a escribir para esos prompts para bajo escenarios Y veremos algunos ejemplos de buenos versus malos prompts. ¿Cuál es el razonamiento? Si el mal prompt no tiene alguna información de fondo, razonamiento, u otras cosas que podemos obtener la mejor salida. Se puede ver el buen prompt tener algunos términos de razonamiento e información de fondo que cómo la salida es personalizada por nosotros mismos. Y veremos por qué también importa. Exploraremos algunas exploraciones. Ingeniería rápida, veremos algunas industrias que están utilizando ingeniería rápida y la próxima característica será la calificación para esto. Entonces hay en educación, cuidado de la salud, creación de contenido, programación y otras habilidades de la industria. Y por último veremos esto por qué fallan los prompts en que discutimos algunos temas comunes que estamos haciendo ahora mismo, faltando claridad o intención, falta de contexto, sobre complejidad, y hemos visto la solución para ello también Entonces eso es todo para este modelo chicos. Nos sumergiremos en el otro modelo con algunas secciones intermedias en ingeniería rápida. Entonces pasemos al siguiente modelo. 7. 2.1 Componentes básicos de Prompt: Chicos bienvenidos a nuestro próximo modelo número dos de este curso maestro de ingeniería rápida. Entonces, en este modelo, vamos a ver algunos fundamentos escribir proms efectivos y cuáles son los componentes clave que tenemos que tener en cuenta al escribir el prompt, y veremos algunos por qué estos componentes clave juegan un papel importante en la redacción de proms efectivos Entonces, entendamos algunos conceptos básicos y fundamentos para escribir proms efectivos Entonces vamos a ver. Entonces exploraremos algunos componentes de un prompt. Entonces tenemos tres componentes de un prompt. Eso es claridad. El número dos es contexto y el número tres es especificidad. Estos tres componentes son muy importantes a la vez que tenemos que tener en mente al escribir el prompt. Entonces veamos primero que uno es la claridad. Entonces claridad significa escribir oraciones simples y directas que tengan alguna intención clara de ti. Por lo que el módulo de IA generará una mejor salida cuando sea fácil entender tu intención. Entonces puedes ver el ejemplo aquí. Puedes ver el ejemplo aquí. Entonces, ¿qué significa la claridad? Se trata de una oración directa directa directa. ¿Cuál aclara tu intención? Se puede ver el ejemplo. Dime algo interesante sobre el espacio. Entonces EI pensará lo que necesites. Estás haciendo una pregunta amplia. No hay especificidad en su pregunta. No hay intención clara. ¿Bien? Dime algo interesante sobre el espacio. ¿Bien? Simplemente arrojará algunos puntos interesantes sobre el espacio. ¿Bien? Si intentas dar algunas instrucciones claras como cuáles son algunos descubrimientos recientes sobre los agujeros negros, puedes ver aquí. Entonces tienes clara intención. Necesitas algunos descubrimientos sobre los agujeros negros. Agujeros negros significa que te estás enfocando un tema específico en el espacio en el que tienes clara intención. Es un claro prompt, para que la IA entienda, Bien, necesitas algunos descubrimientos recientes sobre los agujeros negros, por lo que dará la mejor salida para tu prompt. Entonces comparado con esto, cuéntame algo interesante sobre el espacio. Simplemente arrojará algunos interesantes sobre el espacio. No hay especificidad en eso. No hay claro, no hay claridad en eso. Bien. Se trata algunos puntos de claridad, así que tenemos que mantenernos en eso. Al escribir el prompt, debes tener en cuenta que claridad juega un papel importante en eso. Tienes que darle la instrucción a un modelo como si estuvieras pidiendo un tema específico en el que tengas claridad directa en tu mentalidad mientras escribes el prompt Entonces veamos el segundo. Ese es el contexto. Entonces, ¿qué significa un contexto ?, proporcionarás suficiente información de fondo para apoyar tu intención principal. Bien. Entonces vamos a ver. Se puede hacer estableciendo el escenario describiendo el escenario o definiendo el rol en el que la IA quiere actuar así. ¿Bien? Entonces, simplemente, tienes que proporcionar suficiente información de antecedentes al modelo de IA para comprender la tarea y la intención real de ti. Bien, veamos el ejemplo aquí. Entonces eres un profesor de ciencias explicando la gravedad a un estudiante de 10 años Bien, si quitas esto, solo puedes escribir Explica la gravedad a un estudiante de 10 años Si escribes aviso simplemente así, explícale la gravedad a un estudiante de 10 años Simplemente explicará la gravedad, como cómo se puede entender a un estudiante de 10 años ¿Bien? Simplemente explicará la gravedad. No hay información de fondo que no hay, para obtener la salida de manera muy específica y precisa. Debido a que la IA está entrenada por grandes cantidades de datos, simplemente puede lanzar con otras palabras que no están en la parte de la gravedad. ¿Bien? Cuando das esto cuando proporcionas una información de fondo, se puede hacer definiendo el rol como si fueras profesor de ciencias. Entonces estás aportando aquí algunos antecedentes en los que la IE pensará que es como un profesor de ciencias. AI pensará que soy profesor de ciencias. Tengo que explicarle la gravedad a una herramienta de diez años. Por esto, la IA generará una mejor salida en comparación con la escritura simplemente explicar gravedad a un estudiante de 10 años Entonces puedes analizar estas dos salidas tú mismo, simplemente escribiendo el primer prompt como explicar la gravedad diez años piedra y otra para ti eres profesor de ciencias, todo este prompt en cualquier modelo de lenguaje como Cha J PT, puedes ver, y puedes analizar la salida y puedes definir la diferencia entre Entonces el contexto juega un papel importante después de la claridad, así que tenlo en cuenta. Tengan en cuenta eso. A continuación, nuestra especificidad. Entonces especificidad significa que ya hemos aprendido sobre lo que es una ingeniería rápida. ingeniería rápida significa escribir las instrucciones para una aplicación específica, ¿verdad? Entonces, especificidad significa preciso , solo escribe lo que quieras y obtén del modelo de IA. Bien. Ver puede ver esto aquí. Sea preciso sobre lo que está pidiendo. Cuanto más detalle seas, más relevante será la respuesta. ¿Bien? El módulo de IA debe entender tu intención principal y mucho más lo que quieres. ¿Bien? Entonces para eso, tienes que dar más detalle de tu problema o lo que quieres de la IA. Por lo que no se puede escribir una simple pregunta o respuesta. Entonces, para aprovechar al máximo los modelos de IA, hay que dar tanto detalle como detalle para sacar lo mejor de la IA. Entonces puedes ver el ejemplo aquí en vez de decir, escribe una historia. Bien. Es una pregunta sencilla, ¿verdad? No hay razonamiento o no hay suficiente detalle. Oh, bien, para entender la IA. Para que puedas ver si vas a preguntar a la IA, como, escribir una historia, la IA pensará, Bien, voy a escribir una historia, pero en qué estilo en qué tono, en qué tema, tengo que generar una historia. No puede definir, uh, en que tengo que dar. Simplemente escribirá una historia aleatoria con palabras aleatorias que pueden no ser relevantes o que no pueden ser buenas. La salida no puede ser buena. Comparado con otros, ¿verdad? Entonces, si das suficiente detalle, más detalle sobre lo que quieres, como puedes ver el ejemplo aquí, escribe una historia de ciencia ficción de 300 watts ambientada en Marte, donde el protagonista descubre el agua Lo siento, este protagonista descubre el agua. Entonces estás en este prompt, estás dando más detalle que lo que quieres. Bien, le has dado a los 301, 300 qué historia de ciencia ficción. Aquí se te describe qué historia quiero y qué tema quiero. Entonces es suficiente para la IA. Han dado algunos detalles, más detalles sobre lo que quieres de la IA. Entonces los AIL piensan, Bien, necesito generar esta historia de ficción en Marte. Qué donde discuten los protogenos sobre el agua. Por lo que simplemente generará una historia específica para tu pronta. Entonces es por eso que la especificidad juega un papel importante en la redacción del prompt. Entonces, veamos por qué importa este componente. Entonces como discutimos los tres componentes, por qué estos componentes importan significa, simplemente podemos ver este resumen Cuando su aviso es claro, el modelo evita confusiones. Eso es bueno. Entonces, cuando escribas el prompt con claridad, en cualquier idioma, pedirás modelar. Entonces va a entender. Comprenderá su intención y generará una mejor salida para su pronta que tenga claridad en su mente y en pronta también. ¿Bien? Ese es un buen contexto. Contexto significa que ayuda a entender tu intención. El modelo de IA comprenderá su intención y propósito, así como su tarea y generará mejor salida de acuerdo con sus instrucciones rápidas. Y la especificidad significa que reducirá la respuesta irrelevante o fuera de tema en la que proporcionarás más detalle que lo que quieras manera específica lo que reduce la respuesta irrelevante en Entonces es por eso que este componente importa mucho al escribir los proms efectivos Bien. Entonces eso es todo para esta lección, pasaremos a otra lección de este modelo en la que veremos algunos tipos de proms y vamos a sumergirnos en la siguiente lección 8. 2.2 Tipos de promociones: Atrás, chicos. Así que bienvenidos a nuestra siguiente lección de este modelo número dos en el que vamos a aprender algunos tipos diferentes de bailes que tenemos Entonces hay tres tipos de proms en estos momentos. Entonces esperaremos que en el futuro vengan más indicaciones a medida que este campo de burlas rápidas vaya a la tecnología emergente, técnicas y patrones más prontos puedan innovar en Entonces, para eso hoy no tenemos tecnología para ningún campo de ingeniería rápida, tenemos algunos tres tipos diferentes de bailes de graduación como bailes de graduación de instrucción, bailes extremo abierto versus cerrado y bailes y Entonces tenemos estos tres tipos de proms. Este es un baile de graduación básico. Entonces esto es una fundación proms porque en este primero dos proms son simplemente básicos Cuando se compara con el tercero, es decir, proms multiconversionales Tenemos tantos patrones avanzados de baile de graduación que discutimos en las próximas clases modelo. Entonces veamos el primero. Entonces, el primero son las indicaciones instructivas. Estas indicaciones son en realidad simples preguntas, consultas o instrucciones que le pedirás al modelo de IA para generar una respuesta específica Puedes ver el ejemplo aquí, enumerar cinco refrigerios saludables para niños y explicar por qué son saludables. Esta es una pregunta sencilla que le harás al modelo EI para obtener la respuesta. Entonces es simple, ¿verdad? La pregunta simple al modelo EI se llama un prompt instruccional Entonces escribir una pregunta o consulta o instrucción también se llama un mensaje Zi, ¿de acuerdo? Puedes ver el nombre aquí solo nosotros podemos entender que es baile de graduación instruccional porque tenemos que darle alguna instrucción al modelo de IA para obtener salida de IA Para que puedas ver cuándo funcionarán mejor los proms instruccionales Entonces cuando necesites respuestas estructuradas o fácticas o paso a paso ¿Correcto? Puedes dar las instrucciones como maestros en la universidad o escuelas instruirán los alumnos a hacer algunos experimentos así Entonces así, puedes pedirle a la IA que genere un procedimiento paso a paso para completar así el experimento de fotosíntesis Por lo que funcionará mejor en comparación con otros métodos prompt. A continuación, los tipos de prompt tenemos que es abierto versus proms cerrados Así que puedes ver aquí, bailes abiertos significan fomentar la creatividad y una respuesta más larga. Sí, se puede ver esto. Open end significa adaptar la naturaleza u obtener el prompt que desafía a nuestro modelo a pensar y generar resultados que tengan más información. Como puedes ver el ejemplo aquí, ¿cuáles crees que son los beneficios de las energías renovables? Porque en open ended, estás escribiendo el prompt como debería pensar el EI. Puedes ver el ejemplo aquí. ¿Cuáles crees que son los beneficios de las energías renovables? Entonces la IA debería pensar como creatividad, y dará la mejor salida respuestas más largas para este prompt. Si bien volver a la cláusula terminó las indicaciones, será sencillo para respuestas específicas como lo que es la ciudad capital de la India, la respuesta será la tienda de delicatessen Es una pregunta sencilla y obtener la respuesta específica. Eso está cerrado. No hay pensamiento, creatividad, y ya no hay respuesta ni paso a paso, nada por el estilo. Cerrar terminó simple pregunta se llama proms de cierre terminado En comparación con los bailes abiertos, abiertos, que fomentan la creatividad en la IA y que generan la respuesta larga que llamó a los bailes abiertos Puedes ver el ejemplo aquí para una mejor comprensión, puedes escribir el prompt open ended en cualquier modelo de idioma que te guste, y puedes ver la salida. Después de eso, puedes escribir cualquier prompt cerrado que quieras una respuesta específica, como cuál es la capacidad de Francia, India, así. Se puede obtener la respuesta específica, que tienen algo de creatividad o ya no hay respuesta en ella. Para que puedas echarle un vistazo. Bien, entenderemos fácilmente sobre esta diferencia entre estas indicaciones. Veamos ese tercero, que es muy importante en la pronta ingeniería. Así que proms conversacionales de varias toneladas. Entonces ya has visto antes estos dos tipos de proms. No hay algún razonamiento en ello. Es sencillo escribir cociente o instrucciones y obtener las respuestas de él Pero cuando se compara con los proms conversacionales multiton, tiene algún proceso de potencia de refinación, refinación, análisis de salida y mucho más en los proms conversacionales de varias toneladas Entonces exploraremos patrones de baile más avanzados bajo los múltiples diez bailes de promoción conversionales en las próximas clases modelo. Así que no te preocupes. Cubriremos todas esas cosas en las próximas clases. Así que vamos a ver aquí. Conozcamos algún fundamento básico de este bom conversional En ocasiones necesitas tener una conversación con IA, por ejemplo, escribirás un prompt. Eso es lo primero en incitar. Háblame de las energías renovables. Por lo que generará alguna información sobre energías renovables. Después de eso, hará una pregunta de seguimiento que está relacionada con el prompt anterior. Eso es generado por la IA. Lo siento, esa es la salida. Primero escribirás cuéntame sobre las energías renovables. Después de eso, la IA generará algo de energía sobre la información de energías renovables. Después de eso, hará alguna pregunta de seguimiento basada en la salida del prompt anterior. En este caso, háblame de las energías renovables. Puedes ver el aviso de seguimiento aquí. ¿Puedes explicar con más detalle los beneficios ambientales de la energía eólica? Bien. Por lo que es una pregunta de seguimiento. Después de eso, puedes tener muchas preguntas de seguimiento. Puedes escribir una tercera pregunta de seguimiento, cuarta, quinta, tantas como quieras. Entonces en esta convocatoria y multi ton de indicaciones conversacionales en las que vas a platicar con EI en formato de conversación como lo hacemos platicando con nuestros amigos, familiares, colegas, una vez que escribiremos algún texto, ellos escribirán ellos escribirán Entonces después de eso, haremos alguna pregunta de seguimiento o así. Lo mismo es un simple prompt. Bien. Entonces este diálogo constructor que es útil en los tableros de chat son tareas de varios pasos. Para que puedas ver el tablero de chat como hat GPT, otros modelos de lenguaje AI o como estos multi diez prompts conversacionales Entonces pedirás seguimiento qui u otro en los mismos patrones como ese. Entonces estos son fáciles multiten indicaciones computacionales para, exploraremos más en Bien, vamos, sí. Entonces eso es todo para esta lección, chicos. Y pasemos a nuestra siguiente lección del modelo número dos, es decir, los patrones básicos de baile en los que usaremos HGPto usaremos JAGPT para entender los diferentes tipos de patrones básicos de baile de graduación, y usaremos JGBT para información práctica de los bailes de funcionarán y cómo tenemos escribir En esta siguiente lección de este modelo, profundicemos en los diferentes tipos de bailes básicos y usaremos AGBT para su implementación práctica . Vamos. 9. 2.3.1 Patrones de prompt básicos: 1. Prompts desde cero tiros: Chicos bienvenidos a nuestro tercer desg de este modelo número dos, y veremos algunos patrones básicos de pronta que tenemos ahora mismo Estos son algunos patrones básicos de baile que cada ingeniero rápido utilizará en su conversación Dale con IA para obtener la mejor salida y entrenar a nuestros modelos de IA. Entonces esto es algunos conceptos básicos que veremos en detalle con este modelo en esta lección. Veamos si eso es, estos son los cuatro patrones básicos para el baile de graduación como la incitación de tiro cero, pocas instrucciones del sistema de disparos y la orientación de juegos de roles Entonces veremos el primero que es cero disparos incitando. Se trata de pedir modelo para realizar una tarea específica. Entonces, sin pinchar ningún ejemplo, eso significa solo escribir el prompt, no damos ningún contexto específico como información de fondo que hayamos discutido anteriormente sobre lo que es un contexto, ¿verdad Contexto significa proporcionar suficiente información de fondo para que pueda entender nuestra intención principal, ¿verdad? Entonces tenemos en este patrón de incitación, no damos ningún ejemplo o no damos ninguna otra información de antecedentes para hacer una tarea, ¿verdad Entonces puedes ver eso para que puedas ver el ejemplo prompt aquí. Entonces se puede entender fácilmente. Resumen es la idea principal de la siguiente prueba. Puedes insertar cualquier texto aquí, párrafo en cualquiera que la IA genere fácilmente. Pero veamos en este chat, saltaremos a nuestro modelo de lenguaje de IA trajivity y veremos cómo funciona esta incitación de tiro cero Voy a saltar voy a saltar aquí, el Cha GBT. Puedes ir si ya estás usando el Cha GPT, que puedas saber cómo registrarte y obtener la cuenta de esto, es fácil Nuestro enfoque principal está en las indicaciones de tiro cero. A ver. Estamos utilizando este resumen resumir el principal resumir la idea principal del siguiente texto Por lo que copié algún párrafo de Internet. Entonces voy a pegar aquí. Entonces pegué aquí. Después veremos veremos la salida, cómo generará el modelo de lenguaje AI. Vamos. Sí, se puede ver el resumen de este texto que proporcioné aquí en el prompt Por lo que simplemente resumirá los tres puntos probables en 200 líneas rápidas ¿Qué es lo real que dice este párrafo aquí? Lo resume fácilmente. Así que una simple incitación corta cero, como si hubieras hecho alguna pregunta o has escrito el prompt para hacer una tarea en particular Para que podamos escribir otra cosa como resumir este libro y proporcionar algún nombre de libro como también Para que puedas ver el ejemplo aquí, resumir el rico papá y el libro pod Bien. Veamos cómo generará la IA la salida. Por lo que va a resumir todos los contenidos que son puntos muy importantes en los ricos y poner papá libro tienen Por lo que fácilmente resumirá y verá. Lo tengo hecho alguna tarea específica. Bien, completó alguna tarea específica como Rich dad puso papá por Robert KoskFs la diferencia Para que puedas hacer cualquier cosa. incitación de tiro cero significa simple aviso de escritura para realizar una tarea específica como este resumen o eliminar cualquier error gramatical de este párrafo o eliminar efectivo de este párrafo así o eliminar efectivo de este Es una tarea sencilla que te pedirás a la IA para hacer eso. ¿Bien? Es fácil. Entonces veamos nuestro segundo patrón de prompt que es pocos prompt corto. 10. 2.3.2 Prompts de pocos disparos: Prompting corto. opuesto a la incitación de tiro cero Suave si entiendes esto, entenderás fácilmente lo que es la incitación de tiro cero Luz. Entonces vamos a ver. Pocas indicaciones breves significan que proporcionará algunos ejemplos en el prompt para ayudar al modelo a comprender la tarea Bien, proporcionarás algunos ejemplos de cómo debería ser la salida, bien, cómo quieres salida. Usted proporcionará en Prompt sí mismo. Necesito salida en este formato, ¿verdad? Proporcionarás este tipo de cosas en el propio prompt para ayudar al modelo a generar la salida lo que necesitas. Bien, podemos ver el ejemplo rápido aquí. Entonces aquí está el resumen de revisión de ejemplo. Bien, saltaré a Cha JB para explicar con más detalle de esta breve incitación. Vamos. En pocos disparos, el propósito principal es decirle a la IA que realice la tarea de esta manera solamente. A ver. Pocos prompting cortos significa proporcionar ejemplos de cómo debería ser la salida debería verse como B. Así que estoy usando, por ejemplo, utilizo conversación de dos personas como Sara Bien. A ver hola. ¿Cómo estás? Lo siento, solo intentaremos esto. A ver. Ahora podemos llevar a otra persona como Sam. Dirá que estoy bien. ¿Qué hay de ti? Bien entonces he escrito alguna conversación entre las personas que he proporcionado cómo debes actuar así. Entonces voy a dar un ejemplo más, como, Sarah. Sí, estoy bien. Lo que estás haciendo. Derecha. No. Entonces la respuesta de Sam de reaparición es, estoy buscando zumbido en mi casa Yo sencillo he tomado el ejemplo. Ahora, escribiré a Sara. Puedo dejar ? Sabes lo que pasa, solo voy a escribir un SAM y simplemente no escribiré este formato. Después de eso, instruiré a una herramienta de IA para completar la respuesta de los SAM Entonces generará una respuesta SAM. ¿Por qué? Porque hemos brindado un ejemplo como cómo deberías dar la respuesta. Entonces he brindado algunos ejemplos como una conversación de Sarap y una SAM que tengo Después de esto, si simplemente no lo hago nunca no escribiré la respuesta del SAMS Así que vamos a Sí. Eso es bueno, ¿verdad? El SAM. La IA se genera respuesta SAM como aquí porque aprendió de mi ejemplo cómo debería ser la salida. Eso es todo acerca de fuchon prompting en el que vamos a dar algunos ejemplos a AI como debe ser la salida, como quieres Al igual que dando ejemplo. Es un tipo de ejemplo que puedes dar a cualquier tipo de ejemplo como este. Se puede dar la salida debe ser en formato inglés. Puedes dar todas esas cosas como dar algunos ejemplos. Tienes que escribir algún prompt en sí mismo, tienes que escribir alguna pregunta y respuesta por ti mismo, que pueda aprender de tus instrucciones para proporcionar plantilla, misma salida, cómo intentas AI. Ahí se puede ver. Entonces he leído que pocos ejemplos de cómo debería ser la salida. Entonces he escrito algo de cociente y solo te pido que completes la respuesta de Sam, así que va a generar eso es un verdadero tipo de pocos, Sarah Si no es demasiado problema, agradecería este derecho. Gracias. Todo esto se trata de pocas incitaciones de disparos. Entonces es fácil. Así podemos comparar estas dos cosas con pocos disparos y cero disparos. Cero incitación corta significa que no proporcionamos ningún ejemplo como pocos disparos que hemos discutido anteriormente ahora Simplemente escriba un prompt para realizar una tarea, sin dar ningún ejemplo. En comparación con pocos disparos, proporcionaremos algunos ejemplos para ayudar con el modelo a entender nuestra tarea y generar la salida como queremos Es tan simple como eso. Bien, veamos el tercer patrón de prompt que es la instrucción del sistema. 11. 2.3.3 Prompts de instrucciones del sistema: Instrucción del sistema. Bien, entonces para entender mejor para esto, así tenemos algún patio de recreo por el propio HajBT, en el que podemos escribir las instrucciones del sistema Después de eso, podemos ver más prompt conversacional en eso Veremos en los próximos patrones de prompt avanzados así es como podemos escribir instrucciones del sistema, pero veremos algunos básicos sobre esto en este momento. Entonces, ¿qué es? Algo así como establecer el rol o tono para que el modelo siga. Se puede ver el caso de uso cuando se quiere que el modelo se comporte de una manera específica, como un experto, profesor o traductor. Entonces, cómo significa la instrucción del sistema , puedes ver el ejemplo aquí. Eres un chef profesional. Aquí se nos da algún contexto que tenemos. Aquí se nos da el contexto. Contexto significa que hemos proporcionado algunos antecedentes. Antecedentes significa que eres un chef profesional. Bien. Eres un chef profesional. Este chef profesional se llama instrucción del sistema. Bien, puedes ver el prompt de suma. Explique cómo hacer un plato de pasta simple a alguien sin experiencia culinaria. Esto se llama prompt. Eso es instrucción. Se le llama sistema. Sistema significa que es un conjunto de sistema completo como tienen las computadoras. La computadora es un sistema en el que están se puede ver el prompt significa que estamos dando entrada al propio teclado Be para hacer algunas tareas diversas que tiene la computadora. La computadora significa que es un sistema. Como sistema funcionará con nuestras principales instrucciones. Bien. Puede ser fácil de entender por cha GPT Vamos a esto ja GPT. Veamos así como funcionan las instrucciones del sistema. Bien. A ver. Voy a probar el módulo de IA como ahora experto escribiendo contenido solo sobre salud. Es un prompt del sistema, instrucción del sistema. Esto se puede ver. No eres experto en escribir contenido solo sobre salud. Entonces el modelo EI pensara, Bien, soy un sistema, y solo soy yo solo tengo experto en escribir contenido relacionado con la salud, no otro. Entonces voy a escribir alguna pronta alguna instrucción. Esto se llama instrucción del sistema. Entonces escribiré un aviso. Ahora, por favor escribe sobre bolígrafo nuevo. Veamos qué va a generar la IA. S, puedes ver aquí. La importancia de la nutrición para una vida sana es así que bla, bla, va a generar relacionada con la Bien. Entonces hemos definido el sistema funcionando aquí, en qué tipo solo hay que trabajar. ¿Bien? Si vemos si podemos usar si podemos escribir, por favor escriba el contenido. Entonces podemos escribir directamente aquí. No, por favor escriba, ya lo podemos ver. Por favor escribe el contenido para uh, ese tema que no está relacionado con la salud, podemos comprobar si está pensando como sistema o no. Por favor escriba contenido para. Podemos tomar otro tema que es TI. Vamos a comprobar cuál es la salida de esto. Ves, puedes ver aquí. Eso es un prompt del sistema. Actualmente, estoy enfocado en crear contenido relacionado con la salud y la nutrición. Avísame si quieres ayudar en ese dominio. Se puede ver el prompt del sistema, cómo funciona. Entonces el trabajo del sistema significa que vamos a dar algún sistema para hacer hilado tarea específica solamente. Eso es un prompt del sistema. ¿Bien? Después de eso, escribiremos algún aviso para seguir nuestras instrucciones. Se puede ver que he escrito algún prompt del sistema como este. No eres experto en escribir contenido solo en Held. Este es un prompt del sistema. ¿Bien? Esta es una instrucción del sistema. Bien. Después de eso, he escrito alguna pregunta o consulta. No, por favor escriba contenido sobre nutrición. Se había generado algo de nutrición porque es un tema de consideración de salud. Cuando le pido a la IE que escriba sobre contenido de TI, entonces simplemente se negará a generar el contenido porque el EI está pensando como sistema, instrucciones específicas que le he dado a la IE para hacer el contenido de salud solo para generar contenido de salud solo, no otro. Entonces pensará el EI, soy un sistema. No, estoy tratando de generar solo contenido relacionado con la salud, no otros. ¿Bien? Si preguntamos no relacionados con la salud, simplemente se negará a no generar este tipo de contenidos. Este es un ejemplo de instrucciones del sistema que son muy importantes cuando intentamos un módulo de IA para hacer una tarea particular o específica. Entonces espero que entiendas las instrucciones de este sistema. Al practicar por ti mismo, obtendrás más idea sobre esta incitación. Veamos las técnicas de juego de roles. 12. 2.3.4 Prompts de técnica de rol: Veamos las técnicas de juego de roles. Es una instrucción bastante similar al sistema. Entonces porque en esta técnica de juego de roles, vas a formar a un modelo como instructor específico, como puedes ver aquí. Instruir al modelo para que actúe en un rol específico, como figura histórica, docente o profesional en ese Entonces en antes vemos que eres experto en escribir contenidos para la salud. ¿Bien? Esto también es juego de roles. Casos de uso, tareas creativas o instructivas donde la persona mejora el compromiso y la comprensión Sí, el juego de roles significa que la persona es lo más importante. Persona significa personalización. Uh, modelo de IA de entrenamiento. Ejecución Un módulo para una tarea específica asignando el rol específico en ella. Veamos el ejemplo rápido aquí. Finge que eres Albert Einstein explicando la teoría de la relatividad a un niño Así que vamos a saltar a la capacidad de carga para entender más sobre esta técnica de juego de roles Bien. Ahora, podemos escribir lo olvidado así que este es el olvidado es muy importante cuando haces diferentes cosas diferentes en una interfaz particular de HagiBT como esta porque tiene alguna función de actualización de memoria en ella Bien, veamos que se olvidó. Ahora, eres No, eres profesor de ciencias con experiencia en el que tienes experiencia en fotosíntesis Ahora bien, entonces lo que tengo, así que le he asignado un rol, rol específico a mi modelo para actuar como el papel que le he dado a EI como, ningún profesor de ciencias con experiencia en URS. Esto se llama juego de roles. Bien, el juego de roles significa decirle a la IA que piense en un papel específico. Piense como profesor de ciencias, piense profesor de ciencias experimentado, en el que podamos obtener la mejor salida de la IA. Después de eso, yo aquello en el que tenemos experiencia en fotosíntesis Tengo diciendo que le digo a la IA a tema específico como si tuviéramos experiencia en fotosíntesis Entonces ahora, escribiré el prompt. Ahora, voy a escribir la consulta que quiero la salida del modelo AI. Explícame sobre la fotosíntesis. Fácil. Entender. Espera. qué generará la IA. Puedes ver la opción de actualización de memoria aquí. Tiene un gran futuro en hagibt cuando se compara con otros modelos A, por eso me va a encantar usar este Puedes ver aquí la fotosíntesis fácil. Me va a explicar sobre fotosíntesis fácil en comparación con otro tipo Si preguntas, puedes ver el ejemplo aquí. Entonces a partir de ahora aquí, la IA pensará como si fuera profesor de ciencias de la experiencia. Entonces para romper este patrón, tenemos que escribir olvidado arriba, se olvidará la técnica anterior de juego de roles anterior y se generará como casual, interactuaremos con la IA. ¿Bien? Entonces esto está bien, generará la técnica específica y el juego de roles reducirá la respuesta irrelevante o dará la mejor respuesta relevante en comparación con escribir el prompt sin juego de roles Bien, si escribo simplemente explico la fotosíntesis, solo puede arrojar algunas palabras aleatorias y explicaciones aleatorias sin ir a una explicación más profunda Si entreno con técnica de juego de roles, si entreno IA, si le digo a la IA que piense como profesor de ciencias experimentado y genere sobre fotosíntesis y así tema Entonces será maestro experimentado cómo piensan y cómo explican con la experiencia de la materia, la IA también pensará así, y generará una explicación uh como experiencia en materia que les gusta tener. Se puede ver lo fácil que es esto. Ahora bien, si, por ejemplo, si solo cuento olvidé y solo explique sobre la fotosíntesis Se puede ver que solo voy a explicar la fotosíntesis, no mucho mejor salida en comparación con la anterior. Esto se puede ver aquí. Esta fotosíntesis es un proceso por el cual las plantas verdes, las algas y las bacterias convierten la luz solar en bla, bla, bla Tiene alguna parte de resumen de esto. Al compararlo con esto, tiene algunos buenos puntos, ingredientes clave, la cocina, la receta, aquí, ha dado el mejor ejemplo aquí. Está en la fórmula, lo que es importante, todo este dsing. Pero cuando se compara con aquí, simplemente arrojará la explicación sobre lo que es la fotosíntesis Es así como las técnicas de juego de rol pronto jugarán un papel importante en comparación para obtener la información específica de la IA con un conocimiento más profundo. Bien, puedes entender que puedes entender fácilmente esto practicando con tus propias indicaciones. Bien, escribe la pregunta simple, pregunta a la IA, y va a generar alguna respuesta de IA. Lo analizas. Y después de eso, escribes el prompt con técnicas de juego de roles como profesor de ciencias experimentado de RS, como otras cosas y das algunos antecedentes. Después de eso, se ve la salida. Hay una salida mucho mejor mediante el uso de la técnica del juego de roles. Para que puedan ver esto las dos diferencias entre solo tengo Sin técnica de juego de roles, acabo de escribir la consulta explicar sobre la fotosíntesis Puedes ver la salida aquí. Eso no es mucho mejor en comparación con esta salida porque he utilizado la técnica de juego de roles en este prompt, es decir, eres profesor de ciencias de experiencia en la que tienes experiencia en fotosíntesis, en la que he entrenado modelo de IA de manera específica para obtener la mayor parte del modelo de IA y para una mejor comprensión Entonces eso es todo para estos tipos, este modelo. Entonces lo haremos así veremos algunas técnicas de juego de roles, para que puedas entender fácilmente practicando por ti mismo en el propio char gebe Entonces en este modelo de tercera clase, hemos demostrado que hemos descubierto algunos patrones prontas en los que hemos discutido algunos prompting de tiro cero, en los que solo hacemos una pregunta o entrenaremos a un modelo para realizar una tarea específica en la que usamos el cargadob para hacer algún resumen de algún párrafo Después de eso, vemos los pocos prompting cortos en los que uh, proporcionamos algunos ejemplos para obtener la salida lo que en el formato que queremos, y lo vamos a generar a partir del propio Charge JBT, vemos algunas instrucciones del sistema en las que damos algún juego de rol del sistema, en el que el sistema sólo funciona con nuestras Después de eso, en lugar de fuera de esas instrucciones, si le pedimos al modelo que realice una tarea, se negará a hacer esa tarea de realizar, que está fuera de las instrucciones del sistema. Bien, podemos. Y la última es técnica de juego de roles en la que hemos visto proporcionar una información de fondo, asignando un rol específico, podemos obtener una mejor respuesta en comparación con hacer esa pregunta aleatoria Así que no se preocupen, chicos. Pondré este enlace de chat Enlace de chat Taibty en un documento en sí que puedes obtener después de este curso o asignación de modelos Bien. Entonces eso es todo para este modelo chicos, exploraremos algunos patrones más avanzados y prontos en los siguientes modelos de nuestro curso de ingeniería rápida. Vamos a sumergirnos en nuestro próximo número Modelo tres. 13. 3.1 Prompts de estructuración para un resultado óptimo: Vuelvan chicos. Así que bienvenido a nuestro curso de ingeniería rápida maestra, y nos sumergiremos nuestro módulo número tres en el que vamos a aprender a estructurar las indicaciones para una salida óptima, y veremos y discutiremos qué es una estructura simple a seguir mientras escribimos las indicaciones, y también hemos explorado algún ejemplo y cómo escribir eso mejor para eso mejor usando la estructura que discutimos ahora mismo, y saltaremos al GPT ha, y veremos la intimación práctica de Bien. Primero, discutamos esta estructura simple a seguir. Bien. Imagina que estás dando algunas instrucciones a una persona en particular para un lugar. Bien, si tus instrucciones no están muy bien, bien, esa persona no puede encontrar el lugar adecuado que quiera, ¿de acuerdo? De igual manera, el módulo de IA también puede pensar así, ¿bien? Genera salida así. Si tus instrucciones no son claras, la IA generará una respuesta relevante, ¿bien? Similarmente así solamente. Bien, entenderemos profundamente escribiendo los bailes de graduación. ¿Bien? Primero, discutimos la estructura para seguirla. Bien. La estructura contiene tres partes, principalmente tres partes. Eso es configuración de roles, definición de tarea número dos, contexto número tres. Puedes ver la configuración del rol. Como se vio anteriormente algunos patrones de baile como juegos de rol, instrucción del sistema y algunas malas y buenas indicaciones. Bien. Encima de eso, estamos, uh, usando esta estructura para escribir algunos bailes avanzados ¿Bien? Primero, entendemos esta estructura simple para escribir el mejor prompt aquí. Entonces, la primera estructura es que es la configuración de roles. Entonces tenemos que configurar tenemos que asignarle algún rol a la IA para pensar así, para pensar ese trasfondo. Como si fueras un asistente servicial o eres un maestro experimentado. Eres científico, ¿de acuerdo? Al igual que eres un coach de vida en el que tienes diez años de experiencia en salud mental, bien, así. Asignamos algún rol específico a la IA para pensar en ese trasfondo. Bien, lo que lleva a una mejor respuesta. Bien, como la persona específica que tiene campo de sujeto. Campo específico de materia puede dar la respuesta, ¿de acuerdo? Al igual que la IA se puede generar una respuesta como la persona específica que tiene el dominio específico en ese tema Bien. Después de eso, después de asignar rol, definiremos nuestra tarea Entonces lo que necesito de la IA, esa es una tarea. Bien. A continuación, el tercero es el contexto. Tenemos que proporcionar cualquier antecedente o información adicional o ejemplos que puedan guiar la respuesta. ¿Bien? También veremos antes algunos prompting cortos, en los que hemos proporcionado algunos ejemplos a la IA para generar salida como queremos, en los que hemos definido ese output en sí mismo prompt, ¿bien? Es un disparo que incita. Entonces aquí, contexto de manera similar igual, tenemos que proporcionar información adicional en qué tema desea la salida. Esa es la información de fondo. Entonces esto se puede entender fácilmente leyendo las indicaciones. Bien. Entonces pueden ver que he tomado algún ejemplo que es uno, prompt mal estructurado, cómo puede verse el prompt mal estructurado. Simplemente cuéntame sobre la IA. Para que veas que es sencillo, cuéntame sobre la IA. No hay otra información. No hay ninguna regla establecida en eso. Esta es una pregunta sencilla que le hacemos a la IA. Entonces piensa cómo la IA puede generar la respuesta. Por lo que generará algo aleatorio o resumen de la IA en todos los casos como la IA en la salud, en la educación, el transporte y todas las aplicaciones de la IA Bien. Pero cómo se ve el prompt de la estructura l. Puede ver que he seguido la estructura que es esta estructura, configuración de roles, definición de tarea y contexto. Para que puedas ver el aquí. Por lo que tengo que asignar un rol específico a la IA. Eres un experto en IA. Esta es una configuración de rol de primer conjunto. Después de eso, he escrito la tarea. He definido la tarea lo que realmente necesito del modelo de IA. Como explicar en qué se centra la inteligencia artificial en su aplicación, ¿de acuerdo? Se puede ver que esto es una tarea. ¿Bien? Explique y proporcione ejemplos concisos para cada sector. Pero, ¿dónde está el contexto en él? ¿Dónde está la información adicional que he dado? Podemos ver aquí la atención médica, la educación y el transporte. Necesito la salida para estos tres tipos diferentes de aplicaciones solamente. No necesito otro tipo de aplicación en lo que eso significa que has proporcionado alguna, uh, información adicional específica en la que la IA puede generar salida para estos tres tipos de aplicaciones solamente. Eso significa que has guiado la respuesta, has guiado a la IA para generar respuesta solo en estos tres tipos de aplicaciones. Eso significa que has proporcionado contexto. ¿Bien? Entonces este prompt lo puedes entender fácilmente por IA, y se generará según lo necesitemos. ¿Bien? Esta es la diferencia entre el prompt mal estructurado y bien estructurado. Se puede ver la cabeza. El segundo prompt es específico da una tarea clara y establece un rol para ese modelo dando como resultado una mejor salida. Entonces, para mayor comprensión, saltaremos a ja gibt, y veré la salida cómo ve la salida para estos dos tipos de bailes de graduación Entonces salto en el ja gibt. Puede utilizar cualquier otro modelo para analizar las dos salidas diferentes. Bien. Entonces escribiré algún prompt mal estructurado como cuéntame sobre IA. Veamos qué puede generar la IA. Se puede ver que la indigencia artificial se refiere a una simulación de la inteligencia homana Por lo que ha generado algunos conceptos relacionados de IA , aprendizaje supervisor, así que no necesito este tipo de todas esas cosas. Pero son conceptos de IA solamente. Entonces generará todas las cosas aleatorias, todas estas cosas. Bien, ha generado un resumen así. Entonces utilizo este prompt. Bien. Eso es rápido bien estructurado. Ya copié eso. Lo voy a pegar aquí. Entonces solo elimino esto. Bien. He escrito el prompt bien estructurado. Entonces veamos cuál es la salida de esto. Sí, se puede ver esto. La salida es diferente del prompt anterior. ¿Por qué? Entonces he definido un rol en el que la IA generará una mejor salida en ese fondo sólo porque es AIX, pero eso es especificación La ingeniería rápida significa especificación. Escribir el prompt para casos de uso específicos se llama ingeniería rápida. ¿Bien? Se puede ver ahí. Después de eso, tengo definición de tarea que tengo y ya, he proporcionado solo por favor genere esto explicar la inteligencia artificial en las tres aplicaciones tipo solamente. Bien, ese es el transporte de educación sanitaria en el que guié a la IA para generar salida solo para este tipo de aplicaciones, en las que se genera la IA que quiero educación sanitaria, transporte, así de simple. Entonces de lo contrario, puedes escribir así también. Explico en qué consiste la inteligencia artificial en su aplicación únicamente en el cuidado de la salud. Yo sólo borro esto. Aunque puedo ver. Diferente salida de ella explicará solo la atención médica. Eso es C. Puedes ver que si voy específico, puedes ver esto aquí. Entonces cuando uso cuando guié a la IA para escribir la IA explicativa en salud, educación, transporte, en la que no hay especificación, pero hay tres tipos de especificación diferente, en la que la IA acaba de lanzar salida generada como resumen de cada subtemas de estas aplicaciones Se puede ver. Pero cuando profundizo para aplicaciones específicas como solo el cuidado de la salud, genera una IA más profunda en la atención médica. Se puede ver más. Entonces es por eso que la ingeniería rápida es muy, muy efectiva para interactuar con la IA para obtener la mejor y mejor salida de la IA. Así que la ingeniería rápida se trata de escribir las indicaciones específicas para obtener la mejor y relevante salida de nuestros requisitos que necesitamos Bien. Espero que entiendas esta estructura y el papel de la configuración de roles. Bien, espero que entiendas esta lección. Claramente, esa es una estructura simple escribir un prompt efectivo en que tienes que usar tres pasos como configuración de roles, definición de tarea, contexto. Bien. Después de eso, he visto algunos ejemplos de cómo funcionan las especificaciones. Uh cómo la IA generará la salida en base a nuestras instrucciones. Entonces, después de esta lección, y en la siguiente lección, vamos a aprender algunas indicaciones iterativas, que es el mejor y más importante método para obtener la mejor salida de la IA. Vamos a sumergirnos en eso. 14. 3.2 Prompts iterativos: Bien, chicos, bienvenidos de nuevo a esta lección en la que vamos a aprender la técnica más importante que es la incitación iterativa Entonces esta incitación es bastante similar a la que ya discutimos anteriormente, viene bajo la conversación multi turn Bien, yo interacción en la que escribimos el prompt y voy a generar la respuesta. Después de eso, escribiremos el prompt que es prompt de seguimiento, seguimiento para ajustar nuestra salida. Bien, esto se llama una incitación iterativa, por lo que discutiremos más en detalle en esta lección ¿Bien? Entonces veamos qué aprenderás de esta lección, incitación iterativa Entonces aprenderemos a refinar las indicaciones para mejorar las respuestas de AIR y veremos alguna técnica y veremos algunos ejemplos también para entender mejor qué es la incitación iterativa Por qué es importante la incitación retiva. Por lo que los modelos de lenguaje son entrenados por gran cantidad de datos. Por lo que tiene inteligente también. Pero los modelos de lenguaje a veces necesitan orientación para generar una salida que queramos, cómo la salida queremos. ¿Bien? Necesita alguna orientación para generar ese resultado. Al igual que, por ejemplo, editar un borrador de un documento, editar un documento. Entonces, si usas algún Google Docs, ajustaremos el párrafo o contenido del documento analizándolo describiéndolo o mediante simple lectura de pruebas. Así. También voy a ajustar la salida con nuestra guía, ¿de acuerdo? Ver la solicitud iterativa es un proceso de ajuste de sus mensajes en función de la salida que recibe Bien, significa primero, escribirás algún prompt a AI, es decir instrucciones o pregunta o consulta. Según su aviso, la IA generará una respuesta, ¿de acuerdo? La salida es analizada por usted. Si piensas que si quieres ajustar alguna salida, necesitas alguna información extra, de esa salida. Escribirá algún aviso de seguimiento para obtener una salida detallada de la salida anterior. Bien. Por lo que ajustará la segunda salida de anterior para entender su prompt de seguimiento. Entonces entenderemos por implementación práctica JA GPT. No te preocupes por eso. Para que veas que esta técnica es esencial para refinar y acotar tus respuestas para satisfacer tus necesidades Bien, es una mejor y más efectiva manera de obtener la mayor parte del modelo EI significa obtener la mayor parte de la salida efectiva de JA GPT o cualquier modelo de lenguaje Entonces es la mejor manera. Vamos a ver esto. A ver. Entonces hay algunos pasos que tenemos que seguir para iterar de manera efectiva Primero, tenemos que analizar la salida. Primero, tenemos que escribir algún prompt, va a generar una salida. El primer paso es que tenemos que analizar la salida. Comprueba si la respuesta se alinea con tu intención o necesidades o cómo quieres Si se alinea con tus necesidades, eso es bueno. Si no, significa lo que tengo que hacer a continuación. Podemos ver las brechas de identificación. Lo segundo es que hay que identificar las brechas. Busque áreas donde la salida no sea clara o tenga algunos datos inexactos presentes en la salida Entonces hay que identificar esas brechas. Después de eso, hay que revisar el prompt. Significa que tienes que escribir el aviso de seguimiento. Mejor entonces el pedido de peón anterior para evitar la salida anterior ¿Bien? Por lo que se puede entender fácilmente mediante la implementación práctica y la práctica. Entonces veremos esto también. Eso ya lo veremos también. Bien. Primero entendamos simplemente los pasos. Primero, tengo que escribir el sencillo prompt. Después de eso, voy a generar alguna salida después de tener que analizar la salida, ya sea que tenga algunos datos incorrectos o poco claros, o después de eso, tengo que identificar las brechas que es inexactitud o cualquier cosa que uh, después de eso, tengo que revisar un prompt Tengo que hacer la pregunta de seguimiento, o tengo que cambiar el prompt anterior prompt, para obtener la mejor salida en eso. Entonces eso es todo para esta incitación iterativa es muy fácil. Como te puede gustar tener un poco platicando con nuestros compañeros y amigos así. Veremos algún ejemplo para obtener una mejor comprensión para esto. Puedo ver el prompt inicial. Eso es describir las energías renovables. La salida será cuanto más me quede justo, por ejemplo, sólo he tomado dos líneas. Por lo que la energía renovable proviene de fuentes naturales, entre los ejemplos se incluyen la energía solar y eólica. Esta es una respuesta bastante simple que he tomado para esto, pero la salida puede ser muy larga, ¿de acuerdo? Tener revisor algún aviso. Explique las energías renovables, sus beneficios y tres ejemplos específicos, energía solar, eólica e hidroeléctrica utilizan un lenguaje sencillo para un público principiante Entonces mira esto es un prompt bien estructurado. Este es un aviso revisado. ¿Por qué? Porque he analizado la salida, lo cual es bueno, pero no lo entiendo. Acabo de recibir alguna respuesta específica, pero para entender por mí para facilitar la comprensión para un tema en particular, tengo que guiar el módulo, mucho con mis requisitos. Bien. De acuerdo a mis capacidades, tengo que revisar el prompt nuevamente para obtener la mejor salida de la IA. Entonces veremos en la práctica intimación a Jab. Se puede ver que el aviso del revisor establece expectativas claras que conducen a una respuesta más detallada y más alta Bien, saltaremos a JGBT. Veremos cómo funciona. Vamos a Char GBD. Y así me llevaré el nuevo gráfico. Bien, voy a escribir una pregunta sencilla como, Bien, tomaremos este ejemplo previo de nuestro PPT que es describir las energías renovables. Veamos esto. Describir la energía. Eso es lo que va a ser la salida. Se puede ver alguna salida relacionada con nuestra energía remable. Puedes ver el resultado aquí, ventajas, retos, aplicaciones. Bien. Es lo mejor. ¿Bien? Esto es inverso a la energía derivada de fuentes naturales que se repone continuamente y prácticamente inestables Bien, si soy principiante en energías renovables, ¿cuál es el significado de reposición y prácticamente inaccesible Entonces no lo entiendo. Entonces para eso, tengo que ir al Google y tengo que escribir los significados de plenehaustible. Entonces, ¿qué es eso? Entonces, para evitar estas cosas, escribiré un prompt como este. Yo he copiado eso, así que sólo voy a dirigir una página aquí. Así explicar las energías renovables sus beneficios y tres ejemplos específicos solar, eólica, hidroeléctrica Usa un lenguaje sencillo. Esto es lo más importante. Bien, cuando vas a aprender algo de los modelos lingüísticos porque la IA está entrenada por el inglés avanzado, ¿bien? Eso es inglés avanzado y más datos, entrenado en inglés con más datos en los que todo viene con el avance palabras más complicadas, palabras inglés que nunca escuchamos en nuestra vida, ¿de acuerdo? Entonces no podemos entender eso. Si utilizas el lenguaje simple, por lo que generará una respuesta de IA en palabras simples que podamos entender fácilmente. Entonces veamos esto Se puede ver lo que es la energía renovable C. Se puede ver este lenguaje muy, muy limpio y sencillo que podemos entender fácilmente este tema. Esto se puede ver aquí. ¿Qué es la energía renovable? La energía renovable es la energía que proviene de fuentes naturales como el sol cuando estas fuentes siempre están disponibles y no se agotan, a diferencia del carbón o el petróleo. Están limpias y ayudan a proteger. Ver puedes ver los ejemplos como queremos la salida. Es una quise y salida muy efectiva cuando se compara con que se puede analizar la salida. Puedes verificar estas dos salidas. Verás, se trata de palabras muy efectivas, palabras complicadas que no podemos entender fácilmente como principiantes, pero pueden ser entendidas fácilmente por principiante porque es un pero pueden ser entendidas fácilmente por principiante porque lenguaje sencillo de explicarnos. Es por eso que escribir tus requisitos, brindar cuanto más detalle lo que necesites de la IA es poderoso. Se generará de acuerdo a nuestra necesidad. Eso es. Para que veas, acabo de escribir el sencillo pro. Después de eso, lo analizo. Yo lo analizo. Entonces esta salida es mejor, pero no puedo entender. Después identificar la brecha. ¿Cuál es la brecha? Entonces no entendí estas dos palabras reponidas e inaccesibles porque no sé, porque soy principiante Entonces para eso, yo cuando, lo que obtuve la IA, así que caducan las energías renovables. Y simplemente digo que algunos beneficios específicos y cualquiera de tres ejemplos específicos usan lenguaje sencillo porque tengo que aprender energías renovables en lenguaje sencillo Tengo que entender porque soy un principiante simple Cuando me dieron esta idea después de analizar la primera salida. Eso es lo que es la ingeniería rápida. Hay un primer y más paso que tienes que seguir es en la incitación iterativa Tienes que escribir cualquier primera instrucción después de eso, analizar la salida y cambiar tu siguiente prompt acuerdo a tu necesidad y más detalle como puedas. Después de eso, generará algo de IA, que es más efectiva que la anterior. Eso es simple. Entonces es por eso que la incitación iterativa es método más y efectivo para obtener la mejor salida de acuerdo a su necesidad Espero que entiendas y practiques cada vez más. Entonces puedes ir con preguntas de seguimiento como la incitación iterativa no solo está aquí, Puedo analizar esta salida, e identificaré de nuevo cualquier brecha en eso. Después de eso, volveré a revisar el prompt. Necesito específicamente para esto solo necesito en idioma español, en idioma francés, o en hindi u otro idioma regional. Bien, para entender la salida por mí. Eso es lo más importante. Primero, hay que escribir el prompt. Es incitando, hay que escribir el prompt. Después de eso, hay que verificar la primera salida de AI. Después de eso, identifique las brechas y proporcione más tanto que pueda más detalle en segundo prompt revisado, generará la mejor salida A que la anterior. Para que pueda subir a que la entrada de IA cumpla con sus requisitos. Se puede ir por el 582 baile de graduación, 60, diez, 20, 30. Cómo, no hay límite en eso. Entonces, ¿por qué? Porque quieres esa salida, esa salida exacta, lo que quieres. Para eso, usaremos ocho root para incitar. Eso es todo para estos chicos. Esta incitación al sit roto es muy, muy fácil si practicas bien y con más ejemplos Bien. Espero que entiendas esto Entiende esto. Bien, pasaremos a la siguiente lección de este modelo número tres en la que aprendemos algo de manejo de contexto que es como tenemos que proporcionar información de fondo correcta al información de fondo correcta al equilibrar la brevedad y el detalle en nuestras indicaciones. Vamos a sumergirnos. 15. 3.3.1 Gestión de contexto: parte 1: Bienvenidos de nuevo a nuestra siguiente lección de este modelo número tres en el que vamos a aprender qué es la gestión del contexto. Como discutimos anteriormente sobre el contexto, proporcionar contexto significa proporcionar información adicional a un prompt o IA para guiar nuestra salida, cómo se debe generar la salida. Bien. Bien, le proporcionaremos información adicional. Por lo tanto, la cantidad correcta de información que tenemos que escribir en el prompt. Eso también juega un papel importante. Entonces, ¿qué es qué información adicional o datos de fondo que tengo para darle a la IA para obtener la mejor salida Entonces veremos algunas técnicas de contexto y algunos consejos o ejemplo de este tipo. Veremos que cuál es el papel del contexto en los bailes de proms, que es muy importante y algunos consejos, y veremos algún ejemplo y simplemente lo cerraremos. A ver. Gestión del contexto. La gestión del contexto significa proporcionar antecedentes o información adicional a la IA de manera rápida para guiar a la IA para generar una salida que queramos, lo que el contexto significa que proporcionar información adicional ayudará IA a comprender nuestra intención principal. Contexto, ¿cuál es el papel del contexto en los prompts? Recuerda esto, si proporcionas muy poco contexto y muy poca información adicional, ese plomo que puede llevar a alguna salida o respuesta irrelevante o poco clara de la IA Por otro lado, si se proporciona demasiado contexto, puede liderar el modelo y reducir la calidad de salida. Bien. Ya sea que brindes poco o demasiado, existe la posibilidad de obtener muy mala calidad de respuesta de la IA. Cómo podemos escribir la mejor o la cantidad correcta de información adicional a la IA en la que podemos obtener la mejor salida como respuesta de la IA. Discutimos en detalle en este modelo ahora mismo. La clave es incluir solo la información suficiente para guiar a la IA sin sobrecargarla Sí, eso es sencillo. Tienes que incluir la suficiente información, lo que necesitas. Esa es información suficiente para guiar a la IA sin sobrecargarla Porque algunas personas simplemente escribirán esa información adicional que no se requiere. Que no se requiere para generar una salida, que no se requiere. Tenemos que eliminar eso. Tenemos que escribir exactamente lo que necesitamos. Eso puede llevar a una mejor salida de la IA. Veamos el ejemplo o veremos algunos consejos para gestionar el contexto. A ver. B específico. Incluya detalles que ayuden al modelo a comprender sus necesidades. Solo incluye detalles lo que necesitas. Eso es simple. No es necesario escribir ni información adicional que no se requiere en ese tema en esa salida. Simplemente escriba los detalles específicos que ayuden al modelo a comprender sus necesidades. A continuación se muestran ejemplos de uso. Si tu tarea es compleja, puedes incluir algunos resultados de muestra para establecer expectativas, para guiar al módulo para generar una salida como esta solamente. Ya hemos discutido anteriormente que son pocos prompting cortos en que hemos proporcionado algunos ejemplos de cómo debería ser la salida. ¿Bien? Exactamente lo que tenemos en este contexto de manera. Contexto significa proporcionar información adicional o ejemplos u otros datos que respalden nuestra intención, lo que ayuda a la IA a generar una salida que queremos. Eso es simple. Usa ejemplos y el tercero es evitar redundancia. Redundancia significa, mantener el prompt conciso y al grano Simplemente conciso y al grano. Así que tienes que tener en cuenta estos tres consejos mientras escribes el 16. 3.3.2 Gestión de contexto: parte 2: Puedes ver el ejemplo, el mejor ejemplo aquí. Entonces estos dos proms están muy bien estructurados, pero está más sobrecargado. Esto se puede ver. Eres un experto en configuración de roles de ciencia climática. Es muy buen prompt, y este también es muy buen prompt. Pero está sobrecargado, ¿verdad? Entonces escribe un ensayo detallado sobre las causas, efectos y posibles soluciones, es más detalle, más que esto, pero es optimizador Está sobrecargado. ¿Por qué? Se puede definir viendo solo la salida. Porque vamos a ver que Cha GPT. El indicador del optimizador mantiene el enfoque de la tarea a la vez que es informativo Primero, entendemos estos dos bailes de proms. Esta es una estructura de pozo que también es una estructura de pozo, pero está sobrepasada por más información adicional Pero por qué cuanto más detalle se pueda guiar a la IA para generar la mejor salida, pero por qué está sobrecargada Aquí algunos sorprendentes es cuando pruebes EI, eres un experto en ciencia climática. Eres un experto en ciencia climática. No es necesario escribir todos estos subtemas porque en la propia ciencia del clima, ya conoce estos temas y ya entendiste Tu tarea es escribir un ensayo detallado sobre las causas efectos, y todas estas cosas. Son todas estas cosas ya conocidas por IA porque es experta en ciencia climática. Pero lo principal depende de tu intención. Pero su tarea es simplemente escribir un ensayo detallado sobre el efecto causa, todas esas cosas, que se encuentran bajo este cambio climático. En lugar de esto dando más información, solo puedes escribir así, escribir un ensayo de 500 sobre las principales causas del cambio climático y tres posibles soluciones. Usa ejemplos y datos para apoyar tus puntos. Le dijiste a la IA, usa ejemplos y datos para apoyar tus puntos. ¿Cuáles son los datos para apoyar los puntos de IA significa que esto son las emisiones de carbono, la deforestación, la contaminación industrial, fuentes de energía renovables, todas estas cosas viene bajo este ejemplo los datos apoyan sus puntos, que ya es conocido por la IA que es la ciencia climática No es necesario escribir todos estos subtemas. Bien, porque si no das esta información adicional, ya puedo saber cuáles son algunas causas y efectos hace el cambio climático tocando, todas esas cosas. Esto está sobrecargado porque hemos dado tanta información adicional, esto no es necesario porque la IA ya sabe porque la IA ahora es experta en ciencia climática Entiendo espero que entiendas este aviso. Pero cuando se compara con aquí, está bien optimizado porque ¿por qué has escrito estás asignando el rol? Es decir, eres un experto en ciencias del clima, en el que el experto conoce, en el experto conoce esto todos estos temas. Eres intención, escribe un ensayo de 500 palabras sobre las principales causas del cambio climático y tres posibles soluciones. Simplemente es bastante conciso y directo al grano. No hay nada. Usa ejemplos y datos para apoyar tus puntos. Así de simple. Pero aquí te hemos dado algunos más adicionales. No tenemos que escribir esta información adicional. ¿Por qué? Porque las contaminaciones al cambio climático ya son conocidas por el experto que es en sentido climático Se generará automáticamente si no da estos puntos. Si no le das a estos puntos información adicional, la IA puede generar la solución en base a estos temas. Bien. Déjame ver. Se puede entender mediante la implementación práctica. Iré al hat GPT, primero pagaré este prompt sobrecargado, luego iremos al prompt de Optim measure Bien, vamos. Entonces tomaremos el nuevo gráfico. Vamos a pegar eso. Este es un baile de graduación sobrecargado que he copiado directamente de mi PPD y voy a pegar aquí Veamos qué salida de AIs. Aquí hay algunos resultados de que el cambio climático causa efectos y posibles soluciones. Causas del cambio climático tiene algunos puntos que explican sobre las causas del cambio climático aquí. Veamos la deforestación, la contaminación industrial, los efectos del cambio climático Bien. Vientos climáticos extremos, pérdida andadversidad. Es bueno. Es cierto detalle como se detalla porque en prompt sobrecargado, si le das el prompt overdt, la salida también se sobrecargará, simple, Entonces la IA está enside por nosotros, la IA solo generará acuerdo a nuestras necesidades y pronta Veamos este aviso superpuesto que hemos escrito aquí. Entonces el resultado también que hemos dado aquí, eso es bastante largo y más detallado. Veamos qué pasa con el prompt optimizado. Voy a copiar desde aquí. Ir a compartir GPT y payto. Es algún aviso del optimizador. Veamos qué es la salida de. Las principales causas, se puede ver que se explica. Deforestación, emisión de gases de efecto invernadero, actividades industriales get, tres soluciones potenciales de transición de energía renovable Esfuerzos de conversación de reforestación, reforma de políticas y acuerdos globales, conclusión Es mejor salida del anterior entonces. ¿Por qué? Entonces no se trata de salida. Se trata de incitar. ¿Bien? Entonces puedes ver aquí puedes ver la salida. Hay algo causas del cambio climático, calentamiento global, emisión de carbono, deforestación, contaminación industrial Se puede ver la salida exacta de otros prontos a medida como las principales causas del cambio climático, la emisión de gases de efecto invernadero, la deforestación, la industria y las actividades agrícolas No da esa información adicional en este prompt aquí, explique así. Entonces, cuando compare esto, escriba un detalle sobre las causas y las posibles soluciones al cambio climático, conmovedor, eficiente de carbono global, obstaculizar la contaminación de las conchas Nunca proporciono información adicional en este prompt del optimizador, pero conozco ese tema Bien, porque es experto en ciencias del clima. Bien. Por lo que generará automáticamente sobre cuáles son las principales causas del cambio climático como la emisión de gases de efecto invernadero, la deforestación No necesitamos proporcionar información adicional aquí. Eso es simple. Se pueden ver las soluciones que sobrecargaron pronta generada, adopción de habilitar la reforestación energética, innovación industrial, cambios de política que Adicionalmente, este aviso tiene. Pero en el prompt del optimizador, no lo proporciona, sino que lo generará. Soluciones. No lo proporciona solo explica esto. Yo solo escribo lo que necesito. Automáticamente la IA generará las soluciones, transición a la energía renovable, que es bastante similar al prompt sobrecargado Bien, este aviso. Puedes comprobarlo así fácilmente. Eso es simple. Por eso es muy importante la gestión del contexto. No hay nada en eso. Si proporcionas o no, no hay nada más que a veces la IA generará estos temas solo en lugar de enfocarse en las principales causas del sentido climático. Espero que entiendas este punto porque se puede ver esto. Si cancelo esta emisión de carbono y contaminación industrial, la IA generará las causas de que esté tocando el calentamiento global, y simplemente se negará o simplemente eliminará la emisión de carbono y contaminación industrial de la salida porque aquí solo ha pedido especificación, tema específico que es cambios de política de energías renovables, y sólo va a generar así la conciencia pública. Nunca explicará sobre la emisión de carbono porque instruyes a la IA para que genere estos temas solamente Bien, va a escribir un ensayo, pero solo escribirá un ensayo sobre el calentamiento global, la deforestación, las energías renovables Por lo que simplemente eliminará estos dos temas porque lo borras de la película adicional. Por eso tenemos de acuerdo a nuestra necesidad y cosas. Por lo que nuestro aviso puede ser proporcionando demasiado sobre pronto puede llevar a una respuesta irrelevante o muy mala Bien, según eso depende de nuestro requerimiento, ¿de acuerdo? Cuando nuestra intención principal es escribir el ensayo sobre el cambio climático, ¿de acuerdo? Aquí solo están los mismos. Ya viste la salida de Ja GPTSRsponse Entonces eso es bastante similar. ¿Bien? 17. 