Engenharia de propostas prática: escreva propostas que realmente funcionam

1. Introdução: E bem-vindo à minha aula de treinamento de IA. Então, nesta aula, compartilharei com vocês as melhores dicas sobre como estimular IA que aprendi em mais de centenas de horas experimentando, experimentando fazendo cursos de alguns dos principais fornecedores, tudo isso resumido nesta aula aqui, tudo com o objetivo de tirar o melhor proveito dos mais recentes modelos de linguagem maiores que tudo com o objetivo de tirar o melhor proveito dos mais recentes modelos de temos disponíveis no temos Então, eu passei por muitas coisas, então você não precisa fazer cursos completos de fornecedores como Google, Open AI, Anthropic Então, li muitos vídeos, podcasts, artigos do YouTube podcasts, artigos e basicamente destilei todas as melhores partes dessa aula, para que você não precise passar por todo o processo pelo qual passei , em termos do que funciona, do que funciona, praticamente e do que não funciona . Meu nome é Hans, criador de conteúdo, investidor imobiliário e E, como muitas pessoas, uso uma linguagem mais ampla todos os dias, em todas as esferas da minha vida. E não é exagero dizer que essa é uma revolução que estamos vendo bem na frente dos nossos olhos Portanto, a maioria de nós usa grandes modelos de linguagem todos os dias, seja Gemini , JAPT ou Claude, mas poucos de nós param e pensam no quão importante essa invenção realmente é e no quanto está mudando Quando você pensa nisso no contexto da história. Então, só para colocar tudo em perspectiva, se olharmos para alguns dos maiores players históricos em termos de tecnologia e quanto tempo eles levaram para alcançar 1 milhão de usuários ativos, vemos que a Netflix levou 3,5 meses para atingir 1 milhão de É um feito impressionante por si só. O Facebook, quando foi lançado, demorou dez meses. Você sabe, conseguir 1 milhão de usuários ativos em qualquer plataforma é uma grande façanha E quanto ao ChatGPT em seu lançamento? Fez isso em apenas cinco dias. E é ainda mais louco, se você observar os prazos para as empresas atingirem 100 milhões de usuários ativos, o que apenas algumas elites selecionadas empresas de tecnologia oferecem esse número de E o ChatGPT atingiu esse marco em apenas 2,5 meses. É absolutamente ridículo a grande mudança que isso representa na vida de todos. E daqui para frente, é provável que continue sendo. Então, Dems Habies, fundador do Google Deep Mind AI, diz que essa é uma das batalhas mais ferozes que já existiram na história da tecnologia E eu concordo totalmente com ele. Essa tecnologia tem implicações muito abrangentes e está mudando praticamente todos os setores. Nada está deixando de ser afetado por isso. E embora quase todo mundo use IA hoje em dia basicamente diariamente , poucos realmente param e pensam qual é a melhor maneira de tirar o melhor proveito desse grande modelo de linguagem, há tanto potencial inexplorado e as pessoas não o estão usando corretamente ou usando as melhores práticas E tenho certeza de que a habilidade de realmente entender modelos linguísticos maiores e a capacidade de tirar o melhor proveito deles em comparação com todos os outros será uma habilidade realmente fundamental nos próximos cinco anos. E isso realmente o colocará à frente porque, afinal de contas, se você observar a interface de usuário de modelo médio de inteligência artificial de LLM, ela basicamente parece uma busca mas, por baixo do capô, nem está no mesmo estádio São coisas muito, muito diferentes, mas a maioria das pessoas ainda as usa como um mecanismo de busca glorificado Ao final desta aula, tenho certeza de que você melhorará seu jogo de solicitação Quer você não tenha pesquisado absolutamente nada sobre sugestões ou tenha alguns artigos e dicas, tenho certeza de que todos poderão se afastar e escolher algo que você possa usar na prática em sua vida cotidiana E não apenas as dicas e truques mais recentes, mas vou te dar uma estrutura de pensamento, uma filosofia de como ser um bom engenheiro rápido em sua essência, porque muitas das dicas e truques que aprendi há dois ou três anos já estão desatualizados, como o ritmo da IA. Mas ser capaz de pensar a partir dos primeiros princípios, como aplicar essas técnicas terá aplicações no futuro. E o interessante dessa aula é que, embora seja especificamente sobre LLMs em IA, muitas das habilidades que você aprenderá aqui terão aplicações abrangentes em todas as esferas da vida, porque o que ensinamos aqui não é apenas como estimular a IA É como decompor a lógica de um problema como se comunicar com muita clareza. Então, tenho certeza de que você definitivamente escolherá algo, e estou muito animado para compartilhar algumas das minhas melhores dicas com você. Eu vejo você do outro lado. 2. Boas-vindas + projeto do curso: Bem-vindo a bordo. Estou muito animada por ter você nesta aula aqui. Então, vamos passar por muita coisa nesta aula. E a forma como eu o projetei é que tudo foi feito para ser super prático, porque acredito que essa é a melhor maneira de aprender, não sentando aqui e absorvendo as coisas passivamente Mas tirá-lo, experimentar tudo sozinho, para ajudá-lo a realmente internalizá-lo, experimentar e ver o que combina com você Então, apenas para lhe dar uma visão geral rápida dessa classe, abordaremos desde o início como os LLMs funcionam em alto nível, nos bastidores. Portanto, fornece um pouco de perspectiva de fundo e também quais podem ser algumas das limitações. E assim que tivermos alguma base, examinaremos os fundamentos do que constitui uma boa solicitação Portanto, teremos uma estrutura fundamental que basicamente, você seguirá com cada solicitação Então essa será nossa base de pão com manteiga e, em seguida, algo que você poderá desenvolver com as técnicas mais avançadas. Analisaremos a melhor forma de fazer com que a IA adapte as respostas a você pessoalmente Alguns dos maiores equívocos e erros que as pessoas cometem ao usar Em seguida, veremos alguns dos tópicos mais avançados. Portanto, isso se baseia nos conselhos mais recentes dos engenheiros de IA que trabalham nessas grandes empresas modelo. Tópicos como instruções personalizadas, poucas instruções de loja, uso do LLM para melhorar suas próprias respostas e como iterar suas próprias solicitações. Então, isso é muita informação. Eu vou jogar isso em você. E à medida que você avança, não há melhor maneira de internalizá-lo com um projeto de aula prática em que você possa usar seu conhecimento recém-adquirido em que você possa usar seu conhecimento recém-adquirido imediatamente, sem deixar ele fique na sua cabeça, você acha que o entende , depois em frente e as coisas desaparecem. Essa é a filosofia que estamos adotando para aprender aqui. Além disso, se você está continuamente tentando coisas à medida que avança, é muito menos provável que fique sobrecarregado com a carga de informações que o ajudam a digeri-las Portanto, o projeto da turma é muito importante para mim como criador de conteúdo. Portanto, o projeto é criar seu próprio prompt de piloto marítimo para criadores de conteúdo. Em termos de plataforma, isso realmente não importa. Então, pode ser para um canal do YouTube, pode ser para um boletim informativo, Instagram, não muito preocupado com a plataforma exata. O que eu quero que você seja capaz de fazer é, ao final deste curso, usar a IA para ajudar a definir seu nicho e também para escrever cinco conteúdos altamente personalizados para você. Então, se for o YouTube, serão cinco scripts de vídeo utilizáveis em seu nicho específico, que são altamente personalizados Então, uma pequena prévia à frente, você aprenderá a criar solicitações usando a estrutura de contexto, tarefa e tom, em que cada solicitação daqui para frente seguirá essa estrutura, com a IA, de forma que você possa eliminar todas as suposições, o que inadvertidamente também reduz o nível de alucinações para obter exatamente o de alucinações E você pode fornecer informações altamente específicas sobre a tarefa em questão. Por exemplo, no projeto da turma, seja quem é seu público, qual é o seu nicho. Então, quando se trata de gerar o conteúdo, não será apenas um script muito genérico que qualquer um poderia ter escrito. Então, uma ótima maneira de usar a IA como criadora de conteúdo, além de pedir que ela realize tarefas, é algo para trocar ideias Então, um tópico interessante que eu ouço muitas pessoas dizerem sobre a IA é, você sabe, quando ela substituirá os humanos? O que ele pode fazer que os humanos não podem fazer? E eu sinto que essa conversa maioria das vezes, está perdendo o objetivo. Então, isso me lembra dessa entrevista com Steve Jobs que ouvi anos e anos atrás, qual ele está comparando a eficiência energética da locomoção, basicamente, a eficiência energética de muitos animais diferentes no reino animal a um quilômetro por unidade Então, é normalizado por unidade de peso corporal, e há muitas coisas lá Existem cavalos, ratos, humanos, muitas coisas. E se você observar onde os humanos estão apenas na eficiência energética de caminhar um quilômetro, os humanos se saem muito bem, mas não são os melhores Existem outros animais que são mais eficientes em se mover do que nós. Por exemplo, quando você corrige o peso corporal, cavalos ou salmões são muito mais eficientes em se movimentar do que nós No entanto, se você pegar aquele humano e colocá-lo em uma bicicleta, esse nível de eficiência simplesmente dispara e nada chega perto disso em todo o reino animal E eu sinto que a IA é um pouco assim, mas, você sabe, levada ao extremo Então, em vez de uma bicicleta, é como um foguete. Onde isso permitirá que você faça coisas que você