La masterclass complète sur l'ingénierie des prompts d'IA | Apprendre du niveau de base au niveau avancé

1. Introdução ao curso de engenharia rápida: Oi. Bem-vindo ao rápido curso de domínio em engenharia Eu, Shake Sepul e eu somos um engenheiro rápido com um ano de experiência Também trabalhei na empresa SOD AI para o cliente Outlaer como engenheiro rápido e também sou Neste curso, aprenderemos o que é realmente engenharia rápida. OK. Então, como sabemos, esta é a nova era da IA em que vemos que existem muito mais modelos de IA, como ChagptGroq AI , Cloud gem.ai, deep Sik, assim como esses Há muito mais modelos de IA no futuro ou agora. Neste mural de IA, precisamos saber como usar esses padrões imediatos de engenharia para LLMs Como podemos tirar o máximo proveito do EI, como obter o melhor resultado do EI. Para isso, podemos usar essa habilidade de engenharia rápida. Como sabemos, os modelos de IA usarão todos os setores os usarão no futuro ou agora, porque é muito importante para nós , porque no caso da automação ou da obtenção do conteúdo dela, todos os modelos de IA treinados por diferentes grupos de dados são treinados por grandes quantidades de dados nos quais podemos economizar tempo Então, neste caso, no futuro ou agora, todos os setores, como educação, marketing, negócios, todas essas empresas ou setores estão procurando transformar toda a organização com IA, pois esses modelos ALLL podem ajudar Para isso, precisamos saber como usar esses modelos de IA de maneira eficaz para obter o melhor resultado da IA, mas que essa habilidade de engenharia imediata entre em cena. Espero que você entenda esses pontos. Mas, portanto, precisamos saber como usar essa habilidade rápida de engenharia em nossa vida diária e profissional porque os modelos de IA estão em toda parte. Então, para isso. Neste curso específico, vamos explorar nove modelos diferentes de IA, como HAGPT gem.ai, Cloud purples.ai, Microsoft Copt deep Sik Krog in chat AI e mist AI Além disso, veremos o que é realmente engenharia rápida, mas também passaremos do básico ao avançado. Explicaremos e eu explicarei nossos componentes básicos do prompt, como escrever os prompts, qual é a fórmula real para escrever o melhor prompt Exploraremos mais de dez padrões de baile diferentes, padrões baile de nível avançado nos quais você também pode usar esses padrões específicos para automatizar bate-papo no chat Você pode escrever aqui e fazer o que quiser. Há mais curiosidade. Você pode ver isso, todas essas coisas nas próximas aulas e sessões. Estou muito animado para compartilhar meus aprendizados minha experiência com você neste curso como engenheiro rápido Além disso, também exploraremos como usar esses nove modelos diferentes de IA para escrever as melhores instruções de IA para nós Ok, não apenas para escrever o conteúdo, cópias de e-mail, todas essas coisas, também podemos usar esses padrões de solicitação, modelos AI LLM, para escrever a melhor solicitação para nós Isso é muito interessante. Também exploraremos essas coisas e exploraremos ChagPT em profundidade com a plataforma aberta de EI, o playground que temos, e exploraremos algumas oportunidades como engenheiro rápido, o que temos após este curso, como podemos encontrar empregos para ele, financiar projetos, fazer shows ou muito mais Depois deste curso, você também pode explicar qual é o papel do engenheiro rápido na geração de IA, a escala futura e todas essas coisas neste curso. Este curso vai ser incrível porque depois desse curso, você desbloqueará sua mente conversando com EI. Não estou apenas instruindo você a escrever instruções para casos de uso , mas também estou revelando a criatividade, o efeito ou o potencial dos módulos de IA nos quais eles podem ajudá-lo a Isso é simples. O objetivo principal deste curso é a linha de estatísticas Além disso, este curso é feito com base nas habilidades exigidas pela empresa para usar uma engenharia rápida. Não é um pouco técnico, mas usando os modelos de IA. Cada setor ou empresa está procurando engenheiros rápidos que tenham seu conjunto de habilidades específicas, como criar as melhores instruções para diferentes modelos de AILM e avaliar a saída dos modelos de IA, testar e analisar como podemos ver se devem gerar a melhor saída de EI para uma tarefa específica: testar, avaliar a engenheiros rápidos que tenham seu conjunto de habilidades específicas, como criar as melhores instruções para diferentes modelos de AILM e avaliar a saída dos modelos de IA, testar e analisar como podemos ver se devem gerar a melhor saída de EI para uma tarefa específica: testar, avaliar a saída e verificar qual LLM ajudará a resolver a tarefa específica de avaliar a produção e todas essas coisas Eu expliquei todas essas coisas neste curso específico, passo a passo, como escrever os melhores proms para casos de uso em diferentes LLMs, como testar TODOS os módulos Eu expliquei todas essas coisas nove modelos diferentes de IA com casos de uso, como testar cada um dos modelos de LLM Para escolher a tarefa específica LLM para nossa tarefa específica Também expliquei diferentes recursos e funcionalidades de nove modelos de LLM. Além disso, eu também explico muito mais. Quero compartilhar muito mais coisas com você, mas criei este curso. Depois deste curso, confie em mim, você terá as mãos e a experiência nisso. Portanto, para cada modelo, este curso é dividido em seis modelos. Para cada modelo, você receberá os recursos e a avaliação. Depois de todo esse curso, você receberá o curso completo em documentos, no qual posso escrever , passo a passo, tudo o que eu explico nesses vídeos. Você pode obter acesso após este curso ou no último. Isso está em todo o curso. OK. Há muito mais para compartilhar com você, mas você pode assistir às próximas sessões e aulas, para esclarecer isso. Espero que você entenda esse curso, meus pontos, não só isso, lembre-se de uma coisa. Lembre-se de uma coisa. Eu expliquei lentamente em todos os vídeos. Até mesmo o iniciante também pode entender tudo. Então, para isso. Se você já conhece engenharia rápida, se está confortável, pode alterar sua velocidade para dois X, como no passado, ou para uma melhor compreensão. Espero que você entenda esses pontos. Acompanhe cada vídeo, não pule tudo Além disso, após este curso, você receberá o documento completo do curso no qual poderá obter os insights, o que expliquei nos vídeos, todas essas coisas. Neste documento do curso, você obterá todo o conhecimento básico para avançar. Boa explicação com exemplos, insights, ótimo. Eu também expliquei todas essas coisas neste documento. Para sua referência, você pode conferir depois de ver os vídeos. Está bem? Então, basicamente , esses cursos foram divididos em seis modelos nos quais você pode obter os recursos e as tarefas para cada modelo OK. Depois disso, após concluir todos os vídeos gravados deste curso, você também receberá o projeto final. Você terá acesso a este documento específico aqui que está procurando aqui. OK. Então, espero que você entenda esses pontos. Portanto, certifique-se de obter este documento após os vídeos gravados para melhor compreensão. Não seja isso. Eu me lembro de uma coisa. Este curso e o projeto final deste curso específico de engenharia rápida foram elaborados com base nos requisitos da empresa. Basicamente, este curso é criado com base nos requisitos da empresa, requisitos de trabalho como engenheiro rápido. Depois de seguir perfeitamente todos os palestrantes e praticar bem, tenho certeza seguir perfeitamente todos os palestrantes e praticar de que você está pronto para se candidatar às vagas na I Prompt Engineering Sem uma parte técnica. Em seguida, escrevendo o formulário de solicitações Espero que você entenda esses pontos. Depois de concluir todos os vídeos gravados, consulte o projeto final e pratique com ele para diferentes aplicações. Por favor, siga todas as etapas que eu dei. Essas etapas que fornecem essas etapas são baseadas nos requisitos da empresa. Se você praticar bem todas essas etapas e concluir esse projeto final, entenderá melhor como redigir as melhores instruções , avaliá-las compará-las e otimizá-las Todas essas coisas neste curso em particular. Espero que você entenda todos esses pontos, boa sorte. Vá a cada professor, pratique bem e, por favor, cumpra todas as tarefas e também receba ajuda com os recursos e com o documento completo do curso Vamos começar com o modelo número um, que é uma introdução à engenharia rápida. Vamos mergulhar nisso. 2. 1.1 O que é engenharia de impulso?: Ok. O que é a engenharia rápida , por que ela é importante e quais são as aplicações dela? Vamos ver esse modelo um. Muitas pessoas, se você é iniciante, se não conhece engenharia rápida, abordaremos esses tópicos neste modelo e passaremos do início às definições e tudo mais, se você tiver alguma ideia, é bom Se você não tem nenhuma ideia, então não há problema nisso, abordaremos todos esses termos e fundamentos básicos neste modelo. Ok. Vamos começar. Este modelo estabelece a base e eu explicarei o que é engenharia rápida, por que ela é importante e como ela funciona com modelos de linguagem de IA, como o HgPT Cloud AI, chamados Também exploraremos suas aplicações e discutiremos o que torna um prompt eficaz e todas as coisas básicas deste modelo. Vamos começar da introdução à engenharia rápida. É isso mesmo. Então, se você sabe um pouco mais sobre o que é engenharia rápida quando eu a pesquiso on-line, ouvi tantos gurus e influenciadores on-line do YouTube ou algo assim dizer que escrever prontamente é uma engenharia rápida, mas não é uma engenharia rápida, mas Se você pensar que, depois analisar tantos requisitos da empresa na descrição do cargo, o que o engenheiro rápido que possui essas habilidades deveria ter essas habilidades para se tornar um engenheiro rápido e ter analisado tantos trabalhos de engenharia rápida de IA que essa empresa deseja ou deseja, esse candidato em particular deve ter esse tipo de habilidade. Depois de analisar, chego à conclusão de que, na verdade , a engenharia de solicitações é diferente, enquanto os gurus do YouTube dizem que basta escrever a solicitação, mas não desse jeito Não se preocupe Este curso é focado principalmente em e baseado em muitas empresas Uma rápida descrição do cargo de engenheiro. Portanto, não se preocupe, eu aprendo essa engenharia rápida, esse curso, todo o curso e as tarefas práticas Garanto que você poderá se preparar para o trabalho Acho que é porque este curso se baseia principalmente na descrição do cargo e as empresas desejam as habilidades que um determinado engenheiro rápido deve ter. Não se preocupe Eu abordarei todas essas coisas nas próximas aulas de modelos. Então, vamos nos concentrar primeiro no que é, na verdade, a engenharia rápida Então, vamos ver aqui, temos algumas definições, como criar instruções precisas para modelos de linguagem de IA Vamos chamar a engenharia rápida. Certo. Ok. Vamos ver se algo que temos é uma engenharia rápida. Solicite uma pergunta para escrever algo. Mas qual é o significado de engenharia? Temos alguns tipos diferentes de engenharia, como engenharia civil, engenharia elétrica, engenharia mecânica, mas qual é o significado dessa engenharia rápida? Se estiver escrevendo um aviso simples, solicito engenharia, mas temos um assunto diferente . Mas isso é algo que temos que aprender. A engenharia ocorre por escrito , a solicitação é chamada de engenharia rápida. Não sabíamos nada sobre isso. Vamos ver a definição detalhada disso. A engenharia rápida é a arte e a ciência de criar instruções ou consultas Consultas significam interação rápida de forma eficaz com modelos de linguagem de IA, como ChaGBT, Cloud, Gemini e outros, chamados engenharia Sim. Isso é simples. Por exemplo, pense que você está conversando com uma IA. Ciente de que quanto melhor você expressar o que deseja, melhor será a resposta da IA. Isso é simples? Se você for ao AGPT e escrever um prompt, algo que você deseja Então, o quanto vamos expressar sua ideia, você se contenta com o que você quer? Portanto, melhor será a resposta da IA. É por isso que precisamos saber como escrever de forma rápida e eficaz para que a IA possa dar uma resposta melhor à nossa solicitação. Está bem? Vamos ver isso. Ok. Antes de nos aprofundarmos, veja, veremos aqui o objetivo principal. Então, por que surgiu a engenharia rápida. Ok, os modelos A já são muito inteligentes o suficiente, mas por que a engenharia rápida é. Então, simplesmente, o objetivo principal é melhorar a qualidade e a relevância das respostas da IA. Por quê? Porque muitos módulos de linguagem grandes são treinados por grandes quantidades de dados Certo. Este não é apenas um escritor específico, o A, como o hGPD, é treinado pela maior parte da quantidade de dados Pode-se dar as respostas combinando todas essas coisas, apenas jogando as pedras Portanto, se você conhece as técnicas rápidas, as técnicas de escrita, os padrões e como fazer a pergunta à IA de maneira eficaz, essa IA pode fornecer uma resposta à nossa maneira rápida e eficaz. Portanto, para melhorar a qualidade da geração, a produção da IA, a engenharia rápida desempenha um papel importante. É por isso que a engenharia rápida ocorre. Ok, vamos 3. 1.2 Design de prompt versus engenharia de prompt: OK. A maioria das pessoas diz que esse aviso simples de escrever é chamado de engenharia rápida, mas não é assim. Há uma grande diferença entre o que é o design real do prompt o que é a engenharia real do prompt. Vamos mergulhar nisso. Veremos qual é a diferença entre design rápido e engenharia rápida. Portanto, o design do baile e a engenharia rápida podem parecer semelhantes, mas têm propósitos diferentes. Vamos ver o design do prompt. Design de formatura, isso envolve escrever instruções ou perguntas básicas para um modelo de linguagem Trata-se de criar um prompt que faça com que a IA responda, mas não seja necessário para aplicativos específicos. Sim, isso é simples. Você pode ver aqui o design do baile. Simples. É uma pergunta simples que faremos para a IA, você pode ver o exemplo aqui, escrever um poema sobre a natureza Essa é uma pergunta simples. Não há nenhum raciocínio nisso Não há instruções detalhadas e não há outro objetivo que queiramos da IA. É uma pergunta simples que é escrever um poema sobre a natureza Não há palavras indiretas, não há frases indiretas, indiretas, simples. É uma pergunta simples . Isso é chamado de design simples de formatura. OK. Quando se trata da engenharia rápida, essa é uma abordagem mais avançada. Engenharia rápida significa que é uma abordagem mais avançada em que a solicitação é otimizada para uma aplicação ou resultado específico. Envolve a elaboração de instruções detalhadas e que se alinham às capacidades ou limitações exclusivas do e e é otimizado para aplicações específicas Você pode ver o exemplo aqui. Você pode compor um poema rimado sobre a natureza no estilo de William Wordsworth Portanto, este é um quotien direto e tem algum raciocínio que desafia o modelo como compor um poema rimado sobre a natureza no Está bem? Estamos procurando não só o poema sobre a natureza, mas eu quero o poema sobre a natureza no estilo de William Ok, você viu a diferença entre esses dois prompts, como. O design rápido significa que é simples escrever um quoi direto, um quoi de palavras Mas a engenharia rápida tem algum raciocínio e algumas instruções detalhadas adicionais para aplicações específicas chamadas engenharia rápida OK. Há um OK, então você pode conferir aqui. Você pode ver este exemplo de engenharia rápida não apenas fornece uma orientação clara à IA, mas também aproveita a capacidade do aplicativo de emular a biblioteca Estilos. Portanto, ele pode fornecer uma boa quantidade de resposta AIS quando comparado a esse design rápido. Ok, não há diferença. Há uma pequena diferença entre isso. Portanto, a pergunta que faço diretamente, sem envolver instruções detalhadas é chamada de design imediato. Mas engenharia rápida significa fornecer instruções detalhadas e informações extras imediatamente para uma aplicação específica, é chamado de engenharia rápida. Portanto, não fique totalmente confuso. Portanto, é fácil se você praticar bem, e será fácil quando você ver isso nas próximas aulas. OK. Vamos começar por que a engenharia rápida é importante. Ok, vamos ver isso. Não se preocupe se todos esses PPTs e documentos que eu expliquei forem fornecidos a você após este curso Não se preocupe. Vamos ver. O próximo título é por que a engenharia rápida é importante? Veja quantos Atos de ver que Chachi BT, Cloud, emite A. Esse LLM significa que grandes modelos de linguagem são poderosos porque têm técnicas de PNL, como processamento de linguagem natural, e são treinados por uma grande quantidade Isso pode ser muito útil. Pode ser muito útil para pessoas ou indústrias comerciais usá-lo para facilitar o fluxo de trabalho ou para tornar as coisas muito rápidas. Ok, isso ajuda muito em todos os setores, certo? Então, por que a engenharia rápida é importante? Vamos ver nesta sessão. Portanto, quando comparada à importância da engenharia rápida significa que escrever boas instruções é importante Simplesmente, se você escrever qualquer solicitação, ela não está sob a alçada de engenharia, mas escrever boas instruções, que ajudam a criar uma aplicação específica ou a obter dados específicos da IA, é crucial Vamos ver o que vamos ver. O que uma boa solicitação leva e quais são as solicitações ruins que a varredura leva à resposta da IA . Vamos ver isso. Se sua solicitação for muito ruim, pode ser uma resposta confusa ou irrelevante A IA pode gerar respostas confusas ou relevantes. Se você não fornecer detalhes ou informações básicas sobre seu aplicativo específico, isso pode gerar irrelevância ou confusão Dados. Se você escrever uma boa solicitação, a fonte A pode gerar uma resposta melhor e precisa e uma resposta significativa para sua solicitação, pois a engenharia da solicitação é específica A engenharia rápida significa que se trata de uma aplicação específica. Escrevemos as instruções para uma aplicação específica. OK. Não estou falando sobre o design rápido. Estou falando sobre a engenharia rápida, que é apenas para aplicações específicas. É por isso que C. Engenharia rápida para aplicações específicas significa. O que significam as boas instruções? O que é uma boa promessa? Uma boa promessa significa que se você fornecer, se você estiver construindo algo assim use um exemplo de criação de conteúdo para criação de conteúdo de saúde. Isso é condicionamento físico e trabalho. Vamos falar de fitness e saúde. Se você quiser um conteúdo mais preciso para seu conteúdo de condicionamento físico e fitness e saúde. Isso é específico. Então, o que você vai fazer, você fornecerá alguns detalhes, as instruções que você deseja. Ok, isso você quer, especificamente. Nesse sentido, se seu baile não tiver informações básicas , isso pode ser uma resposta irrelevante ou gerar imprecisões Com essa engenharia rápida, você escreve boas instruções, boas instruções significam Você precisa incluir instruções detalhadas e incluir qualquer informação básica que a IA não possa conhecer. Temos que dar a ideia do que você está procurando e a saída que deseja. Todas essas coisas entram na habilidade de redação rápida em engenharia rápida. Os bons avisos podem levar a respostas aéreas relevantes e precisas e a engenharia rápida é o principal usuário para tarefas complexas. OK. Tudo se resume a boas instruções, mas há uma pergunta em sua mente por que a solicitação é importante Muitas empresas já começaram a usar LLMs em seu fluxo Algumas empresas estão treinando modelos de IA com seus próprios dados. Para automatizar algo em suas empresas ou ajudar os empregadores a obter uma melhor produtividade facilitar as coisas Essa IA agora está assumindo a maior parte da liderança. Não estou falando sobre a permanência , mas isso também pode gerar mais empregos para eles Isso significa que a engenharia rápida também é uma boa oportunidade de carreira para nós. Então, vamos começar. Então, por que a engenharia rápida é importante em todos os lugares? Em todo e qualquer setor usará LLMs à medida que avança, é preciso muito treinamento Ok, nos próximos anos, então, em qualquer setor, eles usarão LLMs, ok? Como CharBT, todas essas coisas. Para isso, para cada interesse que você usar, escreverá. Então, onde LLMs usam seu engenheiro rápido e desempenham um papel importante para controlar a IA ou gerar algo dos LLMs para controlar a IA e usar a IA de maneira eficaz, o engenheiro rápido desempenha um papel importante Mas, para eles, se você tem habilidades de engenharia rápidas, mas não tem um conjunto de habilidades específico deseja trabalhar em uma empresa específica. Qual é a habilidade de engenharia rápida que você tem? habilidade imediata de engenharia só é benéfica para você quando você já tem uma habilidade específica. Se você conhece codificação, por exemplo, se você estudou, se conhece codificação, como codificar Python Se você puder usar uma engenharia rápida para escrever o código básico e todas essas coisas para tornar as coisas fáceis, rápidas e confiáveis. Se você não sabe codificar em Python, mas se pedir ao Cha GBT que escreva um código, ele pode gerar um código, mas você não sabe onde está, o código está errado, qual código Python é Python impreciso Você deve ter algum conhecimento específico sobre essa habilidade, então somente a habilidade de engenharia imediata pode ser benéfica para você. Caso contrário, isso pode levar a algumas imprecisões e todas essas coisas OK. É por isso que aprender a engenharia rápida é muito, muito importante para futuros futuros e agora, como já estamos na era da IA, se você sabe como usar a IA, você pode fazer todas essas coisas Vamos ver. Nesta lição, aprendemos o que é engenharia rápida e qual é a diferença entre projeto imediato e engenharia rápida, e aprendemos por que a engenharia rápida é importante. Então, essa é uma lição que aprendemos. Portanto, para a próxima lição, ou seja, modelos 1.2, segunda lição, aprenderemos quais são alguns conceitos básicos de modelos de linguagem grandes, como LLM, como Char, GPT e todas as outras coisas, e como 4. 1.3 Noções básicas de modelos de linguagem de IA (LLM's): Gente, bem-vindos de volta à segunda lição deste Modelo 1. Nesta lição, aprenderemos algumas noções básicas dos modelos de linguagem de IA e exploraremos algumas informações extras, e exploraremos como a forma como os LLMs processam dados de solicitações, e também veremos alguns exemplos de solicitações boas e ruins E veremos algumas aplicações de engenharia rápida em que a engenharia rápida será usada. E veremos alguns problemas comuns: por que os prompts falham e por que os prompts falham, e veremos uma solução para Ok, isso é tudo para esse modelo, pessoal. Então, vamos começar do zero, como primeiro, esses são alguns princípios básicos dos modelos de linguagem Ok. Então, se você já sabe o que significam LLMs. LLM significa grandes modelos de linguagem, você verá os exemplos aqui que mostrei aqui, alguns gem.ai, que são desenvolvidos pelo Google, Leonard AI É uma ferramenta de geração de imagens. Também é considerado LLMs e tem GPT pela Open AI, publicity.ai, Cloud AI e Mid Esses são alguns módulos de linguagem grandes e existem outros modelos de linguagem, e existem outros modelos de linguagem como o Microsoft Co Plot e outras ferramentas de IA disponíveis. Então, acabei de escrever aqui alguns exemplos que você pode entender facilmente. Então você pode conferir, existem muito mais LLMs por aí. Você pode pesquisar na Internet facilmente. Ok, vamos começar este tópico que é o básico dos modelos de linguagem Ok, você pode ver esse SM aqui. O que são os LLMs. Você pode ver a definição aqui. Os sistemas de IA foram treinados em grandes conjuntos de dados. Compreender e gerar texto semelhante ao humano é chamado de LLM. Está bem? Você pode, por exemplo, o melhor exemplo de LLM ser o Hajibt Se você já usa o JGB, sabe que ele pode gerar respostas como se um humano estivesse enviando mensagens de texto para nós Isso é chamado de alguns modelos de linguagem grandes. Portanto, para entender como a engenharia rápida funciona, primeiro precisamos entender os modelos de linguagem, como os LLMs são treinados e como os LLMs processam os dados Ok. Portanto, não vamos para a parte técnica porque essa engenharia rápida é simplesmente aprender a arte de escrever as melhores instruções. Está bem? Esse é o nosso tópico principal. Portanto, a parte técnica é outro tópico. Ok. Vamos ver quais são os modelos de linguagem? Veremos modelos de linguagem como GPT four, Cloud, sistemas gm dot A ou A, treinados em grandes quantidades de dados de texto Eles aprendem padrões de linguagem, o que lhes permite gerar testes semelhantes aos humanos, em resposta às suas solicitações. Resposta significa que vou gerar alguma saída em resposta. Prompts significa que você fará uma pergunta ao LLM. Isso é chamado de prompt. Você já sabe disso. Então, veremos como eles funcionam. Você pode ver um diagrama de linha única aqui, como o LLM básico funcionará Ok. Primeiro, quando você escreve qualquer quociente de prompt no GPT ou em outros LLMs, ele primeiro analisará a entrada Entrada significa que você está pronto. Você pergunta, você é consulta. Ele analisará a entrada. Depois disso, ele reconhecerá os padrões porque cada LLM é treinado com dados em alguns Está bem? Entenda isso. Portanto, ele reconhecerá em padrões. Depois disso, ele gerará uma saída simples. É um diagrama simples e único que desenhei para você entender melhor há muito mais técnico nesses três. Ok, eu não vou me aprofundar tanto. Assim como uma lesão imediata, você precisa saber como os LLMs funcionam. Vamos ver. Você pode ver aqui os exemplos de quais são alguns grandes modelos de linguagem. Por exemplo, você pode ver todas essas coisas, vamos ver a segunda coisa. É assim que o processo LLM solicita. Solicitações significam alguma pergunta de questionário que faremos. Vamos ver como os LLMs processam as solicitações. Ok, veja, quando você fornece um prompt, o modelo de linguagem o analisa palavra por palavra, ok? Ele analisa palavra por palavra. Procurando e depois disso, ele analisará as entradas, como padrões, contexto e intenção. Como ele prometerá significa que, ao ver este diagrama de linhas, primeiro ele analisará a entrada palavra por palavra. Palavra por palavra significa que você escreverá algumas frases. As frases têm alguma palavra por palavra. Ele analisará cada caractere e palavra. Depois disso, ele reconhecerá padrões, contexto e intenção, e em que o usuário está realmente Qual é a intenção real do usuário? Ele o analisará e gerará uma resposta com base e no que aprendeu. Ouça com atenção. O que gera resposta com base no que aprendeu durante o treinamento. Vou gerar um resultado com base no que ele aprendeu durante o treinamento. A qualidade da saída depende da clareza da entrada. Isso significa que você é rápido, transmite sua intenção. Está bem? Você está entendendo? Espero que você entenda bem como as lentes funcionam 5. 1.4 Como o processo do LLM é iniciado?: É assim que o processo LLM solicita. Solicitações significam alguma pergunta de questionário que você fará. Vamos ver como os LLMs processam as solicitações. Ok, veja. Quando você fornece uma solicitação, o modelo de linguagem a analisa palavra por palavra Está bem? Eu analiso palavra por palavra. Procurando depois disso, ele analisará as entradas, como padrões, contexto e intenção. Como ele prometerá significa que, ao ver este diagrama de linhas, primeiro ele analisará a entrada palavra por palavra. Palavra por palavra significa que você escreverá algumas frases. As frases têm alguma palavra por palavra. Ele analisará cada caractere e palavra. Depois disso, ele reconhecerá padrões, contexto e intenção, e qual é a intenção real do usuário Qual é a intenção real do usuário? Ele o analisará e gerará uma execução baseada em respostas com base no que aprendeu. Ouça com atenção. O que gera resposta com base no que aprendeu durante o treinamento. Vou gerar um resultado com base no que ele aprendeu durante o treinamento. A qualidade da saída depende da clareza da entrada. Isso significa que você está pronto para transmitir sua intenção. Você está entendendo? Espero que você entenda bem como as lentes funcionam. É simples. Primeiro, ele analisará sua entrada. Depois disso, ele analisará palavra por palavra. Depois, ele reconhecerá os padrões e, por fim , gerará a saída com base no que aprendeu durante o treinamento Com isso, conclui-se que o EI só gera de saída o que é treinado. OK. Simples. É que a qualidade da saída dependerá da qualidade da sondagem na qual você a gravará e que escreverá ou fornecerá ao modelo de IA Você pode conferir aqui alguns exemplos analógicos de IA como chef, instruções são receitas. Isso é simples que eu tenho para você alguns exemplos analógicos de IA como chef, . Agora, eu já disse que engenharia rápida significa aplicação específica. Você pode ver a analogia. Então, temos o uso da IA como chef. Chef significa uma aplicação específica. IA como chef. Agora, as instruções como receitas. Você está perguntando a um chef Ok, você está perguntando a um chef para procurar receitas. As instruções de sua pergunta são como receitas. Então, qual é uma boa dica aqui? Como aviso, você precisa saber, você precisa saber. Essas são instruções específicas e detalhadas. Um bom aviso significa que o aviso que contém dados específicos e instruções detalhadas é chamado de bom aviso. Quando se trata de um mau aviso, é ambíguo e vago Va significa alguns dados irrelevantes que não podem levar a imprecisões nas respostas Isso é simples. Espero que você entenda. Então você pode ver alguns exemplos de bailes de formatura bons e ruins. Então você pode ver, por exemplo, o mal. O que significa um baile de formatura ruim, simplesmente explique a mudança climática Você pode ver que isso é uma visão, qualquer que seja a pergunta. Nós podemos ver Ok. Antes de entrar nisso, explicarei muito mais profundamente, pois esclarecerá alguns fundamentos básicos. Então, quando você vê aqui uma analogia, AIS hf solicita Então, a IA, quando você pensa AashFO, ela sabe que a IA agora, por exemplo, IA agora está pensando como chef, conhece milhares de receitas Receitas significam padrões. OK. Imagine agora AI Asa trabalhando como chef, ok? Agora, Chef, não, milhares de receitas. As milhares de receitas são chamadas de pare tens. OK. Entendido. As milhares de receitas são parciais, mas precisam de instruções claras para cozinhar o prato que você deseja. Isso é chamado de prompt. Está bem? Ou você entende? Acho que espero. Está bem? Você tem que pensar que a IA é chef. Agora, a IA como chef, sem chef, sem milhares de receitas. Mas você quer um prato específico. OK. Dessa forma, você escreverá que a solicitação para um prato específico é chamada de engenharia rápida. Essa é ela. Então, nós os estamos treinando , estamos treinando essa EI como específica, ou seja, a IA como chef. Padrões significam que o chef já conhece milhares de receitas. Significa que a IA conhece padrões. E você quer o prato específico de um chef específico. Isso significa que você está escrevendo a solicitação para receita específica que deseja, da forma mais simples. Acho que espero que você entenda isso. Veja que há um exemplo design rápido significa que você pode, se você pensar nessa analogia, o que é um design rápido e engenharia rápida, diferentes instruções diferentes Se você fizer alguma pergunta direta como preparar uma refeição para mim Essa é uma pergunta simples e direta. Essa é uma categoria de design rápido. Quando você se concentra na engenharia rápida, tem uma pergunta de raciocínio, como dizer que me faça lasanha vegetariana com queijo extra, cozida Ok, entendo. Eu fiz uma pergunta de raciocínio Isso vem sob a engenharia imediata, é como fazer uma refeição vegetariana com queijo extra e cozinhar por 30 minutos. Então, estou escrevendo instruções detalhando o quanto, em quanto tempo e em que detalhes eu quero de você, como do AIS hef Portanto, escrevemos uma engenharia rápida que fornecemos algumas instruções detalhadas que queremos que estejam sob a engenharia imediata. Quando se trata de design rápido, é uma pergunta direta do Word, como prepare uma refeição para mim. Então, é tão simples. OK. Vamos ver exemplos de alguns exemplos de avisos bons e ruins Veja, você pode ver um mau exemplo aqui, explicar a mudança climática, é simples e direto Você pode pensar nisso como um design rápido. OK. Quando você vê na parte superior do design do prompt, é um bom aviso. Mas quando você se submete à engenharia imediata, precisa pensar raciocinar e escrever instruções para algo específico Nesse momento, você considerará design do prompt é um aviso ruim, ok? Por favor, tenha em mente isso. Portanto, um aviso ruim significa explicar a mudança climática. É simples Não há nenhum raciocínio nisso. Ao acessar o bom prompt, você pode ver as instruções detalhadas aqui. Explique as causas e os efeitos das mudanças climáticas em termos simples, adequados para uma criança de 10 anos Uau, é uma boa pergunta, certo? Algumas pessoas não conhecem os termos. OK. Quando você fizer essa pergunta diretamente, explique a mudança climática. Ele pode gerar palavras diretas com halonização, palavras eficazes das quais você nunca ouviu falar em sua Ok, se você der uma dica como essa, explique as causas e os efeitos da mudança climática em termos simples, adequados para uma criança de 10 anos, essa IA, a IA gerará para uma criança de 10 anos, como a criança de 10 anos Ele analisará e pensará nisso e gerará uma produção para uma criança de 10 anos Isso significa que você pode entender facilmente as causas e os efeitos das mudanças climáticas em comparação com um aviso incorreto. Essa é a diferença entre um aviso ruim e um bom aviso. Podemos ver substâncias brancas. Coisas brancas. Porque avisos claros produzem saídas melhores e eficazes quando comparados com avisos incorretos Você pode ver isso de forma fácil de entender por meio de um bom aviso. Com o prompt incorreto, você pode entender, mas tem algumas palavras que você pode entender porque os LLMs são treinados por grandes quantidades de dados Tenho algumas palavras eficazes das quais você nunca ouviu falar. Ok, você não sabe o significado disso, como você pode entender a saída. Se você escrever as instruções detalhadas, como deseja a saída e de que forma, em que estilo e em que horário, ela poderá gerar uma saída melhor para entender você e ser entendida por você. Portanto, trata-se de escrever os bailes de formatura bons e os ruins. Esses são exemplos de bom versus ruim, então vai se basear em outros tópicos, ok? 6. 1.5 Aplicações da engenharia de prompt: Então, vamos ver algumas aplicações da engenharia rápida. Como eu disse anteriormente, ele pode ser usado em qualquer lugar onde os AI LLMs são usados Então, vamos ver alguns setores nos quais, agora e nos próximos anos, os LLMs são usados, e o gene imediato será muito crucial e desempenhará um papel vital nas empresas e indústrias nos casos de uso da IA Você pode ver alguns exemplos que mencionei aqui, setores como educação, saúde, criação de conteúdo, programação e automação, como esse. Então, quando se trata do ponto de vista da educação, isso é algo como uma ferramenta de aprendizagem adaptativa Ele pode usar ferramentas específicas de gênero. Podemos, para gerar alguma estrutura de conteúdo, ok, esboçar a estrutura para escrever os documentos e o conteúdo para, hum, estudantes, todas essas coisas Quando comparados aos cuidados de saúde, podemos gerar algumas comunicações e fluxos de trabalho com pacientes , todas essas coisas Quando se trata de criação de conteúdo, essa engenharia rápida desempenha um papel importante no mundo do erro de criação de conteúdo , pois pode escrever blogs, escrever textos de marketing e e-mails o mais rápido possível. Então, temos que abordar apenas algumas coisas que são boas para a criação de conteúdo e também podem ajudar na programação. Portanto, a maior parte da versão atual do AgVT pode resolver a maior parte dos problemas de codificação e depuração e gerar bons trechos de código. Ok, pode ser muito eficaz. Isso pode economizar muito tempo para escrever o código básico. OK. Essas são algumas indústrias simples que mencionei, mas não são limitadas. Portanto, essa engenharia rápida é muito, muito importante para todos os setores em que os LLMs são usados Espero que você entenda todas essas coisas, porque a engenharia rápida será uma boa habilidade se você aprender, futuro próximo e agora, então essas são algumas aplicações Na maioria das vezes, existem outras indústrias, e a engenharia rápida é aplicável e, simplesmente quando as ferramentas A são usadas , a engenharia rápida ocorre. Ok, algumas empresas já começaram a contratar engenheiros de prontidão. Portanto, este curso é baseado nisso, com base na descrição imediata do trabalho de engenharia da empresa. Por isso, criei este curso com base e depois de analisar a descrição do cargo de engenheiro rápido de todas as empresas, qual é a verdadeira engenharia rápida quais são as habilidades e quais são as coisas necessárias para o candidato se tornar um engenheiro rápido em sua empresa. Então, todo esse curso é baseado nisso. Então, por favor, aprenda todos esses cursos porque isso ajuda você a se tornar um bom engenheiro rápido em qualquer lugar. OK. Então, depois disso, vamos ver a segunda coisa. É por isso que os prompts falham? Então, como eu disse, há algumas dicas boas e ruins. Então, na verdade, se você vê isso, por que os prompts falham Simples. Se sua solicitação não tiver algumas informações básicas ou não tiver alguma falta de contexto, falta de detalhes ou se não houver um motivo como essa solicitação incorreta, a solicitação poderá falhar OK. Falha significa que a saída não será eficiente. Ok, isso não é eficiente e tem algumas imprecisões e alguns erros, todas essas coisas É por isso que o prompt falha. Ok, isso não é outra coisa parecida. Portanto, há alguns problemas comuns que você pode ver aqui, Ambigui, que não têm clareza ou intenção Ok, se você não fornecer uma intenção clara ao EI, isso pode levar a imprecisões e não há clareza nessa saída A falta de contexto, porque nenhum histórico fornecido, significa que estamos falando sobre a engenharia rápida. Ao escrever o prompt para um aplicativo específico, você precisa fornecer algumas informações extras que suportem o contexto principal. Está bem? Contexto significa algo que todos vocês sentenciam como informações que estão fornecendo à IA, desta forma. Se não houver contexto suficiente para que a IA possa analisar, ela gerará uma saída com base em seu aplicativo específico, poderá gerar alguma resposta irrelevante É por isso que o prompt falha, ok? Complexidade excessiva. O que significa excesso de complexidade? Simples sobrecarregar o prompt com detalhes desnecessários. Ao escrever as instruções para um aplicativo específico, lembre-se de que precisa fornecer à IA os dados necessários on-line Está bem? Se você fornecer dados desnecessários , eles podem ser combinados e simplesmente gerar todas as palavras combinadas que não são relevantes para você para aquela aplicação específica. É por isso que o prompt pode falhar. OK. Então, qual é a melhor solução para isso significa refinar as instruções para que sejam claras, específicas e Refinando as instruções, falaremos mais tarde nos próximos modelos Portanto, refinar significa escrever a primeira solicitação. E isso gerará alguns resultados básicos. Depois disso, você analisará a saída. Depois disso, você escreverá novamente o prompt. Você escreverá novamente o prompt ajustando, analisando a primeira saída e escreverá a segunda prova de que deseja algum ajuste na saída anterior Você escreverá essa solicitação novamente. Isso é chamado de instruções de refinamento. Para ser claro. CSS específico. É isso mesmo. Então, isso não é complexo, então pode ser fácil para você começar a escrever os bailes de formatura em hav. Não se preocupe. Temos sessões práticas sobre os próximos modelos. Há muito a aprender sobre padrões de formatura Vou compartilhar todos os meus aprendizados neste curso. Não se preocupe com isso. Há uma implementação muito mais prática nos próximos modelos. Vamos, eu escreverei os padrões de alerta. Qual é o refinamento dos bailes de formatura? Quais são os padrões? Quais são os diferentes padrões que temos? Quais são as técnicas que precisamos usar e como usaremos LLMs para gerar solicitações sozinhas, todas as informações básicas e avançadas que abordaremos nos próximos modelos Então, simplesmente não saia desse curso. Eu posso mudar a vida. Então é isso, pessoal, para esse modelo. Então, concluímos o primeiro modelo, no qual aprendemos alguns fundamentos básicos e todas essas coisas. Portanto, neste modelo, aprendemos alguns modelos básicos de linguagem nos quais veremos a água, os LLMs e como eles funcionam Portanto, LLMs significa simplificar os sistemas que são treinados por grandes conjuntos de dados para entender e gerar texto semelhante ao humano Exemplos que já vimos: se você já usou, é um bom ponto HgptJM em Data Day, Cloud, Microsoft Coplon e existem outras AITs por aí é um bom ponto HgptJM em Data Day, Cloud, Microsoft Coplon e existem outras AITs por aí . Você pode ver isso pesquisando na Internet e veremos como eles funcionam Primeiro, eles analisam a entrada , o que significa que você é avisado palavra por palavra , reconhecerá padrões e gerará resultados com base no que aprendeu durante o treinamento. OK. Isso é simples. Depois disso, veremos o que veremos alguns exemplos específicos de IA como chef. Ok, instruções como receitas. Para que serve esse sistema de IA, sistema específico. O que é o design imediato e o que é a engenharia rápida? Ok, como escreveremos essas instruções para os cenários abaixo E veremos alguns exemplos de avisos bons versus maus. Qual é o raciocínio? Se o prompt incorreto não tiver informações básicas, raciocínio ou outras coisas, podemos obter o melhor resultado Você pode ver que o bom aviso contém alguns termos de raciocínio e informações básicas sobre como a saída é personalizada por nós mesmos E veremos por que isso também é importante. Exploraremos algumas explorações. Engenharia rápida, veremos algumas indústrias que estão usando engenharia rápida e o próximo recurso será a nota para isso. Portanto, há na educação, na saúde, criação de conteúdo, na programação e em outras habilidades do setor. Por fim, veremos por que os prompts falham, pois discutimos alguns problemas comuns que estamos enfrentando no discutimos momento, falta de clareza ou intenção, falta de contexto, complexidade excessiva, e também vimos a solução para Então é isso para esse modelo, pessoal. Vamos mergulhar no outro modelo com algumas seções intermediárias em engenharia rápida. Então, vamos para o próximo modelo. 7. 2.1 Componentes básicos do Prompt: Pessoal, bem-vindos ao nosso próximo modelo número dois deste curso de mestrado em engenharia rápida. Portanto, neste modelo, veremos alguns fundamentos para escrever bailes de formatura eficazes e quais são os principais componentes que devemos ter em mente ao escrever o prompt, e veremos por que esses componentes principais desempenham um papel importante na redação de bailes eficazes Então, vamos entender alguns princípios básicos e fundamentos para escrever bailes de formatura eficazes Então, vamos ver. Então, exploraremos alguns componentes de um prompt. Portanto, temos três componentes de um prompt. Isso é clareza. O número dois é o contexto e o número três é a especificidade. Esses três componentes são muito importantes embora tenhamos que ter em mente ao escrever o prompt. Então, vamos ver que a primeira é a clareza. Portanto, clareza significa escrever frases simples e diretas que tenham uma intenção clara de você. Portanto, o módulo de IA gerará a melhor saída quando for fácil entender sua intenção. Então você pode ver o exemplo aqui. Você pode ver o exemplo aqui. Então, o que significa clareza? É uma frase direta e direta. O que esclarece sua intenção? Você pode ver o exemplo. Conte-me algo interessante sobre o espaço. Então, EI pensará no que você precisa. Você está fazendo uma pergunta ampla. Não há especificidade em sua pergunta. Não há uma intenção clara. Está bem? Conte-me algo interessante sobre o espaço. Está bem? Ele simplesmente apresentará alguns pontos interessantes sobre o espaço. Está bem? Se você tentar dar algumas instruções claras como algumas descobertas recentes sobre buracos negros, você pode ver aqui Então você tem uma intenção clara. Você precisa de algumas descobertas sobre buracos negros. Buracos negros significam que você está se concentrando em um tópico específico no espaço em que você tem uma intenção clara É um aviso claro, para que a IA entenda: Ok, você precisa de algumas descobertas recentes sobre buracos negros, então ela fornecerá a melhor saída para sua solicitação Então, comparado a isso, me diga algo interessante sobre o espaço. Só trará algumas informações interessantes sobre o espaço. Não há especificidade nisso. Não há clareza, não há clareza nisso. OK. Esses são alguns pontos de clareza, então temos que continuar com isso. Ao escrever o aviso, você deve ter em mente que clareza desempenha um papel importante nisso. Você precisa dar instruções a um modelo, como se estivesse solicitando um tópico específico no qual tenha clareza direta em sua mentalidade ao escrever a solicitação Então, vamos ver o segundo. Isso é contexto. Então, o que significa um contexto Você fornecerá informações básicas suficientes para apoiar sua intenção principal OK. Então, vamos ver. Isso pode ser feito preparando o cenário, descrevendo o cenário ou definindo a função em qual função a IA deseja atuar dessa forma. Está bem? Então, simplesmente, você precisa fornecer informações básicas suficientes o modelo de IA para entender a tarefa e a intenção real de você Ok, vamos ver o exemplo aqui. Então você é um professor de ciências explicando a gravidade para um estudante de 10 anos Ok, se você remover isso, você pode simplesmente escrever Explique a gravidade para um estudante de 10 anos Se você escrever uma mensagem simples como essa, explique a gravidade para um estudante de 10 anos de idade Isso apenas explicará a gravidade, como a forma como um estudante de 10 anos pode ser entendido Está bem? Isso só explicará a gravidade. Não há informações básicas que não existam, para obter a saída de forma muito específica e precisa. Como a IA é treinada por grandes quantidades de dados, ela pode simplesmente usar outras palavras que não fazem parte da gravidade. Está bem? Quando você fornece isso ao fornecer informações básicas, isso pode ser feito definindo a função como se você fosse um professor de ciências. Então você está fornecendo aqui algumas informações básicas nas quais o EI pensará que é como um professor de ciências. A IA pensará que sou professora de ciências. Eu tenho que explicar a gravidade para uma ferramenta de dez anos. Com isso, a IA gerará um melhor resultado quando comparada à escrita. Basta explicar gravidade para um estudante de 10 anos Assim, você pode analisar essas duas saídas sozinho, simplesmente escrevendo a primeira solicitação, como explicar a gravitude, dez anos, pedra e outra, pois você é professor de ciências, toda essa solicitação em qualquer modelo de linguagem como Cha J PT, você pode ver, analisar a saída e definir a diferença entre Portanto, o contexto desempenha um papel importante após a clareza, então tenha em mente isso. Tenha em mente isso. Em seguida, nossa especificidade. Portanto, especificidade significa que já aprendemos sobre o que é uma engenharia rápida Engenharia rápida significa escrever as instruções para uma aplicação específica, certo? Portanto, especificidade significa precisão , basta escrever o que você quer e obter do modelo de IA OK. Veja, pode ver isso aqui. Seja preciso sobre o que você está perguntando. Quanto mais detalhado você for, mais relevante será a resposta. Está bem? O módulo de IA deve entender sua intenção principal e muito mais o que você deseja Está bem? Então, para isso, você precisa fornecer mais detalhes sobre o seu problema ou o que você quer da IA. Portanto, você não pode escrever uma pergunta ou resposta simples. Portanto, para aproveitar ao máximo os modelos de IA, você precisa fornecer o máximo de detalhes para tirar o melhor proveito da IA. Então você pode ver o exemplo aqui em vez de dizer, escreva uma história. OK. É uma pergunta simples, certo? Não há raciocínio ou não há detalhes suficientes. Ah, ok, para entender a IA. Então você pode ver se você perguntar à IA, tipo, escrever uma história, a IA pensará: Ok, eu vou escrever uma história, mas em qual estilo, em qual tom, em qual tópico, eu tenho que gerar uma história. Não pode definir, uh, em que eu tenho que ceder. Ele simplesmente escreverá uma história aleatória com palavras aleatórias que podem não ser relevantes ou que não podem ser boas. A saída não pode ser boa. Comparado com outros, certo? Então, se você der detalhes suficientes, mais detalhes sobre o que você quer, como você pode ver o exemplo aqui, escreva uma história de ficção científica de 300 watts ambientada em Marte, onde o protagonista descobre Desculpe, esse protagonista descobre a água. Então você está neste prompt, você está dando mais detalhes do que o que você deseja. Ok, você deu a 301.300 quais histórias de ficção científica Você descreve aqui qual história eu quero e qual tópico eu quero. Portanto, é o suficiente para a IA. Dei alguns detalhes, mais detalhes sobre o que você quer da IA. Então, a AIL pensa: Ok, eu preciso gerar essa história de ficção em Marte. Onde os protogênios discutem a água. Portanto, ele simplesmente gerará uma história específica para sua solicitação. É por isso que a especificidade desempenha um papel importante na redação do prompt Então, vamos ver por que esse componente é importante. Então, enquanto discutimos os três componentes, por que esses componentes são importantes, simplesmente podemos ver esse resumo Quando sua solicitação é clara, o modelo evita confusões. Isso é bom. Portanto, ao escrever o prompt de forma clara, em qualquer idioma, você solicitará a modelagem. Então, ele entenderá. Ele entenderá sua intenção e gerará a melhor saída para sua solicitação, que tenha clareza em sua mente e também na prontidão. Está bem? Esse é um bom contexto. O contexto significa que ajuda a entender sua intenção. O modelo de IA entenderá sua intenção e propósito, bem como sua tarefa, e gerará melhor resultado de acordo com suas instruções imediatas E a especificidade significa que reduzirá a resposta irrelevante ou fora do tópico na qual você fornecerá mais detalhes do que o que deseja de uma forma específica, o que reduz a resposta irrelevante contida É por isso que esse componente muito importante ao escrever os bailes de formatura eficazes OK. Então, pronto nesta lição, passaremos para outra lição desse modelo, na qual veremos alguns tipos de bailes de formatura e vamos mergulhar na próxima lição 8. 2.2 Tipos de prompts: De volta, pessoal. Então, bem-vindo à nossa próxima lição deste modelo número dois, na qual aprenderemos alguns tipos diferentes de bailes de formatura que temos Portanto, existem três tipos de bailes de formatura no momento. Portanto, esperamos que mais sugestões surjam no futuro, à medida esse campo rápido de zombaria se transforma em tecnologia emergente, que técnicas e padrões mais rápidos possam inovar no Então, para isso, hoje não temos tecnologia para nenhuma área de engenharia imediata, temos cerca de três tipos diferentes de bailes de formatura, como bailes de formatura, bailes abertos versus fechados e bailes multiconversacionais abertos versus fechados e bailes e Então, temos esses três tipos de bailes de formatura. Este é um baile básico. Portanto, este é um baile de formatura básico, porque nesses dois primeiros bailes de formatura são simplesmente básicos Quando comparado ao terceiro, de formatura multiconversíveis. Temos tantos padrões avançados de formatura que discutiremos nas próximas aulas de modelos Então, vamos ver o primeiro. Então, o primeiro são as instruções. Na verdade, essas solicitações são perguntas, consultas ou instruções simples que você fará ao modelo de IA para gerar uma resposta específica Você pode ver o exemplo aqui, listar cinco lanches saudáveis para crianças e explicar por que eles são saudáveis. Esta é uma pergunta simples que você fará ao modelo EI para obter a resposta. Então é simples, certo? Uma simples pergunta ao modelo EI é chamada de prompt instrucional Então, escrever uma pergunta, consulta ou instrução também é chamado de prompt Zi, ok? Você pode ver o nome aqui só podemos entender que é um baile porque precisamos dar algumas instruções ao modelo de IA para obter resultados de IA Assim, você pode ver quando os bailes de formatura funcionarão melhor Então, quando você precisa de respostas estruturadas , factuais ou passo a passo Certo? Você pode dar as instruções da mesma forma que os professores da faculdade ou das escolas instruirão os alunos a fazer alguns experimentos como esse Assim, você pode pedir à IA que gere um procedimento passo a passo para concluir o experimento de fotossíntese dessa forma Portanto, funcionará melhor quando comparado a outros métodos de alerta. Em seguida, temos os tipos de prompts abertos versus proms fechados Como você pode ver aqui, bailes de formatura abertos significam incentivar a criatividade e uma resposta mais longa. Sim, você pode ver isso. Extremidade aberta significa adaptar a natureza ou obter o aviso que desafia nosso modelo a pensar e gerar resultados que contenham mais informações Como você pode ver o exemplo aqui, quais você acha que são os benefícios da energia renovável? Porque em aberto, você está escrevendo o prompt como o EI deveria pensar. Você pode ver o exemplo aqui. Quais você acha que são os benefícios da energia renovável? Portanto, a IA deve pensar como criatividade e fornecerá a melhor saída, e fornecerá respostas mais longas para essa solicitação. Embora volte às instruções encerradas na cláusula, será simples obter respostas específicas como qual é a capital da Índia, a resposta será a É uma pergunta simples e está obtendo uma resposta específica. Isso é um final fechado. Não há pensamento, criatividade e não há mais resposta ou passo a passo, nada parecido. Uma pergunta simples e fechada é chamada de bailes de formatura fechados Quando comparados aos bailes de formatura abertos, os quais incentivam a criatividade na IA e geram a resposta longa que chamamos de bailes abertos Você pode ver o exemplo aqui para entender melhor, escrever o prompt aberto em qualquer modelo de linguagem preferência e ver a saída. Depois disso, você pode escrever qualquer solicitação fechada para a qual deseja uma resposta específica, como qual é a capacidade da França, da Índia, desse jeito. Você pode obter a resposta específica, que tem alguma criatividade ou não há mais resposta nela. Então você pode conferir. Ok, entenderemos facilmente essa diferença entre esses prompts. Vamos ver o terceiro, que é muito importante na engenharia rápida. Então, várias toneladas de bailes de conversação. Então, você já viu esses dois tipos de bailes de formatura. Não há nenhum raciocínio nisso. É simples escrever um quotien ou instruções e obter as respostas a partir dele Mas, quando comparado aos bailes de conversação de várias toneladas, ele tem algum poder de refinamento, refinamento, análise de saída e muito mais nos bailes de conversação de mais Portanto, exploraremos padrões de formatura mais avançados nos bailes várias dez conversões nas próximas classes de modelos. Então não se preocupe. Abordaremos todas essas coisas nas próximas aulas. Então, vamos ver aqui. Vamos conhecer alguns fundamentos básicos desse boom de conversão Às vezes, você precisa conversar com a IA, por exemplo, você escreverá um prompt. Isso é o primeiro a ser solicitado. Conte-me sobre energia renovável. Portanto, isso gerará algumas informações sobre energia renovável. Depois disso, você fará uma pergunta de acompanhamento relacionada à solicitação anterior. Isso é gerado pela IA. Desculpe, isso é saída. Primeiro, você escreverá fale-me sobre energia renovável. Depois disso, a IA gerará alguma energia sobre informações sobre energia renovável. Depois disso, você fará algumas perguntas de acompanhamento com base na saída do prompt anterior. Nesse caso, fale-me sobre energia renovável. Você pode ver a solicitação de acompanhamento aqui. Você pode explicar os benefícios ambientais da energia eólica com mais detalhes? OK. Portanto, é uma pergunta complementar. Depois disso, você pode ter muitas perguntas de acompanhamento. Você pode escrever uma terceira pergunta de acompanhamento, quarta , quinta, quantas quiser. Portanto, nesta chamada e em várias instruções de conversação nas quais você conversará com EI em com EI em formato de conversa, como fazemos com nossos amigos, familiares, colegas. Uma vez que escrevermos algum texto, eles escreverão um texto eles escreverão Então, depois disso, faremos alguma pergunta complementar ou algo parecido. Da mesma forma, é um aviso simples. OK. Portanto, esse diálogo do construtor , que é útil em fóruns de bate-papo, é uma tarefa de várias etapas Assim, você pode ver o quadro de bate-papo como o GPT, outros modelos de linguagem de IA ou como essas dez instruções de conversação Então, você solicitará um acompanhamento qui ou outro nos mesmos padrões como esse Portanto, essas são instruções computacionais fáceis de várias dezenas. Exploraremos mais nas Ok, vamos sim. Então é isso para esta lição, pessoal. E vamos para nossa próxima lição do modelo número dois, ou seja, padrões básicos de formatura, nos quais usaremos o HGPto, usaremos o JAGPT para entender os diferentes tipos de padrões básicos de formatura e usaremos o JGBT para obter informações práticas sobre bailes de formatura e como eles funcionarão e como teremos que escrever todas essas coisas no futuro e como eles funcionarão e como teremos que escrever todas essas coisas no futuro. Na próxima lição desse modelo, vamos nos aprofundar nos diferentes tipos de proms básicos e usaremos AGBT para implementação prática . Vamos. 