4.1 Optimización de prompt: Volver a master prompt engineering módulo número cuatro en el que vamos a ver algunos patrones avanzados de baile. Vamos a sumergirnos en eso. Entonces, antes de ir a discutir algunos patrones de pronta avanzada, vemos algunas técnicas de consejos de optimización rápida. ¿Bien? Ya discutimos anteriormente algunas mejores prácticas para escribir indicaciones. Bien, no confundas Se trata de que hay cosas similares todo lo que aprendimos antes. No hay diferente en eso, llámalos. Entonces, lo que es real es la optimización rápida. Se puede ver que la optimización es el arte de la afinación fina. Así que no te asustes agregando esta afinación fina. De manera similar, está refinando el prompt, entrenando IA con su incitación. Sencillo eso. optimización es el arte de afinar tus indicaciones para garantizar la claridad, reducir la ambigüedad y mejorar Este tres es muy importante. Tienes que tenerlo en mente mientras escribes el prompt. El mejor prompt reducirá la ambigüedad y cualquier respuesta de irrelevancia Se trata de hacer la pregunta correcta de la manera correcta para obtener la mejor respuesta. Es decir, la optimización rápida significa simplemente hacer una pregunta correcta de la manera correcta para obtener la mejor respuesta en la que podamos obtener alguna mejora que mejore compromiso y reduzca la ambigüedad, lo que lleva a una mejor respuesta de AIR Que vemos DIP. Hay algunos puntos clave que tenemos que tener en mente al escribir las indicaciones para la IA En primer lugar, ya hemos discutido que es claridad. Claridad significa usar lenguaje simple y preciso y evitar la confusión o palabras u oraciones poco claras que no puedo entender nuestra intención generar una respuesta relevante a nuestra consulta o tarea. A, en lugar de C, se puede ver el ejemplo aquí, tenemos que recordar de nuevo, contarme de la historia. Se puede ver que no hay claro en eso. No hay ningún específico. Háblame de la historia. La historia quiere decir que es algo amplio. Entonces la IA pensará, bien, tendré que explicar la historia. Simplemente generará un dato aleatorio relacionado con información aleatoria relacionada con la historia. No hay nada en eso. En lugar de eso, si usas claridad. Es decir, ¿puede proporcionar un resumen de las herramientas, causas y resultados de la Guerra Mundial? Se trata de un tema específico en el ámbito de la historia. Entonces ahora la IA tiene pensar con claridad, Bien, esta pregunta tiene cierta claridad que pensará la IA, tengo que proporcionar un resumen de las causas y resultados de las herramientas de la Guerra Mundial. Es un específicamente, ¿verdad? Es un tema específico que la IA puede generar la mejor salida relacionada con este prompt. Es por eso que tenemos que asegurarnos de que las indicaciones sean claras y específicas como sea posible para obtener la mejor salida de la IA Veamos el segundo punto que es rollo de formateo. Formatear significa que ya conoces este formato. Si usas docs o cualquier documento si tienes alguna idea sobre eso es formatear es lo mejor que podemos, que ahorra tiempo para encontrar los puntos, para ver las cosas o pruebas leer las cosas que hemos escrito en ese documento. El formato no es más que usar encabezados, viñetas y encabezados pequeños Esas son todas estas cosas. Por lo tanto, es una práctica recomendada si usa el formato en las indicaciones. De lo contrario, es necesario. Pero si buscas convertirte en un ingeniero rápido profesional, tus habilidades de escritura deberían ser muy efectivas. ¿Bien? Cuanto más efectivo seas escribiendo, mejor resultado y mejor resultado podrás obtener de la IA. Puede usar algún formato como usar viñetas en su lista de números de solicitud o encabezados en sus indicaciones para obtener una respuesta de estructura A modo de ejemplo, puedes ver aquí la lista de los siguientes en orden, ventajas de las desventajas de la energía solar y potencial futuro. Solo para guiar a la IA para obtener la salida solo en este formato. Entonces es simple. A ver eso. El tercero son las técnicas de engagement. ¿Cuáles son las técnicas de engagement? Bien, si generas IA a partir de A cualquier modelo de lenguaje, si la respuesta generada no es atractiva, estás contigo mismo. Por lo que las otras personas tampoco pueden involucrarse con esa respuesta de IA. Entonces, ¿cuál es el esfuerzo de que eso obtenga la respuesta de IA, verdad? Así que tienes que hacerlo mientras es muy importante cuando llegas cuando buscas creación de contenido o redacción de artículos donde la gente va a leer tu libro o cualquier cosa. Es decir, la respuesta, la salida debe ser muy comprometida, ¿verdad? Excepto que no podemos obtener la mejor capacidad de lectura. Bien. El compromiso es muy importante en cualquier caso de uso. Entonces para eso, tenemos que enmarcar tus preguntas para invitar a la curiosidad o dar contexto. Contexto significa aquí información de fondo. Información adicional sobre su tema. Entonces ejemplo, puedes ver, imagina que eres científico en 2050. ¿Qué avances en IA podrías describir? Imagina que eres un científico. Entonces aquí asignamos algún rol en 2050, eso es un futuro. ¿Bien? Entonces, ¿cómo piensa la IA así La IA piensa que soy científico en 2050, cuáles son los avances en IA que podrías describir Para que la IA genere una mejor salida con respecto a que la IA es pensar que soy científico en 2050. Entonces es enganchado o contenido, porque construyes una conexión. La IA está conectada con los científicos en 2050. En el que puede generar una mejor salida. Imagina imagina lo que se necesita para las técnicas de engagement. ¿Bien? Si estás bien, si no estás usando este tipo de indicaciones aquí, imagina que eres un científico Simplemente usa lo que los avances en IA podrían describir en 2050 Eso es algo sencillo. Esa es una pregunta sencilla. Si usas simple, imagina que eres un científico que estás haciendo estás guiando respuesta de la IA para que se involucre en sus pensamientos. ¿Bien? Se dedican a sus datos. La cabuldad de la IA, pensando que conectará con su base de conocimiento, y pensará, y generará contenido comprometido en lugar de hacer preguntas simples en las que no hay engagement en el prompt ¿Bien? Entonces es por eso que tienes que usar algunas técnicas, palabras que la IA pueda pensar que la IA pueda imaginar y que conecta su base de conocimiento y palabras que pueden describir tu salida muy fácilmente. ¿Bien? Se trata de algunas claves que tenemos que tener en mente al escribir las indicaciones para la IA, es decir, obtener la mejor respuesta para mejorar el engagement, reducir la ambigüedad, eso es respuesta poco clara y ¿Bien? Entonces después de eso, pasemos a nuestra parte principal de este módulo que es Advanced prompt pattern P one, en el que vamos a ver cinco patrones de prompt de mejores prácticas diferentes y más importantes como ingeniero rápido, necesitas, y tienes que usar para resolver tareas complejas. Empecemos. 18. 4.2.1 Patrones de prompt avanzados (parte 1): 1. Pide patrones de entrada: Bienvenidos de nuevo, chicos. Bienvenido a nuestro modelo Master prompt Engineering número cuatro, y que vamos a aprender Patrones anticipados primera parte. ¿Bien? Entonces en el que vamos a discutir unos cinco patrones más y mejores prontas que son populares, y como ingeniero rápido, tenemos que usar en nuestra vida diaria para obtener la mejor salida de la IA. Entonces, en lugar de estos cinco proms, tenemos otros cinco patrones de baile más que discutimos en la segunda parte de este modelo Vamos a discutir el primer patrón de solicitud que es el patrón de solicitud de entrada. Veamos en detalle de este patrón de baile de graduación. Ver. Entonces, este patrón de solicitud de entrada es una forma poderosa de crear indicaciones que guían las interacciones de IA de manera efectiva Este patrón implica pedir una entrada externa, proporcionar instrucciones contextuales claras y especificar la estructura de respuesta deseada. Por qué estamos usando esto para reducir las respuestas poco claras y la claridad y hace que las interacciones sean más predecibles y fáciles y muy efectivas de obtener de la IA. ¿Bien? Es sencillo, muy sencillo de aprender. Por lo que es un patrón de pedir entrada es muy fácil de entender. Veamos esto. Para usar este patrón, nuestro baile de graduación debe hacer la siguiente declaración contextual fundamental. Fundamental significa, pídeme entrada X. X no es más que tenemos que reemplazar X con nuestro objetivo, tarea, o pregunta en la que tenemos que obtener salida de la IA. Eso es simple. Entonces, lo que es una declaración contextual fundamental para el patrón de pedir entrada es pedirme entrada. Esta es una frase fundamental muy importante que tenemos que usar en el propio prompt para hacer coincidir cualquier tipo de tarea. Bien. Veamos este trabajo de este patrón de baile de graduación implementando prácticamente el Cha GPT, y vamos a sumergirnos en eso Entonces estoy saltando a Cha GPT. Entonces veamos de qué se trata pedir patrón de entrada. Bien. A ver. Entonces simplemente describiré cualquier tarea um a la IA antes de escribir pídeme el patrón de aviso de entrada X. Entonces para eso, así copiaré rápidamente mi prompt, y voy a pegar aquí. Para que pueda ver el prompt exacto aquí. A partir de ahora, proporcionaré metas de fitness y otros detalles relevantes sobre mi rutina. Crearás un plan de entrenamiento semanal adaptado a mi aporte. Para cada día, incluye ejercicio, sets y repeticiones. Al finalizar, sugerir una actividad de recuperación para la semana. Bien, entonces es una tarea sencilla que le he dado a la IA. ¿Bien? Este es un simple prompt que le he dado a la IA para mis preferencias. Después de eso, he usado eso es pedir entrada prompt pattern. Se puede ver fácilmente aquí. Eso es pedirme mis metas de acondicionamiento físico y nivel de condición física actual. Actual cómo funciona. Veamos esto. Si vas a cajeros automáticos para retirar tu dinero, primero inserta tu tarjeta ATM en esa máquina. Después de eso, te pide alguna entrada es de la propia máquina. La máquina te preguntará Pincode, tu número pin, número pin de cajero automático, y cuánta cantidad quieres retirar, derecho Para que las preguntas sean hechas por la propia Máquina. Así estás entrenando IA. ¿Bien? Estás escribiendo el mensaje así después de que ustedes dos comiencen su tarea. Bien, para comenzar tu tarea, la IA te hará una pregunta. Al dar la respuesta, después de eso, procederá a la tarea principal. Es decir, pídeme el patrón de aviso de entrada. ¿Bien? Veamos qué pasa. Yo iré. Me va a hacer alguna pregunta. Se lo preguntará C. Lo tengo. Para crear un plan de entrenamiento personal, necesito algunos detalles de tu lado. Ver, después de dar estas respuestas para estas preguntas, entonces va a generar un plan de entrenamiento para mis preferencias porque he definido las instrucciones en el prompt. Después de eso, utilizo ask me input prompt pattern en el que la IA me hará preguntas. Cuando doy respuesta a estas preguntas, entonces solo voy a generar un plan de entrenamiento semanal adaptado a mis preferencias, simplemente tan simple como eso. Es simple es similar como cajero automático a una cantidad del propio banco. ¿Bien? Para que puedas emparejar este cajero automático, me pides fitness va y el nivel de condición física actual, es decir te insertan y tarjeta de cajero automático. Después de eso, te preguntará cuál es tu número pin, qué cantidad quieres, y quieres retirar de cuenta corriente o de ahorro, todas estas preferencias. Así, de igual manera es trabajo. Bien. A ver. Después de dar respuesta a estas preguntas, me va a generar un plan de entrenamiento semanal. Bien, veamos voy a dar respuestas rápidamente. Puedes consultar aquí. ¿Cuál es tu FitNLLG Iré a Peso lass W pérdida de peso. Entonces el número dos es, ¿cuál es tu nivel de condición física actual? ¿Podría tomar intermedio? Número tres, ¿tienes acceso a un gimnasio o prefieres los homewouts Preferiré los entrenamientos en casa. Número cuatro, la pregunta A preferencias o limitaciones específicas que tengas No tomaré ningún trabajo pesado. La respuesta numérica es ¿ cuánto tiempo puedes dedicar diario a tu entrenamiento? Tomemos 30 minutos. Entonces veamos qué va a generar una respuesta la IA. Aquí puedes ver que hay una mejor salida que es el plan de entrenamiento semanal A generator basado en mi aporte aquí. Derecha. Eso es lo mejor. ¿Bien? Es muy efectivo y es muy mejor salida para conseguir mi sastre o para obtener mis preferencias plan de entrenamiento porque me pide mas detalle sobre mi mis preferencias. La IA me pide mis preferencias para generar un plan de entrenamiento preferible efectivo y cercano y fácil, que se establece mi rotin ¿Bien? Si ves en lugar de esto, si escribes pregunta, solo dame solo proporcionaré mis metas de fitness. Bien, si escribes en lugar de este patrón rápido, si escribes, crea un plan Wout semanal Telatum para mi plan de entrenamiento de 30 días Simplemente generará alguna información aleatoria o plan de entrenamiento semanal aleatoriamente sin conocer tus preferencias. Si usas este patrón de aviso, pídeme el patrón de aviso de entrada, preguntará tus preferencias, qué es lo que realmente necesitas en qué salida preferible quieres, y qué aspectos y de qué manera quieres. Entonces esta es la pregunta por la entrada prompt pattern funciona. Se puede utilizar para cualquier otra aplicación. He tomado solo para el plan de entrenamiento semanal, así puedo tomar para estudio, propósito educativo, cualquier tarea compleja que no pueda conocer los antecedentes tuyas para resolver realmente el problema real, ¿verdad? Entonces, si le das el Uh, detalles detalles a la IA, lo que respalda tu tarea. Se puede generar la mejor salida como ya discutimos anteriormente sobre la optimización rápida, ¿verdad? Por lo tanto, es una práctica recomendada al escribir el patrón de solicitud de entrada, lo que le ayuda a obtener la mejor salida. ¿Bien? Entonces, por qué este patrón es útil significa, para que podamos mejorar la precisión de la salida. ¿Bien? Es lo mejor que podemos mejorar la precisión de salida porque hemos declarado nuestros requisitos aquí porque la IA me hizo las preguntas relacionadas con mi tarea que la IA quiere de mí, porque la tarea es generar plan de entrenamiento semanal para ti para mí. Entonces la IA me hará preguntas solo en una misma después de que brinde mis preferencias aquí, generará un plan de entrenamiento semanal preciso y comprable para mí Es por eso que este patrón de prompt de pregúntame entrada es muy poderoso si te adentras más profundo, más profundo en eso. Entonces, puede entender fácilmente escribiendo más y más indicaciones con respecto a este patrón de solicitud de entrada de pedirme ingresar en el que podemos obtener información más profunda si usa esto y si practica bien y bien con el ChagPT y otros modelos de lenguaje AI también, pero funciona en ChARGB así que Funciona mejor en ChargeP porque tiene algunas capacidades, buenas capacidades otros modelos de lenguaje Y no se preocupe si discutimos este tema también entendiendo diferentes LLM y sus capacidades, pros y contras en los próximos modelos después de este módulo Bien. Entonces esto se trata de pedirme el patrón de entrada. Entonces tomaré otro ejemplo para entender mejor esto. Entonces voy a tomar ejemplo sencillo. Entonces tomemos algunos a partir de ahora. Bien. Voy a tomar otra cosa aquí a partir de ahora. Bien, voy a tomar voy a describir Desde en texto. Tú traducirás. Voy a tomar un simple prompt para llegar a entenderlo mejor. A partir de ahora, voy a decir qué idioma hablante utiliza para traducir la tarea dada. Perdón por un texto dado. Entonces voy a preguntar, sólo voy a proporcionar su tarea. Cómo están Entonces lo que le he dicho a la IA a partir de ahora, le diré qué idioma hablante usas para traducir el texto dado, ¿cómo estás? Esta es una tarea en la que le digo a AI, se lo diré. Te diré qué idioma debes usar para traducir. Deberías usar para traducir el texto dado, ¿cómo estás? Entonces lo que voy a decir, voy a usar aquí, pregúntame Input prompt pattern here. Pregúntame así me llevaré esto. Ahora, pregúntame qué idioma uso, necesito usar. Veamos qué generará la IA. Puedes ver la A pregúntame lo consiguió, qué idioma debo usar para traducir, ¿cómo estás? Bien, se lo diré al francés. Entonces solo doy la respuesta que es francesa. Ahora puedes ver el, cómo estás se traduce a este en el francés. Entonces esto como funciona el patrón de baile de entrada de pedirme entrada, solo tienes que definir una tarea en la que tengas que usar esto. Te diré qué idioma hablante debes usar para traducir el texto dado, ¿cómo estás? Por último en el último punto, tienes que usar preguntarme. Eso es ahora preguntarme para qué idioma necesito usar. Eso se basa en tu requerimiento o tarea que vas a resolver por la IA. Entonces puedes cambiar esto, pero tienes que usar en la última etapa es pedirme pero, uh, puedes así que debes asegurarte de que tienes que definir la tarea en sí también. En este caso, le he dicho a AI. Se lo diré a AI. Te diré qué idioma hablante deberías usar para traducir esto. Yo le he dicho a la IA porque te lo diré, ¿de acuerdo? Para eso, tengo que escribir el patrón de solicitud de entrada al final. Esto va a dos partidos aquí. ¿Sí? Cuando proporcione esta respuesta, tomará aquí y se traducirá a cómo estás en francés. Entonces esto es bastante fácil si practicas bien por ti mismo en el ajebti. Así que no te preocupes. Proporcionaré este enlace de chat en el propio documento, y obtendrá después este curso para entenderlo mejor. Entonces eso es todo, chicos. Para ello, todo sobre pedirme entrada patrón de baile en el que hemos visto, tenemos que usar alguna declaración contextual fundamental que es pedirme entrada x, es tal vez algo tu meta, pregunta o tarea o cualquier cosa que de acuerdo a nuestras preferencias, así hemos visto dos ejemplos en que hemos visto que es uno a partir de ahora, desde fitness relacionado con anima, hay traducción al respecto, así que puedes um entender esto más profundamente practicando por ti mismo para que puedas obtener algunas ideas profundas y puedas entender muy bien en eso. Entonces eso es todo para este patrón de baile de graduación. Así que pasemos a nuestro otro patrón de baile que es el patrón de aviso de persona. 19. 4.2.2 Patrón de prompt de persona: Bien, veamos el prompt número dos que es el patrón de prompt de persona. Entonces como ya discutimos algunas técnicas rápidas que es la técnica de asignación de roles de rol Sí. Entonces es así solamente. Entonces persona significa, um, guiar a la IA para que actúe como asistente personal. O algún rol específico, puedes ver el ejemplo aquí, actuar como profesor de matemáticas de secundaria. Entonces entreno a la IA guiada a AII para que actúe como maestra de matemáticas de secundaria porque quiero el teorema de Pythag en la explicación del estudiante de 15 años Entonces, ¿por qué este patrón personal de baile de graduación es muy efectivo? Entonces porque al usar este patrón personal de baile de graduación que se actúa como un rol específico, asignando rol específico Entonces este patrón le dice a la IA que actúe como un experto en conocimiento de dominio específico, ¿verdad? Entonces la IA pensará, primero, soy una maestra experta en matemáticas de secundaria. Por ejemplo, se puede entender fácilmente con este ejemplo. Entonces le asigno un rol como la IA a IA que es actuar como profesor de matemáticas de secundaria de esta manera, la IA pensará, soy profesor de matemáticas de secundaria, y tengo que explicarle a un estudiante de Pitagre a un estudiante de 15 años, ¿verdad? Ayudará a la IA a generar una explicación específica a un estudiante de 15 años, ¿verdad? Entonces, con esto, al usar este patrón de aviso, la IA generará una salida efectiva y más precisa en comparación con sin aviso de patrón de baile personal. ¿Correcto? Entonces asignando un rol o tono específico o cualquier estilo con un dominio específico, entonces la IA pensará solo en ese campo, ¿verdad? Entonces, si asigno IA a profesor de matemáticas para que actúe como profesor de matemáticas, entonces solo actuará como profesor de matemáticas en el que podamos obtener más conocimientos de esta IA para obtener más conocimientos sobre MATS. ¿Correcto? Entonces simplemente actuará como un profesor de matemáticas de secundaria. Pensará como un profesor de matemáticas, y generará una respuesta solo como profesor de matemáticas. Entonces esa es la mayoría de las empresas o cualquier ingeniero rápido profesional utilizan este patrón de aviso personal de manera más efectiva para obtener la mejor salida de la IA porque es muy importante en los modelos de lenguaje. ¿Por qué? Porque la IA está entrenada por grandes cantidades de datos, lo que simplemente puede generar aleatoriamente una salida que tiene algunas imprecisiones en eso, que tienen algunas respuestas poco claras, Entonces, si entrenas A AI para que actúe como un dominio específico. Pensará en esa profundidad de ese dominio específico, cuáles tienen las posibilidades de que tengan más posibilidades de obtener la mejor salida y una salida más precisa de la IA, ¿verdad? Para que puedas ver el mejor ejemplo para explicar para entenderlo. Patrón de baile fácil, así que lo entenderás fácilmente. Entonces veamos cuándo usarlo. Entonces, si buscas obtener algún conocimiento de dominio específico a partir de la IA o resolver una tarea específica o obtener una respuesta específica o resolución de problemas específicos, así te puede ayudar a obtener los mejores insights de la IA mediante el uso de este patrón de baile personal, lo que te ayudará a generar la mejor salida en comparación con escribir una pregunta o consultas simples. Veremos algún ejemplo en el propio foque, el cómo va a funcionar ¿Bien? Veremos simple primero escribiendo el teorema de explicar Pitágoras a un estudiante de 15 años, y compararemos el resultado de esto y compararemos todo el prompt de esta salida todo el Bien. Vamos a saltar al ja JB y veremos lo práctico Entonces voy a la ja Jib, he venido aquí y voy a escribir un simple explicar explicar el teorema de Pitágoras Bien, estudiante de 15 años. Veamos el resultado de este prompt. Se generará algún teorema de Pitágoras, explicación. Hay un ángulo recto. Hay tres lados. Eso es bueno. No hay en eso, esa es una buena salida solamente, ¿verdad? Bien, tomemos para el acto principal como un patrón personal para el baile de graduación. Simplemente lo copiaré ahí y voy a pegar aquí para que puedas actuar como profesor de matemáticas de secundaria y explicar por la suma a estudiante de 15 años Veamos qué es la salida de este prompt. Entonces puedes ver que hay algo bueno de salida de cuando se compara con aquí porque puedes ver el formateo seguro que hay algo que no sea mucho o efectivo cuando usamos el acto como un patrón prompt. Así que puedes ver aquí. Hay un paso uno guiando al estudiante de 15 años con EZ y es un papel de la geometría porque va a pensar en ese campo de la asignatura en profundidad porque estamos tratando IA actúe solo como profesor de matemáticas. Por lo que actuará como un profesor de matemáticas específico, campo específico de la materia de matemáticas que tienen, derecho. Entonces trabajo entonces que la IA vaya a profundidad, profundidad de IA, vaya a profundidad de conocimiento matemático, y generará información relacionada sobre el teorema de Pitágoras, explicación muy profunda y todo el se puede ver la diferencia entre esta salida y esta salida, tiene bastante efectiva en comparación con Por porque usamos actuar como un patrón personal en que estamos tratando de que A actúe solo como profesor de matemáticas, no pensando fuera de eso, en el que podamos obtener la profundidad, en la que podemos obtener la salida en profundidad sobre conocimientos específicos particulares. Bien. Veamos otro ejemplo usando dos patrones de baile. Anteriormente discutimos el patrón de baile número uno que es pedirme patrón de entrada en el que tenemos alguna tarea escrita y vamos a dar la entrada. Bien, entonces todas esas cosas y usaremos estos patrones de las 2:00 P.M. y ya veremos esto. Entonces solo usaré primero ese es el patrón personal de baile de graduación. Entonces escribiré un viaje de ensayo de acto, lo recomiendo. Así que no te preocupes si tienes alguna palabra o frase o tienes algunos errores, automáticamente voy a entender. ¿Por qué? Porque es pensar o esta interacción es como el texto de los hombres. Tiene algunas grandes técnicas de PNL. Recordaré nuestras palabras y comprenderá fácilmente nuestra intención. Entonces no es problema eso. Así que no veas los errores y las palabras, todas esas cosas, ve la técnica y el proceso. Por lo que voy a utilizar aquí actuar como recomendador de viajes. Entonces he usado alguna tarea específica o rol específico que le doy a la IA que es actuar como recomendador de viajes Entonces AI pensará solo recomendador de viajes. La persona que tenga todas las capacidades de habilidades que tiene el recomendador de viajes, así como de manera similar, la IA pensará como esa persona solamente Bien, como tienen los recomendadores de viajes. Por lo que se centrará en este recomendador de viajes solo en este momento Para que podamos ver. Entonces te diré te diré qué ciudad te diré qué ciudad necesitas recomendar. Es necesario dar recomendación. Necesitas dar recomendación de visitar para visitar tan hermosos lugares tan hermosos de esa ciudad. Después de eso, usaré pedirme el patrón de entrada, ¿verdad? Entonces, ¿qué es pedirme el patrón de entrada? Entonces hemos visto algún costo fundamental. Tenemos que usar alguna declaración contextual fundamental que es pedirme entrada X. X significa que podemos usar nuestra pregunta o meta o cualquier cosa. Así que puedes si ya has recordado anteriormente eso, por favor recuerda que es muy importante. Entonces voy a escribir preguntar. Ahora, pregúntame. Ahora, pregúntame qué ciudad en qué ciudad buscas visitar. No, la IA C puede verlas. Entonces solo uso actuar como una persona de patrón que es actuar como recomendador de viajes Ahora, le digo al EI, le diré qué ciudad necesita dar recomendaciones para visitar lugares tan hermosos en esa ciudad. Te diré que es una RNEA así que te lo diré, no te preocupes por eso Entonces después de eso, instruiré a la IA. No, pregúntame. Pregúntame qué ciudad buscas visitar. Bien voy a pensar, Bien, soy un recomendador de viajes Entonces no, tengo que preguntar qué ciudad necesita esa persona para obtener recomendaciones para visitar lugares tan hermosos en esa ciudad, ¿verdad? Entonces estos dos son muy importantes. Mientras usa el patrón de pedirme entrada, es necesario que tenga mucho cuidado. Tienes que decírselo a AI, yo te lo diré, ¿verdad? Y estas son las últimas declaraciones que tienes para usar esta declaración contextual fundamental para escribir el patrón de entrada de baile, ¿verdad? Entonces voy a usar aquí también. Ese es el patrón de fiesta de graduación de persona así como pídeme el patrón de aviso de entrada. Veamos cuál es la salida de este prompt. Así que puedes ver aquí. Tan genial. Estoy aquí para ayudarte a planificar tu visita a los lugares más bellos. Me va a pedir que aporte. Me preguntará qué ciudad está buscando explorar. Entonces como discutimos anteriormente sobre pídeme aportes. Patrón de baile, que genera la salida de EI después de que el prompt intel sea el cociente de entrada Tenemos que dar el insumo. Después de eso, la tarea procederá. Así, voy a decir que es nuevo. Por lo que automáticamente generará las recomendaciones sobre esa ciudad en la que se tienen algunos lugares hermosos para visitar. Entonces veamos que la IA recomendará algunos lugares de esa ciudad de Nueva York para visitar. Entonces esa es la manera más fácil de conseguir algunas cosas. Para que puedas escribir, Bien, puedes escribir esto, puedes empezar desde esto sin escribir esto. Pero si usas esto, entonces hay más posibilidades de obtener la mejor salida precisa y posible de EI, ¿verdad? Entonces es por eso que es más importante hora de escribir para LLM, especialmente para LLM, porque la IE está entrenada por grandes cantidades de datos que solo pueden dar aleatoriamente pueden dar las recomendaciones Bien, si usas este patrón personal de baile de graduación, es un específico, derecho. Se trata de un específico en que la IA solo se enfoca en lo específico, lo cual podemos obtener la mejor salida. En lugar de tomar aleatoriamente y lanzar aleatoriamente la salida, esa no es la mejor salida, ¿verdad? Entonces esto ya no es sencillo. Por lo que es muy importante mientras que es muy importante, vez que se resuelven los problemas más complejos para un caso de uso específico dominio específico en dominio específico. Si buscas resolver alguna tarea compleja, necesitas usar este patrón de prompt personal muy, muy, importante. Tienes que usar este patrón rápido porque estás buscando resolver algún problema específico. Entonces tu pronta debe ser como un específico, ¿verdad? Entonces en ese momento, hay que usar actuar como recomendador de viajes Por ejemplo, si estás buscando resolver algún problema de codificación, entonces en Python, entonces tienes que decirle actuar como desarrollador de Python que tiene diez años de experimentos en sol ring algunos errores como ese, puedes usar eso. Después de eso, escribirás una tarea y así sucesivamente, entonces, ¿verdad? Puedes usar Pregúntame patrón de entrada y otros patrones de prompt que discutiremos en otras clases. Eso no es problema. Puedes usar así si buscas resolver algún problema de creación de contenido o si buscas generar algún contenido específico a partir de IA como ese, puedes usarlo como puedes usarlo como un creador de contenido educativo que cuenta con diez años de experiencia escribiendo contenido efectivo y creativo atractivo para captar la atención de la audiencia. Y después de eso, puedes escribir cualquier tarea porque asignar un rol específico puede generar la mejor salida cuando se compara con otra sin actuar como un prompt de patrón prompt Entonces es por eso que puedes entender esto fácilmente. Entonces es sencillo asignar un rol específico a la IA en el que podemos obtener defecto a salida Para que puedas practicar por ti mismo. Entonces solo hay una cosa que puedes obtener el conocimiento más profundo o más habilidades de escritura, habilidades escritura de baile practicando solo. Así que practica por ti mismo e interactúa con la IA con diferentes patrones de baile para mejorar tu conjunto de habilidades, lo que puede ayudarte a obtener más cosas de la IA. Entonces espero que entiendas muy bien este patrón de baile de graduación. Entonces veamos otro patrón de baile que es el patrón de baile de fin de curso de refinamiento de China, que es muy importante para mejorar nuestra habilidad de escritura rápida. Vamos. 20. 4.2.3.1 Patrón de promociones para perfeccionar preguntas: parte 1: Entonces veamos el patrón de prompt de refinamiento de pregunta en el que es muy importante escribir los mejores prompts o cualquier cosa que estemos buscando desde Entonces, ¿qué es en realidad el patrón de prontitud de refinamiento de pregunta? En el propio encabezamiento, se puede entender fácilmente el refinamiento de la pregunta Refinamiento significa volver a escribir la pregunta de manera efectiva, manera efectiva reduciendo errores o formación de oraciones, y para ser específicos, ¿verdad? Yo manera efectiva. ¿Correcto? El definimiento de la pregunta significa escribir la misma pregunta reduciendo cualquier error o mejorando la escritura de manera efectiva Así de simple es. Entonces el patrón de prontas de aplazamiento de preguntas es el mismo. Entonces puedes ver que la plantilla para este patrón se puede expresar como. Entonces este es el método simple que usaremos en HGPTR ahora para entender la variable. Así que no te preocupes. Entonces solo te diré que voy a explicar qué es realmente el prompt de definición Entonces si, por ejemplo, imagina que estás interactuando con el modelo ANI, por ejemplo, toma el JAPT Entonces, si escribes alguna pregunta si estás escribiendo un prompt a AI, ¿verdad? Entonces tus habilidades de escritura rápida, es algo mejor si piensas, ¿verdad? Imagino que tienes algún conocimiento incitador, estás escribiendo el prompt, tal vez sea alguna pregunta o tarea, ¿verdad Entonces, si tienes algo de confianza, entonces estoy escribiendo lo mejor con formación de oraciones o técnicas, pero hay algo de brecha en esa IA en nosotros mismos. Eso es formación de oraciones o gramática. Derecha. Entonces para eso, la IA es mejor ahora porque es la IA es entrenada por Inglés Avanzado con una gramática tan hermosa y una formación de oraciones efectiva. Como humanos, podemos cometer algunos errores al escribir el idioma inglés. Entonces como ya vemos que he cometido tantos errores mientras interactuaba con la edad Bt, creo que observas, ¿verdad? Entonces por eso. Como humanos, cometemos errores, pero la IE está muy bien entrenada por el inglés avanzado. Puede sugerir una mejor versión de nuestro inglés. Por ejemplo, si escribes algo, hay errores de algo, pero esa pregunta se puede mejorar, ¿verdad? La forma de preguntar a la IA se puede mejorar demasiado esto según nuestra pregunta. Para que esa mejora pueda ser escrita por la IA con este patrón rápido. Por eso es muy importante. Para obtener diferentes versiones de nuestra entrada, derecho, diferentes versiones de nuestros cocientes, incluso pronta, incluso cualquier párrafo, incluso cualquier cosa que le pidamos a la IA, puede sugerir una mejor manera de expresar esas palabras, lo que hace muy potente y efectivo porque A está muy bien entrenado en el patrón inglés Derecha. Así que veamos para obtener más información de la IA, nos sumergimos en más profundo con la interacción con ja JBT para mejorar o para comprender de manera efectiva cuál es real de graduación de refinamiento del cociente real A ver. Entonces voy a ir a sombrero GBT Tomaré un nuevo chat. A ver. Entonces si, por ejemplo, le pediré a AI que por favor genere. Entonces solo voy a tomar alguna tarea. Por favor genere un, tomaré un específico solo genere un No, no, no, por favor genere una historia que tenga palabras más atractivas. Y diversión por diez años diez años, chico. Veamos qué va a generar la IA. Así se puede ver algunos dias generados alguna historia cual es adecuada para niño de diez años en la que tienen algunas palabras atractivas. Para que pueda ver la salida aquí. Érase una vez en el tono tranquilo de la codicia, esa es una historia. Entonces tiene un poco más. Por eso es muy importante escribir las indicaciones. Entonces puedo sugerir aquí, por favor escriba una historia o una historia de 500 palabras o, uh, una historia de 300 palabras, lo que ayuda a obtener la salida precisa de la IA. Entonces por eso Bien lo que puedes ver el ejemplo, puedes ver la salida aquí. Y si le dijera a AI. ¿Y si le digo a AI que sugiera una mejor versión de este prompt? Sugerir una mejor versión de este prompt para obtener la salida más efectiva en lugar de esta. Eso significa que este aviso se puede mejorar. Este prompt se puede mejorar tanto de nivel que puedo sugerir. Entonces lo que simplemente voy a escribir esto, por favor sugiera mejor versión. Lo siento, mi aviso. Veamos qué va a pasar. Yo sólo voy a copiar esto. Voy a pegar aquí. No, generará algunas sugerencias basadas en nuestro prompt. Generará algunas mejores versiones de mi prompt que pueda interactuar con la IA para obtener la historia más atractiva. Se puede ver el aquí. Se puede ver la mejor versión en comparación con esta. Así que por favor crea una historia divertida y atractiva con vocabulario emocionante y elementos aventureros que capitivarían capitivarían Esta versión suena más específica invitando. Entonces el AIG sugiere algunos, um, sugirió algún aviso cuando se compara con esto. Entonces esa es una pregunta pronta de refinamiento. Este es un prompt básico de refinamiento de preguntas en el que damos alguna entrada, y le diremos a AI que sugiera una mejor versión de esto, en la que podamos obtener algunos, uh, mejores insumos mejor prompt en lugar de nuestro pensamiento. Se. Entonces no, ¿verdad? A es no. De qué manera ese prompt me puede pedir la mejor salida que pueda dar, ¿verdad? Entonces es por eso que usar IA para escribir algunas indicaciones puede ser muy útil, pero no estoy tendiendo a usar y copiar esto algo básico fundamental para escribir esta parte superior de las Entonces tenemos que usar esta suma fundamentalmente. Después de eso, tenemos que hacer cambios acuerdo a nuestra salida de AI. Entonces, las mejores habilidades de escritura rápida que puede obtener después de analizar la salida solo después de refinar los dos primeros prompt inicial prompt, ¿verdad? Veremos todas esas técnicas en otras clases. Centrémonos en este patrón de baile de graduación de refinamiento quoi. Bien, ya veo. Entonces tengo solo suma de usuario, por favor sugiéreme una mejor versión de mi baile de graduación. Por lo que escribir me sugiere mejor versión de la misma es muy importante. Por lo que es una frase fundamental principal o contexto que tenemos que usar en nuestro prompt para obtener la mejor versión de cualquier entrada. Entonces voy a usar este método. Este no es un método real. Entonces es siempre ahora si buscas mejorar tus habilidades de escritura, así que definitivamente intentaré HGP para actuar, uh para ir solo en ese flujo Entonces para eso, acabo de escribir. Siempre que haga una pregunta, puedes escribir en lugar de este párrafo o cualquier cosa que quieras, cualquier historia aquí, cualquier cosa que puedas usar. Entonces voy a usar voy a tomar cada vez que haga una pregunta, sugiero una mejor pregunta, ¿verdad? Entonces, lo que has ingresado, tienes que ingresar aquí. Sugerir una mejor pregunta y pregúntame si me gustaría usar en su lugar. Así que puedes ver aquí. Uh, pregúntame aquí, ¿por qué usamos aquí? Es pedirme patrón de entrada, hemos usado. Entonces, como discutimos anteriormente, esta es una básica, ¿verdad? Entonces, en los próximos patrones de baile, usamos todos estos patrones de baile, desde básicos hasta solo avanzados. Bien, veamos aquí. Entonces, ¿qué veremos? Veamos qué voy a generar para este prompt. Entonces va a generar, Bien, voy a hacer eso. Lo tengo. Sugeriré una mejor versión de su pregunta en el futuro y verificaré si desea utilizarlos. Entonces, ¿te gustaría ir con la pregunta del revisor uno, sugerida anteriormente, o tienes otra pregunta en mente Entonces esa es la mejor capacidad que tiene HajTi que es la actualización de memoria. Entonces preguntará Entonces, ¿le gustaría ir con la pregunta revisada que sugerí anteriormente? Voy a preguntar, tengo que ir con este aviso. Entonces por eso esta ajvity es muy, um, mejor aparte de otros modelos de lenguaje en este caso de actualización de memoria No te preocupes, discutiremos todas estas capacidades en las próximas clases. Eso no es problema. Así que vamos a ver aquí. Por lo que sugeriré una mejor versión. Sólo dame, tienes otra pregunta en tu mente. Voy a escribir una escritura 200 palabra. Escribe 200 palabras, artículo 0N calentamiento global. Veamos qué sugerirá el aire. Puedes ver Avísame si te gusta algún cambio o adición. Entonces solo directamente uh directamente generará respuesta. Entonces, ¿por qué sucede esto? A veces lo haré, um, va engañoso. Entonces tenemos que curarlo a la IA. Se trata de IA. Por lo que va a hacer algunos errores. Esto no es 100% perfecto, no es exacto. En este momento, tenemos que decirle a la IA que te falta el camino o el flujo. Por eso voy a escribir IA. Entonces te lo he dicho te he dicho que me sugieras mejor versión. Te he dicho que sugieras mejor versión de mi baile de graduación, mi cociente Te he dicho que sugieras mejor versión de mi cociente. Veamos cuál será la salida. Por lo que simplemente nos va a apolizar. Se puede ver aquí. Tienes razón. Aquí tienes una mejor versión de tu pregunta. ¿Podría por favor escribir un artículo de 200 palabras y el calentamiento global Este es un mejor enfoque o una mejor versión de mi pregunta. Es decir, por favor escriba un artículo de 200 palabras y calentamiento global. Entonces a veces voy a generar AL AL acaba de hacer la tarea. ¿Por qué? Voy a hacer algunos errores que no es 100% perfecto. En ese caso, tenemos que recordar que tenemos que recordar la tarea. A AI. Después de eso, llegará al mismo flujo. Por eso se genera la IA. Eso es R correcto, aquí hay una mejor versión de un quien. Así que no tenemos que retroceder de esto. Entonces tenemos que AI va a hacer los errores. Después de eso, tenemos que decirle a la IA que estás cometiendo un error. Es por eso que la creatividad humana es muy importante a la vez que la interacción con la IA. Para que puedas ver el aquí. Entonces doy algunas mejores versiones dependiendo de su prompt, escribiendo prompt. Si estás escribiendo el prompt, son tres líneas. Por lo que generará en lugar de más de tres líneas o menos de dos. Así es como está pensando la IA. Es de lo más importante porque la IA no es mejor para escribir algo que pueda ser muy efectivo que tú en inglés o en cualquier otro idioma. Bien, espero que entiendas 21. 4.2.3.2 Patrón de prompt para perfeccionar preguntas: parte 2: Digamos otro ejemplo. Entonces porque a partir de ahora, se lo he dicho a EI solo así. Siempre que haga una pregunta, sugiero una mejor versión. Entonces cuando haga pregunta aquí, así que solo sugerirá una mejor versión de mi pregunta. Entonces puedes escribir tres diferentes como esta, sugerir una mejor versión o sugerir un mejor enfoque, no solo versión, puedes pedir sugerir una mejor versión o sugerir un mejor enfoque mientras interactúas con EI para obtener más así veremos el ejemplo. Así que voy a escribir un prompt aquí es un prompt. Se puede ver aquí. Entonces ya veremos eso. Puede usar algún acto particular como un patrón de aviso. ¿Por qué? Entonces, cuando regreses a las habilidades de escritura rápida. Por lo tanto, este patrón rápido puede ayudarte a convertirte en un escritor rápido de escritura también. Entonces veamos cómo podemos ver eso. Entonces para eso, le diré a AI que actúe como un ingeniero rápido experto. Bien. Voy a asignar un rol. Ese es su ingeniero rápido experto. Voy a contar esto increíble con diez años de experiencia. Diez años de experiencia en, en este campo. En efecto escrito a los proms. ¿Verdad? En efecto escrito a las indicaciones para IA Entonces, en lugar de IA, puedes usar cualquier modelo de lenguaje. Entonces Cha JPT, Géminis, Nube, cualquier cosa que sea. ¿Bien? Entonces en vez de , Bien, te lo diré en otro momento. Así que actúa como un aviso experto. Ingeniero con diez años de experiencia en redacción de prompts afectivos para IA. ¿Bien? Entonces tengo papel ascender, algún papel particular a la IA No, voy a usar Bien, puedes ver aquí. Entonces estoy combinando los tres patrones de prompt. Ese es el primer acto de 10. Bien, pídeme el patrón de entrada después de ese patrón de persona. Después de eso, utilizaré este patrón de refinamiento de cociente también en Entonces, por favor, concéntrese muy bien. A ver. Entonces voy a decir ahora, le diré a Q, le diré que le proporcionaré. Te proporcionaré para generar o sugerir un mejor enfoque. Entonces prompt o approach es bastante similar porque prompt significa que estás interactuando con la IA. Acercarse significa que también es la misma palabra. El mismo significado que te estás acercando significa que te estás acercando a la IA, algo para obtener de la IA. Eso es. Por lo que puede tomar directamente pronta aquí. Mejor forma, mejor pronta. Te proporcionaré para sugerir mejor forma, mejor pronta. Entonces puedes escribir aquí. Voy a proporcionar mi pronta. Para sugerir mejor prompt de mi De mi prompt. Puedes escribir todo lo que quieras. Entonces aquí está para probar y AI muy bien para obtener la mejor salida. ¿Bien? Ahora, pídeme pronta para sugerir. Mejor salida. Mejor hijo. Veamos qué va a hacer la IA. Estaba pensando, sí, ya lo ves. Lo tengo. Por favor, proporcione su aviso y le sugeriré una mejor versión. Entonces esa es la incitación es. Esa es la forma más importante de interactuar con la IA usando patrones de aviso, por lo que es muy importante. Por lo que sólo voy a proporcionar algunos prontas. Vamos a decir, bien. Poste negro, ¿verdad? Bloquear publicación en Let's D AI en detalle. A ver. Esto es un aviso. He recurrido a la IA. Entonces veamos que me sugerirá una mejor versión para mí o no. A ver se puede ver eso. Aquí hay una versión más refinada de su prompt. Es decir, ¿podrías escribir una entrada de blog detallada sobre inteligencia artificial que cubra sus conceptos clave, aplicaciones e impacto futuro? Así que nunca tengo la idea de incluir conceptos clave, aplicaciones e impacto futuro porque me falta el conocimiento. No sé mucho más sobre la inteligencia artificial, sus conceptos. Pero la IA es no. Por eso cuanto más das es por eso que la sugerencia pronta es muy buena, ¿verdad? La brecha entre nuestro conocimiento puede rellenarse por IA. Cuanto más le des el detalle, más información se puede dar información generada por la IA. Eso está bien. Entonces, si escribo simplemente así, la IA puede generar algunas respuestas aleatorias. Pero cuando doy este prompt exacto o con la información de fondo que está cubriendo sus conceptos clave, aplicaciones, e impacto futuro, por lo que generará un mejor resultado en lugar de esto, simplemente prompt. Derecha. Cuando escribo esto, así no obtuve este tipo de incitación, como cubrir sus conceptos clave porque carecería de conocimiento Pero hay una brecha entre eso, ¿verdad? Pero es no. ¿Qué es la diligencia artificial? Lo que hay tienen algunos conceptos, aplicaciones. Por lo que sugerirá un mejor prompt este prompt puede ser mejorado. Entonces con este patrón rápido, que también puede mejorar nuestra habilidad de escritura rápida . Esta es una simple. Si vamos específicos, ¿verdad? Si vamos a dominio específico, así podemos escribir el mejor prompt usando la propia IA, usando hagibt en sí Sí. Por ejemplo, si tomas otro ejemplo, como voy a tomar aquí, esto es sólo actuar como vamos específicamente. Verás algunos ejemplos mejores aquí. Por lo que actuaré como ingeniero rápido de exportación con diez años de experiencia en la redacción de avisos efectivos para IA en Tomaré un dominio específico en el que podamos obtener la mejor salida de en IA en, tomaré alguna materia específica como álgebra, matemáticas Bien, álgebra, matemáticas. Entonces esta es una dura. Tomaré una fácil para que entiendas. Están en la creación de contenidos educativos. Creación de contenidos educativos. Bien. No, te daré mi aviso para que sugieras una mejor versión de mi baile de graduación, no me pidas la versión rápida. Entonces, ¿qué pasa aquí? Entonces del anterior, solo le diré a AI, eres mejor escribiendo prompt en este prompt. Yo digo que entreno IA, tienes diez años de experiencia en escribir prompts efectivos para IA solo en la creación de contenido educativo Entonces pensará que tiene algunas grandes técnicas de escritura rápida en la creación de contenido educativo. Cuenta con diez años de experiencia, por lo que solo pensará en ese campo solo en ese campo de materia maestra solo en el que podamos obtener el mejor prompt para nuestro básico entonces sugerirá un prompt mejor efectivo para escribir contenido educativo. Veamos cuál es su salida aquí. Ahora, me va a pedir que brinde un aviso. Por lo tanto, por favor, proporcione su aviso más tarde a la creación de contenido educativo y le sugerirá una mejor versión de usted. Yo solo escribiré una escritura una lección completa sobre educación puedes tomar cualquier cosa, escribir una lección completa sobre voy a tomar algo fotosíntesis Veamos cuál es una mejor versión de esta pregunta que podemos obtener. Así que puedes ver aquí. Podría escribir una lección integral sobre la fotosíntesis que abarque su proceso, conceptos clave, importancia para los planes y el medio ambiente y términos científicos relacionados Para que pueda ver el resultado de este prompting aquí. Entonces este es un patrón de prompt de definición. Entonces este es nuestro rezago, así que no lo sé. Tengo que escribir este caso conceptos, tengo algunos planes y vvement Tengo que incluir términos científicos porque me faltan los conocimientos en la escritura. A es no, qué es la fotosíntesis, Qué es la H porque tiene unos diez años de experiencia en la creación de contenidos educativos, ¿verdad Entonces aún más, puedes ir específico en esa mujer. Puedes escribir este acto como un aviso de diez años de experiencia en escritura, indicaciones efectivas para AA en materia específica, creación de contenido de física, creación de contenido en inglés O incluso vas y vas por E en inglés para tema específico, creación de contenido. Puede ir tanto como profundo específico para obtener una respuesta precisa y relevante de su pronta. Y te ayudará a resolver cualquier tarea compleja o cualquier tarea que te resulte muy difícil de resolver. Entonces estos tienen muchos ejemplos. Por lo que no hay limitaciones que puedas usar. Puedes probar por ti mismo tanto combinando todos estos patrones puntuales o con algunas habilidades de escritura con tu pronta interacción con tus ejemplos y mucho más. Estas habilidades de escritura mejoraron solo practicando. Así que practica por ti mismo por diferentes expertos, por diferentes ejemplos de toma, diferentes patrones de baile, combinando todos los patrones de baile o cualquiera y una o dos, todas las cosas. Así te puede volar la mente. Por lo que es muy interesante aprender esta pronta ingeniería. Esto es sólo los patrones prontas que te he mostrado. Hay otro patrón rápido que tX su escritura rápida, lo que aumentará diez NC en las indicaciones de escritura, a pesar de que sugerirá cosas mejores Bien, para mejorar tu conjunto de habilidades. Así que eso certificó este patrón de baile de graduación. Espero que entiendas muy bien. Entonces es el mejor patrón de baile de graduación, patrón aviso de aplazamiento de preguntas, lo que me ayudó a mejorar en esa escritura mejores indicaciones Bien, también puedes conseguir esa habilidad practicándola. Así que vayamos a nuestro próximo patrón de baile que es el patrón de verificador cognitivo Vamos a sumergirnos en eso. 22. 4.2.4.1 Patrón de prompt del verificador cognitivo: parte 1: Regresa a nuestro cuarto patrón rápido que es el patrón de verificación cognitiva. Por lo que este patrón es muy fácil de entender y lo más importante es obtener el mejor resultado específico y relevante para nuestra tarea. Entonces, ¿qué es realmente el patrón de verificación cognitiva es? El patrón de verificación cognitiva utiliza un enfoque estructurado para mejorar la precisión y profundidad de las respuestas generadas por cualquier LLM como chargeb o cualquier otro ¿Cuál es el propósito principal de este uso del patrón de verificación cognitiva es? Esto lo subdividirá. Se subdividirá una consulta compleja. Dividirá una consulta compleja en preguntas más pequeñas después de dar respuestas a esas preguntas, combinará respuestas enteras. Y este patrón razonamiento significa que este patrón ayudará a la IE a minimizar los errores. Entonces lo que va a pasar significa primero, nos dicen que intentaremos EI o le contaremos a TEI sobre nuestra tarea para hacer alguna tarea en particular En eso, así le diremos a EI, pregúntame algún cociente subdividido relacionado con Cuando doy respuestas para esa persona, la respuesta apoyará nuestra tarea principal para obtener una respuesta precisa y relevante de nuestra tarea, lo que ayuda al modelo de IA a minimizar los errores. Voy a ser la mejor manera de hacerlo. En realidad, cómo funciona significa que puede entender escribiéndolos o puedes ver el ejemplo aquí, cómo hemos escrito el ejemplo rápido aquí. Yo solo le cuento a la IA sobre mi tarea. Es así como impactó la Segunda Guerra Mundial a la política global. Le di una tarea a la IA. Después de eso, utilizo algunos botones como hacerme preguntas subdivididas Estos cocientes subdivididos significa que la IA me hará algunas preguntas subdivididas relacionadas con esta tarea que trata sobre la la Segunda Guerra Mundial Por lo que las preguntas están relacionadas con este tema. Entonces, cuando proporcione respuestas para las cuotas subdivididas, la IA usará esas respuestas, las combinaré y generará una mejor salida relacionada con nuestra respuesta y la tarea que le di a la Por esto, la IA generará una salida mejor y precisa. Al tiempo que minimizamos los errores en los que podemos obtener la mejor salida efectiva sin ningún error y sesgo en la respuesta. Veremos la pulgada táctica GPT. Deja que puedas entender el prompt aquí. ¿Cómo afectó la Segunda Guerra Mundial a la política global? Hazme preguntas subdivididas. Verás, puedes estamos usando un patrón de entrada ask me. Por lo tanto subdividió preguntas relacionadas con este tema principal. Entonces lo que te estoy diciendo son preguntas subdivididas relacionadas con este tema principal Tema principal, ¿cuál es el tema principal de estas indicaciones, cómo afectó la Segunda Guerra Mundial a la política global Este es el tema principal que le ayuda a generar la mejor salida general. Entonces la pregunta debería ser así en la que la IA pueda obtener ayuda para generar la mejor salida oral después de que brinde respuestas a sus preguntas subdivididas Esta es una plantilla principal de este prompt. que tener en cuenta que de aquí para, que tener en cuenta pedirme preguntas subdivididas Esta es una plantilla principal de esta pregunta. Cualquier cosa que puedas poner aquí sobre tu tarea. Es un sencillo fácil. Veremos lo práctico en gibt. Vamos a ja así que estoy cabeza GBT. Entonces ya copié el prompt que antes te he mostrado, y voy a pegar aquí. Así que puedes ver aquí. Entonces escribí el cómo afectó la Segunda Guerra Mundial a la política global, me hice preguntas subdivididas me hice preguntas subdivididas relacionadas con este tema principal que te ayuda a generar la mejor salida general de R dar respuestas a tus preguntas subdivididas Ahora, hazme preguntas subdivididas. Se puede ver aquí, yo uso. Pídeme la entrada de la plantilla de patrón de aviso aquí. Entonces este es nuestro último derecho, así que puedes ver aquí. Veamos qué va a pasar. Entonces, sí, puedes usar aún más como, puedes usar aquí, persona paternal. Entonces, ¿cómo Actuar como un investigador de historia que tiene diez años de experiencia en política, ¿verdad? Para que puedas entrar así. Entonces veremos lo mejor veremos el uh, combinando prompt. Veremos que usaremos cuatro patrones de prompt diferentes hasta que hayamos discutido y escribiremos algunos de los mejores prompt en el último de esta sección. Ver cuál será la salida. Entonces aquí hay algunas preguntas divididas más tarde Impacto de la Guerra Mundial, política global. Esto me ayuda a brindar una visión integral. Entonces, cuando doy respuestas a estas preguntas, bien. Para que puedas ver cuántas preguntas me está haciendo la IA para escribir la mejor salida. Para que pueda ver, ¿le gustaría continuar con la respuesta a estas preguntas o le gustaría que me afine o amplíe ahí? Así se puede ver. Entonces la IA es hacerme algunas preguntas. ¿Cómo afectó la Guerra Mundial a la economía global y a la demanda financiera en diferentes países? Por lo que tengo que dar estas respuestas a estas preguntas. Entonces hay mucho, así que puede llevar tiempo. Así que voy a ir con la IA. ¿Desea continuar con la respuesta a estas preguntas? Sí. Veamos qué va a pasar. Entonces volverá a hacer algunas preguntas. Genial, por favor proporcione una respuesta a la pregunta a continuación. Siéntase libre de responder a tantas como le gustaría usar. Así que genera la salida oral. Entonces, en vez de escribir todas estas preguntas, entonces volverá a preguntar de ella son las ocho, ¿verdad? Entonces nuevamente, va a expandirse. Hasta cómo 17. Entonces para detener esto, en vez de eso, solo escribiré una respuesta para esta primera pregunta. También va a generar la respuesta, ¿verdad? Veamos cómo afectó la Guerra Mundial a la economía global y al dominio financiero de diferentes países Entonces voy a escribir que es Alemania consiguió Alemania tenía pérdida, más Alemania había perdido, más capital económico. Verás qué sencillo vamos a ver. Yo sólo le diré a AI. Simplemente voy a escribirla primera respuesta para la primera pregunta. Después de esto, se generará automáticamente. Entonces, si das estas preguntas, si das respuestas para todas estas preguntas, generará una mejor salida porque en lugar de escribir con los datos propios del tren, cierto, te pedirá un dato en tiempo real para proporcionarte eso basado en eso, generará los mejores datos precisos en tiempo real. Por lo que es mejor patrón pm para obtener los datos en tiempo real pidiéndole que proporcione eso. Bien, entonces veremos que acabo de dar IA para la primera respuesta para la primera pregunta. Veamos qué va a pasar. Entonces genera directamente y gracias por el insumo, podrías aclarar Jem economía pierde después de la segunda guerra mundial Por lo que volverá a preguntar lo específico es después de que proporcione una primera cuota. Respuesta para la primera pregunta. Pasará por lo específico hasta que le pedirá tiens hasta que se necesite la información requerida a la IA para generar una mejor respuesta Bien, voy a pedir una y otra vez hasta el Se requiere información. Necesita información requerida, hasta requerida. Todo bien. Entonces veamos cuál es la fase específica de bastón económico. Voy a decir simple destrucción de infraestructura. Yo sólo lo voy a copiar. Voy a enfrentar esto, es decir. Veamos qué va a pasar. Se puede ver el todo el generar la salida de esa pregunta en particular. Así que puedes ver aquí. Lo tengo. Alemania enfrenta todos los retos económicos después de la segunda guerra mundial. Es una salida. Este infor es un desglose más detallado basado en sus aportes Entrada significa que he dado la entrada aquí, y esta también es una entrada, derecha. Son respuestas que he dado para la pregunta. Entonces es una salida de esa IA a nuestra tarea. Entonces este es un ejemplo sencillo que he tomado. Si proporciona todas las respuestas estas preguntas que hace la IA, generará la mejor salida respecto a nuestra tarea principal que es ¿cómo afectó la Segunda Guerra Mundial a la política global? Entonces este es un ejemplo sencillo que he tomado. Se puede utilizar para el mayor número posible para obtener la mejor salida. Si buscas resolver un problema complejo o problema específico, si buscas resolver un dato en tiempo real, pregunta en tiempo real o complejo en tiempo real, lo cual no sé. En algunos casos, la IA es una los modelos están hasta alguna fecha limitada específica, ¿verdad? Tan avanzado también no hay modelos avanzados están mejorando con datos en tiempo real. Pero lo estoy diciendo es, si uh, esto ayudará cuando, uh, necesite un poco de razonamiento de su lado. Entonces la IA no puede hacer todas las cosas, pero hay algo de creatividad humana que la IA necesita para hacer eso, ¿verdad? Entonces para hacer eso, es un mejor patrón de baile para usar y resolver cualquier problema complejo que tenga algún razonamiento y tu implicación, ¿verdad? Por lo que es lo mejor a hora de resolver consultas en tiempo real o datos privados. Bien, algo alguna información en Internet es ser privada, derecho no publicarla, ¿verdad? Entonces, cuando se busca resolver algún problema con datos privados o de restricción que tengan alguna normativa complementaria, ¿verdad? Entonces puedes usar este método. Sí. Al hacer eso, tener en cuenta que mientras estás jugando con datos privados, que es que no hay datos en Internet, así que tienes que marcar desmarcar esta desmarca la opción one toggle, que es que puedes encontrar tu sección de perfil aquí y puedes ir a ajustes y puedes ir a ajustes y tienes que desmarcar que son Vaya a controles de datos, y por favor apáguelos porque mejore el modelo para todos. Cuando tus datos son muy privados y algo que tienen algunas regulaciones que no mostrar al público, y estás usando LLM así que sin off esta opción, mejorar nuestro modelo para todos, puede entrenar, ¿verdad Tus datos van a entrenamiento de IA. Por lo que la IA está aprendiendo día a día con nuestros propios datos únicamente. Si desactiva estos controles de datos, si activa estos datos, el control de sus datos es seguro. Los datos van al modelo de IA, así que tenlo en cuenta. Entonces este es el mejor patrón de baile para resolver cualquier problema fácilmente, qué datos necesitan de tu implicación porque tus datos son algo que la información no es entrenada por CHA GPT, derecho, cualquier otro LLM Entonces mientras cierta información está dentro de ti debido a alguna normativa o alguna empresa algunos datos que no sean públicos y se muestren. Entonces cuando eso si estás buscando uh, resolver por esos datos. Entonces puedes usar este patrón de baile en que puedes decirle a la IA con alguna tarea y darle este patrón de baile verificado en el que hará algunas preguntas, y tienes que dar la respuesta más tarde a eso es, que es rojo. Y después de eso, combinará todas esas respuestas, y generará una base sobre esto Generará salida en base a las respuestas que haya dado a esos cocientes relacionados Lo mejor es minimizar el sesgo de errores y mejorar la calidad de salida con precisión. Por lo tanto, puede ser fácil de entender por ti mismo mediante la práctica 23. 