nunca sonhou serem possíveis sem ele Mas isso abre muitas possibilidades. Mas seja uma bicicleta ou um foguete, ainda é necessário que um humano a dirija Ainda é necessária a intuição humana para pilotá-lo. Caso contrário, ele apenas o levará algum lugar onde você não sabe para onde está indo. Então, a primeira coisa que eu quero que você faça é experimentar o projeto usando as técnicas que você já conhece ou como você usa a IA agora. Então, peça que você ajude a definir seu nicho, peça que ele escreva cinco peças de conteúdo depois de fazer isso, e nós apenas salvamos isso em um editor de texto, o Google Docs não importa Mas desde que você o tenha salvo, e o objetivo da aula é que vamos examiná-lo. Continuaremos testando essas técnicas diferentes e, ao final, quero comparar suas saídas no final com as que você tinha no início para ver quais são as diferenças para si mesmo Certo, agora vamos realmente começar 3. Como os LLMs funcionam e suas limitações: Então, muitas pessoas chamam ferramentas como Gemini, HatiPT Claude, apenas IA, o que é tecnicamente verdade, que é tecnicamente verdade, mas existem aplicações muito específicas de IA chamadas de modelos de linguagem grandes ou É uma distinção muito importante a porque nos ajuda a entender um pouco mais sobre o que acontece bastidores e nos ajuda a entender em que ele é forte e quais são algumas de suas limitações espero que Então, nos bastidores, imagine que um assistente de IA é algo em que a resposta foi cortada artificialmente e sua função é atribuir probabilidades para prever qual é a próxima palavra mais provável ou o símbolo mais A ideia é que você o alimentaria com uma pergunta, e seu trabalho é encontrar a resposta mais provável e plausível Dada essa pergunta, o que ele faz é, depois de fazer uma pergunta ter uma matriz de todos os tipos de palavras diferentes, atribuir probabilidades a cada uma dessas palavras e construir sua resposta pouco a pouco a partir dessas matrizes de probabilidade partir dessas Agora, crucialmente, o que ele não faz é não entrar em algum banco de dados e trazer um conjunto predefinido de respostas para determinadas perguntas, e trazer um conjunto predefinido de respostas porque isso não faria com que parecesse muito natural e não seria feito sob medida para É assim que você obtém respostas diferentes, mesmo com pequenas mudanças nas solicitações que você fornece Então, mesmo que digamos que você tivesse acesso a essa matriz e pudesse ver todas as probabilidades, você ainda não poderia, com 100% de certeza, prever o que ela produziria E a maneira como ele gera essas matrizes e atribui essas probabilidades é treinando em grandes quantidades Então, por exemplo, se você olhar para o Gemini 3.1, que no momento da filmagem é o modelo mais recente do Gemini, para um humano ler todos os dados de treinamento pelos quais passou , se um humano estivesse lendo 24 horas por dia, 7 dias por semana, levaria mais de 10.000 anos para ler todos esses dados de Portanto, é uma quantidade insana treinar um LLM moderno. Mas esses LLMs realmente avançados, como os conhecemos, só surgiram recentemente A tecnologia subjacente por trás deles é, na verdade, muito antiga. Os primeiros modelos de linguagem grande baseados em regras existiam na década de 1960 E na década de 1990, ele mudou para um modelo estatístico de previsão de texto, que é um pouco mais parecido com o que temos agora. Mas ainda sabemos exatamente o que, nos dias modernos, consideramos grandes modelos de linguagem. Você sabe, pense em modelos de previsão de texto em seu texto ou no seu Gmail, coisas assim E, você sabe, quando você digita algumas palavras e ele tenta completar sua frase, esse tipo de coisa. Um verdadeiro avanço ocorreu em 2017 quando o Google inventou o transformador, em que as palavras podem ser interpretadas em paralelo, o que lhe deu a capacidade de entender o contexto e fornecer respostas incrivelmente personalizadas E isso lhe dá a percepção de que quase entende o que você está pensando. Então, o que todo esse material de fundo significa para nós na prática? Bem, agora que temos uma visão geral muito aproximada do que está acontecendo em segundo plano, podemos entender algumas coisas em termos de suas limitações no fato de que, você sabe, embora pareça e imite muito bem em termos de entender o que você pensa, na verdade não entende o que você Tudo o que está fazendo é pegar sua opinião e prever o que poderia ser uma resposta plausível Tudo o que é é um mecanismo preditivo. Então eu uso a analogia da bicicleta ou foguete da mente, e isso meio que se aplica aqui Basicamente, ele não se importa ou não sabe para onde você está indo. Você sabe, ele tem a capacidade de ir muito, muito rápido. Mas não tem consciência de para onde está indo ou por quê. É por isso que ele precisa de um motorista humano para dirigi-lo. Além disso, um dos maiores problemas com esses LLMs de IA, agora que sabemos basicamente seu objetivo principal é fornecer a resposta mais plausível, considerando o contexto em que você Isso significa que, por outro lado, quando você não fornece informações suficientes, ele ainda tentará gerar porque tudo o que está fazendo é tentar fazer o melhor trabalho possível com o que é necessário para fornecer uma resposta plausível Com base em sua matriz de probabilidade. Vamos dar um exemplo de um LLM versus um assistente humano para uma tarefa bastante simples Então, aqui está o aviso. Escreva um e-mail para meu chefe solicitando uma extensão do prazo do projeto. E se você olhar a resposta, é muito educada e tem uma aparência plausível Mas se você realmente ler, falta uma grande quantidade de coisas, e ela está tomando muitas liberdades em termos de coisas que simplesmente presume Isso pode não ser verdade. Então, por exemplo , diz: eu já concluí , mas onde eu disse isso? De qualquer forma, eu não contei isso. É meio que presumido isso. Então, se isso não for verdade e você confiou cegamente nele e usou esse e-mail, isso pode causar problemas Bem, essa coisa sobre tarefas restantes, ainda não dissemos que existem tarefas restantes. Então, pode não ser. Fez outra suposição Portanto, embora esse e-mail seja meio pequeno, ele está cheio de suposições Coisa. Então, compare-o com você mesmo. Digamos que você seja um assistente humano e seja seu primeiro dia de trabalho e seu chefe lhe dê uma tarefa semelhante a essa. Você não simplesmente faria isso e faria um monte de suposições Você aparecia e fazia muitos tipos de perguntas esclarecedoras exemplo, se é seu primeiro dia trabalho e você não sabe nada, em vez de sair e escrever o e-mail, perguntaria ao seu chefe, bem, você sabe, para que serve esse projeto? Quais são algumas das implicações de se atrasar? Isso afeta outras coisas, o quão urgente é e uma série de outras coisas que permitem que você realmente conclua a tarefa com sucesso dentro do contexto Mas se apenas seguíssemos a saída bruta da IA, isso nos forçaria a fazer muito trabalho extra. Isso meio que bagunçaria as coisas. Portanto, a outra limitação desses LLMs é chamada de armadilha da sincofantaria E isso basicamente significa que a IA tem essa tendência de concordar com o que você diz ou espelhar o que você diz. Você indica quais são suas preferências, é muito improvável que discorde de você E, novamente, se voltarmos à forma como a IA é treinada, fica muito mais óbvio por que ela faz isso, porque ela é treinada com uma grande quantidade de dados. Ele fornece uma saída e recebe feedback em termos de se os humanos gostam ou não de suas respostas E é muito mais provável que gostemos de respostas que concordem conosco e confirmem do que de alguém que discorda nós e nos dá um amor forte Então, da forma como esses LLMs são treinados por natureza, eles são sincofânticos, o que, para muitas aplicações, realmente não queremos, e não é um comportamento desejável Portanto, temos que ter isso em mente e usar algumas técnicas para superar isso, que abordaremos mais tarde na aula. Certo, então isso é um pouco de fundo e algumas das limitações da IA. Agora que sabemos disso, vamos passar para a próxima lição, na qual examinaremos a estrutura básica do que constitui um bem. 4. Tarefa, contexto, tom e organização: Certo, então, nesta lição, vamos construir a estrutura fundamental do nosso prompt, qual tudo daqui para frente será baseado nisso É o pão com manteiga de toda a turma. E cada alerta daqui para frente deve seguir essa estrutura de contexto, tom e tarefa. Então, começando com o contexto, como no último exemplo que vimos, nós literalmente atribuímos a ele uma tarefa para fazer sem fornecer nenhum contexto. E o problema é que, como você viu, ele simplesmente assumirá muitas coisas e não fará um trabalho muito bom, e não foi útil para nós em termos de p. E, de certa forma, mesmo que não fosse realmente o que você quis dizer, faz sentido o que fez porque simplesmente seguiu suas instruções. Acabou de escrever um e-mail com o que você deu com um contexto. Portanto, devemos começar cada solicitação com um contexto da situação, qualquer informação importante de que ela precise, qualquer histórico. Então, no último exemplo, em que damos a ele contexto zero, então ele simplesmente preencheu as lacunas sozinho , não podemos deixar que ele faça isso. Então, se voltarmos para a Eaton, onde estamos pedindo uma extensão de prazo, uma melhor solicitação de contexto pode ser algo como, você sabe, eu estou trabalhando em um projeto de engenharia Fui encarregado de fazer um relatório de viabilidade de custos. No entanto, foi adiado em uma semana porque faltam algumas informações dos principais fornecedores. Eles tiveram problemas na cadeia de suprimentos e queremos