9. 2.3.1 Padrões de prompt básicos: 1. Prompt de cena zero: Pessoal, bem-vindos ao nosso terceiro design deste modelo número dois, e veremos alguns padrões básicos de alerta que temos no momento Esses são alguns padrões básicos de formatura que todo engenheiro rápido usará em sua conversa com a IA em Dale para obter o melhor resultado e treinar nossos modelos de IA Portanto, essas são algumas noções básicas que veremos em detalhes com esse modelo nesta lição Vamos ver se esses são os quatro padrões básicos do baile, como solicitação de zero tiro, instruções do sistema de poucas fotos e solicitação de RPG Então, veremos o primeiro que é zero shot prompting. Ele está solicitando que o modelo execute uma tarefa específica. Então, sem citar nenhum exemplo, isso significa apenas escrever o prompt, não fornecemos nenhum contexto específico, como informações básicas que discutimos anteriormente sobre o que é um contexto Contexto significa fornecer informações básicas suficientes para que eu entenda nossa intenção principal, certo? Então, nesse padrão de solicitação, não damos nenhum exemplo ou não fornecemos nenhuma outra informação, informações básicas para realizar uma tarefa, certo? Então você pode ver isso para ver o exemplo rápido aqui. Então você pode entender facilmente. O resumo é a ideia principal do teste a seguir. Você pode inserir qualquer texto aqui, parágrafo em qualquer um que a IA possa gerar facilmente. Mas vamos ver neste bate-papo, entraremos em nosso modelo de linguagem de IA de trajivity e veremos como essa solicitação zero shot Eu vou pular, vou pular aqui, o Cha GBT. Se você já estiver usando o Cha GPT, você pode saber como se inscrever e obter a conta a partir disso, é fácil Nosso foco principal é a solicitação de zero disparo. Vamos ver. Estamos usando esse resumo para resumir o principal para resumir ideia principal do texto a Então, copiei alguns parágrafos da Internet. Então, eu vou colar aqui. Então eu colei aqui. Em seguida, veremos o resultado, como o modelo de linguagem de IA será gerado. Vamos. Sim, você pode ver o resumo desse texto que forneci aqui no prompt Portanto, ele simplesmente resumirá os três pontos prováveis em 200 linhas de aviso O que realmente está dizendo este parágrafo aqui? Ele resume isso facilmente. Portanto, uma simples solicitação curta de zero, como se você tivesse feito alguma pergunta ou escrito a solicitação para realizar uma tarefa específica Assim, podemos escrever outra coisa, como resumir este livro e também fornecer o nome do livro Então, você pode ver o exemplo aqui, resumindo o livro de pais ricos e cápsulas Ok. Vamos ver como a IA gerará a saída. Portanto, ele resumirá todos os conteúdos que são pontos muito importantes dos ricos e colocará o livro do papai Portanto, ele será facilmente resumido e visualizado. Eu fiz uma tarefa específica. Ok, ele completou uma tarefa específica, como “ Pai rico colocou o pai de Robert KoskF Então você pode fazer qualquer coisa. Solicitação zero significa simples solicitação de redação para realizar uma tarefa específica, como este resumo remover quaisquer erros gramaticais deste parágrafo ou remover a eficácia deste parágrafo dessa forma ou remover a eficácia deste parágrafo dessa É uma tarefa simples que você solicitará que a IA faça isso. Está bem? É fácil. Então, vamos ver nosso segundo padrão de prompt que é um pequeno prompt. 10. 2.3.2 Prompt de algumas cenas: Solicitação curta. É o oposto da solicitação de zero tiro. Soft, se você entender isso, entenderá facilmente o que é zero shot prompting. Luz. Então, vamos ver. Algumas instruções curtas significam que você fornecerá alguns exemplos na solicitação para ajudar o modelo a entender a tarefa Ok, você fornecerá alguns exemplos de como a saída deve ser, certo, como você deseja a saída. Você fornecerá no próprio Prompt. Eu preciso de uma saída nesse formato, certo? Você fornecerá esse tipo de coisa no próprio prompt para ajudar o modelo a gerar a saída de que você precisa. Ok, podemos ver o exemplo rápido aqui. Então, aqui está o exemplo de resumo da revisão. Ok, vou até Cha JB para explicar com mais detalhes essas breves instruções. Vamos embora. Em poucas palavras, o objetivo principal é fazer com que a IA execute tarefas apenas dessa maneira. Vamos ver. Algumas instruções curtas significam fornecer exemplos de como a saída deve ser semelhante a B. Então, estou usando, por exemplo, uma conversa com duas pessoas, como Sara OK. Vamos ver ele. Como você está? Desculpe, vamos tentar isso. Vamos ver. Agora podemos pegar outra pessoa como Sam. Isso dirá que estou bem. E você? Ok, então eu escrevi uma conversa entre as pessoas que forneci sobre como você deve agir assim. Então, vou dar mais um exemplo, como Sarah. Sim, eu estou bem. O que você está fazendo. Certo. Não. Então, a resposta de Sam é “Estou procurando diversão em minha casa” Eu simplesmente tomei o exemplo. Agora, vou escrever para Sara. Posso te dizer o que acontece Vou apenas escrever um SAM e simplesmente não vou escrever nesse formato. Depois disso, instruirei uma ferramenta de IA a concluir a resposta do SAMs Em seguida, ele gerará uma resposta SAM. Por quê? Porque fornecemos um exemplo de como você deve dar a resposta. Então, forneci alguns exemplos, como uma conversa sobre Sarap e SAM que tive Depois disso, se eu simplesmente não fizer isso, nunca escreverei a resposta do SAMS Então, vamos sim. Isso é bom, certo? O SAM. A IA é gerada como resposta de SAM, como aqui, porque ela aprendeu com meu exemplo como a saída deveria ser. Isso é tudo sobre fuchon prompting, no qual daremos alguns exemplos à IA de como a saída deve ser, como você deseja Por exemplo, dando um exemplo. É um tipo de exemplo que você pode dar a qualquer tipo de exemplo como esse. Você pode fornecer que a saída esteja no formato inglês. Você pode dar todas essas coisas como alguns exemplos. Você precisa escrever um prompt em si, escrever algumas perguntas e respostas sozinho, que eu possa aprender suas instruções para fornecer um modelo, o mesmo resultado, de como você tenta usar a IA. Você pode ver lá. Então, eu li alguns exemplos de como a saída deveria ser. Então, eu escrevi um quotien e peço que você complete a resposta de Sam, para que isso gere que são realmente algumas, Sarah Se não for muito problemático, eu agradeceria isso, certo. Obrigada. Tudo isso tem a ver com algumas sugestões de fotos. Então é fácil. Portanto, podemos comparar essas duas coisas com instruções de poucos disparos e zero disparos Nenhuma solicitação curta significa que não fornecemos nenhum exemplo, como a solicitação de poucas fotos que discutimos anteriormente Basta escrever um prompt para realizar uma tarefa, sem fornecer nenhum exemplo. Em comparação com algumas instruções, forneceremos alguns exemplos para ajudar o modelo a entender nossa tarefa e gerar a saída da maneira que quisermos É simples assim. Ok, vamos ver o terceiro padrão de alerta que é a instrução do sistema. 11. 2.3.3 Prompt de instruções do sistema: Instrução do sistema. Ok, então, para entender melhor isso, temos um playground criado pelo próprio HajBT, no qual podemos escrever as instruções do sistema Depois disso, podemos ver mais sugestões de conversação nisso Veremos nos próximos padrões de prompt avançados que são como podemos escrever instruções do sistema, mas veremos algumas informações básicas sobre isso agora. Então, o que é isso? Uma espécie de definir o papel ou o tom a ser seguido pelo modelo. Você pode ver o caso de uso quando quiser que o modelo se comporte de uma maneira específica, como um especialista, professor ou tradutor Então, como a instrução do sistema significa, você pode ver o exemplo aqui. Você é um chef profissional. Aqui nos é dado um pouco do contexto que temos. Aqui nos é dado o contexto. Contexto significa que fornecemos algumas informações básicas. O histórico significa que você é um chef profissional. OK. Você é um chef profissional. Esse chef profissional é chamado de instrução do sistema. Ok, você pode ver o aviso de soma. Explique como fazer um prato de massa simples para alguém sem experiência culinária. Isso é chamado de prompt. Isso é instrução. É chamado de sistema. Sistema significa que é um conjunto de sistemas completos, como os computadores têm. O computador é um sistema no qual eles estão. Você pode ver o prompt que significa que estamos inserindo o próprio teclado Be para realizar algumas das várias tarefas que o computador possui. O computador significa que é um sistema. O sistema funcionará com nossas instruções principais. OK. Pode ser fácil de entender por meio de um GPT Vamos ver isso, ha GPT. Vamos ver como as instruções do sistema funcionam. OK. Vamos ver. Vou experimentar o módulo de IA, como agora especialista em escrever conteúdo apenas sobre saúde. É um prompt do sistema, instrução do sistema. Você pode ver isso. Você não é especialista em escrever conteúdo apenas sobre saúde. Então, o modelo EI pensará: Ok, eu sou um sistema, e eu só tenho um especialista em escrever conteúdo relacionado à saúde, não outro. Em seguida, escreverei algumas instruções. Isso é chamado de instrução do sistema. Em seguida, escreverei um prompt. Agora, por favor, escreva sobre a nova caneta. Vamos ver o que gerará a IA. Então, você pode ver aqui. A importância da nutrição para uma vida saudável é tão blá, blá, que ela gerará algo relacionado à OK. Então, definimos o sistema que funciona aqui, em que tipo você só precisa trabalhar. Está bem? Se acharmos que podemos usar se podemos escrever, escreva o conteúdo. Então, podemos escrever diretamente aqui. Não, por favor, escreva, podemos ver. Por favor, escreva o conteúdo para aquele tópico que não está relacionado à saúde, podemos verificar se está pensando como sistema ou não. Por favor, escreva conteúdo para. Podemos abordar outro tópico que é TI. Vamos verificar qual é o resultado disso. Veja, você pode ver aqui. Esse é um prompt do sistema. Atualmente, estou focado na criação de conteúdo relacionado à saúde e nutrição. Deixe-me saber se você gostaria de ajudar nesse domínio. Você pode ver o prompt do sistema, como ele funciona. Portanto, o funcionamento do sistema significa que forneceremos algum sistema para executar apenas tarefas específicas Esse é um prompt do sistema. Está bem? Depois disso, escreveremos algumas instruções para seguir nossas instruções. Você pode ver que eu escrevi um prompt de sistema como este. Você não é especialista em escrever conteúdo apenas no hELD. Esse é um prompt do sistema. Está bem? Esta é uma instrução do sistema. OK. Depois disso, escrevi uma pergunta ou pergunta. Não, por favor, escreva conteúdo sobre nutrição. Isso gerou alguma nutrição porque é um tópico considerado de saúde. Quando peço ao EI que escreva sobre conteúdo de TI, ele simplesmente se recusará a gerar o conteúdo porque o EI está pensando como um sistema, instruções específicas que dei ao EI para fazer o conteúdo de saúde apenas para gerar apenas conteúdo de saúde, não outro. Então o EI pensará : eu sou um sistema. Não, estou tentando gerar apenas conteúdo relacionado à saúde, não outros. Está bem? Se perguntarmos algo não relacionado à saúde, ele simplesmente se recusará a não gerar esse tipo de conteúdo. Este é um exemplo de instruções do sistema que são muito importantes quando testamos um módulo de IA para realizar uma tarefa específica ou específica. Então, espero que você entenda as instruções deste sistema. Ao praticar sozinho, você terá mais ideia sobre essa inspiração Vamos ver as técnicas de RPG. 12. 2.3.4 Propulsão de técnicas de role-play: Vamos ver as técnicas de RPG. É uma instrução de sistema semelhante bastante semelhante. Então, porque nessa técnica de RPG, você treinará um modelo como instrutor específico, como você pode ver aqui Instruir o modelo a atuar em um papel específico, como figura histórica, professor ou profissional nesse Então, anteriormente, vimos que você é especialista em escrever conteúdo para a saúde. Está bem? Isso também é dramatização. Casos de uso, tarefas criativas ou instrucionais que a persona melhora o engajamento e Sim, interpretar papéis significa que a personalidade é o mais importante. Persona significa personalização. Uh, modelo de treinamento de IA. Executando um módulo para uma tarefa específica atribuindo a função específica nela Vamos ver o exemplo rápido aqui. Finja que você é Albert Einstein explicando a teoria da relatividade para Então, vamos abordar a cobrabilidade para entender mais sobre essa técnica de dramatização Ok. Agora, podemos escrever o esquecido, então esse é o esquecido, é muito importante quando você faz coisas diferentes em uma interface específica do Hagibt, como essa porque ela tem alguma função de atualização de memória Ok, vamos ver, esqueci. Agora, você é Não, você é um professor de ciências experiente , experiência em fotossíntese Agora, então o que eu tenho, então eu atribuí uma função, função específica à I Model para agir como a função que dei à EI, como nenhum professor de ciências experiente da URS. Isso é chamado de RPG. Ok, interpretar papéis significa dizer à IA que pense em um papel específico. Pense como professor de ciências, pense em professor de ciências experiente, no qual podemos obter o melhor resultado da IA. Depois disso, eu sou aquele em que temos experiência em fotossíntese Devo dizer que falo para a IA sobre tópicos específicos, como se tivéssemos experiência em fotossíntese Então, agora, vou escrever o prompt. Agora, escreverei a consulta em que quero a saída do modelo de IA. Explique-me sobre a fotossíntese. Fácil. Entenda. Espere. Vamos ver o que a IA gerará. Você pode ver a opção de atualização de memória aqui. Ele tem um grande futuro em termos hábito quando comparado a outros modelos A, por isso vou adorar usar esse hagiby por isso vou adorar usar esse Você pode ver aqui a fotossíntese facilitada. Isso me explicará sobre fotossíntese fácil quando comparada a outro tipo Se você perguntar, você pode ver o exemplo aqui. Então, a partir de agora, a IA pensará como se fosse uma professora de ciências experiente. Então, para quebrar esse padrão, temos que escrever esquecido acima, ele esquecerá a técnica de RPG anterior acima e, como casual, interagiremos com Está bem? Portanto, tudo bem, pois gerará o específico e a técnica de dramatização reduzirá a resposta irrelevante ou fornecerá a melhor resposta relevante em comparação com escrever o prompt sem dramatizar Ok, se eu escrever simplesmente para explicar a fotossíntese, ele pode simplesmente lançar algumas palavras aleatórias e uma explicação aleatória sem uma explicação mais profunda Se eu treinar com a técnica de RPG, se eu treinar IA, se eu disser à IA que pense como professor de ciências experiente e gere sobre fotossíntese e , portanto, sobre o assunto Então, será um professor experiente sobre como eles pensam e como explicam com a experiência no assunto, a IA também pensará assim e gerará uma explicação, como a experiência no assunto que eu tenho. Você pode ver como é fácil. Agora, se, por exemplo, eu apenas contar, esqueci e explico sobre a fotossíntese Você pode ver que vou apenas explicar a fotossíntese, resultado não muito melhor quando comparado ao anterior. Você pode ver isso aqui. Essa fotossíntese é um processo pelo qual plantas verdes, algas e bactérias convertem luz solar em blá, blá, blá Tem uma parte resumida disso. Quando comparado a isso, tem alguns pontos positivos, os principais ingredientes, a cozinha, a receita, aqui, deu o melhor exemplo aqui. Está na fórmula, o que é importante, toda essa dosagem Mas quando comparado a aqui, ele apenas apresentará a explicação sobre o que é a fotossíntese É assim que as técnicas imediatas de dramatização desempenharão um papel importante quando comparadas à obtenção de informações específicas da IA com um conhecimento mais profundo. Ok, você pode entender que pode entender isso facilmente praticando com suas próprias instruções Ok, escreva uma pergunta simples, pergunte à IA e ela gerará alguma resposta da IA. Você analisa isso. E depois disso, você escreve o prompt com técnicas de dramatização , como professor de ciências experiente do RS, gosta de outras coisas, e fornece algumas informações básicas. Depois disso, você vê a saída. Há um resultado muito melhor usando a técnica de RPG. Então você pode ver essas duas diferenças entre apenas eu tenho. Sem a técnica de dramatização, acabei de escrever a consulta para explicar sobre fotossíntese Você pode ver a saída aqui. Isso não é muito melhor quando comparado a esse resultado, porque usei a técnica de dramatização neste prompt, ou seja, você é um professor de ciências experiente com experiência em fotossíntese, no qual eu treinei o modelo de IA de maneira específica para obter a maior parte do modelo de IA e para uma melhor compreensão Então é isso para esses caras, esse modelo. Então, veremos algumas técnicas de RPG, para que você possa entender facilmente praticando sozinho no próprio char gebe Portanto, neste modelo de terceira classe, mostramos que descobrimos alguns padrões de prompt nos quais discutimos alguns prompts zero, nos quais apenas fazemos uma pergunta ou treinamos um modelo para realizar uma tarefa específica na qual usamos o chargeb para fazer um resumo de algum parágrafo Depois disso, vemos algumas breves instruções nas quais fornecemos alguns exemplos para obter a saída no formato desejado e a geraremos a partir do próprio Charge JBT. Vemos algumas instruções do sistema nas quais fornecemos algumas funções do sistema, nas quais o sistema funciona apenas com nossas Depois disso, em vez de sair dessas instruções, se pedirmos ao modelo que execute uma tarefa, ele se recusará a executar essa tarefa, que está fora das instruções do sistema. Ok, nós podemos. E a última é técnica de dramatização, na qual vimos que , fornecendo informações básicas, atribuindo uma função específica, podemos obter uma resposta melhor quando comparada a fazer aquela pergunta aleatória Então não se preocupem, pessoal. Vou colocar este link de bate-papo O link de bate-papo do Taibty em um documento em si que você pode obter após este curso ou tarefa de modelo Ok. Então é isso , pessoal desse modelo, exploraremos alguns padrões mais avançados e rápidos nos próximos modelos do nosso curso de engenharia rápida. Vamos mergulhar em nosso próximo número, modelo três. 13. 3.1 Estruturando prompts para uma saída ideal: Voltem, pessoal. Então, bem-vindo ao nosso curso de mestrado em engenharia de prompts, e mergulharemos em nosso módulo número três, no qual aprenderemos como estruturar os prompts para obter uma saída ideal, e veremos e discutiremos qual é uma estrutura simples a ser seguida ao escrever os prompts, e também exploraremos alguns exemplos de como escrevê-la da melhor maneira possível para o usando uma estrutura que discutimos agora, entraremos no ha GPT e veremos a sugestão prática dessa solicitação Ok. Primeiro, vamos discutir essa estrutura simples a seguir. Ok. Imagine que você está dando algumas instruções para uma pessoa em particular sobre um lugar. Ok, se suas instruções não estão muito boas, ok, essa pessoa não consegue encontrar o lugar certo que ela quer, ok? Da mesma forma, o módulo de IA também pode pensar assim, ok? Gere uma saída como essa. Se suas instruções não forem claras, a IA gerará uma resposta relevante, ok? Da mesma forma, só assim. Ok, entenderemos profundamente escrevendo os bailes Está bem? Primeiro, discutimos a estrutura a ser seguida. Ok. A estrutura contém três partes, principalmente três partes. Isso é configuração de função, definição de tarefa número dois, contexto número três. Você pode ver a configuração da função. Como vimos anteriormente, alguns padrões de formatura, como dramatização, instruções do sistema e algumas instruções boas e ruins. Ok. Além disso, estamos usando essa estrutura para escrever alguns bailes de formatura avançados Está bem? Primeiro, entendemos essa estrutura simples para escrever o melhor prompt aqui. Então, a primeira estrutura é a configuração da função. Então, temos que configurar, temos que atribuir alguma função à IA para pensar assim, pensar nesse plano de fundo. Como se você fosse um assistente prestativo ou um professor experiente. Você é um cientista, ok? Como se você fosse um coach de vida dez anos de experiência em saúde mental, ok, assim. Atribuímos uma função específica à IA para pensar nesse contexto. Ok, o que leva a uma resposta melhor. Ok, como a pessoa específica que tem o campo de assunto. Um campo de assunto específico pode dar a resposta, ok? exemplo, a IA pode gerar uma resposta como a pessoa específica que tem o domínio específico desse assunto Ok. Depois disso, depois de atribuir a função, definiremos nossa tarefa Então, o que eu preciso da IA é uma tarefa. Ok. Em seguida, o terceiro é o contexto. Precisamos fornecer informações básicas ou adicionais ou exemplos que possam orientar a resposta. Está bem? Também veremos anteriormente algumas breves instruções, nas quais fornecemos alguns exemplos para a IA gerar a saída como quisermos, nas quais definimos essa saída no próprio prompt, ok? É uma sugestão de algumas fotos. Então, aqui, contexto semelhante ao mesmo, temos que fornecer informações adicionais em qual tópico você deseja obter o resultado. Essas são as informações básicas. Portanto, isso pode ser facilmente entendido lendo as instruções. Ok. Então, você pode ver que eu dei um exemplo, que é um prompt mal estruturado, como pode ser a aparência de um prompt mal estruturado. Basta me falar sobre IA. Então você pode ver que é simples, me fale sobre IA. Não há outras informações. Não há nenhuma regra estabelecida nisso. Essa é uma pergunta simples que fazemos à IA. Então, pense em como a IA pode gerar a resposta. Portanto, ele gerará alguma forma aleatória ou resumida da IA em todos os casos, como IA na saúde, na educação, no transporte e em todas as aplicações da IA Ok. Mas como é a aparência do prompt da estrutura l. Você pode ver que eu segui a estrutura que é essa estrutura, configuração da função, a definição da tarefa e o contexto. Então você pode ver o aqui. Então, atribuí uma função específica à IA. Você é um especialista em IA. Essa é a primeira configuração de função definida. Depois disso, escrevo a tarefa. Eu defini a tarefa que eu realmente preciso do modelo de IA. Tipo, explique o que a inteligência artificial está focando em sua aplicação, ok? Você pode ver que isso é uma tarefa. Está bem? Explique e forneça exemplos concisos para cada setor Mas onde está o contexto disso? Onde estão as informações adicionais que eu forneci? Podemos ver aqui saúde, educação e transporte. Eu preciso da saída somente para esses três tipos diferentes de aplicativos. Não preciso de outros tipos de aplicativos, o que significa que você forneceu algumas informações adicionais específicas nas quais a IA pode gerar resultados apenas para esses três tipos de aplicativos. Isso significa que você orientou a resposta, orientou a IA a gerar respostas somente nesses três tipos de aplicativos. Isso significa que você forneceu o contexto. Está bem? Portanto, esse aviso pode ser facilmente entendido pela IA e ele será gerado conforme necessário. Está bem? Essa é a diferença entre o prompt mal estruturado e o bem estruturado. Você pode ver a cabeça. O segundo prompt é específico, fornece uma tarefa clara e define uma função para esse modelo, resultando em uma melhor saída. Então, para uma melhor compreensão, vamos entrar em ha gibt, e eu vou ver como é a saída para esses dois tipos de proms Então eu pulo no chapéu. Você pode usar qualquer outro modelo para analisar as duas saídas diferentes Ok. Então, vou escrever um prompt mal estruturado, como Fale-me sobre IA. Vamos ver o que a IA pode gerar. Você pode ver que a indigência artificial se refere a uma simulação da inteligência de Homan Então, isso gerou alguns conceitos relacionados de IA, aprendizado de supervisor, então eu não preciso desse tipo de todas essas coisas Mas são apenas conceitos de IA. Então, ele gerará todas as coisas aleatórias, todas essas coisas. Ok, ele gerou um resumo como esse. Então, eu uso esse prompt. Ok. Esse é um prompt bem estruturado. Eu já copiei isso. Vou colar aqui. Então eu acabei de deletar isso. Ok. Eu escrevi o prompt bem estruturado. Então, vamos ver qual é o resultado disso. Sim, você pode ver isso. A saída é diferente da solicitação anterior. Por quê? Portanto, defini uma função na qual a IA gerará uma saída melhor nesse plano de fundo apenas porque é AIX, mas isso é especificação Engenharia rápida significa especificação. Escrever a solicitação para casos de uso específicos é chamada de engenharia rápida. Está bem? Posso ver lá. Depois disso, tenho uma definição de tarefa que tenho e já forneci apenas, por favor, gere isso, explique a inteligência artificial apenas nos três tipos de aplicativos. Ok, esse é o transporte de educação em saúde , no qual eu orientei a IA a gerar resultados apenas para esse tipo de aplicativo, no qual é gerada a IA de que eu quero educação em saúde, transporte, simples assim. Caso contrário, você também pode escrever assim. Eu explico o que a inteligência artificial está focando em sua aplicação apenas na área da saúde. Acabei de deletar isso. Mas eu posso ver. Resultados diferentes explicarão apenas os cuidados de saúde. Isso é C. Você pode ver que, se eu for específico, você pode ver isso aqui. Então, quando eu guiei a IA para escrever a explicação, a IA em saúde, educação e transporte, na qual não há nenhuma especificação, mas há três tipos de especificações diferentes, nas quais a IA acaba de gerar um resultado gerado , como um resumo de cada subtópico desses aplicativos Você pode ver. Mas quando eu me aprofundo aplicações específicas, como apenas na área de saúde, isso gera uma IA mais profunda na área de saúde. Você pode ver mais. É por isso que a engenharia rápida é muito, muito eficaz para interagir com a IA para obter os melhores e melhores resultados da IA. Portanto, a engenharia rápida consiste em escrever as instruções específicas para obter o melhor e mais relevante resultado dos requisitos de que precisamos Ok. Espero que você entenda essa estrutura e o papel da configuração da função. Ok, espero que você entenda esta lição. Claramente, essa é uma estrutura simples de escrever um prompt eficaz , no qual você precisa usar três etapas, como configuração da função, definição da tarefa e contexto. Ok. Depois disso, vi alguns exemplos de como as especificações funcionam. Uh, como a IA gerará a saída com base em nossas instruções. Então, depois desta lição e na próxima lição, aprenderemos algumas instruções iterativas, que são o melhor e mais importante método para obter o melhor resultado da IA que são o melhor e mais importante método . Vamos mergulhar nisso. 14. 3.2 Prompting iterativo: Ok, pessoal, bem-vindos de volta a esta lição na qual aprenderemos a técnica mais importante que é a solicitação iterativa Portanto, essa solicitação é bastante semelhante à que já discutimos anteriormente, ela está incluída na conversa em vários turnos Ok, é uma interação na qual escrevemos o prompt e eu gerarei a resposta. Depois disso, escreveremos o prompt que é o prompt de acompanhamento, follow up para ajustar nossa saída. Ok, isso é chamado de solicitação iterativa, então discutiremos mais detalhadamente nesta lição Está bem? Então, vamos ver o que você aprenderá com esta lição, solicitação iterativa Então, aprenderemos como refinar as solicitações para melhorar as respostas do AIR e veremos algumas técnicas e também alguns exemplos para entender melhor o que é a solicitação iterativa Por que a inspiração reativa é importante. Portanto, os modelos de linguagem são treinados por uma grande quantidade de dados. Portanto, também é inteligente. Mas os modelos de linguagem às vezes precisam de orientação para gerar a saída que queremos, da forma que queremos. Está bem? Precisa de alguma orientação para gerar essa saída. Assim como, por exemplo, editar um rascunho de um documento, editar um documento. Portanto, se você usar qualquer Google Docs, ajustaremos o parágrafo ou o conteúdo do documento analisando-o por meio de descrição ou simples revisão Assim. Eu também vou ajustar a saída com nossa orientação, ok? Veja, a solicitação iterativa é um processo de ajuste de suas solicitações com base na Ok, significa que primeiro você escreverá uma solicitação para a IA, ou seja, instruções, pergunta ou consulta. De acordo com sua solicitação, a IA gerará uma resposta, ok? A saída é analisada por você. Se você acha que deseja ajustar alguma saída, precisa de algumas informações extras dessa saída. Você escreverá um prompt de acompanhamento para obter uma saída detalhada da saída anterior. OK. Portanto, ele ajustará a segunda saída anterior para entender sua solicitação de acompanhamento. Então, entenderemos por implementação prática JA GPT. Não se preocupe com isso. Portanto, você pode ver que essa técnica é essencial para refinar e restringir suas respostas para atender às suas necessidades Ok, é a melhor e mais eficaz maneira de obter a maior parte do modelo EI e obter a maior parte da saída efetiva do JA GPT ou de qualquer modelo de linguagem Portanto, é a melhor maneira. Vamos ver isso. Vamos ver. Portanto, há algumas etapas que precisamos seguir para iterar de forma eficaz Primeiro, temos que analisar a saída. Primeiro, temos que escrever um prompt, ele gerará uma saída. O primeiro passo é analisar a saída. Verifique se a resposta está alinhada com sua intenção ou necessidades ou como você deseja Se estiver alinhado às suas necessidades, isso é bom. Se não, significa o que eu tenho que fazer a seguir. Podemos ver as lacunas de identificação. A segunda coisa é que você precisa identificar as lacunas. Procure áreas em que a saída não esteja clara ou tenha alguns dados imprecisos presentes na saída Então você tem que identificar essas lacunas. Depois disso, você precisa revisar o prompt. Significa que você precisa escrever o prompt de acompanhamento. Melhor do que o prompt de peão anterior para evitar a saída anterior Está bem? Portanto, pode ser facilmente compreendido pela implementação e prática práticas. Então, veremos isso também. Veremos isso também. OK. Primeiro, vamos simplesmente entender as etapas. Primeiro, tenho que escrever o prompt simples. Depois disso, vou gerar alguma saída depois de analisar a saída, se ela tem alguns dados incorretos ou pouco claros, ou depois disso, tenho que identificar as lacunas que são imprecisas ou qualquer coisa que, depois disso, eu tenha que revisar um Preciso fazer a pergunta de acompanhamento ou alterar o prompt anterior para obter a melhor saída. Então é isso, pois essa solicitação iterativa é muito fácil. Como se você pudesse gostar conversar com nossos colegas e amigos desse jeito. Veremos alguns exemplos para entender melhor isso. Eu posso ver o aviso inicial. Isso é descrever energia renovável. A saída será quanto mais eu tiver, por exemplo, pego apenas duas linhas. Portanto, a energia renovável vem de fontes naturais, exemplos incluem energia solar e eólica. Essa é uma resposta bem simples que eu tomei para isso, mas a saída pode ser muito longa, ok? Peça ao revisor alguma solicitação. Explique a energia renovável, seus benefícios e três exemplos específicos: energia solar, eólica e hidrelétrica, use uma linguagem simples para um público iniciante Então veja, este é um prompt bem estruturado. Este é um prompt revisado. Por quê? Porque eu analisei a saída, que é bom, mas não entendo. Acabei de receber uma resposta específica, mas para entender por mim e facilitar o entendimento de um determinado tópico, preciso orientar o módulo, acordo com meus requisitos. OK. De acordo com minhas capacidades, preciso revisar o prompt novamente para obter o melhor resultado da IA Então, veremos na intimação prática Jab. Você pode ver que o prompt do revisor define expectativas claras, levando a uma resposta mais detalhada e mais completa. Ok, vamos entrar no JGBT. Vamos ver como isso funciona. Vamos para Char GBD. E então eu vou pegar o novo gráfico. Ok, vou escrever uma pergunta simples como: Ok, tomaremos este exemplo anterior de nosso PPT que descreve energia renovável Vamos ver isso. Descreva a energia. Essa é a saída. Você pode ver algumas saídas relacionadas à nossa energia remable. Você pode ver o resultado aqui, vantagens, desafios, aplicações. OK. É melhor. Está bem? Isso é reverso à energia derivada de fontes naturais que são continuamente reabastecidas e virtualmente instáveis Ok, se eu sou iniciante em energia renovável, qual é o significado de reabastecido e Então eu não entendo. Então, para isso, eu tenho que ir ao Google e eu tenho que escrever os significados de plenehaustible. Então, o que é isso? Então, para evitar essas coisas, escreverei um prompt como esse. Eu copiei isso, então vou direcionar uma página aqui. Então, explique a energia renovável, seus benefícios e três exemplos específicos: solar, eólica e hidrelétrica Use uma linguagem simples. Isso é muito importante. Ok, quando você vai aprender algo com os modelos de linguagem porque a IA é treinada pelo inglês avançado, ok? Isso é inglês avançado e mais dados, treinado em inglês com mais dados em que tudo vem com o avanço de palavras mais complicadas, palavras em inglês que nunca ouvimos em nossa vida, ok? Portanto, não podemos entender isso. Se você usar uma linguagem simples, isso gerará uma resposta de IA em palavras simples que podemos entender facilmente. Então, vamos ver isso Você pode ver o que é a energia renovável C. Você pode ver essa linguagem muito, muito limpa e simples que podemos entender facilmente esse tópico. Você pode ver isso aqui. O que é energia renovável? Energia renovável é a energia que vem de fontes naturais como o sol, quando essas fontes estão sempre disponíveis e não acabam, ao contrário do carvão ou do petróleo. Eles são limpos e ajudam a proteger. Veja, você pode ver os exemplos de como queremos a saída. É uma saída silenciosa e muito eficaz quando comparada à possibilidade de analisar a saída. Você pode verificar essas duas saídas. Veja, essas são palavras muito eficazes, palavras complicadas que não podemos entender facilmente como iniciantes, mas podem ser facilmente entendidas por iniciantes porque é uma mas podem ser facilmente entendidas por iniciantes porque é linguagem simples de explicar para É por isso que escrever seus requisitos, fornecendo mais detalhes sobre o que você precisa da IA, é poderoso. Ele será gerado de acordo com nossa necessidade. É isso mesmo. Como você pode ver, acabei de escrever o Simple Pro. Depois disso, eu analiso isso. Eu analiso isso. Portanto, essa saída é melhor, mas não consigo entender. Em seguida, identifique a lacuna. Qual é a lacuna? Então, eu não entendi essas duas palavras reabastecidas e inacessíveis porque não sei, porque sou iniciante Então, para isso, quando, o que eu tenho a IA, então expiro energia renovável E eu simplesmente digo que alguns benefícios específicos e quaisquer três exemplos específicos usam linguagem simples porque eu tenho que aprender energia renovável em linguagem simples Preciso entender porque sou iniciante. Simples quando tive essa ideia depois de analisar a primeira saída Isso é o que é a engenharia rápida. Há uma primeira e a maioria das etapas que você precisa seguir é a solicitação iterativa Você precisa escrever qualquer primeira instrução depois disso, analisar a saída e alterar a próxima solicitação acordo com sua necessidade e com mais detalhes possíveis. Depois disso, ele gerará alguma IA, que é mais eficaz do que a anterior. Isso é simples. É por isso que a solicitação iterativa é método mais eficaz para obter o melhor resultado de acordo com sua necessidade Espero que você entenda e pratique cada vez mais. Assim, você pode fazer perguntas complementares como a solicitação iterativa, não está só aqui, pare Posso analisar essa saída e identificar novamente quaisquer lacunas nela. Depois disso, revisarei o prompt novamente. Eu preciso especificamente para isso apenas em espanhol, em francês, em hindi ou em outro idioma regional Ok, para entender a saída para mim. Isso é muito importante. Primeiro, você precisa escrever o prompt. Se estiver solicitando, você deve escrever o prompt. Depois disso, você precisa verificar a primeira saída da IA. Depois disso, identifique as lacunas e forneça o máximo de detalhes possível no segundo prompt revisado Ele gerará a melhor saída A do que a anterior Assim, você pode ir até que a entrada de IA atenda às suas necessidades. Você pode ir ao baile de formatura 582, 60, dez, 20, 30 Como, não há limite nisso. Então, por quê? Porque você quer essa saída, aquela saída exata, o que você quer. Para isso, usaremos oito raízes para solicitar. Isso é tudo para esses caras. Essa solicitação sit-roto é muito, muito fácil se você praticar bem e com mais exemplos OK. Espero que você entenda isso. Entenda isso. Ok, passaremos para a próxima lição desse modelo número três, na qual aprenderemos pouco do gerenciamento de contexto, que é como devemos fornecer informações básicas corretas, equilibrando brevidade e detalhes em nossas instruções. Vamos mergulhar. 15. 3.3.1 Gestão de contexto - Parte 1: Bem-vindo de volta à nossa próxima lição desse modelo número três, na qual aprenderemos o que é gerenciamento de contexto. Como discutimos anteriormente sobre contexto, fornecer contexto significa fornecer informações adicionais a um prompt ou IA para orientar nossa saída como a saída deve ser gerada. Ok. Ok, forneceremos informações adicionais. Então, a quantidade certa de informações que precisamos escrever no prompt. Isso também desempenha um papel importante. Então, quais são as informações adicionais ou dados de fundo que eu preciso fornecer à IA para obter o melhor resultado. Então, veremos algumas técnicas de contexto e algumas dicas ou exemplos desse tipo. Veremos qual é o papel do contexto nos bailes de formatura, o que é muito importante e algumas dicas, e veremos alguns exemplos e vamos encerrá-lo. Vamos ver. Gerenciamento de contexto. Gerenciamento de contexto significa fornecer informações básicas ou adicionais à IA imediatamente para orientar a IA a gerar a saída que desejamos O contexto significa que fornecer informações adicionais ajudará a IA a entender nossa intenção principal Contexto, qual é o papel do contexto nas solicitações? Lembre-se disso: se você fornecer muito pouco contexto e poucas informações adicionais, essa pista pode levar a saída ou resposta irrelevante ou pouco clara da IA Por outro lado, se você fornecer muito contexto, pode liderar o modelo e reduzir a qualidade da saída. Ok. Se você fornece pouco ou muito, há uma chance de obter qualidade de resposta muito baixa da IA. Como podemos escrever a melhor ou a quantidade certa de informações adicionais para a IA, nas quais podemos obter o melhor resultado como resposta da IA. Discutimos em detalhes neste modelo agora. A chave é incluir informações suficientes para orientar a IA sem sobrecarregá-la Sim, isso é simples. Você precisa incluir apenas informações suficientes, o que você precisa. Essas informações são suficientes para guiar a IA sem sobrecarregá-la Porque algumas pessoas simplesmente escrevem essas informações adicionais que não são necessárias. O que não é necessário para gerar uma saída, o que não é obrigatório. Temos que deletar isso. Temos que escrever exatamente o que precisamos. Isso pode levar a uma melhor saída da IA. Vamos ver o exemplo ou veremos algumas dicas para gerenciar o contexto. Vamos ver. Seja específico. Inclua detalhes que ajudem o modelo a entender suas necessidades. Basta incluir detalhes do que você precisa. Isso é simples. Você não precisa escrever ou obter informações adicionais que não sejam exigidas nesse tópico na saída. Basta escrever os detalhes específicos que ajudam o modelo a entender suas necessidades. A seguir, exemplos de uso. Se sua tarefa for complexa, você pode incluir alguns exemplos de saídas para definir as expectativas, para orientar o módulo a gerar somente uma saída como essa Já discutimos anteriormente que há algumas breves instruções nas quais fornecemos alguns exemplos de como a saída deve ser. Está bem? Exatamente o que temos dessa maneira contextual. Contexto significa fornecer informações adicionais, exemplos ou outros dados que apoiem nossa intenção, o que ajuda a IA a gerar a saída que queremos Isso é simples. Use exemplos e o terceiro é evitar redundância Redundância significa manter o aviso conciso e direto ao ponto Simplesmente conciso e direto ao ponto. Portanto, você deve manter essas três dicas em mente ao escrever o 16. 3.3.2 Gestão de contexto - Parte 2: Você pode ver o exemplo, o melhor exemplo aqui. Então, esses dois bailes de formatura estão muito bem estruturados, mas estão mais sobrecarregados. Você pode ver isso. Você é um especialista na configuração de funções em ciências climáticas. É um aviso muito bom, e também é um aviso muito bom. Mas está sobrecarregado, certo? Portanto, escreva um ensaio detalhado sobre as causas, efeitos e possíveis soluções, é mais detalhado do que isso, mas é otimizador Está sobrecarregado. Por quê? Ele pode ser definido vendo somente a saída. Porque veremos esse Cha GPT. O prompt do otimizador mantém o foco na tarefa e, ao mesmo tempo, é informativo Primeiro, entendemos esses dois bailes de formatura. Essa é uma estrutura de poço que também é uma estrutura de poço, mas é sobrecarregada por mais informações adicionais Mas por que mais detalhes podem orientar a IA a gerar a melhor saída, mas por que ela está sobrecarregada Aqui, uma surpresa é que, quando você experimenta o EI, você é um especialista em ciências climáticas. Você é especialista em ciências climáticas. Você não precisa escrever todos esses subtópicos porque na própria ciência climática, ela já conhece esses tópicos e você já entendeu Sua tarefa é escrever um ensaio detalhado sobre as causas, efeitos e todas essas coisas. Todas essas coisas já são conhecidas pela IA porque ela é especialista em ciência climática. Mas o principal depende da sua intenção. Mas sua tarefa é apenas escrever um ensaio detalhado sobre as causas e efeitos, todas essas coisas, decorrentes dessa mudança climática. Em vez de fornecer mais informações, você pode simplesmente escrever assim, escrever um ensaio de 500 sobre as principais causas da mudança climática e três possíveis soluções. Use exemplos e dados para apoiar seus pontos. Você disse à IA use exemplos e dados para apoiar seus pontos. Quais são os dados para apoiar os pontos de IA significam que são emissões de carbono, desmatamento, poluição industrial, fontes de energia renováveis. Todas essas coisas estão neste exemplo de dados que apoiam seus pontos, que já são conhecidos pela IA, que é ciência climática Você não precisa escrever todos esses subtópicos. Ok, porque se você não der essas informações adicionais, eu já posso saber quais são algumas das causas e efeitos causados pela mudança climática em todas essas coisas Isso está sobrecarregado porque fornecemos muitas informações adicionais, isso não é necessário porque a IA já sabe, porque a IA agora é especialista em ciência climática Eu entendo, espero que você entenda esse aviso. Mas, quando comparado a aqui, está bem otimizado porque por que você escreveu que lhe foi atribuída a função? Ou seja, você é um especialista em ciências climáticas, no qual o especialista sabe, no especialista conhece todos esses tópicos. Sua intenção é escrever um ensaio de 500 palavras sobre as principais causas da mudança climática e três possíveis soluções É muito conciso e direto ao ponto. Não há nada. Use exemplos e dados para apoiar seus pontos. Tão simples. Mas aqui nós lhe damos mais alguns detalhes. Não precisamos escrever essas informações adicionais. Por quê? Porque as poluições causadas pelas mudanças climáticas já são conhecidas pelo especialista que entende o clima Ele será gerado automaticamente se não fornecer esses pontos. Se você não fornecer informações adicionais a esses pontos, a IA poderá gerar a solução com base nesses tópicos. OK. Deixe-me ver. Isso pode ser entendido pela implementação prática. Vou até o chapéu GPT, primeiro paginarei esse prompt sobrecarregado e depois acessaremos o prompt de medição Optim Ok, vamos. Então, vamos pegar o novo gráfico. Vamos colar isso. Este é um baile de formatura sobrecarregado que copiei diretamente do meu PPD e Vamos ver qual é a saída de AIs. Aqui estão alguns resultados de que mudança climática causa efeitos e possíveis soluções. As causas da mudança climática explicam alguns pontos sobre as causas das mudanças climáticas aqui. Vamos ver o desmatamento, a poluição industrial, os efeitos das mudanças climáticas OK. Ventos climáticos extremos, grande perda de diversidade. É bom. É um detalhe tão detalhado quanto detalhado porque no prompt sobrecarregado, se você fornecer o prompt overdt, a saída também ficará sobrecarregada, simples, Portanto, a IA está ao nosso lado, a IA só será gerada acordo com nossas necessidades e solicitações. Vamos ver esse aviso sobreposto que escrevemos aqui. Portanto, a saída que também fornecemos aqui é bem longa e mais detalhada. Vamos ver o que acontece com o prompt otimizado. Vou copiar daqui. Vá para compartilhar GPT e payto. É um prompt de otimizador. Vamos ver do que é a saída. As principais causas, você pode ver, estão explicadas. Desmatamento, emissão de gases de efeito estufa, atividades industriais, três soluções potenciais para a transição da energia renovável Esforços de conversação sobre reflorestamento, reforma de políticas e acordos globais, conclusão É a melhor saída do anterior. Por quê? Portanto, não se trata de produção. É tudo uma questão de inspirar. Está bem? Então você pode ver aqui que você pode ver a saída. Há alguma coisa que causa a mudança climática, o aquecimento global, a emissão de carbono, desmatamento, a poluição industrial Você pode ver a produção exata de outros dispositivos sob medida como as principais causas da mudança climática, emissão de gases de efeito estufa, desmatamento, indústria e atividades agrícolas Ele não fornece essas informações adicionais neste prompt aqui, explique assim. Então, ao comparar isso, escreva detalhes sobre as causas e possíveis soluções para as mudanças climáticas, tocantes, eficientes em carbono global, impedem a poluição Nunca forneço informações adicionais nesse prompt do otimizador, mas conheço esse tópico Ok, porque é especialista em ciência climática. OK. Então, ele gerará automaticamente quais as principais causas da mudança climática, como emissão de gases de efeito estufa e desmatamento Não precisamos fornecer informações adicionais aqui. Isso é simples. Você pode ver as soluções que sobrecarregaram a geração imediata, adoção de energia viável, o reflorestamento, a inovação industrial e as mudanças políticas que estão aqui Além disso, esse prompt tem. Mas no prompt do otimizador, ele não o fornece, mas o gerará. Soluções. Não fornece, apenas explica isso. Eu só escrevo o que eu preciso. Automaticamente, a IA gerará as soluções, fazendo a transição para energia renovável, o que é bastante semelhante ao prompt sobrecarregado Ok, esse aviso. Você pode verificar isso facilmente. Isso é simples. por isso que o gerenciamento do contexto é muito importante. Não há nada nisso. Se você fornecer ou não, não há nada, mas às vezes a IA gera esses tópicos apenas em vez de se concentrar nas principais causas do senso climático. Espero que você entenda esse ponto porque você pode ver isso. Se eu cancelar essa emissão de carbono e poluição industrial, a IA gerará as causas que estão relacionadas ao aquecimento global e simplesmente recusará ou simplesmente excluirá a emissão de carbono e a poluição industrial da produção porque você só pediu especificações aqui, tópico específico que é mudanças na política de energia renovável e isso só vai gerar uma consciência pública dessa forma. Nunca explicará sobre a emissão de carbono porque você instrui a IA a gerar apenas esses tópicos Ok, ele escreverá um ensaio, mas só escreverá um ensaio sobre aquecimento global, desmatamento, energia renovável Portanto, ele simplesmente excluirá esses dois tópicos porque você os exclui do filme adicional. É por isso que temos de acordo com nossas necessidades e coisas. Portanto, nossa solicitação pode ser que fornecer uma solicitação excessiva possa levar a uma resposta irrelevante ou muito ruim Ok, isso depende da nossa exigência, ok? Quando nossa intenção principal é escrever o ensaio sobre mudança climática, ok? Aqui estão apenas os mesmos. Você já viu a saída do Ja GPTsResponse Então, isso é bem parecido. Está bem? 17. 4.1 Otimização rápida: De volta ao módulo de engenharia master prompt número quatro , no qual veremos alguns padrões avançados de formatura Vamos mergulhar nisso. Portanto, antes de discutirmos alguns padrões avançados de alerta, vemos algumas técnicas de dicas de otimização rápida. Está bem? Já discutimos anteriormente algumas das melhores práticas para escrever solicitações. Ok, não confunda Tudo se resume ao fato de que há coisas parecidas com tudo o que aprendemos anteriormente. Não há diferença nisso, ligue para eles. Então, o que é real é a otimização imediata. Você pode ver que a otimização é a arte do ajuste fino. Portanto, não entre em pânico adicionando esse ajuste fino. Da mesma forma, está refinando o prompt, treinando a IA com sua solicitação. Simples isso. otimização é a arte de ajustar suas solicitações para garantir clareza, reduzir a ambigüidade e melhorar o engajamento Esses três são muito importantes. Você deve ter em mente ao escrever o aviso. O melhor aviso reduzirá a ambigüidade e qualquer resposta irrelevante Trata-se de fazer a pergunta certa da maneira certa para obter a melhor resposta. Ou seja, a otimização imediata significa simplesmente fazer a pergunta certa da maneira certa para obter a melhor resposta, na qual possamos obter melhor resposta, na qual possamos obter algumas melhorias que melhorem o engajamento e reduzam a ambigüidade, o que leva a uma melhor resposta do AIR Que vemos o DIP. Há alguns pontos-chave que devemos ter em mente ao escrever as instruções para a IA Primeiro, já discutimos que isso é clareza. Clareza significa usar uma linguagem simples e precisa e evitar a confusão ou palavras ou frases pouco claras que eu não consigo entender, nossa intenção gerar uma resposta relevante para nossa consulta ou tarefa A, em vez de C, você pode ver o exemplo aqui, temos que lembrar novamente, conte-me sobre a história. Você pode ver que não há nada claro nisso. Não há nenhuma especificação. Conte-me sobre a história. A história significa que é uma coisa ampla. Então, a IA pensará: ok, terei que explicar a história. Ele apenas gerará dados aleatórios relacionados a informações aleatórias relacionadas ao histórico. Não há nada nisso. Em vez disso, se você usar clareza. Ou seja, você pode fornecer um resumo das ferramentas, causas e resultados da Guerra Mundial? É um tópico específico no campo da história. Então, agora a IA pensou com clareza: Ok, essa pergunta tem alguma clareza que a IA pensará Eu tenho que fornecer um resumo das causas e resultados das ferramentas da Guerra Mundial. É especificamente, certo? É um tópico específico em que a IA pode gerar a melhor saída relacionada a esse prompt. É por isso que precisamos garantir que as instruções sejam claras e específicas quanto possível para obter o melhor resultado da IA Vamos ver o segundo ponto que é o rolo de formatação. Formatação significa que você já conhece essa formatação. Se você usa documentos ou qualquer documento, se tiver alguma ideia sobre isso, a formatação é a melhor coisa que podemos, que economiza tempo para encontrar os pontos, ver as coisas ou revisar o que escrevemos nesse A formatação nada mais é do que usar cabeçalhos, marcadores e São todas essas coisas. Portanto, é uma prática recomendada usar a formatação nos prompts Caso contrário, é necessário. Mas se você deseja se tornar um engenheiro rápido profissional, suas habilidades de redação devem ser muito eficazes. Está bem? Quanto mais eficaz você for na escrita, melhor será o resultado e o melhor resultado que você poderá obter da IA. Pode usar algum formato, como usar marcadores em sua lista de números de solicitações ou cabeçalhos em suas solicitações para obter uma resposta ou cabeçalhos em suas solicitações para obter Como exemplo, você pode ver aqui a lista a seguir em ordem, vantagens das desvantagens da energia solar e potencial futuro. Apenas para orientar a IA a obter a saída somente nesse formato. Então, é simples. Vamos ver isso. A terceira são as técnicas de engajamento. Quais são as técnicas de engajamento? Ok, se você gerar IA a partir de um modelo de qualquer linguagem, se a resposta gerada não for envolvente, você está com você mesmo. Portanto, as outras pessoas também não podem se envolver com essa resposta da IA. Então, qual é o esforço de obter a resposta da IA, certo? Portanto, você precisa fazer isso, embora seja muito importante quando estiver procurando por criação de conteúdo ou redação de artigos , onde as pessoas leiam seu livro ou qualquer coisa. Ou seja, a resposta, a saída deve ser muito engajada, certo? Exceto que não podemos obter a melhor capacidade de leitura. OK. O engajamento é muito importante em qualquer caso de uso. Então, para isso, temos que formular suas perguntas para despertar a curiosidade ou fornecer contexto Contexto significa aqui informações básicas. Informações adicionais sobre seu tópico. Por exemplo, você pode ver, imagine que você é um cientista em 2050 Quais avanços na IA você poderia descrever? Imagine que você é um cientista. Então, aqui atribuímos algum papel em 2050, que é um futuro. Está bem? Então, como a IA pensa assim ? A IA acha que eu sou um cientista em 2050, quais descobertas na IA você pode descrever Para que a IA gere a melhor saída em relação a essa IA, é pensar que sou um cientista em 2050 Então, é engajado ou contente, porque você constrói uma conexão. A IA está conectada com cientistas em 2050. Em que ele pode gerar uma melhor saída. Imagine o que é preciso para as técnicas de engajamento. Está bem? Se você estiver bem, se não estiver usando esse tipo de solicitação aqui, imagine que você é um cientista Basta usar os avanços em IA que você poderia descrever em Isso é uma coisa simples. Essa é uma pergunta simples. Se você usar o simples, imagine que você é um cientista. Você está orientando a resposta da IA para se envolver em seus pensamentos Está bem? Eles se envolvem em seus dados. A capacidade da IA, pensando que ela se conectará com sua base de conhecimento, pensará e gerará conteúdo engajado em vez de fazer perguntas simples nas quais não há engajamento na Está bem? É por isso que você precisa usar algumas técnicas, palavras que a IA possa pensar que a IA possa imaginar e que conectem sua base de conhecimento e palavras que possam descrever sua produção com muita facilidade. Está bem? Esses são alguns dos principais que devemos ter em mente ao escrever as instruções para a IA, ou seja, obter a melhor resposta para melhorar o engajamento, reduzir a ambigüidade, ou seja, uma resposta e clareza pouco claras Está bem? Então, depois disso, vamos para a parte principal deste módulo, que é o Advanced Prompt Pattern P one, na qual veremos cinco padrões de alerta de melhores práticas diferentes e mais importantes , como engenheiro , que você precisa e deve usar para resolver tarefas complexas. Vamos começar. 18. 