4.2.4.2 Patrón de prompt del verificador cognitivo: parte 2: Entonces veamos, veremos otro ejemplo usando los cuatro patrones de prompt hasta que hayamos aprendido de él. Entonces, ¿cuáles son los cuatro patrones de baile que hemos aprendido? El primero es el patrón de baile de entrada aski, rojo, el segundo es persona, tercero es el refinamiento de preguntas, y el cuarto es el actual , el patrón de verificador cognitivo Entonces usaremos estos cuatro patrones de baile de graduación. Escribiremos un solo prompt en el que veremos la habilidad de escritura rápida, uh, creativa. Entonces para eso, voy a decir que voy a actuar. Voy a usar el patrón de baile de la primera persona, actuar como. Veamos qué va a pasar. Entonces iré contando ese ensayo de acto. Sí, voy a tomar una creación de contenido en eso. Entonces actuar ensayo. Historia ¿verdad? Actuar como escritor creativo de historias con cinco años de experiencia en la elaboración o en escritura, algunas historias divertidas Voy a tomar ejemplo. Bien. A ver. Estoy acostumbrado a actuar como una persona de patrón rápido en el que estamos asignando un papel específico a la IA para pensar y generar salida en esa experiencia Después de eso, usaré pedirme entrada, patrón prompt en el que la IA me pedirá dar entrada para proceder a los siguientes pasos de la tarea. A ver. Voy a contar voy a contar te voy a contar, qué persona necesita esa historia. Bien. ¿Qué persona necesita esa historia, verdad? Entonces te diré qué persona necesita la historia. Entonces después de eso, estoy usando eso. Entonces después de eso, pregúntame. Estoy usando el patrón cognitivo rápido en el que estoy pidiendo a la IA que me haga preguntas subdivididas, relacionadas con la tarea principal ¿Bien? Entonces tengo que definir una tarea aquí. Tu tarea es la tarea es generar o escribir la mejor historia atractiva por persona. Veamos ejemplo. Después de eso, utilizo. Esta es una tarea que le tengo a la IA. Bien. Después de eso, he usado algunos pregúntame input prompt pattern aquí. Te diré qué persona necesita esa historia, entonces pregúntame. Entonces hazme preguntas subdivididas, ¿verdad? Relacionarlo con la tarea principal, lo que le ayuda lo cual le ayuda a generar mejor salida general. Bien. Entonces he usado los tres patrones de prompt aquí. Ese es un patrón personal para el baile en el que he asignado un rol específico. Después de eso, defino una tarea a la IA. Después de eso, utilizo algunos lo haré. Entonces después de eso, yo uso pregúntame entrada patrón de baile aquí, puedes ver aquí. Después de eso, así que he utilizado aquí el patrón de entrada de verificación cognitiva quarent Es decir, entonces me hacen preguntas subdivididas relativas a la tarea principal del tema principal que le ayuda a generar la mejor salida general Entonces lo que pasa aquí, primero, va aquí, pensará actuar como escritor creativo con cincos de experiencia Después de eso, verá la tarea principal. Después de eso, entenderé mi tarea, y le hará algunas preguntas subdivididas Voy a pedir insumos. Que persona de aqui estas buscando para obtener la historia de mi parte. Después de eso, hará algunas preguntas subdivididas. Ese es un tema relacionado, todas esas cosas. Entonces veamos la salida. Bien. Incluso puedes escribir aquí. Bien, voy a extrañar algo. Pregúntame ahora, pregúntame, qué persona me pregunta? Que e persona necesita historia. Esto es, uh, ya ves que esto es lo más importante. Entonces después de que decidas aquí, instrues a AI a Yo le diré la persona aquí persona que necesito la historia Después de eso, hay que escribir el último, es decir pedirme entrada patrón de baile que hemos aprendido antes que tenemos que usar enunciado contextual fundamental. Eso es pedirme entrada botón de baile X. Si eres anterior recuerda entonces otra vez. Entonces tengo que escribir el último aquí. Después de eso, tengo que contarlo después de eso. Después de darle entrada para ello, entonces me hacen preguntas subdivididas El sencillo Bien. Bien. Entonces esta es una tarea clara, ¿verdad? Entonces he escrito todo esto usando esto en la última etapa del prompt, pensaremos AI, mi primer paso es pedir esta tarea. ¿Bien? Así que puedes ver aquí. Entonces, ¿qué es la salida? A ver. Entonces me preguntará qué año de persona necesitas la historia así. Veamos qué va a pasar aquí. Genial. ¿Qué año de la vida de la persona necesitas la historia? Una vez que conozca el año, haré preguntas para reunir los detalles necesarios para la mejor historia de elaboración Aquí se puede ver la salida, que es muy bonita, ¿verdad? Tan genial. ¿Para qué año de la vida de la persona, necesitas la historia? Una vez que conozca el año, pediré que recopilemos los detalles necesarios para la elaboración de la mejor historia A ver. Voy a decir que la edad de la persona es, veamos, 45 años. 45 años. Lo tengo. Para alguien de 45 años de edad, aquí hay algunas preguntas para adaptar la historia. Va a hacer algunas preguntas. Cuando doy las respuestas a estas preguntas. ¿Verdad? Cuando proporcione las respuestas a estas preguntas, va a generar una mejor historia. Vamos a basarlo en mis respuestas, ¿verdad? Es simple. Se puede ver aquí. Interés de personalidad, ¿cuáles son las claves de la persona? Solo voy a responder algunos de dos o tres aquí para obtener la historia. ¿Cuáles son las claves de la persona, rasgos de personalidad, Aventurero. Tomemos humorístico. Humorístico. Bien. Tomemos cuáles son los pasatiempos o intereses definen su vida? Ejercicio. Vamos a pegarnos. Bien. Lo siento. Ejercicio. ¿Qué es una ocupación profesional o principal? ¿Es profesor o eso? ¿Están enfrentando algún evento significativo de la vida que sea cambios de carrera, hitos familiares, hitos familiares? Tomemos familia voy a dar una más. Es decir, ¿tienen un logro notable o sueño que persiguen a esta edad? No, voy a tomar esto. ¿La historia debería tener lugar en un entorno realista o imaginativo? Toma lo realista. Demos esta respuesta para estas preguntas. Veamos cuál es la salida aquí. Puedes ver el Volverá a algunas preguntas específicas relacionadas con mis respuestas para obtener la mejor salida. Por eso este patrón rápido es muy, muy efectivo. Entonces va a ir lo específico en específico para obtener la mejor salida para minimizar los errores, ¿verdad? Entonces es por eso que el rápido ngining es muy, muy efectivo de aprender Así que de nuevo, haciendo algunas preguntas relacionadas con mis preguntas específicas relacionadas con mis respuestas. Nuevamente, es una persona es un entusiasta del fitness, apenas empezando a encorromper la rutina empezando a tomar esto, apenas Después después veo algunas preguntas? ¿Hay algún tipo específico de ejercicios que disfruten? Tomo yoga. ¿Qué materia o grupo de edad enseña una persona 24 años? ¿Tienen alumnos memorables o momentos divertidos de enseñanza que puedan inspirar su historia? No, voy a tomar esto. ¿Qué hito es significativo en este punto, viaje familiar de graduación infantil? Digamos viaje familiar. Entonces veamos voy a dar algunas respuestas a preguntas específicas. Veamos que va a generar alguna historia aquí. Entonces lo conseguiste como un verano de los detalles para tus papeles. Volverá a hacer algunas uh preguntas. Se puede ver aquí. Ahora permítanme confirmar algunos detalles finales. Entonces tengo que volver a dar la respuesta a estas preguntas. Entonces, se puede ver que este patrón rápido vuelve a ir a específico tanto como sea posible para obtener la mejor historia, ¿verdad? Entonces, ¿por qué? Porque solo he proporcionado algunas preguntas, algunas respuestas para las preguntas anteriores. Si yo le todas las respuestas para todas estas preguntas, no puede hacer tanto de preguntas en específico porque después de que porque después proporcione todas las respuestas para esta pregunta, tiene alguna información suficiente para presentar la mejor salida, ¿verdad? Por lo que acabo de dar dos o cuatro respuestas para las preguntas anteriores. Por eso hago una y otra vez algunas preguntas específicas relacionadas con mis respuestas. Así que puedes ver aquí. Entonces otra vez, preguntarás ¿una persona está luchando con poses de yoga? No. Después de eso, enseñando contenido, qué tipo de profesor secundaria primaria matemáticas. A continuación, voy a tomar qué tipo de maestro, está bien. ¿Convierten la humity a su enseñanza? Sí. ¿Se gradúan. ¿Dónde está el árbol genealógico Beach Mountains? Digamos montañas. ¿Hay alguna música divertida y habladora memorable? No. Eso es que voy a generar una mejor historia aquí. Entonces nuevamente, te hará algunas preguntas. Oh, no, puedes ver el cociente. Puedes ver la historia aquí. Entonces, a los 25, el señor Kamar era muchas cosas, un veterano, maestro de matemáticas de primaria, un comediante autoproclamado, y ahora a regañadientes un Se puede ver la historia de salida de esa persona en particular. Por lo que va a generar la mejor uh historia respecto a nuestra información que somos este es sencillo ejemplo que he tomado. Cuando practiques con tus ejemplos, así obtendrás los mejores y mejores insights. Entonces te recomendaré que practiques este patrón de baile de manera efectiva en lugar de otro porque resolverá tus problemas máximos con este patrón de baile porque te pedirá detalles para llegar a la mejor salida con respecto a tus datos fundamentales, ¿verdad Entonces Bien, como dije, usaremos todos los patrones de forma. En este prompt, solo usaremos tres patrones de prompt y dejaremos el patrón de prom quotienrFinement Correcto, como dije, el botón prompt quotiRfinement, cómo funciona, sugerirá un mejor prompt o sugerirá una mejor versión de nuestro insumo nuestro párrafo, cualquier cosa que hoy estemos pidiendo ¿Por qué? Porque está bien estructurado y en inglés. Tendencia por inglés avanzado, ¿verdad? Entonces, ¿qué dirá? Así que solo voy a hacer clic aquí, botón de lápiz justo aquí. Voy a decir sugerir a mí. Sólo voy a tomar una comilla aquí. Te lo diré aquí. Yo sólo escribiré sugiérame. Mejor versión me sugiero mejor versión de este aviso dado. Veamos qué va a pasar aquí. Se puede ver aquí. Va a sugerir alguna mejor versión de mi prompt. Actúa como experiencia si es creativo Esto es algo que puedes ver ahí. Agregará una historia artesanal, atractiva y divertida, una historia cautivadora para un año específico en la vida de una persona. Pedirá alguna mejor formación de oraciones. Primero, pregúntame si cada una de las historias debería enfocarse. Después de que proporcione el año, haces preguntas subdivididas, detalles de la historia, todas esas cosas Así que puedes ver aquí. Puedes comparar estas dos indicaciones aquí. Entonces, ¿cuál está buscando más profesional, verdad? Creo que esto es más profesional que esto. ¿Por qué? Porque E conozco mejor en la escritura, en cautivar, en combinar las palabras inglesas de manera específica , de manera efectiva Es por eso que usaremos un patrón de graduación de refinamiento de pregunta Eso es como vemos más ejemplos anteriormente en esta sección. Hemos discutido cuatro patrones de baile que son muy importantes en la base fundacional y todas las tareas vienen bajo estos patrones de baile para resolverlo ¿Bien? Después de eso, ya veremos, espero que entiendas muy, muy bien estos patrones prontos. Así que pasemos a nuestro siguiente patrón de aviso. Ese es el patrón de expansión Outline. Bien, vamos a sumergirnos en eso. 24. 4.2.5 Delinea un patrón de prompt de expansión: Volver a este patrón de baile de expansión de contorno. Entonces, en este patrón de baile, vamos a ver qué es en realidad el patrón de graduación de expansión de esquema patrón de graduación de expansión y cómo vamos a escribir este patrón de baile de graduación. Entonces como sabemos, se puede ver, se puede entender simple lo que es esquema. Entonces, cuando si ya estás leyendo algún libro de prueba o cualquier libro electrónico, ves algunos en la etapa inicial, verás algunos contenidos. Hay algunos temas y subtemas que contiene el libro electrónico, ¿verdad? Entonces eso es en realidad bosquejo. En realidad, qué es qué temas y subtemas vas a aprender en este libro electrónico justo en este documento, todas esas cosas Ese es un bosquejo, ¿verdad? Entonces a eso se le conoce como esquema. ¿Qué es la expansión? Entonces expansión significa el esquema básico que tienes. Para que podamos expandirnos hasta su potencial. Entonces con este patrón de baile, podemos ir con un tema más profundo, más profundo, más profundo en particular, ¿verdad? Para que podamos profundizar en los conocimientos para obtener la mejor salida, ¿verdad? Entonces esto es todo acerca del patrón de expansión de esquema. Entonces, para escribir este patrón de expansión de esquema, tenemos que seguir estos cinco pasos. Eso es la configuración inicial del patrón de baile, esquema generativo del punto de sangre, expansión interactiva, la exploración iterativa y la salida Entonces como ya sabemos de qué se trata la configuración inicial del prompt, entonces hay que escribir algún prompt, que guíe a la IA para hacer alguna tarea en particular ¿Bien? Obviamente, después de dar el prompt, generará alguna salida con respecto a nuestro prompt. Entonces en este caso, estamos usando patrón de prompt de expansión en el que el II generará contorno de viñeta solamente. Después de eso, veremos en expansión interactiva, le diremos a la IA ampliar este subtema en particular en el que la IA creará otro esquema relacionado con el subtema que guiamos a Sencillo. Después de eso, exploración iterativa Iterativo significa hacer eso una y otra vez en múltiples cosas varias veces. Eso es exploración. Puede infinito. Puedes hacer tantos números que puedes generar esquema tomando un punto de viñeta como tema principal. No te confundas. Ya veremos en la agibty. Eso es todo acerca de la exploración interactiva, haciendo lo mismo la tarea una y otra vez hasta usted satisfecho, ¿verdad? Después de esa salida final. Entonces si deseas detenerlo, si sabes que tengo la mejor salida, para que puedas detenerla, puedes obtener la salida final de eso. Bien. Entonces es mejor cuando buscas escribir un eBook o documento para tu tema, este patrón rápido puede ayudarte a obtener el contenido más profundo relacionado con tu tema, ¿verdad? Vamos en esa AGP. Bien. Antes de eso, veremos aquí algún ejemplo. Se puede ver el ejemplo de este patrón de aviso. Entonces he escrito como acto como expansor de esquema, generar un esquema de viñeta basado en la entrada que te doy Podemos leer el patrón de baile aquí para que podamos actuar como un expansor de contorno Puedes ver que he usado, he usado el patrón de baile de persona aquí. En el que vamos a conseguir lo específico para probar la IA para hacer alguna tarea específica. En este patrón de baile, estamos usando el expansor Outline, ¿verdad? Después de eso, puedes ver que he definido tarea a generativa BLLTPointOline en base a la entrada que Para que veas esa entrada que te doy y luego preguntarme qué viñeta deberías ampliar. Entonces si te enfocas aquí, he usado pedirme entrada prompt pattern aquí, input que te doy. ¿Bien? A medida que discutimos sobre, pregúntame input prompt pattern muy profundamente. Espero que lo recuerden. Entonces Nuevamente, defino la tarea, cómo debe ser la salida y cómo hay que seguir las pautas. Se puede ver que cada viñeta puede tener como máximo de tres a cinco subbalas La bala debe ser numerada usando el patrón o cualquier cosa. Crear un nuevo contorno para el punto de viñeta que seleccione. Al final, pregúntame qué viñeta ampliar a continuación. Pregúntame qué esbozar. Puedes ver aquí, pregúntame, pregúntame por qué estás usando esto es si recuerdas pedirme entrada pm al patrón, obtendrás una mejor comprensión. Entonces este es el caso de uso de patrón de baile simple. ver, voy a copiar esto y veamos en el ChARGB cómo funciona realmente Entonces salté al arb. Voy a copiar este patrón de baile, ¿verdad? Por lo que sólo voy a eliminar esto. Para que pueda ver cuál es la salida aquí. Me va a preguntar, por favor dígame el tema o entrada para la que le gustaría que cree un esquema. Tomaré sobre publicidad y mercadotecnia. Por lo que generará un esquema respecto a la entrada o tema que le di a la IA. Puedes ver la salida aquí. Eso es esquema para publicidad y mercadotecnia. Se está tomando tu tiempo. Vamos a detenerlo e intentaré de nuevo. Envíalo. Sencillo. Sólo voy a generar de nuevo. Por favor, proporcione el tema. Tomaré publicidad. Le di el tema aquí. Ahora, se puede ver que va a generar bosquejo respecto a este tema. Para que puedas ver el esquema del tema aquí. Entonces, si observas aquí, el contorno es bueno, pero puedes ver las viñetas. Entonces, si ves los contenidos en un testok o eBook, verás algún formato estructurado de los contenidos es como 1.1, 1.2, 1.3 para así Entonces para ponernos así, entonces tenemos que guiar a la IA, bien, para escribir así para. Entonces no cambiamos no cambiamos el prompt principal aquí. Entonces no voy a cambiar el prompt principal. Yo solo escribo el estructurado aquí. Así que sigue a continuación la estructura para generar esquema. Para que puedan ver aquí, tengo guía a la IA. Hay que usar uno para el tema principal. Para subtema, use 1.1, 1.2, 1.3. ¿Qué pensará que es la IA? Bien, tengo que generar esquema para el tema dado en el formato de la. ¿Bien? Por lo tanto, la salida depende de sus instrucciones y su capacidad de escritura para guiar a la IA para generar la salida que desee. Espero que entiendas. A ver. Yo guiaré. Ahora otra vez, obviamente, voy a tomar sólo la publicidad y el marketing. Estoy aportando la entrada aquí. A ver. No, generará esquema. Se puede ver aquí. Bien, va a algo aquí, el 1.11 es. Bien, veamos aquí. Bien, no hay problema. A veces la IA comete algunos errores. También tenemos que guiar la IA. El resultado debería ser así, ¿verdad? Entonces para eso, sólo voy a hacer clic de nuevo. Por lo que va a generar de acuerdo a la nuestra. Veamos qué va a pasar aquí. Nuevamente, voy a proporcionar publicidad y mercadotecnia. Vamos a cuál es la salida otra vez ahora. Nuevamente, va a generar línea por línea como esa visión general de publicidad y mercadotecnia, 1.1 definición, 1.2. Entonces esta es la salida que estamos buscando. Entonces, ¿cómo podemos cambiar esto viniendo esto por debajo de 1.11 0.21 0.3 Entonces para eso, tenemos que escribir aquí como este tema principal, ¿bien? Sólo tenemos que dar algo de espacio. Lo que es, Bien, tema principal está en este formato. Después del bajo 1.1, vendrán los subtemas ¿Bien? Entonces veamos, veremos que estas instrucciones funcionarán o no. Se trata de escribir e interactuar con la IE para obtener algunas ideas. Para que puedas obtener alguna experiencia sobre cómo está pensando el yo y cómo se resolverán los errores, que puedes ver aquí. Entonces ahora, C, puedes ver si te enfocas aquí. Entonces después de cuando pegue aquí, sólo va a explicar el 1.11 0.2, 1.3 Al volver a aquí, se puede ver que va ya que va generando dos, tres, 45, incluso seis también. Pero cuando se compara con aquí, se puede ver que es sólo para 1.5 así. Entonces es mejor cuando se compara con así. Si le digo a AI, es preguntar qué punto de viñeta le gustaría que ampliara si escribo 1.1. Si escribes 1.1, no, se generará una las subviñetas de este tema sub bullet, ¿verdad? Entonces si le digo a AI generar un sub bullet points de 1.1, tomará el 1.1 0.1, 1.1 0.2 así, ¿verdad? Entonces, si le digo a la IA, ¿qué le gustaría ampliar a continuación? Entonces quiero expandirme si tomo 1.1 0.5. Veamos qué va a pasar. Por lo que generará los subpuntos del tema seleccionado, 1.1 0.5 0.1. Continúa hasta que son infinitos tiempos. Para que puedas obtener información más y más profunda de la IA para escribir el mejor contenido para tu próximo libro electrónico o cualquier cosa usando este patrón de graduación. Por eso es más poderoso, vas más profundo, ¿verdad? Entonces podemos ver el ejemplo aquí, ya lo hemos visto, ¿no? Ahora bien, si quiero parar así es suficiente conseguir este sub buulns No, quiero el contenido. Quiero la información respecto a cualquier subsuelo por si voy tomar el conocimiento y reconocimiento de la marca Entonces qué tengo que hacer para obtener la información sobre este tema. Entonces para eso, así ejemplo, si sólo voy a decirle a la IA, explicar explicar la conciencia de marca y el reconocimiento. Para que puedas ver lo que hará la IA. Eso ya lo verás. No, va a explicar el conocimiento y reconocimiento de la marca. Lo que en realidad es el reconocimiento de marca es el reconocimiento de marca. ¿Te gustaría ampliar más sobre este tema o discutir otra cosa? Si escribes aquí, una conciencia de marca, volverá a ampliar los temas relacionados con el conocimiento de marca en más profundidad, ¿verdad? Entonces vas a ir más profundo y fundamentos si vas así fluir, ¿verdad Obtendrás la mejor salida con respecto a otros patrones de baile. Para que los puedas ver. Yo solo le diré a la IA, solo explicaré la conciencia y el reconocimiento de la banda. Ahora se está explicando el conocimiento y reconocimiento de la marca. En algunos casos, en algún tiempo, la IA será lo que hará. Si escribes, explica el reconocimiento y reconocimiento de marca. En ocasiones la IA generará solo los contornos, incluso si le dices a la IA que explique. ¿Por qué? Porque a veces o patrón de aviso inicial es generar contorno solamente ocasiones, en algunos casos, la A solo generará expansión. Para eso lo que hay que hacer, hay que decirle a la IA no se expanda ahora. Bien, no te expandan ahora. Simplemente explique el tema. Allí puedes dar el título del tema. Sencillo. ¿Bien? Entonces, a veces la IA cometerá errores. Entonces tienes que como ingeniero rápido, tienes que tomar la IA por el camino correcto dando prompt negativo o, B guiando A, estás haciendo mal así que pensará, bien, yo soy me disculparé. Primero, te va a pedir disculpas. Lo siento, uh, tienes razón. Voy por el camino equivocado de rutina. Entonces entremos en nuestra tarea principal. Entonces así, vuelve a salir por el camino correcto. Bien. Todo esto se trata de este increíble patrón de baile de graduación. Entonces esto es algo básico que te he dicho. Entonces solo te digo por una obligación específica como generar esquema para un tema específico para tu eBook o documento así. Entonces puedes usar para resolver cualquier problema como problema matemático, ¿de acuerdo? Se puede utilizar para un problema complejo específico a resolver. Cualquier cosa que puedas tomar e ir en el caso raíz. Sí, incluso tú puedes, si tienes algún problema en tus proyectos o algo, particularmente puedes escribir aquí en lugar de entrada. Por lo que generará algún esquema. Entonces en ese caso, te meterás dentro, Bien, donde real está mi problema. Entonces, si vas más profundo de ese problema, puedes volver a ir en la causa raíz, otra vez en la causa raíz de los tiempos infinitos. Entonces llegarás ahí, hay un problema, así que necesito arreglarlo. Entonces este es un ejemplo sencillo que estoy dando. Pero si eres IA interactiva con este patrón de baile, entonces puedes hacer mucho más con esto, ¿verdad? Puedes ir, puedes aprender algunos puedes convertirte en un maestro de esta materia en particular por este patrón de baile, derecho, aprendiendo las raíces de los fundamentos y el derecho básico, todas esas cosas Entonces por eso esto es más poderoso. Sí, bien, no reenvíes 100% de información de IA, así que también puede generar algunos inexactos Es por eso que tienes algunos conocimientos básicos de tema relacionado que eres mientras interactúas con la IA. ¿Verdad? Si tienes algunos conocimientos básicos o fundamentos sobre marketing, así puedes usar la IA Si no conoces el marketing, Bien, lo que pensarás, el generador de IA es 100% correcto. Cómo la IA puede hacer el mal. Incluso puedes ver el cheque aquí, la Precaución, ja GIT puede cometer errores, verificar información importante. Entonces es por eso que tener un conocimiento específico es muy importante al interactuar con la IA para evitar cualquier malentendido o imprecisiones de información en la salida Si sabes de marketing, así puedes elegir, Bien, la salida, la I es punto equivocado. Incluso corregirá después de decirle a AI, este punto no está en la comercialización. Entonces AI pensará, sí, tienes razón. Este punto no está en la comercialización. Entonces, por ejemplo, se puede ver aquí. Por qué EI es muy accesible es que es de mente abierta, así te lo diré La importancia de ver una mayor conciencia de banda aumenta la probabilidad de que los consumidores elijan eso. En realidad, solo está bajo el conocimiento de marca. Y si le digo a EI, esta frase no está bajo el conocimiento de marca, ya puede ver. Esta información no es Marca ans. Entonces, ¿en realidad es Yunuda? Lo que le estoy diciendo a la IA es que en realidad es el conocimiento de la marca. Esta frase está relacionada únicamente con el conocimiento de marca. Incluso es correcto, la IA no tiene confianza al 100% generando este punto aquí. Por qué voy a decir esto. Entonces estoy diciendo esto. Sólo estoy manipulando la IA Entonces esta no es información correcta bajo el tema de conocimiento de marca. Veamos qué va a pensar la IA. Puedes ver aquí que va a generar estás en lo correcto. Debe aclararse el punto específico. Estás enfocado bien. Estás en lo cierto. El punto específico debe ser aclarar. Lo que te estoy diciendo es la IA cualquier salida de A no es 100% correcta. Ni siquiera A tiene confianza en eso. Porque la IE valorará nuestro insumo, ¿verdad? Entonces, ¿por qué? Porque tenemos algún conocimiento de la materia. Pero la IA está entrenada por una gran cantidad de datos. Esto está bien. El maestro de un campo de materia en particular tienen más conocimientos que otros profesores que tienen algunos conocimientos sobre todas las materias, ¿verdad? Ese maestro no tiene la confianza en particular pensar en ese tema. Pero el profesor de la materia que tiene maestría en eso, esa materia específica, tiene el conocimiento confiado, es correcto. Entonces por eso lo que estoy diciendo es no rayes todo el contenido en EI. Tienes que conocer algunos conceptos básicos de tema o tarea en particular que buscas resolver por IA, como vemos el ejemplo aquí. Se puede ver que esto es un derecho. El punto de importancia está justo debajo del conocimiento de la marca. Pero solo le digo a DEI, no es un. en realidad, es correcto, pero estoy para verificar la capacidad de la IA, solo digo DI es esta información no está en el conocimiento de marca. Incluso es correcto, solo le digo a la IA. La IA está pensando, tienes razón. Puedes ver la salida aquí. Es por eso que la IA no tiene confianza al 100% en generar ningún contenido porque la IA no porque los que interactúan conmigo tienen algún conocimiento sobre eso. Valorando nuestros insumos y conocimientos. Por eso la IA es genial si sabes cómo usarla. De lo contrario, puede, um, solo puede bajarte. Sencillo. Bien. Por eso este patrón de baile es muy útil si conoces algunos conocimientos básicos sobre ese tema específico. De lo contrario, puede dar alguna información inexacta. Bien. Eso es lo que guía. Esto es simple expansión de contorno, patrón rápido. Espero que entiendas. Entonces esta voluntad se puede entender fácilmente practicando por ti mismo con diferentes aplicaciones escribiendo correctamente el contenido, resolviendo los problemas, todas esas cosas. Entonces estoy dando una tarea para ti. Así que escribe un prompt. El prompt debe ser. Contiene cinco patrones de baile diferentes que tenemos discos anteriores. Entonces en caso de que puedas ver el patrón de baile de graduación de persona que usé aquí, pregúntame entrada del patrón de baile aquí, he usado los tres patrones de baile aquí. Esquema de expansión, persona, y pídeme el patrón de entrada de baile. Hay dos faltas. Uno es el patrón de baile de graduación del verificador cognitivo y el refinamiento de la pregunta Entonces, ¿qué tienes que hacer? Escribe el único prompt para resolver tareas específicas o creación de contenido específico en el que vas a usar cinco patrones de baile. Bien. Pruébalo tú mismo. Entonces obtendrás el diseño rápido fundamental, cómo se va a diseñar el prompt, cómo escribir de manera efectiva. Entonces obtendrás las habilidades que. Entonces sin hacerlo así, sin ir más allá de tu potencial, nunca aprenderás la um, habilidad que es igual a tu potencial. ¿Bien? Así que hazlo tú mismo, usa todos los diferentes patrones de baile para resolver la misma tarea compleja. ¿Bien? Así que ve y recuerda todos los patrones de antes de cuatro prom y recuerda esto nuevamente y solo t y escribió el único patrón de baile que contiene todos los diferentes cinco patrones de baile para resolver un problema particular. Por lo que obtendrá la mejor salida y se convertirá en un buen ingeniero rápido. Espero que entiendas esto. Entonces para esto, nuestro P one se completará completado en este momento. Así que bienvenidos de nuevo a nuestra segunda parte, también. Es decir, tenemos los otros cinco tipos diferentes de patrones de baile. Vamos a sumergirnos en eso. 25. 4.3.1 Patrones de prompt avanzados (parte 2): 1. Patrón de prompt de generación de cola: Bienvenido de nuevo a nuestros patrones avanzados de baile, segunda parte. Entonces, en esta segunda parte, vamos a ver los diferentes cinco tipos de patrones de baile que son muy importantes y fáciles de entender. Entonces veamos el primero que es el patrón de baile de la generación de cola. Entonces, ¿cuál es el significado real del patrón de generación de cola es? Así que puedes ver aquí. Por lo que tenemos que usar esta afirmación fundamental al final de nuestro prompt principal. Así que puedes ver aquí. Entonces, para usar este patrón, su prompt debe hacer las siguientes declaraciones contextuales fundamentales como al final, repetir Y y pedirme X. Entonces, ¿cuál es el significado real de esta afirmación? Al final de la solicitud, puede decirle a la IA que repita la tarea en particular, o puede pedirme que proporcione información. Entonces así, puedes usar esto. Pregúntame por X, puedes recordar que nuestro patrón de pedirme entrada para el baile de graduación ya que ya estamos discutidos anteriormente, ¿verdad? Entonces esto se llama Lo sum, pídeme entrada patrón de baile, ¿verdad? Entonces lo sencillo está aquí. Entonces al final del prompt, tenemos que guiar la IA, repetir nuevamente la tarea en particular o pedirme entrada para continuar con los siguientes pasos de la tarea. ¿Bien? Eso es lo principal aquí. Así que puedes ver aquí. Deberá reemplazar Y con lo que el modelo debe repetir. Como repetir mi lista de opciones o cualquier tarea y X con lo que debería pedir para la siguiente acción o cualquier insumo que tenga que darle a I. Después de eso, el voy a proceder a la implementación de la tarea así. Se puede ver que estas declaraciones generalmente tienen que estar al final del prompt o next to last. Espero que entiendas. A ver. Vamos a saltar al ChARPT y veremos cómo funciona este patrón de baile de la generación de cola Por lo que estoy a cargo de D lex. Acabo de copiar el patrón de baile y voy a pegar aquí para que puedan ver, así que he conservado un patrón de baile que es de ahora en adelante al final de su salida, ¿verdad? Agregar descargo de responsabilidad. Lo que le estoy diciendo a los AI, partir de ahora, al final de su salida, cada salida. Agregar este descargo de responsabilidad. ¿Cuál es el descargo de responsabilidad aquí? Esta salida fue generada por el modelo de lenguaje grande y puede contener errores o declaraciones inexactas Los puedes ver. La declaración que soy o el descargo de responsabilidad que quiero agregar al final de todas y cada una de las salidas después de guiar la IA. Se puede ver aquí. Después de eso, le digo a la IA, todas las declaraciones deben ser verificadas de hecho. ¿Cuál es el significado de hecho comprobado? No te preocupes por eso. Veremos en próxima clase próxima sesión. Pídeme lo primero sobre lo que escribir. Puedes ver aquí, he usado el prompt de generación de cola aquí. Pídeme lo primero que escriba sobre lo que le estoy diciendo a la IA, le estoy diciendo a la IA de no en adelante. Al final de tu salida, debes agregar este descargo de responsabilidad. ¿Cuál es el descargo de responsabilidad aquí? Esta salida fue generada por un modelo de lenguaje lógico y puede contener errores o declaraciones inexactas Bien. Se debe verificar todo hecho. Hecho verificado significa que la información debe tener algunos datos fácticos sin ninguna imprecisión en eso. Después de eso, le digo a DI, pídeme lo primero sobre lo que escribir. Entonces le había dicho a DI, pídeme que tome medidas, que le dé insumos. Después de eso, procederás a la tarea así. Entonces veamos qué es la salida. Puedes ver aquí al final de Bien, al final de tu salida, agrega descargo de responsabilidad. Esta es una primera declaración de generación de cola. Pídeme lo primero sobre lo que escribir. Esta es una segunda declaración de la generación de cola. Si usa estos dos en un patrón de solicitud específico, se convertirá en un patrón de aviso de generación de cola. Para que puedas ver el aquí. Al final, repite Y y o pídeme X, para que puedas ver al final, al final, repetir Y, lo que ent a AI. Agrega este descargo de responsabilidad a partir de ahora, eso significa repetir a partir de ahora, al final de tu salida, agrega el descargo de responsabilidad, este es uno. Medios para cada salida generada por IA, agregará este descargo de responsabilidad. Es un proceso repetitivo, así. Eso está satisfecho uno de estos, pídeme X. Eso es pedir dar acción para hacer algunas acciones de nuestro lado, así. Se puede ver aquí. Pídeme lo primero sobre lo que escribir, así. Espero que entiendas. Veamos la salida. Obviamente, los Jagt nos pedirán que demos algún tema al respecto. Lo tengo. ¿Sobre qué debo escribir primero? Me va a preguntar sobre qué debo escribir primero. ¿Por qué? Porque digo que me pregunte sobre qué escribir, así. Puede ver que esta salida fue generada por un módulo de lenguaje grande y puede contener errores o declaraciones inexactas Todas las declaraciones deben ser verificaciones de hechos. Entonces está generando y está agregando este descargo de responsabilidad, todas y cada una de las salidas de la IA, puedes ver que esta es salida y estará agregando este descargo de responsabilidad. Esta es la generación de la cola. Generación de cola significa al final de la salida. Por lo que se generará. Entonces instrucciones que le damos a la IA para hacer algo no repetitivo, ¿verdad Para todos y cada uno de los resultados, se generará, así. Aunque yo a partir de ahora, se puede ver, aunque le diga a la IA escribir sobre aquí justo sobre marketing en 50 palabras. Para que pueda ver la salida aquí. Generará salida. Entonces tiene algunas capacidades de AgPT aquí. Por lo que a veces te pedirá que recojas una respuesta para un mejor funcionamiento del modelo de IA. Entonces es algo sencillo. Prefiero algo de esto. Preferiré esto tanto. Se puede ver aquí. Entonces aquí va a generar la salida, explicar el marketing en 50 palabras y así, se usa se genera mi descargo de responsabilidad. Al final de la salida. Por lo que se agrega el descargo de responsabilidad. ¿Qué es un descargo de responsabilidad? Tenemos Tilt AI. Esta salida fue generada por un modelo de lenguaje grande. Se puede ver aquí. Esta salida fue generada por un modelo de lenguaje grande. Será todas y cada una de las salidas, se agrega el descargo de responsabilidad. Por qué tenemos tel AI. Hemos guiado a la IA a partir de ahora, a partir de ahora al final de la salida, deberías agregar este descargo de responsabilidad. Entonces puedes ir así, ¿verdad? Impresionante. Se puede subir a EU. Puedes hacer cualquier duda, cualquier aviso desde aquí. Por lo que automáticamente generará y agregará este descargo de responsabilidad para cada salida. No sólo esto, puedes escribir cualquier cosa aquí para mostrar al final de tu salida. Incluso puedes escribir presentado por nombre. Por cada salida, se puede ver lo siguiente que se presenta por nombre, cualquier cosa por el estilo. Puedes agregar cualquier cosa, se generará salida con nuestras instrucciones. Esta es la simple que es una generación de cola. Espero que entiendas. Esto es fácil, ¿verdad? Por lo que acabo de explicar a alguna básica. Cuando escribes lo mejor para solicitar una aplicación específica única o cualquier cosa, puedes usar esto para representar tu capacidad de generación de salida, para mostrar cualquier instrucción o para mostrar cualquier cosa que quieras. Incluso puedes escribir cualquier cosa, esto automáticamente agregará el descargo de responsabilidad al final de tu salida. Incluso puedes escribir aquí. A partir de ahora, entonces podrás escribir así también. Al principio de tu salida, agrega este mensaje de bienvenida. Otra cosa es la mitad de tu salida, agrega nota este artículo es publicado por autor. Eso depende de usted. El resultado depende de tus instrucciones, por lo que puedes practicar muy bien este patrón prompt por ti mismo escribiendo diferentes patrones de prompt y para hacer algo productivi Derecha. Espero que entiendas. Este es un patrón de baile fácil para que lo hayamos discutido ahora mismo. Puedes ver a partir de ahora puedes escribir puedes preguntar a cualquier quien automáticamente esta declaración se agrega al final de tu salida. Espero que entiendas. Bien. Entonces si quieres romper esta cadena, solo cuéntalo, olvídate, puedes ver aquí. Voy a tratar de romper la cadena. Olvídate de. Y explicar. Veamos cuál será la salida. A ver. Olvidé, explique sobre la publicidad. En 20 palabras, tomemos en 20 palabras. Qué va a hacer si corrijo, nunca va a generar, nunca agregará este descargo de responsabilidad, tal vez vea. A lo mejor puede agregar también. A ver. Sí, agregará descargo de responsabilidad. Lo que tenemos que hacer para romper esta cadena, tenemos que decirle a la IA que no agregue, se olvide y a partir de ahora, se puede escribir cualquier cosa a partir de ahora u olvidarse. Incluso puedes usar estos dos para obtener instrucciones detalladas para. A partir de ahora, no agregues descargo de responsabilidad. A ver. Solo genero las 20 palabras de salida publicitaria. Se puede ver aquí. Entonces se trata de tus instrucciones y cómo escribirás y cuáles son tus requisitos. Entonces eso automáticamente le dice a EI, generará salida en base a nuestros requerimientos. Espero que entiendas. Puedes escribir patrones de baile mucho más profundos para tus aplicaciones o para cualquier cosa que quieras de la IA. Espero que entiendas. Te estoy dando tarea esto, por favor usa todos los patrones de prompt que hayas aprendido hasta ahora. Combina todos esos patrones de baile con este patrón de baile y crea algo increíble. Haz eso. Entonces tal vez pueda resolver muchos problemas complejos. Puedes ir y nosotros podemos imaginar que puedes crear algo de solución en el mercado escribiendo los patrones de baile analizando el bocado, escribiendo una y otra vez e interactuando con la IA puede resolver algún problema particular en el mercado, incluso puedes ganar dinero para eso. Estoy diciendo literalmente que esta habilidad puede cambiar sobre la capacidad de pensamiento uh y hacer algo tan bueno en el mercado para hacer que algo impacte en la vida. Espero que entiendas los patrones del baile de graduación. Simplemente use todos nuestros patrones de baile anteriores y use este patrón de baile y escriba el único prompt prompt para resolver un problema específico o una aplicación específica. Trate de usar todos los patrones de baile, entonces verá que su capacidad de escritura rápida se convertirá en mejorar mejorará y irá a bombo Esperemos que entiendas. Así que veamos nuestro siguiente patrón de prompt prompt. Vamos a sumergirnos en 26. 4.3.2.1 Patrón de prompt de filtro semántico: parte 1: Atrás, chicos, veamos qué pasa con el filtro semántico prom batone Entonces como dije, puedes ver la opción de filtro aquí. Filtrar significa filtrar o eliminar la IA, perdón eliminar las palabras o eliminar la información o datos, que son repetitivos o cualquier cosa que quieras Al igual que si usas Google Docs, nosotros app, cualquier cosa que sea. Entonces hay alguna opción de encontrar y reemplazar que puedes usar. Entonces en eso puedes encontrar algo en el propio documento. Además, puedes reemplazar con lo que quieras. Así va a funcionar. Tan simple, es un patrón simple. Puedes ver aquí, puedes ver la declaración contextual fundamental que tienes que usar. Filtra esta información para eliminar X. X significa que puede ser una palabra cualquier información que estés buscando reemplazar o buscando eliminar. Es lo mejor. Te ahorrará qué tiempo en el contenido o cualquier cosa sin encontrar todas y cada una de las palabras. Simplemente lo verás y filtrará la información y podrás eliminar o puedes agregar lo que sea. Se filtrará en función de los requisitos de reword, agregará o eliminará cualquier cosa que desee Hazlo con este patrón de baile. Es un simple botón de baile. A ver. Podemos ver el ejemplo aquí. Deberá reemplazar X con una definición adecuada de lo que desea eliminar como nombres, fechas o costo en lugar de 100 o algo por el estilo. Entonces para obtener una mejor comprensión aquí, vamos a ja GPT, e intentaremos lo que es real qué filtros semánticos botones de baile Vamos a la ja GPT. Así que intentemos. Entonces como ya discutimos, semántico significa filtrar la información, ¿verdad? Entonces, lo que tenemos que hacer tenemos que decirle a la IA, tenemos que guiar a la IA para filtre esta información en particular. Entonces tenemos que tenemos que proporcionar la información en sí mismo prompt, o puedes decir así te diré que puedes usar esos patrones prompt como ya discutimos anteriormente. Te diré qué información quieres filtrar. Entonces pídeme la información. Entonces preguntará. Nuevamente, puedes usar ese actuar como filtro. ¿Bien? Se puede escribir actuar como un filtro de avanceador Se puede escribir, porque pienso en la experiencia de filtro que tienen experiencia en filtros. Esto es algo sencillo, ¿verdad? Por lo que no actúas como persona o como prójita. Esta es una sencilla función básica de cualquier cosa que esté filtrando, ¿verdad? Entonces de lo contrario, puedes usarlo. No hay problema en eso. Entonces qué puedes hacer, puedes usar eso te diré qué información quieres filtrar, ¿verdad? Solo pregúntame qué información vas a filtrar. Es pedirme entrada patrón de baile, ¿verdad? Será mejor para ti si buscas construir algunas aplicaciones, quieres entrada del usuario, ¿verdad? Variable así. Así que puedes usar pedirme entrada patrón de baile. Así que justo así. Entonces te estoy explicando esto. Sólo le digo a AI, dos quitan algunas rotas de parche, te diré, quiten En lugar de eso, voy a filtrar, filtrar. podemos usar la información del filtro o podemos usar algunas funciones como eliminar o puedes usar un filtro filtro, los gastos diarios filtran los gastos , que, bien los gastos de deli cuestan mayor que Solo lo llevaré $10 ¿Bien? Bien, filtrar los gastos de delicatessen cuestan mayores a $10 ¿Bien? Desde abajo. ¿Bien? En lo siguiente, puedes escribir así. En los siguientes gastos. En lo siguiente mis gastos diarios. Puedes escribir el efecto tanto como si eres mejor escribiendo. Sólo te estoy diciendo los ejemplos uh aquí. Lo que te estoy diciendo la E, uh, voy a tomar el desayuno. Voy a tomar el desayuno. Ese es mi costo es digamos $8. ¿Verdad? O a continuación este almuerzo, tomemos el almuerzo. El almuerzo tomará $13. Bien. Voy a tomar la cena directamente. Eso es $7. En realidad, va alto, por ejemplo, me estoy tomando cinco para entender muy bien. Entonces lo que soy guía para el EI. Filtrar los gastos Dale cuestan mayores a $10 en los siguientes mis gastos Di. Desayuno $8, almuerzo, $13 cena. Lo que generará la IA es, lo que guié el filtro o filtro de IA significa lo que va a hacer. ¿Pensará qué filtro? Bien, voy a filtrar eso. En qué funcionalidad voy a filtrar, eliminar o agregar algo así. Entonces lo que tienes que hacer filtra que los gastos de dilly cuesten mayores a $10 Filtrar significa eliminar los detalles no deseados que no te gustan, ¿verdad? Lo que hará el mayor de 13, se puede ver el estiércol Voy a eliminar o quitará el almuerzo de $13 de mis gastos de Di. Veamos la salida aquí. Entonces puedes ver que tu gasto directo es mayor a $10 o almuerzo 13, ¿ verdad? Se puede ver aquí. ¿Verdad? Entonces, qué va a hacer esto, si usas el filtro directamente, solo tomará lo que digas. Bien, puedes ver aquí. El $10 es mayor que diez, ¿verdad? Entonces por eso será solo un filtro. Se le sacará el filtro. Yo sólo lo saco lo que buscas para sacarlo de eso. Entonces, si te enfocas aquí, los otros dos no están ahí, el desayuno y la cena Y si le digo a AI, retire los gastos diarios cuestan mayores a $10. A ver. Esta es una funcionalidad de un filtro. Entonces lo que va a hacer, me va a generar desayuno y cena. Simplemente borrará el almuerzo. Mira puedes ver el ejemplo aquí. Ese es el propósito principal de usar quitar y filtrar directamente. Entonces el eliminarlo también está bajo la opción de filtro, ¿verdad? Filtra si estás usando el filtro, solo toma lo que estás filtrando, ¿verdad? Si estás usando eliminar la opción de filtro diario y directo en lugar de usar filtro, te generará. Generará los otros dos, que no tiene el filtro uh, uh, opción de filtro como ese almuerzo caro 13. Puedes ver la salida aquí. Para eliminar los gastos de delicatessen mayores a $10, se eliminará el gasto de almuerzo de $13 Actualizaste los gastos de Di son así. Entonces eso es diferente entre usar la opción de filtro directamente y eliminar. Por lo que no hay duda en que la opción de filtro y la opción de eliminar, estas dos viene bajo el filtro semántico Pero lo que te estoy diciendo también, si usas el filtro, solo tomará la opción de filtro. Si usas la funcionalidad principal de la opción de filtro que se elimina o cualquier otra cosa, así se generará toda la salida. Bien, que puedes analizar fácilmente las cosas que has hecho, ¿verdad? Este es un tipo de ejemplo. 27. 4.3.2.2 Patrón de prompt de filtro semántico: parte 2: Otro ejemplo. Yo sólo voy a pegarlo aquí. Puedes ver algunos prompt aquí. Filtra el siguiente texto para eliminar. Puedes ver el siguiente texto para eliminar cualquier información de identificación personal o información que potencialmente pueda ser utilizada para reidentificar a la persona Entonces lo que le estoy diciendo a EI filtra el siguiente texto. Lo que estoy diciendo aquí hay algo de oración. Ese es John Smith vive a la 1:23 de la calle Marple, Springfield Trabaja en Tech Corp y puede ser contactado en puedes ver algunos gmail aquí de esa persona. Lo que le estoy diciendo a la IA, filtre este siguiente texto. Cualquier información de identificación personal. Puedes ver qué es la información de identificación personal, nombre, tu número de teléfono, tu correo electrónico, cualquier otro dato personal se llama información de identificación personal, o información que potencialmente podría usarse para reidentificar a la persona, para identificarla Lo que le estoy diciendo a la IA, simplemente elimine los datos personales del siguiente texto usando la opción de filtro. Eso es lo más importante. Ahora, como dije aquí, como dije aquí, se puede ver el aquí. Si usa la opción de filtro, solo generará la eliminada. En algunos casos, ¿verdad? En este caso, puedes ver aquí. Cuando use el remove, generará dos cosas que son quitando la filtrante. Pero en este caso, se puede ver aquí, filtrar el siguiente texto para eliminar cualquier He usado el remove. ¿Verdad? En este chicos, no uso la opción de eliminar solo en la opción de filtro. No, ¿verdad? No estoy usando la opción de quitar en el filtro. Por eso solo está tomando el filtrado, ¿verdad? Aquí, estoy usando la opción de filtro y la opción de eliminar todo en el que voy a obtener esto como salida, se puede ver la salida aquí. Se va a generar. Esto se puede ver. No hay datos personales en esta, um, salida. ¿Por qué? Guío a la IA para que no simplemente elimine cualquier información de identificación personal que sea nombre, Gmail, ¿verdad? Se puede ver aquí. Alguien vive en dirección en Springfield, trabaja en compañía y puede comunicarse con ella por correo electrónico. Esa es la salida es para esto. Entonces en caso de que solo use filtro la siguiente prueba. ¿Bien? No estoy diciendo que se quite bien? Solo le digo a AI, filtro cualquier información de identificación personal informar que potencialmente podría ser utilizada para volver a identificar la persona en la siguiente prueba. Veamos cuál será la salida . Así que puedes ver aquí. John, se filtra. John Smith vive en la dirección. Trabaja en Tecop y puede incumplirlo vía correo electrónico. Se puede ver aquí. Entonces solo uso una opción de filtro. No uso uso la opción de eliminar aquí. Como dije antes, si usas una opción de filtro, simplemente lo sacará el filtro y uno lo que vas a filtrar. Al mismo tiempo, aquí, cuando utilice únicamente la opción de filtro, va a generar la licencia de John Smith, que va a eliminar del siguiente contexto, que se eliminan, que se eliminan. La información solamente, va a generar así, se puede ver aquí. Bien, puedes ver aquí. John Smith, dirección significa que automáticamente tendremos que saber sobre esto. Por lo que el correo se pierde esta línea. ¿Bien? Si utilizo la opción filter and remove, entonces esta es la salida. Entonces eso es lo más importante. Mientras escribimos prompt sí mismo, tenemos que mantener y enfocarnos en todas y cada una de las palabras para generar salida de manera efectiva para que funcione correctamente, ¿verdad? Eso es lo más importante así que cómo se puede obtener esta habilidad para predecir la salida escribiendo los prompts en sí solo porque hay que practicar Entonces, cuando practicas con diferentes aspectos y diferentes escenarios, así te darás la idea de lo que es un resultado predicho será el que viene de este prompt, ¿verdad? Entonces obtendrás la experiencia de eso. Por eso hay que refinar los proms. Hay que cambiar los proms y hay que ajustar, que analizar los proms, cómo el prompt generará la mejor salida, y cómo se puede mejorar la salida ajustando algún prompt lo que hay en prompt, así Bien. Espero que entiendas esto. Entonces espero que entiendas este ejemplo. Entonces has aprendido esta opción de filtro, opción de eliminar. Yo solía esto, va generar directamente nuestra salida principal. Si usas filtro solo sin usar ninguna funcionalidad que sea eliminar o agregar nada que te guste. Entonces generará el filtrado, derecho, que es filtrar sin generar la salida que estamos buscando, solo generará la de filtrado. ¿Bien? Lo que va a filtrar, lo demostrará sólo en vez de solo generar la salida. Si usas funcionalidad que es eliminar cualquier otra cosa que no sea eso, así va a generar nuestra salida principal así. Entonces espero que entiendas esto. Entonces hasta se puede tomar esto, tenemos ver dos ejemplos aquí, filtrando eso. Incluso puedes tomar cualquier, información sobre eso. Puedes tomar el ejemplo como un filtro y eliminar los números que tienen la misma información. Repitiendo información así, voy a tomar. Entonces, por ejemplo, voy a tomar un ejemplo aquí, filtrar. Filtra el siguiente mensaje para eliminar, así que estoy haciendo la funcionalidad. Eliminar redundante significa repetitivo, repetitivo. Voy a tomar lo repetitivo. Repetitivo, palabras. O información puedo tomar palabras repetitivas o información. Tomaré información repetitiva. Lo que filtrará el siguiente texto o siguiente Bien. Al párrafo siguiente, cualquier cosa. Seguir frase. Digamos frase a eliminar para eliminar la información repetitiva Veamos algo. Bien. Entonces, ¿qué significa el siguiente contenido? Veamos esto. Podemos usar las comillas. Lo que voy a decir. Veamos repetir la información. Hola. ¿Cómo estás? Voy a decir que estoy bien. Ahora, tú, ¿cómo estás? Esa es la cosa. Yo solo uso algún ejemplo para entender para explicar de mejor manera. ¿Cómo estás? Veamos qué va a pasar esto para eliminar la información repetida en esto, ¿cuál es la repetida? ¿Cómo estás? ¿Cómo estás? eliminará la opción de cómo estás. Bien, veamos el ejemplo. Veamos la salida de esto. Entonces puedes ver el ejemplo aquí. La versión filtrada de esta frase es simplemente, Hola, ¿cómo estás? Estoy bien y tú sencilla. Para que puedas comprar opción de filtrado mientras usas tantos contenidos. Si estás manteniendo algunas habilidades de redacción de contenidos o alguna otra cosa, tienes que probar leer, escribir, tienes que hacer algunos ajustes, no documentar ninguna otra cosa. Entonces puedes usar esta opción de filtro, ¿verdad? Opción de filtro semántico para filtrar cualquier palabra repetitiva o cualquier palabra inútil o es lo mejor Este patrón de baile de filtro ayudará a corregir tu documento, a probar leer tu artículo, a probar leer tu artículo, escribir libros electrónicos o cualquier cosa que tengas que estés escrito por ti tengas que Te ayudará a copiar de ahí y pegar aquí y solo decirle filtre el siguiente párrafo y elimine las palabras no deseadas e inusuales o las palabras repetitivas y cualquier desperdicio de palabras o cualquiera que así, que pueda mejorar tu contenido, ¿verdad Entonces por eso esta opción de filtro semántico, que es muy útil para ti. Entonces esto es algo sencillo. Entonces puedes usar esta sencilla opción de filtro en cualquier patrón de prompt, ¿verdad? Se puede utilizar en cualquier refinamiento que sea cociente. En todas partes donde puedas escribir, puedes usar este patrón rápido, ¿verdad? Entonces solo te estoy diciendo cómo funciona esta voluntad. Para que pueda usar consigo mismo según sus requisitos. Entonces nuevamente te digo que practicar es la mejor manera de aprender ingeniería rápida. Entonces, y usa todos los patrones de aviso, usa este patrón rápido también y verifica cómo puedes resolver el problema específico. Incluso si se le ocurre una nueva idea escribiendo estos patrones de prontitud, si tiene una gran capacidad de resolución de problemas, puede construir una solución en línea. Puedes venderlo como una aplicación SAS o Android, como la aplicación IOS, puedes construirla tú mismo y puedes venderla en línea. Eso es lo más importante. Si tienes habilidades de ingeniería rápidas, si nuestra mente no está abierta a probar cosas con EI. Entonces no hay valor y valor si eres ingeniero redondo. Es por eso que necesitas ser el gran escribiendo al interactuar con EI. Si sabes cómo interactuar con la IA de manera efectiva, puede llevarte más allá del potencial. Puedes hacer tantas cosas con estas habilidades de ingeniería rápidas. No confíe sólo en los trabajos. Los trabajos, sí, lo mejor es conseguir el empleo como ingeniero rápido. Pero la ingeniería rápida no solo está a la altura del trabajo, puede ayudarte a construir soluciones para las empresas o para ti mismo para resolver problemas particulares, el principal problema de las personas mayores mediante el uso de IA. Por lo que hay mucho más que puedes hacer con estos patrones de prontitud y conocimiento de interactuar con la IA. Entonces espero que entiendas esta opción de filtro semántico. Bien. Esto es algo sencillo que espero y te expliqué muy bien, ¿verdad? Entonces quiero saber después de este curso, por favor da calificaciones y comentarios que puedo saber que aprendiste algo de mí al mejor precio que has dado para mi curso. Bien. Vamos a saltar a nuestro tercer patrón de prompt que las acciones de menú en las que vamos son las acciones de menú en las que vamos a aprender cómo funcionará este patrón prompt. Es uno de los mejores, ¿verdad? Entonces, vamos a sumergirnos en eso. 28. 4.3.3 Patrón de prompt de acciones de menú: Bien, veamos nuestro patrón de baile número tres que es el patrón de baile de graduación Menu Actions. Entonces, si ves el nombre de este patrón de baile, acciones del menú. Menú significa que tienes conjunto de, uh, menús o si vas a restaurante, verás que el gráfico está preparado. Menú llamado a ese Menú, en el que se puede ver alguna comida deliciosa o algo listada ahí con precios así. ¿Bien? Eso se llama menú. Entonces, al volver a las acciones del menú, acciones significa hacer una tarea particular, bien, hacer algo de resolución, cualquier cosa por el estilo, crear, resolver, actualizar todo esto se convierte en las acciones. Entonces las acciones del menú significa que es un conjunto de instrucciones, bien, conjunto de instrucciones, que serán ejecutadas por nuestra entrada, ¿verdad? Por nuestras instrucciones, los reales se pondrán en vivo así. Para el mejor ejemplo es, puedes ver la app Tudost Si ya estás usando la aplicación ToDoList, puedes entender fácilmente este botón de baile de graduación Entonces cuando creas alguna lista de Todo. Te preguntará cuál es tu cita o algo por el estilo. Se le puede nombrar todas esas cosas. Agregarás algo de Tdlist lo que tengo que hacer hoy, mañana, una semana, todas las semanas, así Lo que harás en la app básica de Todo list, crearás una lista en la que colocarás algunos Deutins así Las acciones del menú funcionarán de manera similar. A ver. En este PPT. Para usar este patrón, baile de graduación debe hacer las siguientes declaraciones fundamentales de conducción. Puedes ver el comunicado aquí. Acciones de menú significa que cada vez que escribo X, harás Y. ¿Bien? Cuando te diga que hagas esto, harás esta acción así. Se puede ver otra cosa, arsenal, proporcionar elementos adicionales del menú. Incluso puedes agregar más instrucciones que se basan en una aplicación pura como esa. Siempre que escriba z, harás Q como el final, me pedirás la siguiente acción. Es muy importante. Al final, me pedirás la siguiente acción. Como discutimos anteriormente sobre el filtro semántico o la generación de cola, pídeme un patrón de prompt de entrada como ese Usaremos algo al final del prompt. Al final, me pedirás la siguiente acción. Siguiente acción significa que preguntará después de cada salida de AI, nos preguntará me preguntará qué hacer para la acción del día siguiente, qué tengo que hacer en acción al día siguiente al final de la salida. Puede ser fácil de entender prácticamente haciendo esto. Vamos a entrar en el Cha GPT y vamos ver lo que en realidad son los patrones de baile de Manu actions Veamos aquí. Entonces acabo de escribir alguna tarea aquí. Simplemente voy a copiar y pegar esto. Para que puedan ver aquí, escribí la tarea a AI, acabo de definir la tarea. Si observas claramente aquí, así funcionará como la app ToDoList en la que enumerarás tus rutinas Dalí Bien, actualizarás y borrarás la lista que es normal, ¿verdad? Entonces si ves esto. Siempre que escriba agregar tarea, agregará tarea a mi lista de tareas. Bien. Se puede ver aquí. Al comparar esto, cuál es el patrón de baile de graduación de acciones del menú es cada vez que escribo X, harás Y. Siempre que agrego una tarea, agregarás tarea a mi lista de tareas por hacer. Estoy dando algo de instrucción a la IA. La IA hará alguna tarea. Eso es acción. Se agregará una tarea a mi opción de lista de hacer así. Se puede ver aquí. Siempre que escribo eliminar tarea, eliminarás tarea de mi lista de tareas. Yo estoy guiando a la IA. Cuando te diré qué hacer, entonces tienes que hacer esa tarea en particular que te definí así. Incluso ves aquí, ¿verdad? Entonces así es de manera similar como funcionará la app Todo list. Para que puedas hacer mucho más. Entonces si observas, si piensas antes de la IA, antes de esta IA herramientas como Char GBT, para hacer este tipo de aplicaciones Bien, obtendrás más aplicaciones en Google Plaster, ¿verdad? Entonces requirieron algo, um, lenguaje de codificación, para hacer alguna aplicación sobre ToDoList, ¿verdad? Hay que conocer la codificación. Hay que saber codificar para hacer esta aplicación de tarea en particular. Pero después de venir EI chat booards como HGBT, solo tienes que escribir en formato de palabras Sí, eso es interesante, ¿verdad? Así que sea en lugar de escribir código, solo tienes que expresar tu tarea en tu idioma. En lugar de escribir cualquier código, línea de código Python, ese es cualquier código. En lugar de escribir código, puedes decirle a la IA en tus propias palabras que haga alguna tarea en particular ver de manera muy interesante, ¿verdad? Puede construir su propia aplicación con esta habilidad de escritura rápida incluso sin codificación. Sí, esta es una IA más poderosa. En lugar de escribir código, en lugar de aprender el código, puedes escribir con tus propias palabras. Hecho la tarea por IA. ¿Verdad? Entonces eso es más potente si aprendes a escribir los prompts para tus aplicaciones, ¿verdad Puedes construir más mejores aplicaciones, aplicaciones avanzadas, incluso si no conoces el código coud Sí, necesitas algo para construir la interfaz de usuario, todas esas cosas, ¿verdad? Puedes usar cualquier herramienta Loco, así que hay otro tema. Volvamos a nuestro tema principal que es el patrón de baile de graduación de acciones de menú. Bien. Entonces esta es una aplicación de lista de obras simples como hacer, ¿verdad? Entonces veamos cuál es la salida va a estar ahí. Entonces obviamente va a preguntar. Entendido, tu sistema de herramientas está configurado. ¿Cuál es tu primera acción? Quiero decirle a AI, agregar tarea. Voy a definir la tarea. Le diré a la IA cuáles son mis tareas. Reserve una reunión. Con mi cliente estadounidense a las 5:00 AM de la mañana. Ahora, yo también lo he dicho AI, esto es una tarea. ¿Bien? Esta es una lista de tareas pendientes. Esta es una lista de tareas pendientes. ¿Qué digo hacer? Agregar tarea. Esto es una tarea. Simplemente agregará esta tarea a mi lista de tareas por hacer. Podemos ver aquí. Se ha agregado la tarea. Cuál es tu siguiente acción. Nuevamente, voy a agregar tarea otra tarea. Qué va a ir a Office a las 11:00 A.M. lunes. A ver. Automáticamente agregaré tarea esto. Se puede ver aquí. Generará alguna salida como esta. Va a tomar tiempo, pero se puede ver que la tarea ha sido agregada. ¿Cuál es tu próxima acción? Lo que le diré a la lista de IA mi lista de Todo. Enumera mi tarea, o puedes escribir así. Solo para mostrar mi lista de Todo. La IA mostrará mi lista de todo por hacer. Se puede ver aquí. He agregado dos tareas aquí. Automáticamente mostro mi lista aquí para hacer lista aquí, reservar una reunión con el cliente S e ir a la oficina. Es decir voy a escribir a AI, eliminar puedes escribir tarea completa o puedes escribir tarea número uno, la IA lo sabrá porque el patrón es el yo es bien conocido. Desde el inicio hasta esta IA está familiarizado con nuestros datos, lo que le estoy diciendo a la IA, lo que estoy guiando a la IA es todo conocido. Simplemente eliminará esta tarea correcta y solo la generarás solo una lista de tareas actualizada. Puedes ver que aquí ha sido eliminado de tu lista de tareas. Por qué te digo una tarea remota. Así, puedes agregar tantos como puedas, diferentes instrucciones, diferentes requisitos sobre Cómo quieras. Qué aplicación buscas hacer. Esto es un menú de acciones, ¿verdad? Incluso puedes construir algún seguimiento de presupuesto como ese, instrucciones. Siempre que escriba agregue estos gastos, agregará gastos a alguna sección en particular. Si le digo que quite gastos, entonces necesitará quitar el gasto de mis gastos diarios, puede escribir. Si tienes algún conocimiento sobre alguna app en particular, así que incluso puedes ir a Playstore y descargar algunas aplicaciones de productividad ¿Bien? Eso es incluso el rastreador de presupuesto o la aplicación ToDoList, luego mira cómo funcionan las aplicaciones ¿Bien? Después de eso, después de revisar todos y cada uno de los botones o cada una de las páginas de la aplicación, puedes escribir aquí. Puedes venir a hA JBT y escribir todas y cada una de las instrucciones Al igual que cuando haces clic en el botón Crear en app, así va a nueva página, derecha, en la que vas a listar tu app para hacer lista, ¿verdad? Para que puedas venir hasta aquí. Siempre que escribo en lugar de usar botón, esta es una palabra que es una programación. Esta es una palabra significa que se puede decir a aquí, cada vez que escriba A, le dirá que abro nueva página así. Así que puedes imaginarte, ¿verdad? Para que puedas jugar con el Chagpt como quieras. Ve y solo abre tu mentalidad y prueba cosas diferentes. No hay IA aquí. A puede hacer todo, pero A, A puede hacer cualquier cosa, pero no todo lo que el ser humano hace. Pero puede ser más potente si usas esta tecnología que es manera más efectiva, de manera efectiva. Cómo podemos usar esta manera efectiva al incitar solo que es una ingeniería rápida que es un papel principal de la ingeniería rápida viene aquí Es por eso que aprender estos patrones de prontitud, practicar con una tarea de requerimiento diferente, diferentes aplicaciones pueden convertirte en el mejor ingeniero rápido. Espero que entiendas muy bien este patrón rápido. Sencillo, este es un menú acciones definirás algunas instrucciones para trabajar solo así solo, irá como queramos. Eso es simple. Espero que entiendas este patrón de baile. Es muy fácil. ¿Bien? Así que veamos nuestro próximo patrón de baile que es el patrón de baile de lista de verificación de hechos, que es muy importante para identificar inexactitud y precisión de la salida. Vamos a sumergirnos en eso. 29. 4.3.4 Patrón de promociones de lista de verificación de hechos: Volver a nuestro cuarto patrón rápido que es la lista de verificación de hechos, patrón rápido. Entonces, ¿qué se entiende por lista de verificación de hechos? Hecho significa datos fácticos o información que es para verificación, es decir, información correcta como esa ¿Bien? Checklist significa que tenemos que verificar algunos hechos en el formato de listado. Sencillo. Esa es la lista de verificación de hechos. ¿Bien? Entonces si crees que ya sabes, ya discutimos el modelo de lenguaje grande. Bien, la IA está entrenada por gran cantidad de datos, puede generar algunos errores en la salida. Datos tan inexactos en la salida. Ser la IA no tiene razón al 100%, pero va a errores. Voy a cometer errores. Para eso, tenemos que verificar la salida, ¿verdad? Cuando podamos verificar la salida cuando tengamos algún conocimiento sobre el tema o esa aplicación vamos a obtener de la IA. ¿Verdad? Si conoces algunos datos o puntos particulares respecto a la tarea que vas a resolver por IA, tienes que conocer algunas cosas básicas, ¿verdad? En la lista de verificación de hechos, le diremos a la IA que genere algún conjunto de hechos que están contenidos en la salida. Bien. Yo los separaré. Primero generará una salida. Generará una salida respecto a nuestro prompt. Después de eso, al final de la salida, enumerará algunos hechos respecto a nuestra tarea que se genera. Espero que entiendas bien. Puedes ver para usar este patrón, tu baile de graduación debe hacer la siguiente declaración fundamental. Siempre que emita texto, texto significa que la salida de IA, genera un conjunto de hechos, hechos significa que son datos reales o fácticos que están contenidos en la salida El conjunto de hechos debe insertarse al final de la salida. El conjunto de hechos deben ser los hechos fundamentales. Fundamental significa nivel básico de hechos, hechos fundamentales que podrían socavar la veracidad de la salida si alguno de ellos es incorrecto Por qué estamos utilizando estos patrones de aviso de lista de verificación de hechos para verificar la salida, ya sea correcta o incorrecta. No confiamos al 100% en la salida AIS. Hará errores aunque tengan algunos datos inexactos presentes en la salida Entonces como ingeniero rápido, tenemos que verificar que la salida sea que contenga la información correcta o incorrecta. Cómo podemos hacer eso usando este patrón de baile de graduación. Se puede ver cada vez que se genera el texto, generar un conjunto de hechos que están contenidos en la salida. El hecho está relacionado con la salida, cual es generada por la IA. Separará los hechos de la salida y nos mostrará para verificarlo. Si los hechos son buenos, correcto, así podemos llegar al final que es que la salida está relacionada con nuestra tarea y va a tener alguna información precisa como esa. Cuando podemos verificar esos hechos, cuando tenemos el conocimiento sobre ese tema, sobre esa tarea que estamos buscando resolver por IA. Es por eso que la ingeniería rápida es buena cuando tienes algún conocimiento específico, Bien, por ejemplo, si estás trabajando en la industria del marketing o cualquier cosa en la industria de la salud que sea muy importante cuando trabajas como ingeniero rápido en una industria de la salud, el contenido relacionado con la salud es muy importante. tener en cuenta que cuando estás generando el contenido para el cuidado de la salud, tienes que revisarlo muchas más veces. La salida de la IA porque puede cometer errores, ¿verdad? Entonces para eso, lo que tienes que hacer, deberías saber, todos los médicos no conocen toda la función de las partes del cuerpo. Por lo que tienen cierta experiencia en operaciones cardíacas o operaciones renales como esa. Por ejemplo, si eres bueno en ver ejemplo toma un ejemplo, si tengo buena operación de corazón, cirugía. Entonces lo que voy a usar la IA como operador de cirugía cardíaca. Operación grande. Eso es cirugía así, ¿de acuerdo? Como médico, se lo diré a AI. ¿Bien? Así que genera un contenido relacionado con el corazón. Por lo que generará salida automáticamente. Ahora lo que como conocimiento tengo conocimiento sobre el corazón, ¿verdad? Tengo que verificar la salida, la salida de la IA es correcta o no porque tengo los conocimientos. Tengo la experiencia en las operaciones cardíacas. Sé claramente lo que es el corazón y cuál es la funcionalidad de eso Todas esas cosas. Cuando las AI generan salida relacionada con corazón, así puedo verificar la salida ya que la salida es correcta o no verificando los hechos en esa salida lugar de probar leyendo todos los cientos de líneas de salida, simplemente agarramos algunos puntos fácticos, eso es puntos correctos que son muy importantes Sin esos hechos, el contenido es que no hay valor en eso. Bien. Además, separará automáticamente los hechos fundamentales y lo mostraremos en este se mostrará en al final de la salida. A partir de eso, los hechos fundamentales pueden ser comprobados por mí, y verificaré que la salida sea correcta o no. Sencillo. Espero que entiendas esto. La lista de verificación de hechos es importante para todas las industrias. No podemos confiar 100% totalmente en la IA. Hay que conocer algunos conocimientos básicos. Sobre ese tema, vas a obtener contenido de la IA. O cualquier otra cosa. Entonces entendamos escribiendo el prompt en har GPT. Vamos a saltar a eso. Entonces estoy en el ja GPT. A ver, solo escribo algún patrón rápido ya aquí. Yo sólo voy a pegar aquí para que podamos ver el aquí. Escribir un breve resumen de las causas del cambio climático, correcto, lo que guié a la IA, escribir un breve resumen de las causas del cambio climático al final de la salida, generar un conjunto de hechos fundamentales contenidos en la salida. Como discutimos anteriormente, ¿cuál es el patrón de baile de lista de verificación? Al final, incluso se puede decir en el punto de partida de salida a la mitad de la salida, se puede hacer lo que sea. Solo tienes que escribir las instrucciones aquí. Esto no es fijo , hasta ahora cuántos patrones de pronta te expliqué, este no es uno fijo. Puedes cambiar los tiempos como puedas cambiar cualquier patrón rápido por tus requisitos, cualquier cosa que no haya limitaciones. Te explico cómo va a funcionar el patrón del baile de graduación, cómo va a pensar así la IA. Eso es. Bien. hacer mucho más con estos patrones de baile. ¿Bien? Se puede ver aquí, acabo de decirle a AI, escribir un breve resumen de las causas del cambio climático al final de la salida, generar un conjunto de hechos fundamentales. Hechos fundamentales significa que esa es la causa raíz, es decir, las raíces de la salida. Bien, contenidos en el resultado, estos hechos deben ser fundamentales para el resumen e insertados al final del texto, garantizar la exactitud como hechos incorrectos que socavarían la validez de la salida. Entonces, lo que le estoy diciendo a la IA, asegurar que la precisión debe estar ahí en la salida. ¿Bien? Un hecho incorrecto socavaría la validez de la salida. Lo que le estoy diciendo a EI, voy a definir la tarea. Después de eso, tengo que Una lista de verificación de hechos, para generar hechos sobre la salida. Después de eso, le digo a AI por qué estoy usando esto para asegurar la exactitud y hechos incorrectos que socavarían la validez de la salida. Bien. Espero que entiendas esto. Veamos cuál es la salida. Se puede ver aquí. Se trata de un resumen de las causas del cambio climático. Aquí se está resumiendo el cambio climático. Después de eso, se generan hechos fundamentales, derecho, se puede ver aquí. Fundamental, ¿qué significan los hechos fundamentales ? Se puede ver aquí. Las actividades humanas son la principal causa del cambio climático, quemando combustibles, combustibles, como cantidades significativas de CO dos, uno los principales gases de efecto invernadero. Todo este punto se toman del resumen de esta salida Entonces puedes cambiar aquí, puedes ver que el cambio climático es impulsado principalmente en actividades humanas que incrementan la concentración de invernaderos en la atmósfera Por lo que puedes ver aquí, las actividades humanas son la principal causa del cambio climático. Estos son los hechos relacionados con esta salida. Bien. Entonces en vez de verificar toda esta salida, así que solo voy a ver aquí hechos. Si estos hechos son correctos, podemos decir que esta salida tiene algunos datos precisos. Eso no es 100%, pero podemos decir, Bien, la salida es buena. En lugar de verificar los dos o diez párrafos, sólo podemos decirle a que separe los hechos fundamentales al final de la salida a prueba leída o para verificar la salida, para verificar los hechos fundamentales. estos todos los puntos se les llama hechos fundamentales de esta salida por lo que es fácil, correcto. Por lo que es fácil de leer y entender. Bien. Entonces podemos basándonos en estos hechos, podemos decir que la salida es buena o precisa. Así. Puede utilizar esta lista de verificación de hechos para diferentes aplicaciones, diferentes temas, diferentes tareas para facilitar lectura de pruebas y verificar el resultado generado por la IA. Entonces nuevamente, te estoy diciendo que esta lista de verificación de hechos es muy, muy importante. Por cada salida, lo harás desde IA, ¿verdad? No podemos simplemente confiar en la salida de la IA, ¿verdad? Tienes que verificar, tienes que consultar con otros LMS y cualquier dato fáctico Después de eso, puedes 100%, esta es una salida correcta o tienes que hacer algunos ajustes también en la salida porque A no es el cien por ciento correcto. Bien. Espero que entiendas este hecho lista de verificación patrón de baile. Para que puedas hacer cualquier cosa. ¿Bien? Puedes ver aquí, ¿quieres algún ajuste o ampliación en este resumen Entonces puedo agregar algunos específicos Ves si por ejemplo, si le digo a AI que amplíe esto, ¿le gustaría algún ajuste? Entonces si pego aquí, lo que dirá, sugerirá, justo después de eso, se puede ver aquí. La deforestación reduce la capacidad y absorber CVO para haber tomado algún punto aquí Entonces es en última instancia explicarnos qué es esto aquí mismo. Entonces lo que voy a decir AI. No. Derecha. Puedes agregar esto también. Agregar hechos, dato fundamental para un tema de arco. Al final. Bien, qué dirá, qué va a generar, generará algunos datos fundamentales sobre este tema. Eso es la deforestación y el cambio climático. Es decir aquí, la deforestación reduce la capacidad de absorber CO dos. Entonces para este resumen, agregará algunos puntos de hecho que puedo verificar fácilmente y puedo decir que la salida es correcta o no, base en estos hechos fundamentales. Entonces esto es fácil de leer para verificar, para leer previamente la salida de IA Espero que entiendas. Puedes usar esto de tantas maneras como puedas hacer otras formas como esta, todas esas cosas. Y recuerda, una vez más, por cada salida, generarás a partir de IA, por favor usa este patrón de baile porque necesitas verificar la salida antes de tomar en consideración. ¿Bien? Espero que entiendas. Veamos otro patrón de baile que es muy importante y que es muy fácil de aprender que es una cadena de pensamiento, lo cual es muy importante para razonar y resolver alguna tarea experimental. Vamos a sumergirnos en eso. 30. 