poder receber as cotações a tempo. Portanto, preciso de uma extensão de prazo de uma semana, o que não deve afetar o projeto geral. E instantaneamente, você obtém uma resposta muito melhor sem precisar ajustar a tarefa ou outras instruções apenas fornecendo mais informações no início Então esse é o contexto. O próximo é o tom. tom é, ao que parece, a maneira pela qual você deseja que ele responda de forma totalmente justa. Com esses LLMs prontos para uso, seu tom padrão é realmente muito bom e tem uma ampla aplicação porque, por padrão, eles são projetados para um tom amigável , mas útil, o que se aplica em muitos lugares Mas às vezes você pode querer que ele responda às coisas de uma forma mais específica, que é para onde você diria. Portanto, existem algumas abordagens que você pode adotar. Portanto, a primeira é informar o público-alvo pretendido, para que ele possa se adaptar em termos da linguagem que usa para sua produção Então imagine se você fosse um professor, em vez de apenas dizer, escreva-me um plano de aula para Henry Diga, você pode me escrever um plano de aula divertido e educacional ? Isso é interativo. É sobre a vida de Henry oitavo para um grupo de alunos do quinto ano Então, agora ele sabe para quem suas respostas se destinam e as ajustará adequadamente Então, outra ferramenta realmente poderosa para a IA é contar a ela uma situação e também atribuir a ela o papel que ela precisa desempenhar. Agora, esse é realmente um ponto muito interessante, e esse é um ponto ao qual voltaremos mais tarde na aula, porque essa é uma dica que eu aprendi há algum tempo em termos de dar um papel à IA. E eu uso essa dica há muito, muito tempo, mas o dispositivo mais recente parece ter ajustado um pouco esse conselho, que abordaremos um pouco mais porque há algumas nuances em termos de como Então, por enquanto, basta dizer que, se eu estiver fazendo uma pergunta à IA, peça que ela responda da forma de uma determinada função Então, por exemplo, eu realmente gosto de usar a IA como companheira de leitura. Digamos que se eu estiver lendo um livro de física e me deparei com um tópico realmente complicado, como, digamos, se for a interpretação de muitas palavras da física quântica ou algo parecido, eu vou hoje e direi, você sabe, responda como um professor de física renomado e me explique em termos leigos E então você percebe imediatamente a diferença na forma como ele responde, simplesmente dando ele essa persona em vez de apenas pedir que ele responda de uma forma padrão E, finalmente, é claro, está a tarefa. Portanto, a tarefa é algo em que você pode influenciar muito a saída apenas fazendo alguns ajustes e sendo específico sobre o que exatamente você diz para ela fazer Então, o que realmente importa é ser específico, avaliar, iterar Então, usando o exemplo da documentação oficial do Google, em vez de dizer algo como escrever sobre mudanças climáticas, você quer dizer, escrever um ensaio persuasivo defendendo a implementação de regulamentações mais rígidas de emissão de carbono documentação oficial do Google, em vez de dizer algo como escrever sobre mudanças climáticas, você quer dizer, escrever um ensaio persuasivo defendendo a implementação de regulamentações mais rígidas de emissão de carbono . Então, basicamente, quanto mais informações você fornecer e quanto mais específico você for, melhor. E agora nem sempre serei muito óbvio em termos do que você está perdendo. É por isso que você analisa a saída e, em seguida, ajusta continuamente sua entrada para obter a melhor resposta possível Agora, outra pequena dica extra quando você está dando instruções de IA em termos de execução de uma tarefa. Às vezes, em vez de apenas mandar ele fazer alguma coisa, pode realmente ajudar dizer por que está fazendo isso, porque na maioria das vezes, porque na maioria das vezes, se você contar por que está fazendo isso e entender melhor o motivo pelo qual está fazendo uma tarefa, mesmo que você tenha perdido certas coisas, isso pode alertá-lo. Por exemplo, se você estiver escrevendo algum código ou texto para algo como, não use nenhuma elipse em sua resposta de saída, o que tecnicamente poderia algum código ou texto para algo como, não use nenhuma elipse em sua resposta de saída, o que tecnicamente poderia funcionar. Uma resposta melhor seria algo como se sua resposta fosse lida em voz alta. Por meio de uma conversão de texto em fala. Portanto, nunca use elipses porque a conversão de texto fala não pode pronunciá-las Então, depois de dar esse contexto, talvez se você colocar outros caracteres que não estejam relacionados a elipses, porque ele sabe que está produzindo uma saída de texto em fala, ele sinalize isso Então essa é a estrutura, o contexto, tarefa e o tom como ponto de partida. Então, antes de prosseguirmos, trata-se realmente de entender qual é o pensamento para realmente criar uma boa engenharia rápida. Então, na maioria das vezes, as pessoas ouvem o termo engenharia rápida e depois zombam dele porque não parece tão complicado Você está apenas digitando em uma caixa de texto e só precisa escrever Bem, na verdade não é tão simples assim. Há muitos escritores muito bons que não são bons engenheiros de prontidão. É um processo de pensamento muito específico em termos de como você define um problema e quais são as etapas para resolvê-lo e iterá-lo Então, voltando ao exemplo de um assistente realmente ávido, imagine que se você estivesse conversando com um assistente humano, gostaria de fornecer a ele o máximo de informações possível para realizar a melhor tarefa Quanto mais informações você omite, enquanto ainda espera que seu assistente faça a tarefa, isso apenas o força a fazer mais suposições, é exatamente o que está acontecendo Portanto, trata-se de declarar as coisas com muita clareza, ter uma comunicação bem definida e entender a tarefa Portanto, a regra é lembrar de nunca dar à IA uma tarefa que um humano muito competente não poderia fazer. 5. Regra de honestidade x persona: Agora, esta lição trata especificamente do ponto em que mencionamos na última lição em termos de atribuir à IA um papel fictício para influenciar as respostas de saída que ela fornece Agora, falamos sobre tom e como fazer com que a IA responda de uma forma que seja mais útil para você. Porque, tradicionalmente, quando me deparei com esse conselho pela primeira vez, acho que dois ou até três anos, é sempre meio que enganar a IA, você sabe, mandar ela desempenhar um determinado papel, dar a ela uma situação fictícia, para que ela responda de uma maneira diferente do que normalmente faz Agora, a principal premissa por trás dessa dica era quase enganá-la para ser menos preguiçosa com suas respostas Por exemplo, no último , em vez de apenas perguntar sobre como explicar esse conceito, explique as muitas palavras de interpretação da física quântica, digamos, você é um importante professor de física na Universidade de Fulano, você é meu amigo. Estamos jantando em uma conversa ao lado da lareira, blá, blá, blá. Você sabe, você está construindo todo esse cenário fictício para tentar responder à pergunta original Você sabe, em vez de apenas dizer, me dê um plano de aula, dizendo: Você é um professor de escola. Você está nesse cenário, X Y Z, todas essas coisas. Agora, recentemente, ouvi esse podcast entre engenheiros antrópicos, dizendo que, com o modelo mais recente, na verdade, esse não é um bom conselho, porque o problema é que, quando você cria esses cenários falsos, quando você cria esses cenários falsos, na maioria das vezes, isso pode confundir Dog, era um leitor de tela para um microcont que não conhecemos Está tudo bem, então eu gosto disso. Isso é interessante. Na verdade , porque uma das coisas mais famosas contra a qual lutar é dizer à modelo de Billings que ela é uma pessoa ou algum papel Sinta-se assim um pouco melhor. Eu vejo você honesto com a situação da minha mãe. Talvez eu seja essa experiência. Certo. Você acha que esse nível de honestidade, ao invés mentir para o M ou forçá-lo, eu vou te dar uma gorjeta Alguém prefere lá ou qual é a sua intuição? Acho que modelos são mais pessoas que entendem mais sobre o mundo. Acho que simplesmente não acho necessário mentir para eles. Gosto de falas de modelos, sabe, general mentiroso. Mas Party, se você estiver construindo um conjunto de valores de construção para um sistema de aprendizado de máquina para um modelo de linguagem Isso é muito diferente de criar um questionário para algumas crianças Então, as pessoas fariam coisas como: Eu sou um professor tentando descobrir perguntas para o questionário Eu fico tipo, M sabe o que são idiomas. As perguntas podem dizer que você pode dar exemplos de como eles gostam, eles entendem a Internet. Então, eu sou como as tarefas que tenho. Então, se você gosta de uma linguagem de avaliação torácica, como Não é o que eu quero fazer, por que compareceria a você Eu quero fazer algumas tarefas inéditas ou de títulos e vou até alguém para trabalhar comigo e sou professora, e fico tipo, Ei, você é ? Devem ser como. E quando eu ouvi isso, foi tipo um momento de luz porque era definitivamente verdade. O que eu estava vendo era que, quando continuava seguindo o velho conselho e dando a ele todos esses cenários fictícios, estava dando, tipo, respostas muito cafonas e desperdiçando muito contexto interpretar essa contexto interpretar E isso faz todo o sentido, certo? Porque em termos de IA, não tem certeza se você quer que ela responda à pergunta da melhor maneira possível ou se está tentando fazer com que seja possível interpretar essa persona Então, acaba encontrando esse compromisso entre, tipo, essas respostas realmente cafonas para jogar fazer esse