4.2.1 Padrões de prompt avançados (parte 1) - 1. Peça um padrão de entrada: Bem vindos de volta, pessoal. Bem-vindo ao nosso modelo número quatro de Master Prompt Engineering, e sobre o qual aprenderemos os padrões avançados de prompt, parte um. Está bem? Então, discutiremos alguns dos cinco padrões de alerta mais populares e, como engenheiros de alerta, precisamos usar em nossas vidas diárias para obter o melhor resultado da IA. Então, em vez desses cinco bailes de formatura, temos mais cinco outros padrões de formatura que discutimos na segunda parte deste modelo Vamos discutir o primeiro padrão de solicitação que é o padrão de solicitação de entrada. Vamos ver em detalhes esse padrão de formatura. Veja. Portanto, esse padrão de solicitação de entrada é uma forma poderosa de criar solicitações que orientam as interações de IA de forma eficaz Esse padrão envolve a solicitação externa de uma entrada, fornecendo instruções contextuais claras e especificando a estrutura de resposta desejada Por que estamos usando isso para reduzir respostas e clareza pouco claras e tornar as interações mais previsíveis, fáceis e muito eficazes de obter resultados da IA Está bem? É simples, muito simples de aprender. Portanto, é um padrão de solicitação de entrada muito fácil de entender. Vamos ver isso. Para usar esse padrão, nosso baile de formatura deve fazer a seguinte declaração contextual fundamental Fundamental significa : peça-me a entrada X. X não é nada, mas temos que substituir X por nossa meta, tarefa ou pergunta, na qual precisamos obter resultados da IA Isso é simples. Então, o que é uma declaração contextual fundamental para o padrão de solicitação de entrada é solicitar-me uma entrada Esta é uma frase fundamental muito importante que devemos usar no próprio prompt para combinar qualquer tipo de tarefa. OK. Vamos ver esse funcionamento desse padrão de formatura implementando praticamente o Cha GPT, e vamos nos aprofundar nisso implementando praticamente o Cha GPT, e vamos nos aprofundar Então, eu estou entrando no Cha GPT. Então, vamos ver o que significa pedir um padrão de entrada. OK. Vamos ver. Então, vou descrever qualquer tarefa de um para a IA antes de escrevermos o padrão de prompt ask me for input X. Então, para isso, copiarei rapidamente meu prompt e colarei aqui. Então você pode ver o aviso exato aqui. A partir de agora, fornecerei metas de condicionamento físico e outros detalhes relevantes sobre minha rotina. Você criará um plano de treino semanal adaptado à minha opinião. Para cada dia, inclua exercícios, séries e repetições. No final, sugira uma atividade de recuperação para a semana. Ok, então é uma tarefa simples que dei à IA. Está bem? Este é um aviso simples que dei à IA de acordo com minhas preferências. Depois disso, usei esse padrão de solicitação de entrada. Você pode ver facilmente aqui. Ou seja, pergunte-me quais minhas metas de condicionamento físico e meu nível atual de condicionamento físico. Na verdade, como funciona. Vamos ver isso. Se você for ao caixa eletrônico para sacar seu dinheiro, primeiro insira seu cartão de caixa eletrônico nessa Depois disso, ele solicita que alguma entrada seja da própria máquina. A máquina solicitará seu código PIN, seu número PIN, número PIN do caixa eletrônico e quanto você deseja sacar, certo Então, essas perguntas serão feitas pela própria Máquina. Assim, você está treinando IA. Está bem? Você está escrevendo o prompt dessa forma depois que vocês dois iniciam sua tarefa. Ok, para começar sua tarefa, a IA fará uma pergunta. Quando você der a resposta, depois disso, ela prosseguirá com a tarefa principal. Ou seja, pergunte-me o padrão do prompt de entrada. Está bem? Vamos ver o que acontece. Eu vou. Ele fará alguma pergunta para mim. Perguntará C. Entendi. Para criar um plano de treino pessoal, preciso de alguns detalhes de sua parte. Veja, depois de fornecer essas respostas para essas perguntas, ele gerará um plano de treino de minhas preferências, porque eu defini as instruções no prompt. Depois disso, eu uso o padrão ask me input prompt, no qual a IA fará perguntas para mim. Quando eu responder a essas perguntas , somente eu gerarei um plano de treino semanal adaptado às minhas preferências, simplesmente tão simples quanto isso. É simples, é semelhante caixa eletrônico a uma quantia do próprio banco. Está bem? Para que você possa combinar este caixa eletrônico, você me pede os níveis de condicionamento físico e o nível de condicionamento físico atual, seja, está inserido um cartão ATM Depois disso, ele perguntará qual é o seu número PIN, quanto você deseja e se deseja sacar da conta corrente ou poupança, todas essas preferências. Assim, é um trabalho semelhante. OK. Vamos ver. Depois de responder a essas perguntas, ele gerará um plano de treino semanal para mim. Ok, vamos ver, vou dar respostas rapidamente. Você pode conferir aqui. Qual é o seu FitNLLGS Eu irei para a classe de peso W. Perda de peso. Então, o número dois é qual é o seu nível de condicionamento físico atual? Eu poderia pegar o intermediário? Número três, você tem acesso a uma academia ou prefere fazer exercícios em casa Eu prefiro exercícios em casa. Número quatro, a pergunta “ Preferências ou limitações específicas que você tem”, não aceitarei nenhum trabalho pesado. A resposta numérica é quanto tempo você pode dedicar ao seu diário ao treino Vamos levar 30 minutos. Então, vamos ver o que a IA gerará uma resposta. Aqui você pode ver que há uma saída melhor que é o plano de treino semanal do gerador com base nas minhas informações aqui. Certo. Isso é melhor. Está bem? É muito eficaz e o melhor resultado é obter meu plano de treino personalizado ou de minhas preferências pois solicita mais detalhes sobre minhas preferências A IA me pergunta minhas preferências para gerar um plano de treino preferível, eficaz, próximo e fácil, que defina minha rotina Está bem? Se você ver, em vez disso, se você escrever uma pergunta, apenas me forneça, eu fornecerei minhas metas de condicionamento físico. Ok, se você escrever em vez desse padrão imediato, se você escrever, crie um plano Wout semanal Telatum para o meu plano de treino de 30 dias Ele simplesmente gerará algumas informações aleatórias ou plano de treino semanal aleatoriamente, sem conhecer suas preferências Se você usar esse padrão de prompt, peça-me um padrão de prompt de entrada, ele perguntará suas preferências, o que realmente você precisa em qual saída preferível você deseja e quais aspectos e de que maneira você deseja Portanto, esse é o padrão do prompt de solicitação de entrada que funciona. Você pode usar para qualquer outro aplicativo. Eu escolhi apenas o plano de treino semanal, para que eu possa realizar para estudo, para fins educacionais, qualquer tarefa complexa que eu não possa saber as informações básicas de você para realmente resolver o problema real, certo? Então, se você fornecer os detalhes detalhados para a IA, que suporta sua tarefa. Ele pode gerar a melhor saída , conforme discutimos anteriormente sobre a otimização imediata, certo? Portanto, é uma prática recomendada ao escrever o padrão de prompt de entrada, o que ajuda você a obter a melhor saída. Está bem? Então, por que esse padrão é útil significa que podemos melhorar a precisão da saída. Está bem? É melhor melhorarmos a precisão da produção, porque declaramos nossos requisitos aqui porque a IA me fez as perguntas relacionadas à minha tarefa que a IA deseja de mim, porque a tarefa é gerar plano de treino semanal para você. Então, a IA só me fará perguntas mesma forma que, depois de eu fornecer minhas preferências aqui, ela gerará um plano de treino semanal preciso e ajustável para mim É por isso que esse padrão de solicitação de entrada do Ask Me é muito poderoso se você se aprofundar cada vez mais nisso. Portanto, posso entender facilmente escrevendo mais e mais instruções sobre esse padrão de solicitação de entrada, no qual podemos obter informações mais profundas se você o usar e se praticar bem com o ChagPT e outros modelos de linguagem de IA, mas funciona no CharGB, então a maioria padrão de solicitação de entrada, no qual podemos obter informações mais profundas se você o usar e se praticar bem com o ChagPT e outros modelos de linguagem de IA, mas funciona no CharGB, mas funciona no CharGB Funciona melhor no ChargeP porque tem alguns recursos, bons recursos e outros modelos de linguagem E não se preocupe se discutirmos esse tópico também entendendo os diferentes LLMs e seus recursos, prós e contras nos próximos modelos após este módulo OK. Então, isso é tudo sobre pergunte-me pelo padrão de entrada. Então, vou dar outro exemplo para entender melhor isso. Então, vou dar um exemplo simples. Então, vamos pegar alguns a partir de agora. OK. Vou levar outra coisa aqui a partir de agora. Ok, vou considerar que descreverei Since no texto. Você traduzirá. Vou seguir uma simples solicitação para entender melhor. A partir de agora, direi qual idioma você usa para traduzir a tarefa dada. Desculpe por um determinado texto. Então, vou perguntar, vou apenas fornecer a tarefa dela. Como estão Então, o que vou dizer à IA a partir de agora, vou dizer qual idioma você usa para traduzir o texto fornecido, como você está? Esta é uma tarefa na qual eu digo à IA, eu vou te contar. Eu direi qual idioma você deve usar para traduzir. Você deve usar para traduzir o texto fornecido, como você está? Então, o que vou dizer, vou usar aqui, pergunte-me o padrão de prompt de entrada aqui. Pergunte-me para que eu aceite isso. Agora, pergunte-me qual uso de linguagem eu preciso usar. Vamos ver o que a IA gerará. Você pode ver o A ask me got it, qual idioma devo usar para traduzir, como você está? Ok, eu vou dizer francês. Então, eu apenas forneço a resposta que é francesa. Agora você pode ver o, como você está traduzido para este em francês. Então, assim como o padrão ask me for input prom, você só precisa definir uma tarefa na qual você deve usar isso Eu direi qual idioma de fala você deve usar para traduzir o texto fornecido, como você está? Por último, no último ponto, você tem que usar pergunte-me. Isso agora é me perguntar qual idioma eu preciso usar. Isso se baseia em sua necessidade ou tarefa que você resolverá pela IA. Então você pode mudar isso, mas você tem que usar o último estágio é pedir, mas, uh, você pode, então você deve se certificar de que também deve definir a tarefa em si. Nesse caso, eu tenho que contar para a IA. Eu vou contar à AI. Eu direi qual idioma de fala você deve usar para traduzir isso. Eu tenho que contar para a IA porque eu vou te dizer, ok? Para isso, eu tenho que escrever o padrão de solicitação de entrada no final. Serão duas partidas aqui. Sim? Quando eu fornecer essa resposta, ela virá aqui e se traduzirá como você está em francês. Portanto, isso é muito fácil se você praticar bem sozinho no ajebti. Então não se preocupe. Eu fornecerei esse link de bate-papo no próprio documento, e ele entrará em contato este curso para entendê-lo melhor. Então é isso aí, pessoal. Para isso, tudo sobre padrão de formatura ask me for input, no qual vimos, temos que usar uma declaração contextual fundamental que é pedir a entrada x, talvez seja algo seu objetivo, pergunta ou tarefa ou qualquer coisa que, de acordo com nossas preferências, então vimos dois exemplos em que vimos que é um a partir de agora, fitness relacionado à anima Há uma tradução sobre isso, então você pode entender isso mais profundamente praticando sozinho, para que você possa obter alguns insights profundos e entender muito bem isso Então é isso para esse padrão de formatura. Então, vamos passar para nosso outro padrão de formatura, que é o padrão de solicitação de persona 19. 4.2.2 Padrão de solicitação de persona: Ok, vamos ver o prompt número dois, que é o padrão de prompt de persona Então, como já discutimos algumas técnicas rápidas, essa é a técnica de atribuição de funções Sim. Então, é só assim. Então persona significa, hum, guiar a IA para atuar como assistente pessoal Ou alguma função específica, você pode ver o exemplo aqui, atuar como professora de matemática do ensino médio. Então, eu treino IA guiada por IA para atuar como professora de matemática do ensino médio porque quero o teorema de Pythag na Então, por que esse padrão pessoal de formatura é muito eficaz? Então, ao usar esse padrão pessoal de formatura, atue como uma função específica, atribuindo uma função específica Então, esse padrão faz com que a IA atue como especialista em conhecimento de domínio específico, certo? Então, a IA pensará que, primeiro, sou especialista em professores de matemática do ensino médio. Por exemplo, pode ser facilmente entendido por este exemplo. Então eu atribuo um papel como a IA à IA, ou seja, atuo como professora de matemática do ensino médio dessa forma, a IA pensará: eu sou professora de matemática do ensino médio e tenho que explicar o aluno de Pythagre para um estudante de 15 anos, e tenho que explicar o aluno de Pythagre para um estudante de 15 anos Isso ajudará a IA a gerar uma explicação específica para um estudante de 15 anos, certo? Portanto, ao usar esse padrão de prompt, a IA gerará uma saída eficaz e mais precisa quando comparada a uma saída sem um prompt de padrão de formatura pessoal Certo? Então, ao atribuir uma função ou tom específico ou qualquer estilo a um domínio específico , a IA pensará apenas nesse campo, certo? Então, se eu atribuir IA a um professor de matemática para atuar como professor de matemática, ele só atuará como professor de matemática, no qual poderemos obter mais informações dessa IA para obter mais conhecimento sobre o MATS. Certo? Então, ele agirá como um professor de matemática do ensino médio. Ele pensará como um professor de matemática e gerará uma resposta apenas como professor de matemática. Ou seja, a maioria das empresas ou qualquer engenheiro de alerta profissional usa esse padrão de alerta pessoal com mais eficiência para obter o melhor resultado da IA, porque é muito importante nos modelos de linguagem. Por quê? Como a IA é treinada por grandes quantidades de dados , ela pode simplesmente gerar aleatoriamente uma saída com algumas imprecisões, algumas respostas pouco claras , Então, se você treinar uma IA para atuar como um domínio específico. Ele pensará tão profundamente nesse domínio específico, que tem mais chances de obter a melhor saída e a saída mais precisa da IA, certo? Assim, você pode ver o melhor exemplo para explicar para entendê-lo. Padrão de formatura fácil, para que você o entenda facilmente. Então, vamos ver quando usá-lo. Portanto, se você deseja obter algum conhecimento de domínio específico da IA ou resolver uma tarefa específica ou obter uma resposta específica ou uma solução específica de problemas, isso pode ajudá-lo a obter os melhores insights da IA usando esse padrão de formatura pessoal, então ele o ajudará a gerar o melhor resultado em comparação com escrever uma pergunta ou consultas simples Veremos alguns exemplos no próprio jib, de como funcionará Está bem? Veremos como é simples escrever o teorema de explicar Pitágoras para um estudante de 15 anos, compararemos o resultado disso e compararemos todo o prompt desse resultado todo o OK. Vamos entrar no ha JB e veremos o prático Então, eu vou para o ha Jib, vim aqui e vou escrever uma explicação simples e explicar o teorema de Pitágoras Ok, estudante de 15 anos. Vamos ver a saída desse prompt. Isso gerará algum teorema de Pitágoras, explicação. Há um ângulo reto. Há três lados. Isso é bom. Não há nada nisso, é apenas uma boa saída, certo? Ok, vamos considerar o ato principal como um padrão pessoal de formatura. Vou apenas copiá-lo lá e colar aqui para que você possa atuar como professor de matemática do ensino médio e explicar pela soma para um estudante de 15 anos Vamos ver o que é a saída desse prompt. Portanto, você pode ver que há uma saída boa quando comparada a esta porque você pode ver a formatação certeza de que há algo que não é muito ou eficaz quando usamos o act como um padrão de alerta Então você pode ver aqui. Há uma primeira etapa que orienta o aluno de 15 anos com EZ e é uma função da geometria, pois ela pensará nesse campo temático profundamente nesse campo temático, porque estamos tentando a IA atue apenas como professora de matemática Portanto, ele atuará como um professor de matemática específico, uma área específica de matemática que tenha, certo. Então, funciona que a IA se aprofunde, aprofunde a IA, alcance a profundidade do conhecimento matemático e gere informações relacionadas sobre o teorema de Pitágoras, uma explicação muito profunda e tudo o que você pode ver, a diferença entre essa saída e essa saída, ela é bastante eficaz quando comparada Porque usamos o ato como um padrão pessoal no qual tentamos que A atue apenas como professor de matemática, sem pensar fora disso, no qual podemos obter a profundidade, na qual podemos obter uma produção sobre um conhecimento específico específico. OK. Vamos ver outro exemplo usando dois padrões de formatura Anteriormente, discutimos o padrão de formatura número um que é padrão de solicitação de entrada, no qual temos alguma tarefa escrita e forneceremos a entrada Ok, então todas essas coisas e usaremos esses padrões das 14h e veremos isso. Então, vou usar primeiro esse padrão pessoal de formatura. Então, vou escrever uma viagem de ensaio de ação, recomendo isso. Portanto, não se preocupe se tiver alguma palavra ou frase ou tiver alguns erros, eu entenderei automaticamente. Por quê? Porque é pensar ou essa interação é como um texto masculino. Tem algumas técnicas excelentes de PNL. Vou me lembrar de nossas palavras e ele entenderá facilmente nossa intenção. Portanto, isso não tem problema. Portanto, não veja os erros e as palavras, todas essas coisas, veja a técnica e o processo. Então, vou usar aqui como um recomendador de viagens. Por isso, usei uma tarefa específica ou uma função específica que atribuo à IA, que é atuar como recomendadora de viagens Então, a IA pensará apenas em recomendar viagens. A pessoa que tem todas as habilidades que um recomendador de viagens tem, mesma forma, a IA pensará apenas como essa pessoa Ok, como o recomendador de viagens fez. Portanto, ele se concentrará neste recomendador de viagens somente agora Para que possamos ver. Então eu vou te dizer que vou te dizer qual cidade eu vou te dizer qual cidade você precisa recomendar. Você precisa dar uma recomendação. Você precisa recomendar uma visita para visitar tão bonitos lugares tão bonitos e bonitos naquela cidade. Depois disso, vou usar o padrão ask me for input, certo? Então, o que é o padrão de entrada ask me for? Portanto, vimos alguns custos fundamentais. Temos que usar alguma declaração contextual fundamental que é pedir a entrada X. X significa que podemos usar nossa pergunta ou objetivo ou qualquer coisa Portanto, se você já se lembra disso, lembre-se de que é muito importante. Então, vou escrever e perguntar. Agora, pergunte-me. Agora, pergunte-me em qual cidade você deseja visitar. Não, o AI C pode vê-los. Então, eu apenas uso agir como uma pessoa padrão, ou seja, agir como um recomendador de viagens Agora, eu digo ao EI, vou te dizer em qual cidade você precisa dar recomendações para visitar lugares tão bonitos naquela cidade. Eu vou dizer que é uma RNEA , então eu vou te dizer, não se preocupe com isso Então, depois disso, vou instruir a IA. Não, pergunte-me. Pergunte-me qual cidade você deseja visitar. Certo, vou pensar: Ok, eu sou um recomendador de viagens Então não, eu tenho que perguntar de qual cidade essa pessoa precisa obter recomendações para visitar lugares tão bonitos naquela cidade, certo? Então, esses dois são muito importantes. Ao usar o padrão ask me for input, você precisa ter muito cuidado. Você tem que contar para a IA, eu vou te dizer, certo? E essa é a última declaração em que você precisa usar essa declaração contextual fundamental para escrever o padrão de entrada prom, certo Então eu vou usar aqui também. Esse é o padrão de baile de formatura de persona , bem como o padrão de solicitação de entrada Vamos ver qual é a saída desse prompt. Então você pode ver aqui. Tão bom. Estou aqui para ajudá-lo a planejar sua visita aos lugares mais bonitos. Ele pedirá que eu insira. Ele me perguntará qual cidade você deseja explorar. Então, como discutimos anteriormente, peça-me informações. padrão Prom, que emite a saída do EI após o prompt da Intel, é o quotien de entrada Temos que dar a opinião. Depois disso, a tarefa prosseguirá. Assim, vou dizer que isso é novo. Por isso, ele gerará automaticamente as recomendações sobre a cidade em que há lugares bonitos para visitar. Então, vamos ver se a IA recomendará alguns lugares na cidade de Nova York para visitar. Então essa é a maneira mais fácil de conseguir algumas coisas. Então você pode escrever: Ok, você pode escrever isso, você pode começar com isso sem escrever isso. Mas se você usar isso, haverá mais chances de obter a melhor saída possível e precisa do EI, certo? É por isso que é mais importante escrever para LLMs, especialmente para LLMs, porque o EI é treinado por grandes quantidades de dados que eles podem fornecer recomendações aleatoriamente Ok, se você usa esse padrão pessoal de formatura, é específico, certo É específico a IA se concentra apenas em coisas específicas, quais podemos obter o melhor resultado. Em vez de pegar e lançar aleatoriamente a saída, essa não é a melhor saída Portanto, isso não é mais simples. Portanto, é muito importante, embora seja muito importante, mesmo tempo em que resolve os problemas mais complexos de um domínio específico de um caso de uso específico em um domínio específico. Se você está procurando resolver alguma tarefa complexa, você precisa usar esse padrão de alerta pessoal muito, muito importante. Você precisa usar esse padrão de prompt porque está procurando resolver algum problema específico. Portanto, sua solicitação deve ser específica, certo? Então, nesse momento, você deve usar o Act como um recomendador de viagens Por exemplo, se você está procurando resolver algum problema de codificação, então em Python , então você tem que agir como um desenvolvedor de Python que tem dez anos de experimentos em Sol Ring com alguns bugs como esse, você pode usar isso Depois disso, você escreverá uma tarefa e assim por diante, certo? Você pode usar o padrão de entrada Ask me e outros padrões de prompt que discutiremos em outras aulas. Isso não é problema. Você pode usar assim se quiser resolver algum problema de criação de conteúdo ou se quiser gerar algum conteúdo específico de IA como esse, você pode usá-lo como você pode usá-lo como um criador de conteúdo educacional com dez anos de experiência em escrever conteúdo envolvente eficaz e criativo para chamar a atenção do público. E depois disso, você pode escrever qualquer tarefa, pois a atribuição de uma função específica pode gerar a melhor saída quando comparada a outra sem atuar como um prompt de padrão É por isso que você pode entender isso facilmente. Portanto, é simples atribuir uma função específica à IA na qual podemos transformar o defeito Então você pode praticar sozinho. Portanto, há apenas uma coisa em que você pode obter conhecimento mais profundo ou mais habilidades de escrita: habilidades redação de bailes praticando Portanto, pratique sozinho e interaja com a IA com diferentes padrões de formatura para aprimorar seu conjunto de habilidades, o que pode ajudá-lo a obter mais coisas da IA Então, espero que você entenda muito bem esse padrão de formatura. Então, vamos ver outro padrão de formatura que é o padrão de baile de refinamento chinês, que é muito importante para aprimorar nossa habilidade de redação rápida. Vamos. 20. 4.2.3.1 Padrão de solicitação de refinamento de perguntas - Parte 1: Então, vamos ver o padrão de solicitação de refinamento de perguntas , no qual é muito importante escrever as melhores instruções ou qualquer coisa que estejamos procurando da IA Então, o que é realmente o padrão de solicitação de refinamento de perguntas? No próprio título, você pode entender facilmente o refinamento da pergunta Refinamento significa escrever a pergunta novamente de maneira eficaz, maneira eficaz, reduzindo erros ou formação de frases, e para ser específico, certo? De forma eficaz. Certo? A definição da pergunta significa escrever a mesma pergunta reduzindo quaisquer erros ou melhorando a redação de maneira eficaz. Tão simples é. Portanto, o padrão de solicitação de adiamento de perguntas é o mesmo. Portanto, você pode ver que o modelo para esse padrão pode ser expresso como. Portanto, esse é o método simples que usaremos no HGPTR agora para entender a variável. Então não se preocupe. Então, vou apenas dizer que vou explicar o que realmente é um prompt de definição Então, se, por exemplo, imaginar que você está interagindo com o modelo ANI, por exemplo, pegue o JAPT Então, se você está escrevendo alguma pergunta, está escrevendo um prompt para a IA, certo? Então, suas habilidades de escrita rápida são algo melhor se você pensar, certo? Imagino que você tenha algum conhecimento inspirador, esteja escrevendo o prompt, talvez seja alguma pergunta ou tarefa, certo? Então, se você tem alguma confiança, estou escrevendo da melhor com técnicas ou formação de frases, mas há uma lacuna nessa IA em nós mesmos. Isso é formação de frases ou gramática. Certo. Então, por isso, a IA está melhor agora porque é a IA treinada pelo inglês avançado com uma gramática tão bonita e uma formação de frases eficaz Como humanos, podemos cometer alguns erros ao escrever em inglês. Então, como já vimos que cometi tantos erros ao interagir com a idade Bt, acho que você observa, certo? Então é por isso. Como humanos, cometemos erros, mas a EI é muito bem treinada pelo inglês avançado. Pode sugerir uma versão melhor do nosso inglês. Por exemplo, se você escreve algo, há algum erro, mas essa pergunta pode ser melhorada, certo? A forma como você pergunta à IA pode ser muito melhorada , de acordo com nossa pergunta. Portanto, essa melhoria pode ser escrita pela IA com esse padrão imediato. É por isso que é muito importante. Obter versões diferentes de nossa entrada, certo, versões diferentes de nossos quocientes, até mesmo avisos, até mesmo qualquer parágrafo, mesmo qualquer coisa que pedimos à IA, isso pode sugerir uma maneira melhor de expressar essas palavras, que é muito poderoso e eficaz porque A é muito bem treinado Certo. Então, vamos ver, para obter mais informações da IA, nos aprofundamos na interação com o ha JBT para melhor ou para entender de forma eficaz qual refinamento de quociente real Vamos ver. Então, eu vou falar sobre o GBT Vou fazer uma nova conversa. Vamos ver. Então, se, por exemplo, eu pedir à IA que gere. Então, vou apenas assumir uma tarefa. Por favor, gere uma, vou usar uma específica, gere apenas uma Não, não, por favor, gere uma história que tenha palavras mais envolventes. E diversão por dez anos, dez anos, garoto. Vamos ver o que a IA vai gerar. Então você pode ver que alguns dias geraram uma história que é adequada para um garoto de dez anos na qual eles têm algumas palavras envolventes. Então você pode ver a saída aqui. Uma vez no tom silencioso da ganância, isso é uma história. Então, tem um pouco mais. É por isso que escrever as instruções é muito importante. Então, posso sugerir aqui, por favor, escreva uma história ou uma história de 500 palavras ou, uh, uma história de 300 palavras, que ajuda a obter a saída precisa da IA. Então é por isso. Ok, o que você pode ver no exemplo, você pode ver a saída aqui. E se eu contasse à IA. E se eu dissesse à IA que sugerisse uma versão melhor desse prompt? Sugerir uma versão melhor desse prompt para obter a saída mais eficaz do que essa. Isso significa que esse prompt pode ser aprimorado. Esse prompt pode ser aprimorado tanto quanto eu posso sugerir. Então, o que vou simplesmente escrever é sugerir uma versão melhor. Desculpe, meu aviso. Vamos ver o que vai acontecer. Vou apenas copiar isso. Vou colar aqui. Não, ele gerará algumas sugestões com base em nossa solicitação. Isso gerará algumas das melhores versões do meu prompt para que eu possa interagir com a IA para obter a história mais envolvente. Você pode ver o aqui. Você pode ver a melhor versão quando comparada a isso. Então, por favor, crie uma história divertida e envolvente com vocabulário empolgante e elementos aventureiros que cativariam um garoto de 10 anos, certo Essa versão parece mais específica e convidativa. Então, a AIG sugere que alguns, hum, sugeriram algum aviso quando comparado a isso Então, esse é um prompt de refinamento de perguntas. Este é um prompt básico de refinamento de perguntas , no qual damos algumas sugestões e diremos à IA que sugira uma versão melhor disso, na qual possamos obter algumas das melhores entradas, melhor solicitação, em vez de pensar. Isso. Então, não é, certo? A é não. De que forma esse prompt pode me perguntar o melhor resultado que posso fornecer, certo? É por isso que usar a IA para escrever alguns prompts pode ser muito útil, mas não estou tendendo a apenas usar e copiar alguns fundamentos básicos para escrever o topo dos Então, temos que usar essa soma fundamentalmente. Depois disso, temos que fazer alterações acordo com nossa saída de AIs. Portanto, as melhores habilidades de redação de prompts que você pode obter após analisar a saída somente após refinar os dois primeiros prompts iniciais, certo? Veremos todas essas técnicas em outras aulas. Vamos nos concentrar nesse padrão de baile de refinamento de quoi. Ok, eu entendo. Então, eu tenho apenas a soma do usuário, por favor, sugira uma versão melhor do meu baile Então, escrever me sugira uma versão melhor disso é muito importante. Portanto, é uma frase ou contexto fundamental principal que precisamos usar em nosso prompt para obter a melhor versão de qualquer entrada. Então, vou usar esse método. Esse não é um método real. Portanto, é sempre que você deseja aprimorar suas habilidades de escrita, então eu definitivamente tentarei o HGP para atuar, digamos , seguindo apenas esse fluxo Então, para isso, acabei de escrever. Sempre que eu faço uma pergunta, você pode escrever em vez deste parágrafo ou qualquer coisa que quiser, qualquer história aqui, qualquer coisa que você possa usar. Então, vou usar I will take sempre que fizer uma pergunta, sugerir uma pergunta melhor, certo? Então, o que você inseriu, você tem que inserir aqui. Sugira uma pergunta melhor e pergunte-me se eu gostaria de usar em vez disso. Então você pode ver aqui. Uh, me pergunte aqui, por que usamos aqui? É pergunte-me o padrão de entrada, que usamos. Então, como discutimos anteriormente, isso é básico, certo? Então, nos próximos padrões de formatura, usamos todos esses padrões, do básico ao avançado Ok, vamos ver aqui. Então, o que vamos ver? Vamos ver o que vou gerar para esse prompt. Então, isso gerará: Ok, eu farei isso. Entendi. Vou sugerir uma versão melhor da sua pergunta daqui para frente e verificar se você gostaria de usá-la. Então, você gostaria de seguir a primeira pergunta do revisor, sugerida anteriormente, ou você tem outra pergunta em mente Então, essa é a melhor capacidade que o HajTi tem, que é a atualização de memória. Então, perguntará Então, você gostaria de continuar com a pergunta revisada que sugeri anteriormente Vou perguntar, tenho que seguir esse prompt. É por isso que essa avidade é muito, hum, melhor além de outros modelos de linguagem neste caso de atualização de memória Não se preocupe, discutiremos todos esses recursos nas próximas aulas. Isso não é problema. Então, vamos ver aqui. Então, vou sugerir uma versão melhor. Apenas me dê, você tem outra pergunta em mente. Vou escrever uma carta de 200 palavras. Escreva 200 palavras, artigo 0N aquecimento global. Vamos ver o que o ar vai sugerir. Você pode ver Avise-me se quiser alguma alteração ou acréscimo Portanto, ele gerará uma resposta direta e direta. Então, por que isso acontece? Às vezes, eu me engano. Então, temos que curá-lo para a IA. É IA. Então, ele cometerá alguns erros. Isso não é 100% perfeito, não é preciso. Neste momento, temos que dizer à IA que você está perdendo o caminho ou o fluxo. É por isso que vou escrever AI. Então, eu disse que lhe disse que me sugerisse uma versão melhor. Eu disse para você sugerir uma versão melhor do meu baile, meu quotien sugerir uma versão melhor do meu baile, meu quotien Eu disse para você sugerir uma versão melhor do meu quotien. Vamos ver qual será a saída. Então, simplesmente nos desculpará. Você pode ver aqui. Você está certo. Aqui está uma versão melhor da sua pergunta. Você poderia escrever um artigo de 200 palavras sobre aquecimento global. Essa é uma abordagem melhor ou uma versão melhor da minha pergunta. Ou seja, por favor, escreva um artigo de 200 palavras sobre aquecimento global. Então, às vezes eu gero AL AL que acabou de fazer a tarefa. Por quê? Vou cometer alguns erros que não são 100% perfeitos. Nesse caso, temos que lembrar que temos que lembrar a tarefa. Para a IA. Depois disso, ele chegará ao mesmo fluxo. É por isso que a IA é gerada. Isso é R, certo, aqui está uma versão melhor de um quien. Portanto, não precisamos nos afastar disso. Portanto, temos que a IA cometer os erros. Depois disso, temos que dizer à IA que você está cometendo um erro. É por isso que a criatividade humana é muito importante na interação com a IA. Então você pode ver o aqui. Então, eu forneço algumas versões melhores dependendo do seu prompt, do prompt de escrita. Se você estiver escrevendo o prompt, são três linhas. Portanto, ele gerará em vez mais de três linhas ou menos de duas. É assim que a IA está pensando. É muito importante porque a IA não é melhor em escrever algo que pode ser muito eficaz do que você em inglês ou em qualquer outro idioma. Ok, espero que você entenda 21. 4.2.3.2 Padrão de solicitação de refinamento de perguntas - Parte 2: Digamos outro exemplo. Então, porque a partir de agora, eu falei para a EI só assim. Sempre que eu fizer uma pergunta, sugira uma versão melhor. Então, quando eu faço uma pergunta aqui, isso só vai sugerir uma versão melhor da minha pergunta. Assim, você pode escrever três diferentes como esta, sugerir uma versão melhor ou sugerir uma abordagem melhor, não apenas a versão, você pode pedir, sugerir uma versão melhor ou sugerir uma abordagem melhor ao interagir com o EI para obter mais, então veremos o exemplo Então, vou apenas escrever um prompt, aqui está um prompt. Você pode ver aqui. Então, vamos ver isso. Você pode usar algum ato específico como um padrão imediato. Por quê? Então, quando volte às habilidades de escrita rápidas. Portanto, esse padrão de solicitação também pode ajudá-lo a se tornar um redator de solicitações de gravação . Então, vamos ver como podemos ver isso. Então, para isso, direi à IA que atue como uma engenheira especializada. OK. Vou atribuir uma função. Esse é o seu engenheiro especialista em prontidão. Vou contar isso incrível com dez anos de experiência. Dez anos de experiência neste campo. Efeito por escrito para bailes de formatura. Certo? Por escrito, efeito nas instruções de IA Então, em vez de IA, você pode usar qualquer modelo de linguagem. Então Cha JPT, Gemini, Cloud, qualquer coisa que seja. Está bem? Então, em vez de , Ok, eu vou te dizer em outro momento. Portanto, atue como um especialista. Engenheiro com dez anos de experiência na redação de instruções afetivas para IA. Está bem? Então, eu tenho um papel ascendente, algum papel específico na IA Não, eu vou usar Ok, você pode ver aqui. Então, estou combinando os três padrões de alerta. Esses são os primeiros 10 atos. Ok, peça-me o padrão de entrada após esse padrão de personalidade Depois disso, usarei esse padrão de refinamento de quociente também neste prompt Então, por favor, concentre-se muito bem. Vamos ver. Então eu vou contar agora, eu vou dizer a Q, eu vou dizer que vou te fornecer. Eu fornecerei a você para gerar ou sugerir uma abordagem melhor. Portanto, a prontidão ou abordagem é bastante semelhante, pois pronta significa que você está interagindo com a IA Abordagem significa que também é a mesma palavra. O mesmo significado de que você está se aproximando significa que você está se aproximando da IA, algo a ser obtido da É isso mesmo. Portanto, você pode responder diretamente aqui. Melhor forma, melhor prontidão. Eu fornecerei a você uma sugestão de uma forma melhor, uma melhor solicitação. Então você pode escrever aqui. Eu fornecerei minha solicitação. Para sugerir um aviso melhor a partir do meu prompt. Você pode escrever o quanto quiser. Então, aqui está uma tentativa muito boa de usar a IA para obter o melhor resultado. Está bem? Agora, peça-me um aviso para sugerir. Melhor saída. Filho melhor. Vamos ver o que a IA fará. Eu estava pensando: Sim, você pode ver isso. Entendi. Forneça sua solicitação e eu sugerirei uma versão melhor para você. Então essa é a inspiração. Essa é a maneira mais importante de interagir com a IA usando padrões imediatos, por isso é muito importante Então, vou apenas fornecer algumas dicas. Nós diremos, certo. Poste preto, certo? Bloqueie a postagem sobre Let's D AI em detalhes. Vamos ver. Isso é um aviso. Eu me voltei para a IA. Então, vamos ver se vai sugerir uma versão melhor para mim ou não. Veja, você pode ver isso. Aqui está uma versão mais refinada do seu prompt. Ou seja, você poderia escrever uma postagem detalhada no blog sobre inteligência artificial abordando seus principais conceitos, aplicações e impacto futuro? Por isso, nunca tive a ideia incluir conceitos-chave, aplicações e impacto futuro porque não tenho o conhecimento. Não sei muito mais sobre inteligência artificial, seus conceitos. Mas a IA não é. É por isso que quanto mais você dá, é por isso que a sugestão imediata é muito boa, certo? A lacuna entre nosso conhecimento pode ser preenchida pela IA. Quanto mais detalhes você fornece, mais informações podem ser geradas pela IA. Isso é bom. Então, se eu escrever simplesmente assim, a IA pode gerar algumas respostas aleatórias. Mas quando eu dou esse aviso exato ou com as informações básicas que abrangem seus principais conceitos, aplicações e impacto futuro, ele gera a melhor saída do que isso, basta simplesmente avisar. Certo. Quando escrevi isso, não recebi esse tipo de inspiração, como abordar seus conceitos-chave porque eu não tinha conhecimento Mas há uma lacuna entre isso, certo? Mas não é. O que é diligência artificial O que existe tem alguns conceitos, aplicações. Portanto, sugerirá uma solicitação melhor Essa solicitação pode ser aprimorada. Então, com esse padrão de alerta, que também pode melhorar nossa habilidade de escrita rápida . Essa é simples. Se formos específicos, certo? Se escolhermos um domínio específico , poderemos escrever o melhor prompt usando própria IA, usando o próprio habit. Sim. Por exemplo, se você pegar outro exemplo, como vou dar aqui, isso é apenas agir à medida que avançamos, especificamente. Você verá alguns exemplos melhores aqui. Portanto, atuarei como engenheiro de solicitações de exportação com dez anos de experiência na redação de solicitações eficazes para IA em Vou abordar um domínio específico no qual podemos obter os melhores resultados da IA em, vou abordar alguns assuntos específicos como álgebra, matemática Ok, álgebra, matemática. Então, essa é uma pergunta difícil. Vou escolher uma mais fácil para você entender. Eles estão na criação de conteúdo educacional. Criação de conteúdo educacional. OK. Não, enviarei minha solicitação para que você sugira uma versão melhor do meu baile de formatura, não me peça uma versão rápida Então, o que acontece aqui? Então, do anterior, vou apenas dizer à IA que você é melhor em escrever um prompt neste prompt. Eu digo que eu treino IA, você tem dez anos de experiência em escrever instruções eficazes para IA apenas na criação de conteúdo educacional Portanto, ele pensará que tem ótimas técnicas de redação rápida na criação de conteúdo educacional. Tem dez anos de experiência, então pensará apenas nesse campo apenas no campo principal, somente no qual podemos obter a melhor instrução para o básico, então sugerirá um aviso mais eficaz para escrever conteúdo educacional. Vamos ver qual é a saída aqui. Agora, ele solicitará que eu forneça uma solicitação. Portanto, forneça sua solicitação posteriormente para a criação de conteúdo educacional e ele sugerirá uma versão melhor de você. Vou apenas escrever uma aula completa sobre educação, você pode fazer qualquer coisa, escrever uma aula completa sobre “ Vou fazer algo sobre fotossíntese Vamos ver qual é a melhor versão dessa pergunta que podemos obter. Então você pode ver aqui. Você poderia escrever uma lição abrangente sobre fotossíntese cobrindo seu processo, conceitos-chave, importância para os planos e o meio ambiente e termos científicos relacionados Portanto, você pode ver a saída dessa solicitação aqui. Portanto, esse é um padrão de prompt de definição. Então esse é o nosso atraso, então eu não sei. Tenho que escrever esses conceitos de caso, tenho alguns planos e ideias. Tenho que incluir termos científicos porque não tenho conhecimento por escrito. A é não, o que é a fotossíntese, o que é o H porque ele tem cerca de dez anos de experiência na criação de conteúdo educacional, certo? Então, ainda mais, você pode ser específico com aquela mulher. Você pode escrever este ato como uma experiência rápida de dez anos em redação, instruções eficazes para AA em um assunto específico, criação de conteúdo de física, criação de conteúdo em inglês Ou até mesmo você escolhe E em inglês para um tópico específico, criação de conteúdo. Pode ser tão específico quanto obter uma resposta precisa e relevante à sua solicitação. E isso o ajudará a resolver qualquer tarefa complexa ou muito difícil de resolver. Então, esses têm muitos exemplos. Portanto, não há limitações que você possa usar. Você pode experimentar por si mesmo combinando todos esses padrões rápidos ou com algumas habilidades de escrita com sua interação imediata com seus exemplos e muito mais. Essas habilidades de escrita melhoraram apenas com a prática. Portanto, pratique sozinho com diferentes especialistas, tomando diferentes exemplos, diferentes padrões de baile, combinando todos os padrões de baile ou qualquer um ou dois, todas as coisas Então, isso pode te surpreender. Portanto, é muito interessante aprender essa engenharia rápida. Esses são apenas os padrões de alerta que mostrei a você. Há outro padrão de alerta que determina sua escrita de solicitações, que aumentará dez NC nas solicitações de escrita, embora sugira coisas melhores Ok, para aprimorar seu conjunto de habilidades. Então isso certificou esse padrão de formatura. Espero que você entenda muito bem. Portanto, é o melhor padrão de formatura, padrão solicitação de adiamento de perguntas, que me ajudou a melhorar a redação das melhores instruções Ok, você também pode adquirir essa habilidade praticando-a. Então, vamos ao nosso próximo padrão de formatura, que é o padrão verificador cognitivo Vamos mergulhar nisso. 22. 4.2.4.1 Padrão de solicitação do verificador cognitivo - Parte 1: Volte ao nosso quarto padrão de alerta, que é o padrão de verificação cognitiva. Portanto, esse padrão é muito fácil de entender e é importante obter a melhor saída específica e relevante para nossa tarefa. Então, o que é realmente o padrão de verificação cognitiva? O padrão de verificação cognitiva usa uma abordagem estruturada para aprimorar a precisão e a profundidade das respostas geradas por qualquer LLMs, como chargeb ou qualquer outro Qual é o objetivo principal desse uso do padrão de verificação cognitiva? Isso o subdividirá. Ele subdividirá uma consulta complexa. Ele dividirá uma consulta complexa em perguntas menores depois de respondermos a essas perguntas combinará respostas inteiras. E esse padrão raciocínio significa que esse padrão ajudará a EI a minimizar os erros Então, o que acontecerá significa, primeiro, que nos dizem que tentaremos o EI ou falaremos ao TEI sobre nossa tarefa de realizar alguma tarefa específica. Nisso, então diremos à EI, pergunte-me algum quotien subdividido relacionado a Quando eu forneço respostas para essa pergunta, a resposta apoiará nossa tarefa principal obter uma resposta precisa e relevante de nossa tarefa, que ajuda a modelar a IA a minimizar erros Eu serei a melhor maneira de fazer isso. Na verdade, como funciona significa que ele pode entendê-los escrevendo-os ou você pode ver o exemplo aqui, como escrevemos o exemplo rápido aqui. Acabei de contar à IA sobre minha tarefa. Foi assim que a Segunda Guerra Mundial impactou a política global. Eu dei uma tarefa à IA. Depois disso, uso alguns botões como fazer perguntas subdivididas Esses quocientes subdivididos significam que a IA me fará algumas perguntas subdivididas relacionadas a essa tarefa que trata global da Segunda Guerra Mundial Portanto, as perguntas estão relacionadas a esse tópico. Então, quando eu forneço respostas para os quocientes subdivididos, a IA usará essas respostas, eu as combinarei e ela gerará a melhor saída relacionada à nossa resposta e à tarefa que atribuí Com isso, a IA gerará uma saída melhor e precisa. Ao mesmo tempo em que minimizamos os erros nos quais podemos obter a melhor saída efetiva sem erros e distorções na resposta Veremos a polegada tática GPT. Permita que você entenda a solicitação aqui. Como a Segunda Guerra Mundial impactou a política global? Faça-me perguntas subdivididas. Veja, você pode, estamos usando um padrão de entrada pergunte-me. Então, questões subdivididas relacionadas a esse tópico principal. Então, o que estou dizendo são questões subdivididas relacionadas a esse tópico principal Tópico principal, qual é o tópico principal dessas instruções, como a Segunda Guerra Mundial impactou a política global Este é o tópico principal que ajuda você a gerar o melhor resultado geral. Portanto, a pergunta deve ser aquela em que a IA pode obter ajuda para gerar a melhor produção oral depois de eu fornecer respostas às suas perguntas subdivididas Esse é o modelo principal desse prompt. Você deve ter em mente que, daqui em diante, você deve ter em mente que me faça duas perguntas subdivididas Este é o modelo principal desta pergunta. Qualquer coisa que você possa colocar aqui sobre sua tarefa. É simples e fácil. Veremos a prática em gibt. Vamos para Ha, então eu sou uma cabeça LGBT. Então, eu já copiei o prompt que mostrei anteriormente para você e vou colar aqui. Então você pode ver aqui. Então, escrevi como a Segunda Guerra Mundial impactou a política global, faça-me perguntas subdivididas relacionadas a este tópico principal, que ajuda você a gerar a melhor produção geral de R fornecer respostas às suas perguntas subdivididas Agora, me faça perguntas subdivididas. Você pode ver aqui, eu uso. Pergunte-me o modelo de padrão de prompt de entrada aqui. Então este é o nosso último direito, então você pode ver aqui. Vamos ver o que vai acontecer. Então, sim, você pode usar ainda mais, como, você pode usar aqui, persona paternal Então, como agir como pesquisadora de história com dez anos de experiência em política, certo? Então você pode entrar assim. Então, veremos o melhor: veremos o prompt de combinação. Veremos que usaremos quatro padrões de prompt diferentes até o que discutimos e escreveremos alguns dos melhores prompts no final desta seção. Veja qual será a saída. Então, aqui estão algumas questões divididas após o Impacto da Guerra Mundial, política global. Isso me ajuda a fornecer uma visão abrangente. Então, quando eu forneço respostas para essas perguntas, certo. Assim, você pode ver quantas perguntas a IA está me fazendo para escrever o melhor resultado. Então, você pode ver, gostaria de continuar respondendo a essas perguntas ou gostaria que eu as refinasse ou expandisse? Então você pode ver. Então, a IA é me fazer algumas perguntas. Como a Guerra Mundial afetou a economia global e a demanda financeira em diferentes países? Então, eu tenho que fornecer essas respostas para essas perguntas. Portanto, há muito, então isso pode levar tempo. Então, vou usar a IA. Você gostaria de continuar respondendo a essas perguntas? Sim. Vamos ver o que vai acontecer. Então, ele fará algumas perguntas novamente. Ótimo, forneça uma resposta à pergunta abaixo. Sinta-se à vontade para responder quantas quiser usar. Então, gere a saída oral. Então, em vez de escrever todas essas perguntas, ele perguntará novamente a partir de oito, certo? Então, novamente, ele se expandirá. Até agora 17. Então, para parar com isso, em vez disso, vou apenas escrever uma resposta para essa primeira pergunta. Isso também gerará a resposta, certo? Vamos ver como a Guerra Mundial afetou a economia global e o domínio financeiro de diferentes países Então, vou apenas escrever que, se Alemanha tivesse perdido, mais Alemanha tivesse perdido, mais capital econômico. Você verá o que é simples, vamos ver. Vou apenas contar à AI. Vou apenas escrever a primeira resposta para a primeira pergunta. Depois disso, ele será gerado automaticamente. Então, se você fizer essas perguntas, se responder a todas essas perguntas, isso gerará a melhor saída porque, em vez de escrever com os próprios dados do trem, certo, ele solicitará dados em tempo real para você fornecer esses dados. Com base nisso, gerará os dados mais precisos em tempo real. Portanto, o melhor padrão de pm é obter os dados em tempo real solicitando que você os forneça. Ok, então veremos que eu apenas forneço a IA como primeira resposta para a primeira pergunta. Vamos ver o que vai acontecer. Portanto, ele gera diretamente e, obrigado pela contribuição, você poderia esclarecer as perdas econômicas de Jem após a Segunda Guerra Mundial Então, ele perguntará novamente o específico após eu fornecer uma primeira cota Resposta para a primeira pergunta. Ele examinará as informações específicas necessárias para que a IA gere a melhor resposta Certo, vou perguntar repetidamente até as informações necessárias. Precisa das informações necessárias, até o necessário. Tudo bem. Então, vamos ver qual é a fase específica do bastão econômico Eu vou dizer a simples destruição da infraestrutura. Vou apenas copiá-lo. Eu vou enfrentar isso, isso é. Vamos ver o que vai acontecer. Você pode ver tudo o que gera a saída dessa pergunta específica. Então você pode ver aqui. Entendi. A Alemanha enfrentou todos os desafios econômicos após a Segunda Guerra Mundial. É uma saída. Essas informações são uma análise mais detalhada com base em suas informações Entrada significa que eu dei a entrada aqui, e isso também é uma entrada, certo. São as respostas que eu dei para a pergunta. Portanto, é uma saída dessa IA para nossa tarefa. Então, este é um exemplo simples que eu tomei. Se você fornecer todas as respostas para essas perguntas feitas pela IA, ela gerará o melhor resultado relação à nossa tarefa principal: como a Segunda Guerra Mundial impactou a política global? Então, este é um exemplo simples que eu tomei. Você pode usar o maior número possível para obter a melhor saída. Se você está procurando resolver um problema complexo ou um problema específico, se você está procurando resolver dados em tempo real, pergunta em tempo real ou complexo em tempo real, o que eu não sei. Em alguns casos, a IA é que os modelos têm uma data limitada específica, certo? Além disso, nenhum modelo avançado está melhorando com dados em tempo real. Mas estou dizendo que, se você, uh, isso vai ajudar quando precisar de algum raciocínio de sua parte Então, a IA não pode fazer todas as coisas, mas há alguma criatividade humana que a IA precisa para fazer isso, certo? Então, para fazer isso, é melhor padrão de formatura para usar e resolver qualquer problema complexo que tenha algum raciocínio e seu envolvimento, Portanto, é melhor para resolver consultas em tempo real ou dados privados Ok, algo que algumas informações na Internet são privadas, certo não publicá-las, certo? Então, quando você está procurando resolver qualquer problema com dados privados ou de restrição que tenham algumas regulamentações complementares, certo? Então você pode usar esse método. Sim. Ao fazer isso, lembre-se de que, enquanto estiver jogando com dados privados, ou seja, não há dados na Internet, você deve marcar e desmarcar essa opção, desmarcar a opção de alternância, ou seja , você pode encontrar sua seção de perfil aqui e acessar as configurações e desmarcar a desmarcar Acesse os controles de dados e, por favor, desative-os , pois melhore o modelo para todos. Quando seus dados são muito privados e têm algumas regulamentações que não devem ser mostradas ao público, e você está usando o LLM, sem essa opção, melhore nosso modelo para todos, ele pode treinar, certo? Seus dados vão para o treinamento de IA. Portanto, a IA está aprendendo dia após dia apenas com nossos próprios dados. Se você desativar esses controles de dados, se você ativar esse controle de dados, seus dados estarão seguros Os dados vão para o modelo de IA, então tenha em mente isso. Portanto, esse é o melhor padrão de formatura para resolver qualquer problema com facilidade. Esses dados precisam do seu envolvimento, pois seus dados são algo que o CHA GPT não treina, certo, nenhum outro Portanto, embora algumas informações estejam dentro de você devido a algumas regulamentações ou qualquer empresa, alguns dados não são públicos e exibidos. Então, se você estiver procurando, uh, resolva com esses dados. Portanto, você pode usar esse padrão de formatura, no qual você pode informar a IA alguma tarefa e fornecer esse padrão de formatura verificado , no qual ela fará algumas perguntas, e você terá que responder posteriormente , que é vermelho E depois disso, ele combinará todas essas respostas e gerará uma base sobre isso Ele gerará uma saída com base nas respostas que você deu aos quocientes relacionados É melhor minimizar o viés de erros e melhorar a qualidade da saída com precisão. Portanto, pode ser fácil de entender por si mesmo pela prática 23. 