4.3.5 Patrón de promociones de pensamiento en cadena: Regresen, chicos. Discutamos nuestro último patrón rápido que es la cadena de pensamiento. Entonces como puedes ver aquí, la cadena significa ir razonando paso a paso, resolviendo cualquier tarea compleja usando un proceso paso a paso así, ¿verdad? Así que puedes ver aquí. Lo que se entiende por cadena de pensamiento significa un prompt diseñado para guiar a la IA a través de un proceso de razonamiento paso a paso antes llegar a la respuesta final. Para que puedas ver si ves alguna asignatura matemática. El problema se resuelve paso a paso por proceso. La solución de un problema contiene paso a paso, como paso uno, dos cálculos, hacer algebraico así Se puede ver proceso paso a paso para resolver un problema matemático, ¿verdad? Se puede ver cualquiera u otros problemas como no sólo las matemáticas, se puede ver problema de física, se puede ver cualquier ingeniería, matemáticas, ingeniería, cualquier resolución de cualquier problema. El proceso paso a paso nos puede ayudar a obtener la solución precisa, la respuesta final. Entonces, al usar esto, podemos beneficiarnos de este patrón de baile de graduación. Número uno, usando proceso paso a paso, la estructura de salida está muy bien. En lugar de escribir los párrafos o un montón de cosas, podemos obtener las respuestas finales en términos de efectividad en términos de números en lugar del texto, ¿verdad? Sí y otro beneficio es que podemos revisar cada paso, ¿verdad? También podemos aprender el problema real, cómo se resuelve el problema real. Hay cuántos pasos hay. Podemos verificar todos y cada uno de los pasos. A partir de eso, también podemos aprender el problema, el arte de resolver problemas, ¿verdad? Es por eso que la cadena de pensamiento juega un papel importante en la ingeniería rápida porque este patrón rápido nos ayudará a hacer la tarea de resolver cualquier problema matemático o cualquier problema en formato de razonamiento paso a cualquier problema matemático o paso. Debido a esto, podemos resolver cualquier tarea compleja verificando todos y cada uno de los pasos con claridad. Se puede ver aquí. Por qué usarlo idealmente para problemas complejos que requieren pensamiento lógico o soluciones de múltiples pasos. Incitando a la IA, piensa en voz alta. A menudo puedes obtener respuestas más precisas y perspicaces, ¿verdad Entonces como antes discutimos problemas complejos. Entonces algunos problemas requieren pensamiento lógico o requieren algunas soluciones de múltiples pasos. Multi paso significa proceso paso a paso. El mejor ejemplo es resolver problemas matemáticos, problemas matemáticos, así. Podemos por este razonamiento, razonamiento paso a paso, la A generará salida en mejor formato. Bien, en precisa también. Veamos este patrón de baile en más profundo al ver el ejemplo en hait. Vamos a saltar a eso. Entonces yo todo en hagibt Entonces he escrito algún prompt básico. Sólo voy a copiarlo y voy a pegar aquí. Se puede ver aquí. Eres un problema matemático resolviendo. Estás resolviendo un problema matemático. Puedes ver aquí un tran viaja a 60 kilómetro/hora durante 2 horas, y luego a 80 kilómetro/hora durante ¿Cuál es la distancia total recorrida? Desglose su razonamiento paso a paso antes de dar la respuesta final. Así que puedes ver aquí. Utilicé la cadena de declaración de patrón rápido de pensamiento al final de este aviso. Desglose. Estás razonando paso a paso antes de dar la respuesta final. Esta es la instrucción más importante usa si estás resolviendo algún problema. Por esto, se generará en formato paso a paso. La salida está en formato paso a paso en el que podemos verificar todos y cada uno de los pasos para aprender y verificar la salida. Incluso a mejor. Puedes ver aquí, solo le digo a A, estás resolviendo un problema matemático. Yo guié a la A, vas a resolver un problema matemático, y acabo de dar el simple problema matemático básico aquí. Estoy hablando de. Este es un problema simple, ¿verdad? No se me proporciona ninguna ecuación, álgebra o polinomios así Solo le diré a A, esta es una i simple. Entonces generará una respuesta con proceso de razonamiento paso a paso y salida final. Se puede ver. Entonces este es sencillo prompt me gusta escritor. Puedes usar todos los patrones de baile que tenemos hasta ahora, aprenderemos como filtro semántico, aprenderemos como filtro semántico y lista de verificación de hechos de filtro semántico, aviso de generación de cola Pídeme el patrón de entrada de baile, el patrón de fiesta de persona, ¿verdad? Refinamiento del cociente, patrón de baile de verificación cognitiva. Puedes usar todos estos patrones de aviso para resolver esta pregunta simple en particular también. Se trata de cómo interactúas con la IE, cómo eres capaz de escribir ciertas indicaciones para guiar a la IE de manera efectiva Para construir algunas aplicaciones específicas, eso es todo acerca de la ingeniería rápida, ingeniería Prompt significa construir una aplicación específica escribiendo las indicaciones, mediante la habilidad de incitación, en lugar de escribir el código, es decir Bien. Espero que entiendas. Entonces solo te diré aquí incluso tú puedes escribir aquí, actuar como un solucionador de problemas matemáticos con experiencia Bien, puedes empezar desde aquí. Ahora estás resolviendo un problema matemático. Sólo puedes darte. Puedes preguntar incluso si estás en lugar de escribir esto te preguntamos, puedes usar pedirme entrada patrón de baile. Te diré el problema matemático. Hay que resolver un problema en el razonamiento paso a paso antes de dar la respuesta final. Ahora, pregúntame qué problema debes resolver, así. Puedes usar el patrón de baile de graduación de pedirme entrada, ¿verdad? Si estás usando el patrón de baile de refinamiento, que es sugerir una mejor versión de nuestro prompt, solo escribes cualquier prompt básico y solo díselo al final del baile de graduación, como sugerirme una mejor versión de este baile de graduación Se sugerirá una mejor comprensión mejor versión de este prompt. Si utilizas cognitivo verificar patrón de baile, puedes decirle a AI, pregúntame subdividido quien esta relacionado con este cocien que es Voy a dar respuestas para eso, y luego se procederá a la resolución de problemas en proceso paso a paso. Así. Puedes ver si sabes cómo funcionará el patrón real del baile de graduación. Entonces puedes usar en cualquier lugar en base a nuestros requisitos de relaciones públicas, ¿verdad? Entonces irá y más cosa. Así que solo vuelve a nuestro tema principal que es la cadena de pensamiento. Ya ves yo solo te digo IA, desglosa tu razonamiento paso a paso antes de dar la respuesta final. Esta es una cadena fundamental principal de declaración de pensamiento que debes usar al final de tu prompt. Incluso puedes usar desde el punto de partida también eso depende de ti. Entonces solo te digo IA, puedes ver aquí. Estás resolviendo un problema de física, puedes cambiar el problema de física que se trata de nuestras instrucciones y requisitos. Veamos cuál será la salida. Por lo que el aire generará el proceso paso a paso. Se puede ver aquí. La primera parte del trayecto es que los viajes en tren son de 60 kilómetros/hora durante 2 Entonces verá se puede ver aquí. Para encontrar el recorrido de distancia en esta parte, tenemos que tomar distancia igual a velocidad en tiempo, así así. Entonces es correcto, se puede ver aquí. El problema es que se ve mejor porque se proporciona en proceso paso a paso. Primero, tenemos que encontrar la distancia entre eso y tenemos que encontrar la segunda distancia del tren, a la derecha. Después de eso, tenemos que combinar las dos distancias así. Entonces podemos ver que la salida es la mejor aquí. Entonces, por ejemplo, si sacas de esto veamos cuál es la salida cómo debería verse la salida. Se puede ver que no hay ningún razonamiento en eso. Bien, se puede ver aquí hay algo cocientes y No hay mucha efectividad en esta salida porque había sacado esta nuestra cadena de razonamiento paso a paso de declaración de patrón de pensamiento rápido aquí. Yo lo he usado, para que puedas ver el proceso paso a paso de principio a fin. Entonces tengo alguna parte de razonamiento, podemos entender fácilmente esta salida. Podemos ver todos y cada uno, cómo se toma. Podemos verificar que sea correcto o no. Si te acaban de sacar de esta cadena de pensamiento, escribirás alguna tarea uh. Se puede ver que no hay efectividad en esta salida cuando se compara con esta. Se puede ver aquí. Sin usar cadena de pensamiento, puedes ver la salida aquí. Esto no es bueno, ¿verdad? El primer segmento es el segundo segmento es, ¿qué es eso? Entonces, si usas esto, puedes ver primero, parte del viaje, segunda parte del viaje, recorrido de distancia total. Se trata de usar la cadena del patrón de pensamiento rápido. Este es un ejemplo sencillo que he tomado. Así que puedes usar para tareas complejas, problemas complejos mientras la resuelves. Entonces te ayuda a ir paso a paso el proceso, bien, lo que nos puede ayudar a verificar la salida con claridad para que la salida sea precisa y obtener la mejor respuesta perspicaz de la IA Entonces eso es todo acerca de nuestra cadena de patrón de pensamiento rápido. Puedes ir con diferentes requisitos de pronta como no solo puedes ir a problemas matemáticos, puedes tomar cualquier otro método de resolución de problemas o cualquier otra aplicación específica para resolver algo así. Puedes usar este patrón de baile de todas las formas que puedas. No hay límite para esto. Espero que entiendas muy claramente este patrón de baile. Entonces, hasta ahora, aprendimos unos 14 patrones de baile de graduación. Es Pi y la primera parte anterior es Pi. Al principio, hemos aprendido algunos patrones básicos de baile de graduación que son pocas indicaciones cortas, derecho, incitación de tiro cero, juego de roles e instrucciones del sistema patrones de baile de graduación Entonces con esto, estamos claramente aprendidos lo que es un patrón de baile de graduación es cómo tenemos que entender la IA escribiendo la salida de patrones de baile es todas estas cosas, Bien. Desde este modelo, hasta este modelo, hemos completado los patrones de baile, diferentes patrones de baile. Bien, Incluso bien, en el futuro próximo, si hay algunos otros patrones de baile que son generadores que se actualizan desde cualquier laboratorio de investigación Por lo que voy a actualizar este curso. No te preocupes por eso. Actualizaré este curso de acuerdo a nuestros patrones de baile. No te preocupes por eso. Solo conoce estos patrones de baile y practica por ti mismo, y yo estoy dando tarea para ti ahora, combina todos los 14 patrones de baile, incluyendo esta cadena de pensamiento, y escribe un solo patrón de baile por ti mismo pensando y mira cuál es la salida. Eso significa que estás resolviendo buen prompt, buen problema en el que puedes hacerte una idea sobre la idea de app que puedes construir entrenando así, solo escribir las palabras. Piensa en eso. T de esa manera. La ingeniería rápida no se trata solo de obtener la información de la IA, sino que también abre tu mentalidad Sólo tiene que usar. Te estoy diciendo que literalmente te cambiará de opinión pensando. Solo usa todos estos 14 patrones de aviso y combina todos esos 14 patrones de baile en un solo prompt para resolver cualquier aplicación específica o para hacer alguna tarea específica. Mira puedes ver automáticamente estas instrucciones o se ve como app, cualquier app para Android o aplicación web como esa. Entonces hay tal vez algo la idea única que puedas obtener. Se puede construir una startup así. Puedes moverte. No lo sabes. Esta voluntad literalmente puede cambiar esta habilidad puede cambiar tu vida o cualquier cosa por el estilo. Entonces solo aprende solo practica, practica todo lo que puedas. Esta habilidad se puede mejorar preenviando mensajes de texto solo usando diferentes patrones de baile, usando esos, combinando todas esas cosas, pero probar cosas nuevas en la IA puede cambiar tu mentalidad y mejorar tu habilidad de escritura rápida Espero que entiendas muy bien. Entonces, hasta ahora, hemos discutido hasta 14 patrones de baile, ¿verdad? En eso acabamos de cerrar la cadena del patrón de pensamiento rápido. Bien. técnicas especializadas de ingeniería rápida en las que veamos cómo funcionan los diferentes LLM, cómo tenemos que analizar todos y cada uno de los resultados mediante el uso de prompt similar en diferentes LLM como Ch GBT Cloud, Gemini y perplejidad punto a. entonces veremos cómo usar AGBT para diferentes expertos e industrias como el marketing, Entonces nuestro siguiente modelo será la comprensión y técnicas especializadas de ingeniería rápida en las que veamos cómo funcionan los diferentes LLM, cómo tenemos que analizar todos y cada uno de los resultados mediante el uso de prompt similar en diferentes LLM como Ch GBT Cloud, Gemini y perplejidad punto a. entonces veremos cómo usar AGBT para diferentes expertos e industrias como el marketing, cómo usar AGBT o cómo usar habilidades de ingeniería rápidas para la industria, la atención médica, la codificación y también todas esas aplicaciones. Y veremos cómo ¿cuáles son las diferentes herramientas de incitación como Un texto de baile y algunas API abiertas de EI playground Eso es lo más importante. Bien, así. Y también vemos cómo los LLM generan salida, cómo tenemos que mantener la consistencia de prompting o consistencia output de EI Bien, así, veremos todas esas cosas la consideración y todas las consideraciones éticas de la IA, todas esas cosas en el próximo modelo número cinco. Así que vamos a sumergirnos en nuestro modelo número cinco en el que vamos a aprender algo interesante sobre LLM de IA. Vamos a sumergirnos en eso. 31. 5.1.1 Encadenamiento de promociones - Parte 1: Regresa a nuestro quinto modelo que es técnicas especializadas en ingeniería rápida. En este modelo, vamos a ver algunas aplicaciones de ingeniería rápida en qué área estamos usando ingenieros pronto, cómo escribir diferentes prompt con fines de marketing, para fines de redacción de contenidos, y para fines de codificación, construir algunas aplicaciones para construir algunas aplicaciones o para escribir agregar copias así, veremos algunas aplicaciones específicas en las que vamos a ver cómo indicaciones exactas y efectivas para nuestras aplicaciones o para nuestra área específica como cualquier cosa que copia de marketing o así Veamos todos y cada uno. Como vamos a explorar algunas consideraciones éticas. Tenemos que tener nuestra mente mientras usamos los chatbods de IA Char GBT y otros modelos de IA Veamos nuestra primera sección es que es chining rápido. Entonces, antes de ir a las aplicaciones, tenemos que saber algo sobre ese chining rápido Entonces tenemos que aprender esto. Como dijimos, este no es un tipo diferente patrón de aviso, pero se nos discute anteriormente sobre algunos prompts que requieren la entrada de nuestro lado, como pedirme patrón de prompt de entrada o patrón de prompt de refinamiento o patrón refinamiento o patrón verificador cognitivo Entonces todos los patrones de prompt son incluye la comunicación bidireccional, primero, vamos a escribir prompt inicial, después voy a pedir la entrada en la salida así hay algo de comunicación bidireccional así Igual que el prompt channing significa conectar el prompt inicial con el segundo prompt Eso significa que estás resolviendo algún problema específico. El problema específico requirió algunos tipos diferentes de prompt en el mismo patrón. Por ejemplo, algunas tareas son demasiado complejas ya que no podemos escribir en un solo prompt. No podemos escribir todo en un solo prompt para resolver una tarea compleja porque tenemos que saber cómo la IA está generando salida. Por eso estamos probando. Entonces, para probar el intercambio rápido es muy útil. Cómo podemos probar, solo le diremos a la IA como configuración pronta inicial Cuando la IA generará salida con respecto a nuestro prompt inicial, entonces tenemos que verificar la salida de AI. A partir de esa salida, escribiremos otro prompt. Eso es funciona como un seguimiento preguntas como esa preguntas de seguimiento. Después de eso, después de que la IA generará la salida para el ion de seguimiento, luego veremos nuevamente verificar la salida. Verificamos de nuevo la salida. Está relacionado con nuestro anterior o no. Después de eso, escribiremos un último prompt final, que puede resolver nuestro complejo tema. ingeniería pronta no es más que escribir los prompts, pero también incluye para escribir un solo prompt, tenemos que escribir algunos prompts subdivididos en los que vamos a probar el modelo AI desde el ¿Por qué? Porque si no sabes cuál es la salida esperada de EI después de escribir nuestro prompt básico. Entonces no podemos escribir un prompt, mejor prompt, derecho. El mejor prompt es refinado. El mejor prompt se basa en nuestra salida EIS de salida. Para eso, tenemos que probar la salida del modelo de IA escribiendo nuestros requisitos en forma de lado rápido, ¿verdad? Creo que espero que entiendas. Entonces, el encadenamiento rápido nos ayudará a llegar a un prompt final, ¿verdad? El baile final en el que podremos resolver lo antes posible para otras aplicaciones específicas también en la misma área. Espero que entiendas. Entonces, cómo podemos ver el tallo, se puede ver por qué tenemos que usar el encadenamiento rápido El encadenamiento rápido no es más que funciona como una cadena de pensamiento como se nos discute en el último modelo Eso es ingeniería rápida avanzada parte dos. Hemos aprendido el último patrón de baile que es una cadena de pensamiento. No solo cadena de pensamiento, todo viene bajo todos los patrones de baile de graduación que se discutieron anteriormente. El encadenamiento de baile significa el prompt que están conectados. Bien, que están conectados. Veremos el ejemplo que podemos entender fácilmente. Puedes ver aquí por qué usamos el encadenamiento rápido significa que algunas tareas son demasiado complejas para un solo prompt Por ejemplo, escribir un esquema de trabajo de investigación. Como puede si recuerda el patrón de prompt de expansión de esquema en el que hemos guiado a la IA para generar un esquema basado en nuestro tema, ¿verdad? Entonces generará un esquema, luego daremos una IA como entrada que por favor expanda alguna viñeta en particular. Volverá a ampliar el contorno de ese subviñeta particular, ¿verdad? Lo que sucede ahí es un encadenamiento rápido. El prompt inicial es setup, el se genera, el esquema. Nuevamente, hemos dado el aviso para expandir el punto específico. Es decir, estos dos proms están conectados. Eso se llama encadenamiento rápido. El segundo prompt que está conectado al anterior para resolver una tarea en particular se llama prompt chaining (encadenamiento Este encadenamiento de baile es muy importante. Puedes ver aquí, segunda aplicación está desarrollando una campaña de marketing. Entonces si sabes de publicidad o publicar anuncios en redes sociales. Esto se puede entender fácilmente. campaña de marketing debe depender otros diversos factores como el presupuesto del público objetivo agregas creatividades ad copy todo lo que va a tener algunos factores para desarrollar alguna campaña de marketing de conversión altamente efectiva, ¿verdad Entonces no podemos escribir un solo prompt para hacer todas esas cosas. Sí, podemos escribir un prompt generar una campaña de marketing para este producto de Soso sugerir primero el mejor presupuesto y marketing ad copy Podemos escribir eso, pero no podemos saber la salida exacta que queremos. De EI. Para lo que hacemos, solo configuraremos un solo prompt para una aplicación específica como probamos EI, URI bueno en la campaña de marketing para el producto específico. Tienes diez años de experiencia en eso. Entonces cuando hagamos eso, la IA empezará a pensar como un experto en campañas de marketing. Ahora me estoy convirtiendo en experto en marketing. Ahora puedes decirme qué puedo hacer cualquier cosa en ese campo. Esa cosa. Después de eso, le diremos a la IA que haga alguna tarea en particular solamente. Lo que entonces definirá el público objetivo a mi uh, para vender mi reloj solo a hombres. Entonces, ¿cuál es el prompt específico? Entonces voy a generar una salida efectiva específica al público objetivo para vender el reloj solo para hombres. Después de eso, segundo en el tercer prompt, escribiremos como, um sugiérame el mejor presupuesto. Lo que suceda aquí, le vamos a decir a EI proceso paso a paso. No, estamos escribiendo todas las instrucciones a la vez, ¿verdad? Entonces esto hará que EI genere salida, no de manera efectiva, pero va a dar alguna salida concisa, simple y muy baja que tienen algunas palabras que cuentan son muy menores porque debe cubrir todas las instrucciones que hemos dado en un solo prompt, debe cubrir todo el uh, tema o información en alguna salida limitada recuento de palabras. El foque u otros tableros de chat AI tienen su límite de salida para generar algunas palabras que son tokens Se puede saber todo sobre eso. Para eso, lo que hacemos para obtener la mejor salida de la IA, solo daremos el baile de graduación único y específico a AI para generar la mejor salida para nuestro requerimiento. Veamos algún ejemplo en HGV. No hay problema eso. También se utiliza para resolver problemas matemáticos de varios pasos. Estos son algunos ejemplos. Hay más ejemplos y aplicaciones que podemos usar un baile de graduación. Aunque casualmente, interactuamos con la IA, haremos algunas preguntas de seguimiento Para que puedas hacer los ajustes. Puedes sugerir EI para que por favor cambie en el párrafo anterior. Eso todo viene bajo el rápido chaning solamente. Se trata de uno básico, tenemos que saber esto antes de ir a son los mejores prompts para cada aplicación Podemos ver que al dividir la tarea en partes más pequeñas, se obtienen resultados más precisos y coherentes. Pero como dije, al romper el problema complejo en partes más pequeñas, eso significa rápido complejo en declaraciones rápidas más pequeñas, podemos obtener los resultados más precisos y coherentes. Eso lo veremos en el chargebty. ¿Bien? 32. 5.1.2 Encadenamiento de promociones - Parte 2: Se puede ver cómo funciona el entrenamiento del baile de graduación. Como dije, sólo comenzaremos con el prompt general, ¿no? Al analizar la primera salida del prompt general, vamos a refinar. Volveremos a refinar el prompt general e iteraremos la base alrededor de la retroalimentación Feedback significa la salida del segundo paso que está refinando. La salida de la producción de refinación será la retroalimentación. Escribiremos nuestro aviso de conclusión, que funciona bien, que podemos esperar la gran salida de la IA. Bien. Espero que entiendas. Veamos lo que en realidad es el encadenamiento rápido está en el Ja gibt para entenderlo mejor Estoy en el JGBTK lo que te estoy diciendo. En lugar de escribir el Bien, voy a tomar el ejemplo, Eres experimentador. Comercializadora. Comercializadora experimentadora. Especialmente N especialmente en la ejecución de campañas. Ejecución de campañas en redes sociales. No. Tú tareas. Tu tarea es generar para generar, agregar copia y publicación en redes sociales. Tuve que copiar publicación en redes sociales, video agregar contenido. Objetivo ide, público objetivo, Recomendación de presupuesto. Tomemos anuncios de Facebook. Para Facebook. Anuncios de Facebook para vender. Ver reloj digital. Solo para hombre. Entonces, ¿qué va a pasar? Guío a la IE. Eres un comercializador experimentado, especialmente en running, redes sociales Campañas, tenemos algunos anuncios de Google, anuncios de Facebook así. Medios sociales significa que se ejecuta en el YouTube todo eso si sabes de marketing digital. Así que guío el I tu tarea es generar ArcPy. Ves, puedes ver aquí. Guío a la IA para que haga en una sola vez solo para hacer toda la tarea que es la generación de copias de anuncios, publicaciones en redes sociales, contenido de video, contenido de anuncios de video, público objetivo, recomendación de presupuesto para anuncios de Facebook para vender reloj digital solo para Mints Entonces lo que he guiado a AI para hacer todas estas tareas a la vez. Justo en un momento, lo AIB, generará la salida basada en prompt superior No hay problema en eso. Ya veremos en eso, vamos a ver la salida aquí. Lo que va a hacer, generará la salida. Hay algo bueno, ¿verdad? Puedes ver aquí, Addo copy ideas, texto primario, llamado a la acción Esta es nuestra salida desde el primer add copy only, Addo copy ideas Por ejemplo, se puede ver aquí, no está en lo profundo, ¿verdad? Esta salida no está en lo profundo, correcto. Por qué la IA debería generar la salida para todas estas tareas, todas estas tareas. Por lo que va a generar sólo algunos básicos, no ir más profundo, no ir específico. Simplemente arrojará la salida en base a nuestras instrucciones. Sencillo. No hay inmersión, hay entrada más profunda, no hay razonamiento de salida, por lo que solo arrojará la salida Está relacionado con nuestra tarea. Por lo que mantendrá toda esta tarea a la vez. Se va a generar salida en una sola vez, derecho. No hay ningún específico en eso. Se acaba de escribir alguna salida relacionada con nuestra tarea. Se puede ver aquí. Pero, ¿y si le digo a la IA con específico usted es un comercializador experimentado, especialmente en la ejecución de compens de redes sociales Ahora tu tarea es generar agregar solo una copia. Si tomo esto reemplace C, veamos eso. Yo me llevaré esto. Simplemente eliminaremos esto. Se puede ver. Ahora, yo guío la IA, eres un comercializador experimentado, especialmente en la ejecución de campañas en redes sociales Eso es genial. Ahora tu tarea es generar ad copy, lo que he hecho. Por lo que acabo de guiar a la IA para generar la aplicación específica. Pero eso es generar adcpy solamente. Lo que generará la IA, irá más profundo. Generará más salida en lugar de la anterior de la que puedes ver aquí. Puedes ver agregar una copia para relojes digitales para hombre. Puedes ver la salida aquí. Hay una salida mucho coherente y precisa cuando se compara con ésta. Puedes ver los titulares simplemente mantente adelantado con nuestros elegantes relojes digitales. Texto primario, ha dado algún llamado a la acción. Sharp no aprende más. Esto no es tanto efectivo, pero cuando se ve guiando la IA para generar para cosa específica, generará la mejor salida. Puedes ver titular adelantarte a tiempo con el último reloj digital. El texto principal es actualizar su juego st con nuestros elegantes relojes digitales de paciens duraderos y tecnológicos , desde el seguimiento del entrenamiento hasta la notificación inteligente Es bueno cuando se compara con el anterior. Podemos ver una oferta por tiempo limitado, ahorrar 20% cuando ordenó hoy, llame a la tienda de acción conozca y perfeccione su estilo. Se le ha dado a Hashtag también data watch, que puedas ver su efecto a efecto de salida a esta salida en comparación con esta, cuando guiamos a la IA para hacer todas las tareas a la vez. Espero que entiendas esto viene bajo el rápido chining. Bien. Si crees que esta es una tarea compleja para generar toda la salida de una tarea a la vez, ¿verdad? En lugar de escribir a la vez, podemos desglosar la tarea en sub tarea como ahora hemos generado para agregar copia, ¿verdad? Ahora podemos hacer por segunda cosa como publicación en redes sociales, ¿verdad? Si hago clic aquí, le diré a EI que sugiera una publicación en redes sociales. Ahora se puede ver la salida. Ahora puedes ver el estilo se une a la funcionalidad, último reloj dital para hombre ¿Por qué conformarse con menos cuando puedes tenerlo en absoluto? Entonces tenemos algunos grandes derechos de autor que son las redes sociales. Entonces, ¿qué va a pasar aquí? Podemos usar estos titulares para nuestra publicación en las redes sociales. Esto es efectivo, ¿verdad? Estas líneas son efectivas cuando se comparan con la anterior, y tenemos que decirle a la IA que genere o sugiera algún contenido de redes sociales. Se puede ver aquí, subtitulado de equipo, no hay ningún razonamiento en eso. No hay alguna salida específica, una salida precisa comparada con esta como aquí, a la derecha. Cuando se genera esta salida cuando guiamos la IA para generar y sugerir algunas publicaciones en redes sociales como una aplicación específica. Espero que entiendas. Entonces es por eso que en lugar de escribir un prompt all task para hacer IA a la vez, desglosaremos todos y cada uno para obtener resultados precisos y coherentes. ¿Bien? Este es un ejemplo sencillo que te he explicado, pero puedes usar de tantas maneras para obtener salida de la IA. Incluso se le puede decir a la IA, veamos. Si quieres escribir prompt a la vez, así puedes usar algunos patrones de prompt que ya te hemos explicado puedes usar así. Entonces te diré que te diré qué tarea se debe hacer primero. Entonces hay que proceder. Es necesario proceder. Bien. Entonces último al final del prompt, voy a usar ask me for input prom pattern como ya discutimos anteriormente sobre eso, pregúntame para qué tarea quieres generar. Lo que sucede significa. Veamos el resultado de este prompt. Entonces puedes ver aquí. En vez de ir a escribir diferente tarea repetitiva como la hemos hecho aquí como esta Entonces primero, escribimos la tarea de todo a la vez. Esto lo hemos visto, el contenido es bueno pero no efectivo y profundo, ¿verdad? Cuando se decide escribir el prompt para todas y cada una de las tareas, específicamente, la salida es buena cuando se compara con la anterior, ¿verdad? Eso ya lo hemos visto. Derecha. Entonces este proceso va a hacer y repetir, ¿verdad? Entonces tengo que escribir para generar agregar copia una vez, otra vez, tengo que escribir prompt para publicación en redes sociales. Habrá algún trabajo repetitivo, ¿verdad? En lugar de eso, guiaré a la IA así. Escribiré todo el prompt. Después del último, se lo diré a AI, te diré qué toque se debe hacer primero, luego hay que proceder. Pregúntame qué tarea quieres generar. ¿Qué va a pasar aquí? La tarea o se detuvo hasta cuando le diga a AI, comience con esto. ¿Qué va a pasar? Entonces en la entrada, le diré a AI que genere copia que sea específica. Entonces generará el resultado coherente más preciso. Ahí tenemos semilla aquí así para específico hecho aquí. Así que después de dar I input generate ADO copy, di la entrada aquí para un caso de uso específico como gendered AR copy Entonces, lo que va a pasar aquí, va a generar una copia. Se puede ver aquí. Añade copy two experimenta la mezcla perfecta de estilo y tecnología, eleva o luce con nuestros relojes digitales para hombre diseñados para los modernos que presentan elegancia antes de tiempo. Compra ahora, 28% de descuento. Así que generó unas tres d copias, ¿verdad? Entonces podemos escribir como aquí, podemos probar AI, género AR Copy, que tienen uno, podemos escribir directamente aquí, generar uno agregar una copia, que tienen palabras de alta conversión Y llamar la atención. Qué va a pasar aquí. Adicionalmente hemos agregado algunas instrucciones aquí. Genere un solo ejemplar de anuncio, que tenga algunas palabras de alta conversión y conversión y llame la atención. Se puede ver el copy del anuncio, que es muy efectivo cuando se compara con el anterior, ¿verdad? Para que podamos usar todas esas cosas. Para reducir algo de trabajo repetitivo, ¿verdad? En lugar de escribir el prompt una y otra vez, podemos decirle a la IA, podemos guiar a la IA, te diré qué tarea se debe hacer primero. Entonces hay que proceder. Entonces pregúntame qué tarea quieres generar, ¿ verdad? Entonces me va a preguntar. Entonces solo te voy a dar la entrada aquí, generar hacer copia. La IA generará automáticamente una copia de Ado relacionada con nuestro producto. Este es un ejemplo sencillo y estas instrucciones no son efectivas porque acabo de usar algunas para explicarte algún ejemplo básico. Cuando practicas con tus patrones o requisitos de baile de graduación, escribirás las mejores instrucciones rápidas, luego generará la mejor salida, justo cuál es mi intención aquí para explicarte las posibilidades de escribir prompts de diferentes maneras de múltiples maneras en múltiples patrones de pensamiento, ¿verdad Puedes usar todos estos patrones de baile, ¿verdad? Entonces esta es una pronta sintonía sobre en lugar de escribir un solo prompt para una tarea compleja, desglosamos la tarea, para obtener los resultados precisos y coherentes. En lugar de obtener toda la salida para tarea a la vez, L hemos visto la primera salida aquí. No hay efectividad en eso o no hay una salida mucho más profunda. Cuando usamos para generar algunos casos de uso específicos, puedes ver el add copy para add copy digital solo para generar copia agregada como específico, puedes ver la mejor salida de la IA cuando se compara con la anterior, ¿verdad? Dos, la tarea completa tiene tantas subtareas. Entonces, en lugar de escribir específico en lugar de escribir prompt para cada vez que haga alguna tarea específica, solo escribiremos un prompt, que automáticamente preguntará qué subtarea necesitas Uh, ir primero. Entonces proporcionaremos insumos aquí. Hemos hecho copia de anuncio de género. Generaré automáticamente una copia de ado para nosotros. Es una salida simple, simple pregunta que le he contado a la IA. Entonces, cuando practiques con eso, te darás una idea de cómo funciona este baile de graduación, ¿verdad Entonces E, esta voluntad funciona en har gibt y Cloud, ¿verdad? Entonces en a veces Géminis y perplejidad AI, no existe esta funcionalidad como el prom Entonces tenemos que conocer algunas capacidades y pros y contras de las LLM, como Cha GPT, Cloud, Gemini y perplejity dot I, y otros modelos de IA antes de seleccionar para resolver nuestra tarea ¿Bien? Antes seleccionamos modelos de lenguaje de IA para resolver nuestros complejos problemas. ¿Por qué? Entonces chargeb tienen alguna gran funcionalidad como encadenamiento rápido, Bien, siguiendo el patrón, siguiendo el anterior sin romper Para que puedas ver la actualización de la memoria aquí. Es una muy buena opción en el cargobr que tenemos, lo que hace que el aparte de lo que hace mejor, aparte de otros modelos de lenguaje AI como gemini.ai, Cloud y Cha ge Bri tiene algunas funcionalidades geniales, así que no te preocupes por eso Tenemos nuestro siguiente modelo que consiste comprender diferentes capacidades de LLM, pros y contras y qué modelo de lenguaje de IA tenemos que usar para resolver tareas particulares ¿Bien? Ya veremos en ese modelo, ¿no? Entonces solo concéntrate en este encadenamiento de baile. Espero que entiendas este encadenamiento de baile con claridad. Entonces hasta este baile de graduación se acabó el encadenamiento. Bien. Esto terminado, vamos a nuestras aplicaciones de ingeniería rápida donde vemos cómo escribir los proms para diferentes casos de uso como marketing copy y coding generar código, para escritura creativa y cómo escribiremos para atención al cliente, cómo usaremos los módulos de lenguaje de Chat GPT e IA para generar proms de imagen en los que podamos usar estos proms que podamos usar estos otros generadores de imágenes AI como Leonard AI, lexica.ai y tenemos algún otro mid journey en el que podemos obtener algunos resultados de ese lenguaje modelos también en forma de imagen Veremos cómo usar los modelos de lenguaje como ha GBT para escribir el mejor prompt para nuestros casos de uso, ¿verdad Incluso el HGBT puede generar el mejor prompt en lugar de nosotros. Sí, es correcto. Entonces en vez de, Bien, así veremos todas esas cosas en este capítulo. Vamos a sumergirnos en eso. 33. 5.2.1 Aplicaciones de ingeniería de prompt y casos de uso: Volver a nuestra siguiente lección que son las aplicaciones de ingeniería rápidas. En esta lección, vamos a discutir cómo escribir indicaciones para diferentes requisitos de la industria como marketing digital, negocios y productividad Y podemos escribir indicaciones como aplicaciones de desarrollo, aplicaciones web o cualquier lado fiscal, o podemos usar cualquiera donde esté la ingeniería rápida ¿Por qué? Porque las LLM de IA son utilizadas por todas partes En cada industria, en los próximos años en el futuro, cada industria utilizará LLM para hacer que su proceso sea muy rápido y eficiente Entonces para eso, por lo las habilidades de ingeniería rápida son muy importantes al interactuar con la IA. Como discutimos anteriormente todo sobre cómo escribir las indicaciones efectivas, entonces miras eso, hay una respuesta mucho mejor de la IA escribiendo los patrones de prontitud específicos y efectivos Vamos a escribir. En esta lección, vamos a ver algunos ejemplos cómo podemos escribir un mejor prompt para aplicaciones específicas para casos de uso específicos de la industria como marketing digital, codificación y negocios, y creación de contenido de YouTube como ese, veremos que puede ver como aquí en BP están buscando algunos ejemplos que vamos a explorar hoy. En esta lección, escribiremos indicaciones para escritura creativa, cualquier cosa por el estilo, narración, codificación, propósito de marketing, atención al cliente, e incluso podemos usar AGPT u otros modelos de lenguaje AL para generar imágenes para nosotros, en base a nuestro Incluso podemos usar modelos de lenguaje AL para generar un prompt para generar un prompt para nosotros. Que podamos reutilizar el mismo prompt generado a nuestros requerimientos. Incluso va a generar muy bien la imagen proms. Después de eso, podemos editar con nuestros requisitos. A ver. Entonces, antes de ir a eso, tenemos que saber cuál es alguna tarea específica que tienes. No podemos ir y escribir prompt para todo. Como discutimos anteriormente sobre el encadenamiento rápido en el que vemos algunas limitaciones de encadenamiento de baile, sin embargo también exploramos algún ejemplo de cómo funciona muy bien el encadenamiento rápido ¿Qué es básicamente un medio de encadenamiento rápido? Encadenamiento rápido significa que dividirá una tarea compleja en subtarea en la que vamos a uh, tarea definida muy específicamente Con eso podemos obtener los resultados precisos y coherentes para esa tarea específica. En lugar de guiar a la IA para que haga toda la tarea a la vez, podemos guiar a la IA para que realice una sola tarea a la vez en que podamos obtener la mejor salida efectiva de la IA. Así. Utilizaremos ese encadenamiento rápido y otros patrones de baile para ver cómo podemos escribir las indicaciones para obtener nuestro mejor resultado de la IA para casos de uso específicos como creación de contenido, codificación, desarrollo de aplicaciones como Entonces veremos después de estas aplicaciones y también exploraremos algunas consideraciones éticas. ¿Bien? A ver, y vamos a saltar al JBT ja Incluso puedes ir a otros modelos de lenguaje también, pero prefiero HGP porque tiene algunas grandes capacidades en lugar de otros modelos de lenguaje, y discutiremos este tema en los próximos modelos, Bien, vayamos a nuestro hola JP y veremos qué es lo que realmente. 34. 5.2.2 Configuración inicial de promps: asistente útil: Bien, antes de comenzar a interactuar con IA. Podemos comenzar a probar humanos como platicamos con otros nuestra familia o colegas, uh, alto mensaje. Puedes ir con eso porque esta es la IA charlará con chat como ser humano porque usa el método de PNL Técnica de PNL. Qué es esta PNL significa procesamiento del lenguaje natural Generará el chat o hablará con nosotros en idioma omán, que es muy interactivo. Por eso podemos ir con pequeñas charlas como hacemos con nuestros amigos, compañeros o familiares. Podemos hacerlo así también con cha Jibt u otros modelos de lenguaje Es muy interactivo. Qué decir esto, hola, Sam. Está pensando como, mi nombre es Sam. Le diré a i mi nombre es CV. A ver asumirá mi nombre es CV No de en adelante el JagiBT dirá, Lo tengo ¿Cómo puedo atenderte hoy? Entonces en lugar de yo señor, en lugar de escribir la tarea directamente aquí, voy a tratar módulo AI lento a paso proceso. En lugar de poner las instrucciones de todas las tareas a la vez, en lugar de eso, probaré la IA. Escribiré instrucciones paso a paso en las que la IA pueda pensar y IA pueda responder claramente con nuestras instrucciones como lo discutimos en el entrenamiento rápido. Así. Para eso, primero, entrenaré a IA. Entonces ya sabemos que Ja Gibt puede cometer errores, y toda la información que genera Ja gibt u otros modelos de lenguaje AI no es 100% precisa o puede tener algunas palabras ineficaces o alguna palabra de alucinación, que no podemos definir y que no podemos entender muy bien, ¿verdad? y toda la información que genera Ja gibt u otros modelos de lenguaje AI no es Ja gibt u otros modelos de lenguaje AI 100% precisa o puede tener algunas palabras ineficaces o alguna palabra de alucinación, que no podemos definir y que no podemos entender muy bien Para eso, ¿qué tenemos que hacer? Primero, tenemos que decirle a la IA, como tenemos que capacitar al módulo EI como asistente útil. Lo que estamos haciendo aquí, estamos probando la IA como un acto como un patrón personal en el que pensaré en ese campo solo como ya discutimos anteriormente en actuar como un patrón de pronta personal. Vamos a comprobarlo. Escribir Voy a entrenar IA desde el proceso paso a paso. Eres un ayudante servicial. Eres un ayudante servicial. A ver, estoy guiando a la IA aquí para que haga lo que quiero. Entonces harás lo que te diga. ¿Bien? Harás lo que te diga, y tienes experiencia tienes experiencia en lectura de techos o um detectando. Detectando. Palabras insólitas. Palabras inusuales e información inexacta e inexacta. Y se le puede decir a la IA, que son algunas limitaciones y no va a hacer, en lugar de eso, va a generar mejor salida efectiva sin errores y alucinaciones Sin errores y alucinaciones e información inapropiada. No. ¿Entiendes? Así que esta es mi configuración inicial de prompt en la que le he dicho a AI, por favor, tenga esto en cuenta para cada salida que generará en base a mi prompt o instrucciones. Derecha. Así que puedes ver aquí, he escrito algún prompt, que eres un ayudante útil. Harás lo que te diga. Yo no puedo decir este punto, incluso va a generar lo que necesito, ¿de acuerdo? Pero al contar esta información adicional, la IA pensará, viene bajo en este campo en este patrón de baile de graduación. Viene bajo este patrón de baile de graduación. Funcionará lo que diga al detectar palabras inusuales, información inexacta, y generarás la mejor y efectiva salida sin errores, allumación, información inapropiada, ¿o entiendes ¿Qué pasará aquí por cada salida que genere IA, verdad? Sigue poniendo foco más foco en cada salida porque intentamos AI para hacer esta tarea específica, ¿verdad? Así que puedes ver aquí. Veamos cuál es la salida aquí. Tan entendido SF, voy a asegurar la precisión, detectar información inusual o incorrecta, y proporcionaré los mejores y más efectivos resultados. Si hay algo específico que le gustaría que hiciera, házmelo saber. Entonces esta es la forma de interactuar con IA para que puedas obtener la mejor experiencia, derecha, la mejor experiencia de usuario con esto. Entonces digamos, como dije, así que de ahora en adelante, veamos, no, quiero. Entonces, por ejemplo, soy comercializadora digital. Entonces tengo algunos productos, así que quiero venderlo en línea. Entonces, lo que necesito, necesito un sitio web, y necesito la copia para ese sitio web en tal vez una página de destino como esa. Después de eso, necesito algo de copia de Addo para ejecutar las campañas en redes sociales, y hay tantas cosas ¿Bien? Para eso, lo que hago por específico voy a tomar, ¿ verdad? Puedes llevarte cualquier cosa. Por ejemplo, puede tomar para la redacción publicitaria de Ado, esta es una calificación de copia AR, pero puede tomar un producto específico para obtener la copia de Ado más lejos Por ejemplo, entonces necesito un add copy para vender mi reloj digital en línea para mujeres solo así. Y puedes dar los mejores datos específicos, como necesito AdoCpy para vender mis propios relojes digitales solo a chicos de 20 años Entonces, si doy la información específica y específica, la IA generará el mejor efecto específico relacionado a Ado Copy para que coincida nuestra audiencia en la que podamos obtener las mejores tasas de conversión, ¿verdad? Entonces así, tenemos que ir específicos, más específicos para obtener la mejor salida de la IA. Veamos en este chat. Entonces, por ejemplo, soy comercializadora digital Busco vender mi producto. Bien, lo que le diga a AI, lo diré. Entonces, en lugar de escribir la tarea directamente, dejemos que la IA conozca nuestra tarea principal. Que yo sepa nuestra principal intención. ¿Bien? Hágale saber a la IA nuestro principal problema y nuestro principal requisito. En lugar de escribir saltando a escribir las instrucciones para una tarea específica a resolver, carece de algunos antecedentes de nosotros. Entonces para eso tenemos que ir paso a paso proceso, que lo que hemos aprendido en la pronta capacitación. Entonces para eso, tenemos que capacitar a la IA. Tenemos que escribir prompt para IA, proceso paso a paso. En tal prompt tenemos que intentar que esto nos guste y tenemos que decirle nuestros antecedentes a la IA que la IA puede aprender de nosotros, y va a generar la mejor salida respecto a nuestra consulta así. 35. 5.2.3 Escribe promociones efectivas para diferentes casos de uso: parte 1: Tiene que escribir el prompt para el proceso paso a paso de la IA. En tal pronta, tenemos que intentar que esto nos guste y tenemos que decirle a nuestros antecedentes a la IA que la IA puede aprender de nosotros, y va a generar la mejor salida respecto a nuestra consulta así. Entonces se lo diré a AI. Voy a decir mis requisitos. Entonces estoy buscando. Estoy buscando. Estoy buscando vender mi propio reloj digital digital. Para niños de 20 años. Bien. Podemos tomar hombres así, también, chicos de 20 años. ¿Bien? Y estoy buscando vender mi propio reloj digital para niño de 2 años. ¿Me pueden ayudar a conectarme? ¿Qué sugerirá? A ver. Esta es mi simple intención. Quiero decírselo a AI. Sólo le digo a la IA. Este es mi requisito. Lo que sugerirá, veamos en esto. Así que observa aquí, no la salida. Observe la forma en que estoy interactuando con la IA. Entonces, la ingeniería rápida no es más que solo escribir las indicaciones, sino que es el arte de la habilidad para interactuar con la IA La habilidad de escritura rápida se basa en nuestra interacción con la IA. Entonces no es un simple aviso escribir y convertirse en un ingeniero rápido, no así. Entonces, para escribir un mejor prompt, tenemos que escribir tantos subpms para obtener refinar y obtener la retroalimentación de la salida, y tenemos que cambiar y ajustar el prompt principal así, Entonces puedes ver que es sugerir algún plan paso a paso para ir a vender mis relojes digitales en línea. Veamos, Divide tu marca, producto configura tu tienda online entrega de pagos. Así que han generado algunos pasos para respecto a vender mis relojes en línea. Entonces es bueno, ¿verdad? Hombre. Entonces para eso, así que solo aprende mi intención aquí. Entonces lo que estoy buscando para conseguir hacer la tarea por la IA, AI se recoge mi información. Sí, soy usuario está buscando hacer buscando vender este reloj en línea. Por lo que viene bajo este patrón en el que podemos dar ideas más profundas a partir de esto. Entonces ahora se lo diré a AI, así que me llevaré cualquier cosa de aquí. Entonces bien, entonces necesito hacer algo de marketing y branding. ¿Me puedes ayudar? Entonces me puedes ayudar ¿me puedes ayudar en mercadotecnia? Bien, probemos aquí. Tomemos cuatro en él directamente. Cuarta opción arriba Así que la generará, y me sugerirá algunas técnicas de marketing y branding. Se puede ver aquí. Entonces marketing y branding con cuatro puntos mencionados, también podemos usar anuncios de Facebook e Instagram. Por lo que se genera automáticamente algún plan de marketing aquí. Agrega una copia, la segmentación es de 18 a 25, gadgets tecnológicos, ubicación de interés, todas estas cosas, presupuesto, contenido atractivo, colaboración con influencias, todos estos pasos con respecto al marketing y la marca. Así que la nota es buena. Entonces volveré a profundizar para el desarrollo de la identidad de marca. ¿Me pueden ayudar en el desarrollo de la identidad de marca? Se profundizará en estos temas. Entonces, ¿cómo escribir una línea de etiqueta de captura con solo hacer eso? Funciona como una expansión de esquema de la que se discutió anteriormente sobre el patrón de baile de expansión Outline. Entonces se hunde así. Bien. Entonces es bastante fácil. Pero lo que hay es una tarea compleja. Entonces, en lugar de escribir el aviso una y otra vez. Es la mejor manera, pero alguna tarea compleja necesita que se analice la salida. Para eso, vamos a escribir. En lugar de que hay tantas maneras. Hay tantas formas de interactuar con IA para resolver una tarea particular. Hay tantas maneras. Puedes ir a este método de encadenamiento de baile o puedes usar otros patrones de baile de graduación que antes discutimos algunos ejemplos más como ese 36. 5.2.4 Escribe promociones efectivas para diferentes casos de uso: parte 2: Así que en lugar de, uh, aquí, solo IA responde a mis preguntas aquí, ¿verdad? Entonces, ¿y si le digo a la IA? Pregúntame. Pídeme la información requerida que desea generar una mejor copia para mí. Aquí, ¿qué pasa en este método? La IA, solo tomando la pregunta o tarea de mi lado. Ahora la salida está generando por IA. Depende de los datos que se capaciten. La IA está entrenada. Pero mis datos. Bien, tengo mis propios datos. Entonces para eso, necesito alguna copia de Addo de mejor captura para vender mis relojes en línea Para eso lo que tengo que hacer, tengo mis propios datos, necesito la copia, en base a mis propios datos. Para eso voy a decir para eso lo que voy a hacer, le diré a AI, tengo mis propios datos. Entonces pídeme cocientes subdivididos. Relacionado con la tarea principal o relacionado con generación de copias de anuncios principales que se requiere para generar una mejor copia con respecto a mi producto. Así que no lo confundas. Voy a escribir aquí. Entonces lo que voy a decir AI. Entonces, en vez de arriba, puedes escribir así. Entonces ahora, pregúntame. Tú escribes justo aquí. Ahora, pregúntame cociente subdividido No, pregúntame subdividido relacionado para agregar generación de copia relacionada con pregunta subdividida relacionada con pregunta subdividida Esa información es requerida para usted. Esa información es requerida para usted. Pero generar la mejor copia para mí o para mi producto. Así que puedes ver aquí. Preguntará ahora, me hará algunas preguntas respecto a la generación de copias agregadas. Entonces, ¿qué pedimos? Veamos aquí. Entonces se puede decir aquí. proporciono después proporciono después proporciono información o respuestas para su pregunta. Respuestas para tu pregunta. Proceder. Después proceder a generar, agregar una copia. Entonces veamos cuál es la salida. Entonces va a preguntar, Bien, se puso a sí mismo, házmelo saber. Tienes algunas preguntas subdivididas para crear el mejor copy de anuncio para eso Entonces la A me está haciendo preguntas. ¿Cuáles son las características del producto? ¿Cuál es tu público objetivo? Cual es tu tono y estilo, Ofrecer un llamado a la acción, punto de venta único C. Así que al venir aquí punto de venta único, no hay un punto de venta único en este add Cp cuando se compara con uno anterior como aquí. Entonces, cuando profundicemos ahora, así hará nuestras preguntas más profundas. Entonces, al ver, las IA tienen una gran información, un gran conocimiento de todas las cosas que ha entrenado. Pero nos falta algún conocimiento porque somos seres humanos, ¿verdad? No podemos aprender todas las cosas, todo. ¿Bien? Pero los AI saben lo que tenemos que decir en lugar de dar en lugar de definir la tarea entera a hacer por IA y todo el asunto, genera la mejor salida, pero hay un rezago entre proporcionar nuestros propios datos. Bien, para reducir esta brecha entre la IA y tú. Entonces tenemos que decírselo a la IA, hacerte preguntas subdivididas relacionadas con nuestra tarea principal que te ayuden ¿Bien? Eso ayuda a EI a generar una mejor copia para mi producto. Puedes ver ahí estoy tomando la aplicación específica, agrego generación de copias para mi negocio de venta online de relojes digitales de relojes. Bien, puedes ver para que veas el punto de venta único. Es muy importante mientras vendes cualquier producto en el mercado en el mercado. Así se puede ver heritag pidiendo algunos puntos de venta únicos también emoción del cliente Cuando doy todas las respuestas para esto. ¿Bien? Voy a generar la mejor copia específica para mis propios datos que tengo en lugar de escribir por IA, al pensar por simple, la IA es pensar. Este resultado es solo uh la copia ADO, cómo está pensando la IA. Pero cuando se compara esto, bien, el EI preguntando nuestros requisitos, mis requisitos en los que puedo obtener la copia de ARO sobre las preferencias de mis datos. Entonces espero que entiendas. Entonces, cuando doy respuestas a esta pregunta, el AroCPY se basa en mis datos, no en datos propios de EI Ya ves, esto es una copia R es buena, pero no tanto como efecto, ¿verdad? Porque esta copia es como la IA está pensando. Pero cuando doy respuesta para esto, la copia R está relacionada con mis datos y mis preferencias. Vamos a dar las respuestas para esta pregunta en primer lugar. Para que podamos ver cuáles son las características clave de tu reloj digital? Voy a tomar larga duración de la batería. Yo sólo voy a copiar y vamos a pegar aquí. Para el primero, la respuesta es tomemos el número dos. Entonces, ¿qué hacen los expertos específicos de tu reloj de 20 años de edad, reventan los futuros de tiki savvy Vamos a pegarla. Demos las respuestas rápidas. O podemos verla juguetona motivacional. Vamos juguetones. Ese es el tercero, ¿Ofrecen algún descuento ofertas limitadas? A ver, envío gratis. Tomemos la quinta respuesta. Puntos de venta únicos, diseño único. El sexto son las emociones, ¿qué sentimiento o experiencia tienes que querer que el público asocie con tu ejemplo de reloj? Tomemos confianza. Por lo que después de proporcionar estas respuestas a preguntas, automáticamente generará la mejor salida. Se puede ver aquí. La salida es muy efectiva cuando se compara con la anterior. Puedes ver tech mid style, eres nueva campaña digital. Larga mejor vida para llevar contigo usa Packard con características de tecnología savy que los niños anhelan Diseño único para que te pongas características de tecnología savy que los niños anhelan Diseño único para que de pie Para que veas que su salida es efectiva esto, ¿verdad? Qué tan efectivo es al compararlo con éste. Ocho, se le darán algunas opciones de orientación, está bien, pero puedes ver la copia de agregar es solo una línea. Pero cuando se compara con esto, después de hacer preguntas y después de dar respuestas para ese quis, se puede ver la salida efectiva de aquí. Entonces es por eso que la ingeniería rápida se trata de, uh, hacer la tarea específica, decirle a la IA que guíe a la IA para hacer algunas tareas específicas en las que podamos obtener los conocimientos más profundos, resultado preciso y coherente de la IA. E como dije, se puede ver aquí. Yo sólo un patrón de baile que le digo a AI. Puedes escribir cualquier número de webs que puedas escribir. Todo esto se trata de practicar por ti mismo. He tomado algunos agregar generación de copia aquí, puedes editar directamente aquí. Puedes editar directamente aquí. Eso ha llevado algún tiempo. Bien. Ya puedes ver preguntame pregunta subdividida relacionada con agregar generación de copias En esto puedes reemplazar con otra tarea específica como la relacionada con, puedes tomar email marketing. Puedes tomar el email marketing así , ¿de acuerdo? Marketing por correo electrónico. Entonces requirió lo que va a pasar, puedes ver aquí, el mejor ejemplar para mi producto. ¿Bien? Si tienes alguna idea sobre el marketing por correo electrónico, puedes ver el email marketing significa vender los productos directamente en tu buzón, bien, o conseguir conversiones de leads a través del email marketing así, ¿de acuerdo? Entonces, en el email marketing, el copy del anuncio es muy crucial. Bien. Entonces para eso, le diré a AI, se requiere que generes el mejor copy para mi producto o email marketing. Para mi producto es bueno. Después de dar respuestas a su pregunta, luego proceder a generar copia de anuncio por correo electrónico. Es muy importante escribir una copia por correo electrónico. Mejor copia por correo electrónico, puedes escribir aquí copia por correo electrónico. ¿Bien? Para mi producto. Entonces, ¿y si sucede, vamos a ver? Hará algunas preguntas tenues relacionadas con mi email marketing aquí Entonces, ¿cuáles son tu público objetivo? ¿Qué es el objetivo del correo electrónico? Bien. Puedes ver sus características de producto, tono y estilo, todas esas cosas ofrecen CTR llamado a la acción así Entonces, si abres algún correo electrónico en tu teléfono, puedes ver alguna marca, las empresas de la marca te están enviando correos electrónicos para obtener la compra o para inscribirte en su foro, todas esas cosas. Bien, puedes ver que hay algún CTA Gino o regístrate que llama CTA Entonces te preguntará así puedes ver aquí aprende más, reclama tu oferta así. Esto es todo acerca del marketing por correo electrónico. Cuando proporcione respuestas para esto, me va a generar la mejor copia de correo electrónico. Incluso puedes editar directamente aquí, puedes ir a otra tarea aquí. Bien, ¿verdad? En lugar de definir todas esas cosas aquí, puedes escribir directamente el prompt aquí. Usted es experiencia aquí mismo. Puedes preguntar decir aquí eres un experto en marketing digital Bien. Entonces incluso puedes escribir instrucciones mucho más específicas como tu experimentado comercializador de correo electrónico que tiene diez años de experiencia, bien, yo elaborando los mejores Emas que incrementaron diez X ventas y escrituras abiertas, así, puedes ir en esas instrucciones específicas en las que podemos obtener la mejor salida de la Bien. Ahora, tenía que hacerlo, eso es comercializador digital Entonces, si ya sabes de marketing digital, no hay nada que mostrar. marketing digital tiene algunos aspectos de marketing subdivididos como el marketing por correo electrónico, agregar redacción publicitaria, creación de contenido Todo esto viene bajo el marketing digital. Entonces, si te entrenas como comercializador de detalles o te lo puedes decir puedes ir tan específica tu experiencia como comercializador por correo electrónico Entonces la mejor práctica es entonces ¿cuál es tu tarea? ¿Bien? La tarea debe ser el patrón personal para sacar lo mejor de. Bien. El patrón de persona debe coincidir con su tarea. Bien. En caso de que puedas ver su email marketing, pero la marca digital es buena. No hay problema en eso, pero debe ser específico para obtener la mejor salida. Puede decirle a su experimentado mercado de correo electrónico. En lugar de comercializador digital, se puede decir comercializador de correo electrónico No, haga preguntas subdivididas relacionadas con el marketing por correo electrónico. Entonces estos dos partidos en que se puede esperar la mejor salida de la IA. Entonces para digal comercializador, puedes decirme hacerme preguntas subdivididas relacionadas con marketing digital esa información requerida para que generes o para incrementar mis leads y ventas para mi Se puede ir así. A, cualquier cosa por el estilo. Entonces, se trata de cómo estás interactuando con la IA. Entonces, por ejemplo, puedes en lugar de marketing digital, puedes usar el mejor Coder Tienes experiencia Python Coder, desarrollador Python. Ahora, hazme preguntas subdivididas relacionadas con Python. Esa información es necesaria para que usted pueda construir un sitio web usando Python. ¿Bien? Hará algunas preguntas subdivididas Después de proporcionar respuesta, generará el mejor código, luego podrá ir a implementar y obtener el sitio web así. Entonces se trata de tu tarea y de escribir el prompt aquí. Entonces, como dije, puedes usar una serie de patrones de baile de graduación de los que estamos discutidos anteriormente. Eso es todo acerca de cómo usas esos patrones de prontitud en tus modelos de lenguaje de IA para vender una tarea particular que es muy importante, ¿verdad? Entonces se trata de escribir tus patrones de baile usando eso como te gusta. Se trata de practicar y hacer experimentos con otras aplicaciones también. Eso es lo más importante. Por eso hay que probarlo. Tienes que escribir, tienes que practicarlo con diferentes patrones de baile para obtener las mejores y efectivas habilidades de incitación 37. 