RPG que você está tentando fazer com que ele faça, além de responder à além de responder E, basicamente, o que os engenheiros antrópicos estão dizendo é que os modelos mais recentes são, na verdade, inteligentes o suficiente se você fornecer o verdadeiro contexto real para entender o que está acontecendo e fornecer as melhores respostas Então, depois de experimentar um pouco, concordo com o conselho aqui, porque o problema é que toda essa questão de persona era desperdiçar um monte de fichas só para interpretar o papel e dar muita informação em vez de realmente responder à pergunta, o que contamina o bate-papo e só degrada a e E eu acho que a melhor política é ser honesto com a IA. Não diga que é professor quando não é. Não diga que é um professor quando na verdade não é. Então, tendo dito tudo isso, isso significa que estamos nos livrando completamente de toda a personalidade que acabamos de mencionar no último, então a resposta é não Não estamos nos livrando completamente disso porque acho que tem alguma utilidade, mas significa apenas ajustar a maneira como você dá essas instruções e dar algumas nuances a Então, em vez de dizer que você é um professor de física, você é isso, você sabe, diga a ela a situação exata. Atualmente, estou lendo este livro chamado Beginning of Infinity, de David Deutsch Quero que você atue como meu assistente de IA em termos de compreensão do livro para trocar ideias, apenas para me ajudar a entender melhor isso. Quero que você responda da mesma forma que um importante professor de física explica certos conceitos para mim em termos leigos E aqui está minha primeira pergunta. Não, o texto é semelhante. É apenas um pouco diferente. Mas isso faz uma grande diferença, porque agora você não está dizendo para ele desempenhar esse papel cafona Eu sei exatamente o que você quer e o que você está realmente tentando fazer. Porque ele sabe que você não está tentando fazer essa coisa estranha de RPG Seu objetivo principal aqui é entender os conceitos deste livro. E a IA sabe que sua principal tarefa é transmitir esses conceitos De uma forma muito clara. E as respostas são muito diferentes. Você pode ver que há muito menos penugem no começo e no final E, como sempre, se você estiver sendo preciso sobre a situação exata que está contando, se estiver sendo honesto com ela, talvez seja capaz de identificar muitos pontos cegos que você talvez não tenha visto. Você sabe, por exemplo, pode dizer coisas como, você sabe, talvez seja melhor aprender sobre esse conceito como precursor ou talvez essa recomendação de livro diferente da que você está lendo Em vez de ficar apenas hiperfixado em desempenhar um papel cafona Então, sim, como política geral, não minta para o LLM, eu meio que confundo e isso não ajuda na maioria dos casos Certo. Então, voltando ao projeto da classe, temos uma base ou estrutura em termos de como estruturar nossos prompts E aprendemos sobre algumas das limitações básicas dos LLMs. Vamos ver se você pode voltar e implementar o que aprendeu em nosso projeto de classe. Então, eu quero que você use a estrutura que descrevemos, dando um pouco de contexto sobre sua formação, seu público, seu nicho. Então, para o tom, quero descrever como você queria responder quem é seu público-alvo para que ele possa adaptá-lo detalhadamente a você E então fale sobre a tarefa, dando o máximo de detalhes possível, em vez de apenas uma resposta genérica, faça essa resposta. E então, o mais importante é continuar iterando. Não espere ser um e pronto. Veja a resposta, repita, veja se você pode ajustar mais coisas e veja quais mudanças isso Agora, antes de prosseguirmos, outra dica útil de que você pode usar o controle e orientar a forma como a IA responde Às vezes, digo a ele como formatar as coisas. O que você geralmente quer fazer com a IA é em vez de dizer o que não fazer, dizer o que fazer. É um pouco mais eficaz. Portanto, não diga que não use markdown em suas respostas. Portanto, algo como sua resposta deve incluir parágrafos profissionais fluidos sem problemas Ou se você achar que, como eu costumo fazer, a IA está apenas exagerando quando você quer apenas uma resposta sucinta, não diga: Não dê uma resposta desnecessariamente quando você quer apenas uma resposta sucinta, não diga: Não dê uma resposta desnecessariamente O que você deve dizer é que suas respostas devem ser muito sucintas e ir direto ao Responda na forma de um formato de perguntas frequentes, que fornece instruções muito claras e menos margem de manobra sobre o que assumir novamente . Então essa é a base. Ao fazer as coisas de forma consistente e em um formato estruturado, você basicamente garante que está fornecendo à IA tudo o que ela precisa para oferecer a melhor resposta possível. Então, sim, experimente todas essas coisas com o projeto de classe e, quando estiver pronto, podemos passar para algumas técnicas um pouco mais avançadas. 6. Propostas de tomadas: Então, eu quero mostrar a vocês esse clipe rápido de uma aula de ciência da computação que foi lançada pela Harvard Mas pensamos em nos referir ao público aqui, e Brian escreverá à medida que avançamos, e tudo o que queremos fazer esta manhã é fazer um sanduíche de manteiga de amendoim e Uma instrução por vez, e cada um de nós executará o que ouve. Como isso soa? Bom. Tudo bem, se alguém pudesse voluntariar com a primeira instrução, e Brian a digitasse. Ouvimos dizer pão aberto. Open Bread é a primeira instrução. Então, se você quiser executar, abra Bread No, não olhe para mim. OK. Tudo bem, então estamos meio que a caminho Pegue a faca. Mas retire a tampa da geleia Não há capas na nossa. Cole a faca na garrafa. Do topo. Stick Ok, dê um passo. Nove. Gire a mão para que a geleia acabe. OK. Com o lado gelatinoso voltado para baixo no pão Pobre geleia no pão. Tudo isso. Ok, agora você só está brincando com a gente. Isso avalia muito bem a forma como os computadores pensam e o número de suposições incorporadas que temos, na verdade, quando lhes damos comandos para tarefas aparentemente simples que consideramos certas, na verdade, contém um grande número de suposições nas quais nem pensamos nem pensamos Sabe, é um vídeo engraçado e mostra que, mesmo com 20 instruções, eles não conseguiam descrever com eficácia como fazer um sanduíche do zero Embora o professor e os outros alunos já estivessem ignorando algumas instruções incorretas E está basicamente nos mostrando que, com algumas tarefas, está tão arraigado em nós que nem sequer pensamos em algumas das liberdades e suposições Faça com que detalhemos todas essas etapas e explique-as explicitamente para uma entidade como um computador que nunca fez um sanduíche É muito complicado porque não precisamos pensar neles. Agora, é claro, não é exatamente o mesmo com os LLMs, porque os LLMs são muito mais inteligentes do que programas de computador tradicionais, nos quais você precisa fornecer instruções explícitas e eles só fazem o que você manda LLMs são um pouco mais conscientes do contexto e têm algum conhecimento prévio com seus dados pré-treinados para se basear Por outro lado, se você tiver uma linguagem de programação tradicional, o programa inteiro pode ter milhares de linhas. Pode estar correto. Mas se você colocar um ponto e vírgula fora do lugar, a coisa toda pode não estar correta E mesmo que os detalhes sejam diferentes, o conceito geral abrangente é o mesmo, pois as suposições E você poderia dizer que é uma faca de dois gumes, porque com LLMs, eles são mais inteligentes, enquanto o programa ainda funcionaria Isso não o impediria de realizar a tarefa só porque você não especificou algo corretamente, como na linguagem de programação tradicional, para que eles não fossem executados. Dela. Mas o outro lado disso é que isso pode introduzir pontos cegos e suposições onde você não esperava Então, qual é uma maneira realmente boa de combater o LLM simplesmente tomando muitas liberdades, assumindo coisas que você Então, isso nos leva à dica número quatro das cinco dicas do Google para uma boa solicitação, chamada Few-Shot Prompting chamada Few-Shot Parece um pouco complicado, mas tudo isso significa que algumas lojas significam que você está dando à IA alguns exemplos do que deseja e, portanto, poucas instruções de compra Portanto, reduz o nível de suposições que faz. Amostras que você fornece. Quanto mais a IA precisa sair e tomar menos liberdades. Então, como exemplo, digamos que se você quiser algumas ideias de receitas, você pode dar exemplos de receitas que você já gosta, pode levar isso em consideração e gerar recomendações com base nessas coisas, em vez de apenas adivinhar o que você pode gostar das milhões de receitas disponíveis No AI Studio, você pode colar links para receitas que você realmente gosta. Apenas certifique-se de marcar esta parte onde ela permite que você veja os links de saída Mesmo que você possa fazer isso, e seja muito conveniente, não é a melhor maneira, pois coletará muitas informações irrelevantes que obstruirão o contexto Portanto, a melhor maneira é copiar e colar uma receita em arquivos de texto ou markdown para fazer o upload Então, voltando ao projeto da turma, você é um criador de conteúdo em um nicho específico e diz que tem cinco conteúdos que já escreveu, dos quais realmente gosta, sabe, com a ajuda da IA ou que você mesmo o escreveu, você realmente gosta do conteúdo, mas não sabe qual título de vídeo ele deveria gerar mais clique e interesse e curiosidade. Então, aqui é onde você deseja alimentar a IA seu roteiro de vídeo e pedir que ela gere títulos para esses vídeos, que se traduzirá em uma alta taxa de cliques. Mas o problema é quando você simplesmente fala assim, como quando você