4.2.4.2 Padrão de solicitação do verificador cognitivo - Parte 2: Então, vamos ver outro exemplo usando todos os quatro padrões de prompt até que aprendemos com ele. Então, quais são os quatro padrões de formatura que aprendemos? O primeiro é o padrão aski input prom, vermelho, o segundo é persona, terceiro é o refinamento de perguntas e o quarto é o atual , o padrão verificador vermelho, o segundo é persona, o terceiro é o refinamento de perguntas e o quarto é o atual , o padrão verificador cognitivo. Então, usaremos todos esses quatro padrões de formatura. Escreveremos um único prompt no qual veremos a habilidade criativa de redação de prompts. Então, para isso, vou dizer que vou atuar. Vou usar o primeiro padrão de baile de formatura pessoal, agir como. Vamos ver o que vai acontecer. Então, eu vou contar esse ensaio do ACT. Sim, vou fazer uma criação de conteúdo nisso. Então, faça um ensaio. História certa? Atue como escritor criativo de histórias com cinco anos de experiência na elaboração ou redação de algumas histórias divertidas Vou dar o exemplo. Ok. Vamos ver. Estou acostumado a atuar como uma pessoa de padrão imediato , na qual atribuímos uma função específica à IA para pensar e gerar resultados nessa experiência Depois disso, usarei o padrão ask me for input, no qual a IA solicitará eu forneça informações para prosseguir com as próximas etapas da tarefa. Vamos ver. Vou contar, vou contar, vou te contar, qual pessoa precisa dessa história. Ok. Qual pessoa precisa dessa história, certo? Então, vou te dizer qual pessoa precisa da história. Então, depois disso, eu estou usando isso. Depois disso, pergunte-me. Estou usando o padrão de alerta cognitivo no qual estou pedindo à IA que me faça perguntas subdivididas, relacionadas à tarefa principal Está bem? Então, eu tenho que definir uma tarefa aqui. Sua tarefa é gerar ou escrever a melhor história envolvente por pessoa. Vamos ver um exemplo. Depois disso, eu uso. Essa é uma tarefa que eu tenho para a IA. Ok. Depois disso, usei algum padrão de prompt de entrada ask me aqui. Eu vou te dizer qual pessoa precisa dessa história, então me pergunte. Então me faça perguntas subdivididas, certo? Relacione-o com a tarefa principal, que ajuda você a gerar o gerar melhor resultado geral. Ok. Então, eu usei os três padrões de alerta aqui. Esse é um padrão pessoal de formatura no qual atribuí um papel específico Depois disso, eu defino uma tarefa para a IA. Depois disso, eu uso alguns que eu vou usar. Então, depois disso, eu uso o padrão ask me input prom aqui, você pode ver aqui Depois disso, usei o padrão de entrada de verificação cognitiva quarenta aqui Ou seja, faça-me perguntas subdivididas em relação à tarefa principal do tópico principal , que ajuda você a gerar o melhor resultado geral Então, o que acontece aqui, primeiro, vai para cá, acho que atuará como um escritor criativo com cinco anos de experiência Depois disso, ele verá a tarefa principal. Depois disso, ele entenderá minha tarefa e fará algumas perguntas subdivididas Vou pedir informações. Qual pessoa aqui você está procurando para tirar a história de mim. Depois disso, ele fará algumas perguntas subdivididas. Esse é um tópico relacionado, todas essas coisas. Então, vamos ver a saída. Ok. Até você pode escrever aqui. Ok, vou perder alguma coisa. Pergunte-me agora, pergunte por mim, pergunte por qual pessoa? Qual pessoa precisa de uma história. Isso é, uh, você pode ver que isso é muito importante. Então, depois de decidir aqui, você instrui a IA a dizer à pessoa aqui que eu preciso da história Depois disso, você deve escrever o último, ou seja, solicitar-me o padrão de formatura de entrada que aprendemos anteriormente, que precisamos usar uma declaração contextual fundamental Ou seja, peça-me a entrada do botão X do baile. Se você estiver mais cedo, lembre-se novamente Então eu tenho que escrever o último aqui. Depois disso, eu tenho que contar depois disso. Depois de fornecer informações, faça-me perguntas subdivididas O simples OK. Ok. Então essa é uma tarefa clara, certo? Então, eu escrevi tudo isso usando isso na última etapa do prompt, vamos pensar em IA, meu primeiro passo é fazer essa tarefa. Está bem? Então você pode ver aqui. Então, o que é saída? Vamos ver. Então, ele me perguntará em que ano da pessoa você precisa de uma história como essa. Vamos ver o que vai acontecer aqui. Ótimo. Em qual ano da vida da pessoa você precisa da história? Depois de saber o ano, farei perguntas para reunir os detalhes necessários para criar a melhor história Você pode ver a saída aqui, que é muito bonita, certo? Tão bom. Para qual ano da vida da pessoa, você precisa da história? Assim que eu souber o ano, pedirei que reunamos os detalhes necessários para criar a melhor história Vamos ver. Vou dizer que a idade da pessoa é, vamos ver, 45 anos. 45 anos. Entendi. Para alguém com 45 anos de idade, aqui estão algumas perguntas para personalizar a história Ele fará algumas perguntas. Quando eu forneço as respostas para essas perguntas. Certo? Quando eu forneço as respostas para essas perguntas, isso gera uma melhor história. Vamos basear isso nas minhas respostas, certo? É simples. Você pode ver aqui. Interesse de personalidade, quais são as chaves da pessoa? Vou apenas responder algumas das duas ou três aqui para obter a história. Quais são as chaves da pessoa, traços de personalidade, os aventureiros. Vamos ser engraçados Humorístico. Ok. Vamos ver quais são os hobbies ou interesses definem a vida deles? Exercício. Vamos ficar. Ok. Desculpe. Exercício. O que é uma ocupação profissional ou principal? Ele é professor ou algo assim? Eles estão enfrentando algum evento significativo na vida, ou seja, mudanças na carreira, marcos familiares, marcos familiares Vamos levar a família, vou dar mais uma. Ou seja, eles têm uma conquista ou sonho notável que buscam nessa idade? Não, eu vou levar isso. A história deve se passar em um ambiente realista ou imaginativo Pegue o realista. Vamos fornecer essa resposta para essas perguntas. Vamos ver qual é a saída aqui. Você pode ver que ele fará novamente algumas perguntas específicas relacionadas às minhas respostas para obter o melhor resultado. É por isso que esse padrão rápido é muito, muito eficaz. Então, será necessário ir do específico para obter a melhor saída para minimizar os erros, certo? É por isso que o aprendizado rápido é muito, muito eficaz Então, novamente, fazendo algumas perguntas relacionadas às minhas perguntas específicas relacionadas às minhas respostas. Novamente, se uma pessoa é entusiasta do fitness, apenas começando a corromper a rotina começando a tomar isso, Depois de ver algumas perguntas? Existe algum tipo específico de exercício que eles gostem? Eu faço ioga. Qual disciplina ou faixa etária uma pessoa ensina aos 24 anos? Eles têm alunos memoráveis ou momentos divertidos de ensino que possam inspirar sua história? Não, eu vou levar isso. Que marco é significativo neste momento, familiar de formatura da criança Digamos que uma viagem em família. Então, vamos ver se vou fornecer algumas respostas para perguntas específicas. Vamos ver se isso gerará alguma história aqui. Então você entendeu isso como um verão dos detalhes de seus papéis. Ele fará novamente algumas perguntas. Você pode ver aqui. Agora, deixe-me confirmar alguns detalhes finais. Então, eu tenho que dar a resposta para essas perguntas novamente. Então, você pode ver que esse padrão de alerta está novamente sendo específico o máximo possível para obter a melhor história, certo? Então, por quê? Porque eu forneci apenas algumas perguntas, algumas respostas para as perguntas acima. Se eu tiver todas as respostas para todas essas perguntas, ele não poderá fazer muitas perguntas específicas, porque depois de porque depois fornecer todas as respostas para essa pergunta, você terá informações suficientes para apresentar a melhor saída, certo? Portanto, acabei de fornecer duas ou quatro respostas para as perguntas acima. É por isso que eu pergunto repetidamente algumas perguntas específicas relacionadas às minhas respostas. Então você pode ver aqui. Então, novamente, você perguntará se uma pessoa está lutando com posturas de ioga? Não. Depois disso, ensinando conteúdo, que tipo de professor, ensino médio, matemática fundamental. Em seguida, vou escolher que tipo de professor, está tudo bem. Eles convertem a humildade em seus ensinamentos? Sim. Eles avaliam. Onde está a árvore genealógica Beach Mountains? Digamos que montanhas. Há alguma música divertida e conversadora memorável? Não. Ou seja, vou gerar a melhor história aqui. Então, novamente, ele fará algumas perguntas. Oh, não, você pode ver o quociente. Você pode ver a história aqui. Então, aos 25 anos, o Sr. Kamar era muitas coisas: um veterano, professor de matemática primária, um comediante autoproclamado e agora, relutantemente, um e agora, relutantemente Você pode ver a história de saída dessa pessoa em particular. Então, isso gerará a melhor história sobre nossas informações que somos . Este é um exemplo simples que eu tomei. Quando você pratica com seus exemplos , você obterá os melhores e melhores insights. Portanto, recomendo que você pratique esse padrão de formatura de forma eficaz, em vez de outros, pois ele resolverá o máximo de problemas com esse padrão de formatura, pois solicitará detalhes para obter a melhor saída em relação aos dados fundamentais Então, ok, como eu disse, usaremos todos os padrões de formulários. Neste prompt, usaremos apenas três padrões de prompt e deixaremos o padrão prom quotienRFinement Certo, como eu disse, o botão de prompt do QuotIrfinement, como funciona, sugerirá um prompt melhor ou sugerirá uma versão melhor de nossa entrada, nosso parágrafo, qualquer coisa que estejamos perguntando hoje Por quê? Porque é bem estruturado e está em inglês. Será uma tendência em inglês avançado, certo? Então, o que vai dizer? Então, vou clicar aqui, botão de lápis aqui. Vou dizer uma sugestão para mim. Vou apenas colocar uma aspa aqui. Eu vou contar aqui. Vou apenas escrever uma sugestão para mim. Uma versão melhor me sugira uma versão melhor desse prompt fornecido. Vamos ver o que vai acontecer aqui. Você pode ver aqui. Isso sugerirá uma versão melhor do meu prompt. Aja como uma experiência, se for criativo Isso é algo que você pode ver lá. Ele adicionará uma história elaborada, envolvente e divertida, uma história cativante para um ano específico na vida de uma pessoa Ele exigirá a melhor formação de frases. Primeiro, pergunte-me se cada história deve se concentrar em. Depois de eu fornecer o ano, você faz perguntas subdivididas, detalhes da história, todas essas coisas Então você pode ver aqui. Você pode comparar esses dois prompts aqui. Então, qual deles parece mais profissional, certo? Eu acho que isso é mais profissional do que isso. Por quê? Porque E eu sei melhor em escrever, em cativar, em combinar as palavras em inglês de maneira específica , de maneira eficaz É por isso que usaremos um padrão de formatura de refinamento de perguntas. É assim que vemos mais exemplos anteriormente nesta seção. Discutimos quatro padrões de formatura que são muito importantes na base fundamental e todas as tarefas se enquadram nesses padrões de formatura para resolvê-los Está bem? Depois disso, veremos, espero que você entenda muito, muito bem esses padrões imediatos. Então, vamos ao nosso próximo padrão de prompt. Esse é o padrão de expansão do Outline. Ok, vamos mergulhar nisso. 24. 4.2.5 Padrão de prompt de expansão do esboço: Voltando a esse esboço do padrão de formatura de expansão. Então, nesse padrão de formatura, veremos o que é realmente o padrão de formatura de expansão de contorno e como escreveremos esse padrão e como escreveremos esse Então, como sabemos, você pode ver, você pode entender de forma simples o que é um esboço Então, se você já leu algum livro de teste ou e-book, você vê alguns logo no estágio inicial, você verá alguns conteúdos. Há alguns tópicos e subtópicos que o eBook contém, Então, isso é, na verdade, um esboço. Na verdade, quais são os tópicos e subtópicos que você aprenderá neste e-book, diretamente neste documento, todas essas coisas neste documento, todas essas Isso é um esboço, certo? Então, isso é conhecido como esboço. O que é expansão? Portanto, expansão significa o esboço básico que você tem. Assim, podemos expandir até seu potencial. Então, com esse padrão de formatura, podemos nos aprofundar cada vez em um tópico específico, certo? Assim, podemos obter insights mais profundos para obter o melhor resultado, certo? Então, isso é tudo sobre o padrão de expansão de contorno. Então, para escrever esse padrão de expansão de esboço, temos que seguir essas cinco etapas Essa é a configuração inicial do padrão do baile, esboço generativo do Blood Point, a expansão interativa, expansão interativa exploração iterativa Então, como já sabemos o que é a configuração inicial do prompt, você precisa escrever um prompt que oriente a IA a realizar alguma tarefa específica Está bem? Obviamente, depois de fornecermos a solicitação, ela gerará alguma saída relacionada à nossa solicitação. Portanto, neste caso, estamos usando o padrão de prompt de expansão no qual o II gerará apenas um contorno com marcadores Depois disso, veremos na expansão interativa que diremos à IA expandir esse subtópico específico, diremos à IA expandir no qual a IA criará outro esboço relacionado ao subtópico que orientamos para a Simples. Depois disso, exploração iterativa Iterativo significa fazer isso repetidamente em várias coisas várias vezes. Isso é exploração. Pode ser infinito. Você pode fazer tantos números que pode gerar um esboço usando um marcador como tópico principal Não se confunda. Veremos na agilidade agora. Isso é tudo uma questão de exploração interativa, fazendo a mesma tarefa repetidamente até você ficar satisfeito, certo? Depois dessa saída final. Então, se você quiser pará-lo, se você sabe que eu tenho a melhor saída, então você pode pará-lo, você pode obter a saída final disso. OK. Portanto, é melhor que, quando você deseja escrever um e-book ou documento sobre seu tópico, esse padrão rápido pode ajudá-lo a obter um conteúdo mais profundo relacionado ao seu tópico, certo? Vamos entrar nesse AGP. OK. Antes disso, veremos alguns exemplos aqui. Você pode ver o exemplo desse padrão de prompt. Então, eu escrevi como um expansor de contorno, gere um esboço com marcadores com base na entrada que Podemos ler o padrão do baile aqui para que possamos atuar como um expansor de contorno Você pode ver que usei, usei o padrão persona prom aqui Em que obteremos o específico para testar a IA para realizar alguma tarefa específica. Nesse padrão de formatura, estamos usando o expansor Outline Depois disso, você pode ver que eu defini a tarefa para o BelltPointoLine generativo com base na entrada que eu forneço Assim, você pode ver a opinião que eu forneço e depois me perguntar em qual marcador você deve expandir Então, se você se concentrar aqui, usei o padrão ask me for input prompt aqui, entrada que eu forneço a você. Está bem? Ao discutirmos sobre, pergunte-me o padrão de prompt de entrada com muita profundidade. Espero que você se lembre disso. Então, novamente, eu defino a tarefa, como ela deve ser a saída e como você deve seguir as diretrizes. Você pode ver que cada marcador pode ter no máximo três a cinco submarcadores O marcador deve ser numerado usando o padrão ou qualquer coisa Crie um novo esboço para o marcador que eu seleciono. No final, pergunte-me qual marcador expandir a seguir. Pergunte-me o que descrever. Você pode ver aqui, pergunte-me, pergunte-me por que você está usando isso . Se você se lembra de me pedir a entrada de pm para o padrão, você entenderá melhor. Portanto, esse é o caso de uso simples do padrão de formatura. Vamos ver, vou copiar isso e vamos ver no CharGB como realmente funciona Então eu pulei no porto. Vou copiar esse padrão de formatura, certo? Então, vou simplesmente deletar isso. Então você pode ver qual é a saída aqui. Ele me perguntará: diga-me o tópico ou contribuição para o qual você gostaria que eu criasse um esboço Vou falar sobre publicidade e marketing. Portanto, ele gerará um esboço sobre a entrada ou o tópico que eu dei à IA Você pode ver a saída aqui. Isso é um esboço para publicidade e marketing. Está tomando seu tempo. Vamos parar com isso e vou tentar novamente. Envie-o. Simples. Só vou gerar novamente. Forneça o tópico. Vou aceitar publicidade. Eu dei o tópico aqui. Agora, você pode ver que ele gerará um esboço sobre esse tópico Então você pode ver o esboço do tópico aqui. Então, se você observar aqui, o contorno é bom, mas você pode ver os marcadores Portanto, se você ver o conteúdo em um testok ou eBook, verá que algum formato estruturado do conteúdo é como 1.1, 1.2, 1.3, Então, para ficar assim, temos que guiar a IA, certo, para a qual escrever assim. Portanto, não mudamos, não alteramos o prompt principal aqui. Portanto, não estou alterando o prompt principal. Acabei de escrever o estruturado aqui. Então, siga a estrutura abaixo para gerar um esboço. Então você pode ver aqui, eu tenho o guia da IA. Você precisa usar um para o tópico principal. Para subtópico, use 1.1, 1.2, 1.3. O que pensará que é a IA? Ok, eu tenho que gerar um esboço para o tópico em questão no formato do Está bem? Portanto, a saída depende de suas instruções e sua capacidade de escrita para orientar a IA a gerar a saída desejada. Espero que você entenda. Vamos ver. Eu vou guiar. Agora, novamente, obviamente, vou abordar apenas a publicidade e o marketing. Estou fornecendo a opinião aqui. Vamos ver. Não, isso gerará um esboço. Você pode ver aqui. Ok, será algo aqui, 1,11 é. Ok, vamos ver aqui. Ok, não tem problema. Às vezes, a IA comete alguns erros. Também precisamos orientar a IA. A saída deve ser assim, certo? Então, para isso, vou clicar novamente. Então, ele será gerado de acordo com o nosso. Vamos ver o que vai acontecer aqui. Mais uma vez, fornecerei publicidade e marketing. Vamos ver qual é a saída novamente agora. Novamente, ele gerará linha por linha, como aquela visão geral de publicidade e marketing, definição 1.1, 1.2. Portanto, essa é a saída que estamos procurando. Então, como podemos mudar isso ficando abaixo de 1,11 0,21 0,3 Então, para isso, temos que escrever aqui como esse tópico principal, ok? Só temos que dar um pouco de espaço. O problema é que, ok, tópico principal está nesse formato. Depois do item 1.1, virão os subtópicos Está bem? Então, vamos ver, veremos que essas instruções funcionarão ou não. É tudo uma questão de escrever e interagir com a EI para obter alguns insights Assim, você pode ter alguma experiência sobre como o eu está pensando e como os erros serão resolvidos, que você pode ver aqui. Então agora, C, você pode ver se você se concentra aqui. Então, depois de colar aqui, ele explicará apenas o 1.11 0.2, 1.3 Ao voltar para cá, você pode ver que funcionará, pois gerará dois, três, 45 e até seis também. Mas quando comparado a este, dá para ver que é só para 1,5 assim. Portanto, é melhor quando comparado a esse. Se eu contar para a IA, ela está perguntando qual ponto você gostaria que eu expandisse se eu escrevesse 1.1 Se você escrever 1.1, não, ele gerará os submarcadores deste tópico secundário, certo Então, se eu mandar a IA gerar submarcadores de 1,1, serão necessários 1,1 0,1, 1,1 0,2 desse jeito, certo Então, se eu contar para a IA, o que você gostaria de expandir a seguir? Então, eu quero expandir se eu pegar 1,1 0,5. Vamos ver o que vai acontecer. Portanto, ele gerará os subpontos do tópico selecionado, 1.1 0.5 0.1 Isso continua até que são infinitas vezes. Assim, você pode obter insights cada vez mais profundos da IA para escrever o melhor conteúdo para seu próximo eBook ou qualquer coisa usando esse padrão de formatura É por isso que é mais poderoso, você vai mais fundo, certo? Então, podemos ver o exemplo aqui, já vimos isso, certo? Agora, se eu quiser parar, basta pegar esses subbulns Não, eu quero o conteúdo. Quero as informações sobre qualquer sugestão, caso eu ganhe reconhecimento e reconhecimento da marca Então, o que eu tenho que fazer para obter as informações sobre esse tópico. Então, por exemplo, se eu contar à IA, explique , explique a consciência e o reconhecimento da marca. Assim, você pode ver o que a IA fará. Você vai ver isso. Não, isso explicará a consciência e o reconhecimento da marca. O que é realmente reconhecimento de marca , reconhecimento de marca é. Você gostaria de expandir ainda mais esse tópico ou discutir outra coisa. Se você escrever aqui, um reconhecimento de marca, ele expandirá novamente os tópicos relacionados ao conhecimento da marca mais profundamente, certo? Então você vai se aprofundar nos fundamentos se seguir esse fluxo, certo? Você obterá o melhor resultado em relação a outros padrões de formatura. Então você pode vê-los. Vou apenas contar à IA, apenas explicar a consciência e o reconhecimento da banda. Agora está explicando a consciência e o reconhecimento da marca. Em alguns casos, em algum momento, a IA fará o que fará. Se você escrever, explique o reconhecimento e o reconhecimento da marca. Às vezes, a IA gera apenas os contornos, mesmo que você peça à IA que explique Por quê? Porque às vezes nosso padrão inicial de alerta é gerar apenas um esboço Às vezes, em alguns casos, o A gerará apenas expansão. Para isso, o que você precisa fazer é dizer à IA que não expanda agora. Ok, não expanda agora. Apenas explique o assunto. Você pode dar o título do tópico aqui. Simples. Está bem? Então, às vezes, a IA comete erros. Então, como engenheiro rápido, você precisa levar a IA para o caminho certo, dando um aviso negativo a , B guiando A, você está fazendo algo errado, então ele pensará: ok, eu sou, ele vai se desculpar Primeiro, ele pedirá desculpas a você. Desculpe, você está certo. Estou indo pelo caminho errado. Então, vamos entrar em nossa tarefa principal. Então, desse jeito, volta ao caminho certo novamente. OK. Isso tem tudo a ver com esse incrível padrão de formatura Então, isso é algo básico que eu tenho que te contar. Então, eu apenas peço uma obrigação específica como gerar um esboço para um tópico específico para seu e-book ou documento como esse Então você pode usar para resolver qualquer problema, como um problema de matemática, ok? Você pode usar para resolver um problema complexo específico. Qualquer coisa que você possa pegar e usar na caixa raiz. Sim, até você pode, se tiver algum problema em seus projetos ou qualquer outra coisa, você pode escrever especialmente aqui no lugar da entrada. Então, isso gerará algum esboço. Então, nesse caso, você entrará, ok, onde realmente está o meu problema. Então, se você se aprofundar nesse problema, poderá ir novamente na causa raiz, novamente na causa raiz dos tempos infinitos Então você vai chegar lá, há um problema, então eu preciso consertá-lo. Então, esse é um exemplo simples que estou dando. Mas se você usa IA interativa com esse padrão de formatura, pode fazer muito mais com isso, certo? Você pode ir, você pode aprender um pouco, você pode se tornar um mestre desse assunto em particular seguindo esse padrão de formatura, certo, aprendendo as raízes dos fundamentos e do direito básico, todas essas coisas É por isso que isso é mais poderoso. Sim, ok, não retransmita 100% de informações de IA, então ela também pode gerar algumas imprecisões É por isso que você tem algum conhecimento básico de um tópico relacionado ao interagir com a IA Certo? Se você tem algum conhecimento básico ou fundamentos sobre marketing , pode usar a IA Se você não conhece o marketing, ok, o que você vai pensar, o gerador de IA está 100% correto. Como a IA pode fazer o errado. Mesmo que você possa ver o cheque aqui, o Caution, ha GIT pode cometer erros, conferir informações importantes É por isso que ter um conhecimento específico é muito importante ao interagir com a IA para evitar qualquer mal-entendido ou informação imprecisa na saída na Se você sabe sobre marketing, então você pode escolher, ok, o resultado, o I é o ponto errado. Mesmo que seja corrigido depois de você informar à IA, esse ponto não está no marketing. Então a IA pensará que sim, você está certo. Esse ponto não está no marketing. Então, por exemplo, você pode ver aqui. motivo pelo qual o EI é muito acessível é que ele tem uma mente aberta, como eu vou te dizer importante que um maior conhecimento da banda aumente a probabilidade de os consumidores escolherem isso. Na verdade, está apenas sob o conhecimento da marca. E se eu disser à EI essa frase não está sob o conhecimento da marca, você pode ver. Essas informações não são da Brand Ans. Então, na verdade, é Yunuda? O que estou dizendo à IA é que, na verdade, é o reconhecimento da marca. Essa frase está relacionada somente ao reconhecimento da marca. Mesmo que esteja certo, a IA não está 100% confiante em gerar esse ponto aqui. Por que eu vou contar isso. Então, eu estou contando isso. Estou apenas manipulando a IA Portanto, essa não é informação correta no tópico de reconhecimento da marca. Vamos ver o que a IA vai pensar. Você pode ver aqui que isso fará com que você esteja correto. O ponto específico deve ser esclarecido. Você está focado corretamente. Você está correto. O ponto específico deve ser esclarecer. O que estou dizendo é que na IA, qualquer saída de A não está 100% correta. Mesmo A não está confiante nisso. Porque o EI valorizará nossa contribuição, certo? Então, por quê? Porque temos algum conhecimento do assunto. Mas a IA é treinada por muitas quantidades de dados. Está tudo bem. O mestre de uma determinada área temática tem mais conhecimento do que outros professores que têm algum conhecimento sobre todas as disciplinas, certo? Esse professor não tem a menor confiança em pensar nesse assunto. Mas o professor da disciplina que domina essa, aquela disciplina específica, tem o conhecimento confiante , está correto. É por isso que estou dizendo não transmitir todo o conteúdo do EI. Você precisa conhecer algumas noções básicas de um determinado tópico ou tarefa que deseja resolver com a IA, como vemos o exemplo aqui Você pode ver que isso é um direito. O ponto importante está logo abaixo do reconhecimento da marca. Mas eu apenas digo ao DEI que não é um. Na verdade, está certo, mas eu devo verificar a capacidade da IA, eu apenas digo ao DI essa informação não está no conhecimento da marca. Mesmo que esteja certo, eu acabo de dizer à IA. A IA está pensando, você está certo. Você pode ver a saída aqui. É por isso que a IA não está 100% confiante em gerar qualquer conteúdo, porque IA não, porque as pessoas que estão interagindo comigo têm algum conhecimento sobre isso Estou valorizando nossas contribuições e conhecimentos. É por isso que a IA é ótima se você souber como usá-la. Caso contrário, pode, hum, simplesmente te derrubar. Simples. OK. É por isso que esse padrão de formatura é muito útil se você conhece algum conhecimento básico sobre esse tópico específico Caso contrário, ele pode fornecer algumas informações imprecisas. OK. É isso que guia. Isso é uma simples expansão de contorno, padrão imediato. Espero que você entenda. Portanto, isso pode ser facilmente entendido praticando sozinho com diferentes aplicativos escrevendo o conteúdo, resolvendo os problemas, todas essas coisas Então, estou dando uma tarefa para você. Então, escreva um aviso. O aviso deveria ser. Contém cinco padrões de formatura diferentes que tínhamos em discos anteriores Então, caso você possa ver o padrão de formatura Eu usei persona aqui, peça-me a opinião do padrão de formatura aqui, eu usei os três padrões de formatura Descreva a expansão, a personalidade e peça informações sobre o padrão do baile Há dois desaparecidos. Um é o padrão de formatura do verificador cognitivo e o refinamento da pergunta Então, o que você precisa fazer é escrever um único prompt para resolver tarefas específicas ou criar conteúdo específico, no qual você usará cinco padrões de formatura OK. Experimente você mesmo. Assim, você obterá os fundamentos do design do prompt, como o prompt será projetado, como escrever de forma eficaz. Então você obterá as habilidades necessárias. Então, sem fazer isso, sem ir além do seu potencial, você nunca aprenderá a habilidade que é igual ao seu potencial. Está bem? Então faça isso sozinho, use todos os diferentes padrões de formatura para resolver a mesma tarefa complexa Está bem? Então, relembre todos os quatro padrões de formatura anteriores e lembre-se disso novamente e apenas t e escreva um único padrão de baile que contém todos os cinco padrões de formatura diferentes para resolver Assim, você obterá o melhor resultado e se tornará um bom engenheiro rápido. Espero que você entenda isso. Então, para isso, nosso P one será concluído agora. Então, bem-vindo de volta à nossa segunda parte também. Ou seja, temos os outros cinco tipos diferentes padrões de formatura. Vamos mergulhar nisso. 25. 4.3.1 Padrões de prompt avançados (parte 2) - 1. Padrão de prompt de geração de cauda: Bem-vindo de volta aos nossos padrões avançados de formatura, parte dois. Então, nesta segunda parte, veremos os diferentes cinco tipos de padrões de formatura que são muito importantes e fáceis de entender Então, vamos ver o primeiro que é o padrão de formatura de geração de cauda Então, qual é o significado real do padrão de geração de cauda? Então você pode ver aqui. Portanto, temos que usar essa declaração fundamental no final do nosso prompt principal. Então você pode ver aqui. Então, para usar esse padrão, seu prompt deve fazer as seguintes afirmações contextuais fundamentais, como no final, repetir Y e me perguntar por X. Então, qual é o significado real dessa afirmação No final do prompt, você pode pedir à IA que repita a tarefa específica ou pode pedir que eu forneça informações. Então, assim, você pode usar isso. Pergunte-me por X, você pode se lembrar de que nosso padrão de formatura de solicitação de entrada como já discutimos anteriormente, certo? Então, isso se chama Lo sum, peça-me o padrão de entrada do baile, certo? Então, a coisa mais simples está aqui. Portanto, no final da solicitação, precisamos orientar a IA, repetir a tarefa específica novamente ou solicitar informações para prosseguir com as próximas etapas da tarefa. Está bem? Essa é a principal coisa aqui. Então você pode ver aqui. Você precisará substituir Y pelo que o modelo deve repetir. Como repetir minha lista de opções ou qualquer tarefa e X com o que ele deve pedir para a próxima ação ou qualquer entrada que você tenha que dar para I. Depois disso, prosseguirei com a implementação da tarefa dessa forma. Você pode ver que essas declarações geralmente precisam estar no final da solicitação ou na penúltima. Espero que você entenda. Vamos ver. Vamos entrar no CharpT e veremos como esse padrão de formatura de geração de cauda Então, eu sou responsável pelo D Lex. Acabei de copiar o padrão do baile e vou colar aqui para que você possa ver, então mantive um padrão do baile que está de agora em diante no final da sua Adicione uma isenção de responsabilidade. O que estou dizendo às IAs, de agora em diante, no final de sua saída, cada saída. Adicione esta isenção de responsabilidade Qual é a isenção de responsabilidade aqui? Essa saída foi gerada pelo modelo de linguagem grande e pode conter erros ou declarações imprecisas Você pode vê-los. A declaração que eu sou ou a isenção de responsabilidade que quero adicionar no final de cada saída depois de orientar a IA Você pode ver aqui. Depois disso, eu digo à IA todas as declarações devem ser verificadas. Qual é o significado de fato verificado? Não se preocupe com isso. Veremos na próxima aula a próxima sessão. Peça-me a primeira coisa sobre a qual escrever. Você pode ver aqui, eu usei o prompt de geração de cauda aqui. Peça-me a primeira coisa para escrever sobre o que estou dizendo para a IA, vou contar para a IA de agora em diante No final da sua saída, você deve adicionar esse aviso Qual é a isenção de responsabilidade aqui? Essa saída foi gerada por um modelo de linguagem lógica e pode conter erros ou declarações imprecisas Ok. Todos os fatos devem ser verificados. Fato verificado significa que as informações devem conter algumas informações de dados factuais sem quaisquer imprecisões Depois disso, eu digo à DI, pergunte-me qual é a primeira coisa sobre a qual escrever. Então eu disse à DI, peça-me para agir, para dar uma opinião a você. Depois disso, você prosseguirá com a tarefa dessa forma. Então, vamos ver o que é saída. Você pode ver aqui no final de Ok, no final de sua saída, adicione um aviso legal Esta é a primeira declaração da geração final. Peça-me a primeira coisa sobre a qual escrever. Esta é a segunda declaração da geração final. Se você usar esses dois em um padrão de prompt específico, ele se tornará um padrão de prompt de geração final. Então você pode ver o aqui. No final, repita Y e/ou pergunte-me por X, para que você possa ver no final, no final, repita Y, o que eu enviei para a IA. Adicione esta isenção de responsabilidade a partir de agora, isso significa repetir a partir de agora, no final da saída, adicione a isenção de responsabilidade, Significa que, para cada saída gerada pela IA, essa isenção de responsabilidade deve ser adicionada É um processo repetitivo, assim. Isso satisfaz uma delas, pergunte-me por X. Isso é pedir para agir para fazer algumas ações do nosso lado, assim. Você pode ver aqui. Peça-me a primeira coisa sobre a qual escrever, assim. Espero que você entenda. Vamos ver a saída. Obviamente, o Jagt pedirá que forneçamos algum tópico sobre isso. Entendi. Sobre o que devo escrever primeiro? Ele me perguntará sobre o que devo escrever primeiro. Por quê? Porque eu digo para me perguntar sobre o que escrever, desse jeito. Você pode ver que essa saída foi gerada por um grande módulo de linguagem e pode conter erros ou declarações imprecisas Todas as declarações devem ser verificadas. Então, ele está gerando e adicionando essa isenção de responsabilidade, toda e qualquer saída da IA, você pode ver que isso é uma saída e ela adicionará essa adicionará Essa é a última geração. Geração final significa no final da saída. Então, ele será gerado. Então, instruções que damos à IA para fazer algo não repetitivo, certo? Para cada saída, ela será gerada, assim. Mesmo que eu a partir de agora, você pode ver, mesmo que eu fale para a IA, escreva sobre marketing aqui em 50 palavras. Então você pode ver a saída aqui. Isso gerará saída. Portanto, ele tem alguns recursos do AgPT aqui. Então, às vezes, ele pedirá que você obtenha uma resposta para uma melhor execução do modelo de IA. Portanto, é uma coisa simples. Eu prefiro tudo isso. Eu prefiro isso também. Você pode ver aqui. Então, aqui ele vai gerar o resultado, explicar o marketing em 50 palavras e, além disso, é usado para gerar meu aviso legal No final da saída. Por isso, é adicionado o aviso legal. O que é uma isenção de responsabilidade? Temos Tilt AI Essa saída foi gerada por um modelo de linguagem grande. Você pode ver aqui. Essa saída foi gerada por um modelo de linguagem grande. Em cada saída, a de responsabilidade é adicionada Por que temos a inteligência artificial. Orientamos a IA a partir de agora. De agora em diante, no final da saída, você deve adicionar este aviso Então você pode ir assim, certo? Incrível. Você pode ir até os EUA. Você pode fazer qualquer pergunta, qualquer solicitação a partir daqui. Portanto, ele gerará e adicionará automaticamente esse aviso para cada saída Além disso, você pode escrever qualquer coisa aqui para mostrar no final da saída. Até você pode escrever apresentado pelo nome. Para cada saída, você pode ver o abaixo que é apresentado por nome, algo parecido. Você pode adicionar qualquer coisa, ela gerará uma saída com nossas instruções. Essa é a mais simples que é a última geração. Espero que você entenda. Isso é fácil, certo? Então, acabei de explicar para um básico. Quando você escreve o melhor para solicitar um aplicativo específico exclusivo ou qualquer coisa, você pode usar isso para representar sua capacidade de geração de saída, mostrar qualquer instrução ou mostrar o que quiser. Mesmo que você possa escrever qualquer coisa, isso adicionará automaticamente a isenção de responsabilidade no final da saída Até você pode escrever aqui. De agora em diante, você também pode escrever assim. Na primeira saída, adicione esta mensagem de boas-vindas. Outra coisa é o meio de sua produção, acrescente a nota de que este artigo foi publicado pelo autor. Isso depende de você. A saída depende de suas instruções, então você pode praticar esse padrão de prompt muito bem sozinho , escrevendo diferentes padrões de prompt e criando algo produtivo Certo. Espero que você entenda. Esse é um padrão de formatura fácil, então vamos discuti-lo agora Você pode ver que a partir de agora você pode escrever, você pode perguntar a qualquer quien automaticamente. Essa declaração é adicionada no final de sua saída Espero que você entenda. Ok. Então, se você quiser quebrar essa cadeia, diga, esqueça, você pode ver aqui. Vou tentar quebrar a corrente. Esqueça. E explique. Vamos ver qual será a saída. Vamos ver. Esqueci, explique sobre publicidade. Em 20 palavras, vamos pegar em 20 palavras. O que ele fará se eu corrigir, ele nunca gerará, nunca adicionará esse aviso legal, talvez veja Talvez possa acrescentar também. Vamos ver. Sim, isso adicionará uma isenção de responsabilidade O que temos que fazer para quebrar essa cadeia é dizer à IA que não adicione, esqueça e, a partir de agora, você pode escrever qualquer coisa a partir de agora ou esquecer Até você pode usar esses dois para obter instruções detalhadas. A partir de agora, não adicione isenção de responsabilidade. Vamos ver. Eu só gero a produção publicitária de 20 palavras. Você pode ver aqui. Portanto, tudo gira em torno de suas instruções como você escreverá e quais são seus requisitos. Então, isso dirá automaticamente ao EI ele gerará uma saída com base em nossos requisitos. Espero que você entenda. Pode escrever padrões de formatura muito mais profundos para seus aplicativos ou para qualquer coisa que você queira da IA Espero que você entenda. Estou lhe dando esta tarefa . Por favor, use todos os padrões rápidos que você aprendeu até agora Combine todos esses padrões de baile com esse padrão de formatura e crie algo incrível. Faça isso. Então, talvez ele possa resolver muitos problemas complexos. Você pode ir e podemos até imaginar que você pode criar alguma solução no mercado escrevendo os padrões do baile, analisando a frase, escrevendo repetidamente e interagindo com a IA Pode resolver algum problema específico no mercado, até mesmo você pode ganhar dinheiro Estou dizendo literalmente que essa habilidade pode mudar a capacidade de pensar e criar uma coisa tão boa no mercado que causa impacto na vida. Espero que você entenda os padrões do baile. Basta usar todos os nossos padrões de formatura anteriores e usar esse padrão de formatura e escrever um único prompt para resolver um problema específico ou aplicativo específico Tente usar todos os padrões de formatura, então você verá que sua capacidade de escrita rápida se tornará aprimorada, melhorará e se tornará exagerada Espero que você entenda. Então, vamos ver nosso próximo padrão de prompt. Vamos mergulhar em 26. 4.3.2.1 Padrão de prompt de filtro semântico - Parte 1: De volta, pessoal, vamos ver o que é o filtro semântico prom Então, como eu disse, você pode ver a opção de filtro aqui. Filtrar significa filtrar ou remover a IA, desculpe, remover as palavras ou remover as informações ou dados, que são repetitivos ou o que você quiser se você usa o Google Docs, nós aplicativos, qualquer coisa que Portanto, há algumas opções de localização e substituição que você pode usar. Então, nisso você pode encontrar algo no próprio documento. Além disso, você pode substituir por qualquer coisa que quiser. Assim, funcionará. Tão simples, é um padrão simples. Você pode ver aqui, você pode ver a declaração contextual fundamental que você precisa usar Filtre essas informações para remover X. X significa que pode ser uma palavra qualquer informação que você queira substituir ou remover É a melhor coisa. Isso economizará tempo no conteúdo ou qualquer coisa sem encontrar cada palavra. Você apenas verá isso e ele filtrará as informações e você poderá remover ou adicionar o que quer que seja. Ele filtrará com base nos requisitos de reformulação, adicionará ou removerá o que você quiser Faça com esse padrão de formatura. É um simples botão de formatura. Vamos ver. Podemos ver o exemplo aqui. Você precisará substituir X por uma definição apropriada do que deseja remover, como nomes, datas ou custo, em vez de 100 ou algo parecido. Então, para entender melhor aqui, vamos ao ha GPT e tentaremos, na verdade, quais botões promocionais de filtro semântico Vamos até o ha GPT. Então, vamos tentar. Então, como já discutimos, filtro semântico significa filtrar as informações, certo Então, o que temos que fazer é dizer à IA, temos que orientar a IA para filtrar essas informações específicas. Portanto, precisamos fornecer as informações no próprio prompt, ou você pode dizer assim, eu direi que você pode usar esses padrões de prompt, conforme discutimos anteriormente. Eu vou te dizer quais informações você deseja filtrar. Então, peça-me as informações. Então, ele perguntará. Novamente, você pode usar isso como um filtro. Está bem? Você pode escrever e agir como um filtro avançado Você pode escrever, porque acho que nos especialistas em filtros temos experiência em filtros. Isso é uma coisa simples, certo? Então você não age como pessoa ou prostituta. Essa é uma função básica simples de qualquer coisa que seja filtragem, certo? Caso contrário, você pode usá-lo. Não há problema nisso. Então, o que você pode fazer, você pode usar isso. Eu vou te dizer quais informações você deseja filtrar, certo? Basta me perguntar quais informações você filtrará. É solicitar-me um padrão de formatura de entrada, certo? Será melhor para você se você estiver procurando criar alguns aplicativos quiser informações do usuário, certo? Variável como essa. Então você pode usar o padrão ask me for input prom Então, desse jeito. Então, eu estou te explicando isso. Só estou dizendo à IA, dois removam algumas rotas de patch, eu vou te dizer, remova. Em vez disso, vou filtrar, filtrar. Também podemos usar as informações do filtro ou podemos usar algumas funções, como remover ou você pode usar um filtro de filtro, as despesas diárias filtram as despesas, que, ok, despesas de lanchonete custam mais do que $10 Está bem? Ok, filtre as despesas da delicatessen custam mais de $10 Está bem? De baixo. Está bem? A seguir, você pode escrever assim. Nas seguintes despesas. A seguir, minhas despesas diárias. Você pode escrever o efeito tanto quanto se fosse melhor em escrever. Eu só estou te contando os exemplos aqui. O que estou lhe dizendo, o E, uh, eu vou tomar o café da manhã. Vou tomar café da manhã. Esse é o meu custo, digamos, $8. Certo? Ou no próximo almoço, vamos almoçar. O almoço custará $13. Ok. Vou jantar diretamente. Isso é $7. Na verdade, é alto, por exemplo, estou tomando cinco para entender muito bem. Então, o que eu sou é um guia para o EI. Filtrar as despesas de Dale custam mais de $10 nas seguintes despesas de Di Café da manhã $8, almoço, $13 jantar. O que a IA gerará é: o que eu guiei, o filtro ou filtro de IA significa o que ele fará. Ele vai pensar em qual filtro? Ok, vou filtrar isso. Em qual funcionalidade vou filtrar, remover ou adicionar algo parecido. Então, o que você precisa fazer é filtrar essas despesas diárias que custam mais de $10 Filtrar significa remover os detalhes indesejados quais você não gosta, certo? O que ele fará com mais de 13, você pode ver o esterco Eu excluirei ou ele removerá o almoço de $13 das minhas despesas com Di. Vamos ver a saída aqui. Então, você pode ver que sua despesa direta é maior que $10 ou o almoço 13, certo? Você pode ver aqui. Certo? Então, o que ele fará é que, se você usar o filtro diretamente, ele aceitará apenas o que você disser. Ok, você pode ver aqui. Os $10 são maiores que dez, certo? É por isso que será apenas um filtro. Isso o retirará do filtro. Eu apenas retiro o que você quer tirar disso. Então, se você se concentrar aqui, os outros dois não estão lá, café da manhã e jantar E se eu disser à IA remova as despesas diárias custam mais de $10. Vamos ver. Essa é uma funcionalidade de um filtro. Então, o que ele vai fazer é me gerar café da manhã e jantar. Isso simplesmente excluirá o almoço. Veja, você pode ver o exemplo aqui. Esse é o objetivo principal de usar remover e filtrar diretamente. Então, removê-lo também está na opção de filtro, certo? Filtrar Se você estiver usando o filtro, ele só precisa do que você está filtrando, certo? Se você estiver usando a opção remover o filtro diário e o filtro direto em vez de usar o filtro, isso gerará você. Isso gerará os outros dois, que não têm a opção de filtro uh, uh, uh, como aquele caro almoço 13. Você pode ver a saída aqui. Para remover as despesas de lanchonete superiores a $10, a despesa de almoço de $13 será Você atualizou as despesas de Di são assim. Então, isso é diferente entre usar a opção de filtro diretamente e remover. Portanto, não há dúvida de que a opção de filtrar e a opção de remover, essas duas estão sob o filtro semântico Mas o que estou dizendo também é que, se você usar o filtro, ele só aceitará a opção de filtro. Se você usar a funcionalidade principal da opção de filtro que foi removida ou qualquer outra coisa , ela gerará toda a saída. Ok, você pode analisar facilmente as coisas que você fez, certo? Esse é um tipo de exemplo. 27. 4.3.2.2 Padrão de prompt de filtro semântico - Parte 2: Outro exemplo. Vou apenas colar aqui. Você pode ver algumas instruções aqui. Filtre o texto a seguir para remover. Você pode ver o texto a seguir para remover qualquer informação de identificação pessoal ou informações que possam ser usadas para reidentificar a pessoa Então, o que estou dizendo ao EI filtre o texto a seguir. O que estou dizendo é uma frase aqui. Ou seja, John Smith mora na 1:23 Marple Street, Ele trabalha na Tech Corp e pode ser contatado em Você pode ver alguns e-mails dessa pessoa aqui no Gmail O que estou dizendo para a IA é filtrar o texto a seguir. Qualquer informação de identificação pessoal. Você pode ver quais são as informações de identificação pessoal, nome, seu número de telefone, seu e-mail, quaisquer outros dados pessoais são chamados de informações de identificação pessoal ou informações que poderiam ser usadas para reidentificar a pessoa, para identificar a pessoa O que estou dizendo à AI é que basta remover os dados pessoais do texto a seguir usando a opção de filtro. Isso é o mais importante. Agora, como eu disse aqui, como eu disse aqui, você pode ver o aqui. Se você usar a opção de filtro, ela gerará apenas a removida. Em alguns casos, certo? Nesse caso, você pode ver aqui. Quando eu uso a remoção, ela gera duas coisas que são removendo a filtrante Mas, nesse caso, você pode ver aqui, filtrar o texto a seguir para remover qualquer texto que eu tenha usado para remover. Certo? Nesses caras, eu não uso a opção de remover apenas na opção de filtro. Não, certo? Não estou usando a opção de remoção no filtro. É por isso que está usando apenas o filtrante, certo? Aqui, estou usando a opção de filtro e a opção de remoção todas nas quais obterei essa saída semelhante, você pode ver a saída aqui. Isso gerará. Você pode ver isso. Não há dados pessoais nesta, hum, saída. Por quê? Eu oriento a IA a não simplesmente remover qualquer informação de identificação pessoal que seja nome, Gmail, certo? Você pode ver aqui. Alguém mora em um endereço em Springfield, trabalha na empresa e pode contatá-la por e-mail Ou seja, a saída é para isso. Portanto, caso eu use apenas o filtro, o teste a seguir. Está bem? Eu não estou dizendo para remover, ok? Eu apenas digo à IA, filtro qualquer informação de identificação pessoal que possa ser usada para reidentificar a pessoa no teste a seguir. Vamos ver qual será a saída . Então você pode ver aqui. John, está filtrado. John Smith mora no endereço. Ele trabalha na Tecop e pode violá-la por e-mail. Você pode ver aqui. Então, eu só uso uma opção de filtro. Eu não uso a opção de remover aqui. Como eu disse antes, se você usar uma opção de filtro, ela simplesmente retirará o filtro e o que você vai filtrar. Ao mesmo tempo, aqui, quando eu uso apenas a opção de filtro, ela gera a licença de John Smith, que será removida do contexto a seguir, que será removida, que será removida. Somente as informações , elas serão geradas assim, você pode ver aqui. Ok, você pode ver aqui. John Smith, o endereço significa que automaticamente teremos que saber sobre isso. Então, seu e-mail perde esta linha. Está bem? Se eu usar a opção de filtrar e remover , essa é a saída. Então isso é o mais importante. Ao escrever o prompt em si, temos que manter e focar em cada palavra para gerar resultados de forma eficaz e cada palavra para gerar funcionar corretamente, certo? Essa é a forma mais importante como essa habilidade pode ser obtida para prever a saída escrevendo as instruções em si apenas porque você precisa praticar Então, quando você pratica com diferentes aspectos e cenários diferentes, você terá uma ideia de qual será a saída prevista que vem desse prompt, certo? Então, você obterá a experiência com isso. É por isso que você precisa refinar os bailes. Você precisa alterar os proms e ajustar, analisar os proms, como o prompt gerará a melhor saída e como a saída pode ser melhorada ajustando o que está no prompt, Ok. Espero que você entenda isso. Então, espero que você entenda esse exemplo. Então você aprendeu essa opção de filtro, opção de remoção. Eu costumava fazer isso, ele geraria diretamente nossa saída principal. Se você usar apenas o filtro sem usar nenhuma funcionalidade remova ou adicione algo semelhante. Então, ele gerará o filtrante, certo, que está filtrando sem gerar a saída que estamos procurando, ele gerará apenas o filtrante Está bem? O que ele filtrará, mostrará isso apenas em vez de apenas gerar a saída Se você usar a funcionalidade que é remover qualquer coisa diferente dessa , ela gerará nossa saída principal dessa forma. Então eu espero que você entenda isso. Então, mesmo que você possa pegar isso, vimos dois exemplos aqui, filtrando isso Até você pode pegar qualquer informação sobre isso. Você pode usar o exemplo como um filtro e remover os números que têm as mesmas informações. Repetindo informações como essa, eu aceitarei. Então, por exemplo, vou dar um exemplo aqui, filtro. Filtre a seguinte mensagem para remover, então eu estou fazendo a funcionalidade. Remover redundante significa repetitivo, repetitivo. Vou pegar o repetitivo. Palavras repetitivas. Ou informações, posso usar palavras ou informações repetitivas. Vou pegar informações repetitivas. O que filtrará o seguinte texto ou o seguinte Ok. Parágrafo seguinte, qualquer coisa. Siga a frase. Digamos uma frase a ser removida para remover as informações repetitivas Vamos ver uma coisa. Ok. Então, o que significa o conteúdo a seguir? Vamos ver isso. Podemos usar as aspas O que eu vou dizer. Vamos ver as informações repetidas. Oi. Como você está Eu vou dizer que estou bem. Agora, você, como você está? Essa é a questão. Estou apenas usando alguns exemplos para entender e explicar de uma maneira melhor. Como você está Vamos ver o que acontecerá para remover as informações repetidas , qual é a repetida? Como você está Como você está Só isso removerá a opção “como você está”. Ok, vamos ver o exemplo. Vamos ver o resultado disso. Então você pode ver o exemplo aqui. A versão filtrada desta frase é simplesmente: Oi, como você está Eu estou bem e você é simples. Assim, você pode comprar opção de filtragem enquanto usa tantos conteúdos Se você está mantendo algumas habilidades de redação de conteúdo ou alguma outra coisa, revisar, escrever, precisa revisar, escrever, fazer alguns ajustes, não documentar nenhuma outra coisa. Então você pode usar essa opção de filtro, certo? Opção de filtro semântico para filtrar palavras repetitivas ou inúteis ou é melhor Esse padrão de formatura de filtro ajudará a revisar seu documento, revisar seu artigo, escrever e-book ou qualquer coisa que você tenha escrita por você tenha Isso ajudará você a copiar de lá e colar aqui e apenas pedir para filtrar o parágrafo seguinte e remover as palavras indesejadas e incomuns ou repetitivas e qualquer desperdício de palavras ou algo parecido, que possa melhorar seu conteúdo, certo? É por isso que essa opção de filtro semântico, que é muito útil para você. Então, isso é uma coisa simples. Então você pode usar essa opção de filtro simples em qualquer padrão de prompt, certo? Você pode usar em qualquer um que seja refinamento de quociente. Em qualquer lugar que você possa escrever, você pode usar esse padrão de prompt, certo? Então, eu só estou te dizendo como isso vai funcionar. Assim, você pode usar com você mesmo de acordo com suas necessidades. Então, estou dizendo novamente que praticar é a melhor maneira de aprender engenharia rápida Então, e use todos os padrões de prompt, use esse padrão de prompt também e verifique como você pode resolver o problema específico. Mesmo que você tenha uma nova ideia escrevendo esses padrões rápidos, se tiver uma ótima capacidade de resolução de problemas, poderá criar soluções on-line. Você pode vendê-lo como um aplicativo SAS ou Android, como um aplicativo IOS, você mesmo pode criar e vender on-line. Essa é a coisa mais importante. Se você tem habilidades de engenharia rápidas, se sua mente não está aberta para experimentar coisas com EI. Portanto, não há valor e valor se você for um engenheiro redondo. É por isso que você precisa ser excelente em escrever e interagir com EI Se você souber como interagir com a IA de maneira eficaz, isso pode levá-lo além do potencial. Você pode fazer muitas coisas com essas habilidades de engenharia rápidas. Não confie apenas nos empregos. Os trabalhos, sim, é melhor conseguir o emprego como engenheiro rápido. Mas a engenharia rápida não está apenas à altura do trabalho, mas também pode ajudá-lo a criar soluções para as empresas ou para você mesmo a resolver problemas específicos, o principal problema das pessoas, usando a IA. Portanto, há muito mais coisas que você pode fazer com esses padrões imediatos e conhecimento de interação com a IA Então, espero que você entenda essa opção de filtro semântico. Ok. Espero que seja uma coisa simples e que te expliquei muito bem, certo? Então, eu quero saber se, depois deste curso, dê avaliações e feedback para que eu saiba que você aprendeu algo comigo pelo melhor preço que ofereceu pelo meu curso. Ok. Vamos entrar em nosso terceiro padrão de prompt, que as ações de menu, nas quais aprenderemos são as ações de menu, nas quais aprenderemos como esse padrão de prompt funcionará. É o melhor, certo? Então, vamos mergulhar nisso. 28. 4.3.3 Padrão de prompt de ações do menu: Ok, vamos ver nosso padrão de formatura número três, que é o padrão de formatura Menu Actions Então, se você ver o nome desse padrão de formatura, ações do menu Menu significa que você tem um conjunto de menus ou, se você for a um restaurante, verá que o gráfico está preparado. Menu chamado de Menu, no qual você pode ver alguma comida deliciosa ou algo listada com preços como esses. Está bem? Isso é chamado de menu. Então, quando voltamos ao menu de ações, ações significa realizar uma tarefa específica, certo, resolver alguma coisa, qualquer coisa assim, criar, resolver, atualizar tudo isso se torna as ações. Então, as ações do menu significam que é um conjunto de instruções, ok, conjunto de instruções, que serão executadas por nossa entrada, certo? De acordo com nossas instruções, os reais serão publicados assim. O melhor exemplo é que você pode ver o aplicativo Tudost. Se você já usa o aplicativo ToDoList, você pode entender facilmente esse botão de formatura Então, quando você cria uma lista de tarefas. Ele perguntará qual é a sua data ou algo parecido. Você pode nomear todas essas coisas. Você adicionará um pouco de Tdlist do que eu tenho que fazer hoje, amanhã, uma semana, toda semana, desse jeito O que você fará no aplicativo básico de lista de tarefas é criar uma lista na qual colocará alguns Deutins como esses As ações do menu funcionarão da mesma forma. Vamos ver. Neste PPT Para usar esse padrão, seu baile de formatura deve fazer as seguintes declarações fundamentais de condução. Você pode ver a declaração aqui. Ações do menu significam que sempre que eu digitar X, você vai fazer Y. Ok? Quando eu disser para você fazer isso, você fará essa ação desse jeito. Você pode ver outra coisa, arsenal, fornecer itens de menu adicionais. Até você pode adicionar mais instruções baseadas em um aplicativo puro como esse. Sempre que eu digito z, você fará Q como no final, você me pedirá a próxima ação. Isso é muito importante. No final, você me pedirá a próxima ação. Como discutimos anteriormente sobre filtro semântico ou geração de cauda, peça-me um padrão de prompt de entrada como esse Usaremos algo no final do prompt. No final, você me pedirá a próxima ação. próxima ação significa que ela perguntará após cada saída da IA, ela nos perguntará o que fazer na ação do dia seguinte, o que eu tenho que fazer na ação do dia seguinte no final da saída. Pode ser fácil de entender fazendo isso na prática. Vamos entrar no Cha GPT e veremos o que são realmente os padrões de formatura de ações de Manu Vamos ver aqui. Então, acabei de escrever uma tarefa aqui. Vou apenas copiar e colar isso. Então você pode ver aqui, eu escrevi a tarefa para a IA, acabei de definir a tarefa. Se você observar claramente aqui, ele funcionará como o aplicativo ToDoList no qual você listará suas rotinas de Dali Ok, você atualizará e excluirá a lista que é normal, certo? Então, se você ver isso. Sempre que eu digitar adicionar tarefa, você adicionará uma tarefa à minha lista de tarefas. Ok. Você pode ver aqui. Comparando isso, qual é o padrão de formatura de ações do menu Sempre que eu digitar X, você fará Y. Sempre que eu adicionar uma tarefa, você adicionará uma tarefa à minha lista de tarefas Estou dando alguma instrução para a IA. A IA fará alguma tarefa. Isso é ação. Isso adicionará uma tarefa à minha opção de lista de tarefas como essa. Você pode ver aqui. Sempre que eu digitar remover tarefa, você removerá a tarefa da minha lista de tarefas. Estou guiando a IA. Quando eu vou te dizer o que fazer, então você tem que fazer aquela tarefa específica que eu defini para você dessa forma. Até você vê aqui, certo? Portanto, é assim que o aplicativo de lista de tarefas funcionará da mesma forma. Assim, você pode fazer muito mais. Então, se você observar, se pensar antes da IA, antes dessas ferramentas de IA como o Char GBT, para fazer esse tipo de aplicativo Ok, você obterá mais aplicativos no Google Plaster, certo? Então, eles precisaram de alguma linguagem de codificação para criar algum aplicativo sobre o ToDoList, Você precisa saber codificação. Você precisa saber como codificar para criar esse aplicativo de tarefa específico. Mas depois de chegar aos fóruns de bate-papo do EI, como o HGBT, você precisa apenas escrever no formato Sim, isso é interessante, certo? Portanto, em vez de escrever código, você precisa apenas expressar sua tarefa em seu idioma. Em vez de escrever qualquer código, linha de código Python, isso é qualquer Em vez de escrever código, você pode dizer à IA com suas próprias palavras que faça alguma tarefa específica o que é muito interessante, certo? Você pode criar seu próprio aplicativo com essa habilidade de escrita rápida, mesmo sem codificação. Sim, isso é uma IA mais poderosa. Em vez de escrever código, em vez de aprender o código, você pode escrever com suas próprias palavras. Feito a tarefa pela IA. Certo? Então, isso é mais poderoso se você aprender a escrever as instruções para seus aplicativos, certo? Você pode criar mais aplicativos melhores, aplicativos avançados, mesmo que não saiba codificar na nuvem Sim, você precisa de algo para criar a interface do usuário, todas essas coisas, certo? Você pode usar qualquer ferramenta do Loco, então há outro tópico Vamos voltar ao nosso tópico principal, que é o padrão de formatura de ações do menu Ok. Portanto, este é um aplicativo de lista simples que funciona , certo? Então, vamos ver qual será a saída. Então, obviamente, vou perguntar. Entendi, seu sistema de ferramentas está configurado. Qual é a sua primeira ação? Eu quero dizer à IA, adicionar uma tarefa. Eu vou definir a tarefa. Vou dizer à IA quais são minhas tarefas. Agende uma reunião. Com meu cliente dos EUA às 5:00 da manhã. Agora, eu também tenho que dizer à IA, isso é uma tarefa. Está bem? Esta é uma lista de tarefas. Esta é uma lista de tarefas. O que eu digo para fazer? Adicionar tarefa. Isso é uma tarefa. Isso apenas adicionará essa tarefa à minha lista de tarefas. Nós podemos ver aqui. A tarefa foi adicionada. Qual é a sua próxima ação. Novamente, adicionarei outra tarefa. O que vai para o escritório às 11:00 da manhã de segunda-feira. escritório às 11:00 da manhã de segunda-feira. Vamos ver. Eu adicionarei automaticamente esta tarefa. Você pode ver aqui. Isso gerará alguma saída como essa. Isso levará algum tempo, mas você pode ver que a tarefa foi adicionada. Qual é a sua próxima ação? O que vou dizer para a AI listar minha lista de tarefas. Liste minhas tarefas, ou você pode escrever assim. Só para mostrar minha lista de tarefas. A IA mostrará minha lista de tudo o que fazer. Você pode ver aqui. Eu adicionei duas tarefas aqui. Eu exibo automaticamente minha lista aqui, lista de tarefas aqui, agendando uma reunião com o cliente S e indo para o escritório. Ou seja, vou escrever para a IA, remover você pode escrever a tarefa inteira ou escrever a tarefa número um, a IA saberá porque o padrão é que o I é bem conhecido. Desde o início, a IA está familiarizada com nossos dados, o que estou dizendo à IA, o que estou orientando, a IA é tudo conhecido Isso apenas removerá tarefa correta e você apenas gerará uma lista de tarefas atualizada. Você pode ver que aqui foi removido da sua lista de tarefas. Por que eu te digo uma tarefa remota. Assim, você pode adicionar o máximo que puder, instruções diferentes, requisitos diferentes sobre Como quiser. Qual aplicativo você deseja criar. Isso é um menu de ações, certo? Até você pode criar um acompanhamento orçamentário como esse, instruções. Sempre que eu digitar adicionar essas despesas, você adicionará despesas a alguma seção específica. Se eu pedir para remover despesas, você precisará remover a despesa das minhas despesas diárias, você pode escrever. Se você tem algum conhecimento sobre algum aplicativo específico , você pode acessar a Playstore e baixar alguns aplicativos de produtividade Está bem? Isso é até mesmo um rastreador de orçamento ou aplicativo ToDoList, então veja como os Está bem? Depois disso, depois de verificar cada botão ou cada página do aplicativo, você pode escrever aqui. Você pode vir ao Ha JBT e escrever todas as instruções Como quando você clica no botão Criar no aplicativo, ele vai para uma nova página, certo, na qual você listará sua lista de tarefas do aplicativo, certo? Então você pode vir até aqui. Sempre que eu digito em vez de usar o botão, essa é uma palavra que é uma programação. Esta é uma palavra que significa que você pode dizer aqui, sempre que eu digitar A, você dirá que eu abro uma nova página assim. Então você pode imaginar, certo. Assim, você pode jogar com o Chagpt como quiser. Vá e abra sua mentalidade e experimente coisas diferentes. Nenhuma IA está aqui. A pode fazer tudo, mas A, A pode fazer qualquer coisa, mas não tudo o que um humano faz. Mas pode ser mais poderoso se você usar essa tecnologia maneira mais eficaz, de maneira eficaz. Como podemos usar essa maneira eficaz solicitando apenas isso, é a engenharia rápida, que é a principal função da engenharia rápida, que é a principal função da engenharia rápida. É por isso que aprender esses padrões imediatos, praticar com uma tarefa de requisitos diferente diferentes aplicativos pode fazer você o melhor engenheiro rápido Espero que você entenda muito bem esse padrão rápido. Simples, este é um menu de ações onde você definirá algumas instruções para que funcionem apenas dessa forma, tudo funcionará como quisermos. Isso é simples. Espero que você entenda esse padrão de formatura É muito fácil. Está bem? Então, vamos ver nosso próximo padrão de formatura, que é o padrão de formatura de lista de verificação de fatos, que é muito importante para identificar a imprecisão e a precisão que é muito importante para identificar a imprecisão e a precisão da saída. Vamos mergulhar nisso. 