5.2.5 Cómo escribir prompts de imagen avanzados con ChatGPT: Nuestro siguiente tema son las indicaciones de imagen. Cómo puedes escribir eso. Así que eres escritor con experiencia en el aviso de imagen. ¿Qué es el escritor prompt de imagen? Si está utilizando alguna herramienta de generación de prompt de imagen como Leonardo AI, lexica.ai, incluso tiene algo de mid journey. Entonces eso requiere indicaciones de imagen para generar imagen. Eso también se requiere un prompt para generar imagen. Incluso se puede decir AI, usted es escritor de imágenes con experiencia. Bien. Eres escritor con experiencia en el aviso de imagen. Ahora, hazme preguntas subdivididas relacionadas con. Puedes ir el específico para caricatura, tomemos imagen de caricatura. Diseñando o generación puedes tomar generación directamente. Generación. Generación de imágenes. Esa información es requerida para que generes la mejor copia. Bien. Ahora, puedes volver a ir específica esa caricatura León imagen de dibujos animados León. Para mi digamos pienso, Bien, esto es lo que he hecho por mi producto, no hay problema. Vamos a cancelarlo. Simplemente borra esto. Después de dar respuestas para su pregunta, luego proceder a generar una imagen León. Entonces lo hará ahora pensando como si fuera un escritor prompt de imagen. Hay un pensamiento como escritor de aviso de imagen. Hará algunas preguntas relacionadas con mi tarea. Veamos qué va a pasar aquí. Me va a hacer algunas preguntas. Lo tengo. Estilo y modo de pregunta. Entonces tengo que dar las respuestas para estas preguntas, puedes ver aquí. Se preguntará algo de estilo y modo, pose y expresión, colores y características, fondo y configuración, derecho, elementos adicionales. Entonces cuando digas, te diré, primero te voy a dar las respuestas para este Estilo y estado de ánimo. ¿Qué es esto? ¿Debería verse lindo el león de dibujos animados? Bien, mantengámonos. Und C voy a pegar aquí. El número uno es lindo. Número dos es la pregunta es estilo abstracto. Bien. El número tercero uno es, tomemos aquí. Colores de fantasía. Tomemos azul. Bien. Eso son cuatro. Entonces solo estoy dando algunas respuestas a preguntas como esa. No te concentres en las respuestas correctas. Solo toma algunos ejemplos aquí. Tomemos una jungla. Digamos selva. Tomaré brevemente uno. El tercero es me gusta libro, tomemos libro quinto es libro. Veamos el mensaje de imagen aquí. Por lo que va a generar directamente la imagen en lugar de escribir el prompt. Bien, Aha gibt tiene algunas características geniales, ¿verdad? También generará la mejor, uh, imagen en el chat. Podemos ver la mejor salida desde aquí, prompt de imagen, ¿verdad? Entonces ahí se ve bien bien, bastante lindo aquí. Entonces, si tienes alguno así que no necesitas convertirte en experto en solicitar imagen Bien. Lo que aquí sucede es, te dirás que solo probarás IA para generar indicaciones de imagen Bien, este patrón rápido. Se sabe muy bien con qué imagen se debe llenar el baile de graduación. Para ello, se preguntará relacionado es. Cuando lo consiga recopilará información de nuestras preferencias, por lo que generará la mejor salida de acuerdo a nuestra tarea específica. Por si en este caso, he dicho también yo para generar lindo león. Entonces si ajustas esto, puedes cambiar los miedos, majestuosos, todo esto de acuerdo a tus preferencias, entonces cambiará la salida. Entonces es el mejor , ¿verdad? Aquí hay un león algodonero azul, de estilo abstracto como ese. ¿Verdad? Incluso puedes decirle a AI, así que por favor escribe el mensaje para la imagen de arriba. A ver. Ahora, va a generar se puede ver el prompt aquí. En lugar de obtener la imagen directamente, puedes usar este patrón de baile en otros modelos de idiomas como Lexicat Adonadimage Este patrón de baile te puede ayudar. Entonces esto es un pago. Bien, este es un plan HGT pagado. Por eso se genera directamente el prompt de imagen de salida. En algunos casos, plan gratuito, es decir TGP 3.5 Bien, verbo. Por lo que sólo generará la caricatura. Lo siento, voy a generar directamente el prompt aquí así. Entonces bien, tiene algunas características geniales en la versión paga del HGPT Por eso estoy diciendo esto usando no solo el cha Gib, puedes usar cualquier modelo de lenguaje para generar imagen, incluso puedes generar este prompt usando cualquier modelo de lenguaje No necesitas preocuparte 38. 5.2.6 Cómo escribir prompts de texto avanzados con ChatGPT: Incluso puede usar la IA como un ingeniero rápido experimentado que puede obtener el mejor aviso de la IA misma sin ponerse en escribir las indicaciones efectivas aquí Bien, por eso es muy importante la ingeniería rápida , ¿verdad? Así que incluso puedes decirle a la IA que eres escritor rápido experimentado. Por ejemplo, AI, escritor rápido. Ahora, hazme preguntas subdivididas relacionadas con tu puedes ir la específica Tomemos en lugar de imagen de dibujos animados, la imagen de generación ha terminado. Tomemos ahora hazme preguntas subdivididas relacionadas con el marketing digital, tomaré marketing digital No, se puede ver aquí. Entonces lo que estoy haciendo aquí. Esa información requerida para que la generes, puedes ver aquí. Puedes cambiar aquí, para generar lo mejor, efectivo. Puedes escribir cuánto puedes escribir todas las palabras que tengas para definir aquí algún mejor prompt en particular. Tan eficaz y atractivo y atractivo rápido. Mercadotecnia digital. Bien. Tomemos el marketing digital. Después de dar respuestas para su pregunta, luego proceder a generar prompt. ¿Qué va a pasar aquí? Ahora, la IA como nuestro trabajo como escritor rápido de IA, como ingeniero rápido. Entonces me va a hacer algunas preguntas. Puedes ver aquí, público objetivo, cuál es tu grupo de edad primaria estás apuntando? Cuando proporcione todas las respuestas para esta pregunta, generará un prompt, no el output. Así que concéntrate muy bien. Bien, voy a generar el prompt de IA, como lo hemos hecho antes para definir una tarea a la IA. Automáticamente generará un prompt para nosotros. Ese prompt, podemos usar cualquier modelo de lenguaje, incluso si podemos usar GIP para obtener el mejor resultado La IA está haciendo nuestro trabajo como ingeniero rápido. Escribirá el mejor prompt en lugar de nosotros, en lugar de a mí. A ver. Te voy a mostrar el ejemplo aquí. Entonces, ¿cuál es tu grupo de edad primaria? Entonces yo solo a toscamente, voy a escribir mis requisitos. ¿Bien? Un grupo de argón es de 18 años. Bien. Tomemos rápido. Entonces voy a tomar D durabilidad. Tomemos la esta, tercera, ¿algo de eso? Trendy para Marine Channel Facebook. Entonces para explicarte, solo estoy tomando estoy escribiendo las respuestas más o menos. Entonces cuando vas a resolver alguna tarea en particular, tienes que dar la respuesta a todas y cada una de las preguntas. ¿Bien? Para que puedas obtener el mejor resultado desde aquí. Entonces ahora las metas y el objetivo es la generación de leads. Entonces, qué pasa, A va a generar el prompt para nosotros. No, se puede ver aquí. Ver aquí. Gracias por los detalles. Sef. Basado en su respuesta, aquí hay un aviso de marketing dital efectivo y atractivo para generación de clientes potenciales dirigida, por lo que puede ver aquí Pmt Introd ultimate dital watch, por ejemplo, entonces es un mejor aquí, no es un prompt. Se trata de una plantilla. Entonces tenemos que decirle a la IA, ¿qué es un prompt? El prompt tiene dos significados, prompt que también se llama template. ¿Bien? Eso es una plantilla. No solo las indicaciones de IA, hay algo otro prompt que vamos a escribir, llamaremos alguna plantilla, las plantillas de muchos aspectos como cualquier plantilla de copia ADO como esa Entonces la sincronización de IA ahora que es pronta, que es una plantilla así ¿Bien? Se puede ver que está generando la plantilla de algunos AROCPY ¿Bien? Esto no es un aviso real de IA. Para eso lo que tenemos que decirle a la IA, tenemos que entrenar IA como URA que tenemos en este caso, porque la IA está aquí. Entonces, cuando estoy tratando de hacer la tarea de EI para esta aplicación específica de ingeniería rápida, lo que tenemos que decirle a la IA, tenemos que ir cada vez más profundo para guiar a la IA en este rol de ingeniería rápida. ¿Qué tenemos que hacer? Eres experiencia Un escritor rápido, Un escritor de baile de promritero AI, en el que tenemos que decirle a AI en que en el que tienes escritura, escritura de indicaciones para herramientas de IA Bien, veamos el resultado de este prompt aquí. Lo tengo, voy a hacer algunas preguntas detalladas para que recojas información y vuelvas a preguntar el i. Así que aquí hay algo aquí. Entonces, ¿por qué generar el prompt significa que va a generar para la aplicación específica que es prompt de marketing digital Entonces, en lugar de decirle a la IA que cave generar un aviso para el marketing digital, solo voy a borrar la IA para cancelarla. Vamos a tomar. Entonces formulario requerido para que seas fuertes cancele esto Después de eso, veremos cuál será la salida. Puedes decir que estás haciendo algunas preguntas y yo te daré esta respuesta. En vez de escribir la respuesta yo mismo, así te diré que me gusta. Bien. Entonces, ¿se puede generar salida para arriba? ¿Se puede generar salida para la tarea anterior asumiendo. Asumiendo respuestas por ti mismo. Como ejemplo. Entonces la IA pensará, automáticamente tomará las respuestas y generará la salida. Se puede ver aquí. Para que los puedas ver. Ya ves, esta es la salida que queremos aquí. Entonces después de decirle a la IA, papel específico exacto. Se puede ver aquí. Experimenta el escritor rápido de IA en que tiene indicaciones de escritura para herramientas de IA como Cha GPT y otros modelos de lenguaje I. Entonces, lo que va a pasar aquí, hará algunas preguntas como se hizo anteriormente. ¿Bien? En lugar de escribir en respuestas, solo le digo a la IA que se tome a sí mismo. Bien, asumo las respuestas por ti mismo para las preguntas anteriores y la salida del generador. Entonces en este caso, tienes que proporcionar tus propios datos para estas preguntas. Bien. Entonces solo para ver la forma de la interacción que estoy haciendo con la IA. Bien, puedes ver el aviso aquí. ¿Cuántas líneas aquí, una, una, dos, tres, cuatro, cinco, seis, 789? Aquí se indican nueve líneas. Si escribes el prompt, éste acaba de terminar en la cuarta o tercera línea porque nos falta la información que tenemos como ser humano. Pero conozco mucha información. Va a ir más y más profundo, ¿verdad? Escribirá lo mejor para incitar más que a nosotros, en lugar de ser humano. ¿Bien? Puedes ver el ejemplo aquí, crear participación en Facebook Instagram, agregar copy targeting 18 a 25. Por lo que se basa en estos datos. Entonces, cuando des los propios datos, cambiará. Bien. Por lo que ahora puedes ver aquí, generando baile de graduación de marketing para campaña de marketing digital. Esto es un aviso. Este aviso, podemos usar en cualquier lugar, cualquier modelo de lenguaje para obtener los mejores conocimientos. Entonces este es el poder de la ingeniería rápida. Entonces puedes usar IA para generar los prompts. Hasta tú puedes hacer todas esas cosas. Ese es el avance rápido que es la ingeniería. Entonces usa esta habilidad, ¿verdad? Entonces, por ejemplo, si obtienes este prompt. Ahora puedes cambiar esto de acuerdo a tus preferencias como cualquier tarea específica que estés buscando resolver por IA. Este es un ejemplo rápido aquí. Bien. Incluso se le puede decir a AI, por favor se lo diré aquí. Ahora, no voy a, por favor no por favor, convertir por encima de la solicitud. la plantilla de aviso. Plantilla de aviso. En el que el usuario puede editar las preferencias. Entonces, ¿qué hará la IA ? Esta solicitud se convertirá a la plantilla de solicitud. Se puede ver aquí. Se puede ver aquí. Por lo que va a generar las instrucciones. Entonces, por favor, reemplace este nombre de plataforma A especificando su Facebook, Instagram, Google Ads así. Entonces instrucciones para la personalización. Puede utilizar esta plantilla de solicitud. Bien, esta es una plantilla ahora. Este no es un prompt específico. Esta es una plantilla ahora, por lo que se está volviendo variable, no estática. Esta es una estática. Entonces podemos usar para el específico. Pero cuando convertimos este prompt en plantilla de baile, entonces se convierte en variable uno en el que podemos decidir podemos cambiar nuestro nombre de plataforma publicitaria todo el interés y comportamiento del producto, todas esas cosas. Puedes ver las instrucciones cómo editar la plantilla AbookPM. Entonces ese es un poder de IA. Podemos hacer toda nuestra tarea en segundos, bien. Entonces este es un poder de IA. Se trata de cómo interactúas con la IA y cómo te estás poniendo en la IA para hacer tu tarea. Y esa es una habilidad principal que debes tener la forma de interactuar es la ingeniería rápida. Entonces, la ingeniería rápida no es más que poner sus requisitos usando algunos patrones de prontitud, ¿de acuerdo? IA en la que la IA puede aprender tu información de fondo e intención que puede generar la mejor salida para tus preferencias. Se puede ver aquí. Acabamos de escribir la IA para decirle que escriba el prompt, después de haber guiado die para convertir el prompt anterior en prom a plantilla que podemos editar eso para nuestras preferencias. Entonces puedes ver aquí instrucciones, todas esas cosas aquí. Entonces eso es más poderoso.Yo es más poderoso de lo que piensas Se trata de cómo interactúas, cómo estás leyendo los proms, para resolver una tarea particular Entonces hay tantas maneras. Si lo digo aquí, continúa. Bien, la IA es infinito. Para que podamos hacer más cosas con la IA. No hay limitación para esto para eso. Entonces, la habilidad principal es practicar por ti mismo, usar los otros patrones de baile, hacer la otra tarea, probarla, refinar, tomar los comentarios de salida como retroalimentación, y tenemos que refinar el patrón de baile de nuevo. Entonces después de ver todos los prompts, toda la salida para el específico Así que ahora puedo combinar todos los proms. Entonces este prompt, este prompt, esto todos los sub proms, ¿de acuerdo? Este aviso. ¿Bien? Todos estos sub proms combinaré todos estos sub proms que se convierten en un prompt principal Ese es un aviso real de que podemos usar directamente, um, una vez, luego puede generar toda la salida. Pero es la mejor manera. Este es el mejor para obtener los resultados um, precisos y cohentes de cada paso, cómo podemos analizar la salida Bien. Por eso el método de entrenamiento rápido y este método siempre es bueno. Entonces eso es todo para esta lección chicos. Tenemos algunos que puedes usar hemos aprendido a escribir los patrones de prompt para aplicaciones específicas para diferentes industrias, usar Kass a cómo tenemos que interactuar con la IE desde el principio en adelante, como guiar a interactuar con la IE desde el principio en adelante, EU o asistente útil Es muy importante mientras interactúas por primera vez o segunda vez en el nuevo gráfico. ¿Bien? Por lo que desde abajo mismo, actuará solo en este patrón de baile de graduación. Hay una más poderosa. Entonces, si rompes esto, solo para decirle a la IA a partir de ahora o se olvidó arriba. Entonces solo romperá la cadena y saldrá de este botón de baile de aquí. ¿Bien? Espero que entiendas esto. Entonces solo tácticas por ti mismo, usa los otros botones de baile tanto como puedas, y ver las indicaciones o la habilidad de escritura rápida es muy, muy interesante y te hace la mente abierta y puede cambiar tu vida Entonces eso es lo más importante así que eso es todo para esta lección chicos. Hay mucho más que decirte, pero esto es suficiente para ti como principiante o cualquier cosa. Por lo que la habilidad de escritura rápida es mejorada por ti solo practicándola. Espero que entiendas. Entonces esto es algo que tengo que hacer hoy. Así que vamos a saltar a nuestro siguiente tema. Se trata de consideraciones éticas que son muy importantes para generar producción y utilizar en cualquier lugar. Vamos a sumergirnos en eso. 39. 5.3 Consideraciones éticas en IA: Oh, ahora en este capítulo, veremos algunas consideraciones éticas. Como ingeniero pronto, debemos saber. Entonces, ¿qué son en realidad consideraciones éticas? Entonces, se trata de algunas implicaciones morales de las acciones de IA o políticas de IA que pondrán las empresas mientras usan herramientas de IA como GBT, Alemania, así Y hay alguna perspectiva. Bien, hay algunos datos personales como esa. Consideración ética significa que tenemos que considerar algunos puntos. Mientras se usan algunos modelos de lenguaje EI. ¿Bien? Eso es muy importante para nosotros, ¿de acuerdo? Entonces para eso, hay más otra información que puedes buscar en el propio Google, como ¿cuáles son algunas consideraciones éticas para los modelos de lenguaje que puedes obtener? Por lo que aquí enumeré tres puntos. Es muy importante, en el caso de como ingeniero rápido, debemos saber. Que es Bien, veamos el primero, evitemos sesgos. ¿Qué es el sesgo aquí? Sesgo significa por lo que la IA es la IA es, por ejemplo, tomar ha GPT Ha GPT utiliza la técnica LP que es procesamiento del lenguaje natural en que generará un texto de manera humana, en un tono humano, como hablamos con humanos así solamente Voy a usar un lenguaje neutro. Bien. Entonces, lo que estoy diciendo aquí, mientras interactúo con la IA, usa un lenguaje neutral. Usa el lenguaje humano para interactuar con HGPT u otro modelo de lenguaje porque este modelo de lenguaje usa PNL El PNL, como técnica, es enviar mensajes de texto con EI como tono de lenguaje humano ¿Bien? La IA generará un texto. Bien, texto generativo o salida en el tono humano, en cómo platicamos con EI solo en ese formato Bien. Entonces, mientras escribimos las indicaciones, tenemos que usar solo un lenguaje neutral, y tenemos que evitar lenguaje sesgado o las palabras sesgadas que no ayudan a la IE a entender nuestra intención principal, ¿de acuerdo? Tarea principal así. Entonces por eso tenemos que evitar algunos estereotipos. Estereotipos significa las palabras que no están claramente definidas o que yo AA puede saber que las palabras también, pero perturbarán la salida. Nuestra salida no debe ser efectiva en comparación con el uso de lenguaje neutro. Bien, espero que entiendas este punto. Entonces al compararlo con el segundo, asegurar la inclusividad. Entonces tenemos que considerar algunas perspectivas diversas. Cuáles son algunas perspectivas diversas es así proporcionar algunos antecedentes, proporcionando alguna información adicional de nuestro lado a la IA para generar la mejor salida. Perspectiva diversa significa poner la IA para resolver nuestra tarea con nuestros propios datos. En lugar de tomar IA para resolver la IA. En vez de poner nuestro esfuerzo, ¿de acuerdo? Como humanos, tenemos algunos datos propios. Bien, la IA no está bien hecha al 100%, ¿bien? Esa es la salida no es 100% precisa, ¿bien? Puedo cometer errores. Para ello, tenemos que aportar algunos antecedentes o información que tengamos para resolver nuestra tarea por la IA. Entonces esa es la perspectiva diversa considerada significa que tenemos que proporcionar información de antecedentes o información adicional que tenemos. Bien. El primer mejor ejemplo es antes de un año, que har GbT sólo se prueba hasta marzo de 2023, creo Por lo que no hay corriente al día, pero antes de un año, el cargob se actualiza hasta alguna fecha de limitación ¿Bien? Para eso, después de alguna fecha de limitación, si hago alguna duda relacionada con los datos actuales, me lo dirá, así que por favor, no tengo acceso a datos futuros. Así que por favor proporcióname. Yo te asistiré en eso. Entonces, cuál es la conclusión así que no hay todos los módulos del lenguaje son actuales hasta la fecha en este momento Porque lo que estoy diciendo es que tenemos que proporcionar cualquier información adicional o de fondo para definir nuestra tarea muy claramente a la IA, que para apoyar a la IA para hacer la tarea manera muy efectiva proporcionando diferentes perspectivas de información a la IA, proporcionando información adicional, incitando, proporcionando otra información relacionada a nuestra tarea e antecedentes como entrenamiento actuar como una persona de patrón PAM en aplicaciones específicas. Así viene bajo las diversas perspectivas. Bien, eso es. Con eso, podemos asegurar la inclusividad Bien. El tercero es respetar la privacidad. Por lo tanto, evite indicaciones que generen sensibilidad, información sensible o personal Por lo que es muy importante cuando se utiliza el modelo de lenguaje. Por ejemplo, tomemos CHA GPT. El hA GBT está entrenando. Bien, está entrenado por nuestros datos también. No sólo la compañía está capacitando a la IA, no sólo eso, ¿bien? El har GBT es entrenado por nuestros datos también. ¿Bien? Se volverá inteligente por Oss, porque usamos duramente LLM, bien, para que nuestra tarea complete nuestra tarea con En eso entrenaré por nuestros datos. En eso, tenemos que evitar escribir, usar nuestra información personal como nombre no es nada problemático. Pero cuando usamos algunos números de cuenta reales o cualquier número pin como ese, cualquier número de teléfono, OTP que tengan algunas restricciones sobre eso Entonces, si usas así, será tendencia por nuestros datos. En caso de que escriba el por ejemplo, voy a utilizar prompt, así que por favor revise mi número de tarjeta ATM. El número de tarjeta es entrenado por IA. Cuando otro miembro o cualquiera de usar HGBT si esa persona le pregunta a JGBT, así que por favor proporcione algún Entonces lo hará existe posibilidad de proporcionarles nuestro número de tarjeta. ¿Bien? Entonces es ejemplo, pero existe la posibilidad de, uh, filtrar nuestra información personal Para ello, tenemos que evitar proporcionar nuestra información personal en el formato de indicaciones a la IA ¿Bien? Para eso, tenemos que tener en cuenta que como ingeniero rápido, no tenemos que evitar proporcionar ninguna información sensible o personal a la IA para proporcionar cualquier, uh casos o cualquier información que filtre ¿Bien? Tenemos que tener en cuenta eso. De nuevo, te lo estoy diciendo, así que si estás usando un ChargPT solo tienes que ir a sección de perfil aquí y simplemente dar clic en el botón de configuración Entonces mira la opción de controles de datos, la puedes encontrar aquí. Entonces solo si esta opción está activada, entonces ese es el mayor problema que lo que estás interactuando con la IA es entrenar. Es tomar los datos para entrenamiento que se puede ver la opción aquí, mejorar el modelo para todos. En este caso, ofrecí esta opción porque cuál es el beneficio de ofrecer esta opción es, he escrito tantas indicaciones aquí La IA no puede tomar estos datos para entrenarse a sí misma. ¿Bien? Depende de mí. Si pones esa opción está activada, existe la posibilidad de que te capaciten tus datos que puedan ser rápidos o cualquier cosa que sea esa tarea. Entonces para eso, ten en cuenta que fuera esa opción que puedes encontrar en los controles de datos una sección de perfil, puedes ver el lado de conversión superior del lado derecho. Por lo tanto, y evite proporcionar su propia información personal real para evitar cualquier caso de fuga de datos. Bien, espero que entiendas algunas consideraciones éticas. Para más información, puedes buscarla en línea. Puede obtener más información sobre las consideraciones éticas en las LLM o el uso de IA Entonces para esto, nuestro capítulo ce. Entonces, el siguiente capítulo es nuestro cómo usar LLM para tareas específicas Y entenderemos algunas capacidades y ventajas pros y desventajas de otros modelos de lenguaje que tenemos en este momento como ja JBT, Gemini Cloud, y perplejity dot y otras herramientas de generación de imágenes también Déjame discutir eso porque como ingeniero rápido, necesitas ser bueno escribiendo pronto. ¿Bien? No es perfecto en el modelo de lenguaje específico. Bien. Entonces, como ingeniero rápido, tienes que usar diferentes modelos de lenguaje para hacer alguna tarea en particular para resolver la tarea en particular. ¿Bien? Para ello, hay que conocer las capacidades de todos y cada uno de los LLM Como ingeniero rápido, deberías saber Bien. Entonces, como ingeniero rápido, debería ser mejor escribiendo indicaciones, no escribiendo indicaciones por LLM específico Entonces deberías poder escribir proms para cada LLM. Entonces solo tú podrás convertirte en un ingeniero rápido. Bien. Para eso, a continuación nuestro módulo siguiente nuestro capítulo o lección es, comprender las capacidades de diferentes LLM como Cha JP Cloud, Gemini, y otras herramientas de generación de imágenes, y discutiremos con el ejemplo, exploraremos algunos pros y contras al ver los ejemplos de todos y cada uno de los LLM. Vamos a sumergirnos en eso. 40. 5.4.1 Comprende las ventajas y desventajas de los diferentes LLM: Conferencia, vamos a ver alguna habilidad muy importante que todo ingeniero rápido debería tener, es decir, comprender diferentes LLM, ROS y contras y sus capacidades Y porque antes de escribir el prompt o antes de usar herramientas de IA, tableros de gráficos de IA para resolver nuestra tarea, debemos saber cuál LLM filmará mejor para la tarea particular que vamos a resolverla, ¿verdad Entonces antes de saber eso, si eres bueno escribiendo los proms, pero no sabes qué tablero de chat, tienes algo de fuerza para resolver una tarea en particular Entonces esa es la habilidad más importante antes de escribir alguna sugerencia para resolver nuestra tarea, ¿verdad? Entonces aprende esta habilidad, tenemos que saber, ¿verdad? Tenemos que saber qué LLM tienen algunas grandes capacidades y limitaciones que nos pueden ayudar a elegir la mejor herramienta para resolver esa tarea en particular ¿Bien? Como ingeniero rápido, debe ser excelente escribiendo el aviso, así como también debe saber qué LLM cuál LLM se adapta mejor a nuestra tarea particular de resolverlo ¿Bien? Esta habilidad se puede lograr mediante el uso de diferentes LLM para resolver tareas particulares Para ello, mediante el uso de este método, podemos verificar las fortalezas y debilidades de cada LLM, para seleccionar para elegir el mejor LLM, para realizar algunas tareas específicas Bien, para que la veas. Entonces lo que vamos a aprender es así que veremos algunos LLM diferentes como HarbtGemni Por lo que algunas tareas tomarán la misma tarea específica para entender cómo el LM nos ayudará a resolverlo. Entonces usaremos una tarea en particular para todos los LLM para verificar qué LLM está resolviendo la tarea de manera eficiente Bien. Se puede ver, y estamos viendo algunos consejos para hacer coincidir las indicaciones a las fortalezas de cada d. Así que vamos a ver qué modelo tienen alguna fuerza para resolver el problema o tarea particular Bien. Espero que entiendas esto. Entonces, hay una pregunta por qué es importante entender los LLM. Entonces como dije, cada módulo de lenguaje tiene sus fortalezas, bien, sus propias capacidades, ¿bien? Y conocerlos te permite adaptar tus indicaciones de manera efectiva. Como dije, como ingeniero rápido, debería ser mejor para escribir indicaciones para todos y cada uno de los modelos lingüísticos, ¿verdad ? para todos y cada uno de los modelos lingüísticos, ¿verdad Entonces puede ser un Ja Gib. Puede ser Gemini, puede ser Cloud, o cualquier otro LLM Entonces deberías ser mejor escribiendo las indicaciones, no en un LLM específico Bien, entonces deberías poder, como ingeniero rápido, puedes como ingeniero rápido, puedes escribir indicaciones para cualquier LLM eso se le llama una ingeniería rápida. ¿Bien? No si tienes un maestro específico en un LLM específico, así puedes usar esa habilidad para resolver la tarea que tienen la fuerza de los LLM que estás dominando que tienes maestro en eso Entonces, por ejemplo, si tienes alguna habilidad de ingeniería rápida y la tarea no es fácilmente resuelta por esta M en particular que tenemos el conocimiento más profundo o que tienes algún maestro en ese LLM Por lo que puede ser una pérdida de tiempo escribir las indicaciones para resolver alguna tarea en particular Esta tarea puede ser resuelta por otros LLM de manera efectiva. Entonces además, como ingeniero rápido, tenemos que ver qué LLM rodará coincidirá perfecto para esas tareas para resolverlo, ¿de acuerdo? Entonces ese es un punto aquí. Entonces, ¿cuál es tu mejor consejo para probar la lente? Bien, eso nos ayuda a elegir el modelo para resolver la tarea particular. Entonces puedes ver la propina aquí. Pruebe el mismo aviso en diferentes modelos en diferentes modelos para comparar salidas e identificar el mejor ajuste para sus necesidades. Entonces puedes ver aquí este es el mejor consejo de todos los tiempos. ¿Bien? Entonces, para probar los LLM, que perfectos para que coincidan con nuestra tarea, los podemos ver. Tenemos que usar el mismo prompt. Bien, tenemos que usar el mismo prompt en diferentes LLM, como har GBT, Gemini, Cloud, y otros Veremos en el próximo conferencista, se puede ver aquí. Así que en diferentes modelos para comparar salida e identificar el mejor ajuste para sus necesidades. Entonces, ¿qué significa una propina? Por ejemplo, si estás resolviendo la tarea particular de escribir creación de contenido para la educación en tal y tal dominio. ¿Bien? Entonces para eso, escribirás un prompt. Ese prompt debe usarse en todos los LLM, como hi GPT, Cloud, Gemini y otros modelos de IA ¿Bien? Después de eso, la IA generará la salida. ¿Bien? Este prompt generará la mejor salida, ¿de acuerdo? La salida es analizada por nosotros. Después de analizar los resultados de todos los LLM, para que podamos analizar y finalizar qué modelo puede resolver mejor esta tarea ¿Bien? Después de eso, escribiremos los siguientes proms y todas esas cosas en más profundo ¿Bien? Entonces, para explicar o comprender de mejor manera, saltemos a todos nuestros LLM, y probaremos un solo prompt en todos los modelos diferentes Bien. Después de eso, compararemos. A ver. 41. 5.4.2 Comprende las capacidades de ChatGPT con el caso de uso 1: Ya han abierto todos los LLM como HGPT gem.ai, cloud.ai, perplexity.ai, copiloto de Microsoft Entonces, todos los harboards de IA se llaman LLM. ¿Bien? Entonces en el que tienen algunos buscadores como Microsoft copilot también, ¿verdad? Entonces el Cha GBT es desarrollado por Open AI Geminis Google Cloud antrópico perplexity.ai empresa perplejidad, Microsoft Copalet como ustedes saben, eso es Bing Meta AI es, Facebook, eso es Bing Meta AI es Espero que entiendas esto. Así que vamos a comprobar. Entonces ahora estoy a cargo. Tomemos el mismo aviso en todas las Ms para generar algún resultado particular, y los analizaremos y finalizaremos qué modelo será el más adecuado para nuestra tarea Bien. Hagámoslo. Entonces como antes dije, eso es aplicaciones de ingeniería rápida. Así que recordemos que antes de escribir la tarea directamente, tenemos que entrenar a nuestra IA en el proceso paso a paso. ¿Bien? Vamos a llevarnos hola Bien. Hola seguro. Como dijiste, esta es una caja fuerte. Se guarda a mi nombre en este GBD. Entonces después de eso, lo haré justo. Eres un ayudante servicial. copié eso. Voy a pegar aquí. Este es un simple prompt aquí. ¿Bien? Entonces ahora, bien, va a entender. Voy a tomar de nuevo este aviso. Bien. Y voy a pegar otro modelo de lenguaje. Eso es Géminis. Así que vamos a llevarnos hola voy a empezar Alto. Por lo que alberga grandes características. Voy a pegar directamente este el primer prompt. ¿Qué va a ver el Géminis? A ver. Entonces puedes ver aquí, aquí hay algo que salió mal. Quieres que haga lo que me dices y quieres que sea precisa y servicial, entiendo. Bien. Entonces ahora está tomando tiempo. Entonces vayamos a otro LLM. Eso es Cloud. Hola, voy a saludar. Entonces después de eso, voy a pegar nuestro útil mensaje de asistente. Para que la veas. Agradezco su interés en mis capacidades, ¿de acuerdo? Está bien. Para que la veas. ¿Cómo puedo atenderte hoy? Estoy listo para ayudar con la amplia gama de tareas mientras me aseguro la salida sea responsable y beneficiosa. Eso es bueno cuando se compara con Alemania. Alemania se está tomando el tiempo para pensar en esto. Así se puede ver esto. Ta gibt Cloud tienen algunas capacidades en lugar de Alemania, ¿verdad? Entonces veamos la perplejidad dat hoy. Lo que va a decir. Entonces, hola, es un informal común acostumbrarse a reconocer a alguien o iniciar conversación Entonces ayuda a dar algunos por qué usamos esta cosa. Entonces después de eso, solo le diré a AI que es PerplExitta como asistente útil Veamos cuál será la salida. Sí, entiendo que estoy aquí para ayudarle a proporcionar información precisa, desatando palabras inusuales o inexactas. Es bueno. También va a conseguir algo de salida. Entonces me llevo el Microsoft Copalt y voy a saludar aquí Bien. Yo tomo en alto aquí, se puede ver aquí. Entonces vamos a ver. Hola, ¿cómo va esta noche? Bien. Dt pegaré mi aviso insual Eso es lo que pienso. Como aquí entiendo, estoy aquí para ayudarte con un lineamento agudo. Es bueno, ¿verdad? Vamos a meta IA. Empecemos con hola. Entonces tenemos que continuar con ese inicio de sesión. Vamos a terminar. Se trata de tomar alta información como un aviso. Vamos también está tomando tiempo. Vamos a saltar al Géminis. Basado en información que probablemente no puedas usar Metaoc tiene en algún problema ¿Bien? Pero. Entonces lo intentaré en otro momento. Entonces veamos algunos LLM restantes como Gemini Cloud A. También está tomando algún tiempo, ¿verdad? Así que vamos a refrescarlo. A veces el géminis lleva más tiempo. Bien, tomemos Asegurado el después de poner esta configuración inicial del baile de graduación, veamos qué pasará aquí. Entonces entiendo que quieras ser ayudante servicial, harás lo que me digas. Entonces también es algo genial, ¿verdad? Entonces tomemos alguna tarea específica de Ok, tomemos R Experiencia, experiencia. Tomemos cualquier tarea que sea la creación de contenido empresarial, o podemos tomar cualquier derecho específico. Tomemos cualquier cosa que esté bien. Eres experto en IA con experiencia. Bien, en IA experto en la materia en el campo de tomemos el aprendizaje profundo, ¿bien? En el ámbito del aprendizaje profundo. Ahora, tu tarea es explicar para explicar sobre el aprendizaje profundo aprendizaje profundo en palabras simples. ¿Se entiende? SIF, entendí voy a explicar la planeación profunda con palabras simples. Aquí vamos. Se acaba de redactar la salida para mi tarea aquí, esta generando la salida. De qué se trata esa planeación profunda. Para que lo veas explicando en las sencillas palabras. Deeplgning es como enseñar una computadora para aprender de Es toda la salida del gibt de Cha. Para que puedas ver su salida. Tengo algunas palabras de conexión de mujeres. Entonces, si utilizo este aviso y otras limosnas, 42. 5.4.3 Capacidades de Gemini, Claude, Perplexity y Copilot con caso de uso 1: Si utilizo este prompt y otros discos, veamos como Gemini, voy a tomar así. Veamos qué va a pasar aquí. Entendamos aquí la explicación simple del aprendizaje profundo. Imagínese enseñarle a un niño a reconocer a un gato. No sólo me dirías que buscaran bigotes, orejas y cola En cambio, deberías tener muchas fotos de gatos. Por lo que es bastante difícil entenderlo. A ver. Se ha generado algo de salida. Aquí está D también generó algo de salida. Bien, puedes analizarlo. La planeación profunda es como enseñar una computadora para aprender del ejemplo C. Esto tiene sentido. ¿Bien? Esta salida es solo tener alguna buena explicación en comparación con em. Bien, se toma algunos hay algo dificultad para entender esto, incluso se puede ver aquí, ¿verdad? Entonces vamos a Cloud cómo va a explicar nuestra tarea. Se puede ver aquí. Voy a explicar planeación profunda en lo sencillo accesible a ellos. La planeación profunda es un poderoso tipo de inteligencia artificial. Bien. A ver. Eso imita cómo el cerebro humano procesa la información y aprende de la experiencia Imagínelo como enseñar una computadora a aprender y tomar decisiones manera similar a como aprende un niño a través de la observación, la práctica y el reconocimiento de patrones. ¿Bien? Tiene alguna buena explicación cuando se compara con Géminis. Bien, vamos a perplexity.ai. Entonces, tomemos esto. Absolutamente. ¿Qué es la planeación? La planeación profunda es un tipo de inteligencia artificial que enseña a la computadora a aprender de grandes cantidades de datos. ¿Inspiró cómo funciona nuestro cerebro? El uso de tales redes neuronales de llamada, conceptos clave. Bien. Se puede ver por qué es importante, todas esas cosas aquí. Por lo que esta salida tiene alguna gran estructura y explicación simple cuando se compara con Cloud Gemini. Bien. Espero que entiendas. Entonces veamos, y vayamos a nuestro corporativo de Microsoft qué va a generar. Se puede ver aquí. Entender absolutamente el vínculo la planificación profunda en palabras simples. La planificación profunda es un tipo de IA que imita la forma en que el cerebro humano trabaja en el procesamiento de datos y la creación patrones para la toma de decisiones Entonces como dije, los imitadores significa que ya hemos visto, se puede ver aquí. La nube. La planeación diurna es un poderoso tipo de motor artificial que imita cómo el humanbin procesa la Bien, vamos a tener algunos geniales. Así que puedes ver aquí. Esto es un coros, ¿de acuerdo? El Nim está generando la mejor salida. ¿Bien? No hay problema en eso. Bien, puedes ver una diferencia entre la salida aquí. Entonces los hajbit tienen algo más de personalización comparación con Gemini y otros todos los modelos de lenguaje AI Personalización significa explicar como tu amigo, como tu profesor o cualquier compañero, cómo te explicarán alguna materia o lección La IA lo explicará de esa manera. Eso es más que es la mejor capacidad que tiene Jajbti que es la personalización, derecho, y capaz de reconocer nuestro nombre Así que hasta yo solo cambio el nuevo gráfico para que pueda reconocer mi nombre. ¿Correcto? Esa es la capacidad de ja gibt Cuando le diga a Géminis, veamos eso también va a decir. Entonces para eso. Entonces esta es una capacidad simple que te he mostrado. ¿Bien? Así que vamos antes de ir a bucear más profundo, así voy a explicar cuáles son los LMC reales es Entonces el chargebty es un modelo sencillo de lenguaje grande. Está entrenado por una gran cantidad de datos como antes discutimos. Entonces se desarrolla para interactuar con la IA como un ser humano, ¿verdad? Entonces hay un simple chatbot, ¿de acuerdo? Y se ha convertido en ese modo de voz, y también tiene algunas características geniales a las que les gusta el motor de búsqueda. Observe, bien, tenga algunas versiones. Entonces cuando se compara con Gemini, gimnies desarrollados por el propio Google. Entonces el principal problema de este Géminis, les tomará datos del buscador de cualquier sitio web, todas esas cosas. Voy a resumir y va a dar la respuesta por nosotros. Aquí, la personalización viene menos en comparación con ha GPT, Por qué la IA IA tomará las respuestas de los sitios web que tienen. Entonces, a cada información en el sitio web le gusta tener alguna información directa en lugar de usar la estructura de palabras de personalización de esa manera Tomará los datos y se generará como salida aquí. Entonces eso está aquí. Así que puedes ver aquí. Imagínese enseñarle a un niño a reconocer al gato directamente sin personalización Punto de partida, solo lanzará la salida cuando se compara con el cha GPT La nube también es trabajo como Ta GPT. Tiene algunos grandes futuros, como el propósito de razonamiento. Tendrá algunos grandes futuros. Bien, tiene algo de personalización. Entonces, cuando se compara con el punto de perplejidad, se desarrolla principalmente con fines de investigación Bien. El propósito de investigar significa que esta IA tiene todo el acceso a los sitios web y trabajos de investigación que tiene Internet Así que fácilmente estará bien, fácilmente, uh, generará resultados basados en los trabajos de investigación y reales uh, sitio web, datos en tiempo real. Bien, por eso es más efectivo para la investigación. Entonces este punto de perplejidad A es bueno para investigar artículos o simplemente Entonces puedes fácilmente así que para esto, por cada salida que genere, mostrará algunos enlaces de referencia, enlaces sitios web a los que puedes referir directamente sobre eso. Entonces puedes ver aquí se mostrará aquí, puedes ver aquí fuentes. Entonces hola cuando le digo a perplejidad doti a solo Hola, se esta tomando esta Se trata de tomar esta información de este sitio web en particular. Entonces podemos ir directamente aquí y comprobaremos la definición de alto aquí. Entonces no sólo eso, puedes ver una salida diferente y puedes ir directamente al sitio web que te mostrará después de cada salida. Bien. Espero que entiendas esto. Bien. Y también solo mostrará estas algunas preguntas relacionadas que hicieron los usuarios, la mayoría de las. Así que simplemente puedes hacer click aquí y te explicará lo segundo. Se puede ver que también sugerirá fuentes que la salida se toma de esto aquí. Simplemente puede hacer clic aquí y va a sitio web en tiempo real. Eso significa esa información. Bien, la salida de la perplejidad AI se toma de este Entonces está mostrando algunas diferencias que podemos poner cierta confianza sobre estos datos. ¿Bien? Es por eso que el punto de perplejidad a es bueno para investigar papeles, para obtener datos en tiempo real para conseguirlo. ¿Bien? Por ejemplo, llega al Microsoft C Palt también es mismo funciona como Google También es motor de búsqueda, como el chat de Bing que es Microsoft Bing, tenemos. Bien. Así que tiene algunas características geniales como jemi dot AIA Cuando se puede ver el aprendizaje profundo es un tipo de inteligencia artificial como esa. Por lo que también tomará la información del propio Microsoft, como gem dot AID. Entonces bien. Entonces estas son algunas capacidades básicas que te he dicho. Entonces, ¿qué tipo de tarea o tenemos que elegir? Todos ellos LLM funcionan como, pero bueno. Pero no hay un LLM específico que haga 100% trabajo, 100% exacto No hay en que todos los LLM cometan errores. No hay 100% de precisión de LLM. La salida es. La salida, no hay una salida 100% precisa de todos los LLM Entonces tenemos que tomar algún trabajo repetitivo para automatizarlo. Eso es. Por lo que podría ahorrarnos mucho tiempo para resumir alguna información o escribir el contenido, tomando las ideas Se puede utilizar en ese caso. 43. 5.4.4 Comprende las capacidades de ChatGPT con el caso de uso 2: Oye, ¿qué es una capacidad media que tienen los ajibti? Entonces voy a decir eso. Así que vamos a tomar. Entonces en el ajibit reconoce patrones. Eso significa que en el estilo rápido anterior y próximo, ¿de acuerdo? Por ejemplo, ya lo he dicho, mi nombre es Saif. Entonces digamos, voy a decir aquí. Entonces ahora, tiene alguna gran capacidad que es actualización de memoria. Es almacenar nuestros cocientes, nombres, información que guiamos a la IA Entonces en este patrón, podemos usar en cualquier lugar eso. Por lo que reconocerá. Veamos cómo va a ayudar. Por ejemplo, se lo diré a AI, así que no voy a decir voy a guiar a la IA. Escribir contenido en francés. Ahora, veamos qué es la salida aquí. Entonces si piensas aquí, es un nombre mío. ¿Qué es esto? No sabemos de este francés. Pero, ¿qué es esto? Es el idioma francés del aprendizaje profundo. ¿Bien? Entonces, ¿qué va a pasar? No me dijeron a EI que escribiera contenido en francés del concepto de aprendizaje profundo por encima. Yo solo le digo a EI, escribir contenido en francés. Por lo que es automáticamente detectar mi intención. Bien, necesito a la persona, la necesidad del usuario, el contenido anterior en francés. Eso es un poderoso aquí. Ahí está el hajbti tendrá algunas capacidades aparte de otros modelos de lenguaje Se puede ver práctico aquí. No me dijeron a AI que escribiera contenido en francés, escribiera sobre contenido en francés. Yo solo le digo a AI, escribo contenido en francés. Detectará automáticamente mi intención y generará la salida en francés. Eso es por aquí. Bien, ese es un poderoso de hagibt Digamos, digamos a la IA este temi.ai. Bien, usemos el mismo pro. Escribir contenido en francés. Cap Vayamos aquí. Voy a pegar aquí. Veamos qué va a pasar. Entonces, ¿qué pasó aquí? Sí, también va a generar algunas finanzas. Guau. Esto es así para eso, también explicará algunos conceptos de planeación profunda. Por qué, le he dicho a AI, esto es un contenido. Por lo que también detectará mi intención. ¿Bien? No hay problema en eso. Vayamos a Cloud. ¿Qué va a pasar? No, también va a generar contenido francés. Eso es bueno. Entonces también lo hará, analizando mi intención. Vamos a perplexity.ai lo que va a pasar aquí. Sí, también lo está explicando en términos de francés solamente. Es bueno. Funciona. Vayamos aquí. Eso es Microsoft Copilt Sí, es bueno. También analiza mi intención, y lo explicará en francés. Bien, no hay nada así en eso. Entonces tomemos otro ejemplo. Hay un bien para todos y para todo. La creación de contenido es buena desde todos los LLM. Es bueno. Entonces lo que le digo a AIT. Ahora, mi nombre, no así como. Veamos alguna tarea bien Género ocho. Entonces. Ideas de videos de YouTube. Pregunta te diré te voy a decir, en qué nicho En qué nicho o en qué nicho en qué tema. Tomemos directamente uno específico. En qué tema, es necesario generar ideas. Ahora pregúntame qué tema buscas para buscas para generar ideas de tema de video, ideas de video. Entonces vamos a ver. Se puede ver aquí. Genial, si. Para qué tema te gustaría que genere ideas de videos de YouTube. Yo me llevaré EI. Tomemos solo EI. Inteligencia artificial. Aquí hay algunas ideas creativas de videos de YouTube que es que puedes ver que se genera en mí. Así que las ideas de video de YouTube, Avanzado Un TPSGod principiante amigable AI, avance Es una buena idea. Noticias de tendencias actuales. Sí, es genial. Sí, Atopicsther conversacional en profundizar en Es bueno. Videos divertidos e interactivos. Oh. Así que puedes ver aquí. Entonces al ver esto, entonces esta agibty es genial para las ideas de brandstoming Generando algún contenido relacionado con cualquier cosa, tiene algunas grandes capacidades. Entonces veamos otras limosnas lo que va a generar para este prompt para este particular 44. 5.4.5 Capacidades de Gemini, Claude, Perplexity y Copilot con caso de uso 2: Veamos otros discos qué va a generar para este prompt para esta tarea en particular. Entonces iré a Géminis y me basaré aquí. Bien, me pregunto por qué tema te gustaría que genere videos de Youtube. Tomemos IA. Sólo pegaremos IA. Ideas bgnerd Oh, bien, esto también tomando algunas ideas de nivel avanzado, consejos adicionales. Cuando se compara con Chachi Bit, puedes ver aquí. Profundizará en tendencias actuales más profundas, temas conversacionales A, futuro interactivo A, futuro de la IA Este Gemini es simplemente realmente simple, lanzarlo también es la mercancía, derecho, inmersión profunda en redes neutrales. Pero el hábito es específico. El futuro de la IA. Lo que sigue en 2030 y más allá. Se puede ver que es directamente ideas, hay un tema aquí directamente. Podemos usar directamente en el título del video de YouTube. Pero aquí vienes, solo va a decir no uno específico, solo contando sobre los temas, el nicho en la IA particular. Puedes ver aquí A ampliar simplificar la vida Ayleveryda. Um, me olvida, construyendo tu primer modelo de IA. Esto todos los temas. Esto todo lo bueno, pero el ha Gibt ha generado el específico qué tendencias, qué tendencias actuales y noticias top ten avances de EI que debes conocer en 2024, En comparación con esto, en la lluvia de ideas, ha Jib tiene alguna mayor capacidad, fuerza en comparación con Alemania Vayamos a la nube lo que va a pasar aquí. Vea cómo estoy interactuando con las LLM de IA y cómo estoy finalizando la salida para elegir LLM para resolver Bien. Puedes ver aquí Cloud puede cometer errores. Claro, yo te ayudaría a generar videos de Youtube. ¿Podría decirme qué tema necesita? Yo solo le diré a AI Bien, aquí hay algunas sugerencias. Simplemente generará contenido amigable para principiantes. Bien. Futuro. Bien, manos y tutoriales. Sí, genial. Por lo tanto inmersiones técnicas profundas, aplicaciones prácticas, tendencias y predicciones futuras, manos y tutoriales. Bien, es bueno. Sí. Tiene alguna parte técnica correcta cuando se compara con el Cha GPT, ¿de acuerdo? puedes ver probando aplicaciones populares de IA cuál es la mejor. Sí, es bueno en comparación con. Bien, al ver esta salida, puedo finalizar esta Nube tiene alguna parte técnica en comparación con Cha GBD ¿Bien? Entonces esto significa que puedes usar el propósito de codificación si eres un codificador Bien, si buscas aprender algo de codificación, puedes usar Cloud porque va con la parte técnica de cuando se compara con la parte técnica de Gemini y Cha GBD, lo mejor será terminar generando contenido en humanos como texto e ideas de lluvia de ideas Entonces cuando se compara con Gemini, también es algo así solo, pero cuando se compara con Cloud, por lo que irá en el formato técnico como construir tu Un primer proyecto en Python, creando un gráfico de IA pero desde cero. Eso significa que puedes pensar, este módulo de IA va en la parte técnica. Eso significa que pensará que tiene algunos conocimientos sobre escribir el mejor código para eso. Entonces para eso, si eres algún codificador, puedes usar esta nube para una mejor salida Sí. Veamos aquí a perplexity.ai, qué va a pasar. Claro, por favor, hágame saber qué tema le interesa. Tomemos IA. Sí. Aquí hay algunos videos de YouTube, enfoque en el tema, interacción con aplicaciones IIII, Bien, tecnologías de herramientas de IA Entonces esto todo sobre temas de video, que son los cuerpos de chat de IA, la salida es depender de que los motores de búsqueda tengan. Ya los datos están en los buscadores, tomará que resumirá No es un motor de búsqueda, sino que tomará la salida de los recursos de los recursos en línea. Bien, puedes verlo mostrando algunos videos de YouTube para ver, derecho, videos de YouTube sobre IA. Voy a mostrar algunas herramientas actuales para usar para crear un tema. Bien, crea unos videos de YouTube en la parte superior de esto. ¿Bien? Entonces tomemos aquí también ese copilt de Microsoft. Bien, tomemos preguntándonos qué temas IA. Impresionante. A lo básico, yo en la vida cotidiana, Un cuidado de la salud. Si observas, si observas, los dos buscadores como Gemini, copiloto de Microsoft, tienen misma salida algo mismo comparación con esto lo básico I, la vida cotidiana de YI, A en la salud Ver el Géminis. EIN vida simplificada, A en la vida cotidiana, IA para niños, la ética de la IA, AIN Healthcare. Se puede ver IA en ética, IA en entretenimiento, entrevistas con expertos en IA. Así que puedes ver aquí. A en finanzas. Al observar estos dos modelos, gem.ai y Microsoft Copalt hay dos motores de búsqueda Tienen datos reales, ¿verdad? Así que generarlo puede generar salida YouTube temas de video, ideas, mediante la recopilación de toda la información sobre la IA IA en una aplicación diferente como esa porque es un motor de búsqueda, tiene más datos, derecho. Va a venir del sitio web, YouTubes, todas esas cosas Bien. Estos dos motores de búsqueda tienen más, más profundo. Entonces, cuando se comparan con estos modelos de lenguaje, son geniales para ir específicos y generar ideas de lluvia de ideas, bien, para generar contenido para Cuando se compara con Gemini y copiloto, por lo que puedes usar directamente en eso para hacer algunas automatizaciones, como ir, puedes decirle a sitio web específico, ir a este sitio web y resumir este A buscadores como Gemini y Microsoft copilot. Para que puedas ver cómo podemos usar este modelo de IA por separado para cada tarea individual. Entonces puedes usar esto así, ¿de acuerdo? Perplex Data Day, que es genial para obtener la información de las fuentes, es decir, datos reales actuales de los trabajos de investigación o cualquier fuente en línea Para que puedas obtener directamente de eso. Pero el cargob lo que sucede aquí solo va a generar en base a los datos Bien, ese Cloud también lo hace. Tiene alguna parte técnica que puedes usar para el propósito de codificación, Cloud. Chagby también puede resolverlo, pero la nube es buena cuando se compara con chargebrne en la parte Bien. Entonces cuando se compara con Gemini y Microsoft Copalet, se puede utilizar para el resumen de videos, artículos, Bien, artículos, Bien, directamente en los motores de búsqueda de booards de chat Esto generará la mejor salida para sus creaciones de sitios web o cualquier tendencia de futuro o mercado para ver qué mercado tienen alguna gran demanda. Puedes preguntar directamente a estos booards de chat como Gemini Microsoft Copal ¿Por qué? Se trata de un motor de búsqueda. Hay una información actualizada actualizada sobre estos motores de búsqueda que puedes usar verdaderamente chatbardso para eso Entonces hay un fuerte de Géminis y Microsoft. Los motores de búsqueda que puedes utilizar para ese propósito para las tendencias del mercado, para hacer un resumen de videos o cualquier sitio web, todas esas cosas Para Cloud HAGPT, se trata de que esto generará en base a sus datos de entrenamiento Pero Gemini y Microsoft Copalt están tratando de comprar sus fuentes que ya tienen, como sitios web, YouTube, videos, todos los buscadores que no tenemos eso como, El punto de perplejidad se trata de todo. Voy a generar la salida en base a las fuentes en línea. Tomará algunos trabajos de investigación, contenido del sitio web, YouTube, resumen, todo este día Entonces, para los datos actuales o cualquier trabajo de investigación de tendencias, puede usar este perplexity.ai. Por lo que te va a ayudar. Sugerirá algunas fuentes de las que ha tomado la salida. Puedes ver directamente estos enlaces a través del. Entonces mediante el uso de este perplexity.ai, así se puede obtener la conferencia de esta salida. Esta salida no es del 100%, pero el 98% es correcta. Por qué utiliza la salida de las fuentes principales. Puedes ir directamente aquí y también puedes consultar el contenido de sus sitios web. Esta es una gran capacidad que perplex punto a, tengo en lugar de otros LLM Entonces estos dos, Microsoft, Gemini son los mejores para esa búsqueda, resumen, y todas esas cosas Cloud Cha GPT son buenos para intercambiar ideas, escribir contenido y generar núcleos como Espero que entiendas las principales capacidades de esto. Entonces como dije, hay mucha más cosa si practicas bien por ti mismo. Por lo que sólo he tomado un ejemplo para explicarte. Entonces, si entiendes. Entonces, se trata de cómo interactúes con los modelos de IA. Solo toma una tarea específica de una tarea, y solo eso tienes que hacer, tienes que escribir el prompt para que esa tarea en particular resuelva la IA. Usa el mismo prompt en todos los LLM, como har JT, Gemini, todas esas cosas Después de eso, analice la salida. Y comprueba eso. Qué salida se ve mejor para usted según sus requisitos, luego vaya con eso. Entonces ve con ese LLM específico para adentrarte cada vez más y más para resolver tu compleja tarea o cualquier cosa que quieras de la IA Por lo tanto, se trata de comprender LLM, diferentes LLM y capacidades acuerdo con la salida de la tarea específica Entonces espero que entiendas esto. Esta es tu más importante, pero esta habilidad se puede desarrollar practicando por ti mismo con una tarea diferente y escribiendo el mismo prompt y Jagt en otras cosas Sólo sé. Incluso puedes ir a online, puedes ir a Search Engine cualquier cosa por el estilo. Entonces solo ve y dile a AI, búsquela en Google. ¿Cuáles son las capacidades de? Y puedes preguntar allí algunos pros y contras de los chatbots de IA Los chatbots tienen. Sí, Chartbodso, Chatboards como chat PIT, Por lo que utilizará algunos pros y contras de HRB. Se puede ir directamente allí. Puedes comprobarlo aquí. Desempaquetar los pros de hagib y la causa de la IA los mejores pros y la causa de AHR Bs que necesitas conocer Para que puedas buscarlo en Google. Se puede obtener la mejor salida, mejor información en el propio Google. Bien. Así que por favor evita preguntar aquí, chat individual, pero, como, hagibt es mejor o Géminis es Si preguntas en ja GBT, le dirá a ja Gib es mejor Así que a la derecha. También sucede en los chatbots de IA Si preguntas en Géminis, Géminis es mejor o Cloud es mejor, le dirá que Géminis es mejor en comparación con esto. Mostrará algunas limitaciones y hebras de otra nube también. Pero dirá como el searon si tomas Géminis es mejor a veces Entonces si le pides el compare, el otro LLM con el específico que le está pidiendo a AI AI LLM como Cloud Si preguntas en voz alta, entonces Cloud es mejor o purplesy.ai es mejor. La respuesta será te explicará te explicará tanto pros como contras de individual, pero la salida serán los shows positivos en la nube así. Así que evita usar eso. Entonces solo para ir a ver los videos de YouTube como qué cuerpos de chat disparan para la tarea específica, buscarla y conocer las capacidades más profundas de cada módulo de idioma individual como ingeniero rápido, es tu responsable hacer el para resolver la mejor tarea. Mejor problema. Manera efectiva mediante el uso de diferentes LLM para diferentes tipos de tareas Espero que entiendas bien a este conferencista. Entonces tiene alguna explicación más para ti, pero llevará tiempo. Se trata de cómo interactúas. ¿Bien? Por lo que esta habilidad puede ser desarrollada por ti mismo practicándola. Entonces solo podrás elegir un mejor LLM para ti. Vamos. Hasta esta conferencia se concluirá. Bien. A partir del siguiente modelo, veremos algunas herramientas de incitación, o, otros métodos que utilizan LLM Entonces veremos en el siguiente modelo cómo usar modelos de lenguaje para generar los prompts. Sí, has escuchado bien. Usted ha oído el derecho. Veremos algunas técnicas, cómo tenemos que usar los modelos de lenguaje para escribir proms, proms imagen, así como texto para Entonces como discutimos anteriormente sobre eso en las aplicaciones de, volveremos a ver, usaremos todos los LLM para ver cuál LLM es excelente para escribir el prompt Veremos que usaremos algunos patrones de baile en el siguiente modelo. Vamos a ir en las percepciones más profundas. Después de eso, veremos algunos en el siguiente modelo, veremos algunas herramientas de incitación que mejoran nuestro prompt básico, ¿de acuerdo? Con esto cerramos este curso. Bien, espero que entiendas esto. Bien, profundicemos en nuestro siguiente módulo en el que vamos a ver algunas aplicaciones y herramientas de prompting Vamos a sumergirnos en ellos. 45. 5.4.6 Capacidades de Deepseek, Grok Ai, Qwen Chat y Mistral AI con casos de uso - parte 1: Ya hemos visto cómo usar diferentes LLM para diferentes usos Ya hemos aprendido a escribir prompts específicos para diferentes LLM como HGPT Cloud Germany, dot AI perplexity.ai y Cloud dot AI Ya hemos visto esos modelos particulares de AI LLM. Pero en algunos días, tenemos algunos modelos más de IA en el mercado en estos momentos como Dest AI, grok AI, Queen hat AI, Mistral Estos son los modelos I, los últimos modelos A del mercado. Derecha. También necesitamos explorar este tipo de modelos de IA como ingeniero rápido, T es lo principal importante, ¿verdad? Entonces entendamos cuáles son estos modelos de IA. Como dije, Deep Sik es desarrollado por los chinos, eso se desarrolla en China Ya has visto de eso. Ya nos enteramos de esto. Este es un modelo de IA bastante muy efectivo. Funcionará hasta el modelo HGT, JGBTopeneiv tres o W uno Está disponible de forma gratuita en comparación con el HGPT. Bien. Entonces estos también tienen algunas características geniales. La braga también actualizó su modelo de IA, por lo que agregó algunos razonamientos de botones de búsqueda Cuando después de venir la búsqueda profunda en el mercado con estas funcionalidades disponibles, entonces solo el ha Jibe tiene un acaba de proporcionar estos botones como búsqueda de propósito de razonamiento Dipsik es el mejor modelo de IA. Déjame ver qué pasa aquí. Vamos y el siguiente modelo de IA que es Grock. Grock AI también es desarrollado por la compañía de las Américas que es Ellen Mosk También es modelo AIM muy rápido y muy inteligente en este momento El Quenchat. El QuenChatei también desarrollado por las empresas Alis Baba de China También tengo grandes modelos O plus, y también es un gran efectivo. Puedes ver aquí hay muchas más opciones, lo que parece una mejor interacción con la interfaz de usuario. Puedes ver el pensamiento, opcional, websearch disponible, todas esas cosas aquí Puedes usar esto para cualquier cosa. El siguiente pero no menos importante, es MistrLei. También es un buen modelo EI. Entonces, el propósito principal de aprender este conocimiento particular es nuestra habilidad particular escribiendo los proms efectivos Siempre recuerda una cosa, el modo de IA tiene sus propias capacidades en alguna tarea en particular El mismo módulo de IA no está bien en una tarea particular. Como ingeniero rápido, necesitamos escribir las indicaciones para cada LLM Después de escribir el mismo mensaje de tarea para diferentes LLM, entonces solo podemos elegir el mejor modelo de IA para nuestro requerimiento Entonces, como dije antes, necesitamos escribir el mismo prompt de tareas para todos los LLM Entonces tenemos que evaluar, entonces tenemos que verificar la salida de ese LLM en particular, que igualamos ligeramente a nuestro requisito Entonces, qué LLM generará la mejor salida que son ligeramente iguales a nuestro requisito, entonces tenemos que elegir ese LLM en particular para ir en profundidad para que ese particular resuelva la tarea Espero que entiendas este punto. Para eso, ya hemos visto algunos de los mejores modelos de IA como ha GPT Gemini cloud en la sesión de clase anterior En esto, vamos a ver estos últimos modelos de IA, cómo están generando la salida. Tomemos nuestro ja GPT. Siempre veo que siempre digo. Siempre recuerde algo, la ingeniería rápida no es más que escribir los proms escribiendo los proms, haciendo el prompt efectivo LLM no es más que profundo enfermo, CHGBT, Grokquan Mistral. Eso todo sobre algunos de los nombres de LLM. Bien, me estoy enfocando en LLM. Eso significa que necesitas mejorar en la escritura de las indicaciones. Eso es. No estás aprendiendo a dominar un modelo particular de AI LLM, sino que estás dominando el arte de escribir de incitar, escribir el arte de incitar escribir el arte Espero que entiendas. Para eso, hay que dominar la redacción de los proms, no los LLM Espero que entiendas este punto. Hasta ahora eso es lo que tenemos que verificar, tenemos que probarlo. Cuáles son los patrones de proms funcionan bien para el LLM particular o Recuerda una cosa. Estas son la suma, estoy tomando como propósito de prueba. Recuerda siempre que los patrones de baile funcionarán para cada LLM No hay duda en eso, pero algunos LLM no puedo seguir el patrón anterior como GBH En ese caso, tenemos que tomar tenemos que elegir el LLM basado en las capacidades y funcionalidades de LLM Vamos a probarlo a través de los módulos de IA más avanzados y muy inteligentes en este momento. He saltado a HagiBT y hemos visto esto comencemos desde lo alto en este LLM en particular. Vamos a tomar alto. Probemos nuestro primero que es profundo. Voy a pensar ahora mismo. Si solo me quedo aquí, pensando profundo, empezará a pensar antes de generar la respuesta. Se irá por la búsqueda si habilito este botón de búsqueda. Tomaré este es nuestro aviso básico de interacción que ya conocemos sección anterior que hemos discutido. Simplemente escribiré aquí y pagaremos el mismo patrón de prompt en particular y solo mantendrá esto incluso usted puede simplemente subir este prompt incluso sin hacer clic en la cosa dip, pero use esta funcionalidad específica porque al agregar la cosa dip, dará la mejor salida porque la funcionalidad de capacidad de pensamiento es muy poderosa Veamos cuál será la salida. Se puede ver que el usuario quiere confirmar que entiendo estas instrucciones. Es pensar. En eso podemos esperar la gran salida porque está pensando antes de generar la salida. Se puede ver. Absolutamente. Entiendo sus instrucciones claramente. Priorizaré la precisión, evitaré cualquier contenido inapropiado habitual como ese Puedes ver aquí, es el aji también generó la misma respuesta similar para nosotros. Tomemos esta sencilla tarea. Eso se basa aquí. A ver. Está tomando tiempo, pero es un modo de pensar, que es muy mejor o para conseguir el propósito de razonamiento. Podemos verlo y empezar a generar el pensamiento cómo está pensando se puede ver aquí, en el que se puede esperar la mejor salida. Lo tengo. Rompamos el aprendizaje profundo en tiempos simples. Se puede ver imagina enseñar a una computadora a reconocer gato en fotos. Eso es bueno. Capa uno, entrenando por qué Ejemplos profundos del mundo real, para llevar Podemos ver que puede comparar esta salida en particular con Chat GPT aquí Deep ek es enseñar una computadora para aprender de ejemplos. El blanco es. Si ves aquí, no es del todo técnico, puedes ver algún poco técnico de explicación. Puedes ver aquí más capas iguales a mejor en el manejo de tarea compleja, ejemplos de Cixa, clave para llevar, si ves aquí, hay nada una parte técnica, pero es una buena explicación porque no sabemos al respecto es una explicación de términos simples en que podemos esperar que esta sea una buena salida, pero también es una buena salida ¿Por qué? Porque es sencillo y está bien escrito para técnicos que ya conocen lo que es algo que es el aprendizaje profundo. Puedes comprobarlo, todas esas cosas. Eso es bueno. Vamos a continuar con lo siguiente que es escribir contenido en francés. Tomemos esta cosa en particular, más C, vengamos aquí. Veamos si sigue el patrón anterior o no. Recuerda una cosa. No estoy explicando aquí toda la parte de deep Sk ni de cualquier otro modelo de DILLM, pero te estoy diciendo cómo escribir los proms y cómo probar los diferentes modelos AILM para nuestra tarea elija cuál es el mejor para resolver la No estoy explicando el dominio de deep Sk, dominio del cultivo Aquina HaiPid pero estoy explicando aquí Concéntrese en escribir el prompt. Se puede ver que es un sencillo idioma francés. Se puede ver que también se genera algún idioma francés. Porque está siguiendo el patrón anterior en que puedes verlo no le digo a la IA, escribe el contenido en francés para el contenido anterior. Solo estoy escribiendo el contenido correcto en francés. No estoy específicamente decirle a EI, así que genera un contenido para la explicación anterior. Yo solo te digo EI, escribe el contenido en francés, en el que se piensa automáticamente, necesito generar un contenido en francés para la explicación anterior. También está siguiendo el patrón que es mejor, que se requiere también. Eso es bueno. Puedes ver que esta es nuestra siguiente tarea, generó algunas ideas de videos de YouTube. Vayamos aquí, coloquemos esto. Empecemos. Estamos comprobando otra tarea aquí, cómo funciona. A ver. Está pensando, Bien, el usuario quiere generar videos de Youtube, se puede ver que también está generando las ideas de video de YouTube. Si piensas aquí, simplemente lo tienes. Es el tema de interés, pero al compararlo con AGPT también se genera algo bueno Genial s para qué tema te gustaría generar ideas de videos de YouTube. Deja tu tema y voy a pensar en conceptos de video creativos y atractivos para Tomemos el mismo tema aquí también para comprobarlo si qué modelo LLM es genial para mí para esta tarea en particular Vamos, acabo de sacar de esto. Pero en el punto de vista educativo, viene en inteligencia artificial. Podemos ver ahora está pensando, ahora va a generar los conceptos específicos de video sobre la inteligencia artificial. Vamos a sacarlo que nosotros. Empieza a pensar. ver aquí están las 15 atractivas ideas de videos de YouTube sobre inteligencia artificial. Puedes ver A uno, uno no uno, diez mejores herramientas gratuitas I, A versus Humane crea de carbón, cómo construí un sistema de IA para mi hogar, su IA roba tu trabajo, desafíos, genio espeluznante AN 2013 Y todo es colocación de stents. Pero si piensas aquí, simplemente se acaba de dar algunas ideas de video de YouTube que es lo que es la inteligencia artificial, atópicos avanzados tendencias actuales Puedes ver aquí hay mucho más aún más en profundidad algunos temas sobre particular el tema principal que es el futuro de A, el futuro de A, cuál es el próximo y más allá, cómo voy a dar forma a tus ciudades inteligentes del futuro. Pero si piensas aquí, solo dirá en IA en 2030, predicciones de expertos. También es bueno, pero si buscas generar más ideas, generar videos o ideas de video de YouTube. Se puede ver que esto es lo mejor cuando se compara con este Escritorio. Profundiza una Y mejor porque es pensar modelo en el que podemos esperar la mejor salida Más viajes actuales, algunas tendencias actuales del mercado como esa. Podemos usar esto. No se concentre en lo que estoy diciendo aquí la salida es solo que nos estoy diciendo cómo probar modelos de IA para una tarea particular que puede elegir y usar usted mismo para su específica para completar la tarea. Espero que entiendas esto. Copiemos rápidamente todas las cosas desde el punto de partida y entenderemos el otro modelo de EI. 46. 