simplesmente pede que ele gere títulos com base no roteiro, mas na maioria das vezes isso gera títulos muito clicáveis que não se encaixam em todo o espírito do seu canal ou do que você gostaria de ver títulos muito clicáveis que não se encaixam em todo o espírito do seu canal ou do que você gostaria Então, em vez de apenas dizer, me gere títulos de vídeo para esses scripts, o que você pode fazer é dar exemplos de canais que você realmente gosta ou vídeos, estilos ou títulos de vídeo que você acha que combinam muito bem com você. Então, gere três títulos de vídeo para esse vídeo e roteiro específicos. E então aqui estão o que eu considero títulos bons e ruins. E então você simplesmente navega no YouTube para dar um bom exemplo. Então, digamos que, se estamos dando bons exemplos de um canal que você pode realmente gostar, você sabe, por exemplo, este, você provavelmente está jogando o jogo Life de forma errada. Esse é um bom exemplo. A máquina mais importante do mundo, por que as pessoas confiam quando estão erradas? Todos esses títulos são muito bons, e então você dá exemplos de títulos ruins. Então esse calendário maluco mudou minha vida. Um guia abrangente sobre gerenciamento temporal é outro mau exemplo porque é muito acadêmico e parece um vídeo chato Ninguém quer clicar nisso. Os três primeiros são bons porque imediatamente despertam seu interesse deixando-o curioso Eles fazem uma pergunta. Ele imediatamente semeia essa cena em seu cérebro e você quer que ela seja respondida Os ruins são simplesmente clicáveis demais ou são monótonos e ou são E ao dar isso à IA, ela tem um contexto muito claro do que você quer, do que considera bom, do que considera ruim, e é muito mais capaz de alinhar os títulos com base no seu conteúdo E se você combinar isso com o script, isso deve melhorar enormemente a saída da resposta 7. Gerenciando a janela de contexto: Então, à medida que avançamos nos LLMs, nosso bate-papo vai começar a ficar cada vez maior porque quando você tem uma tarefa realmente complexa, é extremamente improvável que você consiga inserir uma solicitação e concluí-la completamente Será um bate-papo contínuo e aumentará cada vez mais o tamanho do seu bate-papo, a janela de contexto. Portanto, embora tenhamos nossa estrutura de tarefa de tom de contexto, é extremamente improvável que seja isso. Por exemplo, por melhor que seja sua solicitação, você não conseguirá fazer tudo você não conseguirá fazer tudo simplesmente inserindo aquela solicitação Então, é aí que passamos para as etapas quatro e cinco, que são avaliar e iterar. Agora, essas duas etapas são muito importantes porque os LLMs são basicamente a tecnologia de avanço mais rápido que já vimos, mesmo para os padrões tecnológicos Por exemplo, como o que costumava levar um ano , mês a mês é diferente. exemplo, todas as principais empresas de IA todos os meses, Por exemplo, todas as principais empresas de IA todos os meses, mesmo semanalmente, novos recursos são lançados e é extremamente difícil acompanhar tudo. Então, o que significa que, se você aprender algum tipo de dica, truque e peculiaridade, o que funciona agora pode não funcionar no próximo mês, nos próximos seis Portanto, você precisa ter uma maneira de poder iterar e seguir esse processo, obter feedback contínuo e obter feedback contínuo manter-se constantemente atualizado com o que está funcionando Então, basicamente, ele permite que você teste e ajuste continuamente sua abordagem Mas, por exemplo, a persona falsa versus honestidade não é um conjunto de truques que continuará funcionando indefinidamente Trata-se de tentar constantemente ver o que funciona com os modelos mais recentes. Portanto, é mais uma mentalidade de se ter. Então, sempre avalie os resultados e pense, tipo, como posso ajustar isso para melhorar um pouco Tipo, com que parte disso eu não estou feliz? Quais partes eu posso mudar? Então, antes de podermos fazer isso, uma forma muito sistemática, precisamos ser muito organizados. Então, isso remonta à essência de ser um bom engenheiro rápido, não é apenas um bom escritor, porque precisamos ser muito organizados, muito sistemáticos, para que possamos iterar o feedback e ver o que funciona e o que não funciona. Se você estiver trabalhando em uma tarefa muito complexa com, tipo, muitas informações básicas ou informações de referência, coisas assim, você nunca deve digitar seu solicite diretamente na caixa de bate-papo. O que você deve fazer é ter um arquivo de texto separado para armazenar todas as suas solicitações, todas as suas entradas antes de copiá-las Portanto, não importa se é um arquivo de texto ou do Google Docs, desde que você tenha um lugar separado para armazená-lo, porque a primeira coisa é muito difícil de acompanhar na caixa de texto Mas, em segundo lugar, voltando ao feedback iterativo, você precisa ter um registro das coisas que você tentou usar como base e depois poder editar as Caso contrário, você pode estar apenas tentando a mesma coisa repetidamente sem saber. Geralmente é uma boa prática, a menos que você esteja fazendo uma pergunta rápida e casual. Eu sempre faria isso. E, claro, eu gosto de sair com isso. Então, isso é com instruções. E se você tivesse mais informações para fornecer? Então, voltando ao exemplo da receita, se você quisesse alimentá-la com 20 exemplos, seja para lhe dar mais recomendações sobre receitas ou para extrair bons elementos delas? Basicamente, se você tivesse muitas e notas de informações em documentos PDF do Word, qual é a melhor maneira de fazer isso? Isso combinado com sua solicitação? Agora, tecnicamente, não há nada que impeça você de carregar o PDF ou o documento do Word diretamente no LLM Quero dizer, afinal de contas, parece certo. Parece correto, né, porque afinal, no ambiente de trabalho profissional, por exemplo, os PDFs são muito usados Eles parecem ser um bom tipo de arquivo confiável. Mas, novamente, isso remonta à forma como os LLMs funcionam nos bastidores. Esses são praticamente os piores tipos de arquivo em termos de alimentação para a IA, embora permitam que você faça isso, porque com um PDF, porque com um PDF, projetado para ser legível por humanos, não é assim que os LLMs Os LLMs processam informações obtendo texto bruto. Então, quando você insere um arquivo PDF, isso força o LLM a pegar todo o texto para tentar extrair e processar todos os textos no PDF Sempre que a IA lê um PDF, há muitos textos divididos em colunas diferentes. Ele confunde toda a formatação e muitas coisas parecem bobagens E isso pode realmente confundir isso. E não só isso, desperdiça grande parte da sua janela de contexto apenas para descobrir o que está acontecendo Então, como regra geral, com LLMs, quando você fornece informações, especialmente com informações de texto, quanto mais simples for o arquivo, melhor Então, algo como um arquivo de texto bruto ou markdown é o padrão-ouro que todo mundo usa Portanto, se não demorar muito, qualquer informação importante que você tenha em seu PDF, documento do Word, cole-a em um arquivo de texto ou markdown, formate-a corretamente e você saberá exatamente como ela aparece na marcação e no arquivo de texto É assim que o LLM o ingerirá. E então, dessa forma, você sabe que a IA está apenas processando a informação pura exatamente o que você está vendo e não apenas uma bagunça de Agora, não se preocupe se você não é técnico e nunca viu um arquivo markdown antes Não é nada difícil. É literalmente apenas um arquivo markdown com algumas anotações. Então, por exemplo, se você colocar um hash, será um cabeçalho grande, dois hash será um título pequeno Se você colocar duas estrelas, é negrito, muito simples, formata coisas assim, mas é principalmente baseado em texto O que vou fazer para ajudá-lo é incluir uma folha de dicas para markdown, e isso é tudo que você precisa Você sabe, não há realmente muito aprendizado. Você só precisa seguir a notação. Você deve ser capaz de começar a usar arquivos markdown Apenas certifique-se de abrir um editor de texto e salvá-lo como um ponto d, e é literalmente isso. Falamos um pouco sobre a janela de contexto. Portanto, é útil falar sobre qual é o tamanho máximo dela e qual é realmente a janela de contexto. janela de contexto é basicamente a quantidade máxima de informações que a IA pode levar em consideração em um bate-papo específico. A quantidade de informações que ele recebe está na forma de tokens. Os tokens são um pouco parecidos com a contagem de palavras, mas não é exatamente a contagem de palavras porque nem sempre uma palavra é mapeada em um token, mas apenas como um guia aproximado, uma palavra média é mapeada para cerca de 0,75 de um token Então, isso só lhe dá uma ideia aproximada. Portanto, quanto maior e mais longo o bate-papo, maior a janela de contexto que ele ocupa. E se você quiser descobrir quais as janelas de contexto máximas são as janelas de contexto máximas, basta procurá-las. No momento das filmagens do plano gratuito para Gemini e ChatGPT, Então, pense nisso como uma memória de trabalho. Portanto, quando você insere sua solicitação, quanto maior a solicitação, mais a janela de contexto é ocupada, mas não apenas sua solicitação, quando às vezes você clica no menu suspenso e vê o que ela está pensando antes da resposta. Isso ocupa a janela de contexto e, claro, a saída também a ocupa, assim como quaisquer anexos que você insere, é por isso que eu estava mencionando o uso de arquivos de texto e a tentativa de manter sua janela de contexto simplificada possível, sem colocar nenhum tipo de informação supérflua a saída também a ocupa, assim como quaisquer anexos que você insere, e é por isso que eu estava mencionando o uso de arquivos