29. 4.3.4 Padrão de solicitação de lista de verificação de fatos: De volta ao nosso quarto padrão de alerta que é lista de verificação de fatos, padrão imediato Então, o que significa lista de verificação de fatos? Fato significa dados factuais ou informações que são para verificação, ou seja, informações corretas como essas Está bem? A lista de verificação significa que precisamos verificar alguns fatos no formato da listagem Simples. Essa é uma lista de verificação de fatos Está bem? Então, se você acha que eu sei, já discutimos o modelo de linguagem grande. Ok, a IA é treinada por uma grande quantidade de dados, ela pode gerar alguns erros na saída. Portanto, dados imprecisos na saída. Ser a IA não está 100% certo, mas cometerá erros. Eu vou cometer erros. Para isso, temos que verificar a saída, certo? Quando pudermos verificar a saída quando tivermos algum conhecimento sobre o tópico ou esse aplicativo, obteremos da IA. Certo? Se você conhece alguns dados ou pontos específicos sobre a tarefa que você vai resolver pela IA, você precisa saber algumas coisas básicas, certo? Na lista de verificação de fatos, solicitaremos à IA que gere algum conjunto de fatos contidos na saída OK. Eu vou separá-los. Primeiro, ele gerará uma saída. Isso gerará uma saída em relação ao nosso prompt. Depois disso, no final da saída, ele listará alguns fatos sobre nossa tarefa que ela foi gerada. Espero que você entenda bem. Você pode ver que, para usar esse padrão, seu baile de formatura deve fazer a seguinte declaração fundamental Sempre que você imprime texto, texto significa que a saída da IA gera um conjunto de fatos Fatos significa que são dados reais ou factuais que estão contidos na saída O conjunto de fatos deve ser inserido no final da saída. O conjunto de fatos deve ser os fatos fundamentais. Fundamental significa nível básico de fatos, fatos fundamentais que podem minar a veracidade do resultado se algum deles Por que estamos usando esses padrões de alerta da lista de verificação de fatos para verificar se a saída está correta ou incorreta Não confiamos 100% na saída do AIS. Ele cometerá erros mesmo se eles tiverem alguns dados imprecisos presentes na saída Portanto, como engenheiro rápido, precisamos verificar se a saída contém as informações corretas ou incorretas. Como podemos fazer isso usando esse padrão de formatura. Você pode ver, sempre que imprimir o texto, gerar um conjunto de fatos contidos na saída. O fato está relacionado à saída, que é gerada pela IA. Ele separará os fatos da saída e mostrará para verificarmos isso. Se os fatos forem bons, certo, que possamos chegar ao fim seja, a saída está relacionada à nossa tarefa e ela terá algumas informações precisas como essas. Quando podemos verificar esses fatos, quando temos o conhecimento sobre esse tópico, sobre a tarefa que estamos procurando resolver pela IA. É por isso que a engenharia rápida é boa quando você tem algum conhecimento específico. Ok, por exemplo, se você está trabalhando no setor de marketing ou qualquer setor de saúde que seja muito importante quando você trabalha como engenheiro rápido em um setor de saúde, o conteúdo relacionado à saúde é muito importante. Você deve ter em mente que, ao gerar o conteúdo para a área de saúde, você precisa verificar muitas vezes. O resultado da IA porque ela pode cometer erros, certo? Então, para isso, o que você precisa fazer, você deve saber, todos os médicos não conhecem todas as funções das partes do corpo. Portanto, eles têm alguma experiência em operações cardíacas ou renais como essas. Por exemplo, se você é bom em ver o exemplo, dê um exemplo, se eu sou bom em operação cardíaca, cirurgia. Então, vou usar a IA como operador de cirurgia cardíaca. Grande operação. Essa é uma cirurgia assim, ok? Como médico, vou contar para a IA. Está bem? Então, gere um conteúdo relacionado ao coração. Portanto, ele gerará a saída automaticamente. Agora, quanto ao conhecimento que tenho sobre o coração, certo? Eu tenho que verificar a saída, a saída da IA está correta ou não porque eu tenho o conhecimento. Tenho experiência em operações cardíacas. Eu sei claramente o que é o coração e qual é a funcionalidade de todas essas coisas. Quando as AIs geram uma saída relacionada ao coração, eu possa verificar se a saída está correta ou não, verificando os fatos nessa saída em vez de revisar todas as centenas de linhas de saída, apenas pegamos alguns pontos factuais, ou seja, pontos corretos que são muito Sem esses fatos, o conteúdo é que não há valor nisso. OK. Além disso, ele separará automaticamente os fatos fundamentais e mostraremos isso no final da saída. partir disso, os fatos fundamentais podem ser verificados por mim, e eu verificarei se a saída está correta ou não. Simples. Espero que você entenda isso. A lista de verificação de fatos é importante para todos os setores. Não podemos confiar 100% totalmente na IA. Você precisa conhecer alguns conhecimentos básicos. Sobre esse tópico, você obterá conteúdo da IA. Ou qualquer outra coisa. Então, vamos entender escrevendo o prompt em har GPT. Vamos começar com isso. Então, eu estou no ha GPT. Vamos ver, acabei de escrever um padrão de prompt já aqui. Vou colar aqui para que possamos ver o aqui. Escreva um breve resumo das causas da mudança climática, certo, o que eu orientei na IA, escreva um breve resumo das causas da mudança climática no final da produção, gere um conjunto de fatos fundamentais contidos na saída. Como discutimos anteriormente, qual é o padrão de formatura da lista de verificação No final, mesmo que você possa ver no ponto inicial da saída, no meio da saída, você pode fazer o que quer que seja. Você precisa apenas escrever as instruções aqui. Este não é um padrão fixo , até agora quantos padrões de alerta eu expliquei para você, esse não é um padrão fixo. Você pode alterar sempre que puder alterar qualquer padrão de alerta de acordo com seus requisitos, qualquer coisa sem limitações. Eu explico para você como o padrão do baile funcionará, como a IA pensará assim É isso mesmo. OK. Você pode fazer muito mais com esses padrões de formatura Está bem? Você pode ver aqui, eu apenas digo à IA, escrevo um breve resumo das causas da mudança climática no final da produção, gero um conjunto de fatos fundamentais. Fatos fundamentais significam que essa é a causa raiz, ou seja, as raízes da produção. Ok, contidos na saída, esses fatos devem ser fundamentais para o resumo e inseridos no final do texto, garantindo a precisão, pois fatos incorretos prejudicariam a validade da saída Então, o que estou dizendo à IA é garantir que a precisão esteja presente na saída. Está bem? Um fato incorreto prejudicaria a validade da saída O que estou dizendo à EI, vou definir a tarefa. Depois disso, eu tenho que fazer uma lista de verificação de fatos, para gerar fatos sobre a saída. Depois disso, digo à IA por que estou usando isso para garantir a precisão e fatos incorretos que prejudicariam a validade da saída OK. Espero que você entenda isso. Vamos ver qual é a saída. Você pode ver aqui. Este é um resumo das causas das mudanças climáticas. Está resumindo a mudança climática aqui. Depois disso, são gerados fatos fundamentais, né , você pode ver aqui. Fundamental, o que significam os fatos fundamentais ? Você pode ver aqui. As atividades humanas são a principal causa das mudanças climáticas, queimando combustíveis, combustíveis, pois quantidades significativas de CO 2, um importante gás de efeito estufa Todos esses pontos são retirados do resumo desta saída Então você pode mudar aqui, você pode ver que a mudança climática é impulsionada principalmente por atividades humanas que aumentam a concentração de estufas na atmosfera Então você pode ver aqui, as atividades humanas são a principal causa da mudança climática. Esses são os fatos relacionados a essa saída. OK. Então, em vez de verificar toda essa saída, vou ver aqui os fatos Se esses fatos estiverem corretos, podemos dizer que essa saída tem alguns dados precisos. Isso não é 100%, mas podemos dizer: Ok, a saída é boa. Em vez de verificar os dois ou dez parágrafos, podemos simplesmente dizer que eu separo os fatos fundamentais no final da saída para revisão ou para verificar a saída, para verificar os fatos fundamentais Todos esses pontos são chamados de fatos fundamentais dessa saída, então é fácil, certo. Portanto, é fácil de ler e entender. OK. Portanto, podemos, com base nesses fatos, dizer que a saída é boa ou precisa. Assim. Você pode usar essa lista de verificação de fatos para diferentes aplicativos, tópicos tarefas diferentes para facilitar a leitura e a verificação da saída gerada pela IA Então, novamente, estou lhe dizendo que essa lista de verificação de fatos é muito, muito importante Para cada saída, você fará isso a partir da IA, certo? Não podemos simplesmente confiar na produção da IA, certo? Você tem que verificar, você tem que verificar com outro LMS e quaisquer dados factuais on-line Depois disso, você pode 100%, esta é uma saída correta ou você precisa fazer alguns ajustes também na saída porque A não está cem por cento correto. OK. Espero que você entenda esse padrão de formatura da lista de verificação de fatos. Então você pode fazer qualquer coisa. Está bem? Você pode ver aqui, gostaria algum ajuste ou expansão neste resumo Então, eu posso adicionar alguns específicos. Você vê se, por exemplo, se eu disser à IA para expandir isso, você gostaria de algum ajuste? Então, se eu colar aqui, o que ele vai dizer, ele vai sugerir, logo depois disso, você pode ver aqui. desmatamento reduz a capacidade e absorção do CVO de ter tomado algum ponto aqui Então, em última análise, nos explica o que é isso aqui. Então, o que vou dizer à IA. Não. Certo. Você também pode adicionar isso. Adicione fatos, fatos fundamentais para um tópico de arco. No final. Ok, o que dirá, o que gerará, gerará alguns fatos fundamentais sobre esse tópico. Isso é desmatamento e mudança climática. Ou seja, aqui, o desmatamento reduz a capacidade de absorver CO dois Portanto, para este resumo, ele adicionará alguns pontos de fato que posso verificar facilmente e posso dizer que a saída está correta ou não, com base nesses fatos fundamentais. Portanto, isso é fácil de ler, verificar e pré-ler a saída de IA Espero que você entenda. Você pode usar isso de todas as maneiras que puder fazer outras maneiras como essa, todas essas coisas. E lembre-se, mais uma vez, para cada saída que você gerará a partir da IA Use esse padrão de formatura porque você precisa verificar a saída antes de considerá-la Está bem? Espero que você entenda. Vamos ver outro padrão de formatura que é muito importante e muito fácil de aprender, que é a cadeia de pensamento, que é muito importante para raciocinar e resolver alguma tarefa experimental . Vamos mergulhar nisso. 30. 4.3.5 Padrão de sugestão de pensamento: Voltem, pessoal. Vamos discutir nosso último padrão imediato, que é a cadeia de pensamento. Então, como você pode ver aqui, a cadeia significa raciocinar passo a passo, resolver qualquer tarefa complexa usando um processo passo a passo como esse, certo? Então você pode ver aqui. O que se entende por cadeia de pensamento significa um aviso projetado para guiar a IA por um processo de raciocínio passo a passo antes de chegar à resposta final Assim, você pode ver se vê alguma matéria matemática. O problema é resolvido pelo processo passo a passo. A solução de um problema contém passo a passo, como o primeiro passo, dois cálculos, faça algébrico Você pode ver o processo passo para resolver um problema de matemática, certo? Você pode ver qualquer ou outro problema, não apenas matemática, você pode ver problemas não apenas matemática, de física, você pode ver qualquer engenharia, matemática, engenharia, qualquer solução de qualquer problema. O processo passo a passo pode nos ajudar a obter a solução precisa, a resposta final. Então, usando isso, podemos nos beneficiar desse padrão de formatura Número um, usando o processo passo a passo, a estrutura de saída está muito bem. Em vez de escrever parágrafos ou um monte de coisas, podemos obter as respostas finais em termos de eficácia em termos de números e não de texto, certo? Sim, e outro benefício é que podemos verificar cada etapa, certo? Também podemos aprender o problema real, como o problema real é resolvido. Existem quantas etapas existem. Podemos verificar cada etapa. A partir disso, também podemos aprender o problema, a arte de resolver problemas, certo? É por isso que a cadeia de pensamento desempenha um papel importante na engenharia rápida, porque esse padrão imediato nos ajudará a realizar a tarefa de resolver qualquer problema matemático ou qualquer problema no formato de raciocínio passo Por isso, podemos resolver qualquer tarefa complexa verificando cada etapa clareza. Você pode ver aqui. Por que usá-lo de maneira ideal para problemas complexos que exigem raciocínio lógico ou soluções em várias etapas Incitando a IA, pense em voz alta. Muitas vezes, você pode obter respostas mais precisas e perspicazes, certo Então, como discutimos anteriormente problemas complexos. Portanto, alguns problemas exigem raciocínio lógico ou algumas soluções em várias etapas Várias etapas significa processo passo a passo. O melhor exemplo é resolver problemas matemáticos, problemas matemáticos, assim. Podemos, por meio desse raciocínio, raciocínio passo a passo, que o A gerará uma saída em melhor formato Ok, com precisão também. Vamos ver esse padrão de formatura mais profundamente, vendo o exemplo no Haiti Vamos começar com isso. Então, eu tenho um hábito Então, eu escrevi algumas instruções básicas. Vou apenas copiá-lo e colar aqui. Você pode ver aqui. Você é um problema matemático que resolve. Você está resolvendo um problema matemático. Você pode ver aqui que um trem viaja a 60 quilômetros/hora por 2 horas e depois a 80 quilômetros/hora Qual é a distância total percorrida? Explique seu raciocínio passo a passo antes de fornecer a resposta final. Então você pode ver aqui. Eu usei a declaração padrão do prompt de cadeia de pensamento no final desse prompt. Detalhamento. Você está raciocinando passo passo antes de fornecer a resposta final Essa é a instrução mais importante usar se você estiver resolvendo algum problema. Com isso, ele será gerado no formato passo a passo. A saída está no formato passo a passo, no qual podemos verificar cada etapa para aprender e verificar a saída. Mesmo na melhor das hipóteses. Você pode ver aqui, eu acabei de dizer a A, que você está resolvendo um problema de matemática. Eu guiei o A, você vai resolver um problema de matemática, e acabei de apresentar o problema básico simples de matemática aqui. Estou falando sobre. Esse é um problema simples, certo? Não recebi nenhuma equação, álgebra ou polinômio Vou apenas dizer a A que isso é um simples i. Então, isso é um simples i. ele gerará uma resposta com processo de raciocínio passo a passo e saída final. Você pode ver. Então, este é um aviso simples. Eu gosto de escritor. Você pode usar todos os padrões de formatura que usamos até agora, como filtro semântico, lista de e lista de verificação de fatos do filtro semântico, padrão de prompt de geração cauda Peça-me informações sobre o padrão do baile, o padrão do baile de formatura da personalidade, baile de formatura da personalidade Refinamento do quociente, verificação cognitiva do padrão de formatura. Você também pode usar todos esses padrões de alerta para resolver essa questão simples específica. Isso é tudo sobre como você está interagindo com a EI, como você é capaz de escrever certas instruções para orientar a EI de maneira eficaz Para criar alguns aplicativos específicos, ou seja, engenharia rápida, engenharia rápida significa criar aplicativos específicos escrevendo os engenharia rápida significa criar prompts, com a habilidade de prompts, em vez de escrever o código, ou seja OK. Espero que você entenda. Então, vou dizer aqui que até você pode escrever aqui, atuar como um solucionador de problemas matemáticos experiente Ok, você pode começar daqui. Você está resolvendo um problema de matemática agora. Você pode simplesmente te dar. Você pode perguntar mesmo que em vez de escrever esta pergunta, você pode usar o padrão ask me for input prom Vou te contar o problema matemático. Você precisa resolver um problema no raciocínio passo a passo antes de fornecer a resposta final Agora, pergunte-me qual problema você precisa resolver, desse jeito. Você pode usar o padrão ask me for input prom, certo? Se você estiver usando o padrão de baile de refinamento, que é sugerir uma versão melhor do nosso prompt, basta escrever qualquer prompt básico e dizer isso no final do baile, como sugerir uma versão melhor deste Isso sugerirá uma melhor compreensão da versão desse prompt. Se você usa o padrão cognitivo de verificação de formatura, pode dizer à IA, pergunte-me subdividido o que está relacionado a esse quotien que é a esse quotien Eu fornecerei respostas para isso e, em seguida, você prosseguirá com a solução do problema passo a passo. Assim. Você pode ver se sabe como o padrão real do baile funcionará Portanto, você pode usar em qualquer lugar com base em nossos requisitos de relações públicas, certo? Então vai acabar e mais coisas. Então, volte ao nosso tópico principal, que é a cadeia de pensamento. Você pode ver que acabei de dizer, IA, detalhe seu raciocínio passo a passo antes de fornecer a resposta final Esta é a principal cadeia de pensamento fundamental que você deve usar no final de sua solicitação. Até mesmo você pode usar do ponto de partida , isso depende de você. Então, eu acabei de dizer que IA, você pode ver aqui. Você está resolvendo um problema de física, você pode mudar o problema de física que tem tudo a ver com nossas instruções e requisitos. Vamos ver qual será a saída. Assim, o ar gerará o processo passo a passo. Você pode ver aqui. A primeira parte da viagem é que as viagens de trem são de 60 quilômetros/hora por 2 horas Então, verá que você pode ver aqui. Para encontrar a distância percorrida nesta parte, temos que medir a distância igual à velocidade no tempo, assim. Então está certo, você pode ver aqui. O problema parece melhor porque é fornecido passo a passo. Primeiro, temos que encontrar a distância entre isso e temos que encontrar a distância do segundo trem, certo. Depois disso, temos que combinar as duas distâncias dessa forma. Portanto, podemos ver que a saída é a melhor aqui. Então, por exemplo, se você tirar isso, vamos ver qual é a saída e como a saída deve ser. Você pode ver que não há nenhum raciocínio nisso. Ok, você pode ver aqui que há algo sobre quocientes e formulação Não há muita eficácia nesse resultado porque eu retirei esta nossa declaração de padrão imediato de raciocínio passo de raciocínio passo a passo aqui Eu o usei para que você possa ver o processo passo a passo do início ao fim. Então, eu tenho uma parte do raciocínio, podemos entender facilmente essa saída Podemos ver tudo e cada um, como é tirado. Podemos verificar se está correto ou não. Se você acabou de sair dessa cadeia de pensamento, escreverá alguma tarefa. Você pode ver que não há eficácia nessa saída quando comparada a esta. Você pode ver aqui. Sem usar a cadeia de pensamento, você pode ver o resultado aqui. Isso não é bom, certo? O primeiro segmento é o segundo segmento, o que é isso? Então, se você usar isso, poderá ver a primeira parte da viagem, a segunda parte da viagem, a distância total da viagem. Trata-se de usar o padrão rápido da cadeia de pensamento. Este é um exemplo simples que eu tomei. Assim, você pode usar para tarefas complexas, problemas complexos enquanto os resolve. Portanto, isso ajuda você a seguir um processo passo a passo, o que pode nos ajudar a verificar a saída com clareza para torná-la precisa e obter a melhor resposta perspicaz da IA Então, isso tem tudo a ver com nosso padrão imediato de cadeia de pensamento. Você pode usar diferentes requisitos imediatos como não apenas resolver problemas de matemática, também usar qualquer outro método de solução de problemas ou qualquer outro aplicativo específico para resolver algo assim. Você pode usar esse padrão de formatura de todas as maneiras que puder. Não há limite para isso. Espero que você entenda esse padrão de formatura com muita clareza. Então, até agora, aprendemos cerca de 14 padrões de formatura É Pi e a primeira parte anterior é Pi. No início, aprendemos alguns padrões básicos de formatura que são alguns padrões de formatura curtos, corretos, zero tacadas, dramatização e instruções do sistema Então, com isso, aprendemos claramente que o que é um padrão de baile, é como devemos entender a IA escrevendo os padrões de baile. O resultado é todas essas coisas OK. A partir desse modelo, até esse modelo, concluímos os padrões de formatura, diferentes padrões de formatura Ok, tudo bem, em um futuro próximo, se houver outros padrões de formatura que sejam gerados e atualizados em qualquer laboratório de pesquisa Então, vou atualizar este curso. Não se preocupe com isso. Vou atualizar este curso de acordo com nossos padrões de formatura. Não se preocupe com isso. Apenas conheça esses padrões de formatura e pratique por si mesmo, e estou dando uma tarefa para você agora, combine todos os 14 padrões de formatura, incluindo essa cadeia de pensamento, e escreva um único padrão de formatura sozinho pensando e veja Isso significa que você está resolvendo um bom aviso, um bom problema no qual você pode ter uma ideia sobre uma ideia de aplicativo que você pode criar treinando dessa forma, apenas escrevendo as palavras. Pense sobre isso. T dessa forma. A engenharia rápida não consiste apenas em obter as informações da IA, mas também abrir sua mentalidade Basta usar. Estou lhe dizendo que isso literalmente mudará sua mente de pensamento. Basta usar todos esses 14 padrões de prompt e combinar todos esses 14 padrões de formatura em um único prompt para resolver qualquer aplicativo específico ou realizar alguma tarefa específica Veja, você pode ver automaticamente essas instruções ou a aparência de um aplicativo, qualquer aplicativo Android ou aplicativo da web como esse. Então, talvez haja uma ideia única que você possa ter. Você pode criar uma startup como essa. Você pode se mover. Você não sabe. Isso literalmente pode mudar essa habilidade, pode mudar sua vida ou algo parecido. Então, aprenda, apenas pratique, pratique o máximo que puder. Essa habilidade pode ser aprimorada pretextando apenas usando diferentes padrões de formatura, usando-os, combinando todas essas coisas, mas experimentar coisas novas na IA pode mudar sua mentalidade e melhorar sua Espero que você entenda muito bem. Então, até agora, discutimos até 14 padrões de formatura, certo? Com isso, acabamos de fechar o padrão imediato da cadeia de pensamento. OK. técnicas especializadas de engenharia rápida nas quais veremos como os diferentes LLMs funcionam, como temos que analisar cada saída usando instruções semelhantes em diferentes LLMs, como Ch GBT Cloud, Gemini e perplexity dot a. Então, Gemini e perplexity dot a. veremos como usar o AGBT para diferentes especialistas e setores, como marketing, como usar o AGBT ou como Portanto, nosso próximo modelo será a compreensão e as técnicas especializadas de engenharia rápida, nas quais veremos como os diferentes LLMs funcionam, como temos que analisar cada saída usando instruções semelhantes em diferentes LLMs, como Ch GBT Cloud, Gemini e perplexity dot a. Então, veremos como usar o AGBT para diferentes especialistas e setores, como marketing, como usar o AGBT ou como usar habilidades de engenharia imediatas para a indústria, saúde, codificação e também para todas essas aplicações E veremos como são as diferentes ferramentas de solicitação, como um texto de formatura e algumas APIs abertas do EI Playground Isso é o mais importante. Ok, desse jeito. E também vemos como os LLMs geram resultados, como temos que manter a consistência da solicitação ou a consistência da saída do EI Ok, assim, veremos todas essas coisas e todas as considerações éticas da IA, todas essas coisas no próximo modelo número cinco Então, vamos mergulhar em nosso modelo número cinco , no qual aprenderemos algo interessante sobre LLMs de IA. Vamos mergulhar nisso. 31. 5.1.1 Encadeamento de prompt - Parte 1: Volte ao nosso quinto modelo que é especializado em técnicas de engenharia rápida. Neste modelo, veremos algumas aplicações de engenharia rápida em quais áreas estamos usando engenheiros imediatos, como escrever instruções diferentes para fins de marketing, para fins de redação de conteúdo e para fins de codificação, para criar alguns aplicativos ou para escrever e adicionar cópias como essas, veremos alguns aplicativos específicos nos quais veremos como instruções exatas e eficazes para nossos aplicativos ou para nossa área específica, como qualquer outra cópia de marketing ou algo parecido Vamos ver tudo e cada um. À medida que exploraremos algumas considerações éticas. Temos que manter nossa mente ao usar os chatbods de IA Char GBT e outros modelos de IA Vejamos que nossa primeira seção é sobre queixamento imediato. Portanto, antes de começarmos os aplicativos, precisamos saber algo sobre esse rápido queixo. Então, temos que aprender isso. Como dissemos, esse não é um tipo diferente padrão de solicitação, mas discutimos anteriormente sobre algumas solicitações que exigem a entrada de nossa parte, como o padrão de solicitação de solicitação de entrada, o padrão de solicitação de refinamento ou o padrão verificação cognitiva, certo Portanto, todos os padrões de prompt incluem a comunicação bidirecional. Primeiro, escreveremos o prompt inicial e, em seguida, solicitarei a entrada na saída, para que haja algo de comunicação bidirecional como essa Da mesma forma que o prompt channing significa conectar o prompt inicial com o segundo prompt Isso significa que você está resolvendo algum problema específico. O problema específico exigiu alguns tipos diferentes de solicitação no mesmo padrão. Por exemplo, algumas tarefas são muito complexas para que não possamos escrever em um único prompt. Não podemos escrever tudo em um único prompt para resolver uma tarefa complexa porque precisamos saber como a IA está gerando resultados. É por isso que estamos testando. Portanto, testar o compartilhamento rápido é muito útil. Como podemos testar, diremos apenas à IA como configuração inicial Quando a IA gerar saída em relação ao nosso prompt inicial , precisamos verificar a saída da IA. A partir dessa saída, escreveremos outro prompt. Ou seja, funciona como perguntas de acompanhamento, como essas perguntas de acompanhamento. Depois disso, depois que a IA gerar a saída para o acompanhamento, veremos novamente verificar a saída. Verificamos a saída novamente. Está relacionado ao nosso anterior ou não. Depois disso, escreveremos um último prompt final, que pode resolver nosso tópico complexo. engenharia rápida nada mais é do que escrever as instruções, mas também inclui, para escrever uma única solicitação, precisamos escrever algumas instruções subdivididas nas quais testaremos o modelo de IA desde o Por quê? Porque se você não sabe qual é a saída esperada do EI depois de escrever nosso prompt básico. Portanto, não podemos escrever um aviso, um aviso melhor, certo. O melhor aviso é refinado. O melhor prompt é baseado em nossa saída EIS de saída. Para isso, temos que testar a saída do modelo de IA escrevendo nossos requisitos na forma de prompt side, certo? Acho que espero que você entenda. Então, o encadeamento imediato nos ajudará a chegar a uma solicitação final, certo? O baile final no qual podemos resolver o mais rápido possível outras aplicações específicas também na mesma área. Espero que você entenda. Então, como podemos ver a haste, você pode ver por que precisamos usar o encadeamento imediato O encadeamento imediato não é nada, mas funciona como uma cadeia de pensamento, conforme discutido no último modelo Essa é a segunda parte da engenharia rápida avançada. Aprendemos o último padrão de formatura que é a cadeia de pensamento Não apenas a cadeia de pensamento, tudo se enquadra em todos os padrões de formatura discutidos anteriormente O encadeamento do baile significa o prompt que está conectado. Tudo bem, que estão conectados. Veremos o exemplo que podemos entender facilmente. Você pode ver aqui por que usamos o encadeamento de prompts que significa que algumas tarefas são muito complexas para um único prompt Por exemplo, escrever um esboço de um trabalho de pesquisa. Como você pode, se lembra do padrão rápido de expansão do esboço, no qual orientamos a IA a gerar um esboço com base em nosso tópico, certo Então, ele gerará um esboço e, em seguida, forneceremos uma IA como entrada que , por favor, expanda algum marcador específico Ele expandirá novamente o contorno desse submarcador específico, certo O que está acontecendo lá é um rápido encadeamento. O prompt inicial é configurado, o é gerado, o esboço Novamente, solicitamos a expansão do marcador específico. Ou seja, esses dois bailes estão conectados. Isso é chamado de encadeamento imediato. O segundo prompt conectado ao anterior para resolver uma tarefa específica é chamado de encadeamento de prompts Essa sequência de formatura é muito importante. Você pode ver aqui, o segundo aplicativo está desenvolvendo uma campanha de marketing. Então, se você sabe sobre publicidade ou veiculação de anúncios em mídias sociais Você pode entender isso facilmente. campanha de marketing deve depender vários outros fatores, como o orçamento do público-alvo, você adiciona textos criativos e o texto do anúncio, tudo isso terá alguns fatores para desenvolver campanha de marketing de conversão altamente eficaz, certo A campanha de marketing deve depender de vários outros fatores, como o orçamento do público-alvo, você adiciona textos criativos e o texto do anúncio, tudo isso terá alguns fatores para desenvolver uma campanha de marketing de conversão altamente eficaz, certo? Portanto, não podemos escrever um único prompt para fazer todas essas coisas. Sim, podemos escrever um aviso e gerar uma campanha de marketing para este produto da Soso, sugerir primeiro o melhor orçamento e o melhor texto do anúncio de marketing Podemos escrever isso, mas não podemos saber a saída exata que queremos. Da EI. Para o que fazemos, vamos apenas configurar um único prompt para uma aplicação específica, como experimentamos EI, URI, bom em campanhas de marketing para o produto específico. Você tem dez anos de experiência nisso. Então, quando fizermos isso, a IA começará a pensar como especialista em campanhas de marketing. Agora estou me tornando especialista em marketing. Agora você pode me dizer o que eu posso fazer qualquer coisa nesse campo. Aquela coisa. Depois disso, diremos à IA que realize apenas uma tarefa específica. O que então definirá o público-alvo do meu, uh, vender meu relógio apenas para homens. Então, qual é a solicitação específica? Em seguida, gerarei uma produção efetiva específica para o público-alvo para vender o relógio apenas para homens. Depois disso, segundo na terceira solicitação, escreveremos como, hum, sugira o melhor orçamento. O que está acontecendo aqui, contaremos ao EI passo a passo o processo. Não, estamos escrevendo as instruções inteiras de uma vez, certo? Portanto, isso fará com que o EI gere uma saída, de forma não eficaz, mas fornecerá uma saída concisa, simples e muito baixa , com uma contagem de palavras muito menor, pois deve cobrir todas as instruções que fornecemos em um prompt, deve cobrir todos os tópicos ou informações em uma contagem limitada de palavras de saída O jib ou outros fóruns de bate-papo de IA têm seu limite de saída para gerar algumas palavras que são tokens Você pode saber tudo sobre isso. Para isso, o que fazemos para obter o melhor resultado da IA apenas dar um baile único e específico à IA para gerar a melhor saída para nossas necessidades Vamos ver alguns exemplos em HGV. Isso não tem problema. Também é usado para resolver problemas matemáticos de várias etapas. Esses são alguns exemplos. Existem mais exemplos e aplicativos nos quais podemos usar como baile de formatura Mesmo que interajamos casualmente com a IA, faremos algumas perguntas de acompanhamento Assim, você pode fazer os ajustes. Você pode sugerir que o EI mude no parágrafo acima. Tudo isso vem apenas sob a mudança imediata. É tudo uma questão básica Precisamos saber disso antes de ver as melhores instruções para cada aplicativo Podemos ver que, ao dividir a tarefa em partes menores, você obtém resultados mais precisos e coerentes. Mas, como eu disse, ao dividir o problema complexo em partes menores, isso significa instruções complexas em declarações de alerta menores, podemos obter resultados mais precisos e coerentes Isso veremos na cobrança. Está bem? 32. 5.1.2 Encadeamento de prompt - Parte 2: Você pode ver como funciona o treinamento do baile. Como eu disse, vamos começar com o aviso geral, certo? Ao analisar a primeira saída do prompt geral, vamos refinar Vamos refinar a solicitação geral novamente e iteraremos a base em torno do feedback Feedback significa a saída da segunda etapa que é o refinamento. A saída da produção de refino será o feedback. Escreveremos nosso aviso de conclusão, que funciona bem, do qual podemos esperar um ótimo resultado da IA. Ok. Espero que você entenda. Vamos ver o que é realmente o encadeamento imediato no Ja gibt para entendê-lo melhor Estou no JGBTK o que estou dizendo para você. Em vez de escrever o OK, vou dar o exemplo Você é um experimentador Profissional de marketing. Profissional de marketing experiente. Especialmente N, especialmente em campanhas em execução. Executando campanhas nas redes sociais. Não. Suas tarefas. Sua tarefa é gerar para gerar, adicionar textos e postagens nas redes sociais. Eu tive que copiar a postagem nas redes sociais, o vídeo, adicionar conteúdo. alvo, público-alvo, recomendação de orçamento. Vamos usar os anúncios do Facebook. Para o Facebook. Anúncios do Facebook para venda. Assista ao relógio digital. Só para homens. Então, o que vai acontecer? Eu guio o EI. Você é um profissional de marketing experiente, especialmente na administração de mídias sociais Campanhas, temos alguns anúncios do Google, anúncios do Facebook como esses. mídia social significa que vai rodar no YouTube tudo isso se você souber sobre marketing digital. Então, eu guio o I, sua tarefa é gerar o ArcPy. Veja, você pode ver aqui. Eu oriento a IA a realizar de uma só vez todas as tarefas, que são geração de textos publicitários, publicação em só vez todas as tarefas, que são geração de textos publicitários, mídias sociais, conteúdo de vídeo, conteúdo de anúncios em vídeo, público-alvo, recomendação de orçamento para anúncios do Facebook para vender relógios digitais apenas para Mints Então, o que eu orientei às IAs é fazer todas essas tarefas ao mesmo tempo. De uma só vez, o AIB gera a saída com base no prompt superior Não há problema nisso. Veremos nisso, veremos a saída aqui. O que ele fará, ele gerará a saída. Há uma coisa boa, certo? Você pode ver aqui, Adicionar ideias de cópia, texto principal, plano de ação Esta é a nossa saída da primeira opção Adicionar somente cópia , Adicionar ideias de cópia Por exemplo, você pode ver aqui, não é profundo, certo? Essa saída não é profunda, certo. Por que a IA deve gerar a saída para todas essas tarefas, todas essas tarefas. Portanto, ele gerará apenas alguns básicos, não se aprofundando, não sendo específico. Ele simplesmente emitirá a saída com base em nossas instruções. Simples Não há mergulho, há como ir mais fundo, há raciocínio sobre a saída, então ela simplesmente lançará a Está relacionado à nossa tarefa. Portanto, ele manterá toda essa tarefa de uma só vez. Ele gerará saída de uma só vez, certo. Não há nada específico nisso. Ele apenas escreverá alguns resultados relacionados à nossa tarefa. Você pode ver aqui. Mas e se eu disser especificamente à IA que você é um profissional de marketing experiente, especialmente na administração de composições de mídia social Agora, sua tarefa é gerar e adicionar apenas uma cópia. Se eu pegar esse substituto C, vamos ver isso. Eu vou levar isso. Vamos simplesmente deletar isso. Você pode ver. Agora, eu oriento a IA, você é um profissional de marketing experiente, especialmente na execução de campanhas de mídia social Isso é ótimo. Agora, sua tarefa é gerar o texto do anúncio, o que eu fiz. Então, acabei de orientar a IA para gerar o aplicativo específico. Mas isso é gerar apenas adcpy. O que a IA vai gerar, vai se aprofundar. Ele gerará mais resultados do que os anteriores do que você pode ver aqui. Você pode ver como adicionar uma cópia para relógios digitais masculinos. Você pode ver a saída aqui. Há uma saída muito coerente e precisa quando comparada a esta Você pode ver as manchetes, simplesmente fique à frente do tempo com nossos elegantes relógios digitais Texto primário, ele deu algum apelo à ação. Sharp, não saiba mais. Isso não é tão eficaz, mas quando você orienta a IA a gerar algo específico, ela gerará a melhor saída Você pode ver a manchete ficar à frente do tempo com o melhor relógio digital O texto principal é: atualize seu primeiro jogo com nossos relógios digitais elegantes, duráveis e tecnológicos , desde o rastreamento de exercícios até a notificação inteligente É bom quando comparado ao anterior. Podemos ver uma oferta por tempo limitado, economizar 20% ao fazer o pedido hoje, conhecer um call to action shop e refinar seu estilo Ele também forneceu à Hashtag um monitoramento de dados, para que você possa ver o efeito dela efeito de saída dessa saída em comparação com esta, quando orientamos a IA a realizar todas as tarefas ao mesmo tempo Espero que você entenda que isso ocorre rapidamente. Ok. Se você acha que é uma tarefa complexa gerar toda a saída de uma tarefa por vez, certo? Em vez de escrever de uma só vez, podemos dividir a tarefa em subtarefa como agora geramos para adicionar cópia, certo? Agora podemos fazer uma segunda coisa como publicar nas redes sociais, certo? Se eu clicar aqui, direi à EI que sugira uma postagem nas redes sociais. Agora você pode ver a saída. Agora você pode ver que o estilo combina com a funcionalidade, melhor relógio digital para homens Por que se contentar com menos quando você pode tê-lo? Portanto, temos ótimos direitos autorais que são as mídias sociais. Então, o que vai acontecer aqui? Podemos usar essas manchetes em nossa postagem nas redes sociais. Isso é eficaz, certo? Essas linhas são eficazes quando comparadas às anteriores, e pedimos à IA que gere ou sugira algum conteúdo de mídia social. Você pode ver aqui, na legenda, prepare-se, não há razão para Não existe uma saída específica, uma saída precisa em comparação com esta, como aqui, certo. Quando essa saída é gerada, orientamos a IA a gerar e sugerir algumas postagens de mídia social como um aplicativo específico. Espero que você entenda. É por isso que, em vez de escrever uma tarefa rápida para fazer IA de cada vez, detalharemos tudo para obter resultados precisos e coerentes Está bem? Este é um exemplo simples que expliquei para você, mas você pode usá-lo de várias maneiras para obter resultados da IA. Até você pode contar para a IA, vamos ver. Se você quiser escrever um prompt por vez, para poder usar alguns padrões de prompt que já explicamos , você pode usar assim. Então eu vou te dizer que vou te dizer qual tarefa deve ser realizada primeiro. Então você precisa continuar. Você precisa continuar. Ok. Por último, no final do prompt, usarei o padrão ask me for input prom, conforme discutimos anteriormente sobre isso, pergunte-me qual tarefa você deseja gerar O que isso acontece significa. Vamos ver a saída desse prompt. Então você pode ver aqui. Em vez de escrever uma tarefa repetitiva diferente, como fizemos aqui Então, primeiro, escrevemos todas as tarefas de cada vez. Vimos isso, o conteúdo é bom, mas não é eficaz e profundo, certo? Quando decidi escrever o prompt para cada tarefa, especificamente, a saída é boa quando comparada à anterior, certo? Nós já vimos isso. Certo. Então, esse processo vai se repetir, certo? Então, eu tenho que escrever para gerar uma cópia adicional uma vez, outra vez, eu tenho que escrever prompt para postagem nas redes sociais. Haverá algum trabalho repetitivo, certo? Em vez disso, vou guiar a IA dessa forma. Vou escrever o prompt completo. Depois do último, direi à IA que faça isso, direi qual toque deve ser feito primeiro e, em seguida, você precisa prosseguir. Pergunte-me qual tarefa você deseja gerar. O que vai acontecer aqui? A tarefa ou interrompida até quando eu conto para a IA, comece com isso. O que vai acontecer? Então, na entrada, direi à IA que gere uma cópia específica. Em seguida, ele gerará o resultado coerente mais preciso. Aí temos uma semente aqui como esta para ser feita especificamente aqui. Então, depois de fornecer a entrada para gerar uma cópia do ADO, forneci a entrada aqui para caso de uso específico, como cópia AR com gênero Então, o que acontecerá aqui, ele gerará uma cópia. Você pode ver aqui. Adicione duas cópias e experimente a combinação perfeita de estilo e tecnologia, eleve ou visual com nossos relógios digitais masculinos projetados para modernos que apresentam elegância com antecedência Compre agora, 28% de desconto. Então, gerou cerca de três cópias D, certo? Então, podemos escrever aqui, podemos experimentar IA, cópia AR de gênero, que tem uma, podemos escrever diretamente aqui, gerar uma, adicionar uma cópia, que tem palavras de alta conversão E chame a atenção. O que vai acontecer aqui. Além disso, adicionamos algumas instruções aqui. Gere apenas um texto do anúncio, que tenha algumas palavras de alta conversão e conversão e chame a atenção Você pode ver o texto do anúncio, que é muito eficaz quando comparado ao anterior, certo? Então, podemos usar todas essas coisas. Para reduzir alguns trabalhos repetitivos, certo? Em vez de escrever o prompt repetidamente, podemos dizer à IA, podemos orientar a IA, eu direi qual tarefa deve ser realizada primeiro. Então você precisa continuar. Então me pergunte qual tarefa você deseja gerar, certo? Então, ele vai me perguntar. Então, vou apenas dar a entrada aqui, gerar a cópia. A IA gerará automaticamente uma cópia do Ado relacionada ao nosso produto. Este é um exemplo simples e essas instruções não são eficazes porque acabei de usar algumas para explicar alguns exemplos básicos. Ao praticar com seus padrões ou requisitos de formatura, você escreverá as melhores instruções de aviso e, em seguida, gerará o melhor resultado. Certo, minha intenção é explicar as possibilidades de escrever instruções de maneiras diferentes, de várias maneiras em vários padrões de pensamento, Você pode usar todos esses padrões de formatura, certo? Portanto, este é um ajuste rápido. Em vez de escrever um único prompt para uma tarefa complexa, dividimos a tarefa para obter resultados precisos e coerentes Em vez de obter toda a saída da tarefa de uma só vez, vimos a primeira saída aqui. Não há nada efetivo nisso ou não há resultados muito mais profundos. Quando usamos para gerar alguns casos de uso específicos, você pode ver a cópia adicional para adicionar cópia digital apenas para gerar uma cópia adicionada como uma específica Você pode ver a melhor saída da IA em comparação com a anterior, certo? Segundo, a tarefa completa tem muitas subtarefas. Então, em vez de escrever um prompt específico em vez de escrever um prompt para cada vez que realizamos alguma tarefa específica , vamos apenas escrever um prompt, que perguntará automaticamente qual subtarefa você precisa executar primeiro Em seguida, forneceremos informações aqui. Fizemos textos publicitários de gênero. Vou gerar automaticamente uma cópia do ado para nós. É uma saída simples, pergunta simples que eu fiz para a IA. Então, quando você pratica com isso, você terá uma ideia como essa mudança de formatura funciona, certo Então, Ed, isso funcionará em Hard Gibt e Cloud, certo? Portanto, às vezes em Gemini and Perplexity AI, não existe essa funcionalidade Portanto, precisamos conhecer alguns recursos prós e contras dos LLMs, como Cha GPT, Cloud, Gemini e perplexity dot I e outros modelos de IA antes de decidirmos Está bem? Antes de selecionarmos modelos de linguagem de IA para resolver nossos problemas complexos. Por quê? Então, o Chargeb tem algumas ótimas funcionalidades, como encadeamento rápido. Ok, seguir o padrão, seguir o anterior sem quebrar Então você pode ver a atualização da memória aqui. É uma opção muito boa no carregador que temos, o que diferencia o que torna melhor, além de outros modelos de linguagem de IA, como gemini.ai, Cloud e Cha ge Bri tem ótimas funcionalidades, então não se preocupe com Temos nosso próximo modelo que trata de entender os diferentes recursos, prós e contras do LLMs e qual modelo de linguagem de IA devemos usar para resolver uma tarefa específica Está bem? Veremos nesse modelo, certo? Então, concentre-se nessa sequência de formatura. Espero que você entenda claramente essa sequência de formatura. Então, até esse baile, o encadeamento acabou. Ok. Agora, vamos ver nossos aplicativos de engenharia imediata onde veremos como escrever os proms para diferentes casos de uso, como marketing, cópia e codificação, gerar código, para redação criativa e como escreveremos para o suporte ao cliente, como usaremos os módulos de linguagem Chat, GPT e AI para gerar proms de imagem nos quais podemos usar outros geradores de imagens de IA, como Leonard AI, lexica.ai, e temos outra jornada intermediária na qual podemos obter alguns resultados desses modelos de linguagem também na forma de Veremos como usar modelos de linguagem como ha GBT para escrever o melhor prompt para nossos casos de uso, certo? Até mesmo o HGBT pode gerar o melhor aviso em vez de nós. Sim, está certo. Então, em vez de “Ok”, veremos todas essas coisas neste capítulo. Vamos mergulhar nisso. 33. 5.2.1 Aplicações de engenharia rápida e casos de uso: De volta à nossa próxima lição, que é sobre aplicações rápidas de engenharia. Nesta lição, discutiremos como redigir solicitações para diferentes requisitos do setor como marketing digital, negócios e produtividade E podemos escrever solicitações, como aplicativos de desenvolvimento, aplicativos da web ou qualquer lado tributário, ou podemos usar qualquer lugar onde esteja a engenharia de Por quê? Porque os AI LLMs são usados em todos os lugares Em todos os setores, nos próximos anos, todos os setores usarão LLMs para tornar seus processos muito rápidos e eficientes Então, para isso, as habilidades imediatas de engenharia são muito importantes ao interagir com a IA Como discutimos anteriormente sobre como escrever os prompts eficazes , veja bem, há uma resposta muito melhor da IA ao escrever os padrões de prompt específicos e eficazes Vamos escrever. Nesta lição, veremos alguns exemplos de como podemos escrever a melhor solicitação para uma aplicação específica para casos de uso específicos do setor, como marketing digital, codificação e negócios, e criar conteúdo do YouTube como esse. Veremos que você pode ver aqui na BP alguns exemplos que vamos explorar hoje Nesta lição, escreveremos instruções para escrita criativa, qualquer coisa assim, narrativa, codificação, propósito de marketing, suporte ao cliente, e até podemos usar AGPT ou outros modelos de linguagem AL para gerar imagens para nós, com base em Até mesmo podemos usar modelos de linguagem AL para gerar um prompt para gerar um prompt para nós. Que possamos reutilizar o mesmo prompt gerado de acordo com nossos requisitos Até mesmo isso gerará muito bem os bailes de imagem. Depois disso, podemos editar de acordo com nossos requisitos. Vamos ver. Então, antes de fazer isso, precisamos saber qual é uma tarefa específica que você tem. Não podemos escrever um aviso para tudo. Como discutimos anteriormente sobre o encadeamento imediato, no qual vemos algumas limitações do encadeamento imediato, também exploramos alguns exemplos de como o encadeamento imediato O que é basicamente um rápido encadeamento? encadeamento rápido significa que ele dividirá uma tarefa complexa em uma subtarefa, na qual definiremos uma tarefa muito especificamente Com isso, podemos obter resultados precisos e coerentes para essa tarefa específica Em vez de orientar a IA a realizar todas as tarefas ao mesmo tempo, podemos orientar a IA a realizar uma única tarefa ao mesmo tempo, na qual podemos obter a melhor saída efetiva da IA Assim. Usaremos esse encadeamento de prompts e outros padrões de formatura para ver como podemos escrever os prompts para obter nossa melhor saída da IA para casos de uso específicos, como criação de conteúdo, codificação e desenvolvimento de aplicativos Em seguida, veremos essas aplicações e também exploraremos algumas considerações éticas Está bem? Vamos ver e vamos entrar no ha JBT Até mesmo você pode usar outros modelos de linguagem, mas eu estou preferindo o HGP porque ele tem alguns recursos excelentes em vez de outros modelos de linguagem, e também discutiremos esse tópico nos próximos modelos Ok, vamos ao nosso oi JP e veremos o que realmente é. 34. 5.2.2 Configuração inicial do prompt — assistente útil: Ok, antes de começar a interagir com a IA. Podemos começar a fazer amostras de humanos como conversamos com outros, nossa família ou colegas, uh, mensagem alta. Você pode continuar com isso porque essa é a IA conversará com o chat como ser humano, porque usa o método de PNL Técnica de PNL. O que é isso? PNL significa processamento de linguagem natural Ele gerará o bate-papo ou falará conosco no idioma de Omã, que é muito interativo É por isso que podemos fazer pequenos bate-papos, como fazemos com nossos amigos, colegas ou familiares Também podemos fazer isso assim com o cha Jibt ou outros modelos de linguagem É muito interativo. O que dizer isso, oi, Sam. É pensar que meu nome é Sam. Vou te dizer se meu nome é CV. Vamos ver se meu nome é CV No. A partir de agora, o JagiBT dirá: Como posso ajudá-lo hoje? Então, em vez de I Sir, em vez de escrever a tarefa diretamente aqui, vou experimentar o módulo de IA lento a passo, processo passo a passo. Em vez de colocar todas as instruções da tarefa de uma só vez, em vez disso, vou tentar a IA. Escreverei instruções passo a passo nas quais a IA possa pensar e IA possa responder claramente com nossas instruções, conforme discutimos no treinamento imediato. Assim. Para isso, primeiro, vou treinar a IA. Então, já sabemos que o Ja Gibt pode cometer erros, e toda a informação gerada pelo Ja gibt ou por outros modelos de linguagem de IA não é pelo Ja gibt ou por outros modelos de linguagem de IA 100% precisa ou pode ter algumas palavras ineficazes ou alucinantes, que não podemos definir e que não podemos que Para isso, o que temos que fazer? Primeiro, temos que contar à IA, mesma forma que treinamos o módulo EI como um assistente útil. O que estamos fazendo aqui é testar a IA como um padrão pessoal, é testar a IA como um padrão no qual pensarei nesse campo apenas, como discutimos anteriormente, como um padrão de alerta pessoal. Vamos dar uma olhada. Escreva: Vou treinar a IA passo a passo. Você é um assistente útil. Você é um assistente útil. Vamos ver, estou orientando a IA aqui para fazer o que eu quero. Então você vai fazer o que eu digo. Está bem? Você fará o que eu digo, e você tem experiência em leitura de telhados ou detecção de umidade Detectando. Palavras incomuns. Palavras incomuns e informações imprecisas e imprecisas. E você pode dizer à IA quais são algumas limitações e não o fará. Em vez disso, você gerará melhor saída efetiva sem erros e alucinações Sem erros, alucinações e informações inapropriadas . Não. Você está entendendo? Então, esta é minha configuração inicial de prompt, na qual eu tenho que dizer à AI, por favor, tenha isso em mente para cada saída que você gerar com base em minhas instruções ou instruções. Certo. Como você pode ver aqui, eu escrevi um aviso, qual você é um assistente útil. Você vai fazer o que eu digo. Eu não posso dizer esse ponto, até mesmo ele vai gerar o que eu preciso, ok? Mas, ao fornecer essas informações adicionais, a IA pensará que elas se enquadram nesse campo nesse padrão de formatura Ele vem sob esse padrão de formatura. Funcionará o que eu digo com a detecção de palavras incomuns, informações imprecisas, e você gerará resultados melhores e mais eficazes sem erros, alusões, informações inadequadas, O que acontecerá aqui para cada saída que gera IA, certo? Ele mantém o foco mais focado em cada saída porque tentamos a IA para realizar essa tarefa específica, certo? Então você pode ver aqui. Vamos ver qual é a saída aqui. Assim entendido, SF, garantirei a precisão, detectarei informações incomuns ou incorretas e fornecerei os melhores e mais eficazes resultados Se houver algo específico que você gostaria que eu fizesse, me avise. Então, essa é a maneira de interagir com IA para que você possa obter a melhor experiência, certo, a melhor experiência do usuário com isso Então, digamos que, como eu disse, de agora em diante, vamos ver, não, eu quero Então, por exemplo, eu sou um profissional de marketing digital. Então, eu tenho alguns produtos, então eu quero vendê-los online. Então, o que eu preciso é de um site, e preciso da cópia desse site em talvez uma página de destino como essa. Depois disso, preciso alguns textos do Addo para executar as campanhas de mídia social, e há muitas coisas Está bem? Para isso, o que eu faço de forma específica eu tomarei, certo? Você pode pegar qualquer coisa. Por exemplo, você pode usar a redação do Ado, essa é uma classificação de cópia AR, mas você pode usar um produto específico para ampliar a cópia do Ado Por exemplo, eu preciso de uma cópia adicional para vender meu relógio digital on-line somente para mulheres desse tipo. E você pode fornecer os melhores dados específicos, como eu preciso do ADocpy para vender meus próprios relógios digitais apenas para meninos de 20 anos Então, se eu fornecer informações específicas e específicas, a IA gerará o melhor efeito específico relacionado ao Ado Copy para corresponder ao nosso público, no qual podemos obter as melhores taxas de conversão, certo? Então, temos que ser específicos, mais específicos para obter o melhor resultado da IA. Vamos ver nesse bate-papo. Então, por exemplo, eu sou um profissional de marketing digital Estou querendo vender meu produto. Ok, o que eu digo para a IA, eu vou contar. Então, em vez de escrever a tarefa diretamente, vamos informar à IA nossa tarefa principal. Deixe-me saber nossa intenção principal. Está bem? Deixe a IA conhecer nosso principal problema e nosso principal requisito. Em vez de escrever e começar a escrever as instruções de uma tarefa específica a ser resolvida, faltam algumas informações básicas sobre nós Então, para isso, temos que seguir um processo passo a passo, o que aprendemos em um treinamento imediato. Então, para isso, temos que treinar a IA. Temos que escrever um prompt para IA, processo passo a passo. Nesse momento, temos que tentar fazer isso e contar nossa experiência à IA que a IA pode aprender conosco, e isso gerará a melhor saída relação à nossa consulta dessa forma. 35. 