5.4.7 Capacidades de Deepseek, Grok Ai, Qwen Chat y Mistral AI con casos de uso - parte 1: Entonces copiemos rápidamente todas estas cosas desde el punto de partida y entenderemos los otros modelos de EI. Tomemos a Grock. Voy a empezar desde lo alto. Y elige este modelo qui. Cambiar los modelos en cada modelo I es simplemente que puedes esperar la mejor salida. El nivel más avanzado de modelo puede ser la salida más efectiva. No hay cambio en escribir los proms, pero hay un cambio en la salida de la IA Si cambias los modelos I, eso es todo. Por eso te estoy diciendo una y otra vez, céntrate en escribir los proms aquí Pensando sin respuesta, Ce respondiendo, por favor inténtelo de nuevo más tarde use un modelo diferente Tomemos nuestro segundo. Empecemos por Hola, ¿cómo puedo atenderte hoy? Vamos a copiar. Este es nuestro inicio. Sí, entiendo que estoy aquí para ayudar al asistente. Copiemos rápidamente nuestro modelo es bastante rápido en el que puedes ver aquí, es muy rápido respondiendo a las cosas Sí, entiendo como experto en planeación profunda, te lo explicaré en palabras sencillas. El aprendizaje profundo es una forma de enseñar a las computadoras a aprender y pensar como humanos poco. Si piensas aquí, esta es una explicación simple es similar al Char GPT Si ves aquí, puedes ver aquí. Cómo es trabajar simplemente capas, aprendiendo profundidad. Eso tampoco es bueno. Vamos a saltar a eso se mira contenido correcto en francés Simplemente rápido lo haremos. Lo sencillo es simplemente escribir las tareas particulares para el modelo I específico. Después de eso, solo copia ese mismo aviso en particular y úsalo en todos los demás modelos I. Entonces solo usted puede verificarlo fácilmente en las salidas y puede elegir un LLM en particular puede ver que también se genera algún contenido diferente en francés. Puedes comprobarlo, todas esas cosas. Yo solo lo haré rápidamente en primer lugar, te lo diré. Eso es todo acerca de cómo puedes probarlo. Te digo que eres YouTube así que simplemente copia la misma tarea en particular y pega en todos los modelos de IA para evaluar la salida y para comprobar cuál es mejor. Haremos clic en ir a nuestra siguiente tarea que es generar algunas ideas de videos de YouTube. Tenemos algo modelo. Tiene algunos problemas técnicos, así que pasaremos a nuestro próximo modelo I. Perdón por las molestias. Se puede usar simple, se genera ahora mismo. Se puede ver. Genial. Para qué tema te gustaría generar ideas de video, simplemente tomaré rápidamente este tema de inteligencia artificial y voy a pegar aquí. Vamos esta copia y pega aquí y llevaremos este Brook a modelar. Derecha. Entonces en esta experiencia de usuario, solo tiene alguna desventaja. Después de dar clic aquí, no está mostrando nada aquí. Entonces en el que podemos ver después de algún tiempo se mostrará, en el que podemos perturbar la experiencia del usuario, ¿verdad? Bien. Por cierto, puedes ver aquí. Aquí algunas ideas de videos de YouTube, se centran en la inteligencia artificial. Te explico en 5 minutos todo sobre estas cosas, pero no buenas. Pero que tengan el bien. Pero si piensas las mismas ideas de videos de YouTube, puedes ver que es similar a la búsqueda profunda. Puedes echarle un vistazo a todas esas cosas. Eso es simple igual. No hay problema. Todo esto se trata de esta IA corrupta. Echemos un vistazo a nuestro chat quin, que es muy poderoso en este momento por la compañía china, ¿verdad? Empecemos desde lo alto. Puedes ver pensando más, puedes empezar todas esas cosas aquí. Me está diciendo que firme. Vamos rápido a eso. Sí, ya estoy aquí. Hola. Es pensar y generar todas esas cosas. ¿Cómo hola hola puedes asistirlo? Tomemos nuestra sencilla tarea de primer inicio que es la interacción que está pensando ahora mismo. Si piensas aquí, a las empresas chinas les gusta el quinchat de espesor profundo, están usando el mismo método, capacidad de pensamiento, pensando, todas esas cosas Entiendo sus instrucciones claramente. Voy a actuar como asistente servicial, todas esas cosas. Muy bien. Tomemos nuestra que es tarea particular. Misma tarea. Es pensar y escribir va a generar la posible respuesta para nosotros. puede ver que es simplemente explicar desplaneo explicarlo simplemente. Eso es bueno. Se puede ver que el aprendizaje profundo funciona manera similar, pero con computadoras. Es un sistema inspirado en el cerebro, aprende de los ejemplos, el blanco es poderoso. Casos de uso cotidiano, no buenos, pero está bien escrito. Es fácilmente comprensible. Puedes comprobarlo ahí fuera. Tomemos otra tarea que es generar YouTube que está escribiendo el contenido en francés. Copiemos rápidamente aquí. ¿Cuál es esta tarea? Porque estamos comprobando el patrón de reconocimiento de prompt anterior. Si este IM está reconociendo la salida anterior o no. No estamos dando aquí instrucción extra que es escribir un contenido anterior en francés. Acabamos de escribir un contenido en francés, automáticamente pensará salida previa y va a generar el voy a convertir la explicación anterior al francés. Ahora podemos ver aquí. Acerca del aprendizaje profundo. Eso no está mal. No sabemos de francés, pero puedes ver que puedes ir y traducirlo, puedes comprobarlo. Simplemente tomaremos otra tarea que se tiende tu hacer ideas. Pl ven aquí. Pensando, empieza a pensar ahora mismo. Entonces incluso puedes ir a YouTube y puedes buscar lo particular si buscas dominar el modelo de IA particular, para particular si buscas dominar el que puedas ir a buscar en YouTube, Quin to Pin fi Tutorial de maestría o deep sk Mastery tutorial así Puede obtener las ideas más específicas esos videos de YouTube en particular. Espero que entiendas estos puntos. puede ver lo consiguió, hacerle saber tema específico sobre nicho. Si ves aquí voy a tomar el tema de la inteligencia artificial, el mismo tema y Quin a Pine fi también. Hagámoslo. Empieza a pensar ahora mismo. Empezar a generar algunos temas mons. Experiencia amigable para principiantes, tutoriales prácticos, ética y controversias, aplicaciones de la industria, tendencias y predicciones futuras, cultura pop y contenido divertido, guías de llamadas y aprendizaje Está muy bien escrito para mi yo principiante, si estoy buscando crear un contenido particular alrededor de la inteligencia artificial, sentarse me puede ayudar. Puedo dividir estos temas en particular en estos rubros particulares en los que sólo puedo categorizar todos esos Sit es lo mejor porque ha generado algo de IA para principiantes absolutos, aprendizaje automático, manos y tutoriales. En este particular, se pueden ver los temas. Muy bien. Lo cual es muy bastante salida de este quint 2.5 max. Vamos a saltar a nuestro último modelo I, pero no menos importante que se perdió toda la IA. Hagamos rápidamente todas esas cosas. Si estás buscando esta tarea repetitiva, puedes saltarte esta particular, pero solo aprende cómo estoy probando esto, todos los modelos de IA. Es muy rápido. Es muy rápido. Yo solo sigo terminado, se puede ver como inp de segundos ha generado la salida. Según entiendo. Veamos cuál es el poder de estas cosas aquí. Yo solo tomaré esta tarea, tarea en parte específica, tomemos bien? Guau. Está generando antes, no es un modelo pensante en estos momentos. Por lo que está generando a pesar de los segundos, generando salida. Según tengo entendido expliqué aprendizaje profundo es simple baile. El aprendizaje es un tipo de aprendizaje automático que utiliza redes neuronales artificiales para analizar así que si piensas, este es un bit técnico simple. Para el principiante, si no sé de qué se trata la replantación No sé qué son las redes neuronales artificiales. Ese es el problema con algunos modelos de IA, por lo que no pueden pensar. Si ves los modelos pensantes como Quenca 2.5 dis Even GBT tienes algún razonamiento creativo Voy a generar la salida. Generará la salida después de pensar. Bien. Entonces generará los términos simples. Si ves no es un pensamiento. Cuando pagué el prompt particular, comenzará a generar la salida a pesar de segundos. Entonces puedes explicar la salida, cómo será la salida, tomemos otra tarea. Escribir un contenido. Vamos a comprobar esto. Reconocerá el patrón de baile o no. También está en el muy rápido. No es que veamos otra cosa. Eso es tomar tiempo. Está tomando tiempo. Hagamos otra cosa. Empecemos en otro momento. Ahora se genera. Claro. Para qué tema buscas generar ideas de videos de youtube. Tomemos un para nosotros que es tema de inteligencia artificial. Toma rápidamente. No funciona. Eso es bueno. Ahora ya puedes ver, eso es bueno. Interacción con la IE, video creativo BignerFriendly que explica lo que es la IE Entonces eso es bueno porque me está guiando cómo crear un video en qué tipo de tema necesitas escribir y el tema que necesitas cubrir en estos videos en particular. Introducción a la vida cotidiana de la EIA. Muy bueno porque si conozco el tema en particular, no sé qué temas necesito cubrir en este video en particular. Pero esta Isa está dando las ideas en profundidad en las que necesito incluir algún tema en particular en este video en particular. Entonces eso es mejor para mí. No necesito volver a buscar en ningún modelo en línea u otro I. Se está generando el directo. En el que puedo dirigir aquí y puedo buscar desde aquí. Es decir, puedes ver aquí, buscar ideas de videos de YouTube sobre inteligencia artificial. Eso es muy importante. Se puede ver la obra por una vez más. Generado se genera la salida basada en las ideas de video de YouTube que ya son las pocas personas o hicieron los videos sobre estos temas en particular, que es el crear para mí para que pueda usar la inspiración de ellos o de este tema en particular que pueda crear el contenido. Bien. Eso es todo pero se puede ver que está generando la fuente. Se puede ver cómo está funcionando como perplexit.ai. Puedes ver venir aquí, puedes subir tu parte o puedes ir a Nuevas herramientas de chat, puedes usar todas esas cosas. Así que para ver algunos modelos diferentes de IA utilizan capacidades de entrada. Mira, ya te lo acabo de decir, mira como probar el modelo de IA. Pero recuerda una cosa que puedes hacer más con un Ck profundo. Bien, puedes hacer más con Croc, puedes hacer más con QuenChatei Puedes hacer más con MistraLei. Se trata de sus requisitos y tareas particulares. Recuerda siempre si buscas tarea particular, Master particular EI LLM, ve a solo YouTube y escribe algunos específicos como por ejemplo, deep sik tutorial en el que puedes aprender más en profundidad uso o en profundidad tutorial de deep sk, puedes obtener los más insights En este curso, sólo estamos ustedes están viendo la prueba, la evaluación de la salida. ¿Por qué? Como ingeniero rápido, debe dominar la escritura de las indicaciones, no el LLM particular Tienes la capacidad. Debe tener la capacidad de escribir las indicaciones para cualquier modelo LLM Es por eso que nos estamos enfocando en las indicaciones de escritura, pruebas y evaluación y eligiendo el mejor LLM para nuestra tarea Espero que entiendas estos puntos. Si buscas que los modelos LLM más diferentes sean mejores en diferentes tareas como tal vez codificar, escribir la copia, no lo sabemos Pero estoy explicando escribiendo esa evaluación probando. Para eso, estás buscando si estás en una industria de marketing o si estás en una industria de codificación, solo tienes que ir y ver qué modelo de EI LLL en particular es mejor en la codificación, puedes tomar Cloud Puedes tomar un MistleEI deep Seek Deep Sik tiene el propio HTML, todas esas cosas, para que puedas aprender del YouTube Espero que estés entendiendo todos estos puntos. Bien. Se trata de cómo ya hemos visto casi nueve modelos diferentes de AIL LLM y pruebas de salida de evaluación y la elección del buster LM Como resultado, estoy usando la mejor salida es, ¿verdad? Entonces después de la evaluación, pensaré si utilizo el modelo de IA para generar ideas de un video de YouTube. Voy a ver qué es un forro profundo o qué es en realidad la inteligencia artificial. La inteligencia artificial es algo técnico también y automatización. En ese caso, lo que pueda tomar, elegiré cuál es uno que no sea así. No. Voy a elegir Mistral AI ¿Por qué? La ciudad me ha ahorrado mucho más tiempo. La mejor salida está aquí. Las ciudades no solo generaron algún video de tema en particular, sino que también uh, explícame qué necesito cubrir en este video particular de YouTube porque no sé qué tema necesito cubrir en este video en particular. La ciudad me ha guiado, creativo video amigable de Binger explicando lo que es EI También se genera la salida basada en las ideas de video de búsqueda de YouTube e inteligencia artificial, que es muy importante para SU o todas esas cosas. Espero que entiendas estos puntos. Entonces para mí, es trabajo para esta tarea en particular. Pero para tu tarea, puede ser diferente. Puede ser un modelo de EI diferente. Puedes elegirlo. Se puede obtener la salida de ahí, ¿verdad? Entonces para eso, voy a Recordar, te voy a dar la tarea. Así que toma una tarea en particular y prueba en los nueve modelos diferentes de IA, nueve modelos diferentes de IA, y échale un vistazo a qué salida es ligeramente igual a tu requerimiento. Entonces solo puedes elegir ese modelo de IA en particular e ir en profundidad para que esa tarea en particular lo resuelva. Espero que entiendas este video en particular. Empecemos otra lección. Vamos a saltar en él. 47. 5.5.1 ¿Cómo usar diferentes LLMs para escribir promociones efectivas?: Bien, bienvenidos de nuevo a los tecturer chicos. En este ecturer, vemos cómo usar diferentes lentes para escribir prompts efectivos Entonces, como ingeniero rápido, debemos conocer estas técnicas. ¿Por qué? Porque tenemos cierta falta de conocimiento sobre una tarea particular o un aviso de escritura particular para dar alguna información de fondo o información adicional que la IA quiere entender nuestra intención principal y resolver la tarea en particular de mejor manera, así. Entonces para eso, si usamos LLM para escribir las mejores indicaciones, nos dará algunas instrucciones fundamentales y completas, que podemos tomar eso y podemos personalizar de acuerdo a nuestro requerimiento y volveremos a usar en los chatbards que podamos cerrar la brecha entre nuestro conocimiento y el conocimiento de la IA y podemos esperar el mejor resultado de la Bien. Por lo tanto, hay algunos beneficios al usar los diferentes LLM para escribir indicaciones específicas Así que puedes ver aquí. Beneficios, cuáles son los beneficios, mayor precisión y precisión. Como dije, entonces tenemos algún desconocimiento. No lo sabemos todo, ¿verdad? Entonces para eso, si usas LLM, cualquier chatbot de IA como JA GPT, otro LLM de IA, para que los AI conozcan la información cada vez más profunda sobre la tarea que estamos buscando Bien. Por lo que puede dar la mejor información en forma de pronta. El principal problema es, si usamos, bien, la salida es depender de tu entrada, la calidad de salida se basa en la calidad de prompt que te des. El detalle, cuánto le das el prompt en detalle a la IA, la IA generará la mejor salida. Para fines de detalle, no tenemos de conocimiento más profundo para una tarea en particular, en ese caso, usaremos LLM porque LLM debería tener algún conocimiento profundo sobre ¿Por qué? Porque los LLM son entrenados por gran cantidad de datos en que pueden tener algunos conocimientos más profundos Si usas algunos patrones de baile como actuar como una persona de patrón de baile en que podamos asignar algún rol específico, en ese rol, actuará así. En ese caso, va en lo más profundo para el conocimiento específico. En eso podemos obtener el efecto específico para incitar. A partir de eso, actuar como una persona de patrón, patrón de baile. En el que el prompt es mucho más detallado. Podemos usar la IA de diferentes maneras y más formas comparación con las que estamos pensando. Bien. Para que puedas ver los beneficios aquí. Al dar tanto detalle a las indicaciones, puede mejorar la precisión y precisión Se puede ver la adaptabilidad a los casos de uso. Hay tantos casos de uso que podemos usar para escribir las indicaciones efectivas como propósito de marketing, negocios educativos y codificación también Hay otros casos de uso que podemos usar. Por lo que puede adaptarse fácilmente. A y LM se toma, es fácil de adaptar es fácilmente adaptable a cualquier caso de uso que le demos la entrada. Entonces puede generar cualquier cosa. Justo a la vez. Para ello, tiene un amplio conocimiento sobre todas las cosas. Para eso, usaremos LLLP para ahorrar nuestro tiempo para escribir el prompt básico o fundamental en la parte superior de ese prompt, podemos personalizar por nuestro conocimiento Después de eso, podemos reutilizar ese prompt en tableros de gráficos para obtener la mejor salida así. Se puede ver la tercera, que es muy importante, la optimización iterativa En modelos anteriores de profesores, hemos aprendido sobre lo que es la optimización iterativa. Vamos a escribir. Iterativo significa que al tomar la retroalimentación de la salida anterior, tenemos que cambiar el prompt, segundo prompt para obtener la mejor salida optimizada por segunda vez Eso es una rata. Cambiando el prompt acuerdo con la retroalimentación de salida así. Es una optimización de rayos dos. cuarto beneficio es que los no expertos pueden aprovechar las LLM para crear indicaciones de alta calidad sin un conocimiento profundo de las técnicas de IA o PNL Esto es muy importante. Si muy si no tienes experiencia en entender LLM o técnicas de PNL, Entonces, si no tienes tanto conocimiento sobre eso, entonces puedes usar estos LLM para escribir indicaciones efectivas Incluso los LLM pueden escribir los mejores prompts en lugar de un humano porque tengo un conocimiento profundo, cuánto le darás el prompt como detalle, voy a generar la mejor salida Bien. Entonces para eso, si no tienes conocimientos sobre ningún LLM, cómo funciona el LLM o técnicas de PNL Entonces, incluso como ingeniero rápido básico, puede usar estos LLM para escribir algunos proms básicos y algunos prompts intermedios Para que puedas usar más. Ya hemos discutido en la lección anterior cómo usar LLM o cómo usar HGPT para sugerir una mejor versión de Por lo que es una sugerencia mejor mejora. Bien, mejor versión de nuestro prompt que podemos usar en cualquier LLM como ingeniero rápido profesional Entonces eso es lo más importante aquí. Por lo que los LLM nos dirán sugerirán, por lo que hay que mejorar este prompt en este punto Así que así, podemos usar para eso. Entonces, si no tienes conocimiento al respecto, puedes usar LLM para escribir las indicaciones básicas o las mejores A continuación, el quinto beneficio es la prueba y evaluación. Para escribir un solo prompt efectivo, tenemos que probar un modelo de IA desde el punto de partida. Por qué el mejor prompt principal se escribe probando, pero probando y evaluando la salida. Después de eso, finalizamos el prompt principal, ¿verdad? Entonces primero, nos pondremos en marcha para realizar esta prueba y evaluación. Entonces solo comenzaremos con simple prompt. Después de eso, comprobaremos la salida, segundo prompt. Entonces, en el segundo prompt, escribiremos el mejor para incitar en lugar del anterior. Por qué analizamos la salida. Bien. El rendimiento es bueno, pero se mejora. Para mejorar, haremos algún ajuste en el prompt anterior. Bien. Después de eso, volveremos a analizar el segundo prompt. Por lo que va a continuar hasta su satisfacción. Cuando la salida le satisfaga, entonces escribirá el prompt principal analizando los prompts anteriores Derecha. Eso viene a las pruebas y evaluación. Entonces estos son los beneficios, ¿verdad? Mediante el uso de LLM, podemos escribir lo mejor para solicitar. Por eso es lo más importante. Entonces veamos cómo usar diferentes LLM para escribir mensajes efectivos Entonces hemos aprendido sobre los beneficios. Vamos a entrar en la práctica. Vamos a saltar al modelo de lenguaje. 48. 5.5.2 Cómo usar ChatGPT para escribir prompts avanzados - Parte 1: Ya abrí, sombrero GPT Gemini Cloud perplejidad punto a, y copiloto Entonces estos son los populares. También puedes consultar otros LLM como Lama. Entonces en este caso, he tomado estos cinco LLM para explicarle Bien. Antes de ir a escribir los LLM, antes de guardar los chatbds para generar Así que siempre recuerde usar este indicador como configuración mal. Es decir, usted es un asistente servicial. Harás lo que te diga. Tienes experiencia en la detección palabras inusuales, información inexacta, y generarás la mejor y efectiva salida sin errores e información inapropiada de honización ¿Se entiende? Basta con ver esta información extra guiará a la IA para que se convierta y haga la tarea solo en ese campo, solo en ese campo. Incluso generará alguna información precisa, pero escribiendo esta información adicional en el propio prompt, por lo que la IA generará la salida solo en ese campo. Entonces, antes de generar la salida, esto mantendrá esta información. La salida debe ser efectiva y sin errores, se conoce información apropiada sin eso. Se generará la salida. Bien. Entonces puedes comenzar con esta configuración de prompt inshal porque es muy útil, Entonces puedes usar esto. Entonces comencemos con esto aquí. Según tengo entendido, seguiré sus instrucciones, aseguraré de que la salida sea precisa, efectiva y libre de errores, y evitaré cualquier información inusual o inapropiada. Déjame saber ¿cómo puedo atenderte? Entonces, cuando estamos hablando de usar LLM para escribir unos prompts específicos Entonces, lo que tenemos que decirle a la IA, así que recuerda dos cosas. Entonces, para utilizar el máximo potencial de los modelos de lenguaje de IA para resolver una tarea en particular, se necesita el conocimiento específico sobre esa tarea. Por ejemplo, si eres médico, ¿verdad? Para que puedas ir como un específico. Eso es médico quirúrgico cardíaco, o incluso puedes ir así podemos ir a cualquier específico como, uh, médico ETA así, puedes ir al específico, nutricionista, para el específico Ahora se le puede decir a la IA. Por lo que tienes experiencia ingeniería rápida, especialmente en nutriciones. Tienes que entrenar a AIN específico lo más específico posible para obtener el prompt específico de la IA. Hay que quedarse con estos dos puntos. Tienes que decirle a AI que eres ingeniero rápido experimentado. Específicamente en qué área en nutricionista. Si quieres el prompt relacionado con las nutriciones en ese espacio ¿Bien? Para que puedas ir encima de eso. Tienes diez experiencia en la nutrición como ingeniero rápido, puedes ir en eso. Por lo que incluso usted puede proporcionar la información adicional el prompt que necesite específico en qué área necesita el prompt. Puedes ir en lo más profundo y puedes entrenar el modelo de IA de acuerdo a tus requerimientos así. ¿Bien? En mi caso, iré voy a tomar tomemos propósito educativo para la física de octava clase, o incluso tú puedes tomar. Sí, tomemos ahora la codificación en sí misma, o veamos la generación de contenido. Sí. Entonces iré con mis conocimientos específicos, ¿de acuerdo? A cómo analizar esta salida. Hasta esta gamba me va a ayudar o no. Así que tengo cierta especialización en código Python, lenguaje de programación Python. Así que incluso practicas con LLM para escribir indicaciones efectivas en qué área tienes Pero como ingeniero rápido, debes conocer todas estas cosas. Entonces tienes que escribir el prompt para cada área específica, no solo el nutricionista, no solo el código Python, como ingeniero rápido, deberías escribir deberías escribir bien el prompt para tarea específica ¿Bien? Puedes usar cualquier cosa aquí. Por ejemplo, uh, si quieres lo mejor para incitar con fines de marketing. Bien, para una específica, esa es la psicología de los clientes. Tomemos esto. ¿Bien? Entonces lo que te voy a decir, eres escritor rápido experimentado. Eres escritor rápido experimentado en el campo del bien. En el ámbito de la psicología, de los clientes o psicología de las mujeres. Tomemos esta Psicología de los humanos en mercadotecnia. Bien. Lo que guié a la IA es, necesito un prompt específico para la psicología de los humanos en el marketing. Para eso, pruebo la IA. Eres escritor rápido experimentado. Esto es actuar como una persona de patrón rápido, derecho, en el campo de la psicología los humanos en la mercadotecnia. Entonces incluso solo puedes decirle a E, eres escritor rápido experimentado. Es suficiente, pero para obtener la mejor visión de la IA, debes ir con la específica. Eso es todo acerca de la ingeniería rápida es escribir el prompt para una aplicación específica se llama ingeniería rápida. Para que puedas ir tanto como puedas más profundo, como campo del psicógena en la mercadotecnia O o puedes ir psicología de mujeres o de hombres solo en mercadotecnia. Puedes ir en marketing por Internet, marketing offline así. Puedes ir más y más profundo en eso de acuerdo a tus requerimientos. Eso depende de ti. Veamos, en este ejemplo, he dicho que eres escritor rápido experimentado en el campo de la psicología de los humanos en el marketing. Entonces ahora, tu tarea es Ahora, tu tarea es regenerar los dos mejores o incluso puedes tomar, veamos, de dos a tres versiones diferentes de proms Diferentes versiones de proms para LLMs o para IA que puedes tomar Entonces, lo que va a pasar, generará los proms que son de dos a tres versiones diferentes ¿Bien? Generará tres o dos versiones diferentes de prompt for AI. Bien, va a generar algunos prompts. Veamos el ejemplo aquí. Puedes ver prom one, insights conductuales para la estrategia de marketing. Eres un psicólogo de marketing encargado de analizar el comportamiento del cliente Puedes ver aquí el módulo AI saber sobre actuar como una persona de patrón de baile. Así que puedes ver aquí. Se escribirá. Eres un psicólogo de marketing encargado de analizar el comportamiento del cliente Para que puedas ver lo que es la IA par está leyendo el prompt, usando actuar como una persona de patrón de baile. Se puede ver esa importancia de actuar como una persona de patrón de baile. Incluso la IA también usa ese acto como una persona de patrón de baile en el propio prompt. Puedes ver aquí eres psicólogo de mercadotecnia. Eso es lo más importante de usar actuar como persona de patrón de baile. Bien, puedes ver aquí psicólogo encargado de analizar al cliente Se han generado tres versiones diferentes de los proms que se relaciona con la psicología de los humanos en la comercialización Puedes escribir de cuatro a cinco, diez para que me guste eso. De acuerdo a sus requerimientos, puede cambiar aquí. Entonces, a veces la IA generará, uh, en lugar de esta salida. Eso significa que no es la salida real. Para eso, hay que decirle a AI, así que hay que dar la información extra. Estos prompts se utilizan en diferentes lentes para generar la psicología de nueve mercadotecnia Incluso puede agregar información adicional cuando esa salida no esté relacionada con su solicitud. A veces cometes los errores. Para ello, hay que escribir instrucciones adicionales. Bien. Espero que entiendas. Entonces puedes ver que puedes usar directamente estos prompts en la propia chargebra u otros modelos de lenguaje para obtener la información Entonces así es como es muy potente usando los modelos de lenguaje. Entonces aquí otro beneficio es, voy a escribir por mí mismo pronto. Por ejemplo, si quiero escribir el prompt para la psicología de la Mujer sin usar LLMs para escribir efecto a prompt, entonces desconozco factores emocionales y cognitivos que influyen en la lealtad a la marca Esto no lo sé, porque me falta el conocimiento del factor de psicología del hombre. Derecha. No sé de este factor. No sé de este factor. Entonces lo hará lo que habla de la psicología del hombre de manera clara. Entonces, si echo de menos esto con mi desconocimiento, si echo de menos esta información en prontitud, simplemente se saltará esto. ¿Bien? La salida será simplemente omita esto. Entonces en ese caso, pierdo la información sobre eso. Incluso si uso IA, me falta el conocimiento de escritura detallada para incitar porque no lo sé. No tengo conocimiento sobre los factores emocionales y cognitivos influyen en la lealtad a la marca en la psicología humanos del marketing Pero A Sé todo sobre la tarea que le estamos contando a la IA porque está entrenada por todos los temas, recursos, todas esas cosas. Por eso le dará el detalle tan detallado como el propósito principal es que tengas que escribir el mejor patrón prompt. Ese es tu experimentado escritor rápido en el campo de la psicología. Cuanto vas a ir más profundo, la IA generará la salida en profundidad así. Podemos ver el prompt aquí. Este es el mejor prompt. Está escrito más que yo también, ¿verdad? Ese es un potente usándolos lente L para escribir efecto para solicitar el uso de modelos A son el nivel potencial. Entonces puedes ver las tres versiones diferentes de prompt aquí, puedes usar, puedes verificar qué prompt está generando la mejor salida para tu tarea, ¿verdad? Espero que entiendas. 49. 5.5.3 Cómo usar ChatGPT para escribir prompts avanzados - Parte 2: A Este aviso. Aquí sugerirá la mejor versión de este prompt. Veamos el ejemplo. La puedes ver. Aquí tienes una mejor versión de tu baile de graduación refinada para aclarar el impacto. La puedes ver. Eres un experto en la elaboración de indicaciones de IA, concéntrate en la psicología del comportamiento de los hombres en Su tarea es crear la variación 223 más efectiva de indicaciones que puedan guiar a la IA en la producción resultados perspicaces y procesables relacionados con Se puede ver lo profesional es este prompt cuando se compara con este que he escrito. Bien, puedes verla. Esa es la mejor manera de escribir el mejor prompt para tomar la ayuda de IA para mejorar tus prompts básicos, derecho Entonces incluso puedes decirle a AI que genere un prompt o de otra manera, puedes decirle a AI, escribir prompt por ti mismo y decirle a Sugiero la mejor versión de este prompt. Puedes usar estos dos métodos para obtener lo mejor de esa IA. Bien. Por lo que la salida también basada en el modelo que está utilizando HGB tienen algunos 3.5 turbo, 3.5 En ese caso, no se puede obtener la mejor salida. Pero si usas el Cha G cuatro Cha JB cuatro W, puedes obtener la mejor salida de eso También es depender del modelo que estés usando. Bien. Por lo que incluso se puede utilizar patrón de verificador cognitivo en el que le diremos a la IA, usted es escritor rápido experimentado en el campo de la psicología mercadotecnia humana. Entonces tomemos, por ejemplo, voy a tomar este prompt solo Control más C. Directamente, voy a comprobarlo aquí. Tomemos aquí. Tomo en el prompt anterior. Experimentaste una escritora pronta en el campo de la psicología de la mujer en el marketing. Ahora tu tarea es generar dos a tres versiones diferentes de prompts para IA En lugar de contar una IA guía generar un prompt para un campo de la psicología de la mujer en el marketing, voy a decirle a AI preguntarme subdividido quotiensRTD a Tarea principal que requiriste. Pregúntame cuotas subdivididas Lateado a la tarea principal que requirieras Para generar avisos. Entonces lo que pasa aquí, el me haré algunas preguntas subdivididas relacionadas con la psicología de los humanos Bien. Después de dar respuestas a estas preguntas, todo esto, me va a generar las indicaciones efectivas Para que puedas usar esto. Entonces cuando es útil significa, si usas este método cuando no tienes el conocimiento para tarea específica que buscas resolver por IA. Por ejemplo, en este caso, no supongamos que no tengo conocimientos sobre psicología de femen en mercadotecnia En ese caso, solo le digo a AI, generar solo voy a definir la tarea. Eres escritor de baile con experiencia en el campo de la psicología del femin Ahora tu tarea es generar las dos o tres mejores versiones diferentes de prompts para IA porque no tengo un conocimiento específico sobre psicología de las mujeres En ese caso, la IA toma su propio conocimiento, y generará los dos mejores prompts aquí, diferentes versiones Pero cuando tenga los conocimientos específicos de psicología de los humanos en mercadotecnia, entonces le diré a la IA que me quite los datos, ¿de acuerdo? Para usar datos de mi lado para generar las diferentes versiones de prompt. Derecha. Así que puedes ver aquí. Yo digo AI, pregúntame presupuestos subdivididos relacionados con las mentas que requieres para que requieres En este caso, la IA me preguntará diferentes presupuestos relacionados con la psicología de los humanos en mercadotecnia para generar el mejor prompt para ¿Bien? Aquí, la IA está usando su propio conocimiento, ¿de acuerdo? Aquí, la IA está tomando mis conocimientos, ¿de acuerdo? Esa es la diferencia entre eso. Después proporciono. Voy a responder algunas de estas preguntas. Grupo de edad la primera respuesta es, grupo de edad 18 años. Ejemplo, voy a tomar. Bien, voy a ir segundo. Entonces cuando la IA te haga preguntas, tienes que dar la respuesta para cada pregunta, para explicación, solo voy a tomar las respuestas ásperas. Estoy escribiendo las respuestas aproximadas para el quoi que es el primero solamente Ventas de ano de marca. Tomemos ventas. El tercero son los factores psicológicos que es la confianza, la confianza stic El cuarto es el tono publicitario y el estilo casual puede tomar. Competencia y posición en el mercado, se puede decir, ¿ quiere un servicio de producto diferente a este? ¿Hay algún comportamiento de las tendencias del mercado influya en el interés de que serás conside la pronta Para que también puedas dar las respuestas para estas preguntas. Para eso, solo escribiré aproximadamente respuesta que es quiénes son sus principales competidores en el mercado. Tomemos Amazon. Directamente tomaremos esto. Después de presionar este botón Enter, generará las dos o tres mejores versiones de prompt. Se puede ver aquí. Prompt one, estrategia de marketing de creación de confianza. Impulsar dos, confianza casual como campaña de marketing. Prompt tres, confianza y autenticidad en las ventas en línea. Puedes ver aquí el prompt. Eres un experto en marketing especializado en generar confianza con la audiencia Ng, estrategia creativa de ventas que aprovecha los desencadenantes de la psicología para aumentar las tasas de conversión Enfócate en cómo usar la prueba social. ver si ves estas indicaciones aquí, hay más efectivas que si yo las escribo. ¿Por qué? Porque aquí, IA está usando su propia información, ¿verdad? Pero al comparar, hará más preguntas a myset Después pongo mis requisitos y mis propios datos correctos en forma de respuestas a este i para que puedan ver aquí el resultado es lo efectivo que es este prompt? Qué tan detallado es un prompt. Eres un mercadeo especializado en generar confianza con el público. Puedes ver aquí, enfocarte en este riesgo de conversión como cómo usar estrategias de prueba social para crear sentimiento. Ver lo detallado que ha generado, los prompts. Incluso no podemos escribir este aviso ya que tenemos alguna habilidad de ingeniería rápida. Ese es el poder de usar los LLM para escribir indicaciones efectivas, Se puede ver aquí. Puedes ver el ejemplo aquí. Esto lo hemos escrito. Se trata de tres métodos que puede usar para escribir el prompt mediante LLM. ¿Bien? Hay algunos otros patrones puntuales que puedes si practicas con diferentes aspectos y patrones diferentes, obtendrás el conocimiento al respecto. Para eso, tienes que practicar por ti mismo. Tienes que probar, tienes que probar con diferentes indicaciones y practicar, entonces solo tú puedes obtener algunos conocimientos al respecto ¿Bien? Espero que entiendas. A ver, hemos utilizado los tres métodos. ¿Cuál es el primer método? Nosotros solo le decimos a la IA, eres prómetro experimentado en el campo de los psicogeomas Después de eso, diseñamos dieta guiada, hay que generar las dos o tres versiones diferentes de prompts. El primero es simplemente diciéndome que genere esas tres versiones diferentes de prompt. Yo primero método, la IA está utilizando sus propios datos, conocimiento propio sobre los ciclogenos entonces solo va a generar algunos prompts aquí. Se puede ver aquí. Este es el primer método en el que la IA está utilizando sus propios datos, información propia sobre psicógenos y escribiendo lo mejor para incitar aquí En el segundo método, puedes ver aquí, en el segundo método, le digo a AI me sugiera la mejor versión de este prompt aquí. No, me está sugiriendo lo mejor para incitar aquí. ¿Bien? Este es el segundo método. Segundo método, en el que hemos utilizado quotienrFinement ¿Bien? Y el tercer método es el patrón de verificador cognitivo en que guiamos a la IA para hacerme preguntas subdivididas Se puede ver aquí. Este es el tercer método. Hazme preguntas subdivididas similares a la tarea principal que se requiere para generar un baile de graduación en el que la IA usando mis propios datos, ¿verdad Haciéndome preguntas y reuniendo las respuestas de mi lado. Bien, para usar esos datos en los que podamos obtener la salida específica tanto como podamos. Podemos obtener la salida específica y efectiva. Derecha. Para que puedas utilizar estos tres métodos de acuerdo a tus necesidades. Si tienes algún conocimiento específico sobre eso, puedes usar este patrón de solicitud de preguntas. Bien. Después de proporcionar las respuestas a esas preguntas, obtendrá los mejores resultados puntuales efectivos. Espero que entiendas. Vamos a o, se trata de JGbty. Bien. Vamos a adentrarnos en los otros LLM, cómo va a generar o no Al igual que, GP está trabajando muy bien en la habilidad de escritura rápida. Tomemos otros LLM, sea capaz o no 50. 5.5.4 Cómo usar Gemini, Claude, Perplexity y Copilot para escribir promociones efectivas: Se trata de Ja gibt. Bien. Vamos a adentrarnos en los otros LLM, cómo va a generar o no Al igual que, Jagibt está trabajando muy bien en la habilidad de escritura rápida Tomemos otros LLM, sea capaz o no de generarlos. Prompts para nuestros requerimientos. Voy a tomar rápido. Copiaré la medida del usuario sin ningún cambio, agregando nuevas dispersiones de línea en su caso Bien, veamos, no es del todo personalizador, GBD. Ahora voy a copiar estas indicaciones en las otras limosnas. Vamos a comprobarlo será capaz o no de generar los prompts para eso Sí, aquí se generan tres versiones de pronta escritura. Sí, es bueno, ¿verdad? Tengo que ciclos generados tres prompts el Gemini. Es bueno, ¿verdad? Entonces voy a tomar segundo método que está bien. Pero hay que conocer alguna experiencia de usuario en eso. Así que puedes ver aquí. También me sugiere una mejor versión de mi prompt aquí, como hag B hecho, pero no es efectivo como Cha Gib se puede ver La puedes ver, ¿verdad? Las indicaciones aquí. Pero se puede ver el prompt del Géminis. No hay mucha efectividad y detalle en eso. Se puede ver su punto Gemini cuando se compara con el GP de Cha. Bien. Pasemos al tercer método. Simplemente copiaré primero para comprobar si otras limosnas funcionan bien o no. También es Géminis también haciendo algunas preguntas. Después de dar las respuestas. Bien, sólo voy a copiar esto y comprobaremos la salida. Sí, se puede ver que no es que gran parte de la salida es. Puedes ver aquí después de hacerme preguntas, derecho, clientes ociosos o competidor de Hs, todas esas cosas Bien. También generé el prompt en sí solo. Pero puedes ver aquí si observas aquí, las indicaciones no están bien escritas y son muy efectivas cuando se comparan con Chat GPT Se puede ver que las indicaciones son muy estructuradas y de manera muy efectiva con una explicación detallada en el prompt Y con el uso de actuar como un patrón de baile personal cuando se compara con el Géminis, ¿verdad? Se puede observar. Esa es una capacidad de JA GPT que tienen. Bien. Por eso recomiendo usar HGPT para escribir los proms efectivos desde la ¿Bien? Porque Géminis no es es un tablero de chat de motor de búsqueda. Tiene algunas otras capacidades en lugar de chargibty Cloud. Chargebty en la nube o no un motor de búsqueda. Chargebty tiene algunas características nuevas como motor de búsqueda. Ahora viene, tiene alguna característica nueva que podemos buscar en el cargo directamente como motor de búsqueda Pero es antes este motor de búsqueda futuro tenga el modelo de lenguaje simple chargebty. Bien, está entrenado por diferentes patrones de baile en los que podemos usar patrones puntuales efectivos y obtenemos los bailes efectivos Pero Géminis es como chatbard en buscadores. Bien. Entonces en ese caso, no podemos usar estos patrones de baile de graduación. No podemos usar para escribir el patrón efectivo del baile de graduación. Bien. Para eso, usaremos ese Char GPD para escribir el mejor prompt puedes ver práctica, puedes observar estas salidas correctamente cuando se compara con el GPT de hA Así que vamos a tomar en voz alta. Vamos a comprobarlo con har GPT Voy a llamar más o menos voy a usar el mismo prompt y todo LLM misma hora exactamente. Y ya veremos. Bien. Tomemos otro aviso aquí. Ese es el primer método. Puedes ver aquí, el prompt uno, va a generar. Sí, es aún más detallado en comparación con Cha GPT. Vaya, eso es genial. Derecha. Sí, veamos otros LLM Eso es perplexity.ai. Sí, también es bueno, pero voy a explicar todas estas cosas. Sí, ese es el poder de los LLM de motores de búsqueda y otros modelos de lenguaje Entonces cuando se compara con esto, se puede ver aquí. El primer método prompt es que hemos generado algunos prompt diferentes versiones de prom. Puedes ver aquí que es un HagiBths es un chargebive prompt si ves la misma salida de Cloud, incluso puedes ver aquí, incluso puedes ver aquí, actuar como una investigación senior de psicología del consumidor con 20 años de experiencia en la economía del comportamiento y el marketing la economía del comportamiento y el Entonces si ves que no está bien va a tomar lo mejor. Va en la derecha específica, se puede ver que es más detalle cuando se compara con Char GPT uno Puedes ver aquí el prompt. Pero si observas la nube, ah, pronta, verás aquí. Tiene más detalle en comparación con HargPT, ¿verdad? Aquí hay un segundo prompt, y este es un tercer prompter Tengo un poco más de información, información detallada utilizada en prompt cuando se compara con el chargebty Pero, si ves que estas tres indicaciones actúan como un patrón personal de baile de graduación, pero Cloud solo tiene una inicial, ¿verdad Actuar como investigador sénior en psicología del consumidor. En las otras dos indicaciones, es simplemente sin usar el acto como un patrón personal de baile de graduación Es simplemente retener el prompt para hacer la tarea en la que podamos rezagarnos eso. Bien. Entonces para eso, aunque compruebes comparar estos dos Cloud y Hagibt puedes venir TGP tiene grandes características para generar un prompt efectivo Incluso Cloud también tiene algunas características geniales, pero incluso puedes usar esta información adicional para incluirla en este mensaje aquí. Entonces hay que usar actuar como un patrón de prompt personal. caso de que tengas que usar este patrón de baile para obtener la entrada, mejor salida de la IA. Entonces para eso, usa este prompt solo de Jagt, pero incluye esta información en la que puede laxar aquí De lo contrario, está bien. JGB está bien aún más. A veces nube, bien, pero es la salida estos bailes de graduación Jagtive son específicos uno Bien, por qué hemos dicho a la IA solo para generar prompts para la psicología en humanos, pero las nubes Cloud ha generado en el área de investigación Para eso, el detalle del baile de graduación debería ir al propósito de la investigación de mercadotecnia en lugar de ir al específico para la psicología de los humanos. Que lo puedas analizar . El hagibt es más personalizado y muy específico para nuestra tarea de generar la mejor salida Para ello, usaremos Hagibt para escribir los mejores prompts efectivos Es decir, el hagibi es más poderoso que otros modelos lingüísticos En este caso, escribir las indicaciones para diferentes casos de uso Pero otros modelos de lenguaje tienen su propia fortaleza y ventajas en otros aspectos de los casos de uso. Habéis visto estos dos modelos lingüísticos Cloud y Hagibt. Ahora veremos el Gemini perplexity.ai Microsoft. Cómo es la salida. Si crees que los copilotos de Gemini Microsoft son motores de búsqueda. Si analiza la salida de esto, verá la misma estructura y la salida son las mismas para tres Gemini, Microsoft y perplejidad Estos tres generaron la salida de la misma manera. Cómo, vamos a ver, se puede ver el primer método de prompt es. Se generan las tres versiones diferentes de prompt aquí, desarrollar, analizar, crear. En esto, no hay razonamiento o no hay acto como patrón personal de baile y detalle tanto. Lo mismo, se puede ver también el copiloto de Microsoft. Se puede ver el prompt uno, analizar, examinar explotar. No hay acto como patrón de baile personal usado, y se puede ver el perplexity.ai. Incluso se puede ver aquí, punto perplex A tampoco usando el acto como un patrón de baile personal u otras indicaciones en detalle tanto, verá sólo el explorar analizar investigar Entonces, si observas estos tres LLM como Jemini Microsoft copilot y perplexity.ai, no son buenos para escribir los bailes de graduación. ¿Por qué? Debido a que este propósito LLMs es otro propósito es diferente de los modelos de lenguaje Este es el tablero de chat del motor de búsqueda. Microsoft C pit también es motor de búsqueda chat booard. Incluso PurpleSTTI también funciona como un motor de búsqueda en el propósito de investigación en el programa generando la salida en función del requerimiento del usuario al proporcionar fuente de datos ¿Bien? Entonces es el propósito, el propósito real de este modelo lingüístico es resumir los temas de investigación o proporcionar la fuente que ha tomado los datos de él Por lo que estos tres módulos de propósito es diferente. Es por eso que el modelo de lenguaje no es profundo en la ingeniería rápida, justo en el prompt. Pero cuando se compara con ja GPT, y Cloud, estos no están basados en el motor de búsqueda Estos son el lenguaje, basado en PNL y datos trind, bien con sus propias técnicas, técnicas de patrones Pero cuando se comparan con Gemini Microsoft copilot perplexity.ai, son datos actualizados actualizados Estos tres modelos de lenguaje utilizan sus recursos en línea como sitios web, datos, foros, YouTubes, todas esas cosas Pero cuando se comparan con Cloud y ha GPT, están capacitados en datos Están entrenados por diferentes patrones de baile. En ese caso, la IA es saber escribir el mejor baile de graduación para modelos de idiomas mediante el uso de patrones de baile. En este caso, el usuario de IA actúa como un patrón de baile personal que solo puedes ver en el ha GPT y en la Nube Y otros todos los LLM como Jemini Microsoft, CopaltPerplexty punto a, no se usan ningún patrón de baile, y los bailes tampoco CopaltPerplexty punto a, no se usan ningún patrón de baile, y los bailes tampoco en detalle. Por qué, estos son los chatbards del motor de búsqueda. Ellos no tienen no tienen tanto conocimiento. Ellos conocen la psicología del conocimiento principal, pero no son buenos para escribir las indicaciones. ¿Bien? Para eso, como dije, estos dos modelos de lenguaje, Cloud y HGB son buenos para escribir el prompt, pero ja Gibt es más personalizado y específico en la generación de los prompts Espero que entiendas esta diferencia de las capacidades de LLM y en los casos de uso en el caso de uso de escritura rápida ¿Bien? Espero que entiendas estos cinco tipos diferentes de LLM. Entonces este caso está bien para el hagibtan Cloud. Bien. Incluso puedes probarlo tú mismo con diferentes casos de uso, ¿de acuerdo? No sólo en el prompt. Incluso puedes escribir el prompt de la imagen. Sí, imagen. Cuál es el prompt de imagen si estás utilizando las herramientas de generación de imágenes como Image journey, Leonard AI lexica.ai, ideograma AI, en el que obtendrás la imagen, bien, según nuestro Incluso puedes decirle a AI que genere el prompt de la imagen. ¿Bien? Entonces tienes que decirle a A, tienes experiencia un prompt me image prompt escritor en el campo de la psicología de los humanos, incluso puedes decir cualquier cosa caricatura león caricatura o puedes ir animal cartoon image prompt writer. Puedes ir específico en tu tarea es generar mejores dos o tres versiones diferentes de prompts de imagen para generador de imágenes AI Así puedes ir. Se va a generar. Se pueden utilizar tres métodos diferentes. Entonces lo que sugiero al escribir el prompt para la generación de imágenes es usar este tercer método. Es decir, hazme preguntas subdivididas en las que la IA te hará diferentes preguntas respecto a la imagen que deseas, ¿verdad Así que solo proporcionas los requisitos que necesitas que estás buscando en la imagen, ¿verdad? Así que solo proporciona cómo debería verse tu imagen. La imagen requerida debe verse como, proporcionar las respuestas para las preguntas A adicionales que la IA haga podría hacerle, y generará el prompt de la imagen. Simplemente use ese mensaje en modelos de lenguaje de generación de imágenes envejecidos, y podrá obtener la imagen que desee. En lugar de escribir el aviso por ti mismo, el chargebty puede ayudarte a ¿Bien? Entonces se trata de nivel fundacional, nivel básico Puede cambiar su aviso de acuerdo a los requisitos. Ese es el poder de usar los LLM para escribir sus indicaciones Espero que entiendas. Recuerda una cosa, no confías en estos prompts generados por la IA Se trata de cómo lo usas. Se trata de cómo lo usas en tu espacio de trabajo, todo sobre eso. ¿Bien? Entonces, esto se trata de usar diferentes LLM para escribir mensajes efectivos Por lo que recomiendo solo usar Cloud o hagibt para generar lo mejor para incitar Y en otros casos de uso, los otros modelos de lenguaje funcionan bien. Y, ¿verdad? Tienes que elegir por ti mismo. Tienes que probar los modelos de todos los idiomas para hacer una tarea particular después de eso, ve solo. Como dije, estos tres puntos de perplejidad Microsoft Gemini o el buscador baser Entonces en esos casos, hay que usar eso y algunas ideas de personalización y lluvia de ideas y escribir los mejores prompts efectivos, puedes usar este En ese caso, Ja Gibt está más personalizando en comparación con la nube ¿Bien? Entonces espero que entiendas muy bien a este conferencista ¿Bien? En el siguiente modelo, veremos que algunas herramientas de incitación efectivas como la capacidad de carga tienen su propio patio Veremos vamos a explorar ese patio de recreo también, y veremos son alguna técnica, bien. 51. 5.5.5 Cómo usar Deepseek, Grok ai, Qwen chat y Mistral ai para obtener sugerencias efectivas: Veamos otros cuatro modelos LLM, en los que ya hemos visto los cinco modelos de IA diferentes como HaChPT Cloud, Gemini, púrpuras dot I, Okay, Microsoft C Palette para generar los prompts efectivos para generar los prompts efectivos En esta sesión, en esta clase, vamos a ver, bien, los otros modelos de IA que vienen lo último en este 2024 o 2025, es decir, deeps Croc AI quench en Mystal AI Entonces si estos modelos I son capaces de escribir los mejores prompts para nosotros o no, como ja JP hacer ¿Bien? Comparemos con el ha Gibt y todos estos cuatro modelos INM ¿Bien? Empecemos de eso. Entonces tomaremos lo mismo simple nuestro prompt de inicio de calentamiento. ¿Bien? Vamos a tomar. Así que no estoy usando este pensamiento profundo o puedes usar todas esas cosas, ¿de acuerdo? Se empieza a generar el pensamiento, lo cual es muy importante. Así que sólo voy a tomar en todos estos mods en particular de manera rápida para ahorrar el tiempo para nosotros. Bien. Y podemos verificar fácilmente todos esos al mismo tiempo. El disparo desde las profundidades del mar. Bien, ya puede ver, sí, entiendo sus requisitos. Claramente, lo haré. Bien. Entonces sí, entiendo soy asistente de diseño útil, todas esas cosas. Se puede ver la salida de los cuatro modelos de IA. Eso es bueno. Bien. Ahora, vayamos aquí nuestro segundo aviso. Esa es tu experiencia una escritora pronta en el campo de la psicología, de las mujeres en el marketing. Ahora tu tarea es generar dos a tres versiones diferentes de pronta IA. Solicitar IA. Tomemos esta tarea en particular, y solo nos basaremos en todos los demás modelos I. Es empezar a generar pensamiento. ¿Verdad? Empecemos desde el deepsk Es modelo pensante. El usuario quiere generar de dos a tres versiones diferentes de prom para EI. Es pensar, que es la mejor parte de esta IA deepsk. Puedes ir con el botón de búsqueda, todas esas cosas aquí. Ahora, puedes ver aquí tres indicaciones refinadas impulsadas por la psicología adaptadas a esto Vamos a echarle un vistazo a todas esas cosas. Aquí también se generan tres versiones prompt, Cro QI. Como escritora expen prompt en psicología de la mujer en marketing, elaboraré de dos a tres indicaciones distintas de alta calidad Versión pronta, actuar como experta en psicología y mercadotecnia de la mujer. Eres psicólogo especializándote en la mercadotecnia. Bien. Asume el papel de psicólogo de marketing, que es muy poderoso en lugar de compararlo con los PTs de Cha, puedes ver aquí. Bien, también es bueno. Bien, actúa como un mercadeo como experto. ¿Bien? Pero si revisas aquí, ese es grok, que es muy poderoso, escribiendo las indicaciones Se puede ver que es bastante similar a HagiBT. Pero se puede ver lo bien escrito que está. Está usando el patrón persona prom. Actuar como experto en psicología del horno y mercadotecnia, proporcionar un análisis detallado de cómo influyen las motivaciones intrínsecas y extrínsecas Puedes ver a un psicólogo de URS, también está usando el patrón personal de baile de graduación. Asumir el papel. También está usando el patrón personal de baile. Entonces ese es el poder de usar el patrón personal de baile. Incluso la IA también genera el prompt basado en el uso de patrón de baile personal. Entonces eso es poderoso. ¿Bien? Se puede ver que es una mejor salida, cuando se compara con el sik profundo Si lo ves, está bien, puedes verlo. Incluso el sik profundo también utiliza el acto como experto en psicología del consumidor, lo cual es muy importante Puedes ver el poder de un patrón personal de baile aquí. Bien. Se puede ver paso a paso la estrategia de marketing. Analizar la segunda versión es, analizar cómo los valores culturales crean una ética. La primera versión es bastante buena. Pero estos dos no son nada o no se ven mejor efectivos. Cuando se compara con la IA de Grock, se puede ver que el modelo Grock I ha generado tres versiones diferentes de Incluso son iguales en la escritura los mejores. Se puede ver asumir el papel del marketing. Se trata de utilizar el papel de patrón personal de manera consistente, pero en diferente formato. Puedes ver actuar como experto, eres psicólogo, asumir el papel de mercadeo. Pero en los enfermos profundos es este patrón rápido actuar como en primera versión en la nada y la segunda y tercera Vamos a echarle un vistazo en 2.4 aquí. Aquí están los tres mensajes distantes de alta calidad, versión pronta, analizar cómo base cognitiva emocional versión TcursMPT para explorar el papel de la persuasión, diseño paso a paso, sistema de diseño paso a paso Entonces, si ves que esto es un simple, esto no es como un prompt enginer no puedo usar este patrón prompt particular Por qué no tiene ningún rol haciendo o asignando el papel de un modelo de IA particular en el que podamos obtener una salida específica de ese tema en particular ¿Bien? Las comodidades también han dado muy bien algunos antecedentes, pero no tiene el sistema común de asignación de roles como usar los patrones de baile o todas las demás cosas Se puede ver la roca AI también generó lo mejor que se puede ver, ¿verdad? Como angibt también generando, ¿no? Eso es todo acerca de quin chat. Bien. Tomemos nuestro Mystal EI Entonces en la IA mitral, bien, entonces Visual tampoco tiene nada de escribir el patrón de baile aquí Se puede ver investigar impacto de analizar el uso del marketing emocional, explorar los principios de la psicología, Bien. Que tengas un gran pero como ingeniero rápido, me siento y me gusta la IA rock por escribir los prompts para mí porque ha usado la fórmula perfecta, asignando el rol, dando la tarea, y dando la información de fondo, todas esas cosas aquí Puedes ver aquí, lo cual es muy importante para escribir este sencillo prompt específico de manera efectiva. Entonces como conclusión, utilizo esta roca A para escribir las mejores indicaciones, ¿verdad? Entonces estos son los Grock y hagibt tienen su propia mejor capacidad para escribir los proms para nosotros. Eso es simple. Bien. Espero que entiendas este caso de uso particular. Vamos a saltar a otra tarea en ese particular solamente. Ya veremos aquí. Bien. Entonces eres un escritor de baile con experiencia en el campo de la psicología mens en marketing. La tarea es generar de dos a tres versiones diferentes del baile de graduación para una sugerir mejor versión de este prompt. Bien. Entonces, si piensas si sigues esta tarea en particular o lección en particular, es decir, cómo escribir Afectoms para Bien, entiende aquí este punto en particular, así que no voy a explicar aquí. Ahora puedes ver aquí. Voy a decirle a la IA que sugiera la mejor versión de este aviso aquí. Entonces voy a decirle a AI sugerir este prompt, mejor versión de este prompt aquí, esta pregunta. Bien, veamos qué pasa aquí. Vamos a comp aquí Enfermos profundos y seguiremos desde aquí. Vamos a hacer clic aquí. Pegar. Vayamos a enviar y aquí nos llevaremos lo mismo. Vamos rápido. Vamos a ahorrar, ven aquí. Bistec. Entonces ven aquí, bistec vamos a pasar por disco. Ven de los Tips. Ahora puedes ver que Hit ha generado alguna versión rápida mejorada uno. Te acabo de decir que tienes experiencia un escritor rápido. Sugiero la mejor versión de esta pregunta o pronta en particular. Se genera una versión rápida mejorada. Actúa como experto en psicología del consumidor y una ingeniería pronta, todas esas cosas que puedes ver es genial, instrucciones bien escritas. Se puede ver la versión mejorada dos. Eres un psicólogo especializado en versión rápida mejorada, desarrolla de dos a tres indicaciones avanzadas de IA Echemos un vistazo a la IA del grupo. Tomemos crock dos modelo. Vamos a comprobarlo sobre otro modelo I, va a empezar a generar. Está tomando demasiado tiempo, pero tomemos nuestra IA de gráfico quin. Ahora tiene el pensamiento terminado. Podemos ver que ha generado las tres versiones. Actuar como psicólogo de mercadotecnia. Eres un psicólogo de marketing, diseño tres me pide explorar todas esas cosas Bueno. Esta es una mejor específica, pero ¿por qué? He dado este pequeño aviso aquí. Bien. Espero que entiendas. Tan particulares estos tres proms están bien escritos en especificidad, ¿de acuerdo? Mistral A, veamos, Mistral A. O puedes ver aquí como un experto en la elaboración de proms, relativo a la psicología, aprovecha tu experiencia, utiliza tus habilidades Este también es bueno cuando se compara con éste. Pero así como conclusión, así no puedo decir, así puedo decir. Entonces la mistal no es buena para escribir los bailes de graduación. Bien. Eso es simple. ¿Por qué? Porque aquí he evaluado estos tres bailes de graduación. Bien. Pero al escribir lo bueno, pero no usar la fórmula específica asignando el rol específico, dando tarea, y dando información de fondo como esa Entonces espero que entiendas esto. Entonces para la versión uno, está bien. Se genera utilizar el acto como un patrón de baile personal. Eso es bueno. Bien. En comparación con el chat quin también , utilizó las dos versiones. Tiene el acto como patrón de baile, patrón baile personal en dos versiones de este. Así que puedes. Eso es bueno. Bien. Y el grupo Am también. Entonces está tomando tiempo, demasiado tiempo. Tomemos Bien. Vamos. Tomemos CKI profundo. En el profundo CKI, se puede ver que ha tardado dos veces actuar como un patrón personal para el baile de graduación Actúa como experto, eres psicólogo. En el tercero, simplemente se ha llevado el desarrollar la tarea. Se ignora la asignación del rol. Quenchat también ignoró el así que si piensas aquí, la reina charla EI y borrachera EI, la salida parece similar porque estos dos modelos de IA son de China, y se puede pensar que estos dos modelos son tendencia por los mismos datos Así se puede ver la salida es que tiene usuario que dos veces actúa como psicólogo URA, y se puede comparar la misma moneda a 0.5 con actuar como psicólogo de marketing URA. Para que puedas llevar diseño tres A proms. Puedes ver aquí, desarrollar de dos a tres bailes avanzados de IA. Entonces bastante similar, ¿verdad? Puedes echarle un vistazo a todas esas cosas. Grow AI está tomando demasiado tiempo. Entonces, qué podemos hacer aquí segundo en tiempo. Entonces cuando se compara con Mistral AI, entonces Mistral AI, ha usado lo mejor para la Versión uno, ha usado el acto como un patrón personal de baile, y la versión dos, versión tres no se usa el patrón de baile, que puedo llegar a la conclusión de que es niebla A no es bueno para escribir las indicaciones Y recuerda una cosa, si das más información de fondo, todas esas cosas, también puede generar el mejor prompt para nosotros. ¿Bien? Entonces puedes ver aquí el sombrero también le dio la mejor salida, si piensas aquí eres un experto en elaboración I proms, todas esas cosas También solo te da la única versión, pero también es buena en caso de mis requerimientos, deepsk también generó el mejor patrón de baile, puedes ver aquí y crecimiento tomando tiempo Quin también generó las tres versiones diferentes, que son muy buenas, y Lim Ms también buenas pero no en comparación con otros modelos de EI como Quin chat, deepsk vamos a saltar a esta Vamos a tomar de nuevo, está tomando demasiado tiempo. Vamos a refrescar esto. Sólo voy a copiar y pegar así difl Podemos ver aquí. Su pronta original es clara, pero podría ser refinada por refrescar el tono la especificidad me está generando. Se puede ver aquí. Mejoraste la versión uno, concisa y específica. Eres un escritor experto, rápido especializado en psicología del comportamiento masculino. Se puede ver esta es una particular primera versión mejorada, segunda versión, se puede ver como una escritora pronta con experiencia, profundo conocimiento de la psicología femenina en mercadotecnia. Puedes ver esta es segunda versión mejorada, tercera versión, puedes ver aquí. Eres un escritor rápido experimentado con pasión por la psicología de los humanos en el marketing. Ahora puedes ver el poder de grok AI al leer los FA dos proms para nosotros Cuando se compara con el sik profundo ¿verdad? Y quench at AI, el modelo AI se genera las dos versiones con el uso act as a pattern prom Bien, también está siguiendo. Pero en la versión tres, no se utiliza el acto como patrón de baile de fin de curso de regla. De igual manera, se hunde también, ¿de acuerdo? Y la mistala solo usa la primera versión para la primera versión, es decir como experto en elaboración de prompts, no en la 21, sino en grog AI, el modelo AI ha generado el prompt tres versiones diferentes con la regla perfecta que es usar el patrón de baile de rol asignador que es el patrón de baile de rol asignador que Como escritor rápido experimentado, eres un escritor rápido experimentado. Entonces ahora puedes ver que la IA de Grock está completamente entrenada o completamente más inteligente que la IA profunda de sik quenchat, la IA Mistral en comparación con los modelos para escribir las indicaciones efectivas Espero que entiendas estos puntos. Entonces ahora en la conclusión, utilizaré este grupo AI y Cha GPT también combinados para mejorar mi habilidad de escritura rápida y escritura rápida para mi tarea Espero que entiendas estos casos de uso particulares. Es así como puedes evaluar no solo este, no solo escribiendo los prompts, puedes ir por el prompt de imagen Puedes ir por el prompt del video. Puedes comprobarlo para todas esas cosas, ¿verdad? Entonces no solo esta tarea, para que puedas tomar cualquier tarea que te guste y verificar toda la misma tarea en particular en otros modelos de IA para evaluarla para probarla y elegir el mejor LLM para tu tarea ¿Bien? Porque diferentes LLM tienen las diferentes capacidades y funcionalidades que pueden trabajar para usted, de manera efectiva Para ello, el propósito principal de esta prueba es elegir un mejor LLM para nuestra tarea, para sacar el máximo provecho de la IA Espero que entiendas esta clase de manera muy efectiva. Entonces comencemos nuestra segunda sesión. 