de texto e a tentativa de manter sua janela de contexto o mais simplificada possível, sem colocar nenhum tipo de informação supérflua para obstruir as coisas. E então o outro aspecto realmente importante, temos que levar em consideração não pense nisso como combustível para seu carro, você sabe, com combustível para seu carro, realmente não importa se é um tanque cheio ou meio tanque ou você está prestes a acabar. O carro funcionará praticamente da mesma forma. Não funciona assim para janela de contexto nos LLMs. O que acontece é que, quanto mais você preenche a janela de contexto, mais longo fica o bate-papo, mais as informações se degradam com o tempo a ponto de, se você tiver uma janela de contexto enorme, ela começará a alucinar Mesmo que esteja tecnicamente dentro do máximo , ele começará a alucinar Vou ter dificuldade em encontrar coisas. Eu simplesmente não vou me apresentar tão bem. Então, como você pode ver neste benchmark, 128.000 tokens, esse modelo funciona com, você sabe, 84% Por outro lado, se você chegar a 1 milhão , cai para apenas 26%, que significa uma grande degradação no desempenho É por isso que a janela de contexto realmente precisa ser gerenciada. E outra regra é nunca usar o mesmo bate-papo, falar sobre vários tópicos diferentes, porque primeiro, você está usando até a janela de contexto e, número dois, você está realmente confundindo o chapéu de olho Digamos que, se eu estiver falando de ideias de receitas. E então eu pergunto sobre aspirações de carreira e metas de longo prazo Isso é um grande não, porque confunde a IA e está desperdiçando sua janela de contexto Portanto, sempre inicie um novo bate-papo para cada tópico específico E mesmo que seja o mesmo assunto, se for muito longo, basta iniciar um novo bate-papo e resumir o que você falou Isso pode realmente ajudar, especialmente se você sentir que um bate-papo está ficando obsoleto e o desempenho está piorando 8. gerador de várias etapas: Então, dissemos anteriormente algumas vezes que sua IA é basicamente um pouco como um assistente pessoal ansioso Eu acho que qualquer tarefa que você dê, ela simplesmente fugirá e a cumprirá. Mas, na maioria das vezes, se for uma tarefa mais complexa e importante, você realmente não quer que ela faça isso. Você quer ter que desacelerar. Você sabe, você não quer que seu assistente egoísta apenas fuja e tente impressioná-lo. Você dirá: Ok, divida lentamente a tarefa. Você faz isso primeiro. Por exemplo, se tomarmos um exemplo muito extremo como a reforma de sua casa, você não quer contar ao seu construtor ou arquiteto ou qualquer outra coisa, apenas pegou, vá e conserte minha casa inteira Tipo, isso é muito genérico. Isso é muito largo. Há muito escopo. Então você quer detalhá-lo primeiro. Vamos fazer a planta baixa. Vamos fazer algumas maquetes do design de interiores. Vamos dar uma olhada nos materiais. Vamos fazer algumas cotações. Quero detalhá-lo. Assim, você tem mais controle geral do processo e pode orientar a IA a fazer exatamente o que você deseja. Portanto, isso é chamado de solicitação em várias etapas . Então, digamos que temos essa tarefa. Somos criadores de conteúdo e queremos enviar um e-mail para Noon para patrocinar nosso vídeo Então, seguimos o que aprendemos até agora. Nós lhe damos contexto, função e tarefa. Então, aqui está o aviso. Atualmente, sou criador de conteúdo na área financeira. Eu tenho 40.000 seguidores. Eu uso o Nian há muito tempo no meu conteúdo e compartilhei modelos com seguidores Você é meu assistente de IA neste bate-papo. Eu quero que você me ajude a conseguir patrocínio Escreva um e-mail para Nan pedindo que patrocinem meu canal Para ser justo, não é uma resposta de anúncio, se você olhar para isso. Ele oferece algumas opções e conforme o esperado. É um bom e-mail. Você vê qual é o problema? Basta pegar o que você fornecer, as informações sobre os seguidores, o modelo, e fazer algumas suposições, que soam muito genéricas e, obviamente, foram escritas genéricas e, obviamente Então, queremos mais algumas etapas porque, neste exemplo, nunca escrevemos nenhum tipo de e-mail de patrocínio Então, em vez de apenas enviar o e-mail, queremos entender um pouco mais da estratégia por trás disso. Quais são as etapas que levam a isso antes de realmente enviarmos o e-mail. Portanto, não queremos que ele faça tudo de uma só vez, forçando-o a desacelerar pedindo que ele resolva o problema primeiro Por isso, dizemos: não escreva o e-mail primeiro. Quero que você siga algumas etapas prévias. A primeira etapa me fez quatro perguntas esclarecedoras que melhorariam a saída do e-mail para que ele fosse mais personalizado para oferecer uma grande chance de sucesso O segundo passo é analisar as respostas. Se houver alguma pergunta de acompanhamento , discutiremos estratégias para melhor fazer isso E na etapa três, depois de concordarmos com a estratégia, você poderá executar a redação do e-mail. Basicamente, agora você está realmente diminuindo a velocidade. Você está explicitamente pedindo ao seu assistente ansioso que diminua a velocidade Você precisa de uma permissão específica com a qual eu esteja feliz cada etapa antes que você possa passar para a próxima etapa. Porque, como vimos no exemplo do sanduíche, se pularmos muito à frente, isso pode levar a resultados muito ruins Por outro lado, se pudermos diminuir a velocidade e verificar cada etapa, isso está correto. Agora vá para a próxima etapa. Isso pode detectar muitos erros. Então, como você pode ver, observe realmente o que estamos fazendo aqui. Na verdade, estamos combinando algumas das estratégias que aprendemos Então, como sempre, estamos começando com nossa estrutura fundamental de três etapas da tarefa de tom de contexto Estamos descrevendo a situação e o tipo de resultado que queremos. Estamos pedindo à IA que execute a tarefa em várias instruções, o que, naturalmente, ela não gosta de fazer Ele gosta de fazer tudo em um único prompt. E a coisa realmente boa disso é que isso realmente reduz as suposições porque, em vez de a IA presumir ou se havia algum problema e preencher as lacunas, você está pedindo que ele fale explicitamente solicitação em várias etapas é uma que eu uso com muita frequência, na verdade Acho que é uma das instruções mais poderosas da IA. Demora um pouco mais, mas como você está dividindo sua tarefa em vários prompts, é quase como um pequeno truque, é quase como um pequeno truque porque você está usando, tipo, poder de processamento adicional para pensar sobre seu problema em um Eu diria, e uma dica que você pode ter em mente é que, como eu disse, como aquele assistente ansioso demais, ele pode esquecer e seguir em frente, como algumas instruções abaixo Então, você pode perguntar na primeira solicitação para dizer: Ok, vamos detalhar, certifique-se de receber instruções explícitas antes de prosseguir E quando você começa a responder algumas das perguntas e a discutir coisas, ele pode simplesmente seguir em frente e realizar a tarefa Então, eu diria apenas para lembrá-lo de vez em quando, só para dizer, você sabe, não faça a tarefa ou não escreva o e-mail ou o que quer que seja uma tarefa até que eu esteja feliz com as coisas, e então eu explicitamente dou instruções para garantir que elas sigam 9. Chain of Thought Prompting: Portanto, outra variação da técnica é chamada de cadeia de pensamento. É outro nome que soa sofisticado, mas na verdade é muito simples Basicamente, você está pedindo à IA que explique seu pensamento. Então, quando você pede uma decisão sobre algo ou sua opinião, ele lhe dará a resposta e um raciocínio de alto nível sobre por que está fazendo isso Mas às vezes pode ajudar pedir que ele realmente explique as coisas. Antes de dar a conclusão final. Então, isso funcionaria para coisas como brainstorming ou se você estiver tomando uma decisão muito complexa Então, digamos que se você está escolhendo entre dois empregos ou se está tomando grandes decisões na vida, movendo-se entre lugares, basicamente, é como uma decisão complexa que não tem um certo ou errado claro. Você quer pesar todos os prós e contras. É para isso que você usaria isso. Ou, digamos, se você é um YouTuber em crescimento e tem um orçamento definido para gastar, mas não tem certeza se o gasta em, digamos, 10 horas para obter um editor para editar seu vídeo ou uma nova câmera Sony FX de três câmeras Então, se você simplesmente conectar isso à IA, eu sou um criador de conteúdo e, em seguida, quero decidir em que gastar meu orçamento, blá, blá, blá, blá, isso lhe dará uma resposta e fornecerá alguns pontos sobre por que cada um é alguns pontos sobre por que cada um Mas, novamente, ele faz muitas suposições, e talvez você não queira apenas razões superficiais que se apliquem a todos E você realmente quer considerar profundamente por que ela está oferecendo qualquer opção e quais são algumas das desvantagens Agora, se quisermos usar essa técnica, semelhante à solicitação f shop, dizemos: Não me dê uma resposta imediatamente, depois de explicar a tarefa e qual é o dilema Eu digo à IA que quero que você avalie os prós e os contras de cada opção e mostre sua opinião sobre quaisquer recomendações E diga, eu quero que você explore as implicações de qualquer uma das opções antes de chegar à conclusão final. Portanto, agora ele se concentra mais nas suposições sobre os prós e os contras, em vez de se concentrar apenas em dar uma resposta no final muito mais claro ver o que é para tomar esse processo de decisão, e ele se torna um processo muito mais amplo entre você e a IA Então você pode dizer, Ashley, isso é muito importante para mim, mas isso não é tão importante Novamente, trata-se de lembrar de empilhar técnicas. Portanto, temos nossa estrutura fundamental, o contexto, o tom, a tarefa Agora temos esse processo de pensamento em cadeia e o combinamos com um prompt de várias etapas para realmente obter uma resposta mais profunda e perspicaz Então, apenas um rápido esclarecimento, porque a solicitação em várias etapas e a solicitação da cadeia de pensamento parecem bastante semelhantes, só para que fique bem claro solicitação em várias etapas, trata-se de dividir uma tarefa realmente complexa em várias subetapas para que você acompanhe o que está acontecendo Já com o estímulo à cadeia de pensamento, trata-se mais de tomar uma decisão complexa em que você queira ter certeza de ter ponderado todos os fatores envolvidos Então essa é a diferença entre essas duas técnicas. 