5.2.3 Escrevendo prompts eficazes para diferentes casos de uso - Parte 1: É necessário escrever um prompt para o processo de IA passo a passo. Nesse momento, temos que tentar fazer isso e contar nossa experiência à IA que a IA pode aprender conosco, e isso gerará a melhor saída relação à nossa consulta dessa forma. Então eu vou contar à AI. Eu vou dizer minhas necessidades. Então eu estou procurando. Estou procurando. Estou querendo vender meu próprio relógio digital digital. Para meninos de 20 anos. OK. Também podemos aceitar homens assim , meninos de 20 anos. Está bem? E estou querendo vender meu próprio relógio digital para um garoto de 2 anos Você pode me ajudar a ficar online. O que isso vai sugerir? Vamos ver. Essa é minha intenção simples. Eu quero contar para a IA. Só digo para a IA. Essa é minha exigência. O que isso vai sugerir, vamos ver nisso. Portanto, observe aqui, não a saída. Observe como estou interagindo com a IA. Portanto, a engenharia rápida nada mais é do que escrever as instruções, mas é a arte da habilidade de interagir com A habilidade de escrita rápida é baseada em nossa interação com a IA Portanto, não é uma simples solicitação para escrever e se tornar um engenheiro rápido, não é assim. Então, para escrever o melhor prompt, temos que escrever muitos subpms para refinar e obter o feedback da saída, e temos que alterar e ajustar o prompt principal dessa forma Então você pode ver que eu sugiro um plano passo a passo para vender meus relógios digitais online. Vamos ver, divida sua marca, seu produto, configure sua loja virtual, entrega de pagamentos. Então, gerei algumas etapas para vender meus relógios online. Então é bom, certo? Homem. Então, para isso, basta aprender minha intenção aqui Então, o que eu quero fazer com que a IA realize a tarefa é reunir minhas informações. Sim, sou um usuário que deseja vender este relógio online. Portanto, está sob esse padrão no qual podemos dar uma visão mais profunda disso. Então, agora vou contar à IA, então vou pegar qualquer coisa daqui. Então, tudo bem, então eu preciso fazer um pouco de marketing e branding. Você pode me ajudar? Então você pode me ajudar? Você pode me ajudar no marketing? Ok, vamos tentar aqui. Vamos pegar quatro diretamente. Quarta opção acima Então, ele gerará e me sugerirá algumas técnicas de marketing e branding Você pode ver aqui. Então, marketing e branding, com quatro pontos mencionados, também podemos usar anúncios do Facebook e Instagram Portanto, é gerado automaticamente algum plano de marketing aqui. Adicione uma cópia, a segmentação é de 18 a 25, dispositivos tecnológicos, localização de interesse, todas essas coisas, orçamento, conteúdo envolvente, colaboração com influências, todas essas etapas relacionadas a marketing e marca Então, a nota é boa. Em seguida, vou me aprofundar novamente no desenvolvimento da identidade da marca. Você pode me ajudar no desenvolvimento da identidade da marca? Ele se aprofundará nesses tópicos. Então, como escrever um slogan apenas fazendo isso. Funciona como uma expansão de esboço que discutimos anteriormente sobre o padrão de formatura de expansão de contorno Então, afunda assim. OK. Então, é bem fácil. Mas o que há é uma tarefa complexa. Então, em vez de escrever o prompt repetidamente. É a melhor maneira, mas algumas tarefas complexas precisam que a saída seja analisada. Para isso, escreveremos. Em vez disso, existem muitas maneiras. Há muitas maneiras de interagir com a IA para resolver uma tarefa específica. Há muitas maneiras. Você pode usar esse método de encadeamento de bailes ou usar outros padrões de formatura que discutimos anteriormente, mais alguns exemplos 36. 5.2.4 Escrevendo prompts eficazes para diferentes casos de uso - Parte 2: Então, em vez de, uh, aqui, apenas a IA respondendo minhas perguntas aqui, certo? E se eu contar à IA? Me pergunte. Pergunte-me as informações necessárias para gerar a melhor cópia para mim. Aqui, o que acontece nesse método? A IA, apenas tirando a pergunta ou tarefa de mim mesmo do meu lado. Agora, a saída é gerada pela IA. Depende dos dados treinados. A IA é treinada. Mas meus dados. Ok, eu tenho meus próprios dados. Então, para isso, preciso de uma cópia do Best Catch Addo para vender meus relógios online Para isso, tenho meus próprios dados, preciso da cópia, com base nos meus próprios dados. Por isso, direi o que farei, direi à IA que tenho meus próprios dados. Então, pergunte-me por quocientes subdivididos. Relacionado à tarefa principal ou relacionado à geração do texto do anúncio principal, você precisa gerar a melhor cópia do meu produto. Portanto, não confunda isso. Vou escrever aqui. Então, o que vou dizer à IA. Então, em vez de acima, você pode escrever assim. Então, agora, me pergunte. Você escreve aqui mesmo. Agora, pergunte-me o quotien subdividido Não, pergunte-me subdividido relacionado à adição de geração de cópia relacionada à pergunta subdividida relacionada à adição de geração pergunta subdividida Essas informações são necessárias para você. Essas informações são necessárias para você. Mas gere a melhor cópia para mim ou para o meu produto. Então você pode ver aqui. Ele perguntará agora, ele me fará algumas perguntas sobre a geração de cópias adicionais. Então, o que perguntamos? Vamos ver aqui. Então você pode ver aqui. fornecer depois de fornecer depois de fornecer informações ou respostas para sua pergunta. Respostas para sua pergunta. Prossiga. Em seguida , continue gerando e adicione uma cópia. Então, vamos ver qual é a saída. Então, ele perguntará: Ok, se entendeu, me avise. Você tem algumas perguntas subdivididas para criar o melhor texto do anúncio para isso Então o A está me fazendo perguntas. Quais são as características do produto? Qual é o seu público-alvo? Qual é o seu tom e estilo Ofereça uma chamada à ação, ponto de venda exclusivo C. Então, ao vir aqui, um ponto de venda exclusivo, não há um ponto de venda único em adicionar Cp em comparação com o anterior, como aqui. Então, quando nos aprofundarmos agora, ele fará nossas perguntas mais profundas. Então, quando vejo, as IAs têm ótimas informações, um ótimo conhecimento sobre todas as coisas que treinaram. Mas nos falta algum conhecimento porque somos seres humanos, certo? Não podemos aprender todas as coisas, tudo. Está bem? Mas as IAs sabem o que temos a dizer em vez de dar, em vez de definir toda a tarefa a ser executada pela IA e tudo mais, elas geram a melhor saída, mas há uma lacuna entre fornecer nossos próprios dados Ok, para reduzir essa lacuna entre a IA e você. Então, temos que dizer à IA, pedir que você faça perguntas subdivididas relacionadas à nossa tarefa principal que o ajudam Está bem? Isso ajuda a EI a gerar a melhor cópia para o meu produto. Você pode ver que estou usando o aplicativo específico, adicionando geração de cópias para meu negócio de venda on-line de relógios digitais. Ok, você pode ver para ver o ponto de venda exclusivo. É muito importante quando você vende qualquer produto no mercado. Assim, você pode ver herança exige alguns pontos de venda exclusivos também a emoção do cliente Quando eu dou todas as respostas para isso. Está bem? Vou gerar a melhor cópia específica para meus próprios dados que tenho, em vez de escrever por IA, pensando de forma simples, a IA está pensando. Esse resultado é apenas uma cópia do ADO, como a IA está pensando. Mas quando comparado isso, ok, o EI pergunta nossos requisitos, meus requisitos nos quais eu posso obter a cópia do ARO nas preferências dos meus dados. Então eu espero que você entenda. Então, quando eu forneço respostas para essa pergunta, o AROCpy é baseado em meus dados, não em dados próprios da EI Você pode ver que essa cópia em R é boa, mas não tem tanto efeito, certo? Porque essa cópia é como a IA está pensando. Mas quando eu respondo para isso, a cópia R está relacionada aos meus dados e minhas preferências. Vamos dar as respostas para essa pergunta primeiro. Então, podemos ver quais são os principais recursos do seu relógio digital? Vou levar uma bateria de longa duração. Vou apenas copiar e colar aqui. Para a primeira, a resposta é vamos pegar o número dois. Então, o que os especialistas específicos do seu relógio de 20 anos decidem sobre o futuro dos especialistas em tiki Vamos manter isso no chão. Vamos dar respostas rápidas. Ou podemos vê-la brincalhona motivacional. Vamos brincar. Essa é a terceira, você está oferecendo descontos e promoções limitadas? Vamos ver, frete grátis. Vamos pegar a quinta resposta. Pontos de venda exclusivos, design exclusivo. A sexta é sobre emoções Que sentimento ou experiência você gostaria que o público associasse ao seu exemplo de relógio? Vamos confiar. Então, depois de fornecer essas respostas às perguntas, ele gerará automaticamente a melhor saída. Você pode ver aqui. A saída é muito eficaz quando comparada à anterior. Você pode ver a tecnologia no estilo médio, você é uma nova campanha digital. vida longa e melhor para manter com você. Use um Packard com recursos técnicos que crianças pequenas desejam. Design exclusivo para fazer você se destacar em qualquer recursos técnicos que crianças pequenas desejam. Design exclusivo para fazer você Então você pode ver que a produção dela é eficaz, certo? Quão eficaz é quando comparado a este. Oito, ele fornecerá algumas opções de segmentação, tudo bem, mas você pode ver que a cópia adicional é de apenas uma linha Mas quando comparado a isso, depois de fazer perguntas e depois de eu fornecer respostas para essa pergunta, você pode ver o resultado efetivo a partir daqui. É por isso que a engenharia rápida consiste em, uh, realizar a tarefa específica, fazer com que a IA oriente a IA a algumas tarefas específicas nas quais possamos obter insights mais profundos, resultados precisos e coerentes da E como eu disse, você pode ver aqui. É só um padrão de formatura que conto para a IA. Você pode escrever qualquer número de sites que você possa escrever. É tudo uma questão de praticar sozinho. Eu fiz uma geração de cópias adicionais aqui, você pode editar diretamente aqui. Você pode editar diretamente aqui. Isso levou algum tempo. OK. Agora você pode ver pergunta subdividida relacionada à geração de cópias adicionadas Nesse caso, você pode substituir por outra tarefa específica, como a relacionada a, você pode usar o e-mail marketing. Você pode fazer marketing por e-mail assim , ok? Marketing por e-mail. Então, se necessário, o que vai acontecer, você pode ver aqui, a melhor cópia para o meu produto. Está bem? Se você tem alguma ideia sobre email marketing, você pode ver que email marketing significa vender os produtos diretamente na sua caixa de correio, ok, ou obter conversões de leads por meio de email marketing desse tipo, Portanto, no marketing por e-mail, o texto do anúncio é muito importante. OK. Então, para isso, direi à AI, é necessário que você gere a melhor cópia para meu produto ou e-mail marketing. Pois meu produto é bom. Depois de fornecer respostas para sua pergunta, continue gerando uma cópia do anúncio por e-mail. É muito importante escrever uma cópia por e-mail. Melhor cópia de e-mail, você pode escrever aqui cópia de e-mail. Está bem? Para o meu produto. E se isso acontecer, vamos ver. Ele fará algumas perguntas moderadas relacionadas ao meu marketing por e-mail aqui Então, qual é o seu público-alvo? Qual é a meta de e-mail? OK. Você pode ver as características, o tom e o estilo do produto dela. Todas essas coisas oferecem uma chamada de ação de CTR como essa Então, se você abrir qualquer e-mail no seu telefone, poderá ver alguma marca, as empresas da marca estão enviando e-mails para você fazer a compra ou se inscrever no fórum, todas essas coisas. Ok, você pode ver que há algum CTA Gino ou cadastro que liga para CTA Por isso, perguntará assim que você pode ver aqui, saiba mais, reivindique sua oferta dessa forma. Tudo isso tem a ver com email marketing. Quando eu fornecer respostas para isso, ele gerará a melhor cópia de e-mail para mim. Mesmo que você possa editar diretamente aqui, você pode ir para outra tarefa aqui. Ok, certo? Em vez de definir todas essas coisas aqui, você pode escrever diretamente o prompt aqui. Você é experiência aqui. Você pode perguntar aqui se você é um profissional de marketing digital experiente OK. Assim, até mesmo você pode escrever instruções muito mais específicas, como seu experiente profissional de marketing por e-mail que tem dez anos de experiência. Ok, eu estou elaborando os melhores Emas que aumentaram dez vezes as vendas e as escritas abertas. Assim, você pode inserir essas instruções específicas nas quais podemos obter o melhor resultado da IA OK. Agora, eu precisava, isso é profissional de marketing digital Então, se você já sabe sobre marketing digital, não há nada para mostrar. marketing digital tem alguns aspectos de marketing subdivididos, como marketing por e-mail, redação adicional e criação de conteúdo Tudo isso se enquadra no marketing digital. Portanto, se você treina como profissional de marketing detalhado ou sabe, pode tornar sua experiência tão específica quanto profissional de marketing por e-mail Então, a melhor prática é : qual é a sua tarefa? Está bem? A tarefa deve ser o padrão pessoal para tirar o melhor proveito. OK. O padrão de personalidade deve corresponder à sua tarefa OK. Caso você possa ver o e-mail marketing dela, mas a marca digital é boa. Não há problema nisso, mas deve ser específico para obter o melhor resultado. Você pode conhecer seu mercado de e-mail experiente. Em vez de profissional de marketing digital, você pode dizer profissional de marketing por e-mail Não, faça perguntas subdivididas relacionadas ao email marketing. Então, essas duas combinações porque você pode esperar o melhor resultado da IA. Portanto, para um profissional de marketing digital, você pode me dizer, faça perguntas subdivididas relacionadas ao marketing digital, as informações necessárias para gerar ou aumentar meus leads e vendas para Você pode ir assim. A, qualquer coisa assim. Então, tudo gira em torno de como você está interagindo com a IA. Então, por exemplo, você pode, em vez de marketing digital, usar o melhor Coder Você é um codificador experiente em Python, desenvolvedor de Python. Agora, faça-me perguntas subdivididas relacionadas ao Python. Essas informações são necessárias para você criar um site usando Python Está bem? Ele fará algumas perguntas subdivididas Depois de fornecer a resposta, ele gerará o melhor código e, em seguida, você poderá implementar e obter o site dessa forma. Portanto, tudo gira em torno de sua tarefa e de escrever o prompt aqui. Então, como eu disse, você pode usar vários padrões de formatura que discutimos anteriormente Isso é tudo sobre como você usa esses padrões imediatos em seus modelos de linguagem de IA para vender uma tarefa específica que é muito importante, certo? Portanto, trata-se de escrever seus padrões de formatura usando o que você quiser Também se trata de praticar e fazer experiências com outros aplicativos fazer experiências com outros aplicativos . Isso é o mais importante. É por isso que você precisa testá-lo. Você precisa escrever, praticar com diferentes padrões de formatura para obter as melhores e mais eficazes habilidades de inspiração 37. 5.2.5 Como escrever prompts de imagem avançados usando o ChatGPT: Nosso próximo tópico são instruções de imagem. Como você pode escrever isso. Então você é um escritor experiente de prompts de imagem. O que é o Image Prompt Writer? Se você estiver usando alguma ferramenta de geração de prompts de imagem como Leonardo AI, lexica.ai, até mesmo ela está no meio da jornada Então, isso requer instruções de imagem para gerar a imagem. Também é necessário um prompt para gerar a imagem. Até mesmo você pode dizer à IA que você é um escritor experiente de prompts de imagens. Ok. Você é um redator experiente de prompts de imagem. Agora, faça-me perguntas subdivididas relacionadas a. Você pode escolher o específico para desenho animado, vamos tirar uma imagem de desenho animado Projetando ou gerando, você pode gerar diretamente. Geração. Geração de imagens. Essas informações são necessárias para que você gere a melhor cópia. Ok. Agora, você pode especificar novamente aquela desenho animado Lion Cartoon Lion Para mim, digamos que eu pense: Ok, isso é o que eu fiz para o meu produto, sem problemas. Vamos cancelar isso. Apenas exclua isso. fornecer respostas para sua pergunta, continue gerando uma imagem do Leão. Então, agora vai pensar que é um redator de prompts de imagem. É pensar como redator de prompts de imagens. Ele fará algumas perguntas relacionadas à minha tarefa. Vamos ver o que vai acontecer aqui. Ele fará algumas perguntas para mim. Entendi. Estilo e modo da pergunta. Então eu tenho que dar as respostas para essas perguntas, você pode ver aqui. Ele solicitará um pouco de estilo e modo, pose e expressão, cores e características, plano de fundo e configuração, certo, elementos adicionais. Então, quando eu digo, eu vou te dizer, primeiro vou te dar as respostas para esse estilo e humor. O que é assim? O leão dos desenhos animados deve parecer fofo Ok, vamos ficar fofos. E C vou colar aqui. O número um é fofo. O número dois é que a pergunta é um estilo abstrato. Ok. O terceiro é, vamos pegar aqui. Cores fantásticas. Vamos pegar o azul. Ok. São quatro. Então, estou apenas dando algumas respostas para perguntas como essa. Não se concentre nas respostas corretas. Basta dar alguns exemplos aqui. Vamos pegar uma selva. Digamos que selva. Vou fazer uma breve. O terceiro é um livro de curtidas, vamos pegar o quinto livro. Vamos ver o prompt da imagem aqui. Portanto, ele gerará diretamente a imagem em vez de escrever o prompt. Ok, Aha tem alguns recursos excelentes, certo? Também gerará a melhor imagem no chat. Podemos ver a melhor saída daqui, prompt de imagem, certo? Então está tudo bem, né, muito fofo aqui. Portanto, se você tiver algum, não precisa se tornar um especialista em solicitar imagens Ok. O que está acontecendo aqui é que você dirá que apenas experimentará a IA para gerar solicitações de imagem Ok, esse padrão rápido. Eu sei muito bem com qual imagem o baile deve ser preenchido. Para isso, perguntará se está relacionado. Quando for obtido, coletará informações de nossas preferências , gerando a melhor saída de acordo com nossa tarefa específica. Nesse caso, eu também tenho que gerar um leão fofo. Então, se você ajustar isso, você pode mudar os medos, majestoso, tudo isso de acordo com suas preferências, então isso mudará a saída Então é o melhor, certo? Aqui está um leão de algodão azul, estilo abstrato como esse. Certo? Até você pode dizer a IA, então, por favor, escreva uma mensagem para a imagem acima. Vamos ver. Agora, ele será gerado. Você pode ver o prompt aqui. Em vez de obter a imagem diretamente, você pode usar esse padrão de formatura em outros modelos de linguagem como Lexicat Esse padrão de formatura pode ajudá-lo. Então, isso é pago. Ok, este é um plano HGT pago. É por isso que é um prompt de imagem de saída gerado diretamente. Em alguns casos, plano gratuito, ou seja, TGP 3.5. Ok, verbo. Portanto, ele só gerará o desenho animado. Desculpe, vou gerar diretamente o prompt aqui desta forma. Então, tudo bem, ele tem alguns recursos excelentes na versão paga do HgPT É por isso que estou dizendo isso usando não apenas o cha Gib, você pode usar qualquer modelo de linguagem para gerar imagem, até mesmo gerar esse prompt usando qualquer modelo de linguagem Você não precisa se preocupar 38. 5.2.6 Como escrever prompts de texto avançados usando o ChatGPT: Até mesmo você pode usar a IA como um engenheiro de alerta experiente para obter a melhor solicitação da própria IA sem se esforçar para escrever as instruções eficazes aqui Ok, é por isso que a engenharia rápida é muito importante, certo? Assim, até você pode dizer à IA que você é um escritor experiente. Por exemplo, IA, redator rápido. Agora, faça-me perguntas subdivididas relacionadas a você, posso escolher uma específica Vamos considerar que, em vez da geração de imagens de desenho animado, a imagem acabou Vamos agora me fazer perguntas subdivididas relacionadas ao marketing digital, eu farei marketing digital Não, você pode ver aqui. Então, o que estou fazendo aqui. Essas informações necessárias para você gerar, você pode ver aqui. Você pode mudar aqui, para gerar o melhor e mais eficaz. Você pode escrever o quanto você pode escrever todas as palavras necessárias para definir uma melhor solicitação específica aqui. Tão eficaz, envolvente e envolvente e envolvente, rápido. Marketing digital. OK. Vamos usar o marketing digital. Depois de fornecer respostas para sua pergunta, prossiga para gerar um prompt. O que vai acontecer aqui? Agora, a IA é nosso trabalho como redator de solicitações de IA, como engenheiro rápido. Então, ele fará algumas perguntas para mim. Você pode ver aqui, público-alvo, qual é a faixa etária primária que você está almejando Quando eu forneço todas as respostas para essa pergunta, ela gera um prompt, não a saída. Portanto, concentre-se muito bem. Ok, vou gerar o prompt de IA, como fizemos anteriormente para definir uma tarefa para a IA. Isso gerará automaticamente uma solicitação para nós. Nesse prompt, podemos usar qualquer modelo de linguagem, mesmo que possamos usar o GIP para obter o melhor resultado A IA está fazendo nosso trabalho como engenheiro rápido. Ele escreverá a melhor mensagem em vez de nós, e não de mim. Vamos ver. Vou te mostrar o exemplo aqui. Então, qual é a sua faixa etária primária? Então, aproximadamente, escreverei meus requisitos. Está bem? Um grupo argônio tem 18 anos. OK. Vamos começar rapidamente. Então, vou usar a durabilidade D. Vamos pegar o esta, terceiro, algo assim? Na moda para o Marine Channel no Facebook. Então, para explicar, estou apenas assumindo que estou escrevendo as respostas aproximadamente. Então, quando você resolve qualquer tarefa específica, precisa responder a cada pergunta. Está bem? Para que você possa obter o melhor resultado a partir daqui. Então, agora metas e objetivos são a geração de leads. Então, o que acontece, A gerará o prompt para nós. Não, você pode ver aqui. Veja aqui. Obrigado pelos detalhes. Sef. Com base na sua resposta, aqui está uma mensagem de marketing digital eficaz e envolvente para geração de leads direcionada, para que você possa ver aqui relógio digital Pmt Introd Ultimate, por exemplo, então é o melhor aqui, não é um aviso. É um modelo. Então, temos que dizer à IA, o que é um prompt? O prompt tem dois significados, prompt que também é chamado de modelo. Está bem? Isso é um modelo. Não apenas os prompts de IA, há algo outro prompt que escreveremos, chamaremos alguns modelos, os modelos de muitos aspectos, os modelos de muitos aspectos como qualquer modelo de cópia do ADO como esse Então, a sincronização da IA agora é rápida, que é um modelo como esse Está bem? Você pode ver que está gerando o modelo de algum AROCpy Está bem? Isso não é um prompt real de IA. Para isso, temos que dizer à IA, temos que treinar a IA como URA que temos neste caso, porque a IA está aqui. Então, quando estou tentando realizar a tarefa de EI para essa aplicação específica de engenharia rápida, o que temos a dizer à IA é que precisamos nos aprofundar cada vez mais para guiar a IA nessa função de engenharia rápida. O que temos que fazer? Você é experiente. Um redator rápido, um redator de baile de formatura de IA, no qual temos que dizer à IA em que você está escrevendo, escrevendo instruções para ferramentas de IA como Cha Ok, vamos ver a saída desse prompt aqui. Entendi, vou fazer algumas perguntas detalhadas para você coletar informações e perguntar novamente o i. Então aqui está uma coisa aqui. Então, por que gerar o prompt significa que ele gerará para o aplicativo específico que é o prompt de marketing digital. Então, em vez de pedir à IA que gere uma solicitação de marketing digital, vou simplesmente liberar a IA para cancelá-la. Vamos pegar. Então, o formulário necessário para que você seja forte cancele isso Depois disso, veremos qual será a saída. Você pode dizer que está fazendo algumas perguntas e eu darei essa resposta. Em vez de escrever a resposta sozinho , vou te dizer que gosto disso. OK. Então, você pode gerar a saída acima? Você pode gerar a saída para a tarefa acima assumindo. Ao assumir as respostas sozinho. Como exemplo. Então, a IA pensará, ela automaticamente pegará automaticamente pegará as respostas e gerará a saída. Você pode ver aqui. Então você pode vê-los. Você pode ver, esta é a saída que queremos aqui. Então, depois de contar à IA, função específica exata. Você pode ver aqui. Você experimenta o AI prompt writer , no qual você tem instruções de escrita para ferramentas de IA, como Cha GPT e outros modelos de linguagem I. Então, o que acontecerá aqui, ele fará algumas perguntas, conforme feito anteriormente. Está bem? Em vez de escrever as respostas, eu apenas digo à IA que faça você mesmo. Ok, eu presumo as respostas sozinho para as perguntas acima e a saída do gerador. Portanto, nesse caso, você deve fornecer seus próprios dados para essas perguntas. OK. Então, só para ver a forma de interação que estou fazendo com a IA. Ok, você pode ver o aviso aqui. Quantas linhas aqui, uma, uma, duas, três, quatro, cinco, seis, 789 Nove linhas aparecem aqui. Se você escrever o aviso, ele terminará na quarta ou terceira linha porque não temos as informações que temos como seres humanos. Mas eu sei muitas informações. Vai se aprofundar cada vez mais, certo? Escreverá o melhor para alertar , em vez de para nós, e não para seres humanos. Está bem? Você pode ver o exemplo aqui, criar engajamento no Facebook, Instagram, adicionar textos segmentando 18 a 25 Portanto, é baseado nesses dados. Então, quando você fornece os próprios dados, eles mudam. OK. Então, agora você pode ver aqui, gerando o baile de formatura de marketing para a campanha de marketing digital. Isso é um aviso. Esse prompt, podemos usar em qualquer lugar, qualquer modelo de linguagem para obter os melhores insights. Então esse é o poder da engenharia rápida. Assim, você pode usar a IA para gerar os prompts. Até você pode fazer todas essas coisas. Essa é a engenharia rápida avançada. Então use essa habilidade, certo? Então, por exemplo, se você receber esse prompt. Agora você pode alterar isso de acordo com suas preferências como qualquer tarefa específica que queira resolver pela IA. Este é um exemplo rápido aqui. OK. Até você pode contar para a IA, por favor, eu vou contar aqui. Agora, não vou, por favor, não, por favor, converta o prompt acima. um modelo de prompt. Modelo de prompt. Em que o usuário pode editar as preferências. Então, o que a IA fará o prompt, esse prompt será convertido no modelo de prompt. Você pode ver aqui. Você pode ver aqui. Então, ele gerará as instruções. Então, substitua esse nome de plataforma especificando seu Facebook, Instagram e Google Ads dessa forma Então, instruções para personalização. Você pode usar esse modelo de prompt. Ok, isso é um modelo agora. Esse não é um aviso específico. Este é um modelo agora, então está se tornando variável, não estático. Esse é estático. Então, podemos usar para o específico. Mas quando convertemos esse prompt em um modelo de formatura, ele se torna uma variável na qual podemos decidir que podemos mudar o nome da nossa plataforma de anúncios todo o interesse e o comportamento do produto, todas essas coisas Você pode ver as instruções como editar o modelo do AbookPM Então esse é o poder da IA. Podemos fazer todas as nossas tarefas em segundos, certo? Então, esse é o poder da IA. Isso é tudo sobre como você interage com a IA e como você está se colocando na IA para realizar sua tarefa E essa é a principal habilidade principal você deve ter. A forma de interagir é a engenharia rápida Então, engenharia rápida nada mais é do que colocar seus requisitos usando alguns padrões rápidos, ok? IA na qual a IA pode aprender suas informações básicas e intenções, gerando o melhor resultado de acordo com suas preferências. Você pode ver aqui. Acabamos de escrever a IA para pedir para escrever a solicitação, depois de orientarmos a conversão da solicitação acima em modelo de formatura para que possamos editá-la de acordo com nossas preferências Então você pode ver aqui as instruções, todas essas coisas aqui. Então isso é mais poderoso. Eu sou mais poderoso do que É tudo uma questão de como você interage, como você está lendo os bailes de formatura, para resolver uma tarefa específica Portanto, existem muitas maneiras. Se eu contar aqui, continua. Ok, a IA é infinita. Assim, podemos fazer mais coisas com a IA. Não há limitação para isso ou aquilo. Portanto, a habilidade principal é praticar sozinho, usar os outros padrões do baile, realizar a outra tarefa, testá-la, refinar, tomar o feedback de saída como feedback, e temos que refinar o Então, depois de ver todos os prompts, toda a saída para o específico Então agora eu posso combinar todos os bailes. Então esse aviso, esse aviso, todos os subbailes, ok? Esse aviso. Está bem? Combinarei todos esses subbailes que se tornam um prompt Esse é um prompt real que podemos usar diretamente uma vez, então ele pode gerar toda a saída. Mas é a melhor maneira. Essa é a melhor maneira de obter resultados completos, precisos e coerentes de cada etapa, como podemos analisar a saída OK. É por isso que o método de treinamento rápido e esse método são sempre bons. Então é isso para esta aula, pessoal. Temos alguns que você pode usar Aprendemos como escrever padrões de alerta para aplicações específicas para diferentes setores, usar o Kass para saber como devemos interagir com a EI desde o início, como orientar a UE ou É muito importante quando você interage pela primeira vez ou pela segunda vez no novo gráfico Está bem? Então, a partir de baixo, ele atuará apenas nesse padrão de formatura Existe um mais poderoso. Então, se você quiser quebrar isso, basta contar à IA a partir de agora ou esqueci acima Então, ele simplesmente quebrará a corrente e sairá desse botão de formatura aqui Está bem? Espero que você entenda isso. Então, apenas tática sozinho, use os outros botões do baile o máximo que puder e veja as instruções ou a habilidade de escrever prontamente é muito, muito interessante, o que torna você uma mente aberta e pode mudar Então isso é o mais importante , então é isso para esta lição, pessoal. Há muito mais a dizer, mas isso é suficiente para você como iniciante ou algo Portanto, a habilidade de escrita rápida é aprimorada por você mesmo apenas praticando-a Espero que você entenda. Então, isso é algo que eu tenho que fazer hoje. Então, vamos entrar em nosso próximo tópico. Essas são considerações éticas que são muito importantes para gerar resultados e usar em qualquer lugar. Vamos mergulhar nisso. 39. 5.3 Considerações éticas de IA: Ah, agora, neste capítulo, veremos algumas considerações éticas Como engenheiro rápido, devemos saber. Então, o que são realmente considerações éticas? Então, tudo gira em torno de algumas implicações morais das ações ou políticas de IA que as empresas colocarão ao usar ferramentas de IA como o GBT, Alemanha, desse jeito E há algumas perspectivas. Ok, existem algumas informações pessoais como essas. consideração ética significa que temos que considerar alguns pontos. Ao usar alguns modelos de linguagem EI. Está bem? Isso é muito importante para nós, ok? Então, para isso, há mais outras informações que você pode pesquisar no próprio Google, como quais são algumas considerações éticas para modelos de linguagem que você pode obter Então, listei três pontos aqui. É muito importante que, no caso de um engenheiro rápido, saibamos. Tudo bem, vamos ver o primeiro, evite preconceitos. O que é preconceito aqui? Preconceito significa que a IA é a IA, por exemplo, pegue um GPT Ha GPT usa a técnica LP, que é processamento de linguagem natural, no qual gera um texto de maneira humana, em um tom humano, como se falássemos com humanos apenas assim Vou usar uma linguagem neutra. OK. Então, o que estou dizendo aqui, ao interagir com a IA, use uma linguagem neutra Use a linguagem humana para interagir com o HGPT ou outro modelo de linguagem porque esse modelo de linguagem usa PNL A técnica da PNL, semelhante à da PNL, consiste enviar mensagens de texto com EI como tom de linguagem humana Está bem? A IA gerará um texto. Ok, texto generativo ou saída no tom humano, na forma como conversamos com EI somente nesse formato OK. Então, ao escrever as instruções, temos que usar apenas uma linguagem neutra e evitar linguagem tendenciosa ou palavras tendenciosas que não ajudam a EI a entender nossa intenção principal, ok Tarefa principal como essa. É por isso que temos que evitar alguns estereótipos Estereótipos significam palavras que não estão claramente definidas ou que eu AA também pode conhecer essas palavras, mas isso perturbará mas isso perturbará Nossa saída não deve ser eficaz quando comparada ao uso de linguagem neutra. Ok, espero que você entenda esse ponto. Portanto, quando comparado ao segundo , garanta a inclusão. Portanto, temos que considerar algumas perspectivas diversas. Existem algumas perspectivas diversas portanto, fornecer algumas informações básicas, fornecer algumas informações adicionais de nossa parte à IA para gerar o melhor resultado. Uma perspectiva diversificada significa colocar a IA para resolver nossa tarefa com nossos próprios dados. Em vez de usar a IA para resolver a IA. Em vez de nos esforçarmos, ok? Como humanos, temos alguns dados próprios. Ok, a IA não está 100% bem feita, ok? Ou seja, a saída não é 100% precisa, ok? Eu posso cometer erros. Para isso, precisamos fornecer alguns antecedentes ou informações que precisamos para resolver nossa tarefa pela IA. Portanto, essa perspectiva considerada diversa significa que temos que fornecer informações básicas ou informações adicionais que temos. OK. O primeiro melhor exemplo é antes de um ano, aquele har GbT só é testado até março de 2023, eu acho Portanto, não há atualização atual, mas antes de um ano, a cobrança é atualizada até alguma data limite Está bem? Por isso, após alguma data de limitação, se eu fizer alguma pergunta relacionada aos dados atuais, ele me dirá, então, por favor, não tenho acesso a dados futuros. Então, por favor, me forneça. Eu vou te ajudar nisso. Então, qual é a conclusão que nem todos os módulos de linguagem estão atualizados no momento Porque o que estou dizendo é que precisamos fornecer qualquer informação adicional ou para definir nossa tarefa de forma muito clara para a IA, o que ajudará a IA a realizar a tarefa maneira muito eficaz, fornecendo diferentes perspectivas de informações à IA, fornecendo informações adicionais, solicitando, fornecendo outras informações relacionadas à nossa tarefa e básicas como o treinamento , atue como uma pessoa do padrão PAM em aplicações específicas Assim, ele se enquadra em diversas perspectivas. Ok, isso é. Com isso, podemos garantir a inclusão OK. O terceiro é respeitar a privacidade. Portanto, evite solicitações que gerem informações confidenciais, confidenciais ou pessoais Portanto, é muito importante quando você usa o modelo de linguagem. Por exemplo, pegue o CHA GPT. O Ha GBT está treinando. Ok, ele também é treinado por nossos dados. Não é só a empresa que está treinando a IA, não é só isso, ok? O LGBT rígido também é treinado por nossos dados. Está bem? Se tornará inteligente para nós, porque usamos corretamente LLMs, ok, para que nossa tarefa conclua nossa tarefa Nisso, vou treinar com nossos dados. Nesse sentido, devemos evitar escrever, usar nossas informações pessoais como nome não é nada problemático Mas quando usamos alguns números de contas reais ou quaisquer números PIN como esses, quaisquer números de telefone, OTPs que tenham algumas restrições sobre isso Então, se você usar assim, será uma tendência de acordo com nossos dados. Caso você escreva o, por exemplo, usarei o prompt, portanto, revise o número do meu cartão de caixa eletrônico O número do cartão é treinado pela IA. Quando outro membro ou alguém usa o HGBT, se essa pessoa perguntar ao JGBT, forneça um número Portanto, haverá a chance de fornecer o número do nosso cartão a eles. Está bem? Então, é um exemplo, mas há uma chance de vazar nossas informações pessoais Para isso, devemos evitar fornecer nossas informações pessoais no formato de solicitações à IA Está bem? Para isso, devemos ter em mente que, como engenheiros rápidos, não precisamos evitar fornecer informações confidenciais ou pessoais à IA para fornecer quaisquer casos ou informações que vazem Está bem? Temos que ter em mente isso. Mais uma vez, estou lhe dizendo, então se você estiver usando um CharGPT, basta acessar a seção de perfil aqui e clicar no botão de configurações Então, veja a opção de controles de dados, você pode encontrá-la aqui. Então, se essa opção estiver ativada, maior problema é que o que você está interagindo com a IA é treinamento É pegando os dados para treinamento que você pode ver a opção aqui, melhorar o modelo para todos. Nesse caso, ofereci essa opção porque o benefício de oferecer essa opção é que escrevi muitas instruções aqui A IA não pode usar esses dados para se treinar sozinha. Está bem? Depende de mim. Se você ativar essa opção, há uma chance de ser treinado por seus dados, o que pode ser rápido ou qualquer tarefa. Portanto, lembre-se de que, fora dessa opção que você pode encontrar nos controles de dados em uma seção de perfil, você pode ver o lado superior de conversão do lado direito. Portanto, evite fornecer suas próprias informações pessoais reais para evitar casos de vazamento de dados Ok, espero que você entenda algumas considerações éticas. Para obter mais informações, você pode pesquisá-lo on-line. Você pode obter mais informações sobre considerações éticas em LLMs ou usando IA Então, para isso, nosso capítulo será. Então, o próximo capítulo é como usar LLMs para tarefas específicas E entenderemos alguns recursos , prós, vantagens e desvantagens de outros modelos de linguagem que temos no momento, como ha JBT, Gemini Cloud e perplexity dot , outras Deixe-me discutir isso porque, como engenheiro rápido, você precisa ser bom em escrever prontamente. Está bem? Não é perfeito em um modelo de linguagem específico. OK. Portanto, como engenheiro rápido, você precisa usar modelos de linguagem diferentes para realizar alguma tarefa específica para resolver a tarefa específica. Está bem? Para isso, você precisa conhecer as capacidades de cada LLM. Como engenheiro rápido, você deve saber Ok. Portanto, como engenheiro rápido, você deve ser melhor em escrever solicitações, não em escrever solicitações por LLM específico Portanto, você deve ser capaz de escrever bailes para cada LLM. Só então você pode se tornar um engenheiro rápido. OK. Para isso, no próximo módulo, nosso próximo capítulo ou lição é entender os recursos de diferentes LLMs, entender os recursos de como Cha JP Cloud, Gemini e outras ferramentas de geração de imagens, e discutiremos, por exemplo, exploraremos alguns prós e contras vendo os exemplos de cada LLM. Vamos mergulhar nisso. 40. 5.4.1 Entendendo os prós e contras de diferentes LLMs: Palestra, veremos habilidade muito importante que todo engenheiro rápido deve ter, ou seja, compreender diferentes LLMs, ROS e contras e suas E porque antes de escrevermos a solicitação ou antes de usarmos ferramentas de IA, quadros gráficos de IA para resolver nossa tarefa, devemos saber qual LLM melhor para é melhor para a tarefa específica que vamos resolver, certo? Então, antes de saber disso, se você é bom em escrever bailes de formatura, mas não sabe qual fórum de bate-papo, tenha alguma força para resolver uma tarefa específica Então, essa é a habilidade mais importante antes de escrever qualquer solicitação para resolver nossa tarefa, certo? Então, aprenda essa habilidade, temos que saber, certo? Precisamos saber qual LLM tem excelentes capacidades e limitações que podem nos ajudar a escolher a melhor ferramenta para resolver essa tarefa específica Está bem? Como engenheiro rápido, você deve ser ótimo em escrever o prompt, além de saber qual LLM é o LLM mais adequado para nossa tarefa específica de resolvê-lo Está bem? Essa habilidade pode ser alcançada usando diferentes LLMs para resolver tarefas específicas Para isso, usando esse método, podemos verificar os pontos fortes e fracos de cada LLM, selecionando para escolher o melhor LLM, para realizar algumas tarefas específicas Ok, então você pode vê-la. Então, o que vamos aprender é que veremos alguns LLMs diferentes, como o HarbtGemni Portanto, algumas tarefas exigirão a mesma tarefa específica para entender como o LM nos ajudará a resolvê-la Portanto, usaremos uma tarefa específica para todos os LLMs para verificar qual LLM está resolvendo a tarefa de maneira eficiente OK. Você pode ver, e estamos vendo algumas dicas para combinar as solicitações com os pontos fortes de cada d. Então, veremos qual modelo tem alguma força para resolver o problema ou tarefa específica OK. Espero que você entenda isso. Portanto, há uma pergunta sobre por que entender os LLMs é importante. Então, como eu disse, cada módulo de linguagem tem seus pontos fortes, ok, suas próprias capacidades, ok? E conhecê-los permite que você personalize seus prompts de Como eu disse, como engenheiro rápido, você deve ser melhor em escrever instruções para cada modelo de linguagem, certo? Portanto, pode ser um Ja Gib. Pode ser Gemini, pode ser Cloud ou qualquer outro LLM Portanto, você deve ser melhor em escrever as instruções, não em um LLM específico Ok, então você pode, como engenheiro de solicitações, ser capaz de escrever solicitações para qualquer LLM Isso é chamado de engenharia rápida. Está bem? Não, se você tiver um mestre específico em um LLM específico, então você pode usar essa habilidade para resolver a tarefa que tem a força dos LLMs que você está dominando e que você domina Então, por exemplo, se você tem alguma habilidade de engenharia rápida e a tarefa não é facilmente resolvida por esse M em particular, temos um conhecimento mais profundo ou que você tem algum mestrado nesse LLM Portanto, pode ser uma perda de tempo escrever as instruções para resolver alguma tarefa específica Essa tarefa pode ser resolvida por outro LLM de forma eficaz. Além disso, como engenheiros rápidos, temos que ver qual LLM filmará combinação perfeita para essas tarefas para resolvê-las, ok? Então esse é um ponto aqui. Então, qual é a sua melhor dica para testar a lente? Ok, isso nos ajuda a escolher o modelo para resolver a tarefa específica. Então você pode ver a dica aqui. Teste o mesmo prompt em modelos diferentes em modelos diferentes para comparar as saídas e identificar a melhor opção para suas necessidades Então você pode ver aqui que essa é a melhor dica de todas. Está bem? Então, para testar os LLMs, que são perfeitos para atender à nossa tarefa, podemos vê-los. Temos que usar o mesmo prompt. Ok, temos que usar o mesmo prompt em diferentes LLMs, como har GBT, Gemini, Cloud e Veremos no próximo palestrante, você pode ver aqui. Portanto, em modelos diferentes para comparar a produção e identificar a melhor opção para suas necessidades. Então, o que significa uma dica? Por exemplo, se você estiver resolvendo a tarefa específica de escrever a criação de conteúdo para educação no domínio de tal e tal. Está bem? Então, para isso, você escreverá um prompt. Esse prompt deve ser usado em todos os LLMs, como hi GPT, Cloud, Gemini e outros modelos Está bem? Depois disso, a IA gerará a saída. Está bem? Esse prompt gerará a melhor saída, ok? A saída é analisada por nós. Depois de analisar as saídas de todos os LLMs, para que possamos analisar e finalizar qual modelo pode resolver melhor essa tarefa Está bem? Depois disso, escreveremos os seguintes bailes de formatura e todas essas coisas com mais profundidade Está bem? Então, para explicar ou entender de uma maneira melhor, vamos examinar todos os nossos LLMs e testaremos um único prompt em todos os modelos diferentes OK. Depois disso, vamos comparar. Vamos ver. 41. 5.4.2 Entendendo as capacidades do ChatGPT com caso de uso 1: Já abri todos os LLMs, como HGPT gem.ai, cloud.ai, perplexity.ai, Microsoft copilot Portanto, todos os abrigos de IA são chamados de LLMs. Está bem? Então, eles também têm alguns mecanismos de pesquisa como o Microsoft copilot , certo? Então, o Cha GBT é desenvolvido pela Open AI Gemini, empresa antrópica de perplexidade perplexity.ai do Google Cloud , Microsoft Copalet, como você sabe, ou seja, Bing Meta AI é Facebook, ok Espero que você entenda isso. Então, vamos verificar. Então, agora eu estou no comando. Vamos seguir a mesma solicitação em todos os Ms para gerar alguma saída específica, analisá-los e finalizar qual modelo será o mais adequado para nossa tarefa OK. Vamos fazer isso. Então, como eu disse anteriormente, são aplicações de engenharia rápida. Portanto, lembre-se de que, antes de escrever a tarefa diretamente, precisamos treinar nossa IA no processo passo a passo. Está bem? Vamos levá-lo, ok. Olá, cofre. Como você disse, isso é um cofre. Ele está armazenado em meu nome neste GBD. Então, depois disso, eu vou fazer a coisa certa. Você é um assistente útil. Eu já copiei isso. Vou colar aqui. Este é um aviso simples aqui. Está bem? Então, agora, tudo bem, ele vai entender. Vou aceitar essa solicitação novamente. OK. E vou colar outro modelo de linguagem. Isso é Gêmeos Então, vamos lá, vou começar o High. Portanto, ele abriga ótimos recursos. Vou colar isso diretamente no primeiro prompt. O que os geminianos verão? Vamos ver. Então você pode ver aqui, algo deu errado aqui. Você quer que eu faça o que você me diz e quer que eu seja preciso e útil, eu entendo. OK. Então, agora está demorando. Então, vamos para outro LLM. Isso é Cloud. Oi, eu vou dizer oi. Então, depois disso, colarei nosso útil prompt de assistente. Então você pode vê-la. Agradeço seu interesse em minhas capacidades, ok? Está bem. Então você pode vê-la. Como posso ajudá-lo hoje? Estou pronto para ajudar na ampla variedade de tarefas e, ao mesmo tempo, garantir que o resultado seja responsável e benéfico. Isso é bom quando comparado à Alemanha. A Alemanha está reservando um tempo para pensar sobre isso. Então você pode ver isso. Ta gibt Cloud tem alguns recursos em vez da Alemanha, certo? Então, vamos ver a perplexidade de hoje. O que vai dizer. Então, oi, é um costume informal comum se acostumar a reconhecer alguém ou iniciar uma conversa. Então, ajuda a explicar por que usamos essa coisa. Então, depois disso, vou dizer à IA que o Perplexitta é Vamos ver qual será a saída. Sim, entendo que estou aqui para ajudá-lo a fornecer informações precisas, destacando palavras incomuns ou imprecisas. É bom. Ele também obterá alguma saída. Então eu pego o Microsoft Copalt e vou dizer oi aqui OK. Eu vejo aqui no alto, você pode ver aqui. Então, vamos ver. Olá, como está indo hoje à noite? OK. Eu não vou colar meu aviso usual Isso é o que eu acho. Pelo que entendi aqui, estou aqui para ajudá-lo com um alinhamento agudo. É bom, certo? Vamos usar a meta AI. Vamos começar com ele. Então, temos que continuar com esse login. Vamos terminar. Está tomando informações altas como um aviso. Vamos dizer que também está demorando. Vamos pular para o Gemini. Com base em informações que você provavelmente não consegue usar o Metaoc, ele tem algum problema Está bem? Mas. Então, vou tentar em outra ocasião. Então, vamos ver alguns LLMs restantes, como o Gemini Cloud A. Também está levando algum tempo, Então, vamos atualizá-lo. Às vezes, o geminiano leva mais tempo. Ok, vamos ter certeza que, depois de colocar essa configuração inicial do baile, vamos ver o que acontecerá aqui Então eu entendo que você quer ser um assistente útil, você fará o que me disser. Então, também é ótimo, certo? Então, vamos pegar uma tarefa específica de Ok, vamos pegar R Experience, experiência, experiência. Vamos assumir qualquer tarefa que seja a criação de conteúdo comercial, ou podemos assumir qualquer direito específico. Vamos pegar qualquer coisa que esteja bem. Você é um especialista experiente em IA. Ok, um especialista em IA na área de vamos usar aprendizado profundo, ok? No campo do aprendizado profundo. Agora, sua tarefa é explicar para explicar sobre aprendizado profundo sobre aprendizado profundo em palavras simples. Você está entendido? SIF, eu entendi que vou explicar o planejamento profundo em palavras simples. Aqui vamos nós. Ele acabou de desenhar a saída para minha tarefa aqui, gerando a saída O que é esse planejamento profundo? Então você pode ver isso explicado em palavras simples. aprofundamento é como ensinar um computador a aprender É toda a saída do Cha gibt. Então você pode ver a produção dela. Eu tenho algumas palavras de conexão para mulheres. Então, se eu usar esse prompt e outras esmolas, 42. 5.4.3 Capacidades de Gemini, Claude, Perplexidade e Copiloto com Caso de Uso 1: Se eu usar esse prompt e outros álbuns, vamos ver como, Gemini, vou encarar assim Vamos ver o que vai acontecer aqui. Vamos entender aqui a explicação simples do aprendizado profundo. Imagine ensinar uma criança a reconhecer um gato. Você não me diria simplesmente que procurassem bigodes, orelhas e cauda Em vez disso, você deve ter muitas fotos de gatos. Portanto, é muito difícil entender isso. Vamos ver. Ele gerou alguma saída. Aqui está D que também gerou alguma saída. Ok, você pode analisá-lo. O planejamento profundo é como ensinar um computador a aprender com o exemplo C. Isso faz sentido. Está bem? Essa saída só tem uma boa explicação quando comparada a em. Ok, demora um pouco há alguma dificuldade em entender isso, até você pode ver aqui, certo? Então, vamos ver como a Cloud explicará nossa tarefa. Você pode ver aqui. Vou explicar o planejamento profundo de forma simples e acessível O planejamento profundo é um tipo poderoso de inteligência artificial. OK. Vamos ver. Isso imita como o cérebro humano processa informações e aprende Imagine como ensinar um computador a aprender e tomar decisões semelhantes às que uma criança aprende por meio da observação, prática e reconhecimento de padrões Está bem? Tem uma boa explicação quando comparado a Gêmeos. Ok, vamos para perplexity.ai. Então, vamos pegar isso. Absolutamente. O que é o planejamento? O planejamento profundo é um tipo de inteligência artificial que ensina o computador a aprender com grandes quantidades de dados. Isso inspirou como nosso cérebro funciona? Usando essas chamadas redes neurais, conceitos-chave. OK. Você pode ver por que isso é importante, todas essas coisas aqui. Portanto, esse resultado tem uma estrutura excelente e uma explicação simples quando comparado ao Cloud Gemini OK. Espero que você entenda. Então, vamos ver, e vamos até nossa empresa da Microsoft, o que ela vai gerar. Você pode ver aqui. Compreenda perfeitamente o tempo planejamento profundo em palavras simples. O planejamento profundo é um tipo de IA que imita a forma como o cérebro humano trabalha no processamento de dados e na criação padrões para a tomada de decisões Então, como eu disse, a mímica significa que já vimos, você pode ver aqui. A nuvem. O planejamento diário é um tipo poderoso de mecanismo artificial que imita a forma como o ser humano processa as informações Ok, vamos comer algo ótimo. Então você pode ver aqui. Isso é um coro, ok? O Nim está gerando a melhor saída. Está bem? Não há problema nisso. Ok, você pode ver a diferença entre a saída aqui. Portanto, o hábito tem um pouco mais de personalização quando comparado ao Gemini e a outros modelos de linguagem totalmente Personalização significa explicar como seu amigo, professor ou colega, como eles explicarão a você qualquer assunto ou A IA explicará dessa forma. Essa é mais do que a melhor capacidade que Jajbti tem, ou seja, personalização, e capacidade de reconhecer nosso nome Então, até eu mudo o novo gráfico para que ele possa reconhecer meu nome. Certo? Essa é a capacidade de ha gibt Quando eu contar para Gêmeos, vamos ver o que eu também vou dizer Então, para isso. Então essa é uma habilidade simples que eu mostrei a vocês. Está bem? Então, vamos nos aprofundar, então vou explicar quais são os LMC reais Portanto, a cobrança é um modelo simples de linguagem grande. Ele é treinado por muitos dados, conforme discutimos anteriormente. Então, ele foi desenvolvido para interagir com a IA como um ser humano, certo? Então, há um chatbot simples, ok? E ele se tornou esse modo de voz e também tem alguns recursos excelentes, e também tem como o mecanismo de pesquisa. Observe, ok, tenha algumas versões. Então, quando comparados ao Gemini, os gimnies foram desenvolvidos Então, o principal problema desse Gemini é pegar dados do mecanismo de busca de qualquer site, todas essas coisas Vou resumir e ele dará a resposta para nós. Aqui, a personalização é menor quando comparada a uma GPT, certo Por que a AI AI obterá as respostas dos sites que eles têm. Portanto, cada informação no site, como ter algumas informações diretas, em vez de usar palavras de personalização, se estrutura dessa forma Ele pegará os dados e os gerará como saída aqui. Então isso está aqui. Então você pode ver aqui. Imagine ensinar uma criança a reconhecer gato diretamente sem personalização. Ponto de partida, ele apenas emitirá a saída quando comparado ao cha GPT A nuvem também funciona como Ta GPT. Tem ótimos futuros, como um propósito de raciocínio. Terá um grande futuro. Ok, tem alguma personalização. Portanto, quando comparado ao ponto de perplexidade, ele é desenvolvido principalmente para OK. O propósito da pesquisa significa que essa IA tem todo o acesso aos sites e artigos de pesquisa de toda a Internet Então, tudo bem, gerará facilmente resultados com base em trabalhos de pesquisa e dados reais do site, em tempo real. Ok, é por isso que é mais eficaz para pesquisas. Portanto, esse ponto de perplexidade A é bom para pesquisar artigos ou simplesmente para tirar proveito Assim, você pode facilmente fazer isso, para cada saída gerada, ele mostrará alguns links de referência, links de sites que você pode consultar diretamente neles. Então você pode ver aqui que vai mostrar aqui, você pode ver aqui as fontes. Então, olá, quando digo para perplexidade doti para apenas Oi, está pegando essa Ele está obtendo essas informações desse site específico. Portanto, podemos ir diretamente aqui e verificaremos a definição de alto aqui. Portanto, além disso, você pode ver uma saída diferente e acessar diretamente o site que ela mostrará após cada saída. OK. Espero que você entenda isso. OK. E também mostrará algumas perguntas relacionadas feitas pelos usuários, a maioria das. Então você pode simplesmente clicar aqui e ele explicará a segunda coisa. Você pode ver que também sugerirá fontes de que a saída foi retirada disso aqui. Você pode simplesmente clicar aqui e ele vai para o site em tempo real. Isso significa essa informação. Ok, o resultado da perplexity AI foi retirado Portanto, está mostrando algumas diferenças nas quais podemos confiar nesses dados. Está bem? É por isso que o ponto de perplexidade a é bom para pesquisar artigos, para obter dados em tempo real. Está bem? Por exemplo, no caso do Microsoft C Palt , ele também funciona como o Google Também é um mecanismo de busca, como o bate-papo do Bing, que é o Microsoft Bing, que temos. OK. Portanto, ele tem alguns recursos excelentes, como jemi dot AIA Quando você pode ver, o aprendizado profundo é um tipo de inteligência artificial como esse. Portanto, ele também obterá as informações da própria Microsoft, como o gem dot AID. Então, tudo bem. Então, esses são alguns recursos básicos que eu lhes contei. Então, qual tipo de tarefa ou temos que escolher? Todos os LLMs funcionam como, mas são bons. Mas não existe um LLM específico que funcione 100%, 100% preciso Não há dúvida de que todos os LLMs cometerão erros. Não há 100% de precisão nos LLMs. A saída é. Na saída, não há uma saída 100% precisa de todos os LLMs. Então, temos que fazer algum trabalho repetitivo para automatizá-lo. É isso mesmo. Portanto, isso pode economizar muito tempo resumindo algumas informações ou escrevendo o conteúdo, pegando as ideias Você pode usar nesse caso. 43. 