52. 5.6.1 Herramientas de ingeniería de prompt: parámetros de Playground en OpenAI, parte 1: Vuelve a nuestro nuevo profesor que es herramientas de ingeniería rápidas Entonces, como discutimos anteriormente algunos patrones de prontitud que podemos usar para mejorar nuestras habilidades de escritura rápida, ¿verdad? Entonces, para cualquier tarea, podemos mejorar nuestra escritura rápida mediante el uso algún refinamiento de preguntas o patrones de verificadores cognitivos Entonces como antes, discutimos aprendidos, ¿no? Entonces en este conferencista, vamos a ver algunas herramientas de ingeniería rápidas Hay muchas herramientas de ingeniería rápida que mejoran su basado en su prompt básico. Entonces hay más herramientas en línea, pero las herramientas las herramientas son entrenadas por open A playground solamente. Incluso usarán otros modelos de lenguaje. Entonces creo que abrir Un patio de recreo es suficiente para incluso sin patio de recreo, podemos usar JA GiBT solo para mejorar nuestras habilidades de escritura de baile, como ya discutimos anteriormente, bien Pero con eso, no podemos construir aplicaciones. Derecha. Entonces, si aprendemos sobre open A playground, puedes construir cualquier aplicación usando ingeniería rápida, ¿verdad? Entonces con este patio abierto A, probarás modelos con diferentes selecciones de modelos como GPT cuatro, tres, y probarás salida cambiando los parámetros del patio de recreo ¿Bien? Enviaremos todas esas cosas ahora saltando a la plataforma A abierta directamente, ¿de acuerdo? Entonces, ¿qué significa en realidad OpenAI playground? La empresa open A tiene sus propias claves API. Bien, podemos directamente con esas claves APA, integrar directamente podemos integrar directamente chatbot de IA o asistente de EI en nuestro sitio web o aplicaciones Con eso, podemos mejorar la experiencia del usuario. ¿Bien? Incluso si podemos construir una aplicación específica escribiendo las indicaciones específicas usando diferentes patrones de baile como aprendimos y discutimos anteriormente en clases anteriores Bien. Entonces vamos a ver lo que es acerca de patio al aire libre es. Por lo que es una interfaz fácil de usar más sencilla donde podemos probar modelos con diferentes parámetros, entradas y habilidades de prompting ¿Bien? Entonces podemos ver la salida en diferentes configuraciones usando cambiando los valores de parámetros y cambiando los modelos, modelos lenguaje que es 3.54 o GPT cuatro o mini así ¿Bien? Se trata de juegos al aire libre. Tan abierto Un patio de recreo tiene algunos parámetros como temperatura, tokens máximos, P superior, es decir, penalización de frecuencia de muestreo, penalización de presencia, y el último es secuencia de parada. Así que no te preocupes. Veremos cada uno por uno de manera clara en detalle. Entonces primero, eso es lo que está en temperatura. Entonces solo aprenderemos este básico y veremos directamente a la plataforma de juegos infantiles. Bien. Entonces veamos algunos conocimientos básicos sobre esto. Temperatura significa que irá desde el rango 02. A valorar. Entonces la salida, la salida AIS depende de la temperatura. Por qué significa que si pones el valor bajo de la temperatura, generará la salida de manera enfocada de manera específica, ¿verdad? Si estás usando si tu tarea es resolver el problema máximo, entonces la temperatura 0.2 o el valor bajo puede ser útil porque generará respuesta de enfoque. Entonces en max, solo hay una solución o dos tal vez, ¿no? Es por eso que mejor voy a disparar por problema matemático o respuesta enfocada, ¿verdad? Entonces cuando si cambias la temperatura a los valores más altos, es decir 0.81 o uno arriba, se vuelve más creativa y generará el número de soluciones, más número de soluciones que pueden parecer algunas respuestas menos coherentes ¿Bien? La respuesta de enfoque está bien, pero está a nuestro requerimiento, ¿verdad? Por lo que depende de nuestra tarea y requerimientos. Todo se trata de eso. Así que no te preocupes. Veremos en el patio de recreo directamente. Entonces veremos algunos tokens máximos. Entonces saltemos al abrir directamente una plataforma. Entonces veremos qué pasa con la A abierta y cuál es el primer parámetro que es la temperatura. Por lo que estoy directamente iniciar sesión en la plataforma abierta A. Si tienes cuenta de JGBT, eso es suficiente para que solo vayas a la plataforma abierta A e iniciar sesión con tu correo electrónico de JGBT Bien. Si eres nuevo en esta plataforma, entonces te recomiendo que vayas a YouTube y busques y aprendas el um básico, información básica de esta plataforma. Entonces en esta plataforma, tenemos varios sistemas como el chat. Entonces con esto, se puede ver aquí hay un mensaje del sistema. Para que podamos entrenar nuestro modelo de IA escribiendo el prompt del sistema. Entonces como se nos discute en algunos tipos básicos de baile de graduación eso es el rol asignando instrucciones del sistema rápido, así que todos esos vienen aquí solamente Entonces eso es importante. Para que pueda ver, hay varios modelos como ensayos habilitados en tiempo real. Hay nuevos modelos que entran al aire libre A, modelos de asistencia. Ayudante solo es una específica. Si buscas construir algún asistente específico, por ejemplo, asistente atención al cliente o un asistente de recomendación de producto o salud mental específica o incluso si podemos tomar eso va nutricionista, un especialista en nutricionista específico Puedes ir al específico, puedes escribir las instrucciones del sistema aquí, por lo que solo funcionará. Como instrucciones del sistema que se dan aquí, puedes ver, eres un experto en la tarea de un profesional de RRHH con realización de una entrevista basada únicamente en el trabajo. Esta es la instrucción del sistema, que es la IA capacitada para un propósito específico, es decir, el trabajo de recursos humanos como un escuchar, ¿verdad? Así podemos cambiar todos estos parámetros. Entonces voy a decir, qué son esos parámetros, esto todas estas cosas. Ahora, en solo unos segundos, ¿no? Entonces si haces alguna duda aquí, entonces funcionará solo en las instrucciones del sistema. No, este modelo es actuar como un HR solamente, no otras cosas como ja GPT hacen Bien. Espero que entiendas, ¿verdad? Entonces hay algún modelo de texto a voz también aquí en el patio de recreo. Incluso con esto, puedes interactuar directamente con la IA, por texto a voz. No, también tiene algún modelo de terminación, es el mejor. Antes de ahora, quitará por el abierto una plataforma. Entonces hay algunos modelos más recientes, es decir chat. Bien. Esta es la mejor porque así así por ejemplo, si ves si usas HGPT, puedes interactuar con el modelo de lenguaje que es Pero no se puede construir la aplicación por el HGP para eso. Entonces, para que los desarrolladores integren HGPT en nuestras aplicaciones web o construyan algunas aplicaciones específicas usando IA, la A abierta es construir algún Entonces escribiremos IA. Por instrucciones, iremos directamente a la sección de código y copiaremos e integraremos en nuestro sitio web mediante el uso de este código. Es simple. Tienen algunos documentos para cada caso de uso que es como usar GPT four oh y modelos y APIs para la generación de tareas, llamadas de funciones, todas esas cosas, hay algunos documentos varios para cada propósito Estamos buscando eso. Así APA hace referencia tablero de juegos infantiles. Entonces tengo más información, ¿verdad? Entonces, por ahora, solo vemos cómo usar este patio de recreo para nuestra habilidad de ingeniería rápida o para construir alguna aplicación específica para un caso de uso específico. ¿Bien? Entonces primero, exploraremos algunos parámetros. Para conocer todas las opciones sobre esto, puedes conectarte y aprender de esto desde esa plataforma como YouTube o cualquier sitio web en línea que puedas obtener. Entonces veamos en esto de aquí, este es un mensaje del sistema, ¿verdad? Entonces hay que escribir el mensaje del sistema. Como ya discutimos anteriormente algunos patrones de prontas, lo cual expliqué, es solo escribir el patrón de baile. Escriba el mensaje como una tarea específica para realizar una tarea específica. Entonces puedes decirle a EI que haga esta tarea solo en este formato solamente. La salida debería verse así solamente. Puedes probar aquí cualquier cosa que se base en requerimiento. Puedes escribir por tu texto inglés en el formato inglés. Después de eso, puedes elegir aquí. Incluso puedes subir una imagen o un enlace a eso. Entonces después de eso, puedes seleccionar al usuario o asistente. Bien. Por lo que cambiará automáticamente usuario o asistente. Derecha. Es como hagibt solamente. Entonces funciona como un hagibt solo en el que el mensaje principal del sistema está resolviendo la consulta del usuario. Esto es si por ejemplo, parece chat, hat significa que le dirás al mensaje del sistema que solo haga esta tarea. Entonces ahora, cuando el usuario hace cualquier duda, el asistente da la respuesta. Por ejemplo, vamos a llevarnos hola. A ver. Tomemos usuario usuario Pregunta un alto. Entonces asistente generará directamente aquí. Funciona como HagiBT solamente, si lo observas. Funciona como hagibt solamente. No hay en eso, diferencia en eso. Cuando regresa a asistente, la asistencia significa diferente. Se hace para el específico. ¿Bien? Se hace para el específico. Entonces, incluso para construir alguna aplicación específica, probarás una IA para experiencia específica en recursos humanos, doctor o profesor experimentado en física como esa. Por lo que va a funcionar como sistema de recursos humanos solamente. Entonces puedes comenzar la pregunta aquí. Voy a generar la respuesta basada en la pregunta panda que hagas relacionada solo con el RRHH. ¿Bien? Nunca subirá al trópico de esto. Nunca generará la respuesta de las instrucciones del sistema. Solo seguirá las instrucciones del sistema. Bien. En el formato de chat, puedes preguntar cualquier cosa , te dará la respuesta. L Cha GB do. Pero si intentamos aquí un modelo de IA para hacer la tarea específica solamente, entonces también funcionará así solo, como la asistencia hará. Pero en la asistencia obtenemos algún código específico o estructura específica para hacer eso solamente. Pero hay en este chat, en este sistema de chat prompt, así que hay menos posibilidades de llegar a hacer trabajo como algún asistente específico. Bueno, veamos para nuestro propósito principal es ver cuáles son los diferentes parámetros que tiene el patio de recreo tienen. Se pueden ver primero los parámetros que es el modelo, el modelo del lenguaje. Para que puedas usar cualquier modelo. Este es uno avanzado, y recuerda que si eres nuevo en esta plataforma, después de registrarte, obtendrás créditos gratis de hasta $5, ¿verdad? Entonces para eso, puedes probar y puedes aprender usando todas estas plataformas. Entonces, si los créditos se reducen a cero, hay que comprarlo. ¿Bien? Entonces para fines de prueba o para fines de aprendizaje, te recomiendo que elijas el modelo muy bajo lo posible. Eso es GPD pen fat Turbo. Es suficiente para ti, derecho, es tu costo de crédito. Después de eso, se ve el formato de respuesta, cómo debería ser tu respuesta. Tiene que. Eso es JCN Objeto o texto, iremos al texto ¿Bien? Las funciones son de tipo avanzado. Bien, primero aprende lo simple aquí, Configuración del modelo. Entonces esa es nuestra primera principal es la temperatura. Si haces clic aquí, te mostrará alguna, uh, Información sobre los controles de temperatura aleatoriedad. Si bajando resulta en terminaciones menos aleatorias, medida que la temperatura se acerca a cero, el modelo se volverá determinista y repetitivo ¿Qué dice esto la temperatura? Entonces, por ejemplo, vamos a tomar aquí. Entonces la temperatura. Entonces primero, escribe aquí el mensaje del sistema Sims. Entonces he escrito que eres asistente útil y tu tarea es resolver el cociente de usuarios ¿Bien? Entonces puse a la temperatura baja, es decir 0.2, como ya comentamos anteriormente. Le diré a A haré una pregunta para sugerir el mejor nombre para mi cafetería. Vamos a ejecutar esto. Entonces me mostrará algunos ***. Aquí hay algunas sugerencias para estrechar su cafetería que es Brew Heaven, así los cruces de Java Si es de valor bajo, si cambio la temperatura al máximo, es decir 1.51 0.3 Veamos qué pasa aquí. Yo solo eliminaré esto. Tomemos esto solamente. País C, borre esto y veamos esto. Cambio bien la temperatura a la indicada. Entonces si ves aquí, hay algo enfocado en uno. Eso es café, cielo o D bendiga cueva. Entonces, si cambias este valor de temperatura, la salida se cambiará aquí. Si observas aquí, si vas al máximo algún valor alto, se convertirá en la salida será uh, respuesta de enfoque, alguna respuesta específica cuando se compara con la anterior, que tienen algún valor bajo de temperatura, así. Bien. Espero que entiendas bien la temperatura. Para que pueda cambiar por su requerimiento analizando la salida. ¿Bien? Siguiente parámetro, es decir tokens máximos. Veamos el máximo de tokens aquí. 53. 5.6.2 Parámetros de Playground en OpenAI, parte 2: Nuestro siguiente parámetro es que son los tokens máximos. Entonces, lo que se trata de los tokens máximos son los tokens significa qué tokens máximos. Los tokens son trozos de texto que el modelo procesa incluyendo palabras, puntuación y espacios Entonces, si estás usando el Chagpter cualquier modelo de lenguaje, ves la salida, la salida contiene todas esas cosas como palabras, comillas, comas, Espacios también. Para que se les llame token. Token significa que cuatro caracteres son iguales a un token. Cuatro caracteres equivalen a una ficha. El personaje no es sólo letras, tiene algunos espacios de puntuación también incluidos en eso, ¿de acuerdo? O tres por cuatro sod palabra así. Por lo que los límites de tokens también dependen del modelo que seleccionemos. Si usas el modelo avanzado más alto, los tokens son todos cambio. ¿Por qué? Porque los modelos avanzados son probados por más datos. En eso, la salida también cambia, lo que cambia los valores de token. Bien, depende de nuestra selección de modelos también. Veamos, para entender mejor la Open AI tenemos su propia plataforma tokenizer en la que podemos ver cuántos tokens están usando mi modelo de lenguaje para generar salida. Entonces por ejemplo, si tomo la información anterior y voy a pegar aquí. Así que puedes ver aquí. En este párrafo, hay 86 fichas. Así que solo para entrar y solo buscar el tokenizador Open AI, obtendrás de este Por lo que puedes ver aquí, este párrafo de información tiene 86 fichas y 435 caracteres. Para entender mejor, puedes ver esto aquí, OPEN, cuatro caracteres es igual a un token. Bien. Después de eso, AI, rápido, también, y S. Estos cuatro caracteres equivalen a una ficha, así. El color rojo, todo eso viene bajo una, una ficha. ¿Bien? Si se agrega esto, se trata de casi 86 tokens. Como dije, depende del modelo que seleccionemos. Si usa este GPT 3.5 GPT cuatro, estos dos son solo de avance máximo Si vas a GPT tres , cambiará. Puedes ver aquí 88 tokens porque es del modelo básico cuando se compara con estos dos modelos avanzados. Depende del modelo que seleccionemos. Puedes ver aquí de acuerdo a eso, podemos ajustar nuestra salida para reducir nuestro costo APA en la IA abierta. ¿Bien? Para que puedas buscar en línea la mejor práctica es reducir el costo de AP de IA abierta. Puedes obtener la información de ahí. Entonces se trata de tokens máximos. Entonces, por ejemplo, se puede cambiar el valor aquí de los tokens máximos. Lo que sucede aquí, la salida estará en este tokens proporcionados solamente. Si mi es muy larga, si mi pregunta es pequeña, pero la salida es muy larga, ¿qué pasa ahí? La salida se ajustará únicamente a este máximo de tokens especificados. Salida la salida máxima tomará 20 o cualquier cosa que haya especificado en los tokens máximos solo 17, 19 tomará mi salida. Entonces por esto, podemos ajustar nuestro costo de API, ¿verdad? Podemos establecer algún objetivo o podemos tener algunos perspicaces cuántos costos APA usando para generar salida, están usando para generar salida, cuántos tokens usa la IA para generar una salida Por eso, podemos analizar nuestro costo APA en plataforma al aire libre. Mejor podemos optimizarlo, ¿verdad? Si yo si pongo máximo tokens es decir 400, 300, 200 así, la salida solo se generará usando 200 tokens solamente. Aunque sea un cociente largo el cociente largo será, uh, convertido en dos Por qué, hemos establecido el máximo de tokens en 200 solo así. La salida está en nuestro control, ¿verdad? Podemos controlar la salida, cuánta salida se debe generar. Bien. En eso, podemos fácilmente, uh, ajustar nuestros tokens máximos. Eso es todo acerca de los tokens máximos. Puedes establecer por aquí desde cualquier cosa que asistente en particular que estés haciendo o esa IA en particular, estás corriendo más allá. De acuerdo a nuestros requerimientos puedes poner aquí, puedes experimentar con todos y cada uno , que dispara tu 54. 5.6.3 Parámetros de Playground en OpenAI, parte 3: Arriba. Qué es la P superior, muestreo de núcleos. Entonces top P significa que controlará la respuesta, ¿de acuerdo? Al considerar o tomar la opción tokens. Al guardar fichas. En el nivel fundacional y generará y controlará la salida. Esa es una tarifa máxima. Así se puede ver que hay un rango 0-1. Entonces, cuando lo establecemos en uno, el modelo considera todas las opciones de palabras posibles. Entonces, como se puede explicar significa si tu salida tiene algunas palabras. Bien, como dije antes, los tokens máximos, Bien, cuántos valores de token decidiste generar una salida de todas las consultas en esos tokens en particular, entonces los tokens, la salida, que se requiere, la palabra. ¿Bien? La selección de palabras tomará el valor P superior. ¿Bien? El valor P superior controla la palabra. Para generar para generar en la salida para los tokens máximos especificados, decidiste, espero que entiendas. Bien. Por ejemplo, si ves cuando se establece en uno, el modelo considera la opción de todas las palabras posibles. Valores más bajos. Si pones 0.3 o 0.214, el modelo se enfoca en las pocas palabras más probables, reduciendo la aleatoriedad Bien, por ejemplo, vamos a sí. Entonces si me quedé tomemos, iré a valor bajo, es decir 200. Entonces le diré a AI que me explique sobre la IA. Esa es mi consulta. ¿Bien? Lo que digo, solo digo generar la salida en 269 tokens solamente. Entonces la respuesta será 260 o toons solamente. Bien. Entonces voy a la temperatura uno. Es uno básico predeterminado. Entonces voy a decir que el valor máximo debe ser uno. Vamos a comprobarlo primero aquí. Por lo que generará la salida en 269 tokens solamente. Bien. Si aumento el máximo de tokens, generará la salida aún más que esto porque seleccionamos los tokens, generamos la salida solo en 269 tokens solamente. Si aumentas esto, la salida también aumenta. Es dirección. Estas palabras son elegidas por valor máximo. Estas palabras presentes en la salida controladas por el valor P superior. Bien, espero que entiendas. Si me quedé con éste, pueden ver aquí, hay palabras la inteligencia artificial es una rama de la informática que se centra en la creación de misins inteligentes, ¿verdad Si bajo el valor superior de P, generará esa aleatoriedad. Sí, por ejemplo, si tomo 0.30 0.2, bajará. Ahora volveré a hacer esta pregunta. Explícame sobre la IA, C. Puedes ver aquí algunos máximos de tokens límite alcanzado respuesta terminada. La IA busca generar lo más correcto. La IA busca generar más salida para esto. Pero lo que tenemos hemos fijado el máximo de tokens a 269 solamente. Es por eso que la IA está diciendo que límite máximo de tokens alcanzó la respuesta terminada. Hay una respuesta después de esto también, pero se detendrá ahí por qué se alcanzan los tokens máximos. Es por eso que los tokens máximos que se mantienen deben decidirse en base a por requerimiento. ¿Bien? Basado en la aplicación Opera, está buscando construir. Tienes que enfocarte primero en la salida, ¿de acuerdo? Entonces sólo, hay que decidir los tokens máximos. De lo contrario, el gasto del usuario puede ser perturbado. Bien. Vuelve al valor V superior. Cuando decidí el valor de V superior al uno, así se puede ver la salida aquí. Hay uno bueno, muy específico, ¿ verdad? El control es bueno. Las palabras control están dentro de los tokens máximos que decidimos 69. Pero cuando disminuya el valor de V superior al valor inferior, así va a salir de los tokens máximos. Por eso aquí simplemente no me detengo por aquí, en comparación con el anterior. Aquí si mantuve el valor de V superior al máximo, el valor máximo de V superior controlará quién es la salida, derecha, en tokens máximos especificados. Esa es una selección de palabras. Aquí se tomará la selección de palabras perfet. Al compararlo con esto, estoy generando las palabras aleatorias, que va, que alcanzan. Que alcanzar el máximo de tokens significa que hay un hay más información aquí. hay más salida Aquí hay más salida después de esto, pero se detendrá aquí. Por qué hemos decidido extender los tokens únicamente. Cuando se compara con el anterior, también hay dos sixten tokens, pero el valor V superior es máximo en el que el valor V superior controla toda la salida a palabras específicas Pero cuando los valores de V superiores disminuyen a valores bajos, lo que la salida se genera por aleatoriedad en la que la salida está aumentando, incluso se especifican los tokens máximos Es por eso que la IA es solo, uh, mensaje de error que es máximo de tokens, alcance límite. Por qué, no hay elección efectiva de las palabras. Es por eso que mantener mejor el valor de V superior al número más alto puede ayudarnos a generar mejor salida dentro los tokens máximos especificados. Entonces espero que entiendas este valor P superior. Bien. Espero que entiendas. Veamos otro parámetro. 55. 5.6.4 Parámetros de Playground en OpenAI, parte 4: Eso es penalización de frecuencia. ¿Cuál es la penalización de frecuencia? La penalización de frecuencia desalienta al modelo de repetir las mismas palabras demasiada frecuencia dentro de una respuesta, rango de cero a dos valores más altos reducen la palabra Entonces vamos a ver. ¿Qué significa una penalización de frecuencia? Aquí, la salida a veces contiene algunas palabras o inteligencia artificial repetitiva puede escribirse por dos o tres veces en donde sea necesario en la salida Bien, no hay nada malo en eso. ¿Bien? No hay necesidad de cambiar la penalización de frecuencia y presentar penalización. Pero si buscas cambiar tu salida de acuerdo a tus requerimientos, como no repetir la misma palabra una y otra vez En algunas aplicaciones, hay que hacer eso. Bien, puedes cambiarte aquí. Cuanto mayor sea el valor, si pones este valor más alto, la repetición si pones el valor más alto, se reducirá la repetición de palabras Bien. Espero que entiendas. Por lo que recomendé no hacer esto porque a veces la palabra, nada como TH o algunos errores gramaticales que también llamaban Bien. Si pones este valor de penalización frecuente al nivel superior, la intención de salida o la formación gramatical o de oración puede cambiar la intención de salida o la formación gramatical o de oración de salida, lo que puede subir toda la Para eso, recomendé no usar una penalización de frecuencia. Si su salida está generando la información repetitiva, entonces puede usar esta de acuerdo a su requerimiento cambiando todo este parámetro de penalización de frecuencia Veamos otro parámetro que tenemos que es la penalización de presencia. Presencia palty significa que incentivará al modelo a introducir nuevos conceptos que aún no se han mencionado en el texto. Por ejemplo, presencia penal, presencia significa que introducirá algunos conceptos más nuevos. Conceptos significa que si no proporciona el um particular, información o concepto en el mensaje del sistema para hacer eso. Entonces si usuario haga la pregunta que no esté relacionada con su tarea. Entonces si pones esto, es cero no. Si pones esto, el cociente de usuario no está relacionado con el mensaje del sistema, entonces el EI generará la respuesta para esa Esa es una pena de presencia, pero no la necesitamos. Lo estamos haciendo para el específico. Estamos construyendo la aplicación para la específica aquí. Para ello, no aumentamos esta penalización de presencia. Si estás construyendo la aplicación EI como HGpTHb que puede resolver cualquier cosa, que puede generar cualquier cosa basada en los requerimientos del usuario, y puedes elegir penalización de presencia como tus Se puede ver aquí. Primero, basta con hacer clic aquí, se mostrará la información de qué trata la penalización de presencia. Entonces eso es, o. Entonces veamos cómo funciona la secuencia de parada. Estos parámetros se utilizan para detener la salida por un tiempo determinado. Por ejemplo, si tomas, tomo alguna consulta sencilla que es generar tres consejos de productividad como un prompt aquí. Por lo que va a generar aquí unos tres consejos de predatividad. Se puede ver aquí. Entonces, si solo quiero parar en segundos tips, no me gusta generar el tercero. Para eso, lo que le puedo decir a la IA en lugar de escribir aquí, simplemente escribiré aquí a AI para detener la salida solo en el tercer punto. Para eso, voy a escribir aquí el tercero. Entonces, ¿y si sucede, nunca va a generar la tercera productividad Volvamos a ver el ejemplo aquí. Para que veas que va a generar solo dos tips de productividad, aunque te pida a IA que genere tres tips de productividad. Bien, eso es todo acerca de la secuencia de parada. Bien. Si tomo aquí, número dos, Bien, agregue dos. Por lo que va a generar sólo un tip de productividad, se puede ver aquí. Esa es una. Eso es todo acerca de la secuencia de parada en que vamos a decirle a la IA que se detenga en el punto específico. Eso es todo acerca de todos los parámetros de la IE abierta. Para profundizar más en estos parámetros, puedes experimentar con este patio de recreo escribiendo los bailes comprobando la salida, analizándola, todas esas cosas ¿Bien? Esto se trata de los parámetros de prompt que tenemos. 56. 6.1 El futuro de la ingeniería de prompt: Hola, chicos. Bienvenido a este módulo. Entonces si te siguen todos los módulos anteriores y practicas bien lo que te he explicado, entonces te felicito por que aprendas la mejor y perfecta ingeniería rápida para obtener algunas oportunidades como ingeniero rápido. Entonces, hasta ahora, aprendemos algunas habilidades, algunas técnicas, las técnicas rápidas y todo el tema relacionado con la ingeniería rápida. Ahora veremos cuáles son las tendencias futuras de la ingeniería rápida y cuáles son las diferentes oportunidades que tiene como ingeniero rápido, puede hacer. Bien. Y también exploraremos en este modelo que es GNAI ¿Bien? Se trata de un área avanzada en la que bien. Te interesa esta GA, puedes ir tras la habilidad de ingeniería rápida. Como ingeniero rápido, debes saber qué pasa con GAI. Bien. Entonces es bastante fácil. Bien. Pero hay que aprender algunas habilidades técnicas, también. Exploraremos todas estas cosas próximamente en pocos minutos. ¿Bien? También exploraremos cuál es su papel principal como ingeniero rápido en el equipo Gen AI. ¿Bien? Si es así, la mayoría de las empresas contratarán, como ingeniero rápido, ya sea de dos maneras, ¿bien? Como ingeniero rápido para habilidades específicas o con GNAI. Bien, espero que entiendas. Por lo que las empresas contratarán a Gen AI especialista en el que la pronta ingeniería es parte de la habilidad. Pero con la ingeniería rápida, necesitas tener algunas habilidades adicionales que son habilidades de codificación y otras habilidades técnicas, ¿de acuerdo? Vamos a bucear y vamos a bucear en este modelo en detalle. Veamos primero cuál es el futuro de la ingeniería rápida. Entonces, como dije, la IA se está volviendo más avanzada y se llevará a todo el mundo en el futuro próximo, ¿verdad? Entonces en eso cuáles son algunas tendencias emergentes como ingeniero rápido, debes saber. Bien. Podemos ver que hay tres tipos de modelos por ahí. Cómo, veamos, con la ingeniería rápida, se puede hacer. Entonces multimodelos Cuáles son los multi moodel que puedes ver aquí, los sistemas de IA se están moviendo más allá del texto para incluir imágenes El multi moodels significa que si usas Gemini, en la sección de chat, puedes subir imagen, Puedes subir cualquier documento, y al mismo tiempo, puedes escribir un texto, incluso puedes agregar tu vs. Así que todos se llaman multi modelos. Incluso Char GPT tienen incluso todos los modelos de lenguaje tienen sus propios multi moodels Al igual que el sistema de IA tomará toda la entrada de un usuario, como base de imagen basada en texto, base voz o basada en documentos, todas esas cosas vienen bajo el modelo de lenguaje multimodelo, derecho, LLM Entonces ya puedes ver ¿cuál es el papel de esa pronta ingeniería? Por lo que la ingeniería rápida pronto implicará la creación de insumos para estos medios. Bien. Entonces, si observas los módulos de lenguaje generarán una salida basada en la entrada Entonces lo que pasa aquí, tienes que escribir tienes que entrenar a la IA. Entonces, como escribir la entrada y al mismo tiempo, cómo debería ser la salida se ve en función de la entrada. Así que tienes que entrenar el modelo de IA por tu habilidad de escritura rápida así como de salida. Bien, salida. Tienes que escribir ambas, ¿verdad? Los multi moodels son muy importantes y en el futuro próximo, sus multimodelos tomarán más Entonces también es alguna tendencia emergente en este momento e incluso en el futuro. Entonces, ¿cuál es el siguiente tipo de tendencias emergentes que tenemos? Eso es afinar modelos. Entonces, ¿cuáles son los modelos de afinación fina? Entonces, ¿cuál es la diferencia entre multimodelo y afinar Multimodelo significa como ChagptGemni porque este es Se entrenó por una gran cantidad de datos. Entonces dará salida por cada cociente no uno específico, Se le puede pedir cualquier cosa a ja GB. Voy a generar la respuesta como esa nube perplexi data. Incluso si tomas algún módulo de lenguaje, correcto, generará respuesta o dará salida para cualquier cociente que sean para todo el propósito Se llama modelos multimodelo. Pero cuando se trata de afinar modelos, este es uno específico. Como ingeniería rápida, aprenderemos . Ya hemos aprendido. Modelos Fine Tune, lo que hacemos. Entonces hay algunos negocios. El negocio tiene sus propios datos, ¿verdad? Entonces, si el negocio quiere, por ejemplo, si la empresa quiere integrar la IE en su flujo de trabajo para que sus empleados aumenten para mejorar la eficiencia en el trabajo, lo que harán utilizarán algunos modelos básicos que proporcionan las empresas de IA. Al igual que si tomas Open EI, ellos proporcionarán modelo BERT, modelo GPT tres en el que podremos afinar con nuestros datos Bien, con nuestros propios datos. Si tomas, por ejemplo, si es así y así la compañía está buscando crear su propio tablero de chat para sus empleadores de la compañía mejoren la eficiencia o que guíen algo para capacitar a los empleados también. Eso es básico Abre nuestros requisitos, ¿verdad? Entonces para eso, la IA tiene sus propios datos, bien, propios datos personalizados. Entonces con esos datos, probarán un modelo básico como puedes tomar BERT modelo GPT tres Ellos probarán este modelo básico con los datos que tenga la empresa. Con esos modelos, llamamos a los modelos de afinación fina. ¿Bien? Eso se llama modelos de afinación fina. Se trata de afinación fina. Puede ver aquí las empresas están probando modelos personalizados para una industria específica que requieren indicaciones adaptadas al sistema de especializador Entonces, mientras afinan los modelos, no saben cómo reaccionar no saben cómo generar salida basada en la entrada. Para eso, lo que haremos, entrenaremos datos a IA con la escritura de los prompts. ¿Bien? Cómo vamos a entrenar el modelo de IA, solo escribiendo las indicaciones. Bien, cómo va a funcionar, por ejemplo, si vas a cualquier sitio web, hay algo chatbot como en la izquierda, derecha, lado inferior, en el que puedes hacer click ahí y harás alguna pregunta respecto al negocio Dará la respuesta, ¿verdad? Se trata de algo de IA que está haciendo en back end, así. Así es, por ejemplo, estos modelos de afinación fina se utilizan para las consultas de los clientes para tragarse las consultas de los clientes 24 por siete. Entonces, ¿qué probarán modelo de IA con su propio modelo, todos los precios, todas las preguntas frecuentes del modelo de negocio a IA en el que la IA aprenderá de nuestros datos comerciales de datos. Bien. Con eso, ¿qué sucede cuando el usuario hace una pregunta? Bien, el serotón es rápido aquí. ¿Bien? Tomemos eso. El usuario es rápido. Cuando el usuario haga una pregunta, la IA verificará los datos propios. Bien, los datos del negocio, dará la respuesta basada en un dato por hora. Bien. Nosotros usuario en el momento de entrenar a modelos de IA, como modelos de afinación fina como BERT, GPT tres Entonces, ¿qué pasa aquí? Entonces para generar una respuesta. Bien, para generar respuesta, ¿qué necesita el modelo rápido? Ese aviso necesita ser escrito por los ingenieros pronto. Espero que entiendas. Entonces, para probar un modelo de IA, requerimos algunos ingenieros pronto que puedan escribir el mejor prompt para finetune modelos simples a bajo costo Bien. Para que puedas profundizar con esto buscando en YouTube en línea. Les conseguiremos más conocimientos sobre estos modelos de afinación fina. Bien. Espero que entiendas. Estos son los dos tipos de modelos diferentes que verás que se trata de hacer puedes tomar ejemplo como Cha JBT Gemini Esto puede ser usar algunos negocios específicos para probar modelos de IA para trabajar en su carrera de clientes o cualquier cosa que sea. Para aplicación específica. Entonces, por ejemplo, puedes ver cualquier negocio específico, puedes ir allí en el futuro próximo. Cada empresa utilizará IA en sus flujos de trabajo al proporcionar el panel de chat en el que la IA obtendrá las consultas de los clientes en función de los datos de las empresas. Bien, 24 por siete. Bien. Esos son los modelos de afinación fina. Bien. Y otra oportunidad tenemos tendencias emergentes, que es la integración con la automatización. Entonces como dije, construyendo tableros de chat de IA. Bien, botines de chat AI significa que como el HAGBTH dará la respuesta para todas las cosas Pero cuando se compara con la integración con la automatización, podemos construir un tablero de chat, bien, que maneja todas las consultas de los usuarios, pero podemos integrarnos con la automatización. Al igual que tenemos Zap, tenemos algunos make.com. Bien, tienen algunas herramientas, herramientas automatización que podemos usar. Automatizar la tarea repetitiva. Bien, reservando el si, por ejemplo, ****, he ido a un sitio web, Bien, que es, tomemos relator de salud Entonces fui a la página web. Una vez que el sitio web del médico, hay un bot de chat. Voy a hacer mi pregunta, mi problema tengo. Por ejemplo, tengo más dolor de estómago. Por lo que va a dar alguna respuesta. Dará alguna sugerencia. Bien, ese chatbot dará. Bien. Tomaré primero la sugerencia. Por lo que también sugerirá algunas tabletas relacionadas con mi estómago. Bien, voy a tomar. Si eso no me ayuda, entonces reservaré reunión con el doctor. Solo en el chatbot. Qué pasó ahí, el chatbot se mostrará, ¿de acuerdo? El chatbot mostrará algún sistema de reservas como cuando estés disponible para reunirte con otro médico, todo lo tomará el propio EI Bien. Con el tablero de chat va a tomar el usuario, simple, tomar la respuesta de mi parte. Llevará a herramientas de automatización. Se activará las herramientas de automatización que conectamos por las herramientas de automatización como zaperm.com en las que automáticamente la reunión se reserva en el puedes tomar cualquier cosa como Zoom o puedes tomar Google meet Se crea automáticamente una fecha, reunión creativa con especificular, especi para una fecha en particular. Bien, espero que entiendas. Esto es un Zapier y hacer. Esta es una integración con la automatización, cómo ayuda. Entonces donde la incitación sucede aquí. Mientras construyes un tablero de chat, si vas a entrar en el lado técnico, tienes que escribir las indicaciones, ¿de acuerdo? Ellos ven el chat pero también IA, ¿verdad? Entonces, para decirle a la IA cuándo qué hacer, hay que escribir el prompt. Con ello, donde hay una pronta ingeniería se requiere. ¿Bien? Por lo que requerimos en eso también. Entonces hay muchas oportunidades donde hay IA, el ingeniero rápido debería estar ahí para probar y un modelo específico de IA de manera efectiva. Es por eso que la ingeniería rápida es mejor y mejor trayectoria profesional si aprendes ahora mismo de la manera perfecta y de la manera efectiva. ¿Bien? Así que podemos usar algunos incluso tú puedes usar herramientas locas. Eso significa que sin escribir una sola línea de código, con una función de caída de dragón, bien, puedes construir una bota jab para ti mismo. Entonces hay muchas herramientas disponibles en el online que puedes buscarlo y aprender el en automatización. ¿Bien? La automatización es la mejor habilidad en futuro próximo para automatizar el trabajo repetitivo del negocio Bien, usando zaperm.com y construyendo un chatbod Entonces espero que estas habilidades también sean muy importantes. Como ingeniero rápido, deberías aprender. Bien. Digamos otro. Veamos cómo mantenerse actualizado en este campo. Como ingeniero rápido, C, AI está cambiando año a año día a día porque está aprendiendo de nuestros datos. ¿Bien? Se va a adelantar, ¿verdad? Entonces algunos como ingeniero rápido, debes saber cómo está funcionando el último modelo de lenguaje de modelo. Bien, cómo hay herramientas o inventadas en el mercado en este momento, que es lo que puede ayudar lo que puede ayudar a convertirse en un mejor ingeniero rápido. También tienes que conectarte con otros ingenieros inmediatos para aprender de sus técnicas de sus aprendizajes así Para eso, lo que puedes hacer es Residir uno es mantenerte adaptable. Adaptable significa que puedes experimentar con los nuevos modelos y herramientas. Nunca pongas tus límites para esto hasta este curso. ¿Bien? Entonces mis técnicas de prompt que te he explicado antes pueden ser tener patrones de prompt más avanzados que no conozco. ¿Bien? Entonces, incluso las nuevas técnicas rápidas también pueden surgir en el futuro próximo, ¿verdad? Para eso, como ingeniero rápido, debes conocer al día con esos patrones de pronta. Para lo que puedes hacer, puedes unirte directamente a la comunidad de las empresas, las empresas de IA como Open AI, Google Gemini, derecha, Cloud. Tienen alguna comunidad. Incluso puedes buscar en línea en las redes sociales como Instagram, Twitter, Facebook, puedes unirte a los grupos de la comunidad como Open AI, buscarlo y unirte a esas comunidades. ¿Bien? Es cosa simple, ¿verdad? Puedes ver aquí, seguir comunidades A, interactuar con foros, trabajos de investigación, actualizaciones de empresas como Open A, Google Deep Mind. Es la mejor manera de ponerse al día con este campo, ingeniería rápida, ¿bien? Entonces otra cosa es la adaptabilidad de estancia. Experimenta con nuevas herramientas, modelos con tus patrones puntuales para uno específico, y se trata de cómo interactúas con la IA, ¿verdad? Entonces esta habilidad se puede desarrollar practicando solo probando cosas nuevas. Entonces solo tú podrás convertirte en el mejor ingeniero pronto. Bien. Por último, ese es el tercer punto que es seguir aprendiendo. Entonces esta ingeniería rápida no es un tema específico conjunto, ¿verdad? Entonces crecerá. ¿Bien? Crecerá. ¿Por qué? La IA está creciendo, la ingeniería rápida debe ser crecer. No es un límite. La IA no es un sujeto límite. La IA siempre es infinito. Entonces, así, la ingeniería rápida también crecerá día a día con nuevos modelos en el mercado con diferentes técnicas, patrones pronto como ese, hay que seguir aprendiendo eso. Entonces solo podrás mantenerte actualizado en este campo. Espero que entiendas este tema. Veamos ¿Cuáles son algunas oportunidades de ingeniería rápida? 57. 6.2.1 Oportunidades de ingeniería rápida: Bienvenidos de nuevo a los chicos conferencistas. ¿Cuáles son algunas oportunidades de ingeniería rápida que existen en el mercado? Como dije, hay una demanda de ingenieros rápidos en el futuro y ahora mismo. Está aumentando ligeramente la demanda estos momentos, para ingenieros rápidos. Entonces, a principios o antes de dos o tres meses, he visto que hay un aumento en los trabajos de ingeniería rápidos, derecho. Entonces en el campo del marketing educativo, bien, he visto que hay muchos trabajos de ingeniería rápida que se requieren en estas tres plataformas como educación, marketing, entretenimiento, derecho para historias, escribir así, pero no limitativo. Pero hay en el futuro próximo, la IA se llevará por todo el mundo. Eso significa que la IA es utilizada por todas las industrias porque es un sistema rápido y confiable en el que podemos hacer las cosas muy rápido. ¿Bien? Entonces podemos hacer cualquier cosa que sea muy automática para eso. Entonces, la mayor parte de la educación si tomas alguna industria que sea educación, cuidado de la salud, marketing, necesitan el contenido lo más rápido posible para mejorar sus servicios, ¿de acuerdo? Así. Entonces, hay una creciente demanda de ingenieros rápidos en todas las industrias, ¿verdad? Entonces se puede ver, como dije, hay aplicaciones de ingeniería rápida en las que veremos educación, salud, mercadotecnia en todas las industrias. Bien, el prompt donde se usa la IA, necesitan ser pronto ingenieros. La empresa necesita un ingeniero rápido para administrar el LLM, para obtener el contenido, mejor contenido de la IA Para eso, se requiere el ingeniero rápido. Donde se utilizan las LLM de AI, se requiere su ingeniero rápido Espero que entiendas esta parte. En todas las industrias, el EIS tomará la parte de su sistema en la que también se levanten los ingenieros rápidos ¿Bien? Entonces, al aprender esta habilidad, para que pueda dar la habilidad a prueba de futuro. A ver, estas son las aplicaciones que hemos visto. Existe una creciente demanda ingenieros rápidos en la industria um. No solo esto, hay otras industrias que buscan contratar ingenieros rápidos. Se trata de encontrar los trabajos en línea, todos esos. Veremos más adelante. Veamos cuáles son las crecientes demandas. Bien. Entonces, pero el mejor consejo es, si aprendes la ingeniería rápida, bueno, en efecto, si lo estás ahora, escribes el prompt para cualquier escenario y tienes la capacidad de obtener la mejor salida de la IA. Entonces para destacarse de la competencia de los ingenieros rápidos, hay que ir tan específico como específico, ¿verdad? Entonces por ejemplo, si soy una industria de mercadotecnia, estoy buscando al ingeniero rápido, entraré al mercado. Veré a los mejores ingenieros rápidos de todo el mundo. Qué sucede aquí si el ingeniero rápido puede escribir las indicaciones para cada industria Pero hay una persona que tiene conocimientos específicos sobre mercadotecnia al escribir solo las indicaciones para el marketing Contrataré a esa persona como industria de mercadotecnia. Contrataré a esa persona que tenga la experiencia en escribir los proms solo con fines de mercadotecnia En lugar de ir al ingeniero rápido, que puede escribir los proms para cualquier cosa Entonces por eso te estoy recomendando. Si está bien escrito, si tiene la capacidad de escribir cualquier mensaje para cualquier escenario de manera efectiva, lo que tiene que hacer, por favor obtenga siempre la experiencia en área específica. Puedes ir por el propósito educativo, puedes ir solo a la atención médica, puedes ir a la comercialización, tomar la comercialización. Por ejemplo, si tomas marketing, aprende los fundamentos. Después de eso, hay tantos tipos de marketing que hay marketing digital, marketing fuera de línea, marketing en Internet. Hay tantas cosas. Así que intenta escribir los mejores prompts para el propósito específico, como generar una copia impresa generando creación de contenido, email marketing, email frío Así tienen algún tema específico en el marketing. Así que trata de elaborar el prompt, escribe las indicaciones para una industria específica para que puedas obtener experiencia en esa área Bien, como cualquier industria vendrá a contratar a un ingeniero rápido, así verán, bien, esta persona tiene, por ejemplo, si la industria del marketing necesita un ingeniero rápido, en lugar de ir al ingeniero rápido que pueda escribir el prompt para cualquier cosa, en lugar de ir a esa persona, entonces esta industria del marketing contratará esa persona que tenga los conocimientos específicos sobre la redacción de las indicaciones para la comercialización Espero que entiendas este punto. Por lo tanto, funcionará en cualquier lugar si buscas brindar un servicio de freelance o si buscas conseguir el trabajo, manera específica, puedes ir, nosotros podemos crecer y puedes obtener experiencia como puedas Entender. Espero que entiendas este tema porque donde se usa la IA, hay una oportunidad de ingeniería rápida que tienes. El principal problema es que tienes que construir una experiencia específica en un área específica en la que puedas ir en esa crecer en eso y harás algún mejor impacto en ese mercado. Estos son algunos ejemplos que he tomado las industrias que tengo. Incluso puedes ir a codificar, si tienes conocimientos de codificación sobre eso. Incluso puedes ir por las otras industrias. Hay mucho más que puedes buscar en línea. 58. 6.2.2 Oportunidades profesionales en ingeniería rápida: A continuación, ¿cuáles son las oportunidades de carrera en ingeniería rápida? Esto es, como dije, como ingeniero rápido, lo puse en tantos roles de trabajo como ingeniero rápido. Enumeré algunos de ahí, que son comunes en la era del EIS Entonces esto no es que haya otros roles sino como ingeniero rápido, esto tomará la mayor parte del trabajo como ingeniero rápido aquí. Puedes convertirte en un ingeniero rápido que esté escribiendo el prompt para cualquier área o industrias específicas, como dije antes unos segundos, ¿verdad? Entonces esto es un viene bajo el ingeniero pronto. Otro rol laboral que es el diseñador conversacional de IA, es decir, el entrenador de IA Entonces, ¿qué es realmente un entrenador de IA conversacional diseñador de IA Como te dije, eso es una afinación fina. Afinación fina. En el que probaremos un modelo de IA basado en nuestros datos personalizados. Datos personalizados significa entrenar datos de IA para aplicaciones específicas. Por ejemplo, si buscas construir un chatbot como hA GPT, para resolución matemática, resolución matemática En el que el usuario pide cotización matemática, automáticamente voy a generar la solución para ello como AGP dos Pero de la manera específica, en esos casos, diseñarás diseñador conversacional de IA Eso significa que tienes que escribir prompt, entonces tienes que escribir la respuesta. Para ese mensaje significa que si escribe el mensaje, la IA aprenderá del problema. Esto es un prompt, así como hay que dar una respuesta también para ese prompt, cómo debería ser la respuesta para este tipo de prompt. Aquí estás entrenando IA con ambos conversacionales. Diseñador conversacional de IA significa que tienes que escribir el prompt y también tienes que dar la respuesta para ese prompt en el que vas a entrenar IA, que llamó AI trainer o AI tutor Pero como diseñador conversacional de IA, como dije, este entrenador de IA es la conversación Diseñador de aire extraña construyendo un chatbard como ja GPT en el Hay que tener las dos habilidades que es mangiy e importante Eso es inglés avanzado, segundo es experiencia específica en cualquier tema. Como dije, estás entrenando el modelo de IA en el área específica. Entonces tienes el buen conocimiento. Tienes cierta experiencia en ese conocimiento específico. Está entrenando IA para proporcionar la solución precisa. Para ello, tienes la experiencia en ese tema específico. Puedes diseñar una pronta y respuesta para eso con tu experiencia en ese conocimiento específico. ¿Qué es el inglés avanzado? El cualquier chatbard que tomes, ellos generarán en inglés Generará en todos los demás idiomas regionales, pero el idioma global, qué es esto significa inglés. La IA se capacita en inglés. Por ejemplo, si no eres bueno escribiendo inglés, veamos que la IA aprenderá solo de esa manera, que tienes muchos errores. Si tu inglés no es bien bueno, la IA aprenderá que errores. En definitiva, va a generar la salida con errores en esa salida por algunos errores gramaticales, formación de oraciones, todo esto voluntad porque se tiende datos de manera incorrecta en formaciones de oraciones equivocadas con errores gramaticales, Además, las empresas que tienen dirigiendo la agencia u otras empresas para probar un modelo de IA para contratar a los ingenieros pronto, verán estas dos cosas que es tener la experiencia en materia específica y escritura avanzada en inglés. Para el idioma regional, también ven, por ejemplo, si eres español, si el chatbot, uh, está entrenando en el idioma español, verán la habilidad avanzada específica en el idioma español, tanto escrita como hablada Con conocimientos específicos. ¿Bien? lenguaje y los conocimientos específicos son importantes para convertirse en formador de IA o diseñador conversacional de IA Bien, para construir bots de chat como Hagibt para uno específico. Bien. Espero que entiendas esto es entrenador de IA. Entonces esta es una oportunidad de carrera como ingeniero rápido. Ver, este es un ingeniero rápido significa que escribirá el mensaje. Escribirás el aviso. En modelo ya entrenado. Por ejemplo, el chargeb ya está capacitado, con las muchas indicaciones y respuestas de los propios ingenieros de la compañía Como ingeniero rápido, escribirá el mejor aviso para los modelos de IA obtengan la mejor salida que se llama ingeniero rápido. En el diseñador conversacional de IA, AI, instructor de IA o tutor de IA, escribirá el prompt y así como el módulo AI de respuesta como HagiBTF el específico o incluso para otro Depende de los requisitos. Bien, requerimiento del cliente. Bien. Espero que entiendas estas dos cosas. Desarrollador de chatbot de IA. Entonces todo viene bajo esto solamente. Pero como dije, hay una automatización, integración de automatización. Aquí, chat booard desarrollador, qué pasa aquí. Entonces usarás, hay dos formas de construir un chatbot. ¿Bien? Incluso puedes tomar cualquier framework, lang chain, todo Bien. De lo contrario, puedes tomar algunas herramientas sin cod en las que tienes que arrastrar y soltar, tienes que conectar los puntos. Oh, construye un flujo conversacional. Hay dos maneras. Incluso puedes ir con tus habilidades de codificación, tienes que aprender un poco técnico. Pero si no tienes una habilidad de codificación, puedes ir de segunda manera que es no usar herramientas de código en las que tengas que arrastrar y soltar, conectar construir un flujo conversacional e integrar el sistema de IA en eso sin escribir una sola línea de código Entonces hay muchas herramientas en el mercado. Puedes encontrarlo, aprender, y puedes construir AI Chartboo developer Puedes convertirte en un desarrollador con la habilidad de ingeniería rápida. Bien, espero que entiendas. Entonces el segundo es que es especialista en contenido de IA. Así que cualquier modelo de lenguaje que puedas tomar ja JIT Cloud, pueden generar la mejor salida para el contenido para cualquier creación de contenido Pero, ¿qué pasa aquí? Entonces el contenido tiene pero hay algo que no es atractivo, ¿verdad? Entonces, como humano, necesitas editar ese contenido, contenido de IA. Bien, necesitas, por ejemplo, ver el Google es motor de búsqueda, ¿verdad? Entonces hay algunas políticas. Por lo tanto, no puede clasificar el contenido protegido por derechos de autor o IA en la parte superior de las páginas de búsqueda Para eso, lo que tienes que hacer, tienes que eludir el pase las herramientas, Bypass las herramientas que tu contenido no es generado por IA. Para eso, lo que tienes que hacer como especialista en contenido de IA, escribirás el prompt para generar el contenido para uno específico, y tienes que reeditarlo, y tienes que hacerlo como Mujeres escritas Bien para evitar las herramientas de detector de contenido de IA. Entonces solo tú puedes escribir el mejor artículo para clasificar en las páginas de búsqueda superiores de Google. Bien, espero que entiendas. Como especialista en contenido, tienes que generar el contenido. Hay que arreglarlo, y hay que hacer ese contenido escrito humano Entonces puedes convertirte en especialista en contenido de IA. ¿Bien? Eso es todo sobre el especialista en contenido de IA. Ese es nuestro principal que es el avance, ese es el consultor Gen AI. ¿Qué es el consultor Gen AI? Gen AI significa modelos generativos de IA. Los ejemplos son HGPTGemni. Todos ellos entran bajo este GEI. Bien, Gen AI significa construir el tablero de chat específico o la aplicación específica para los negocios o para casos de uso específicos, bien, por ti mismo. Por lo que los GEI tienen más conjuntos de habilidades, necesitan más habilidades requeridas para convertirse en consultor GI Así que exploraremos todo sobre GI en pocos minutos. Entonces veamos aquí. Entonces bien, tenemos algunos roles laborales que hemos aprendido aquí. Entonces, qué puede hacer el ingeniero rápido. 59. 6.2.3 Cómo encontrar trabajos y sitios freelance para ingeniería rápida: Entonces donde podemos encontrar estos trabajos o todas esas cosas. Para que puedas convertirte en freelance o puedes conseguir las oportunidades laborales. ¿Bien? Muchos negocios subcontratan la creación rápida para proyectos específicos Hemos aprendido todas estas cosas. Entonces, por ejemplo, freelancing y oportunidades laborales Entonces voy a mostrar. Así que solo tienes que conectarte y ver algunos sitios de freelancing Búsqueda directa en Google. Te mostrará algunos sitios de trabajo independiente directo a ti. CNC el freelancer de fibra, guru.com, PeoplePerHour, Upwork top tell B hands Flex Jobs Entonces hay mucho, ¿verdad? Entonces te recomiendo despedir, freelancer guru.com, Toptal, Upwork personas por hora, y Entonces estas son las mejores mejores estas empresas están haciendo el mejor mercado en estos momentos. Por lo que te recomiendo enfocarte en LinkedIn. Este es uno principal en este momento, y los cinco freelancing, lo puedes hacer con los sitios web independientes Pero para trabajar por cuenta propia, consultar y encontrar los empleos, puedes hacerlo con LinkedIn Eso es suficiente para ti porque LinkedIn ahora nuestros recursos humanos y empresas están contratando cualquier candidato a través LinkedIn solo porque LinkedIn tiene excelentes características como publicar tu experiencia y tu enlace de cartera, todas esas cosas. ¿Bien? Entonces puedes ir a YouTube aprender la optimización del perfil de LinkedIn, y puedes ir a la fibra también ver los gigs que hay, derecho Para que puedas ir y puedas ver los gigs o cuáles son los gigs que el cliente está Se puede establecer la ingeniería rápida, ¿verdad? Se puede ir a la fiebre. Por favor, hágalo un perfil como ingeniero rápido, pero vaya en un área específica como ingeniero rápido para marketing porque será estándar de la competencia. Que puedas conseguir los proyectos muy rápido. Bien. Así. Freelancing. Simplemente ve a YouTube y aprende a hacer el mejor perfil en cada uno de estos sitios freelance que es freelancer cinco orgo.com, Upwork y LinkIn A. Es la mejor plataforma para conectarte a negocios y clientes para ti ¿Bien? Puedes encontrar el flancing y las oportunidades laborales ¿Bien? Como dije, esta pronta ingeniería no está limitada. Si aprendes, si mantienes el interés y el enfoque, esta habilidad te puede abrir la mente. ¿Bien? Esta habilidad cambiará tu forma de pensar. Hará más oportunidades no solo freelance y laboral, puedes convertirte en emprendedora, yo construyendo alguna aplicación para un área específica o construyendo resolviendo un problema específico que las mujeres están teniendo en este momento Un mercado está buscando esa solución en particular que puedas resolver por IA. Entonces puedes hacer algunas herramientas de IA Power, aplicaciones, aplicaciones web, aplicaciones para Android, aplicaciones IOS como esa mediante el uso de ingeniería rápida y IA generativa Entonces no solo yo generativo incluso puedes usar, como dije, hay herramientas de bajo código en las que puedes construir tus propias aplicaciones sin escribir una sola línea de código Bien, necesitas tener una idea simple de la app. Ve a usar la ingeniería rápida de IA, entrena IA con tu habilidad de escritura rápida , qué tienes que hacer, qué tienes que resolverlo cuando tienes que resolverlo así. Escribe tus instrucciones, obtén la clave API de open A. Incluso puedes usar gem dot hattex AI Hay mucho modelo, pero usan open A como patio de recreo, tienen buena plataforma para darle vuelta a nuestro modelo específico como ya comentamos anteriormente en un modelo cinco, ¿verdad? Para que puedas obtener el código directamente de integrarlo en tu app. Solo tenemos buena documentación de las herramientas locales que tenemos ahora mismo. Para que puedas comprobarlo en las mejores aplicaciones de herramientas en línea para crear aplicaciones sin codificación. Obtendrás la lista de eso. Escogerás según tus necesidades, precios, todas esas cosas, aprenderás y crearás tus propias herramientas eléctricas de IA, aplicaciones y la lanzarás. La forma en que obtendrás las oportunidades. Al igual que AI IDA trabajará en el mercado, obtendrás más oportunidades como los inversionistas se acercarán a ti y a cualquier fundación, hay más oportunidades si tu IDA trabajará en el mercado, así puedes ir de aquí a cero a o así. Para que tengas que encontrar el problema ahora mismo en este mundo. Entonces el mundo necesita solucionadores de problemas. Puedo resolver el problema. Ahora, la IA es más avanzada que puede resolver problema. Pero lo que tenemos rezago en que encontrar el problema es problema. Encuentra primero el problema, luego puedes usar la IA para resolverlo. Sencillo. Enfocarse en encontrar el problema en el mercado. Después de eso, puedes resolverlo por IA fácilmente con tus habilidades de escritura rápida. Espero que entiendas. También puedes convertirte en emprendedor. Incluso puedes convertirte en un creador de contenido usando tus habilidades de escritura rápida para obtener las ideas de la IA, y puedes hacer un video y puedes poner en YouTube, todas esas cosas. Hay mucha oportunidad, cierto, si aprendes la IA a usarla de manera efectiva. Eso es ingeniería rápida. Entonces, ¿cuál es la propina que he escrito aquí, Construyendo un portafolio? Se me olvidó esto. Entonces, antes de acercarte a cualquier negocio cliente como freelancer o si buscas hacer algún trabajo en una empresa en particular, por favor construye tu portifolio de prompts porque tienes que mostrar tu trabajo, lo que has Si ya trabajas con empresas, puedes construir portifolio con tus proyectos anteriores como crear indicaciones para empresas específicas para los casos de uso específicos ¿Bien? Si no tienes ninguna experiencia previa, puedes poner en el portafolio que has probado con tus habilidades como tus proyectos de muestra que has hecho, bien, por ti mismo, que puedes ponerlo en un portafolio para mostrar tu capacidad de escritura rápida, habilidad, bien, para trabajar con diferentes LLM que puedan darte ventaja competitiva, ¿bien? Eso destacará a la multitud. Como ingeniero rápido, obtendrá más preferencias cuando se compara con los demás de que no tienen un potifol Así que por favor haz un portifolio. Incluso si escribes el aviso más pequeño, por favor, guárdalo en ese portifolio Bien. Por lo que te ayudará mientras interactúas con el cliente o buscas las oportunidades laborales. Espero que entiendas. Todo esto se trata de oportunidades de carrera, ingeniería rápida y algunos consejos y cómo podemos resolverlo así. Para que te puedas ir, Bien, me he perdido algo para ti. Tengo un ingeniero rápido o puedes convertirte en entrenador AA. Todos estos puedes encontrar los sitios de freelancing como Fiber, todas esas cosas Pero para fines de capacitación AA, hay algo que las empresas están buscando a los tutores formadores de IA. Entonces para eso, te sugiero que vayas a valores atípicos. Por lo que esta empresa está buscando escritores prontos de IA o entrenador de IA en los que tenga alguna habilidad avanzada de escritura y conocimiento específico de la materia. Entonces como se puede decir, entrena modelos de IA y matemáticas. Entonces, para entrenar modelos de IA y matemáticas, debe tener experiencia en las matemáticas. Bien. Y en qué idioma van a entrenar el modelo de IA, ese idioma que debes conocer y ese idioma, tienes el avance. ¿Bien? Si buscan entrenar modelos de IA y matemáticas en inglés, necesitas inglés avanzado, así. Si están buscando entrenar el modelo de IA en otro idioma, necesitas ese idioma en particular de manera avanzada. Bien, más allá. Así Outlet es la mejor compañía. Están buscando contratar entrenadores de IA y su pago será el alto por hora que tomará. Bien, diez horas, 10 dólares por hora, 30 dólares. Bien. Basado en nuestro requerimiento, su requerimiento, ¿de acuerdo? Hay un valor atípico. Hay otras empresas que buscan formadores de IA. Sólo puedes irte. La mejor manera es ir a Link iTiN. Bien. Puedes ir a Vincularlo en. Puedes buscar directamente empleos. Bien. Entonces para eso yo también, voy a mostrar en otro momento. Así que solo para ir a los trabajos de capacitación en inteligencia artificial de Google. Esto Si te quedas con esto, verás que hay más plataformas que están más plataformas que están contratando para la formación de IA, capacitadores A. Se puede ver que el valor atípico es la primera opción, y RWS la segunda, Pere AI Hay más plataformas que buscan para contratar entrenadores de IA. Entonces en el que te tengo inglés avanzado o lenguaje avanzado que buscan entrenar modelos de IA y conocimientos específicos que puedas contratar fácilmente por las plataformas para entrenar modelos de IA. Incluso se puede ver que hay un pago alto un 13.252, 27.5 $0 por hora. Puede aumentar con su pericia y experiencia. Por lo que hay una oportunidad de ingenieros puntuales si tienes algo de escritura avanzada en inglés y conocimientos específicos. Bien. Espero que entiendas. Para que puedas ir al LinkedIn, buscarlo. Obtendrás la mayoría de los trabajos de formación de IA. E incluso puedes construir el perfil de desarrollador de AiCatbd, yo perfil de especialista en contenido, y buscarlo, consultor de GNA, todas esas ¿Bien? Espero que entiendas esto. Bueno, hay mucho que decir más, pero se puede aprender de tu lado. Bien, solo ve a buscarlo en línea. Esto aumentará tu habilidad de investigación en investigación. ¿Bien? Sólo tienes que ir y aprender la habilidad de investigación Entonces mi consejo honesto es, aprendo esta ingeniería rápida investigando solo, no nadie me guía a la hora de subir la IA Al igual que 2023, he aprendido a usar Tage Bit. Después de eso, entro en esta pronta ingeniería. Entonces se trata de investigar la capacidad. Si investigas algo en línea, entonces no hay limitación para ti. ¿Bien? Si alguna recisión o alguna compañía te despide, no hay limitación que puedas hacer con cualquier cosa si tienes capacidad de investigación en línea Así que investiga por ti mismo, investiga tus requisitos en línea en lugar de preguntar a otros, por favor ve e investiga. Ahí está Internet tienen más datos que pueden ayudarte a dar algunas partes más, puedes ir, ¿de acuerdo? Para que puedas encontrar este tipo de puestos de trabajo, todas esas cosas en línea. Entonces nuestro siguiente tema es cómo prepararnos para esta oportunidad. 60. 6.2.4 Cómo prepararte para oportunidades futuras como ingeniero de prompt: Entonces nuestro siguiente tema es cómo prepararnos para estas oportunidades. Como dije, el primer paso es mantenerse actualizado con nuevas LLM y herramientas Entonces tenemos que actualizarlo con nuevos LLM, herramientas y patrones de escritura rápida, todas esas cosas Después de eso, desarrollar una especialización. Como dije, tienes que, uh, poner tu tienes que convertirte un buen en una industria específica como la atención médica, marketing, la educación, así. Entonces, puede ser contratado rápidamente en comparación con otros ingenieros rápidos que pueden escribir el aviso para cualquier industria. Bien, ¿verdad? Si desarrolla una experiencia específica de la industria al escribir indicaciones, así obtendrá por esa industria específica Tan rápido en comparación con otros ingenieros rápidos. El segundo paso es desarrollar una especialización en casos de uso específicos o industria. Eso es mercadeo sanitario. Esa es tu elección. Y el tercero es muy, muy importante. Construir una red en comunidades de IA para encontrar proyectos y colaboraciones. Entonces, la gran manera de construir una red es usando el Linkedin. Por lo que LinkedIn tiene más de mil millones usuarios en todo el mundo. Eso quiere decir que tienen empresas. Los Lincnn tienen todas las empresas EI o empresas de mercadotecnia, todas esas vienen HRs, todo equipo de reclutamiento todo en el LinkedIn Mira si construyes tu perfil con habilidades de EI como ingeniería rápida, INB, todas y cada una de las habilidades, si pones en Lincan con tus proyectos con tu sitio web de Potipl y tu la experiencia, puedes si eres capaz de mostrar tu experiencia en forma de video, audio o documento, cualquier cosa en el LinkedIn, continuamente, derecho, construirás una red, red fuerte en la que las empresas también construirán una red contigo, HRs, muchos emprendedores, aprendices de IA, ellos pueden seguirte. Ellos pueden hacer conexión contigo en la que tendrás más oportunidades para trabajar con los clientes, para trabajar con las empresas, e incluso puedes vender tus propios cursos. Tienen más oportunidades si tienes comunidad, si tu propia comunidad. Bien, hay más oportunidades si construyes una red en comunidades de IA o en Lincarn Puedes encontrar la mayor cantidad de proyectos, ¿verdad? Así, la empresa se pondrá en contacto contigo para trabajar con ellos. Esto ocurrirá solo en LinkedIn. ¿Bien? Porque ya lo he probado, me funciona. Funcionará para mí. La mayoría de las empresas vendrán a mí para trabajar allí o hacer la ingeniería rápida para construir algunos chatbard para sus casos de uso Entonces para eso, tienes que aprender esta construcción de red con comités de IA, puedes ir a cualquier IE abierta, ellos tienen comunidad propia. Puedes unirte ahí o puedes ir al LinkedIn es la mejor opción para ti. Así que solo para ir y aprender la habilidad y obtener la experiencia en área específica y solo poner todos tus aprendizajes y proyectos, ponlo por un enlace en el LinkedIn Por favor, haga un mejor perfil de optimización. Cuando cualquier empresa o cliente buscará en el LinkedIn, obtendrá el rango superior o el amigo del cliente. Entonces en el que te contactarán directamente. Bien. Entonces para eso, tienes que mostrar tu pericia, ¿de acuerdo? Comparte tus aprendizajes en el propio Lingreen a través de post video así Bien, espero que entiendas estos puntos. Entonces, todo esto se trata de cómo prepararse para estas oportunidades. Espero que entiendas esto 61. 