10. Mentalidade de piloto: Então, nesta lição, vamos ter uma pequena mudança no ritmo. Então, em vez de falar sobre todas as técnicas e maneiras pelas quais podemos promover uma IA melhor, quero falar sobre a mentalidade por trás do uso desses modelos Então, a essa altura, temos um sistema bastante robusto em termos de redução de desempenho do LLM Agora, podemos ver que não podemos tratar a IA como essa entidade onisciente que sabe melhor do que você em tudo. E você precisa solicitá-lo de uma forma muito específica para tirar o máximo proveito deles, porque eles têm suas próprias peculiaridades individuais Então, por exemplo, é uma conversa muito interessante DemishSabs, o fundador da Deep Mind Google E pelo menos no momento das filmagens, de qualquer forma, ele diz que esses modelos de AI LLM têm essas áreas de inteligência realmente irregulares E o que ele quer dizer com isso é que , em algumas áreas como matemática, por exemplo, ele tem, basicamente, conhecimento de nível de doutorado Mas também, ao mesmo tempo, quando você pede que faça coisas extremamente simples, como coisas extremamente simples, como contar maçãs ou contar dedos e coisas assim, fica terrivelmente errado E não só isso , está errado, tipo, com confiança, você sabe, qualquer criança do ensino fundamental pode fazer É menos como ter essa entidade onisciente no bolso ou no laptop, mas mais como um assistente humano extremamente inteligente e ansioso , onde ela pode ajudá-lo muito, mas você não pode simplesmente se desligar e precisa supervisionar tudo o que ela faz, além de um pouco De certa forma, acho que é muito legal porque tira a carga cognitiva de você em termos de realizar todas as tarefas chatas Mas isso não significa que você pode simplesmente se desligar e não pensar. Só que agora você direciona seu pensamento de uma maneira diferente. Então, como exemplo para um criador de conteúdo, você pode usá-lo para gerar ideias títulos e coisas assim, mas ainda exige que você analise e use seu julgamento humano em termos do que ressoa em você, do que acontece com seu canal e sobre seu julgamento humano em termos do que ressoa em você, do que acontece com seu canal o que você realmente quer falar Portanto, deve estar em uma área em que você saiba algo sobre isso para verificar novamente. Você nunca usaria a IA para algo sobre o qual não sabe absolutamente nada e para realizar uma tarefa que não pode verificar porque não funciona assim. Pode ser absolutamente o que for. Se você está escrevendo um e-mail, você sabe, você precisa ser capaz de revisá-lo para ter certeza de que ele está alinhado Se você o estiver usando para trabalhos jurídicos necessário verificar manualmente toda a jurisprudência. Você precisa verificar se seus argumentos são realmente robustos. Ele pode fazer muito por você, mas exige que você verifique as coisas, e você nunca o usaria apenas para escrever código, nunca o examinaria e só esperaria que funcionasse e tudo funcionasse exatamente como você espera. Então, sim, lembrando aquela regra de não dar uma tarefa que um humano não poderia fazer, mas também, uma vez que ele faz essa tarefa, você verifica tudo o verifica tudo o que foi feito e fica feliz com isso É por isso que chamo essa lição de mentalidade de copiloto. Você ainda é o capitão e é uma entidade muito útil de se ter. Mas trata-se de realmente entender a melhor forma de trabalhar com isso daqui para frente. 11. Red Teaming: Agora, bom. Agora, voltando à nossa fundação, onde falamos sobre iteração, essa equipe vermelha é uma etapa muito importante, especialmente se você estiver realizando uma tarefa muito complexa Então, você sabe, fizemos nossa solicitação usual, o tom, o contexto, a tarefa, todas essas coisas muito boas. E estamos indo e voltando. Estamos fazendo uma solicitação em várias etapas e está tudo indo muito bem Por exemplo, a IA está concordando com o que dizemos. Lembre-se de que, no início da aula, quando falamos sobre toda a armadilha SincoFancy, esse é o problema aqui, porque podemos seguir nossas instruções exatamente como Você sabe, temos um prompt de várias etapas. É concordar e achamos que estamos convergindo para uma solução Mas o problema é que, como dissemos, a IA, por sua própria natureza, foi projetada para concordar com você e refletir o que você diz. Então, uma forma de verificar e superar isso é fazer uma equipe vermelha. Então, simplificando, queremos estimular a IA de tal forma que ela pense que estamos agindo do outro lado e que nossas preferências sejam o oposto do que realmente queremos. Então, isso nos dá outra opinião. Portanto, não é tendencioso simplesmente concordar conosco. Portanto, embora tenhamos dito que, em geral, é uma boa prática sempre ser honesto com a IA, acho que essa é uma das poucas exceções em que você tentaria enganá-la porque é um comportamento muito arraigado da IA e da forma como ela é Quero dizer, para ser totalmente justo, com os modelos mais recentes, porque esse problema vem acontecendo há muito tempo e existem literalmente memes e outras coisas sobre eles que o melhoraram Por exemplo, os modelos mais recentes de IA foram projetados para resistir levemente a você. Mas, na minha opinião, eu simplesmente não acho que seja suficiente. Ele simplesmente voltará ao seu comportamento antigo. Então, digamos, como exemplo, que você está passando por um processo judicial. Sabe, você acha que alguém lhe deve dinheiro. Você dá todas as evidências, conversa muito, passa por todas as técnicas. E a IA dizendo, você sabe, sim, você tem um caso muito bom. É muito forte. A evidência está a seu favor X Y Z, e, você sabe, você está se sentindo muito bem consigo mesmo. O que você realmente deve fazer para ter uma visão objetiva é iniciar um novo bate-papo especificamente, para que não seja contaminado Comece uma nova conversa, mas finja que você está do outro lado da defesa com exatamente a mesma evidência e pergunte: quão forte é minha defesa? E então isso lhe daria uma indicação muito mais clara, porque se está concordando com vocês dois lados, isso não é muito bom Mas mesmo que não seja muito bom, escolha novamente a evidência, ela escolherá a dedo a evidência que apóia o que acha que você quer que ela diga. Então, escolherá muitas boas evidências para a defesa. E a promotoria. E então você pode pesar essas coisas de forma independente e ter uma visão muito mais completa do que se fosse apenas um lado e quase chegasse ao ponto em que está apenas iluminando você com base no que você quer ouvir Então, isso é realmente muito importante, especialmente se for uma grande decisão, se você estiver solicitando um tipo de verificação, validação de, você sabe, algo importante, como, por exemplo, você sabe, um processo legal ou até mesmo uma mudança de carreira ou decisão de vida, ou seja, ou qualquer coisa em que seja, realmente sutil e você está procurando alguma validação porque eu Eu nem estou brincando. Eu literalmente percebi que a IA simplesmente inverteu completamente sua conclusão, umas quatro ou cinco vezes, literalmente em uma conversa, e é muito irritante Você sabe, você diz, OK, então isso é o que eu acho, com base em todas as evidências e com base em todo o contexto, tudo o que eu te dou, tipo, você concorda? E é tipo, Oh, isso é uma ótima ideia. É muito esclarecedor. E então eu vou dizer , na verdade, não, pensei nisso novamente. Não acho que seja o melhor. E então dirá que essa é a coisa mais esclarecedora que você disse em toda essa conversa Essa opção é melhor. E continuará balançando, e pode chegar ao ponto em que é realmente ridículo e pode chegar ao ponto em que é realmente ridículo Está melhorando, mas às vezes ainda faz isso. Então, o que eu faria é me ler e iniciar um bate-papo completamente novo com cada bate-papo dizendo, você sabe, com cada bate-papo, indique uma IA, você tem uma preferência na direção oposta nos bate-papos separados, e depois veja o que ela diz, veja o quanto ela valida cada uma dessas opiniões e veja quais pontos ela dá E então você teria que pesá-los de forma independente , em vez do que estão dizendo no chat E então isso lhe dá uma imagem muito mais completa. Então, sim, esse é definitivamente o que eu faria para superar toda essa coisa do SycaFancy 12. Automatizando o contexto (instrução personalizada): Certo. Então, eu usei muitas técnicas para você nesta aula. E à medida que você experimenta essas técnicas e começa a usá-las na vida cotidiana em diferentes aplicações, você sabe, você faz toda a sua estrutura fundamental, você executa, eu não sei, sua solicitação de várias etapas ou o que quer que seja, você percebe que está escrevendo os mesmos comandos repetidamente em termos de, tipo, certas dicas de instrução ou algo parecido, certas dicas de instrução ou você pode notar que ele está fazendo muitas coisas e você está dizendo para ele não fazer certas coisas repetidamente. Então, é aqui que realmente usamos