5.4.4 Entendendo as capacidades do ChatGPT com caso de uso 2: Ei, qual é a capacidade média que os ajibti têm? Então eu vou dizer isso. Então, vamos pegar. Então, no ajibit, ele reconhece padrões. Isso significa que no estilo de prompt anterior e futuro, ok? Por exemplo, eu disse, meu nome é Saif. Então, digamos, eu vou contar aqui. Então, agora, ele tem um ótimo recurso que é a atualização de memória. É armazenando nossos quocientes, nomes e informações que orientamos a IA Então, nesse padrão, podemos usar em qualquer lugar. Então, ele reconhecerá. Vamos ver como isso vai ajudar. Por exemplo, vou dizer à IA, então não vou dizer que vou guiar a IA. Escreva conteúdo em francês. Agora, vamos ver o que é saída aqui. Então, se você pensa aqui, é um nome meu. O que é isso? Não sabemos nada sobre esse francês. Mas o que é isso? É a língua francesa do aprendizado profundo. Está bem? Então, o que vai acontecer? Não me disseram à EI para escrever conteúdo em francês com o conceito de aprendizado profundo acima. Vou apenas dizer à EI, escreva conteúdo em francês. Portanto, ele detecta automaticamente minha intenção. Ok, eu preciso da pessoa, do usuário, do conteúdo acima em francês. Isso é poderoso aqui. Aí está, o hajbti terá alguns recursos além de outros modelos de linguagem Você pode ver a prática aqui. Não me disseram à IA para escrever conteúdo em francês, escrever sobre conteúdo em francês. Eu só digo à IA, escrevo conteúdo em francês. Ele detectará automaticamente minha intenção e gerará a saída em francês Isso é por aqui. Ok, esse é um hábito poderoso Digamos, vamos dizer à IA esse temi.ai. Ok, vamos usar o mesmo profissional. Escreva conteúdo em francês. Cap Vamos aqui. Vou colar aqui. Vamos ver o que vai acontecer. Então, o que aconteceu aqui? Sim, também gerará algum financiamento. Uau. Para isso, também explicará alguns conceitos profundos de planejamento. Por que, eu disse à AI, isso é um conteúdo. Portanto, ele também detectará minha intenção. Está bem? Não há problema nisso. Vamos para a nuvem. O que vai acontecer? Não, ele também gerará conteúdo em francês. Isso é bom. O mesmo acontecerá, analisando minha intenção. Vamos para perplexity.ai e veja o que acontecerá aqui. Sim, também está explicando apenas em termos de francês. É bom. Funciona. Vamos aqui. Isso é Microsoft Copilt Sim, é bom. Também analisa minha intenção e explicará em francês Ok, não há nada parecido nisso. Então, vamos dar outro exemplo. Há algo bom para tudo e cada um. A criação de conteúdo é boa em todos os LLMs. É bom. Então, o que eu digo ao AIT. Agora, meu nome, não é assim. Vamos ver algumas tarefas, certo? Gênero oito. Então. Ideias para vídeos no YouTube. Pergunte, eu vou te dizer, eu vou te dizer, em qual nicho Em qual nicho ou em qual nicho em qual tópico. Vamos pegar diretamente um específico. Em qual tópico, você precisa gerar ideias. Agora pergunte-me qual tópico você está procurando para gerar ideias de tópicos de vídeo, ideias de vídeo. Então, vamos ver. Você pode ver aqui. Ótimo, senhor. Para qual tópico você gostaria eu gerasse ideias de vídeos no YouTube. Eu vou pegar EI. Vamos usar apenas EI. Inteligência artificial. Aqui estão algumas ideias criativas de vídeos do YouTube que você pode ver que foram geradas em mim. Então, ideias de vídeo do YouTube, Advanced A TPSGod, IA amigável para iniciantes, IA É uma boa ideia. Notícias sobre tendências atuais. Sim, é ótimo. Sim, a atópica conversacional consiste em se aprofundar É bom. Vídeos divertidos e interativos. Ah. Então você pode ver aqui. Então, vendo isso, essa agilidade é ótima para promover ideias , certo Gerando algum conteúdo relacionado a qualquer coisa, ele tem ótimos recursos. Então, vamos ver outras esmolas: o que gerará para esse prompt em particular 44. 5.4.5 Capacidades de Gemini, Claude, Perplexidade e Copiloto com Caso de Uso 2: Vamos ver outros álbuns que serão gerados para essa solicitação para essa tarefa específica. Então eu vou para Gêmeos e vou morar aqui. Ok, eu me pergunto sobre qual tópico você gostaria que eu gerasse vídeos no Youtube. Vamos usar a IA. Vamos apenas colar a IA. Ideias inventadas. Oh, ok, isso também requer algumas ideias de nível avançado, dicas adicionais. Quando comparado ao Chachi Bit, você pode ver aqui. Ele se aprofundará nas tendências atuais mais profundas, tópicos conversacionais A, no futuro A interativo e no futuro da IA Esse Gemini é muito simples Mergulhar profundamente em redes neutras também é bom, certo? Mas o hábito é específico. O futuro da IA. O que vem por aí em 2030 e além. Você pode ver que são diretamente ideias, há um tópico aqui diretamente. Podemos usar diretamente no título do vídeo do YouTube. Mas aí está, não contará nada específico, apenas falará sobre os tópicos, o nicho de uma IA específica. Você pode ver aqui Uma expansão simplifica a vida de Ayleveryda. Esqueci, construindo seu primeiro modelo de IA. Esses são todos os tópicos. Tudo isso é bom, mas o ha Gibt gerou uma específica: quais tendências, tendências e notícias atuais, as dez principais descobertas de EI que você precisa conhecer em 2024 Quando comparado a isso, em ideias de brainstorming, ha Jib tem um pouco mais de capacidade força quando comparado Vamos para a nuvem o que acontecerá aqui. Veja como estou interagindo com os AI LLMs e como estou finalizando o resultado para escolher o LLM para OK. Você pode ver aqui que a nuvem pode cometer erros. Claro, eu ajudaria você a gerar vídeos no Youtube. Você poderia me dizer qual tópico você precisa? Vou apenas dizer ao AI Ok, aqui estão algumas sugestões. Isso apenas gerará conteúdo amigável para iniciantes. OK. Futuro. Ok, mãos e tutoriais. Sim, ótimo. Portanto, mergulhos técnicos aprofundados, aplicações práticas, tendências e previsões futuras, manuais e tutoriais . Ok, é bom. Sim. Tem alguma parte técnica certa quando comparado ao Cha GPT, ok? Você pode vê-la testando quais aplicativos populares de IA são os melhores. Sim, é bom quando comparado a. Ok, ao ver essa saída, posso finalizar que essa nuvem tem alguma parte técnica quando comparada ao Cha GBD Está bem? Portanto, isso significa que você pode usar o propósito de codificação se for um programador Ok, se você quer aprender um pouco de codificação, pode usar o Cloud porque, junto com a parte técnica quando comparado ao Gemini e ao Cha GBD, é melhor gerar conteúdo em humana, como texto e ideias de brainstorming Então, quando comparado ao Gemini, também é algo assim, mas quando comparado ao Cloud, ele terá um formato técnico como criar seu primeiro projeto em Python , criar um gráfico de IA, mas do zero Isso significa que você pode pensar que esse módulo de IA está na parte técnica. Isso significa que ele pensará que tem algum conhecimento sobre como escrever o melhor código para isso. Então, para isso, se você é algum programador, pode usar essa nuvem para obter uma melhor saída Sim. Vamos ver aqui arquivo perplexity.ai, o que vai acontecer. Claro, por favor, deixe-me saber em qual tópico você está interessado. Vamos usar a IA. Sim. Aqui estão alguns vídeos do YouTube, foco no tópico, interação com aplicativos IIII, Ok, tecnologias de ferramentas de IA Então, tudo isso sobre tópicos de vídeo, que são os órgãos de bate-papo da IA, o resultado depende do que os mecanismos de pesquisa têm. Já que os dados estão nos mecanismos de busca, serão resumidos Não é um mecanismo de pesquisa, mas obterá a saída dos recursos on-line dos recursos. Ok, você pode vê-lo mostrando alguns vídeos do YouTube para assistir, certo, vídeos do YouTube sobre IA. Vou mostrar algumas ferramentas atuais para usar na criação de um tópico. Ok, crie um vídeo do YouTube em cima disso. Está bem? Então, vamos ver aqui também aquela cópia da Microsoft. Ok, vamos perguntar quais tópicos a IA. Incrível. Um básico, eu na vida cotidiana, um sistema de saúde Se você observar, se observar, os dois mecanismos de pesquisa, como Gemini, Microsoft copilot, eles têm o mesmo resultado, algo o mesmo quando comparados a isso: I Basics, YI everyday life, YI everyday life, Veja os geminianos. EIN simplificou a vida, A na vida cotidiana, IA para crianças, a ética da IA, AIN Healthcare Você pode ver a IA na ética, IA no entretenimento, entrevistas com especialistas em IA. Então você pode ver aqui. A em finanças. Ao observar esses dois modelos, gem.ai e Microsoft Copalt, existem dois Eles têm dados reais, certo? Então, gerá-lo pode gerar tópicos de vídeo do YouTube, ideias, coletando todas as informações sobre IA AI em aplicativos diferentes, como esse, porque é um mecanismo de pesquisa, tem mais dados, certo. Virá do site, do YouTube, de todas essas coisas OK. Esses dois mecanismos de pesquisa são cada vez mais profundos. Então, quando comparados a esses modelos de linguagem, eles são ótimos para serem específicos e gerar ideias de brainstorming, certo, para gerar conteúdo para Quando comparado ao Gemini e ao copilot, para que você possa usá-lo diretamente para fazer algumas automações, como ir, você pode dizer a um site específico, acessar este site e resumir esse Para mecanismos de pesquisa como Gemini e Microsoft copilot. Assim, você pode ver como podemos usar esse modelo de IA separadamente para cada tarefa individual. Então você pode usar isso desse jeito, ok? Perplex Data Day, que é ótimo para obter as informações das fontes, ou seja, dados reais e atuais dos trabalhos de pesquisa ou de qualquer fonte on-line Então você pode sair diretamente disso. Mas a cobrança que acontece aqui só será gerada com base nos dados Ok, essa nuvem também serve. Tem uma parte técnica que você pode usar para fins de codificação, a nuvem Chagby também pode resolver isso, mas a nuvem é boa quando comparada à codificação Chargebrne na parte OK. Então, quando comparado ao Gemini e ao Microsoft Copalet, você pode usar para resumir vídeos, artigos, tudo bem, diretamente nos mecanismos de artigos, tudo bem, busca dos fóruns Isso gerará o melhor resultado para as criações de seus sites ou quaisquer tendências futuras ou de mercado para ver qual mercado tem uma grande demanda Você pode perguntar diretamente a esses fóruns de bate-papo como o Gemini Microsoft Copal Por quê? Este é um mecanismo de busca. Há informações atualizadas sobre esses mecanismos de pesquisa para que você possa usar o Truly Chatbardso para isso Portanto, há um forte da Gemini e da Microsoft. Mecanismos de busca que você pode usar para esse fim para ver tendências de mercado, para fazer resumos de vídeos ou qualquer site, todas essas coisas Para o Cloud HAGPT, tudo isso será gerado com base em seus dados de treinamento Mas a Gemini e a Microsoft Copalt estão tentando comprar suas fontes que já possuem, como sites, YouTube, vídeos, todos os mecanismos de busca que temos, não é assim, ok O ponto de perplexidade é tudo. Vou gerar a saída com base nas fontes on-line. Serão necessários alguns trabalhos de pesquisa, conteúdo do site, YouTube, resumos, todo esse dia Portanto, para dados atuais ou qualquer artigo de pesquisa de tendências, você pode usar este perplexity.ai. Então, isso vai te ajudar. Ele sugerirá algumas fontes das quais obteve a saída. Você pode verificar diretamente esses links por meio do. Então, usando esse perplexity.ai, você pode obter a conferência dessa saída. Essa saída não é 100%, mas 98% está correta Por que ele usa a saída das fontes principais. Você pode ir diretamente aqui e também conferir o conteúdo em seus sites. Esse é um ótimo recurso que confunde, ponto a, eu tenho, em vez de outros LLMs Então, esses dois, Microsoft, Gemini, são os melhores para essa pesquisa, resumo e todas essas coisas Cloud Cha GPT são bons em debater ideias, escrever conteúdo e gerar um núcleo com esse propósito Espero que você entenda os principais recursos disso. Então, como eu disse, há muito mais coisas se você praticar bem sozinho. Então, eu tomei apenas um exemplo para explicar você. Então, se você entender. Então, tudo gira em torno de como você interage com os modelos de IA. Basta pegar uma tarefa específica e, apenas o que você precisa fazer, você precisa escrever o prompt dessa tarefa específica para resolver a IA. Use o mesmo prompt em todos os LLMs, como har JT, Gemini, todas essas Depois disso, analise a saída. E verifique isso. Qual saída é mais adequada para você acordo com seus requisitos, então vá em frente. Em seguida, escolha esse LLM específico para se aprofundar cada vez mais e resolver sua tarefa complexa ou qualquer coisa que você queira da IA Portanto, trata-se de entender LLMs, diferentes LLMs e capacidades acordo com a saída da tarefa específica Então eu espero que você entenda isso. Essa é a mais importante, mas essa habilidade pode ser desenvolvida praticando sozinho uma tarefa diferente e escrevendo o mesmo prompt e Jagt em Só sei. Até você pode acessar a Internet, você pode acessar o Search Engine de qualquer coisa parecida. Então, vá e diga à IA, pesquise no Google. Quais são as capacidades do? E você pode perguntar aqui alguns prós e contras dos chatbots de IA Os chatbots têm. Sim, Chartbodso, Chatboards como chat PIT Portanto, ele usará alguns prós e contras do HRB. Você pode ir diretamente para lá. Você pode conferir isso aqui. Desvendando os prós do hagib e a causa da IA: os melhores prós e as causas dos AHR Bs Então você pode pesquisar no Google. Você pode obter o melhor resultado, as melhores informações no próprio Google. OK. Portanto, evite perguntar aqui, em um bate-papo individual, mas, tipo, hábito é melhor ou o geminiano é melhor Se você perguntar em ha GBT, dirá que ha Gib é melhor Então, certo. Isso também acontece nos chatbots de IA Se você perguntar em Gêmeos, Gêmeos é melhor ou Cloud é melhor, isso dirá que Gêmeos é melhor quando comparado Também mostrará algumas limitações e vertentes de outras nuvens. Mas dirá que às vezes é melhor tomar Gêmeos Então, se você pedir a comparação, o outro LLM com o específico que você está solicitando ao AI AI LLM, como Cloud Se você perguntar em voz alta, então Cloud é melhor ou purplesy.ai é melhor. A resposta será que explicará os prós e os contras de um indivíduo, mas o resultado será show positivo na nuvem desse tipo. Portanto, evite usar isso. Então, só para ver os vídeos do YouTube, como quais órgãos de bate-papo gravam para uma tarefa específica, pesquisá-los e conhecer os recursos mais profundos de e conhecer os recursos mais profundos de cada módulo de linguagem individual como engenheiro rápido, é sua responsabilidade fazer isso para resolver a melhor tarefa. Problema melhor. Maneira eficaz usando diferentes LLMs para diferentes tipos de tarefas Espero que você entenda bem esse palestrante. Portanto, tem mais algumas explicações para você, mas levará tempo. Tudo gira em torno de como você interage. Está bem? Portanto, essa habilidade pode ser desenvolvida por você mesmo praticando-a. Só então você pode escolher um LLM melhor para você. Vamos. Até esta palestra será concluída OK. A partir do próximo modelo, veremos algumas ferramentas de solicitação, ou, outros métodos usando LLMs Então, veremos no próximo modelo como usar modelos de linguagem para gerar os prompts. Sim, você escutou corretamente. Você ouviu a direita. Veremos algumas técnicas como usar os modelos de linguagem para escrever bailes de formatura, bailes formatura com imagens e textos para solicitar Então, como discutimos anteriormente sobre isso nas aplicações do, veremos novamente usaremos todos os LLMs para ver qual LLM é ótimo para escrever o prompt Veremos que usaremos alguns padrões de formatura no próximo modelo Vamos aprofundar nossos insights. Depois disso, veremos algumas no próximo modelo, veremos algumas ferramentas de solicitação que aprimoram nosso prompt básico, ok? Com isso, encerramos este curso. Ok, espero que você entenda isso. Ok, vamos mergulhar em nosso próximo módulo, no qual veremos alguns aplicativos e ferramentas de solicitação Vamos mergulhar neles. 45. 5.4.6 Recursos do Deepseek, Grok Ai, Qwen Chat e Mistral AI com casos de uso — Parte 1: Já vimos como usar diferentes LLMs para diferentes usos Já aprendemos a escrever solicitações específicas para diferentes LLMs como HGPT Cloud Germany, dot AI perplexity.ai e Cloud dot AI Já vimos esses modelos específicos de AI LLM. Mas em alguns dias, temos mais modelos de IA no mercado agora, como Dest AI, grok AI, Queen hat AI, Mistral AI Estes são os modelos I, os modelos A mais recentes do mercado. Certo. Também precisamos explorar esse tipo de modelo de IA como engenheiros rápidos T é nossa principal coisa importante, certo? Então, vamos entender quais são esses modelos de IA. Como eu disse, o Deep Sik é desenvolvido pelos chineses, ou seja, é desenvolvido na China Você já viu isso. Nós já ouvimos falar sobre isso. Este é um modelo de IA bastante eficaz. Funcionará até os modelos HGT, JGBTopeneiv three ou W one Ele está disponível gratuitamente quando comparado ao HGPT. Ok. Portanto, eles também têm alguns recursos excelentes. A bruxa também atualizou seu modelo de IA, então adicionou alguns raciocínios nos botões de pesquisa Depois de uma busca profunda no mercado por essas funcionalidades disponíveis, apenas o ha Jibe acaba de fornecer esses botões, como a pesquisa de propósito de raciocínio Dipsik é o melhor modelo de IA. Deixe-me ver o que acontece aqui. Vamos e o próximo modelo de IA que é o Grock. Grock AI também é desenvolvido pela empresa americana Ellen Mosk. No momento, também é um modelo AIM muito rápido e muito inteligente O Quenchat. O QuenChatei também foi desenvolvido pelas empresas Alis Baba da Eu também tenho ótimos modelos O plus, e também é um ótimo eficaz. Você pode ver aqui que há muito mais opções, que parece ser uma melhor interação com a interface do usuário. Você pode ver a pesquisa na web pensativa, opcional e disponível, todas essas coisas aqui Você pode usar isso para qualquer coisa. O próximo, mas não menos importante, é MistrLei. Também é um bom modelo de EI. Portanto, o objetivo principal de aprender esse conhecimento específico é nossa habilidade específica de escrever bailes de formatura eficazes Lembre-se sempre de uma coisa: o modus de IA tem suas próprias capacidades em alguma tarefa específica O mesmo módulo de IA não está bem em uma tarefa específica. Como engenheiros rápidos, precisamos escrever os prompts para cada LLM Depois de escrever o mesmo prompt de tarefa para diferentes LLMs , somente podemos escolher o melhor modelo de IA para nossas necessidades Então, como eu disse anteriormente, precisamos escrever o mesmo prompt de tarefa para todos os LLMs Em seguida, precisamos avaliar e, em seguida, verificar a saída desse LLM específico, que é ligeiramente igual ao nosso requisito Portanto, qual LLM gerará a melhor saída que seja ligeiramente igual à nossa exigência , precisamos escolher esse LLM específico para aprofundar esse particular para resolver a tarefa Espero que você entenda esse ponto. Para isso, já vimos alguns dos melhores modelos de IA, como a nuvem GPT Gemini, na aula anterior Nisso, veremos os modelos mais recentes de IA, como eles estão gerando a saída. Vamos pegar nosso chapéu GPT. Eu sempre vejo, eu sempre conto. Lembre-se sempre de que a engenharia rápida nada mais é escrever os bailes de formatura, escrever os bailes de formatura, editar o aviso efetivo do LLM LLM nada mais é do que uma doença profunda, CHGBT, Grokquan Mistral. Isso tudo sobre alguns dos nomes dos LLMs. Ok, estou me concentrando no LLM. Isso significa que você precisa escrever melhor as instruções. É isso mesmo. Você não está aprendendo a dominar um modelo específico de AI LLM, mas está dominando a arte de escrever, escrever a arte de sugerir escrever a arte Espero que você entenda. Para isso, você precisa dominar a redação dos proms, não dos LLMs Espero que você entenda esse ponto. Até agora, precisamos verificar isso, precisamos testá-lo. Quais são os padrões de formatura estão funcionando bem para um LLM específico ou Lembre-se de uma coisa. Essa é a soma que estou considerando como um propósito de teste. Lembre-se sempre de que os padrões do baile funcionarão para cada LLM Não há dúvida disso, mas alguns LLMs não conseguem seguir o padrão anterior, como o GBH Nesse caso, precisamos considerar que precisamos escolher o LLM com base nos recursos e funcionalidades do LLM Vamos testá-lo nos módulos de IA mais avançados e muito inteligentes no momento. Eu entrei no HagiBT e vimos isso, vamos começar do alto neste LLMs em particular . Vamos nos drogar. Vamos testar nosso primeiro que é profundo. Vou pensar agora mesmo. Se eu ficar aqui, pensando profundamente, ele começará a pensar antes de gerar a resposta. Ele será usado para a pesquisa se eu ativar esse botão de pesquisa. Vou considerar que este é o nosso prompt básico de interação que já conhecemos na seção anterior que discutimos. Vou escrever aqui e paginaremos o mesmo padrão de prompt específico e ele o manterá uniforme. Você pode simplesmente inserir esse prompt mesmo sem clicar no item dip, mas use essa funcionalidade específica porque, mas use essa funcionalidade específica ao adicionar o dip, ele fornecerá o melhor resultado, pois a funcionalidade de capacidade de raciocínio é Vamos ver qual será a saída. Você pode ver que o usuário quer confirmar que eu entendi essas instruções. É pensar. Nisso, podemos esperar uma ótima saída, pois está pensando antes de gerar a saída. Você pode ver. Absolutamente. Eu entendo suas instruções claramente. Vou priorizar a precisão, evitar qualquer conteúdo inapropriado usual como Você pode ver aqui que o aji também gerou a mesma resposta semelhante para nós Vamos realizar essa tarefa simples. Isso é baseado aqui. Vamos ver. Está demorando, mas é um modo de pensar, que é muito melhor para obter o propósito do raciocínio Podemos ver isso e começar a gerar o pensamento como ele pensa que você pode ver aqui, no qual você pode esperar o melhor resultado. Entendi. Vamos detalhar o aprendizado profundo em momentos simples. Imagine ensinar um computador a reconhecer gatos em fotos. Isso é bom. Primeira camada, treinando por que Deep, exemplos do mundo real, conclusões Podemos ver que você pode comparar essa saída específica com o Chat GPT aqui Deep ek está ensinando um computador a aprender com exemplos. O branco é. Se você ver aqui, não é muito técnico, você pode ver algumas explicações técnicas. Você pode ver aqui mais camadas iguais ou melhores para lidar com tarefas complexas, exemplos de Cixa, principais conclusões. Se você ver aqui, há nada técnico, mas é uma boa explicação porque não sabemos sobre ela. É uma explicação de termos simples na qual podemos esperar que seja uma boa saída, mas também uma boa Por quê? Porque é simples e está bem escrito para pessoas técnicas que já sabem o que é aprendizado profundo Você pode conferir, todas essas coisas. Isso é bom. Vamos continuar com nossa próxima coisa que é escrever conteúdo em francês. Vamos pegar essa coisa em particular, mais C, vamos vir aqui. Vamos ver se segue o padrão anterior ou não. Lembre-se de uma coisa. Não estou explicando toda a parte do deep Sk ou de qualquer outro modelo DILLM aqui, mas estou lhe dizendo como escrever os proms e como testar os diferentes modelos AILM para nossa tarefa de escolher qual é o melhor para resolver Não estou explicando o domínio do Sk profundo, o domínio do cultivo de Aquina HaiPid mas estou explicando Concentre-se em escrever o prompt. Você pode ver que é uma língua francesa simples. Você pode ver que também gera um pouco de francês. Como está seguindo o padrão anterior, no qual você pode vê-lo, não vou dizer à IA escreva o conteúdo em francês para o conteúdo acima. Estou apenas escrevendo o conteúdo certo em francês. Não estou falando especificamente para a EI, então gere um conteúdo para a explicação acima. Acabei de te dizer, EI, escreva o conteúdo em francês, no qual pense automaticamente, preciso gerar um conteúdo em francês para a explicação acima. Também está seguindo o padrão que é melhor, o que também é necessário. Isso é bom. Você pode ver que esta é a nossa próxima tarefa, gerou algumas ideias de vídeos no YouTube. Vamos vir aqui, vamos colocar isso. Vamos começar. Estamos verificando outra tarefa aqui, como ela funciona. Vamos ver. Está pensando: Ok, o usuário deseja gerar vídeos do Youtube, você pode ver que também está gerando ideias de vídeos do YouTube. Se você pensa aqui , simplesmente entendeu. É o tópico de interesse, mas quando comparado ao AGPT também gera algo bom Ótimo para qual tópico você gostaria de gerar ideias de vídeos no YouTube. Abandone seu tópico e eu discutirei conceitos de vídeo criativos e envolventes para Vamos abordar o mesmo tópico aqui também para verificar se qual modelo LLM é ótimo para mim para essa tarefa específica Vamos embora, acabei de sair disso. Mas do ponto de vista da educação, isso vem na inteligência artificial. Podemos ver que agora ele está pensando, agora ele gerará os conceitos específicos de vídeo sobre a inteligência artificial. Vamos tirar isso de nós. Comece a pensar. Você pode ver aqui as 15 ideias envolventes de vídeos do YouTube sobre inteligência artificial. Você pode ver A one, one not one, dez melhores ferramentas de TI gratuitas, versus Humane Crea of coal, como eu construí um sistema de IA para minha casa, sua IA rouba seu emprego, desafios, um gênio assustador E tudo é implante de stent. Mas se você pensar aqui, basta dar algumas ideias de vídeos do YouTube saber o que é inteligência artificial, tendências atuais de atópica avançada Você pode ver aqui que há alguns tópicos muito mais aprofundados sobre o tópico principal específico que é o futuro de A, o futuro de A, o futuro de A, o que vem por aí e além, como vou moldar suas cidades inteligentes do futuro. Mas se você pensar aqui, isso só vai contar na IA em 2030, previsões de especialistas Também é bom, mas se você quiser gerar mais ideias, gere vídeos ou ideias para vídeos do YouTube. Você pode ver que isso é o melhor quando comparado a esta mesa. Aprofunda um Y melhor porque é um modelo de pensamento no qual podemos esperar a melhor saída Mais viagens atuais, algumas tendências atuais do mercado como essa. Nós podemos usar isso. Não se concentre no que estou dizendo aqui. O resultado é apenas como testar modelos de IA para uma tarefa específica que você mesmo pode escolher e usar para concluir a tarefa. Espero que você entenda isso. Vamos copiar rapidamente todas as coisas do ponto de partida e entenderemos o outro modelo de EI. 46. 5.4.7 Recursos do Deepseek, Grok Ai, Qwen Chat e Mistral AI com casos de uso — Parte 1: Então, vamos copiar rapidamente todas essas coisas do ponto de partida e entenderemos os outros modelos de EI. Vamos pegar Grock. Vou começar do alto. E escolha esse modelo de questionário. Alterar os modelos em cada modelo I é simplesmente esperar a melhor saída. O nível mais avançado do modelo pode ser a saída mais efetiva. Não há mudança na redação dos bailes, mas há uma mudança na produção da IA Se você mudar os modelos I, pronto. É por isso que estou lhe dizendo repetidamente concentre-se em escrever os bailes de formatura aqui Pensando que não houve resposta, Ce respondendo, tente novamente mais tarde, use um modelo diferente Vamos pegar nosso segundo. Vamos começar com Olá, como posso ajudá-lo hoje? Vamos copiar. Esse é o nosso começo. Sim, eu entendo que estou aqui para ajudar o assistente. Vamos copiar rapidamente nosso modelo bastante rápido, no qual você pode ver aqui, ele está respondendo às coisas com muita rapidez Sim, entendo que, como especialista em planejamento profundo, explicarei em palavras simples para você. O aprendizado profundo é uma forma de ensinar os computadores a aprender e pensar como pequenos humanos. Se você pensa aqui, esta é uma explicação simples semelhante à Char GPT Se você vê aqui, você pode ver aqui. Como funciona, simplesmente camadas, profundidade de aprendizado. Isso também não é bom. Vamos começar o conteúdo escrito corretamente em francês Vamos fazer isso rápido. O simples é escrever as tarefas específicas para o modelo de I específico. Depois disso, basta copiar mesmo prompt específico e usá-lo em todos os outros modelos I. Só então você pode verificá-lo facilmente nas saídas e escolher um LLM específico Você pode ver que também é gerado algum conteúdo diferente em francês. Você pode conferir, todas essas coisas. Em primeiro lugar, vou te dizer rapidamente. Isso é tudo sobre como você pode testá-lo. Estou dizendo que você é do YouTube, então basta copiar a mesma tarefa específica e colar em todos os modelos de IA para avaliar a saída e verificar qual é o melhor. Vamos clicar em ir para nossa próxima tarefa, que é gerar algumas ideias de vídeos do YouTube. Temos algo modelo. Tem alguns problemas técnicos, então vamos para o nosso próximo modelo I. Desculpe pelo transtorno. Você pode usar o simples, ele é gerado agora. Você pode ver. Ótimo. Para qual tópico você gostaria de gerar ideias de vídeo, vou rapidamente pegar este tópico de inteligência artificial e colar aqui. Vamos copiar e colar aqui e vamos levar esse Brook para modelar. Certo. Então, nessa experiência do usuário, só tem alguma desvantagem Depois de clicar aqui, ele não está mostrando nada aqui. Então, em que podemos ver depois de algum tempo, ele aparecerá, no qual podemos atrapalhar a experiência do usuário, Ok. A propósito, você pode ver aqui. Aqui estão algumas ideias de vídeos do YouTube, com foco na inteligência artificial. Eu explico em 5 minutos tudo sobre essas coisas, mas não é bom. Mas tenha o que é bom. Mas se você pensa nas mesmas ideias de vídeos do YouTube, pode ver que é semelhante à busca profunda. Você pode conferir todas essas coisas. Isso é simplesmente igual. Não tem problema. Isso é tudo sobre esse criminoso AI. Vamos dar uma olhada em nosso quin chat, que é muito poderoso momento pela empresa chinesa, certo? Vamos começar do alto. Você pode ver pensando mais, você pode começar todas essas coisas aqui. Está me dizendo para assinar. Vamos rapidamente fazer isso. Sim, eu já estou aqui. Oi. É pensar e gerar todas essas coisas. Olá, oi, você pode ajudá-lo? Vamos pegar nossa primeira tarefa inicial simples , que é a interação que ela está pensando no momento. Se você pensar aqui, as empresas chinesas gostam de quinchat profundo, elas estão usando o mesmo método, capacidade de pensar, pensar, todas essas coisas Eu entendo suas instruções claramente. Eu vou atuar como um assistente prestativo, todas essas coisas. Muito bom Vamos considerar nossa tarefa específica. Mesma tarefa. Pensar e escrever gerará a resposta possível para nós. Você pode ver que está simplesmente explicando o desembarque , explique de forma simples. Isso é bom. Você pode ver que o aprendizado profundo funciona forma semelhante, mas com computadores. É um sistema inspirado no cérebro, aprenda com exemplos, o branco é poderoso. Casos de uso diário não são bons, mas estão bem escritos. É facilmente compreensível. Você pode conferir isso lá fora. Vamos realizar outra tarefa que é gerar o YouTube, que é escrever o conteúdo em francês. Vamos copiar rapidamente aqui. O que é essa tarefa? Porque estamos verificando o padrão de reconhecimento do prompt anterior Se essa mensagem instantânea está reconhecendo a saída anterior ou não Não estamos dando aqui instruções extras escrever o conteúdo acima em francês. Acabamos de escrever um conteúdo em francês, ele pensará automaticamente saída anterior e gerará o I convertendo a explicação acima em francês Agora podemos ver aqui. Sobre aprendizado profundo. Isso não é ruim. Não sabemos nada sobre francês, mas você pode ver que pode traduzi-lo, pode dar uma olhada. Vamos apenas assumir outra tarefa que é destinada a fazer ideias. Por favor, venha aqui. Pensando, comece a pensar agora mesmo. Então, até você pode acessar o YouTube e pesquisar o específico se quiser dominar o modelo de IA específico, então você pode pesquisar no YouTube, no tutorial Quin to Pin fi Mastery ou no tutorial deep sk Mastery como esse Quin to Pin fi Mastery ou no tutorial deep sk Mastery como Você pode obter informações mais específicas desses vídeos específicos do YouTube. Espero que você entenda esses pontos. Você pode ver, entendi, informar um tópico específico sobre um nicho. Se você ver aqui, abordarei o tópico de inteligência artificial, o mesmo tópico e Quin to Pine fi também. Vamos fazer isso. Comece a pensar agora mesmo. Comece a gerar alguns tópicos monetários. Para iniciantes, experimente tutoriais práticos, ética e controvérsias, aplicações do setor, tendências e previsões futuras, cultura pop e conteúdo divertido, guias de chamadas e ética e controvérsias, aplicações do setor, tendências e previsões futuras, cultura pop e conteúdo divertido, guias de chamadas e de aprendizado. Está muito bem escrito para mim, iniciante, se estou procurando criar um conteúdo específico inteligência artificial, isso pode me ajudar Posso dividir esses tópicos específicos nesses títulos específicos, nos quais posso simplesmente categorizar todos esses O Sit é melhor porque gerou inteligência artificial para iniciantes, aprendizado de máquina, mãos e tutoriais Neste particular, você pode ver os tópicos. Muito bem O que é uma saída muito boa desse quint 2.5 no máximo. Vamos entrar em nosso último modelo de IA, mas não menos importante, é Missed all AI. Vamos fazer rapidamente todas essas coisas. Se você está procurando essa tarefa repetida, pode pular essa tarefa específica, mas saiba como estou testando isso, todos os modelos de IA. É muito rápido. É muito rápido. Eu acabei de terminar, você pode ver quantos segundos ele gerou a saída. Pelo que entendi. Vamos ver o que há de poderoso nessas coisas aqui. Vou apenas assumir essa tarefa, tarefa parcial específica, vamos pegar, certo? Uau. Está gerando antes, não é um modelo de pensamento no momento. Portanto, ele está gerando apesar dos segundos, gerando saída Pelo que entendi, expliquei que aprendizado profundo é uma dança simples. O aprendizado de máquina é um tipo de aprendizado de máquina que usa redes neurais artificiais para analisar, então, se você pensa, isso é uma parte técnica simples. Para o iniciante, se eu não sei o que é replantar Não sei o que são redes neurais artificiais. Esse é o problema com alguns modelos de IA, então eles não conseguem pensar. Se você vê modelos pensantes como Quenca 2.5 dis Even GBT, você tem algum Vou gerar a saída. Ele gerará a saída depois de pensar. Ok. Em seguida, ele gerará os termos simples. Se você vê, não é um pensamento. Quando eu pagino o prompt específico, ele começa a gerar a saída em poucos segundos. Para que você possa explicar a saída, como será a saída, vamos fazer outra tarefa. Escreva um conteúdo. Vamos verificar isso. Ele reconhecerá o padrão do baile ou não. Também é muito rápido. Não que vejamos outra coisa. Isso está levando tempo. Está demorando. Vamos fazer outra coisa. Vamos começar outra vez. Agora ele é gerado. Claro. Para qual tópico você deseja gerar ideias de vídeos no YouTube. Vamos pegar um tópico para nós que é inteligência artificial. Pegue rapidamente. Não está funcionando. Isso é bom. Agora você pode ver, isso é bom. Interação com EI, vídeo criativo do BignerFriendly explicando o que é EI Então, isso é bom porque está me orientando sobre como criar um vídeo o tipo de tópico que você precisa escrever e o tópico que você precisa abordar nesses vídeos em particular Introdução à vida cotidiana da EIA. Muito bom porque, se eu conheço o tópico específico, não sei quais tópicos preciso abordar neste vídeo em particular. Mas essa Isa está dando uma visão aprofundada sobre a qual eu preciso incluir algum tópico específico neste vídeo em particular. Então isso é melhor para mim. Não preciso pesquisar novamente em nenhum modelo online ou em outro modelo I. Está gerando o direto. Em que eu posso direcionar aqui e pesquisar a partir daqui. Ou seja, você pode ver aqui, pesquisar ideias de vídeos no YouTube sobre inteligência artificial. Isso é muito importante. Você pode ver o trabalho mais uma vez. Gerado, é gerado o resultado com base nas ideias de vídeo do YouTube que já são poucas pessoas ou fiz os vídeos sobre esses tópicos específicos, que foram criados para mim que eu possa usar a inspiração deles ou desse tópico específico para criar o conteúdo. Ok. Isso é tudo , mas você pode ver que está gerando a fonte. Você pode ver como está funcionando como o perplexit.ai. Você pode ver, venha aqui, faça o upload do seu compartilhamento ou acesse Novas ferramentas de bate-papo, você pode usar todas essas coisas. Então, para ver alguns modelos diferentes de IA usarem a entrada de recursos. Veja, eu acabei de te dizer, veja como testar o modelo de IA. Mas lembre-se de uma coisa que você pode fazer mais com um Ck profundo. Ok, você pode fazer mais com o Croc, você pode fazer mais com o QuenchaTei Você pode fazer mais com MistraLei. Tudo gira em torno de suas necessidades e tarefas específicas. Lembre-se sempre de que, se você deseja dominar uma tarefa específica, dominar um EI LLM específico, acesse apenas o YouTube e digite algo específico, como, por exemplo, tutorial de deep sik, no qual você pode aprender mais sobre uso aprofundado ou um tutorial aprofundado sobre deep sk, você pode obter mais informações Neste curso, somos apenas você que está vendo o teste, avaliando o resultado Por quê? Como engenheiro de prompts, você precisa dominar a redação dos prompts, não o LLM específico Você tem a capacidade. Você precisa ter a capacidade de escrever os prompts para qualquer modelo de LLM. É por isso que estamos nos concentrando na redação de instruções, testes e avaliação e escolhendo o melhor LLM para nossa tarefa Espero que você entenda esses pontos. Se você está procurando modelos de LLM mais diferentes sejam melhores em tarefas diferentes, como talvez codificar, escrever a cópia, não sabemos Mas estou explicando como escrever essa avaliação de teste. Para isso, se você está em um setor de marketing ou em um setor de codificação, basta ver qual modelo específico de EI LLL é melhor em codificação, você pode usar Você pode confundir. Seek Deep Sik tem o próprio HTML, todas essas coisas, para que você também possa aprender com o YouTube Espero que você esteja entendendo todos esses pontos. Ok. Isso é tudo sobre como já vimos quase nove modelos diferentes de AIL LLM, testamos resultados de avaliação e escolhemos o buster Como resultado, estou usando a melhor saída, certo? Então, após a avaliação, vou pensar se eu usar o modelo de IA para gerar ideias de vídeo no YouTube. Vou ver o que é uma linha profunda ou o que é, na verdade, a inteligência artificial. A inteligência artificial também é algo técnico e automatizado. Nesse caso, o que eu puder pegar, vou escolher o que não é assim. Não. Eu vou escolher o Mistral AI. Por quê? O City economizou muito mais tempo para mim. A melhor saída está aqui. As cidades não apenas geraram um vídeo de tópico específico, mas também me explicaram o que eu preciso abordar neste vídeo específico do YouTube, porque eu não sei qual tópico eu preciso abordar neste vídeo em particular. A cidade me guiou, um vídeo criativo amigável ao Binger explicando o que é EI Também é gerada a saída com base nas ideias de vídeos de pesquisa do YouTube e na inteligência artificial, o que é muito importante para a SU ou todas essas coisas. Espero que você entenda esses pontos. Então, para mim, é trabalho para essa tarefa específica. Mas para sua tarefa , pode ser diferente. Pode ser um modelo de EI diferente. Você pode escolher isso. Você pode obter a saída a partir daí, certo? Então, para isso, vou lembrar, vou te dar a tarefa. Portanto, faça uma tarefa específica e teste em todos os nove modelos de IA diferentes, nove modelos e verifique qual saída é ligeiramente igual à sua necessidade. Só então você pode escolher aquele modelo de IA específico e aprofundar nessa tarefa específica para resolvê-la. Espero que você entenda esse vídeo em particular. Vamos começar outra aula. Vamos mergulhar nisso. 47. 5.5.1 Como usar diferentes LLMs para escrever prompts eficazes ?: Ok, bem-vindos de volta ao pessoal do texturer. Neste palestrante, veremos como usar lentes diferentes para escrever instruções eficazes Então, como engenheiros rápidos, devemos conhecer essas técnicas. Por quê? Como temos alguma falta de conhecimento sobre uma tarefa específica ou uma solicitação de redação específica para fornecer algumas informações básicas ou informações adicionais, a IA deseja entender nossa intenção principal e resolver a tarefa específica de uma maneira melhor, dessa forma Portanto, se usarmos LLMs para escrever as melhores instruções, isso nos fornecerá algumas instruções fundamentais e completas, que podemos seguir e personalizar de acordo com nossas necessidades Usaremos novamente nos chatbards que podemos preencher a lacuna entre nosso conhecimento e o conhecimento da IA e podemos esperar o melhor Ok. Portanto, há alguns benefícios de usar os diferentes LLMs para escrever solicitações específicas Então você pode ver aqui. Benefícios, quais são os benefícios, maior exatidão e precisão. Como eu disse, temos alguma falta de conhecimento. Não sabemos tudo, certo? Então, se você usa o LLM, qualquer chatbot de IA como o JA GPT, outro AI LLM, para que os AIs conheçam informações cada vez mais profundas sobre a tarefa que estamos procurando resolver Ok. Portanto, ele pode fornecer as melhores informações na forma de aviso. O principal problema é que, se usarmos, ok, a saída depende da sua entrada, a qualidade da saída é baseada na qualidade da solicitação que você fornece. ao detalhe, quanto você fornece a solicitação em detalhes à IA, a IA gerará a melhor saída. Para fins de detalhamento, não temos conhecimento mais profundo sobre uma tarefa específica; nesse caso, usaremos o LLM porque o LLM deve ter algum conhecimento profundo sobre Por quê? Porque os LLMs são treinados por uma grande quantidade de dados eles podem ter um conhecimento mais profundo Se você usar alguns padrões de formatura, como agir como uma pessoa do padrão de formatura, na qual podemos atribuir algum papel específico, nesse papel, ela agirá assim Nesse caso, ele se aprofunda no conhecimento específico. Com isso, podemos fazer com que o efeito específico seja solicitado. A partir disso, aja como uma pessoa padrão, padrão de formatura. Em que o prompt é muito mais detalhado. Podemos usar a IA de maneiras diferentes e de mais maneiras em comparação com o que estamos pensando. Ok. Então você pode ver os benefícios aqui. Ao fornecer o máximo de detalhes às instruções, você pode melhorar a exatidão e a precisão Você pode ver a adaptabilidade aos casos de uso. Há muitos casos de uso que podemos usar para escrever instruções eficazes, como propósito de marketing, negócios educacionais e codificação Existem outros casos de uso que podemos usar. Portanto, ele pode ser facilmente adaptável. A e LM que você usa, ele se adapta facilmente e é facilmente adaptável a qualquer caso de uso que forneçamos Portanto, ele pode gerar qualquer coisa. Certo de cada vez. Para isso, ele tem um amplo conhecimento sobre todas as coisas. Para isso, usaremos o LLLP para economizar nosso tempo escrevendo o prompt básico ou fundamental na parte superior desse prompt, que podemos personalizar de acordo com nosso conhecimento Depois disso, podemos reutilizar esse prompt em quadros gráficos para obter a melhor saída como essa Você pode ver a terceira, que é muito importante, a otimização iterativa Nos modelos de palestrantes anteriores, aprendemos sobre o que é otimização iterativa . Vamos escrever. Iterativo significa que, ao receber o feedback da saída anterior, temos que alterar o prompt, o segundo prompt para obter a melhor saída otimizada pela segunda vez Isso é um rato. Alterando o prompt acordo com o feedback de saída como esse. É uma otimização de segundo raio. quarto benefício é que não especialistas podem aproveitar LLMs para criar solicitações de alta qualidade sem um profundo conhecimento das técnicas de IA ou PNL Isso é muito importante. Se você não tem experiência em entender as técnicas de LLMs ou PNL, Portanto, se você não tem muito conhecimento sobre isso, pode usar esses LLMs para escrever solicitações eficazes Até mesmo os LLMs podem escrever as melhores instruções em vez de um ser humano, porque eu tenho um conhecimento profundo de que, quanto você fornecerá a solicitação como detalhe, eu gerarei a melhor saída Ok. Então, se você não tem conhecimento sobre nenhum LLM, como o LLM funciona ou técnicas de PNL Portanto, mesmo como engenheiro de prompts básicos, você pode usar esses LLMs para escrever alguns proms básicos e também alguns prompts intermediários Então você pode usar qualquer outra. Já discutimos na lição anterior como usar LLMs ou como usar o HGPT para sugerir uma versão melhor do nosso na lição anterior como usar LLMs ou como usar HGPT para sugerir uma versão melhor do Portanto, é uma sugestão de melhor melhoria. Ok, uma versão melhor do nosso prompt que podemos usar em qualquer LLM como engenheiro profissional de prompt Então, isso é o mais importante aqui. Portanto, os LLMs nos dirão que sugerirão, então você deve melhorar esse prompt neste momento Então, assim, podemos usar para isso. Portanto, se você não tem conhecimento sobre isso, pode usar LLMs para escrever os prompts básicos ou os melhores Em seguida, o quinto benefício é o teste e a avaliação. Para escrever um único prompt eficaz, precisamos testar um modelo de IA a partir do ponto de partida. Por que o melhor prompt principal é escrito testando, mas testando e avaliando a saída Depois disso, finalizamos o prompt principal, certo? Então, primeiro, vamos nos preparar para fazer esse teste e avaliação. Então, vamos começar com um simples aviso. Depois disso, verificaremos a saída, segundo prompt. Portanto, na segunda solicitação, escreveremos a melhor solicitação em vez da anterior. Por que analisamos a saída. Ok. A saída é boa, mas foi melhorada. Para melhorar, faremos alguns ajustes na solicitação anterior. Ok. Depois disso, analisaremos o segundo prompt novamente. Portanto, isso continuará de acordo com sua satisfação. Quando a saída satisfizer você, você escreverá o prompt principal analisando os prompts anteriores Certo. Isso se trata de testes e avaliações. Então, esses são os benefícios, certo? Ao usar LLMs, podemos escrever o melhor para solicitar. É por isso que é a coisa mais importante. Então, vamos ver como usar diferentes LLMs para escrever prompts eficazes Então, aprendemos sobre os benefícios. Vamos entrar na prática. Vamos entrar no modelo de linguagem. 48. 5.5.2 Como usar o ChatGPT para escrever prompts avançados - Parte 1: Já abri, esse ponto de perplexidade do GPT Gemini Cloud ponto Então, esses são os mais populares. Você também pode conferir outros LLMs como o Lama. Então, neste caso, usei esses cinco LLMs para explicar você OK. Antes de escrever os LLMs, antes de proteger os chatbds para Portanto, lembre-se sempre de usar esse prompt como configuração incorreta. Ou seja, você é um assistente útil. Você vai fazer o que eu digo. Você tem experiência na detecção de palavras incomuns, informações imprecisas gerará resultados melhores e mais eficazes, sem erros e sem valorizar informações inadequadas. Você está entendido? Basta ver essas informações extras guiarão a IA a se tornar e realizar a tarefa somente nesse campo, somente nesse campo. Até mesmo ele gerará algumas informações precisas, mas escreverá essas informações adicionais no próprio prompt, essas informações adicionais no próprio prompt, para que a IA gere a saída somente nesse campo. Portanto, antes de gerar a saída, isso manterá essas informações. A saída deve ser eficaz e, sem erros, você conhece as informações apropriadas sem isso. Isso gerará a saída. OK. Portanto, você pode começar com essa configuração do prompt de inshal porque é muito útil, certo Então você pode usar isso. Então, vamos começar com isso aqui. Pelo que entendi, seguirei suas instruções, garantirei que a saída seja precisa, eficaz e livre de erros e evitarei informações incomuns ou inadequadas Deixe-me saber como posso ajudá-lo? Então, quando estamos falando sobre o uso de LLMs para escrever prompts específicos Então, o que temos a dizer à IA , lembre-se de duas coisas. Portanto, para usar o potencial máximo dos modelos de linguagem de IA para resolver uma tarefa específica, você precisa do conhecimento específico sobre essa tarefa. Por exemplo, se você é médico, certo? Então você pode ir de forma específica. Isso é médico cirúrgico cardíaco, ou mesmo você pode dizer que podemos ir a qualquer médico específico, como, uh uh, ETA, desse jeito, você pode escolher aquele específico, nutricionista, para aquele específico Agora você pode contar à IA. Portanto, você tem experiência engenharia rápida, especialmente em nutrição. Você precisa treinar o AIN de forma específica, da forma mais específica possível, para obter a solicitação específica da IA. Você tem que manter esses dois pontos. Você precisa dizer à IA que você é um engenheiro rápido experiente. Especificamente em qual área é nutricionista. Se você quiser informações relacionadas às nutrientes nesse espaço Está bem? Então você pode ir além disso. Você tem dez anos de experiência em nutrição como engenheiro rápido, você pode entrar nisso. Assim, até mesmo você pode fornecer as informações adicionais a solicitação de que precisa, específica em qual área você precisa da solicitação. Você pode se aprofundar e treinar o modelo de IA de acordo com seus requisitos. Está bem? No meu caso, eu vou cursar, vamos fazer um propósito educacional para a oitava aula de física, ou até mesmo você pode cursar Sim, vamos abordar agora a codificação em si, ou vamos abordar a geração de conteúdo Sim. Então, vou usar meu conhecimento específico, ok? Sobre como analisar essa saída. Até esse camarão vai me ajudar ou não. Então, eu tenho alguma especialização em código Python, linguagem de programação Python Portanto, até mesmo você pratica com LLMs para escrever instruções eficazes em qual área você possui Mas, como engenheiro rápido, você deve saber todas essas coisas. Portanto, você precisa escrever o prompt para cada área específica, não apenas para o nutricionista, não apenas para o código Python, como engenheiro de prompts, você deve escrever que deve ser bom em escrever o prompt para uma você deve escrever que deve ser bom em escrever o prompt Está bem? Você pode usar qualquer coisa aqui. Por exemplo, se você quiser o melhor aviso para fins de marketing. Ok, para uma questão específica, isso é psicologia dos clientes. Vamos pegar isso. Está bem? Então, o que vou te dizer é que você é um escritor experiente. Você é um escritor experiente na área de ok. No campo da psicologia, dos clientes ou da psicologia das mulheres. Vamos pegar essa psicologia dos humanos no marketing. OK. O que eu orientei a IA é que eu preciso de um aviso específico para a psicologia humana no marketing. Para isso, eu tento a IA. Você é um escritor experiente. Isso é agir como uma pessoa de padrão imediato, certo, no campo da psicologia humana em marketing. Portanto, mesmo que você possa simplesmente dizer a E, você é um escritor experiente. É o suficiente, mas para obter a melhor visão da IA, você deve escolher a específica. Isso é tudo sobre engenharia rápida. Escrever uma solicitação para uma aplicação específica é chamada de engenharia rápida. Assim, você pode se aprofundar o máximo que puder, como o campo do psicogênio no marketing Ou você pode estudar psicologia feminina ou masculina apenas em marketing. Você pode entrar em marketing na Internet, marketing offline como esse. Você pode se aprofundar cada vez mais nisso de acordo com suas necessidades. Tudo isso depende de você. Vejamos, neste exemplo, eu disse que você é um escritor experiente no campo da psicologia humana em marketing. Então, agora, sua tarefa é Agora, sua tarefa é regenerar as duas melhores ou até mesmo você pode pegar, vamos ver, duas a três versões diferentes de bailes de formatura diferentes versões de bailes Você pode fazer diferentes versões de bailes para LLMs ou IA Então, o que vai acontecer é gerar os proms que são de duas a três versões diferentes Está bem? Ele gerará três ou duas versões diferentes do prompt para IA. Ok, isso gerará alguns prompts. Vamos ver o exemplo aqui. Você pode ver o primeiro baile de formatura, insights comportamentais para a estratégia de marketing Você é um psicólogo de marketing encarregado de analisar o comportamento do cliente Você pode ver aqui o módulo de IA que conhece como agir como uma pessoa padrão de formatura. Então você pode ver aqui. Vai escrever. Você é um psicólogo de marketing encarregado de analisar o comportamento do cliente Assim, você pode ver o que até mesmo a IA está lendo o prompt, usando o padrão de agir como uma pessoa de formatura Você pode ver a importância de agir como uma pessoa de formatura. Até mesmo a IA, que também usa isso, atua como uma pessoa padrão de formatura no próprio prompt. Você pode ver aqui que você é psicólogo de marketing. Essa é a mais importante de atuar como uma pessoa padrão de formatura Certo, você pode ver aqui psicólogo encarregado de analisar o cliente Ele gerou três versões diferentes dos bailes de formatura relacionados à psicologia humana no marketing Você pode escrever de quatro a cinco, dez ou assim. De acordo com suas necessidades, você pode mudar aqui. Então, às vezes, a IA gera, uh, em vez dessa saída. Isso significa que não é a saída real. Para isso, você precisa informar a IA, então você precisa fornecer informações extras. Esses prompts são usados em lentes diferentes para gerar a psicologia do marketing nove Até mesmo você pode adicionar informações adicionais quando essa saída não estiver relacionada ao seu prompt. Às vezes você comete os erros. Para isso, você precisa escrever instruções adicionais. OK. Espero que você entenda. Assim, você pode ver que pode usar diretamente essas instruções no próprio chargebra ou em outros modelos de linguagem para obter as informações Então é por isso que é muito poderoso usar os modelos de linguagem. Então, aqui está outro benefício escreverei sozinho imediatamente. Por exemplo, se eu quiser escrever o prompt de psicologia da mulher sem usar LLMs para escrever efeito sobre aviso, então não sei sobre fatores emocionais e cognitivos que influenciam a fidelidade à marca Isso eu não sei, porque eu não tenho o conhecimento do fator de psicologia dos homens. Certo. Eu não sei sobre esse fator. Eu não sei sobre esse fator. Então, será o que fala sobre a psicologia dos homens de forma clara. Então, se eu perder isso devido à minha falta de conhecimento, se eu perder essa informação imediatamente, ele simplesmente pulará isso Está bem? A saída será simplesmente ignorar isso Então, nesse caso, eu perco a informação sobre isso. Mesmo que eu use IA, não tenho o conhecimento de escrever detalhadamente porque não sei. Não tenho conhecimento sobre os fatores emocionais e cognitivos que influenciam a fidelidade à marca na psicologia humana do marketing Mas eu sei tudo sobre a tarefa que estamos dizendo à IA porque ela é treinada por todos os tópicos, recursos, todas essas coisas. É por isso que ele fornecerá detalhes tão detalhados quanto o objetivo principal é escrever o melhor padrão de prompt. Esse é o seu escritor experiente no campo da psicologia. Quanto mais você se aprofundar, a IA gerará a saída em profundidade desse jeito. Podemos ver o aviso aqui. Esse é o melhor aviso. Também está escrito em vez de mim, certo? Esse é um efeito poderoso. Usar a lente L para a lente L para escrever para solicitar o uso de modelos A é o nível potencial. Assim, você pode ver as três versões diferentes do prompt aqui, você pode usar, você pode verificar qual prompt está gerando a melhor saída para sua tarefa, certo? Espero que você entenda. 49. 