6.2.5 Fundamentos del ajuste fino y RAG: Vuelvan a este conferencista chicos. En este conferencista, vamos a ver qué es la afinación fina y Rag ¿Bien? Entonces como antes, aprendemos algunas técnicas de ingeniería rápida, patrones, todas esas cosas. ¿Bien? Ya hemos visto también algunas oportunidades rápidas de ingeniería en esta era A. Entonces ahora qué es esta afinación fina y Rag. Por lo que también son algunas aplicaciones de la pronta ingeniería. Entonces en realidad lo que es una afinación fina y Rag. Entonces en ingeniería rápida, así escribiremos los proms para los modelos de lenguaje para obtener la mejor salida Pero en afinación fina, estamos entrenando modelo de IA. ¿Bien? Estamos entrenando modelo de IA con datos propios. Haría alguna tarea específica en particular. ¿Bien? Entonces veamos en detalle. Entonces en esta conferencia, vamos a ver algunos conceptos básicos de afinación fina y Rag, alguna diferencia entre afinación fina y Rg alguna diferencia entre afinación fina y Rg Entonces exploraremos algunos ejemplos. Entonces comencemos con el primero. Eso es lo que es la afinación fina. Entonces, como discutimos anteriormente, el ajuste fino significa entrenar un modelo de IA preentrenado en un conjunto de datos específico para especializarlo para una tarea en particular. Así que preentrenó el modelo de IA. Entonces, ¿cuál es el significado del modelo de IA pre entrenado? Entonces este modelo no es más que un modelo de lenguaje, que es entrenado por gran cantidad de conjuntos de datos. Puedes tomar cualquier modelo. Entonces, por ejemplo, ante un char GPT, un GPT 404, 3.5, tiene algún modelo básico que es GPT Eso se llama modelo pretran. Bien. Después de eso, pasa a 3.5, 44o. Eso. Entonces después de entrenar por datos en tiempo real, va a diferentes versiones de modelos como ese. Entonces aquí, modelo preten significa que ya está entrenado por gran cantidad de conjuntos de datos, pero a nivel fundacional, a nivel fundacional Entonces este modelo pre turn A, el ajuste fino significa que tenemos que entrenar la afinación fina implica entrenar un modelo A pre entrenado en un conjunto de datos específico para especializarlo para una tarea en particular. Entonces tenemos que entrenar el modelo de IA con nuestros propios datos. Para resolver una tarea en particular solamente, no para todo propósito como ha GPT u otros modelos de lenguaje, que resolverán todos los problemas En lugar de eso, tenemos afinando algún modelo básico para hacer una tarea particular solamente. Por ejemplo, ja GPT solo para mercadeo. Entonces esto es simple. Bien. Entonces, cómo funciona. Veamos aquí ejemplo. Veamos cuál es la obra. Veamos cómo funciona. Comience con el modelo base. Para que puedas tomar cualquier modelo. Por ejemplo, aquí hemos tomado GPT tres. Entonces este es un modelo base, modelo IA pre entrenado. ¿Bien? Entonces, después de eso, tenemos que proporcionar datos específicos de dominio o de tareas específicas. Ejemplo, transcripciones médicas, documentos legales o cualquier cosa de lo que se trate tu tarea ¿Bien? Entonces tenemos que entrenar. Tenemos que proporcionar estos datos específicos de tareas específicas de dominio datos específicos de tareas específicas al modelo GPT tres, ¿de acuerdo? En el que este modelo de IA aprenderá estos datos. Se convertirá en documento legal, ayudante útil así. ¿Bien? Por lo que el modelo GPT tres solo tiene el conocimiento sobre estos temas solamente Es decir, transcripciones médicas, sólo documentos legales. No tienen el conocimiento de nada. ¿Bien? Ese es un dato específico. A continuación, pruebe el modelo para mejorar su desempeño en esa tarea. Entonces, ¿cómo podemos entrenar al modelo? ¿Bien? Formar el modelo significa que tenemos que escribir el prompt. Entonces el modelo GPT tres ya tiene el conocimiento sobre nuestra tarea específica de dominio, como transcripciones médicas, documentos legales Tiene alguna respuesta ya, ¿verdad? Ahora bien, ¿qué es el rezago? Lo que está rezagado significa preguntas o indicaciones que la IA pueda aprender, Bien, que el yo pueda aprender a buscar la salida Para mostrar la salida relacionada con el prompt aquí. Entonces para aprender que tenemos que escribir el prompt. Como ingeniero rápido, ese es su trabajo. Es por eso que la afinación fina también es la aplicación de la ingeniería rápida. Entonces podemos ver que antes discutimos algunas técnicas rápidas como esa, pero aquí está escribiendo pregunta simple se llama un prompt aquí o escribir alguna pregunta necesaria o pregunta relevante a los documentos ayudará a modelar para que coincida con la salida. Para que coincida con la salida, basado en nuestro prompt. Bien. Espero que entiendas en qué modelo de dI puede aprender a hacer coincidir mejor la salida con el prompt, y automáticamente mejorará su rendimiento. Bien. Eso se trata de afinar aquí. Veamos cuál es la relación con la pronta ingeniería. Como dije, como ingeniero rápido, hay que escribir simples proms Se llama hacer una pregunta simple al modelo de IA en el que el modelo DI puede responderla por el conocimiento de los documentos que hemos utilizado para una tarea específica o particular mientras probamos el modelo de IA. Bien. Espero que entiendas. Puedes ver el ejemplo aquí. Así que para el modelo general, puedes tomar cualquier modelo de idioma como charge Bet. Entonces, para un propósito resumido, escribirás como este aviso aquí. Resumir este artículo de noticias para un adolescente. Pero cuando se compara con el modelo de afinación fina, modelo de afinación fina significa, como dije, afinar significa entrenar a un modelo para que haga una tarea en particular solamente. Aquí, cuando se compara con este prompt, aquí el propósito es que el modelo ya esté afinado para crear resumido para latas Simplemente escribiré aquí el prompt que se resume. Bien, en lugar de escribir este artículo de noticias para un adolescente, para un modelo Fine Tune A, solo escribiré un prompt de resumen Por qué este modelo de afinación fina ya está entrenado resumir los artículos para adolescentes ¿Bien? Esto ya se capacitó para generar respuestas para generar para los adolescentes. Entonces, ¿cuál es el artículo de noticias? ¿Qué pasa con el artículo de noticias? El artículo de noticias está entrenado. ¿Bien? Espero que entiendas. Entonces, si ves aquí, proporciona datos específicos de dominio o tarea. Entonces aquí, he tomado la información del artículo de noticias. Todo sobre el artículo de noticias es alimentarlo al modelo base de IA en que creará resúmenes para adolescentes de artículo de noticias particular Voy a escribir el baile de graduación el resumen. Se crea automáticamente resumen para adolescentes. Espero que entiendas. Eso es todo acerca de modelos de afinación fina. La afinación no es más que entrenar modelo de IA con nuestros propios datos para hacer una tarea en particular. Es la mayoría de los casos de uso y veremos diferentes industrias buscan afinar sus propios modelos de EI en los que puedan usar en sus flujos de trabajo y mejorar su eficiencia entre los empleadores y flujos de trabajo así. Bien, todas y cada una de las industrias tienen sus propios datos. Entonces, al usar esta técnica, técnica de afinación fina, pueden probar fácilmente su propio modelo EI con sus propios datos. 62. 6.2.6 Qué es la generación aumentada de recuperación (RAG): Entonces, ¿cuál es la segunda técnica que tenemos lo que es el ag? Rag significa recuperación de generación aumentada. Entonces, ¿qué es una generación aumentada de recuperación? Recuperación significa recuperar los datos de otras fuentes. Entonces, por ejemplo, se puede ver la definición de este trapo. Rag no es más que Rag will combina un sistema de recuperación. Sistema de recuperación significa tomar la información de otras fuentes, fuentes externas como base de datos, motor de búsqueda, bien, sitios web en línea como ese. Combina recuperación de generación aumentada. Recuperar significa tomar la información de fuentes externas. Bien. Generación aumentada significó que es un modelo generador en el que generará una respuesta, base o sobre nuestro prompt tomando la información de los datos de recuperación Estos datos de recuperación son tomados de las diferentes fuentes de diferentes fuentes en línea o de motores de búsqueda como ese, o cualquier documento que proporcionemos a este modelo de IA. ¿Bien? Entonces veamos en detalle. Entonces, ¿qué es un trapo? Sistema de recuperación de compensación de trapo, ejemplo, base de datos o motor de búsqueda con un modelo generativo para proporcionar información precisa y actualizada Entonces espero que entiendas esta definición. Entonces combina RAG, ¿verdad? Sistema de recuperación significa tomar la información de otras fuentes, fuentes externas como todas en sitios web, foros, redes sociales, así. Tomará algunas fuentes diferentes relevantes para nuestro rápido. Se generará la respuesta mediante el uso del modelo generativo de IA, se puede ver aquí Estos dos se combinan para proporcionar información precisa y actualizada . El mejor ejemplo es que puedes ver el perplexity.ai. Entonces saltaremos a la perplejidad. Es simple Rag. Para Rag, es el mejor ejemplo aquí. Entonces puedes tomar cualquier duda aquí. Vamos a llevarme aquí. Entonces, lo que pasa aquí es, he hecho una pregunta que es pronta. Este modelo de IA, perplexi dot I está recuperando la información de estas diferentes fuentes como esta o llamar a estas diferentes fuentes como algunos sitios web, sitios web en línea, ¿verdad? Va a recuperar los datos de estos sitios web y generar la respuesta para mí. ¿Bien? Por lo que este proceso tomará por el sistema de recuperación, y generar la respuesta tomará el modelo generativo de IA Por lo que estos dos se combinan para proporcionar información precisa y actualizada que se llama sobre RAG. Entonces por esto. Para que puedas obtener los datos en tiempo real, bien. Por esto, podemos obtener los datos en tiempo real y la información precisa actualizada. Cuando se comparan con otros modelos de lenguaje que solo producen salida basada en sus propios datos. Pero aquí, tomará los datos de fuentes externas. Esa es la mejor parte aquí. Tomará los datos en tiempo real de diferentes fuentes como APIs externas, documentos de conocimiento externos, PDFs, perros que tenemos que podemos usar para entrenar I modelo Bien, espero que entiendas esto con claridad. Entonces veamos cómo funciona. Entonces como dije, el sistema detrival obtiene los documentos relevantes en base a una consulta, por lo que pueden ser documentos relevantes, buscador, base de datos, cualquier cosa que tome los datos de fuente externa El modelo generativo utiliza la información de recuperación para generar una respuesta, como ya describimos el PerpleXIE funcionando así. Cómo funciona esto. Entonces, ¿cuál es la relación con la pronta ingeniería? Eso es simple. Como vemos escribir el prompt también viene bajo el derecho de ingeniería pronto. Entonces, ¿qué pasa serie? Las indicaciones guían tanto el proceso de recuperación como el proceso de generación Bien. Entonces por ejemplo, si vas al perplex.ai, así puedes ver esto también es prompt aquí, ¿verdad? Entonces he pedido un prompt, simple prompt aquí. Entonces sólo va a tomar el proceso de recuperación. Esto se llama recuperar. Bien. Por lo que va a tomar los datos de fuentes externas. Incluso puedes agregar un PDF aquí desde aquí, ¿verdad? Tomaré automáticamente los datos de fuentes externas como sitios web en línea aquí. Bien. Después de eso, el módulo A generativo está generando la respuesta de acuerdo con esta recuperación de datos y el prompt Bien. Por lo que se trata suceder cuando proporcionamos solo pronta. Es por eso que la escritura de las indicaciones también es aplicación de ingeniería rápida Ese es Rag, cierto. Entonces es por eso que la ingeniería rápida siempre es útil en cualquier técnica o cualquier modelo de lenguaje que estés usando. Solo hay dos cosas en cualquier modelo de lenguaje que sea rápido y de respuesta. La respuesta se genera cuando solo se escribe el prompt. El arte de la escritura rápida se llama ingeniero rápido. Es por eso que la ingeniería rápida es una habilidad más poderosa si aprendiste a usarla, que puedas generar algún impacto usando los modelos de lenguaje en el mercado. Bien. Espero que entiendas. Por eso la pronta ingeniería está relacionada con este trapo. Bien, así podemos ver algún ejemplo de flujo de trabajo aquí. Solicitud de recuperación, busque las últimas investigaciones sobre cambio climático. Buscar significa que tenemos IA orientadora para buscar las últimas investigaciones sobre cambio climático. Por lo que comprobará el motor de búsqueda u otro sitio web en línea, y recuperará los datos del sitio web en línea o fuentes externas para generar una respuesta. Hay un aviso de recuperación. Cuando se trata de generación pronto, resuma los documentos de recuperación en tres oraciones Lo que tenemos que contar a través de la IA, buscar las últimas investigaciones. Por lo que investigará algunos documentos más recientes o cualquier cosa. Bien. Ese es un aviso de recuperación. Eso se acabó. Pero a continuación, eso es generación pronta. Entonces, lo que dirá resumirá la investigación recuperada sobre el cambio climático en tres frases así Por lo que combinará el sistema de recuperaciones y el proceso de generación Estos dos se combinan para formar una aplicación de Rag o Rag esa técnica. ¿Bien? Espero que entiendas esto claramente. Veamos alguna diferencia entre estas dos técnicas. ¿Bien? Eso es afinación fina y arrastre. 63. 6.2.7 Ajuste fino vs. RAG: Entonces veamos alguna diferencia entre estas dos técnicas. ¿Bien? Eso es afinación fina y Rag. Entonces veamos que tomaremos algunos aspectos como propósito, dependencia de datos, uso rápido, actualizaciones en tiempo real. Entonces como dije, la afinación fina significa pero entrenar el modelo de IA para una tarea específica. ¿Bien? Es decir, especializar modelo para una tarea específica. RAG significa integrar conocimiento externo. Conocimientos externos tal vez sea una base de datos u otros documentos externos que proporcionamos a la base de datos así. Integraremos algunos conocimientos externos a este modelo de IA para recuperar la información de ese conocimiento externo para generar una respuesta que sea precisa y actualizada, ¿verdad? Entonces es una tarea específica, ¿bien? El ajuste fino es modelo fijo en que generará la respuesta que lo que ha entrenado solamente, no la información actual o actualizada . Se trata de propósito. ¿Cuál es la dependencia de datos? Entonces como vemos, el fino turing significa que es fijo. ¿Bien? Se generará la respuesta base en estos datos de tendencia y el prompt solamente. Nunca irá a buscar fuentes externas ni a dar esa información actualizada. Bien. Entonces, mientras estamos entrenando el modelo de IA, bien, tenemos que requerir DRS con calificación Q, ¿verdad Por lo que tenemos alimentación del modelo de IA en forma de conjuntos de datos solo en los que requerimos algunos conjuntos de datos calificados. Pero cuando se compara con RAG, no estamos proporcionando datos con los conjuntos de datos, pero estamos proporcionando algunas API de búsqueda, bien, y documentos legales y otros documentos o estamos proporcionando alguna base La base de datos ya tiene algunos datos, o así. Entonces en el que podemos probar y AML muy rápido usando el Rag ¿Por qué? Porque va a recuperar el sistema. Recuperará los datos de la base de datos ya tiene a través de API de búsqueda, cualquier fuente en línea diferente. Pero en la afinación fina, tenemos que proporcionar todos y cada uno los datos, para generar salida. Ese es el principal problema aquí. Pero estas dos técnicas tienen su propia singularidad y propósitos y aplicaciones. Bien. Veamos algún uso rápido. Entonces como dije, así en afinación fina, tenemos que escribir indicaciones simples, como preguntas solo para obtener la respuesta del modelo de simulación de IA Eso es simple. Bien. Pero en Ag, Rag así podemos escribir cualquier prompt en cualquier formato Para que puedas escribir cualquier duda que sea referente a tu consulta. Por lo que buscará directamente a través de Internet. Generará la respuesta de cualquier fuente. ¿Bien? Según pronta. Esto no es fijo. Puedes hacer cualquier duda a este modelo, esta aplicación, aplicación de trapo En ella utilizará algunos aps de búsqueda de base de datos externos generará la respuesta, hasta la información correcta, actualizada y precisa. Pero en los casos de afinación fina, hay que obtener la información del modelo de IA en el que solo se entrena. Nunca va a salir del tema de los datos de tendencias. Nunca saldrá de la tendencia de los datos, así. Es por eso que las indicaciones simplifican, pero en el trapo, mejoran la Por lo tanto, no podemos escribir ningún tipo de prompt en ninguna tarea específica ni en ninguna tarea. No hay limitación en el Trapo, derecho. Entonces cuando se compara con la afinación fina, se especifica, es una dinámica. Así que eso es todo acerca del uso rápido, actualizaciones en tiempo real. Entonces como dije, la afinación fina es un modelo específico, eso es fijo. No hay información actualizada, actual, todas esas cosas. Por lo que sólo generará la respuesta con base en los datos. Bien. Por lo que no hay que tener la capacidad de información actual para generar la respuesta que esté actualizada. Por eso es conocimiento estático. Pero en el Trapo, es una información dinámica y actualizada, como dijimos, por lo que tomará que recuperará la información de los proveedores de datos en tiempo real, como puede tomar un motor de búsqueda, cualquier Google o cualquier sitio web en línea, cualquier YouTube Bien, voy a tomar la información de confirmación actualizada. Generará una respuesta basada en nuestro aviso. Por eso el Ag es para la mayoría de los casos de uso, pero el hallazgo es específico. Bien. Entonces como antes discutimos alguna perplejidad punto I, eso es un Rag basado, en el que recuperará los datos de diferentes fuentes y va generar la respuesta para siempre pronta Entonces se trata de afinar Rag. Entonces veamos algún ejemplo aquí o ejemplo de ajuste fino significa, por ejemplo, ajuste fino significa entrenar AML para un conjunto de datos específico Al igual que en el dominio, he tomado contratos legales. Si hago una pregunta al modelo generativo I, algún modelo general como Cha GPT o cualquier Gemini, así escribiré esto como resumir este contrato en inglés sencillo para Bien, entonces resumirá este contrato para el modelo general Pero si escribo prom para afinar modelo, solo escribiré resumir Por qué significa que el modelo de ajuste fino ya está capacitado por contratos legales para resumir el contrato en inglés simple para un cliente Espero que entiendas. Bien. Entonces, qué pasa aquí para el modelo general, voy a escribir todo el prompt, todo mi requerimiento. Resumir este contrato en inglés sencillo para un cliente, para hacer una tarea específica en modelo general Pero cuando se compara con el finetune, ya está entrenado para hacer esta tarea en particular Pero tengo que dar la orden para proceder, como resumirla. Tan grande como el modelo de afinación fina ya está entrenado por contratos legales documento o dominio para hacer o para resumir el contrato en inglés sencillo para un solo voy a proporcionar comando para afinar modelo I para resumirlo, pero Eso es simple. Eso se trata de afinar el modelo de IA. Cuál es el ejemplo de trapo aquí ya que antes usamos el perplexi.ai en el que podemos obtener la información actualizada así En este dominio, voy a tomar en la investigación médica. Escribiré el mensaje como recuperar recientes artículos recientes sobre tratamientos de Alzheimer y resumiré los hallazgos Entonces como dije, RAG significa sistema de recuperación Es la combinación de la combinación de sistema de recuperación y proceso de generación se llama Rag puedes ver recuperando los artículos recientes sobre tratamientos contra el alzheimer Por lo que entra bajo el sistema de recuperación, en el que toma los datos del conocimiento externo, como del documento, motor de búsqueda, sitios web en línea, YouTube, redes sociales, así. Bien, tomará esos datos de acuerdo con este prompt, ese es un sistema de recuperación. ¿Bien? Y otro sistema que es el sistema generativo en el que resumirá los hallazgos Bien, espero que entiendas esto muy claramente. Esa es una diferencia entre afinación fina y Rg. Entonces, ¿cuál es el resumen aquí? Entonces como dije, los medios de afinación fina para el entrenamiento modelo para casos de uso específicos en los que requerimos alguna habilidad simple de escritura rápida, simple prompt. Eso es hacer pregunta relacionada con el documento o tarea específica que has entrenado modelo. Demostrar su desempeño, así. Lo siguiente es que es Rag combina dos sistema que es sistema de recuperación y sistema de generación En el que en la recuperación, tomará los datos de diferentes fuentes externas. A lo mejor puede ser base de datos, sitios web en línea de motores de búsqueda o documentos que proporcionamos, así. Tomará la información de las fuentes externas y generará la salida para nuestros requerimientos así. ¿Bien? Eso es exacto y actualizado. Entonces estas dos técnicas viene bajo la pronta ingeniería. ¿Por qué también estamos usando el prompt en estas dos técnicas, verdad? Para mejorar el rendimiento de la IA. En la afinación fina, estamos escribiendo el prompt para aprender el fetching para generar la salida relevante para el prompt Por lo que la escritura rápida se escribe con un ingeniero rápido. Es por eso que la afinación fina también es parte de la ingeniería rápida. Entonces es una técnica diferente, pero el prompt, también escrito por ingenieros pronto solo así como es una pregunta sencilla que es pedirle que documente o afine el modelo AI. Por lo que no se requieren habilidades técnicas de escritura. Pero eso es todo acerca pronta ingeniería relacionada con la afinación fina. Bien. RAG también tiene alguna habilidad de escritura rápida en la que puede ayudar al modelo de IA a recuperar la información con claridad y de manera efectiva para generar la salida Entonces, si tomas algún modelo, la salida depende únicamente del prompt. Es por eso que el ingeniero rápido entra en la foto para escribir los mejores prompts o cualquier tipo de modelo Puede ser modelo generativo. Se puede afinar modelo. Puede ser una aplicación RAG así. Entonces es por eso que la ingeniería rápida siempre es mejor habilidad si aprendes a usar estos modelos de lenguaje de IA. Así es que puedo hacer maravillas en este mercado, en esta era de EIS Entonces eso es todo acerca de esta afinación fina y arrastre. Espero que entiendas bien esto. Entonces esta es una cosa básica que te he explicado, para que puedas ir profundo y profundo si quieres aprender esto como tal las mejores técnicas para diferentes casos de uso, ¿verdad? Para que puedas aprender de otras fuentes en línea. Bien. Entonces para implementar esto para implementar esto prácticamente, es necesario tener algunos conocimientos técnicos como tener una codificación, Python, frameworks. Bien, necesitas tener alguna generativa que sea machine learning Hay que conocer algunos algoritmos de aprendizaje automático como ese. Entonces no hay necesidad de aprender algoritmos, pero tienen algunas habilidades técnicas específicas que necesitas adquirir para implementar esto prácticamente. Eso es afinación fina y trapo. Para que puedas obtener la ayuda de diferentes modelos lingüísticos como ha Gebre Puedes usar con fines de codificación, puedes usar Cloud. Ayudará a generar la mejor salida en forma de código cuando se compara con otros modelos de lenguaje. Entonces eso es todo sobre la afinación fina y el rack. Bien, espero que entiendas. Entonces veamos nuestra última sesión que es una visión general de la IA generativa, y nos sumergiremos en eso ahora. Hagamos eso. 64. 6.3.1 Descripción general de GenAI: Entonces vamos a ver qué es la IA generativa. Entonces veremos en esta conferencia algunos conceptos básicos de GenEI. ¿Cómo funciona el GI? Y exploraremos algunas aplicaciones del mundo real, y cuáles son las tendencias o el futuro de GEI Y cuál es su papel de ingeniero rápido en el INB, y veremos algunas reflexiones finales Bien. Por lo que este es nuestro último conferenciante de estos códigos, y es muy importante después de aprender la habilidad de ingeniería rápida Entonces veamos el primero que es básico de GenEI. Entonces GNI significa simple, eso es un multi moodel como HGPTGemini o viene bajo el GAI Entonces puedes ver aquí la definición básica. IA generativa se refiere a modelos que crean nuevo contenido, texto, imágenes, código, música, partir de entradas o proms Si tomas alguna herramienta de generación de imágenes como Leonardo, mid journey, o puedes tomar herramientas de generación de video como Sra u otra invido dot IVO, que tengan algunas herramientas en línea, Generarán una imagen basada en nuestras indicaciones de entrada, derecha. Para que todas las herramientas se llamen GnaIeven hago también lo llamó GII, cómo va a generar la salida, salida de texto, contenido, ideas todas basadas en Entonces todo se llama modelos generativos de IA. Cada modelo como Charge B, Gemini Cloud, que llaman, viene bajo la Generación AI. Bien, se puede ver aquí. Entonces, a diferencia de la IA tradicional, que se centra en el reconocimiento o la predicción, Gen AI se enfoca en la creación. Ahí está el punto más importante aquí. Entonces se puede ver, por ejemplo, hay algunos sistemas EI en EU o algo en el que estamos construyendo algunos autos EI, bien, y bicis EI o asi, en los que reconocerán información, reconocerán alguna exploración o rutas, todos los uh, todos los datos, ¿verdad? Si ves autos con IA, bien, autos Tesla, no tienen el conductor o La IA es automática hará funcionar ese auto. Cómo reconocerá la IA toda la carretera y todos los parámetros que tienen como cómo diez el auto. Bien, cuándo parar, dónde parar, en qué velocidad tengo que ir al auto. Se reconocerá, ¿verdad? Entonces esto llamará a eso IA tradicional. Bien. Pero, ¿qué es un GEI Puedes ver generarte. En el propio nombre, hay un generar generar IA significa que se enfoca en la creación. La creación, cualquier cosa que pueda ser creación de contenido, creación de imágenes, creación de video, que todo el EI, que crea algo, Bass y proms open hour llamados GEI Pero hay una IE tradicional que predice o se centra en el reconocimiento o la predicción Al igual que, como dije, cualquier auto GI, perdón, autos AI, que reconocerán todos los escenarios del mundo real en los que soy el auto deben ser tomar giro a la derecha así. Algunos ejemplos. Eso viene bajo la IA tradicional. Pero GI se enfoca en la creación solo como contenido de creación, video de imagen, así. Requisito base y horario abierto. El mejor ejemplo es tomar cualquier modelo de lenguaje como HGPTGemini o herramientas de generación de imágenes como Leonardo I, generación de video O Vendrán bajo las aplicaciones del GEI, se centra en la creación. Bien. Espero que entiendas la definición básica de GenEI. Entonces, cuales son los ejemplos que puedes ver, HGP generando ensayos, respuestas, mid genery creando arte, copiloto ayudando a desarrolladores con Entonces algunas de nuestras herramientas de creación de video que vienen este momento que es O así por abrir EI. Pero hay todos algunos conceptos básicos de GenEI. Entonces veamos el segundo que es ¿cómo funciona GeneI? Entonces es simple, correcto, puedes ver que utiliza modelos de aprendizaje automático a gran escala entrenados en vastos conjuntos de datos para predecir y generar contenido. Sit ejemplo. aprendes si sabes cómo funciona el HajBti, cómo se desarrolla el Jajbit entrenado con muchos datos, todo es genial todo es Entonces se trata de tomar algún modelo, modelo básico. Bien, no tienen ningún conocimiento sobre nada, entonces probarás ese modelo con tus datos con grandes conjuntos de datos, una gran cantidad de conjuntos de datos. Bien, para predecir y generar contenido, imagen, videos, todo sobre basado en nuestros requerimientos, ¿verdad? Entonces eso es todo lo que los modelos van a venir bajo el GI. Es sencillo como hA GPT, Gemini. Cómo funcionan, son lo mismo el trabajo de Geni. ¿Bien? Todos vienen bajo el GEI solo HGPGEMio en todos los demás modelos que estamos usando ahora mismo, ¿ Sencillo. Hay una obra de Geni. Se pueden ver los modelos clave en Geni se basa en texto GPD cuatro Cloud, basado en imagen Dali tabla Dificient es todo abierto EI, Multimodelo Así, ya lo hemos visto en nuestras conferencias anteriores. Gen significa que los modelos están funcionando en este momento o entrenados por grandes cantidades de datos para generar un contenido o para resolver una consulta de usuario para generar ideas, imágenes, videos así. Así es como funciona. Eso es todo sobre GenI Entonces veremos algunas aplicaciones del mundo real. Como dije, la IE se usa en todas partes. El ingeniero rápido también necesitaba en todas partes. ¿Por qué? Donde está EI, el EI es solo GEI Bien, espero que entiendas. Estamos usando IA. Por ejemplo, si tomas LLM cualquier LLM como HGPTGemni. Bien, las empresas, por ejemplo, tomarán algunas empresas educativas están utilizando Open EI HGPT ¿Bien? El HGP también entra bajo el GEI Bien, donde hay un GI, tiene que haber un ingeniero rápido. Bien, espero que entiendas. O vea si se requiere que el ingeniero rápido obtenga la mejor salida de la IA. Al mismo tiempo, el ingeniero rápido también requirió para construir una generativa aplicaciones de IA como JGBT Espero que entiendas, ¿verdad? Bien, ¿qué significa un verdadero ingeniero rápido? Si el ingeniero pronto sabe escribir las indicaciones para obtener la mejor salida de la IA, entonces también sabe cómo entrenar el modelo de IA, cómo entrenar el modelo de IA si los patrones de solicitud Bien, espero que entiendas. Entonces, donde así donde se usan las aplicaciones EI Gen en todas y cada una de las industrias que van a usar, si estás usando HagipGemni como LLM, entonces estás usando el GI solamente, no la Bien, espero que entiendas. Se trata de algunas aplicaciones del mundo real, educación, negocios, campos creativos, atención médica, todo lo que viene bajo estas aplicaciones GEI Eso es lo más importante, el recordatorio ético. Entonces, si bien el INB es poderoso, pero debe ser responsabilidad del usuario evitar generar desinformación o Entonces como dije, la IA no es 100% precisa. Entonces puede cometer errores. Proporcionará imprecisiones en la salida, ¿verdad? Entonces con errores y muchos datos incorrectos, desinformación, todas esas cosas Por lo tanto, no podemos confiar ciegamente en esta salida de IA. Para ello, tenemos que conocer los conocimientos específicos sobre que estamos buscando para obtener la salida de la IA. Tienes que saber de eso. Para eso, para que esto sea más fácil las empresas o cualquier cosa, contratarán solo a esa persona que tenga la habilidad de escritura rápida así como que tenga los conocimientos específicos. ¿Bien? Si voy a generar la salida, el ingeniero pronto debería ser capaz de corregir la salida. Entonces sólo la empresa los contratará. Bien, para eso, te estoy recomendando de nuevo, por favor aprende la ingeniería rápida, pero en casos de uso específicos en área específica, puedes tomar una educación o puedes elegir marketing solo en el que puedas analizar fácilmente el output Bien, como dijimos en clases anteriores, ingeniería pronta no es nada no sólo escribir los prompts, sino que tienen algunos pasos varios Bien, analizando la salida. Bien, refinando la optimización. Entonces todo esto viene bajo cuando conoces la Información cuando tienes el conocimiento sobre esa tarea en particular a resolver por IA. Cuando la salida proviene de la IA, necesario analizar la salida, ya sea correcta o incorrecta. Entonces puedes pasar al siguiente paso para la optimización, para refinar, todas esas cosas. Si no lo sabes, entonces no vale la pena convertirte en un ingeniero rápido. Por eso te estoy recomendando construyas experiencia en área específica, como solo negocios, educación, solo, escribiendo prompts for specific en aquello en el que puedas analizar el output fácilmente Puede optimizarlo y definirlo en todos los pasos de ingeniería rápidos. Veremos más adelante en unos minutos qué papel, responsabilidades como ingeniero rápido en GNAI u otra área específica Entonces para este recordatorio ético, como dije, elvoy a cometer errores Para eso, la responsabilidad del motor rápido es analizar la salida, o refinar para optimizar la salida para obtener la respuesta precisa de la IA. ¿Bien? Para eso, necesitas tener los conocimientos específicos sobre tu uso de la IA para resolverlo. Bien, espero que entiendas. Entonces, ¿cuál es el futuro de GEI? Como dije, ahora en el mundo próximo, cada industria y cada aspecto, el EIS se hará cargo ¿Bien? Entonces ya llegan al mercado más aplicaciones GI en estos momentos. Por lo que incluso hay más aplicaciones de GEI se levantarán en las próximas décadas y años ¿Bien? Entonces, ¿cuáles son las aplicaciones específicas del INB Puedes ver algo de IA más personalizada, respuestas y salidas personalizadas basadas en perfiles de usuario, aumento en las capacidades multimodales, combinando sin problemas texto, imagen, audio Ya puedes ver el mejor ejemplo es JGB en estos momentos, Gemini Cloud, tienen Podemos introducir la imagen documento, texto, voz directamente en el propio chat. Todo esto viene bajo las capacidades multimodales. Tienen otros también. Entonces hay algunos populares Gemini JGBT Entonces democratización. ¿Qué es una democratización? Así que las herramientas son cada vez más accesibles para particulares y pequeñas empresas. Entonces, a medida que la IA se convertirá en parte de nuestra vida diaria, así todos usarán la IA. Bien. Entonces hay mucha gente, ¿verdad? Hay muchos individuos. Tienen algunos conocimientos específicos. Para ellos, podemos desarrollar aplicaciones GeneI para los casos de uso específicos para enfermeras, bien, para médicos, GEI separados así Entonces hay más oportunidades para construir aplicaciones GenA, eso es un futuro, ¿verdad? Todo esto se trata de algunos puntos con respecto al gen futuro. Entonces hablemos de cuál es el papel del ingeniero rápido en GEI 65. 6.3.2 El papel del ingeniero de prompt en GenAI: Derechos, veamos cuál es el papel del ingeniero rápido NGineI Entonces, como dije antes, así que para construir algunas aplicaciones generativas de IA, la ingeniería rápida toma un papel crucial ¿Por qué? Porque, entonces tenemos que probar un modelo de IA con la habilidad de escritura rápida y de respuesta. Bien. Entonces solo podemos entrenar fácilmente el modelo de IA de la manera efectiva. ¿Bien? Para eso, tenemos que escribir bien los proms, y respuestas para entrenar a EI, como hacemos con el Cha GPT y otros modelos, Entonces como ya estamos discutidos sobre modelos de afinación fina, bien, creando un entrenador conversacional de IA así, viene bajo el INB, Entonces hay varios pasos. Hay algunos roles y responsabilidad. Como ingeniero rápido, tenemos que hacer en GEI como equipo Bien. Entonces vamos a ver. En esta conferencia, vamos a explorar cuáles son las responsabilidades centrales de un ingeniero rápido, las aplicaciones de la ingeniería rápida en el GII, las habilidades que necesitan los ingenieros inmediatos, los desafíos y las consideraciones éticas, impacto de los ingenieros inmediatos en el éxito GI Así que comencemos nuestra primera que es las responsabilidades centrales del ingeniero rápido. Entonces en las responsabilidades, tenemos que tener estos cinco puntos en nuestra mente para convertirnos en el ingeniero rápido profesional. Así que tenemos que escribir los prompts específicos para casos de uso específicos que puedes ver aquí, diseñando prompts efectivos que anteriormente discutimos en los conferenciantes anteriores muchas veces ¿Bien? Tienes que escribir el mejor patrón rápido o prompt para nuestro requerimiento, ¿de acuerdo? Yo de manera efectiva, ¿de acuerdo? Eso se convierte en el primer paso. Y el segundo paso es probar y refinar. Como dije, probar significa que hay que configurar un prompt de inshell Ese Di generará una salida. Hay que analizar la salida, si la salida es correcta o no. La salida es la salida generada parece que cualquiera tiene algunos errores o no. El resultado es que coincida con mi requisito o no, así. Hay que probarlo. Hay que analizar la salida. Y puedes analizarlo cuando tengas el conocimiento sobre esa salida. Cuando tienes el conocimiento sobre la tarea que estás escribiendo el prompt para eso te he recomendado construyas habilidades de escritura rápida en un área específica como educación de marketing que elijas, ¿verdad? Entonces después de analizar la salida, refinará el prompt aquí. Lo que lo probarás. Después de eso, escribirá el segundo prompt analizando la salida anterior para no cometer los errores. Bien. Refinará el prompt. Previo aviso escribiendo segundo prompt detallado más avanzado. Espero que entiendas. Entonces como ya discutimos cómo hacer la prueba, cuáles son los proms de refinación en detalle en nuestra conferencia anterior Espero que entiendas. Entonces, el segundo paso es probar y refinar el prompt. Banalizando la salida anterior, volveremos a escribir el prompt manteniendo algunos errores en el punto anterior para evitarlo en la segunda Por lo que volveremos a refinar el prompt. Reescribiremos el prompt anterior de manera efectiva para evitar los errores previos en la salida ¿Bien? El tercer paso es la optimización específica del modelo. El tercero es crucial para nosotros. Optimización. Lo que es la optimización real es que la optimización tiene varios pasos. Así que analizando emparejar el LLM perfecto para hacer una tarea específica Bien, eso entra en esta optimización. Optimización significa mantener sus requisitos a un lado y analizar la salida que genera la IA para comparar sus requisitos y la salida de EI. Si se genera la IA salida coincide con sus requisitos, entonces se realiza la optimización específica del modelo. Entonces tu salida está optimizada. Bien, aquí, la salida no está optimizada, pero su prompt está optimizado. Bien. Devolverá el prompt de manera que la salida esté optimizada. Entonces tu salida no está optimizada aquí. Usted prompt es optimizable para generar la salida específica, que se ajuste a sus requisitos Espero que entiendas. Por lo tanto, debe comparar sus requisitos y la salida As, ya sea que coincida con sus requisitos o no para optimizar nuestras indicaciones. Espero que entiendas este paso, y el cuarto es explorar técnicas de incitación Entonces técnica significa que ya hemos aprendido las técnicas especializadas de ingeniería rápida en anteriores, es decir, el modelo número cinco, en el que aprendimos a entender los diferentes LLM, capacidades, pros y contras, cómo escribir el prompt para que todos los demás LLM coincidan con nuestro requisito en el que LLM es mejor sentarse para resolver esta Por lo que vendrá bajo las técnicas de incitación. Hemos aprendido todos los patrones y técnicas rápidas, herramientas que tenemos para escribir los mejores prompts para nosotros. Bien, también lo explorarás. Explorando no solo explorar, tenemos algunas herramientas de incitación como Open AI playground en el que escribirás el prompt, obtendrás lo mejor para incitar así También hemos visto los tres métodos diferentes para usar LLM para escribir mensajes efectivos Una técnica vendrá bajo este paso en la que escribirá el prompt y probará en todos los demás LLM Bien, y elegirás el mejor LLM analizando la salida, que coincidiendo con tu requerimiento Después de igualar su requerimiento, irá con ese LLM en particular para ir más y más profundo ¿Bien? Entonces eso es sencillo. Espero que entiendas estos pasos. Y el último es el reporte de documentación. Entonces hay que documentar todos y cada uno, cómo tomas en la salida, cómo escribiste el prompt. Bien, cómo elegiste el LLM particular para resolver esta tarea en particular Y cómo se analiza la salida, qué herramientas se utilizan, qué técnicas rápidas se utilizan para automatizarlo, ¿verdad Cómo se escribe el prompt, cuál es su capacidad para escribir el prompt. En todos y en todo, hay que documentar por ti mismo para exhibir a tu equipo y contratar a funcionarios en el equipo de GEI u otro en contratación o líder que tengas equipo cuando estás trabajando en un trabajo específico, ¿bien? Y reportando. Tienes que reportar tus indicaciones y respuesta, todas esas cosas a tu miembro del equipo o cualquier funcionario que esté dirigiendo tu equipo como Esto se trata de co responsabilidades de un ingeniero rápido. Por lo que es bastante diferente en trabajar para construir una aplicación generativa Esto es algo diferente en el que vas a escribir los proms y la respuesta al mismo tiempo Bien, escribirás los diferentes patrones de solicitud usando diferentes técnicas de patrón rápido. Bien. Pero cuando se compara con otro tipo de trabajo, correcto, ya usando LLM para obtener la salida de EI En eso estos pasos van a cambiar. Los pasos seguirán siendo los mismos, pero la funcionalidad bajo los pasos cambiará. Espero que entiendas. Entonces, por ejemplo, si estás trabajando como ingeniero rápido en el equipo de GenEI, GenEI significa que estás construyendo una aplicación GenEI como hA EPT para casos de uso específicos, generación de imágenes o casos de uso específicos generación de imágenes o En eso como ingeniero rápido, tu papel es escribir el prompt y la respuesta como entrenador de IA. ¿Bien? En el que vas a funcionalidad y roles y responsabilidad serán diferentes bajo los pasos, ¿bien? Pero si estás trabajando como ingeniero rápido en una industria específica como la educativa o la industria del usuario final como la educación, marketing, escribirás el baile de graduación para obtener la mejor salida de EI. Bien, en el que tu funcionalidad y roles y responsabilidad cambiarán en estos pasos. Bien, espero que entiendas. Entonces aquí, ingeniero rápido en industria específica como educativa o cualquier cosa, escribirá los proms para LLM como HGPT o cualquier otro LLM o para obtener la mejor salida de EI, en industria específica como educativa o cualquier cosa, escribirá los proms para LLM como HGPT o cualquier otro LLM o para obtener la mejor salida de EI, que coincida con sus requisitos. Entonces harás todo el paso a paso, como aprendimos antes. ¿Bien? Si estás trabajando como ingeniero rápido motor EI empresas que están desarrollando tableros de chat, tus roles y responsabilidad cambian en el que tienes que escribir el prompt y respuesta a la tendencia EI modelo. Bien, espero que entiendas esta diferencia entre eso. Entonces una vez que aprendas esto, lo sabrás. ¿Bien? Estos son los cinco pasos más importantes. Bueno, si estás trabajando como ingeniero rápido, tienes que hacer. Bien. 66. 6.3.3 Aplicaciones de ingeniería de prompt en GenAI: Las aplicaciones de ingeniería rápida y GEI, si está construyendo INB para cualquier industria como atención al cliente, educación, atención médica, automatización, la aplicación de ingeniería rápida sigue siendo la Bien, espero que entiendas. Por lo que escribir indicaciones y respuesta para ello. Cuando se trabaja como ingeniero rápido en GEI, ese es el lado del desarrollo Bien. Entonces, ¿cuáles son las habilidades que necesitan los ingenieros puntuales? Entonces te estoy hablando de las habilidades de ingeniero rápido. Entonces hasta ahora lo que aprendemos, eso es suficiente para que te conviertas en un ingeniero rápido, aprendimos a escribir los bailes efectivos, a analizar la salida, Bien, a usar LLM para escribir los bailes efectivos para nuestros requerimientos y como analizar o como elegir el mejor LLM para elegir el mejor LLM Bien. Pero, ¿cuáles son estas habilidades que necesita el ingeniero de prompts Esa es una parte técnica, cierto, leer los proms en eso Pero después no sólo de las partes técnicas, tenemos algunas otras habilidades básicas que necesitamos. Convertirse en algún avance o algunos ingenieros puntuales profesionales como la comprensión de los modelos GenI que ya conocemos, es entender las diferentes capacidades de LLM como HAGBT que ya hemos aprendido Modelos GenA significa cha GBT así, Habilidad lingüística. Eso es importante aquí. Como dije, entonces las habilidades lingüísticas significan capacidad para escribir indicaciones claras, concisas e inequívocas. Eso significa graduaciones claras. Bien, en un lenguaje específico, si eres bueno en inglés, puedes escribir las indicaciones claras y concisas que pueda entender fácilmente tu intención y pronta fácilmente Bien. Por lo que las habilidades lingüísticas son muy importantes. Es muy importante. Es una habilidad requerida cuando estás trabajando en el equipo de Gen EI. ¿Por qué? Entonces vas a entrenar un modelo de IA en lenguaje específico. Si no sabes cómo hacer eso, nunca harás el entrenamiento de IA saldrá mal. Que las empresas también contraten a esa persona que tenga inglés avanzado u otro idioma requerido que estén buscando para formar el modelo de IA. Por lo que guardarán el examen por ti, examen de inglés avanzado para ti, que tienen escritura, pensamiento, habla , escucha, todas las habilidades que puedes tomar DOS exámenes FEL así Eso me gusta. Resolución de problemas. Es muy importante. Como dije, entonces A está aquí. Te ayudará a hacer cualquier cosa. Pero el principal problema es que el mundo necesita solucionadores de problemas. Entonces hay que encontrar el problema. Toma A como ayuda para resolver el problema, simple. Entonces para eso, necesitas la habilidad para resolver problemas. Como motor rápido debes saber. Entonces solo puedes convertirte en un miembro valioso del equipo en tal y tal compañía. Entonces con esta habilidad de resolución de problemas, puedes convertirte en emprendedor también desarrollando las herramientas de solución para ese problema, aplicaciones como esa. Por lo que es una solución de problemas es muy importante si buscas obtener la experiencia en codificación como ingeniero rápido. Para que pueda hacer pensamiento analítico o depurar optimizar indicaciones para Bien. La adaptabilidad es muy importante porque mantenerse actualizado con herramientas y técnicas de I en evolución Si conoces algunos patrones de baile son trabajos muy bien por ahora modelos de idioma. La IA es cada vez más avanzada. Bien. Los patrones de baile también se hacen más avanzados en los que tenemos que ponernos al día con esos patrones de baile también. Entonces, si no eres adaptabilidad para aprender cosas nuevas, nuevos patrones de baile en este campo, así no puedes escribir los mejores patrones de baile para los últimos modelos Para eso, puedes conectarte con los foros, foros empresas, seguir sus cuentas de redes sociales. Bien. Enlaza en Instagram, Facebook , YouTube, foros de empresa como abrir Un foro, AH Alemania así. Bien. E incluso puedes tomar cursos en plataformas en línea, avanzar en habilidades de ingeniería rápidas, lo último así. Para ponerse al día con eso. Sencillo. Y como dije, pericia de dominio, ¿de acuerdo? Adaptación de indicaciones para industrias específicas o casos de uso. Como dije, esto es muy importante. Si usted es ingeniero rápido, necesita construir una experiencia específica en un área específica, entonces solo usted puede convertirse en un ingeniero rápido perfecto o ingeniero rápido profesional. Sin eso, no se puede llegar ingeniería rápida no es nada no sólo escribir los prompts para algo, sino que incluye analizar la salida, refinar el prompt Bien, haciendo coincidir el LLM para nuestra tarea específica, entender las diferentes capacidades Bien, usando LLM para hacer la tarea a nivel potencial así Entonces, si tienes los conocimientos específicos, lo optimizarás. Analizarás la salida sin errores como ese. Bien, por eso Uh, escribir las indicaciones para una industria específica es muy importante Esta habilidad es necesaria por los ingenieros pronto. Espero que entiendas estas importantes habilidades. Esto no es un poco técnico, sino que se requiere como ingeniero rápido. Entonces, ¿cuál es el impacto de los ingenieros puntuales en el éxito de la IA? Entonces mira, por ejemplo, si eres un ingeniero rápido que trabaja en el equipo de Gena, entonces el Gena no está teniendo solo la parte de ingeniero rápido, sino que tienen alguna otra parte técnica escribiendo código usando marcos de código Python, funciones en la nube, almacenamiento en la nube Bien, eso es, uh Amazon, Azure, Open EI, APIs. Están usando para construir algunas aplicaciones Gen AI. Pero como ingeniero rápido, juegas un papel crucial. ¿Por qué? Porque estás entrenando el modelo de IA. Las otras personas que están trabajando para escribir un código para construir aplicación, escribirán el código por una vez. Bien, espero que entiendas este punto. Escribirán un código, ok. Utilizarán frameworks para construir alguna aplicación, pero lo real sucede aquí ingeniero rápido. Yo, estás entrenando modelo de IA, ¿verdad? Estás entrenando Un modelo. La IA generará la respuesta con base en los datos entrenados. Cómo se entrena el en qué patrones, en qué lenguaje, qué manera se entrena el en la base de eso generará la respuesta. Como ingeniero rápido, juega un papel importante en eso. Por qué estás trabajando como entrenador de IA en el equipo de Geni. Bien, eso es filas son responsabilidad del ingeniero rápido equipo de genes, ¿verdad? Entonces, si no estás bien escribiendo las indicaciones, entonces cuál es el valor de que otros hagan en el equipo Geni como escribir el código o construir la interfaz de usuario, todo Bien. La parte crucial principal es el ingeniero rápido. Es por eso que necesitas tener una gran capacidad para escribir las mejores indicaciones en inglés avanzado u otro idioma requerido Están buscando entrenar a I modelo. Bien, puedes ver algunos puntos aquí, mejorar la productividad y precisión de las aplicaciones de GNI Por lo tanto, el ingeniero rápido, un ingeniero rápido experto puede mejorar la productividad y precisión de las aplicaciones GenEI Como dije, así incluso otras personas en el equipo de GNI pueden escribir el código Pero la precisión y productividad del módulo de IA depende de su lado. Como ingeniero rápido, dependerá de su lado. ¿Por qué? El propósito principal de generativo crea algo basado en la entrada del usuario Entrada significa salida rápida significa respuesta que intentará a la IA. Es por eso que la precisión y la productividad dependen de su lado como ingeniero rápido. Como ingeniero rápido, ahorrará los recursos de tiempo al reducir los ciclos de prueba y error. El tercero es permitir que las empresas y los individuos desbloqueen todo el potencial de las herramientas Gen AI. Entonces, como ingeniero rápido, si intentas el módulo I con los mejores patrones y respuestas rápidas, para que el usuario final o empresas que estés utilizando la aplicación GNI, puedan desbloquear todo el potencial de GNEITOLS que estés desarrollando O ese equipo de empresa ese desarrollador GNI. Espero que entiendas que este punto puede desbloquear todo el potencial de las herramientas GI. Si usted es un ingeniero rápido capacitado, pruebe un modelo de IA en los datos productivos y precisos. Luego, el usuario final, cualquier empresa o individuo que esté utilizando su herramienta desarrollada por IA, pueden desbloquear todo el potencial de la IA y obtendrán los mejores datos precisos. ¿Por qué? Como ingeniero rápido, tiendes el modelo de IA con datos precisos y con inglés avanzado u otro idioma que estén buscando. Espero que entiendas muy claramente estos puntos. Bien, todo esto se trata del papel del ingeniero rápido en el éxito de la IA. 67. 6.3.4 Impacto de los ingenieros de prompt en el éxito de GenAI: Observado después de analizar los requisitos de la compañía como Gen AI y requisitos de ingeniero rápido. Por lo que la empresa ahora está buscando la persona que tenga todas las habilidades de INB Por ejemplo, ve y busca empleos en GNAI. Entonces antes de eso, veremos trabajos de ingeniería pronto , ingeniero rápido, vaya a Google y solo dé propina trabajos de ingeniero rápido. Entonces la veremos directamente. Puedes ir a vincularlo directamente. Bien. Ustedes ven contrato de ingeniero de AAWSPMPT Entonces tomemos esto. Si ve aquí, esta es alguna restricción laboral aquí sobre AWS y pronto ingeniero. Ver esto aquí. Buscamos un ingeniero rápido innovador altamente calificado y desarrollador de AWS con experiencia en la resolución de problemas reales utilizando una redacción rápida efectiva y una solución Bs cerrada. Entonces necesitas tener algunos conocimientos sobre AWS MongoDB. Hay tecnicos que es Python JavaScript. Entonces responsabilidades clave, ingeniería rápida, diseño de indicaciones efectivas, bien. Pero todo esto sabemos de lo que hemos aprendido en el curso. Pero no sabes de AWS, ¿de acuerdo? Esto todas esas cosas. ¿Bien? No sabemos de esto. Esto viene bajo el GEI. ¿Bien? Entonces esta es una parte de jering rápido ¿Bien? Es una pequeña parte. Pero la empresa está contratando no sólo para el ingeniero rápido, sino para el experto que tenga algunos conocimientos técnicos sobre Cloud, ¿verdad? Entonces lenguaje de programación que el JavaScript Python, algunos frameworks como Langhin Mango B Mango B no es framework Entonces la gestión de bases de datos, todas esas cosas. Si ya tiene experiencia en ingeniería de software o algún fondo de codificación, para que pueda aprender esta ingeniería rápida, puede ir con esta habilidad para ir en las empresas de GEI para trabajar como ingeniero rápido y especialista en GeneI Así que la mayoría de las empresas están buscando quienes tengan la ingeniería rápida y así como alguna parte técnica como el scripting de programas Python, o JavaScript, Bien, cualquier sonda tensor Pi tarch que esté arriba cualquier frameworks o bibliotecas Una cadena Lang, o ML, es decir, modelos de aprendizaje automático, todos aquellos que buscan los ingenieros pronto. Por lo que algunas empresas contratarán solo ingeniero pronto específico, como educativo. No necesitan ninguna aplicación específica. Por ejemplo, si tomas empresa educativa o educación una universidad, por qué están buscando IA porque para generar el contenido educativo para sus alumnos. En eso, usarán EI, pero contratarán a un ingeniero rápido que sea capaz de escribir el prompt para sus requisitos específicos para obtener el contenido educativo de EI. No hay necesidad de tener algunos lenguajes de codificación. Necesitan tener alguna habilidad de escritura rápida es suficiente para ellos. Pero al llegar al lado del desarrollo, desarrollar algunas aplicaciones Gen AA, necesitas tener todas las habilidades requeridas como ingeniería rápida, habilidades de codificación como Python, Pitot, bibliotecas, algunos frameworks Bien, como si pudieras tomar abrazando el transformador de cara, algunos marcos, ¿de acuerdo? Database Cloud, tienes que ser un buen conocimiento y aplicación práctica sobre esta habilidad al respecto. Entonces sólo se puede esconder como especialista en GEI en tal y tal compañía Entonces esto se trata de los requisitos de las empresas. Están buscando a los diferentes ingenieros rápidos. Como dije anteriormente, tenemos tres tipos de ingenieros pronto como escribir el prompt para LLM para obtener la salida específica basada en los requerimientos del cliente o de la compañía segundo tipo es el diseñador conversacional de IA o formador de IA en el que vas a entrenar modelos de IA por tu conocimiento específico de la materia y experiencia lingüística que se convierte en entrenador de IA o tutor de IA Y el tercero es construir aplicación GNA en la que entrenarás el modelo de IA con tus habilidades de escritura rápida y con algún lenguaje de codificación como Python, vas a construir algunas aplicaciones de GE usando ingeniería rápida, codificación, como usar Python o JavaScript, bien, base de datos Cloud. Entonces solo usted puede convertirse en estos tres tipos de trabajos están disponibles para ingeniero rápido en este momento. Para que puedas elegir cualquiera de ellos, construir un perfil en la parte superior de ese trabajo específico, um, y estás listo para ir. Puedes encontrar las empresas de clientes que están buscando. Eso es todo sobre. ¿Bien? Para que puedas encontrar puedes ver esto es Un motor rápido buscando la madera. Bien, todo esto se trata de trabajos de ingeniero rápido. Si buscas trabajos de ingeniero pronto en USA, puedes ir directamente a Google. Mostrará algunos trabajos. Bien. Se puede ver PT, remoto un ingeniero rápido y evaluación. Por ejemplo, si tomas aquí, puedes ver algunos que necesitas no necesitas experiencia para no necesitas experiencia para postularte ya que estamos brindando capacitación, y muchas personas encuentran el trabajo bastante atractivo y repetible Tienes que ser fluido en inglés, orientado a los detalles o más artículos. Para que pueda ver los requisitos de trabajo, beneficios de calificación en cada una de empresas que buscan ingenieros pronto. Así que puedes ver aquí. Derecho, tienen calificaciones, prestaciones, responsabilidades. Para que puedas comprobarlo en base a los requisitos y responsabilidades. Puedes construir tu perfil y aprenderlo. Sencillo. Por lo que puede ver aquí como una pronta calificación de ingeniero debe ser probada experiencia trabajando con LLM, modelos basados en GPT, función Azure Cloud, framework, flujo tensor Todo esto viene bajo el INB y otras cosas. Están buscando sitio en desarrollo. Por eso están pidiendo la codificación del framework Azure. ¿Bien? Ingeniero rápido La empresa Hona está buscando veamos. También lo es contratar a un ingeniero rápido para desarrollar y optimizar las indicaciones para los modelos de lenguaje Así que puedes ver aquí. Es para el primero. Están buscando ingeniero rápido que pueda escribir las indicaciones de optimización de solicitud para obtener la mejor salida de la IA Es un tipo de categoría laboral, según aprendemos y esto viene bajo el lado de desarrollo. Bien, en el que vas a usar todo tu lenguaje de codificación y pronta ingeniería, como dijimos en nuestro anterior eso es pronto ingeniería EngineI Se está desarrollando lado. Ahora es el lado del usuario final, en el que escribirás las indicaciones para obtener la mejor salida en IA en este lado en desarrollo, en el que vas a utilizar habilidad de ingeniería rápida para entrenar modelo de IA con codificación o para construir una aplicación GNI para uso específicos. Estos dos tipos. Otro tipo es A trainer. Lo puedes encontrar Oler empresa en la que vas a probar IA model con un conocimiento específico tienes conocimiento materia y habilidad lingüística como si tienes que saber inglés avanzado o idioma específico que están buscando para runMMDEL Entonces estos tres tipos de ingenieros prontas o categorías están ahí en el mercado en estos momentos. Así que por favor asegúrate uh, toma una categoría de empleo. Entonces incluso si vas en los tres tipos de categoría tres tipos de categorías laborales, si aprendes el inglés avanzado, entonces interactuarás con la IA es bueno, y entrenarás IA con buena. ¿Bien? Entonces lo que tienes que aprender así para los dos primeros tipos de categorías, como EI prompt engineer y AI trainer, estás bien para ir. Puedes ir con él cuando tengas los conocimientos específicos y la habilidad avanzada de escritura. Puedes ir a la vez con esto en estas dos categorías de empleo. Si estás buscando ir en el lado de desarrollo G, necesitas aprender algunas habilidades adicionales como habilidad de codificación que es Python, frameworks como flujo tensor Pytorch, lado cerrado, Amazon o Google Cloud Bien. Ese es el lado de la nube para la base de datos, administración de bases de datos así. ¿Bien? Tienes que aprender todo el lado técnico para convertirte en un GN EI. Entonces, todo esto se trata de cómo encontrar. Entonces, incluso si vas directamente al LinkedIn y por favor haces un perfil basado en tu requerimiento, es decir, estás apuntando a la categoría de trabajo específica, aprendes las habilidades requeridas, y mostrar tus habilidades, ayudar con solo publicar videos y artículos en LinkedIn, construir tu conexión, entonces estás listo para ir. ¿Bien? Desbloquearás más oportunidades en esta IA Ea. Puedes B aprendiendo esto, incluso puedes construir tu propia aplicación. No hay limitación para ti porque ya aprendiste a usar la IA a nivel potencial. Entonces ahora, es bueno para ir. Hay más oportunidades si usas muy bien la IA. Entonces yo simplemente te he dicho algún nivel básico como encontrar empleo. Así que recuerda una cosa siempre antes de aprender cualquier habilidad, bien, antes de aprender cualquier habilidad, solo ve. Y ver los requisitos, requisitos reales de las empresas que buscan en los candidatos que contratan. Bien, por ejemplo, estoy buscando ir a la ingeniería pronta como agendas. Entonces a lo que voy a llegar aquí, Google, y voy a decir solo buscaré trabajos de ingeniería pronto en USA o cualquier cosa. Bien, rápidos trabajos de ingeniería. Entonces vendré aquí y voy a ver las calificaciones y requisitos que están buscando compañía en el candidato. Bien. Entonces lo que voy a hacer, solo me llevaré esto, bien. O. Incluso si puedes tomar ayuda con el modelo de idioma ha gibt o AA para aprender esto Pero te recomiendo solo copiar todo esto los requisitos de calificación de cualquier requisito laboral. Bien. La mayoría de los que buscan ingenieros pronto, tienen las mismas calificaciones similares o requisitos similares en el desarrollo de SADA. Entonces, lo que tenías que hacer justo antes de aprender cualquier habilidad, ve a buscarla en línea. Sólo empleos. Esa habilidad particular que buscas aprender. Trabajos y ver los requisitos de la empresa. Toma esos requisitos y aprende solo sus temas relacionados. Bien. Así que no vayas y solo pregúntale a YouTube en YouTube, cuáles son las habilidades requeridas para convertirte en un ingeniero rápido. Entonces dirán hasta su conocimiento. Pero entonces, ¿cuál es el propósito de aprender la habilidad? Ya sea para construir alguna solución o bien es hacer trabajo, con fines laborales, para cambiar de carrera así. El objetivo final es ganar dinero. Bien. Para eso, lo que tenemos que hacer tenemos que aprender la habilidad según requerimiento. Bien, de acuerdo con el requerimiento de la compañía. Entonces, en lugar de aprender todas las cosas, por favor, concéntrese en lo que pide la empresa, cuáles son los requisitos de la compañía. Solo aprende esos temas solo aprende esos son requisitos solo en los que puedes enfocarte requirió que puedas construir el portafolio en él, y eres bueno para moverte en el proceso de entrevista, todas esas cosas. Te contratarán de manera fácil y rápida. Entonces espero que entiendas mis consejos y trucos, todas esas cosas. Para que puedas encontrar el YouTube en línea, cómo encontrar un trabajo, cómo automatizar LinkedIn y cómo construir una cartera, todas esas cosas Para que lo puedas encontrar en línea. 68. Reflexiones finales: Por lo tanto, comprender las capacidades y limitaciones de GenI lo ayudará a perfeccionar todo su potencial en su trabajo como ingeniero rápido Entonces, cuando estés trabajando en el Geni, después de construir una aplicación Gena, aprenderás las capacidades y limitaciones ¿Por qué? Como ingeniero rápido, capacitas a la aplicación Geni Entonces fácilmente sabes cuál es la capacidad de Geni que desarrollaste, ¿verdad Y también conocerás las limitaciones que tiene tu Geni Por qué entrenas al modelo II. De forma automática, conoces las capacidades y limitaciones de Geni particulares que se desarrollan Y sabrás usar este genEI que es desarrollado por ti mismo, que es desarrollado por los miembros de tu equipo en potencial Bien, pleno potencial Sabrás cómo usar esta aplicación Geni en pleno potencial Por qué ya lo sabes porque como ingeniero rápido, intentas esa aplicación de GNI Conoces las capacidades, limitaciones y cómo usar todo el potencial. Eso es todo acerca de GeneIS y el papel de ingeniero rápido. Espero que entiendas toda esta parte de este curso con facilidad y si crees que te hace algo valioso para ti, así te puede ayudar a conseguir el mejor trabajo en el mercado de IIS, y es un campo muy interesante y en crecimiento Entonces, en todos y cada uno de los pasos, aprenderá cosas nuevas usando la habilidad de ingeniería rápida. Entonces espero que entiendas las habilidades de GEI y cuáles son algunos GEI avanzados Entonces se trata de este curso y curso de ingeniería rápida. Hasta esto, nuestro curso está terminado. Entonces ahora, si seguiste todos los conferenciantes y practicas todos los patrones prontas con mis técnicas, todas esas cosas, así que te felicito ahora ingeniero pronto. Sí, lo he hecho. Entonces, a partir de ahora, solo pruébalo tú mismo con diferentes ejemplos, usa Kass, y construye un potifolio y construye nuevas conexiones y haz un gran perfil en inkern en otros sitios web de financiamiento y desbloquea más oportunidades en otros sitios web de financiamiento y desbloquea más oportunidades La era próxima. Espero que lo estés haciendo bien y harás algo grande en el futuro próximo en el mercado. Así que adiós, chicos, gracias por unirse a este curso. Bien. Y nos conectaremos con otro curso muy pronto. Gracias, adiós.