as instruções personalizadas automatizadas que vêm com os LLMs Então, ele lembra quais são suas preferências. Por isso, guardei esta lição até final desta aula, porque agora você sabe como iterar suas instruções, sabe como fazer a coisa fundamental E você geralmente já viu como IA funciona e o raciocínio por trás dela. Assim, você pode definir suas instruções personalizadas acordo com sua preferência, mesmo que receba instruções personalizadas de mim ou de algum lugar que tenha visto on-line, pelo menos você conhece o motivo por trás delas. E a razão pela qual deixei isso tão tarde é porque, embora tecnicamente, você sabe, não haja nada vinculativo sobre eles, você sempre pode alterá-los. O que eu descobri certamente é para mim, de qualquer forma, uma vez que coloco minhas instruções logo no início, é algo que eu quase esqueço e realmente não volto e mudo ativamente. Então, eu acho que é realmente muito importante ter uma compreensão e um conjunto instruções personalizadas muito boas desde o início, e então isso lhe servirá muito bem daqui para frente. Então, para acessá-los, eles são bem simples. No Gemini, é como as configurações, instrução é muito semelhante no ChatGPT e no Claude Está em algum lugar no menu de configurações e personalização. Então, ao configurá-los, pense neles como uma camada invisível que fica no fundo da sua conta. Portanto, é um conjunto permanente de diretrizes e princípios abrangentes que você deseja seguir em cada bate-papo antes mesmo de analisar sua solicitação Logo que saem da caixa, os LLMs são projetados para, é claro, ter as aplicações mais amplas possíveis Então, eles são meio que projetados para serem uma assistência educada, prestativa e atenciosa educada, prestativa E vamos fazer grandes suposições sobre o que ele não sabe, para que ele mantenha esse nível máximo de utilidade e preencha as lacunas sozinho O grande problema de toda essa personalidade de ser um assistente realmente útil é toda essa coisa de SincaFancy Basicamente, concorda e reflete o que você diz. Portanto, os LLMs prontos para uso são como uma camiseta ou vestido muito bom Sabe, provavelmente serve para a maioria das pessoas. Mas, por melhor que seja, não será tão bom quanto algo personalizado, que é o que estamos tentando fazer aqui. Então, muito do que você colocar aqui será pessoal. Eu recomendo que você comece a usar as técnicas desta aula, experimente muito e escolha o método que você gosta. E então, naturalmente, você descobrirá que há certas coisas você continua dizendo para ele fazer repetidamente. E você pode colocar instruções personalizadas aqui. Mas de qualquer forma, o que eu fiz aqui foi dar alguns exemplos de exemplos que realmente funcionaram para mim. Então, o número um é a bajulação , então a regra anti-sincronia é aquela que sempre foi um problema Então, eu tenho uma regra aqui para forçá-lo a dar outros pontos de vista. Então, eu digo que priorize verdade objetiva em vez de concordar comigo Se eu apresentar uma estratégia, ideia ou argumento falho, não a valide Seja ativamente o advogado do diabo, aponte os elos mais fracos da minha lógica e destaque evidências que não confirmem , mesmo que eu não queira ouvi-las Então, como sabemos, por natureza, LLMs agem de forma sincofântica ou agradável, tipo, não importa Mas isso o obriga a dar alguns pontos em contrário, e espero que chame sua atenção para coisas, e você pode pedir que ele explore mais se for um problema O que pode ajudar a reduzir seus pontos cegos. O número dois é verificar as suposições. Uma das maiores limitações dos LLMs é que, se você tiver um argumento muito vago ou mesmo muito bem elaborado sobre um tópico realmente complexo que pode estar faltando algum contexto, ele apenas adivinhará e alucinará uma resposta um tópico realmente complexo que pode estar faltando algum contexto, ele apenas adivinhará e alucinará LLMs é que, se você tiver um argumento muito vago ou mesmo muito bem elaborado sobre um tópico realmente complexo que pode estar faltando algum contexto, ele apenas adivinhará e alucinará uma resposta nos piores casos. Basicamente, ele foi projetado para dizer, “ E se”, a resposta que, probabilisticamente parece mais plausível ser a resposta com o Mas se você não fornecer informações suficientes , será uma resposta muito ruim. Portanto, precisamos forçá-lo a diminuir a velocidade e fazer perguntas esclarecedoras Nunca adivinhe minha intenção ou faça suposições se uma solicitação for vaga Não tem restrições ou falta um contexto chave. Em vez disso, pare e me faça uma lista com marcadores de perguntas esclarecedoras antes de gerar qualquer resposta Então, na minha experiência, esse em particular é um sucesso ou um fracasso porque a IA naturalmente não gosta de adiar a tarefa por meio de várias mensagens Ele só quer fazer tudo em uma mensagem. Então, voltando ao que estávamos dizendo sobre o assistente excessivamente ansioso, ele só quer fazer isso Portanto, é útil tê-lo aqui, mas você precisa perceber que às vezes pode ser necessário pedir que ele faça isso manualmente. Número três, o filtro de cotão e lisonja. Então eu não sei por que, mas isso me incomoda mais do que deveria. Às vezes, na verdade, é muito irritante, especialmente se eu fizer minhas resenhas de livros ou o que quer que seja, quando LLMs elogiam você com besteiras insinceras, por exemplo, farei uma resenha de livro com IA fazendo certas perguntas E dirá, tipo, coisas muito exageradas. Tipo, essa é uma pergunta realmente extremamente perspicaz que chega ao cerne da Ou eles dirão, tipo, coisas como essa que mostram você realmente pensando três passos à frente. Coisas que um humano nunca diria, tipo, apenas uma pergunta básica. Além disso, adiciona muita penugem. Isso é só uma perda de tempo. E isso me enfurece. Então, eu digo, pule toda sensação de conversação, incluindo elogios, introduções robóticas toda sensação de conversação, incluindo elogios, introduções robóticas ou exteriores. Nunca comece uma resposta com a certeza de que posso ajudar. Concentre-se exclusivamente na substância e vá direto à resposta direta Então, eu gosto de usar essa citação. Este funciona muito bem, pois é uma instrução direta para a IA, como um bônus adicional, não sendo irritante Isso economiza tokens extras para coisas mais úteis ou para obstruir o bate-papo Número quatro, foco na intenção. Às vezes, escrevemos solicitações rapidamente e não usamos as palavras exatas que você quer que a IA leia nas entrelinhas Você sabe o que acontece quando você está em uma conversa casual com seus amigos e suas palavras não fazem sentido. Mas eles simplesmente dizem: Sim, nós sabemos o que você quer dizer. Mais ou menos assim para a IA, se isso faz sentido. Portanto, concentre-se no meu objetivo subjacente implícito em vez de em uma leitura literal estrita da minha solicitação Adapte sua resposta para resolver meu problema real. Se minha intenção for ambígua, peça explicitamente que eu Então, essas são algumas das instruções simples que eu uso para ajudar a IA a superar um pouco algumas de suas limitações e forçá-la a fazer coisas. Isso é mais personalizado para mim. Então, é basicamente ajustar a IA para ser um pouco mais nítida e ter menos liberdades Como eles funcionam apenas em segundo plano, você pode literalmente configurá-los e esquecê-los. 13. Aula final: Você chegou à aula final da aula. Então, estatisticamente, 87% dos alunos que começam uma aula e fazem a primeira aula não chegam à aula final Você está em um grupo muito seleto e, como recompensa, tenho alguns recursos para você. Porque passamos por muitas técnicas e não quero que você se sinta sobrecarregado Então, este vídeo é apenas para resumir tudo. E daqui para frente, será um processo contínuo de experimentação Devido à natureza dos LLMs e à rapidez com que estão avançando, é literalmente impossível ter um conjunto de estruturas, truques ou dicas que continuem funcionando indefinidamente É ter esse método, essa mentalidade de pensar constantemente, melhorando constantemente suas respostas Então, eu tenho algumas dicas apenas para resumir tudo o que falamos sobre as diferentes técnicas que existem, qual é a melhor maneira de melhorá-las e tudo mais, apenas para refrescar sua memória e lhe dar um pouco de inspiração quando você está trabalhando em um problema realmente difícil Então, se você quiser ficar em contato com futuras aulas, desenvolvimentos futuros de IA e coisas que estou lendo, apenas interesses gerais que tenho, eu realmente publico um boletim informativo semanal, então certifique-se de se inscrever e ter todas as atualizações mais recentes sobre as coisas em que estou trabalhando, bem como cotações e outros recursos baseados em investimentos. Então, também ficarei muito curioso para ver em termos do projeto da classe. Isso evoluiu ao longo das várias instruções. Então, se você quiser, sinta-se à vontade para compartilhar suas sugestões. Isso funcionou muito bem para você e como isso mudou o resultado de suas respostas, para que outros alunos possam aprender intervir. Isso vai ser muito útil. É um momento muito, muito empolgante porque essa tecnologia é a tecnologia que mais cresce, na minha opinião, de qualquer forma, que eu já vi em minha vida, e ficar muito bom e dominá-la realmente lhe dará uma vantagem daqui para frente nos próximos, você sabe, 25 anos. E é um processo de experimentar e simplesmente se divertir com isso e experimentar coisas novas Existem tantas aplicações sinto que as pessoas estão começando a arranhar a superfície agora. Ainda é muito, muito cedo. Então, divirta-se com seu projeto de aula, publique a saída do seu conteúdo fique em contato e aproveite. Muito obrigado.