5.5.3 Como usar o ChatGPT para escrever prompts avançados - Parte 2: R Este prompt. Ele sugerirá a melhor versão desse prompt aqui. Vamos ver o exemplo. Você pode vê-la. Aqui está uma versão melhor do seu baile, refinada para claritina. Você pode vê-la. Você é especialista na elaboração de instruções de IA, concentre-se na psicologia do comportamento masculino em marketing Sua tarefa é criar as 223 variações mais eficazes de prompts que possam orientar a IA na produção perspicazes e acionáveis Você pode ver o quão profissional essa solicitação é quando comparada a esta que escrevi. Certo, você pode vê-la. Essa é a melhor maneira de escrever a melhor solicitação para usar a ajuda da IA para melhorar suas instruções básicas, certo? Assim, mesmo que você possa dizer à IA para gerar um prompt ou não, você pode dizer à IA, escrever o prompt sozinho e dizer para eu sugerir a melhor versão desse prompt. Você pode usar esses dois métodos para obter o melhor dessa IA. OK. Portanto, a saída também baseada no modelo que você está usando HGB tem cerca de 3,5 turbo, Nesse caso, você não pode obter a melhor saída. Mas se você usar o Cha G quatro Cha JB quatro W, você pode obter a melhor saída com isso Também depende do modelo que você está usando. OK. Assim, mesmo que você possa usar padrão de verificação cognitiva, no qual diremos à IA, você é um escritor experiente no campo da psicologia e marketing humano Então, vamos pegar, por exemplo, esse prompt somente Control plus C. Diretamente, vou conferir aqui. Vamos pegar aqui. Eu aceito a solicitação anterior. Você experimentou uma escritora rápida no campo da psicologia das mulheres no marketing. Agora, sua tarefa é gerar duas a três versões diferentes de prompts para IA Em vez de dizer a uma IA orientadora que gere estímulos para um campo da psicologia feminina em marketing, direi à IA que me pergunte o quotiensRTD subdividido gere estímulos para um campo da psicologia feminina em marketing, direi à IA que me pergunte o quotiensRTD subdividido para a tarefa principal. Tarefa principal que você exigiu. Pergunte-me quotas subdivididas relacionadas à tarefa principal à Para gerar solicitações. Então, o que acontece aqui, vou me fazer algumas perguntas subdivididas relacionadas à psicologia dos humanos OK. Depois de responder a essas perguntas, tudo isso gerará alertas efetivos para mim. Então você pode usar isso. Então, quando é útil significa, se você usa esse método quando não tem o conhecimento para uma tarefa específica que deseja resolver por meio da IA. Por exemplo, neste caso, não vamos supor que eu não tenha conhecimento sobre psicologia feminina em marketing Nesse caso, eu apenas digo à IA, gerei, vou apenas definir a tarefa. Você é escritora de formatura experiente no campo da psicologia feminina Agora, sua tarefa é gerar as duas ou três melhores versões diferentes de solicitações para IA porque eu não tenho um conhecimento específico sobre psicologia feminina. Nesse caso, a IA usa seu próprio conhecimento e gerará as duas melhores instruções aqui, versões diferentes Mas quando eu tiver o conhecimento específico da psicologia humana em marketing , direi à IA que tire os dados de mim, ok? Usar dados da minha parte para gerar as diferentes versões do prompt. Certo. Então você pode ver aqui. Eu digo à IA, pergunte-me quotiens subdivididos relacionados às mentas que você precisa Nesse caso, a IA me perguntará diferentes cotidianos relacionados à psicologia humana no marketing para gerar a melhor solicitação para Está bem? Aqui, a IA está usando seu próprio conhecimento, ok? Aqui, a IA está tomando meu conhecimento, ok? Essa é a diferença entre isso. Depois de eu fornecer. Eu responderei algumas dessas perguntas. A primeira resposta da faixa etária é faixa etária 18 anos. Exemplo, eu vou dar. Ok, eu vou em segundo lugar. Então, quando a IA faz perguntas, você tem que dar a resposta para cada pergunta Para explicação, vou apenas pegar as respostas aproximadas. Estou escrevendo as respostas aproximadas para o quoi que é apenas o primeiro Vendas da marca Anus. Vamos fazer vendas. O terceiro são os fatores psicológicos ou seja, confiança, confiança O quarto é o tom publicitário e o estilo que o casual pode adotar. Concorrência e posição no mercado, você pode dizer, você quer um serviço de produto diferente disso? Há algum comportamento de tendência de mercado influenciando o interesse que você considerará imediato Assim, você também pode dar as respostas para essas perguntas. Para isso, vou apenas digitar resposta aproximada, ou seja, quem são seus principais concorrentes no mercado. Vamos pegar a Amazon. Vamos pegar isso diretamente. Depois de pressionar esse botão Enter, ele gerará as duas a três melhores versões do prompt Você pode ver aqui. Primeiro, estratégia de marketing de construção de confiança. Provoque dois, confiança casual como campanha de marketing. Terceiro aviso: confiança e autenticidade nas vendas on-line. Você pode ver aqui o prompt. Você é um especialista em marketing especializado em criar confiança com o público de Ng, estratégia de vendas criativa que utiliza gatilhos psicológicos para Concentre-se em como usar a prova social. Veja se você vê essas instruções aqui, são mais eficazes do que se eu as escrevesse Por quê? Porque aqui, IA está usando suas próprias informações, certo? Mas, quando comparado, ele fará mais perguntas ao meu conjunto Depois de colocar meus requisitos e meus próprios dados na forma de respostas para isso, você pode ver aqui a saída é a eficácia dessa solicitação? Quão detalhada é uma solicitação. Você é um profissional de marketing especializado em criar confiança com o público Você pode ver aqui: concentre-se nesse risco de conversão, por exemplo, em como usar estratégias de prova social para criar sentimentos. Veja o quão detalhados foram gerados, os prompts. Nem mesmo nós podemos escrever esse aviso, pois temos alguma habilidade de engenharia rápida. Esse é o poder de usar os LLMs para escrever solicitações eficazes, certo Você pode ver aqui. Você pode ver o exemplo aqui. Nós escrevemos isso. Esses são os três métodos que você pode usar para escrever o prompt usando LLMs. Está bem? Existem alguns outros padrões imediatos que você pode fazer. Se você praticar com diferentes aspectos e padrões diferentes, você obterá o conhecimento sobre isso. Para isso, você tem que praticar sozinho. Você tem que testar, você tem que testar com diferentes instruções e praticar, então só você pode obter algum conhecimento sobre isso Está bem? Espero que você entenda. Vamos ver, usamos os três métodos. Qual é o primeiro método? Acabamos de dizer à IA que você é um especialista experiente no campo dos psicogeômenos Depois disso, criamos uma dieta guiada, você precisa gerar duas a três versões diferentes dos prompts. A primeira é apenas pedir que eu gere essas três versões diferentes do prompt. No primeiro método, a IA está usando seus próprios dados, seu próprio conhecimento sobre os ciclogênios seguida, somente ela gerará alguns avisos aqui. Você pode ver aqui. Este é o primeiro método em que a IA está usando seus próprios dados, informações próprias sobre o psicogênio e escrevendo o melhor para alertar aqui No segundo método, você pode ver aqui, no segundo método, eu digo à IA me sugira a melhor versão desse prompt aqui. Não, está me sugerindo o melhor para perguntar aqui. Está bem? Esse é o segundo método. Segundo método, no qual usamos o padrão de prompt QuotienRFinement Está bem? E o terceiro método é o padrão de verificação cognitiva, no qual orientamos a IA a me fazer perguntas subdivididas Você pode ver aqui. Esse é o terceiro método. Faça perguntas subdivididas semelhantes à tarefa principal necessária para gerar um baile de formatura em que a IA use meus próprios dados, certo Fazendo perguntas para mim e reunindo as respostas do meu lado. Ok, usar esses dados nos quais podemos obter a saída específica o máximo que pudermos. Podemos obter a saída específica e efetiva. Certo. Portanto, você pode usar esses três métodos de acordo com suas necessidades. Se você tiver algum conhecimento específico sobre isso, poderá usar esse padrão de solicitação de perguntas. OK. Depois de fornecer as respostas para essas perguntas, você obterá os melhores resultados imediatos eficazes Espero que você entenda. Vamos lá, tudo gira em torno do JGBty. OK. Vamos ver os outros LLMs, como eles serão gerados ou não Por exemplo, o GP está trabalhando muito bem na habilidade de redação rápida Vamos pegar outros LLMs, sejam eles capazes ou não 50. 5.5.4 Como usar Gemini, Claude, Perplexidade e Copiloto para escrever prompts eficazes: É tudo sobre Ja gibt. OK. Vamos ver os outros LLMs, como eles serão gerados ou não Por exemplo, Jagibt está trabalhando muito bem na habilidade de redação rápida Vamos pegar outros LLMs, sejam eles capazes ou não de gerá-los. Solicita nossos requisitos. Eu vou tomar rapidamente. Copiarei a medida do usuário sem nenhuma alteração, adicionando novas dispersões de linha quando apropriado Ok, vamos ver, não é bem personalizador, GBD. Agora vou copiar essas instruções nas outras esmolas. Vamos verificar se é capaz ou não de gerar os prompts para isso Sim, são geradas três versões do prompt writing aqui. Sim, é bom, certo? Eu tenho dois ciclos gerados por três prompts no Gemini. É bom, certo? Então, vou usar o segundo método que é OK. Mas você precisa conhecer alguma experiência do usuário nisso. Então você pode ver aqui. Também me sugere uma versão melhor do meu prompt aqui, como fez hag B, mas não é eficaz como Cha Gib, você pode ver Você pode vê-la, certo? As instruções aqui. Mas você pode ver o aviso do Gemini Não há muita eficácia e detalhes nisso. Você pode vê-la de Gêmeos pontilhada quando comparada à Cha GP. OK. Vamos para o terceiro método. Vou copiar primeiro para verificar se outras esmolas estão funcionando bem ou não Também é Gêmeos que também está fazendo algumas perguntas. Depois de eu fornecer as respostas. Ok, vou apenas copiar isso e verificaremos a saída. Sim, você pode ver que não é muito da saída. Você pode ver aqui, depois de fazer perguntas para mim, né, clientes ociosos ou concorrentes de Hs, todas essas coisas OK. Eu também gerei apenas o prompt em si. Mas você pode ver aqui, se observar aqui, que as instruções não estão bem escritas e são muito eficazes quando comparadas ao Chat GPT Você pode ver que as instruções são muito estruturadas e muito eficazes, com uma explicação detalhada na solicitação E com o uso da atuação como padrão pessoal de formatura em comparação com o geminiano, certo Você pode observar. Essa é uma capacidade do JA GPT que possui. OK. É por isso que eu recomendo usar o HGPT para escrever os proms eficazes da Está bem? Como o Gemini não é, é um fórum de bate-papo em mecanismos de pesquisa Ele tem alguns outros recursos em vez do Chargibty Cloud Cobrança na nuvem ou não é um mecanismo de pesquisa. O Chargebty tem alguns recursos novos, como mecanismo de pesquisa. Agora chega, tem um novo recurso que podemos pesquisar no Chargeby diretamente como um mecanismo de pesquisa Mas é antes esse futuro mecanismo de busca tenha o modelo de linguagem simples e barato. Ok, ele é treinado por diferentes padrões de formatura, nos quais podemos usar padrões de aviso eficazes e obter os bailes de formatura eficazes Mas o Gemini é como um chatboard de mecanismos de busca. OK. Então, nesse caso, não podemos usar esses padrões de formatura Não podemos usar para escrever o padrão de formatura eficaz. OK. Para isso, usaremos esse Char GPD para escrever o melhor prompt Você pode vê-la como prática, você pode observar essas saídas corretamente quando comparadas ao hA GPT Então, vamos falar alto. Vamos dar uma olhada com o Har GPT Vou ligar mais ou menos , vou usar o mesmo prompt e todos os LLM exatamente na mesma hora. E veremos. OK. Vamos dar outra dica aqui. Esse é o primeiro método. Você pode ver aqui, o prompt, que será gerado. Sim, é ainda mais detalhado quando comparado ao Cha GPT. Nossa, isso é ótimo Certo. Sim, vamos ver outro LLM. Isso é perplexity.ai. Sim, também é bom, mas vou explicar todas essas coisas. Sim, esse é o poder dos LLMs de mecanismos de pesquisa e de outros modelos de linguagem Então, quando comparado a isso, você pode ver aqui. O primeiro prompt de método é que geramos algumas versões diferentes de prompt do prom. Você pode ver aqui que é um HagibthS é uma solicitação de cobrança. Se você ver o mesmo resultado da nuvem, mesmo que você possa ver aqui, mesmo que você possa ver aqui, atue como pesquisador sênior em psicologia do consumidor com 20 anos de experiência em uma solicitação de cobrança. Se você ver o mesmo resultado da nuvem, mesmo que você possa ver aqui, atue como pesquisador sênior em psicologia do consumidor com 20 anos de experiência em economia comportamental e marketing. Então, se você perceber que não está bem, será o melhor. Está no lado direito específico, você pode ver que é mais detalhado quando comparado ao Char GPT Você pode ver aqui o prompt. Mas se você observar a nuvem, uh, alerta, você verá aqui. Ele tem mais detalhes quando comparado ao HargPT, certo? Há um segundo aviso aqui, e este é um terceiro aviso. Tenho mais algumas informações, informações detalhadas usadas imediatamente quando comparadas à cobrança Mas, se você ver essas três instruções funcionarem como um padrão pessoal de formatura, Cloud só tem uma para começar, certo Atue como pesquisador sênior de psicologia do consumidor. Nas outras duas instruções, é simplesmente sem usar o ato como padrão pessoal de formatura Basta reter o aviso para realizar a tarefa na qual podemos atrasar isso OK. Então, mesmo que você compare esses dois Cloud e Hagibt, você pode TGP tem ótimos recursos para gerar um prompt eficaz Até mesmo o Cloud também tem alguns recursos excelentes, mas até você pode usar essas informações extras para incluir neste prompt aqui. Portanto, você deve usar o act como um padrão de alerta pessoal. Se você precisar usar esse padrão de formatura para obter a entrada, melhor saída da IA Então, para isso, use esse prompt somente do Jagt, mas inclua essas informações que podem ser relaxadas Caso contrário, está tudo bem. O JGB ainda está bem. Às vezes nublam, ok, mas é a saída desses bailes de formatura. Os bailes de formatura Jagtive são específicos Ok, é por isso que dizemos à IA apenas que gere alertas de psicologia em humanos, mas as nuvens que a nuvem gerou na área de pesquisa Para isso, os detalhes do baile devem ir para o propósito da pesquisa de marketing, em vez de ir para o específico para a psicologia humana Que você possa analisá-lo. O hábito é mais personalizado e muito específico para nossa tarefa de gerar a melhor saída Para isso, usaremos o Hagibt para escrever as melhores instruções eficazes Ou seja, o hagibi é mais poderoso do que outros modelos de linguagem Nesse caso, escrever os prompts para diferentes casos de uso Mas outros modelos de linguagem têm seus próprios pontos fortes e vantagens em outros aspectos dos casos de uso. Você já viu esses dois modelos de linguagem Cloud e Hagibt. Agora veremos o Gemini perplexity.ai Microsoft. Como está a saída. Se você acha que os co-pilotos da Gemini Microsoft são mecanismos de busca Se você analisar a saída disso, verá a mesma estrutura e a saída será a mesma para três Gemini, Microsoft e perplexity Esses três geraram a saída da mesma maneira. Como, vamos ver, você pode ver que o primeiro método de solicitação é. São geradas as três versões diferentes do prompt here, develop, analyze, create. Nisso, não há raciocínio ou não existe uma atuação como padrão e detalhes pessoais do baile Da mesma forma, você também pode ver o copiloto da Microsoft. Você pode ver o aviso, analisar, examinar, explodir. Não é usado nenhum padrão de formatura pessoal, e você pode ver o perplexity.ai Mesmo que você possa ver aqui, ponto A perplexo, além de não usar o ato como padrão pessoal de formatura ou outras instruções em detalhes, você verá apenas o explore, você verá apenas o explore Portanto, se você observar esses três LLMs, como Jemini, Microsoft copilot e perplexity.ai, eles não são bons em escrever os bailes. Por quê? Como esse propósito do LLM é outro propósito, é diferente dos modelos de linguagem Este é o fórum de bate-papo do mecanismo de pesquisa. O Microsoft C pit também é um fórum de bate-papo para mecanismos de busca. Até mesmo o PurpleSTTI também funciona como um mecanismo de pesquisa no programa, gerando a saída com base na necessidade do usuário, fornecendo a fonte de dados Está bem? Portanto, esse é o propósito, o objetivo real desse modelo de linguagem é resumir os tópicos de pesquisa ou fornecer a fonte em que os dados foram extraídos Portanto, o propósito desses três módulos é diferente. É por isso que o modelo de linguagem não se aprofunda na engenharia imediata, diretamente na solicitação. Mas quando comparados ao ha GPT e ao Cloud, eles não são baseados em mecanismos de pesquisa Esses são dados de linguagem, baseados em PNL e de tendências, compatíveis com suas próprias técnicas, técnicas de padrões Mas quando comparados ao Gemini Microsoft copilot perplexity.ai, eles são dados atualizados Esses três modelos de linguagem usam seus recursos on-line, como sites, dados, fóruns, YouTubes, todas essas coisas Mas quando comparados ao Cloud e ao ha GPT, eles são treinados em dados Eles são treinados por diferentes padrões de formatura. Nesse caso, a IA sabe como escrever o melhor baile de formatura para modelos de linguagem usando padrões de formatura Nesse caso, o usuário da IA age como um padrão de promoção pessoal que você pode ver somente no ha GPT e na nuvem Além disso, todos os LLMs, como Jemini Microsoft, CopaltPerplexty dot a, eles não usam nenhum padrão de formatura, e os proms também não são CopaltPerplexty dot a, eles não usam nenhum padrão de formatura, e os proms também não são detalhados. Ora, esses são os chatbards dos mecanismos de pesquisa. Eles não têm, eles não têm muito conhecimento. Eles conhecem a psicologia do conhecimento principal, mas não são bons em escrever instruções. Está bem? Por isso, como eu disse, esses dois modelos de linguagem, Cloud e HGB, são bons para escrever o prompt, mas o ha Gibt é mais personalizado e específico na geração dos prompts Espero que você entenda essa diferença entre os recursos do LLM e os casos de uso do caso de uso de redação rápida Está bem? Espero que você entenda esses cinco tipos diferentes de LLMs. Portanto, esse caso é bom para a nuvem hagibtan. OK. Até você pode tentar sozinho com diferentes casos de uso, ok? Não apenas no prompt. Até você pode escrever o prompt da imagem. Sim, imagem. Qual é o prompt de imagem se você estiver usando ferramentas de geração de imagens como Image journey, Leonard AI lexica.ai, ideogram AI, nas quais você obterá a imagem correta, de acordo com nosso Até você pode pedir à IA que gere o prompt de imagem. Está bem? Então você tem que dizer a A, você é um escritor experiente no campo da psicologia de humanos, até mesmo você pode contar qualquer coisa sobre desenhos animados de leões ou pode ser redator imagens de desenhos animados de animais Você pode especificar sua tarefa de gerar as melhores duas a três versões diferentes de solicitações de imagem para o gerador de imagens de IA Assim, você pode fazer isso. Isso gerará. Você pode usar três métodos diferentes. Então, o que eu sugiro ao escrever o prompt para geração de imagens é usar esse terceiro método. Ou seja, faça-me perguntas subdivididas nas quais a IA fará perguntas diferentes sobre a imagem que você deseja, certo? Então, basta fornecer os requisitos necessários para ver na imagem, certo? Então, apenas forneça como sua imagem deve ficar. A imagem necessária deve ter a seguinte aparência : fornecer as respostas para outras perguntas que a IA fizer a você e gerará o prompt da imagem. Basta usar esse prompt em modelos antigos de linguagem de geração e você poderá obter a imagem desejada. Em vez de escrever a solicitação sozinho, a cobrança pode ajudá-lo a escrevê-la Está bem? Portanto, tudo gira em torno do nível fundamental, do nível básico Você pode alterar sua solicitação de acordo com os requisitos. Esse é o poder de usar os LLMs para escrever seus prompts Espero que você entenda. Lembre-se de uma coisa : não confie nesses prompts gerados pela IA Tudo gira em torno de como você o usa. Tudo gira em torno de como você o usa em seu espaço de trabalho, tudo isso Está bem? Portanto, trata-se de usar diferentes LLMs para escrever prompts eficazes Portanto, eu recomendo usar apenas o Cloud ou habitat para gerar o melhor prompt E em outros casos de uso, os outros modelos de linguagem funcionam bem. Y, certo? Você tem que escolher sozinho. Você precisa testar todos os modelos de linguagem para realizar uma tarefa específica. Depois disso, vá sozinho. Como eu disse, essas três perplexidades pontilham Microsoft Gemini ou a base de mecanismos de busca desse jeito Então, nesses casos, você precisa usar isso e algumas ideias de personalização e brainstorming e escrever as instruções mais eficazes. Você pode usar essa nuvem Você pode usar essa Nesse caso, o Ja Gibt é mais personalizador quando comparado à nuvem Está bem? Então, espero que você entenda muito bem esse palestrante Está bem? No próximo modelo, veremos que algumas ferramentas de solicitação eficazes como a cobrabilidade, têm seu próprio playground Veremos se também exploraremos esse playground, e veremos se há alguma técnica, ok. 51. 5.5.5 Como usar o Deepseek, Grok ai, Qwen chat e Mistral ai para prompts eficazes: Vamos ver outros quatro modelos de LLM, nos quais já vimos os cinco modelos diferentes de IA, como HachPT Cloud, Gemini, purples dot I, Okay, Microsoft C Palette, para gerar solicitações efetivas para gerar Nesta sessão, nesta aula, veremos, à direita, os outros modelos de IA que serão os mais recentes em 2024 ou 2025, ou seja, a profunda extinção da IA Croc na Mystal AI Então, se esses modelos de IA são capazes de escrever as melhores instruções para nós ou não, como faz o JP Está bem? Vamos comparar com o ha Gibt e todos esses quatro modelos INM. Está bem? Vamos começar com isso. Portanto, usaremos o mesmo aviso simples de aquecimento inicial. Está bem? Vamos pegar. Então eu não estou usando esse pensamento profundo ou você pode usar todas essas coisas, ok? Começa a gerar o pensamento, o que é muito importante. Então, vou absorver todos esses mods de I em particular rapidamente para economizar tempo para nós Ok. E podemos verificar facilmente todos eles ao mesmo tempo. A foto do fundo do mar. Ok, você pode ver, sim, eu entendo seus requisitos. Claramente, eu vou. Ok. Então, sim, eu entendo que sou um assistente de design útil, todas essas coisas. Você pode ver a saída dos quatro modelos de IA. Isso é bom. Ok. Agora, vamos ver aqui nosso segundo prompt. Essa é a sua experiência como escritora rápida no campo da psicologia, do marketing feminino. Agora, sua tarefa é gerar duas a três versões diferentes da IA imediata. Solicite inteligência artificial. Vamos realizar essa tarefa específica e nos basearemos apenas em todos os outros modelos de inteligência artificial. É começar a gerar pensamento. Certo? Vamos começar do deepsk É um modelo de pensamento. O usuário deseja gerar de duas a três versões diferentes do prom para EI É pensar qual é a melhor parte dessa IA do deepsk. Você pode usar o botão de pesquisa, todas essas coisas aqui. Agora, você pode ver que aqui estão três instruções psicológicas refinadas, adaptadas para isso Vamos dar uma olhada em todas essas coisas. Aqui também são geradas três versões rápidas, Cro QI. Como redatora especializada em psicologia feminina em marketing, criarei duas a três instruções distintas de alta qualidade Versão rápida, atue como especialista em psicologia e marketing feminino. Você é psicólogo especializado em marketing. Ok. Assuma o papel de psicólogo de marketing, que é muito mais poderoso do que comparado aos Cha PTs, você pode ver aqui Ok, também é bom. Ok, atue como especialista em marketing. Está bem? Mas se você conferir aqui, isso é grok, que é muito poderoso, escrevendo as instruções Você pode ver que é bastante semelhante ao HagiBT. Mas você pode ver como está bem escrito. Está usando o padrão persona prom. Atue como especialista em psicologia e marketing de fornos, forneça uma análise detalhada de como as motivações intrínsecas e extrínsecas Você pode consultar um psicólogo da URS, que também está usando o padrão pessoal de formatura. Assuma o papel. Também está usando o padrão de formatura pessoal Então esse é o poder de usar o padrão pessoal de formatura. Até mesmo a IA também gera o prompt com base no uso do padrão de formatura pessoal Então isso é poderoso. Está bem? Você pode ver que é a melhor saída, quando comparada à pia profunda Se você vê, está tudo bem, você pode ver. Até mesmo os mais profundos também atuam como especialista em psicologia do consumidor, o que é muito importante Você pode ver o poder de um padrão pessoal de formatura aqui. Ok. Você pode ver isso passo a passo na estratégia de marketing. Analisar a segunda versão é analisar como os valores culturais criam uma ética. A primeira versão é muito boa. Mas esses dois não são nada ou não parecem mais eficazes. Quando comparado ao Grock AI, você pode ver que o modelo Grock I gerou três versões diferentes de Até eles são iguais em escrever os melhores. Você pode ver que assume o papel do marketing. Está usando o papel de padrão pessoal de forma consistente, mas em um formato diferente. Você pode ver agir como um especialista, você é um psicólogo, assumir o papel de marketing Mas, nos doentes profundos, esse padrão imediato age como na primeira versão no zero e na segunda e na terceira Vamos dar uma olhada na versão 2.4 aqui. Aqui estão três instruções distantes de alta qualidade, versão rápida, para analisar a base cognitiva da versão emocional do TCURSPMPT para explorar o papel da persuasão, do design passo a passo, do design passo a passo Então, se você perceber que isso é simples, não é como um engenheiro de prompt. Não posso usar esse padrão de prompt específico Por que não há nenhuma função definindo ou atribuindo a função de um modelo de IA específico no qual possamos obter uma saída específica desse tópico específico Está bem? As comodidades também fornecem algumas informações básicas muito bem, mas não têm o sistema comum de atribuição de funções como usar os padrões de formatura ou todas as outras Você pode ver que a rocha que a IA também gerou o melhor que você pode ver, certo? Como se a angústia também gerasse, certo? Isso é tudo sobre quin chat. Ok. Vamos pegar nosso Mystal EI. Então, na IA mitral, ok, então o Visual também não tem nada sobre escrever o padrão do baile Você pode ver investigar o impacto de analisar o uso do marketing emocional, explorar os princípios da psicologia, ok. Bom trabalho, mas como engenheira rápida, eu sinto e gosto da Rock AI por escrever as instruções para mim porque ela usou a fórmula perfeita, atribuindo a função, atribuindo a tarefa e fornecendo informações básicas, todas essas coisas aqui Você pode ver aqui o que é muito importante para escrever esse simples prompt específico de forma eficaz. Então, para concluir, eu uso essa pedra A para escrever as melhores instruções, certo? Então, esses são os Grock e Hagibt têm sua melhor capacidade de escrever os bailes de formatura para nós. Isso é simples. Ok. Espero que você entenda esse caso de uso específico. Vamos passar para outra tarefa somente nessa tarefa específica. Vamos ver aqui. Ok. Então você é um escritor de baile experiente no campo da psicologia e do marketing A tarefa é gerar duas a três versões diferentes do baile para sugerir uma versão melhor desse prompt Ok. Então, se você acha que deve seguir esta tarefa ou lição específica, ou seja, como escrever Affectoms para Ok, você entende esse ponto específico aqui, então eu não vou explicar aqui. Agora você pode ver aqui. Vou apenas dizer à AI que sugiro a melhor versão desse prompt aqui. Então, vou dizer à AI que sugira esse aviso, uma versão melhor desse aviso aqui, essa pergunta. Ok, vamos ver o que acontece aqui. Vamos chegar aqui Deep Sick e continuaremos a partir daqui. Vamos clicar aqui. Colar. Vamos enviar e levaremos a mesma coisa aqui. Vamos rápido. Vamos economizar, venha aqui. Bife. Então venha aqui, bife, vamos pegar um disco. Vem do Tips. Agora você pode ver que o Heit gerou uma versão aprimorada de prompt Acabei de dizer que você é um escritor experiente. Eu sugiro a melhor versão dessa pergunta ou solicitação em particular. É gerada uma versão de prompt aprimorada. Atue como especialista em psicologia do consumidor e em engenharia rápida, tudo o que você pode ver são instruções legais e bem escritas. Você pode ver a versão dois aprimorada. Você é um psicólogo especializado em versões aprimoradas de alerta, desenvolva duas a três instruções avançadas de IA Vamos conferir a IA do grupo. Vamos pegar o modelo crock two. Vamos dar uma olhada em outro modelo I, ele começará a ser gerado. Está demorando muito, mas vamos usar nosso gráfico de quin chart AI Agora, o pensamento está concluído. Podemos ver que ele gerou as três versões. Atue como psicólogo de marketing. Você é psicólogo de marketing, crie três instruções I para explorar todas essas coisas Bom. Essa é uma especificação melhor, mas por quê? Eu dei este pequeno aviso aqui. Ok. Espero que você entenda. Então, em particular, esses três bailes de formatura são bem escritos em termos de especificidade, ok Mistral A, vamos ver, Mistral A. Ou você pode ver aqui como especialista em criar bailes de formatura, em relação à psicologia, aproveitar sua experiência, utilizar suas habilidades sua experiência, utilizar suas Este também é bom quando comparado a este. Mas, como conclusão, então eu não posso dizer, então eu posso dizer. Portanto, o mistal não é bom para escrever bailes de formatura. Ok. Isso é simples. Por quê? Porque eu avaliei esses três bailes de formatura aqui. Ok. Mas escrever o que é bom, mas não usar a fórmula específica atribuindo a função específica, atribuindo tarefas e fornecendo informações básicas como essas Então eu espero que você entenda isso. Então, para a primeira versão, está tudo bem. É gerado usando o ato como um padrão pessoal de formatura. Isso é bom. Ok. Quando comparado ao quin chat também, ele usou as duas versões Funciona como um padrão de baile, padrão pessoal de formatura em duas versões deste Então você pode. Isso é bom. Ok. E o grupo Am também. Portanto, está demorando, muito tempo. Vamos pegar Ok. Vá lá. Vamos estudar um CKI profundo. No CKI profundo, você pode ver que ele atuou duas vezes como um padrão pessoal de formatura Aja como especialista, você é psicólogo. Na terceira, bastou apenas desenvolver a tarefa. É ignorada a atribuição da função. Quenchat também ignorou o então, se você pensar aqui, no queen chat EI e no tipsy EI, o resultado parece semelhante porque esses dois modelos de IA são da China, e você pode pensar que esses dois modelos são baseados nos mesmos dados, Portanto, você pode ver que o resultado é que um usuário atua duas vezes como psicólogo da URA, e você pode comparar a mesma moeda com 0,5 com atuar como psicólogo de marketing da URA Assim, você pode criar três bailes de formatura A. Você pode ver aqui o desenvolvimento de dois a três proms avançados de IA. Muito parecido, certo? Você pode conferir todas essas coisas. O Grow AI está demorando muito. Então, o que podemos fazer aqui de segunda vez. Então, quando comparado ao Mistral AI, então o Mistral AI, ele usou o melhor para a versão um, ele usou o ato como um padrão pessoal de formatura, e a versão dois, versão três, não usa o padrão de formatura, o que posso concluir que a névoa A não é boa em escrever as instruções E lembre-se de uma coisa: se você fornecer mais informações básicas, todas essas coisas, isso também poderá gerar a melhor solicitação para nós. Está bem? Então você pode ver aqui que o chapéu também deu o melhor resultado, se você acha que aqui você é um especialista em criar bailes de formatura, todas essas coisas Também fornece apenas uma versão, mas também é bom no caso de minhas necessidades deepsk também gerou o melhor padrão de formatura, você pode ver aqui e o crescimento está demorando Quin também gerou as três versões diferentes, que são muito boas, e Lim Ms também é boa, mas não quando comparada a outros modelos de EI, como Quin chat, deepsk, vamos entrar nesta Vamos pegar novamente, está demorando muito. Vamos atualizar isso. Vou apenas copiar e colar assim, difl. Nós podemos ver aqui. Sua solicitação original é clara, mas pode ser refinada de acordo tom de atualização que a especificidade está me gerando Você pode ver aqui. Você melhorou primeira versão, concisa e específica Você é um escritor experiente e rápido, especializado em psicologia do comportamento masculino Você pode ver que esta é uma primeira versão aprimorada específica, segunda versão, que você pode ver, como redatora experiente, profundo conhecimento da psicologia feminina em marketing. Você pode ver que esta é a segunda versão aprimorada, terceira versão, você pode ver aqui. Você é um escritor experiente apaixonado pela psicologia humana no marketing Agora você pode ver o poder do grok AI ao ler os dois bailes de formatura da FA para nós Quando comparado ao mergulho profundo, certo? E, na IA, o modelo de IA é gerado nas duas versões usando o ato como um padrão de formatura Ok, também está seguindo. Mas na versão três, não é usado o ato como padrão de formatura Da mesma forma, as profundezas também, ok? E o mistala usa apenas a primeira versão para a primeira versão, ou seja, como especialista em criar prompts, não no 21, mas no grog AI, o modelo de IA gerou o prompt em modelo de IA gerou o três versões diferentes com a regra perfeita que é usar o padrão de atribuição de papéis , ou seja Como redator experiente, você é um redator experiente Então, agora você pode ver que o Grock AI é totalmente treinado ou totalmente mais inteligente do que o deep sik quenchat AI e o Mistral AI em comparação com os modelos para escrever instruções eficazes Espero que você entenda esses pontos. Então, agora, para concluir, também usarei esse grupo AI e Cha GPT combinados para aprimorar minha habilidade de escrita rápida e escrita rápida para minha tarefa Espero que você entenda esses casos de uso específicos. É assim que você pode avaliar não apenas este, não apenas escrever os prompts, mas também acessar o prompt de imagem Você pode acessar o prompt de vídeo. Você pode conferir todas essas coisas, certo? Portanto, além dessa tarefa, você pode pegar qualquer tarefa que quiser e verificar a mesma tarefa específica em outros modelos de IA para avaliar testá-la e escolher o melhor LLM para sua tarefa Está bem? Porque diferentes LLMs têm diferentes capacidades e funcionalidades que podem funcionar para você de maneira eficaz Para isso, o objetivo principal desse teste é escolher um LLM melhor para nossa tarefa, para tirar o melhor proveito da IA Espero que você entenda essa aula de forma muito eficaz. Então, vamos começar nossa segunda sessão. 52. 5.6.1 Ferramentas de engenharia de prompt - Parâmetros do Playground OpenAI Parte 1: Volte para nosso novo palestrante que é o Prompt Engineering Então, como discutimos anteriormente alguns padrões de prontidão que podemos usar para melhorar nossas habilidades de escrita rápida, certo? Portanto, para qualquer tarefa, podemos melhorar nossa redação rápida usando alguns padrões de refinamento de perguntas ou verificadores cognitivos Então, como falamos anteriormente, discutimos o que aprendemos, certo? Então, neste palestrante, veremos algumas ferramentas de engenharia rápidas Existem muitas ferramentas de engenharia rápida que aprimoram você com base em sua solicitação básica. Portanto, há mais ferramentas on-line, mas as ferramentas pelas quais as ferramentas são treinadas abrem apenas um playground. Até mesmo eles usarão outros modelos de linguagem. Então, acho que abrir um playground é suficiente para que, mesmo sem um playground, possamos usar o JA GiBt apenas para aprimorar nossas habilidades de redação de bailes, como discutimos anteriormente, certo Mas com isso, não podemos criar aplicativos. Certo. Então, se aprendermos sobre abrir um playground, você pode criar qualquer aplicativo usando engenharia rápida, certo? Portanto, com este playground A aberto, você testará modelos com diferentes seleções de modelos, como GPT quatro, três, e testará saída alterando os parâmetros do Está bem? Enviaremos todas essas coisas agora pulando diretamente para a plataforma A aberta, ok? Então, o que realmente significa OpenAI playground? A empresa Open A tem suas próprias chaves de API. Ok, podemos diretamente com essas chaves APA, integrar diretamente chatbot de IA ou o assistente de EI em nosso site ou aplicativos Com isso, podemos melhorar a experiência do usuário. Está bem? Mesmo que possamos criar um aplicativo específico escrevendo as instruções específicas usando padrões de formatura diferentes, conforme aprendemos e discutimos anteriormente nas aulas anteriores Ok. Então, vamos ver o que é um playground ao ar livre. Portanto, é uma interface mais simples e amigável qual podemos testar modelos com diferentes parâmetros, entradas e habilidades de solicitação Está bem? Assim, podemos ver a saída em diferentes configurações alterando os valores dos parâmetros e alterando os modelos, modelos linguagem que são 3,54 ou GPT quatro ou mini Está bem? É tudo uma questão de playground ao ar livre. Portanto, abra Um playground tem alguns parâmetros como temperatura, tokens máximos, P superior, ou seja, penalidade de frequência de amostragem, penalidade de presença e o último é sequência de parada. Então não se preocupe. Veremos cada um por um de forma clara e detalhada. Então, primeiro, isso é o que está na temperatura. Então, aprenderemos esse básico e veremos diretamente a plataforma do playground. Ok. Então, vamos ver alguns conhecimentos básicos sobre isso. Temperatura significa que ele passará da faixa 02. Para valorizar. Portanto, a saída, a saída do AIS, depende da temperatura. Por que significa que se você colocar o valor baixo da temperatura, ele gerará a saída de maneira focada de maneira específica, certo? Se você estiver usando if sua tarefa é resolver o problema máximo, a temperatura de 0,2 ou um valor baixo pode ser útil, pois gerará uma resposta de foco. Então, no máximo, talvez haja apenas uma solução ou duas, certo? É por isso que é melhor escolher um problema de matemática ou uma resposta focada, certo? Então, quando você altera a temperatura para os valores mais altos, ou seja, 0,81 ou um acima, ela se torna mais criativa e gera o número de soluções, mais número de soluções que podem parecer respostas menos coerentes Está bem? A resposta de foco é boa, mas depende de nossa exigência, certo? Portanto, isso depende de nossa tarefa e requisitos. Tudo gira em torno disso. Então não se preocupe. Veremos diretamente no parquinho. Então, veremos alguns tokens máximos. Então, vamos pular para a plataforma aberta diretamente. Então, veremos o que dizer do A aberto e qual é o primeiro parâmetro que é a temperatura. Então, estou diretamente conectado à plataforma A aberta. Se você tem uma conta JGBT, basta entrar na plataforma A e fazer login com seu e-mail JGBT Ok. Se você é novo nessa plataforma, recomendo que acesse o YouTube, pesquise e aprenda as informações básicas dessa plataforma. Então, nesta plataforma, temos vários sistemas, como o chat. Então, com isso, você pode ver aqui que há uma mensagem do sistema. Assim, podemos treinar nosso modelo de IA escrevendo o prompt do sistema. Então, como discutimos em alguns tipos básicos de prom, que são alguns tipos básicos de prom, que instruções rápidas do sistema de atribuição de funções, todas elas vêm apenas aqui Então isso é importante. Como você pode ver, existem vários modelos como ensaios de habilitação em tempo real Há novos modelos que estão sendo lançados A, modelos de assistência. Somente assistente, é específico. Se você deseja criar algum assistente específico, por exemplo, um assistente atendimento ao cliente ou um assistente de recomendação de produto ou um assistente saúde mental específico, ou mesmo se pudermos aceitar , é um nutricionista, um especialista em nutrição específica Você pode escolher o específico, você pode escrever as instruções do sistema aqui, então ele só funcionará. Conforme as instruções do sistema fornecidas aqui, você pode ver que você é um profissional de RH experiente em conduzir uma entrevista com base apenas no trabalho. Essa é a instrução do sistema, que é uma IA treinada para um propósito específico, ou seja, o trabalho de RH é como um ouvido, certo? Assim, podemos alterar todos esses parâmetros. Então eu vou dizer, quais são esses parâmetros, todas essas coisas. Agora, em apenas alguns segundos, certo? Portanto, se você fizer alguma pergunta aqui, ela funcionará apenas nas instruções do sistema. Não, esse modelo funciona apenas como um RH, não outras coisas, como o que o GPT faz Ok. Espero que você entenda, certo? Portanto, há alguns modelos de conversão de texto em fala também aqui no playground. Mesmo com isso, você pode interagir diretamente com a IA, por meio de conversão de texto em fala. Não, ele também tem algum modelo de conclusão, é o melhor. Antes disso, ele removerá ao abrir uma plataforma. Portanto, existem alguns modelos mais recentes, ou seja, o chat. Ok. Essa é a melhor porque, por exemplo, se você ver se usa HGPT, pode interagir com o modelo de linguagem que Mas você não pode criar um aplicativo pelo HGP para isso. Portanto, para que os desenvolvedores integrem o HGPT aos aplicativos do nosso site ou criem aplicativos do nosso site ou alguns aplicativos específicos usando IA, o A aberto é criar um Então, vamos escrever AI. De acordo com as instruções, iremos diretamente para a seção de código, copiaremos e integraremos em nosso site usando esse código. É simples. Eles têm alguns documentos para cada caso de uso, ou seja , como usar o GPT four oh e modelos e APIs para geração de tarefas, chamada de funções, todas essas coisas, existem vários documentos para cada finalidade Estamos analisando isso. Portanto, a APA faz referência ao playground do painel. Então eu tenho mais algumas informações, certo? Então, por enquanto, vemos apenas como usar esse playground para nossa habilidade imediata de engenharia ou para criar algum aplicativo específico para um caso de uso específico. Está bem? Então, primeiro, vamos explorar alguns parâmetros. Para aprender todas as opções sobre isso, você pode acessar a Internet e aprender com isso plataforma como o YouTube ou qualquer site on-line que você possa obter. Então, vamos ver aqui, isso é uma mensagem do sistema, certo? Então você tem que escrever a mensagem do sistema. Como discutimos anteriormente, alguns padrões de prompt, que eu expliquei, isso é apenas escrever o padrão do baile Escreva a solicitação como uma tarefa específica para realizar uma tarefa específica. Portanto, você pode dizer ao EI que faça essa tarefa somente nesse formato. A saída deve ter apenas esta aparência. Você pode tentar aqui qualquer coisa com base nos requisitos. Você pode escrever pelo seu texto em inglês no formato inglês. Depois disso, você pode escolher aqui. Até você pode fazer upload de uma imagem ou link para ela. Então, depois disso, você pode selecionar o usuário ou assistente. Ok. Portanto, ele mudará automaticamente de usuário ou assistente. Certo. É apenas como um hábito. Portanto, funciona apenas como um hábito em que a mensagem principal do sistema está resolvendo a consulta do usuário Isso é, se, por exemplo, parecer um bate-papo, isso significa que você dirá à mensagem do sistema para realizar apenas essa tarefa. Então, agora, quando o usuário faz alguma pergunta, o assistente dá a resposta. Por exemplo, vamos pegar ele. Vamos ver. Vamos dar uma olhada no usuário Ask a high. Em seguida, o assistente será gerado diretamente aqui. Funciona apenas como o HagiBT, se você o observar. Funciona apenas como um hábito. Não há nisso, diferença nisso. Quando volta ao assistente, assistência significa diferente. Isso é feito para o específico. Está bem? Isso é feito para o específico. Portanto, mesmo para criar algum aplicativo específico, você experimentará uma IA para uma experiência específica, médico com experiência em RH ou professor experiente em física como essa. Portanto, funcionará apenas como um sistema de RH. Então você pode começar a pergunta aqui. Vou gerar a pergunta do panda baseada em respostas que você faz, relacionada apenas ao RH Está bem? Nunca subirá ao trópico disso Ele nunca gerará a resposta das instruções do sistema. Ele seguirá apenas as instruções do sistema. Ok. No formato de bate-papo, você pode perguntar qualquer coisa, ele dará a resposta. L Cha GB sim. Mas se tentarmos um modelo de IA aqui para realizar apenas a tarefa específica, ele também funcionará apenas dessa forma, como a assistência funcionará. Mas, na assistência, obtemos um código específico ou uma estrutura específica para fazer isso apenas. Mas existe nesse bate-papo, nesse prompt do sistema de bate-papo, então há menos chances trabalhar como um assistente específico. Bem, vamos ver se nosso objetivo principal é ver quais são os diferentes parâmetros você tem no playground. Você pode ver os primeiros parâmetros que são o modelo, o modelo de linguagem. Assim, você pode usar qualquer modelo. Essa é uma versão avançada, e lembre-se de que, se você for novo nesta plataforma, após se inscrever, receberá créditos gratuitos de até $5, certo? Então, para isso, você pode testar e aprender usando todas essas plataformas. Então, se os créditos forem reduzidos a zero, você terá que comprar isso. Está bem? Portanto, para fins de teste ou de aprendizado, recomendo que você escolha o modelo mais baixo possível. Isso é GPD pen fat Turbo. É o suficiente para você, certo, é o custo do seu crédito. Depois disso, o formato da resposta, como sua resposta deve ser. Tem que ser. Isso é objeto ou texto JCN, vamos para o texto Está bem? As funções são do tipo avançado. Ok, primeiro aprenda a coisa mais simples aqui, configuração do modelo. Então, essa é a nossa principal novidade é a temperatura. Se você clicar aqui, ele mostrará algumas informações sobre a aleatoriedade dos controles de temperatura Se a redução resultar em menos conclusões aleatórias, medida que a temperatura se aproxima de zero, o modelo se tornará determinístico O que a temperatura diz isso? Então, por exemplo, vamos pegar aqui. Então, temperatura. Então, primeiro, escreva a mensagem do sistema Sims aqui. Por isso, escrevi que você é um assistente útil e sua tarefa é resolver os usuários diariamente Está bem? Então eu ajustei para a temperatura baixa, ou seja, 0,2, como discutimos anteriormente. Vou dizer a A que vou fazer uma pergunta para sugerir o melhor nome para minha cafeteria. Vamos executar isso. Em seguida, ele mostrará um pouco de *** para mim. Aqui estão algumas sugestões para restringir sua cafeteria, que é Brew Heaven, Java junctions well Se for um valor baixo, se eu mudar a temperatura para o máximo, isso é 1,51 0,3 Vamos ver o que acontece aqui. Vou simplesmente deletar isso. Vamos pegar apenas isso. País C, exclua isso e vamos ver isso. Eu mudo bem a temperatura para aquela. Então, se você ver aqui, há algo focado em um. Isso é café, céu ou D bless cave. Portanto, se você alterar esse valor de temperatura, a saída será alterada aqui. Se você observar aqui, se você atingir o máximo algum valor alto, a saída será, uh, resposta de foco, alguma resposta específica quando comparada à anterior, que tem algum valor de temperatura baixo, como esse. Ok. Espero que você entenda bem a temperatura. Portanto, você pode alterar de acordo com sua necessidade analisando a saída. Está bem? Próximo parâmetro, que é o máximo de tokens. Vamos ver o máximo de tokens aqui. 53. 5.6.2 Parâmetros do Playground do OpenAI Parte 2: Nosso próximo parâmetro é o máximo de tokens. Então, o que diz respeito ao máximo de tokens é que tokens significam quais tokens máximos. Os tokens são pedaços de texto que o modelo processa , incluindo palavras, pontuação e espaços Então, se você estiver usando o Chagpter em qualquer modelo de linguagem, verá a saída, a saída contém todas essas coisas, como palavras, aspas, vírgulas, Espaços também. Então, eles são chamados de token. Token significa que quatro caracteres são iguais a um token. Quatro caracteres equivalem a uma ficha. O caractere não é só letras, ele tem alguns espaços de pontuação também incluídos nisso, ok Ou uma palavra idiota de três por quatro como essa. Portanto, os limites dos tokens também dependem do modelo que selecionamos. Se você usar o modelo mais avançado, todos os tokens serão alterados. Por quê? Porque os modelos avançados são testados com mais dados. Nesse caso, a saída também muda, o que altera os valores do token. Ok, isso também depende da nossa seleção de modelos. Vamos ver, para entender melhor, a Open AI tem sua própria plataforma de tokenização, na qual podemos ver quantos tokens estão usando meu modelo de linguagem para gerar resultados Então, por exemplo, se eu pegar as informações acima e colar aqui. Então você pode ver aqui. Neste parágrafo, há 86 tokens. Então, basta entrar e pesquisar o tokenizer Open AI, você obterá a partir deste site Como você pode ver aqui, este parágrafo de informações tem 86 tokens e 435 caracteres Para entender melhor, você pode ver isso aqui, ABERTO, quatro caracteres são iguais a um token. Ok. Depois disso, AI, fast, também, e S. Esses quatro personagens equivalem a um token, desse tipo. A cor vermelha, tudo o que vem em um, um símbolo. Está bem? Se você adicionar isso, chegará a quase 86 tokens. Como eu disse, depende do modelo que selecionamos. Se você usar esse GPT 3.5 GPT quatro, esses dois são apenas de avanço máximo Se você for para o GPT três, isso mudará. Você pode ver aqui 88 tokens porque é do modelo básico quando comparado a esses dois modelos avançados. Depende do modelo que selecionamos. Você pode ver aqui, de acordo com isso, que podemos ajustar nossa produção para reduzir nosso custo de APA na IA aberta. Está bem? Para que você possa pesquisar on-line a melhor prática é reduzir o custo do AP de IA aberto. Você pode obter as informações de lá. Portanto, tudo gira em torno do máximo de tokens. Então, por exemplo, você pode alterar aqui o valor máximo de tokens. O que acontece aqui é que a saída estará somente nos tokens fornecidos. Se a minha for muito longa, se minha pergunta for pequena, mas a saída for muito longa, o que acontece aí? A saída será ajustada somente para esses tokens máximos especificados. a saída máxima exigirá 20 ou qualquer coisa que eu tenha especificado nos tokens máximos, apenas 17, 19 receberão minha saída. Então, com isso, podemos ajustar nosso custo de API, certo? Podemos definir uma meta ou ter ideia de quantos custos de APA sendo usados para gerar resultados, quantos tokens a IA está usando para gerar uma saída quantos tokens a IA está usando para gerar uma Com isso, podemos analisar nosso custo de APA em plataforma ao ar livre. É melhor otimizá-lo, certo? Se eu colocar um máximo de tokens de 400, 300, 200, assim, a saída será gerada usando apenas 200 tokens. Mesmo que seja um quotien longo, o quotien longo será, uh, convertido em duas Por que, definimos o máximo de tokens para 200 só assim. A saída está sob nosso controle, certo? Podemos controlar a saída, quanta saída deve ser gerada. Ok. Com isso, podemos facilmente ajustar nossos tokens máximos. Isso tem tudo a ver com o máximo de tokens. Você pode definir aqui, a partir de qualquer coisa aquele assistente específico que você está criando ou aquela IA específica, você está executando mais adiante. De acordo com nossos requisitos, você pode colocar aqui, você pode experimentar com tudo e cada um , o que satisfaz seu 54. 5.6.3 Parâmetros do Playground do OpenAI Parte 3: Topo. O que é o P superior, amostragem do núcleo Então, o topo P significa que ele controlará a resposta, ok? Ao considerar ou escolher a opção de tokens. Ao guardar fichas. No nível fundamental, ele gerará e controlará a saída. Essa é uma taxa máxima. Então você pode ver que há um intervalo de 0-1. Então, quando o definimos como um, o modelo considera todas as opções de palavras possíveis. Então, como isso pode ser explicado significa se sua saída tem algumas palavras. Ok, como eu disse anteriormente, o máximo de tokens, OK, quantos valores de token você decidiu gerar uma saída de todas as consultas nesses tokens específicos, então os tokens, a saída, que é necessária, a palavra Está bem? A seleção de palavras terá o valor P superior. Está bem? O valor P superior controla a palavra. Para gerar a saída para os tokens máximos especificados, você decidiu, espero que você entenda. OK. Por exemplo, se você ver quando definido como um, o modelo considera todas as opções de palavras possíveis. Valores mais baixos. Se você colocar 0,3 ou 0,214, o modelo focará nas primeiras palavras mais prováveis, reduzindo Certo, por exemplo, vamos para sim. Então, se eu continuar, vamos pegar, vou para um valor baixo, ou seja, 200. Então, vou pedir à IA que explique. Explique-me sobre a IA. Essa é a minha pergunta. Está bem? O que eu digo, eu apenas digo para gerar a saída em 269 tokens apenas Portanto, a resposta será 260 ou apenas toons. OK. Então eu vou escolher a temperatura. É um padrão básico. Então, vou dizer que o valor máximo deve ser um. Vamos dar uma olhada primeiro aqui. Portanto, ele gerará a saída em apenas 269 tokens. OK. Se eu aumentar o máximo de tokens, isso gerará a saída ainda mais do que isso, porque selecionamos os tokens, geramos a saída somente em 269 tokens Se você aumentar isso, a produção também aumentará. É endereço. Essas palavras são escolhidas pelo valor máximo. Essas palavras presentes na saída são controladas pelo valor P superior. Ok, espero que você entenda. Se eu mantivesse esta, você pode ver aqui, há palavras que a inteligência artificial é um ramo da ciência da computação que se concentra na criação de missões inteligentes, certo? Se eu diminuir o valor superior de P, isso gerará essa aleatoriedade. Sim, por exemplo, se eu pegar 0,30 0,2, será baixo. Agora vou fazer essa pergunta novamente. Explique-me sobre AI, C. Você pode ver aqui o limite máximo de tokens atingido e a resposta foi encerrada A IA está procurando gerar mais direitos. A IA está procurando gerar mais resultados para isso. Mas o que temos é que definimos o máximo de tokens para apenas 269. É por isso que a IA está dizendo que limite máximo de tokens atingido e a resposta foi encerrada há uma resposta depois disso, mas a razão pela qual os tokens máximos foram atingidos será atingido. É por isso que o máximo de tokens a serem guardados deve ser decidido com base em cada requisito. Está bem? Com base no aplicativo Opera, você está procurando construir. Você tem que se concentrar na saída primeiro, ok? Só então, você precisa decidir o máximo de tokens. Caso contrário, a despesa do usuário pode ser perturbada. OK. Volte ao valor V superior. Quando decidi o valor máximo de V para aquele, você pode ver a saída aqui. Existe uma boa, muito específica, certo ? O controle é bom. O controle de palavras está dentro do limite máximo de tokens que decidimos para 69. Mas quando eu diminuo o valor máximo de V para o valor mais baixo, ele sai do máximo de tokens. É por isso que aqui eu simplesmente não paro aqui, quando comparado com o anterior. Aqui, se eu mantiver o valor máximo de V no máximo, o valor máximo de V superior controlará quem será a saída, certo, nos tokens máximos especificados. Essa é uma seleção de palavras. A seleção perfeita de palavras será feita aqui. Quando comparado a isso, estou gerando as palavras aleatórias, que vão, que alcançam. Atingir o máximo de tokens significa que há mais informações aqui. Há mais saída aqui depois disso, mas ela vai parar aqui. Por que decidimos estender somente os tokens. Quando comparado ao anterior, também há dois e dezesseis tokens, mas o valor V superior é o máximo, no qual o valor V superior controla toda a saída de palavras específicas Mas quando os valores superiores de V diminuem para valores baixos, a saída é gerada pela aleatoriedade na qual a saída está aumentando, até mesmo os tokens máximos são especificados É por isso que a IA é apenas uma mensagem de erro que é o máximo de tokens, limite de alcance. Ora, não há como escolher as palavras de forma eficaz. É por isso que manter melhor o valor V superior no número mais alto pode nos ajudar a gerar uma melhor saída dentro dos tokens máximos especificados. Então, espero que você entenda esse valor máximo de P. OK. Espero que você entenda. Vamos ver outro parâmetro. 55. 5.6.4 Parâmetros do Playground do OpenAI Parte 4: Isso é penalidade de frequência. Qual é a penalidade de frequência? A penalidade de frequência desencoraja o modelo de repetir as mesmas palavras muita frequência em uma resposta intervalo de zero a dois valores mais altos reduz a repetição da Então, vamos ver. O que significa uma penalidade de frequência? Aqui, a saída às vezes contém algumas palavras ou inteligência artificial repetitiva pode ser escrita duas ou três vezes sempre que necessário na saída Ok, não há nada de errado nisso. Está bem? Não há necessidade de alterar a penalidade de frequência e a penalidade atual. Mas se você quiser alterar sua saída de acordo com seus requisitos, não repita a mesma palavra repetidamente. Em alguns aplicativos, você precisa fazer isso. Ok, você pode mudar aqui. Quanto maior o valor, se você colocar esse valor mais alto, a repetição se você colocar o valor mais alto, a repetição de palavras será reduzida OK. Espero que você entenda. Então eu recomendei não fazer isso porque às vezes a palavra, algo como TH ou alguns erros gramaticais que também chamavam uma OK. Se você colocar esse valor de penalidade frequente em um nível mais alto, a intenção de saída ou a formação gramatical ou de frase da saída podem ser alteradas, que pode aumentar toda a Por isso, eu recomendei nunca usar uma penalidade de frequência. Se sua saída estiver gerando informações repetitivas, você poderá usá-las de acordo com sua necessidade alterando todo esse parâmetro de penalidade de frequência Vamos ver outro parâmetro que temos que é a penalidade de presença. Presença insignificante significa que incentivará o modelo a introduzir novos conceitos que ainda não foram mencionados no texto Por exemplo, presença penal, presença significa que introduzirá mais alguns conceitos novos Conceitos significa que você não fornece um resumo, informação ou conceito específico na mensagem do sistema para fazer isso. Portanto, se o usuário fizer uma pergunta que não esteja relacionada à sua tarefa. Então, se você colocar isso, é zero não. Se você colocar isso, o quotien do usuário não está relacionado à mensagem do sistema, então o EI gerará a resposta para essa Isso é uma penalidade de presença, mas não precisamos disso. Estamos fazendo para o específico. Estamos criando o aplicativo específico aqui. Por isso, não aumentamos essa penalidade de presença. Se você estiver criando um aplicativo EI como o HgPthB, que pode resolver qualquer coisa, gerar qualquer coisa com base nos requisitos do usuário, você pode escolher a penalidade de presença Você pode ver aqui. Primeiro, basta clicar aqui, ele mostrará as informações sobre a penalidade de presença. Então isso é, o. Então vamos ver como a sequência de parada funciona. Esses parâmetros são usados para interromper a saída por um determinado momento. Por exemplo, se você pegar, eu pego uma consulta simples que gera três dicas de produtividade como uma solicitação aqui. Portanto, isso gerará cerca de três dicas de predatividade aqui. Você pode ver aqui. Então, se eu quiser parar apenas nas segundas dicas, não gosto de gerar a terceira. Por isso, o que posso dizer à IA em vez de escrever aqui, vou apenas escrever aqui para a IA para interromper a saída apenas no terceiro ponto. Para isso, escreverei aqui o terceiro. E se isso acontecer, nunca gerará a terceira produtividade. Vamos ver um exemplo aqui novamente. Portanto, você pode ver que isso gerará apenas duas dicas de produtividade, mesmo que eu peça à IA que gere três dicas de produtividade. Ok, isso é tudo sobre sequência de parada. OK. Se eu pegar aqui, número dois, OK, adicione dois. Portanto, ele gerará apenas uma dica de produtividade, você pode ver aqui. Essa é uma delas. Isso tem tudo a ver com a sequência de parada , na qual diremos à IA que pare em um ponto específico. Isso é tudo sobre todos os parâmetros do EI aberto. Para se aprofundar mais nesses parâmetros, você pode experimentar esse playground escrevendo os proms, verificando a saída, analisando-a, todas essas coisas Está bem? Tudo isso tem a ver com os parâmetros de prompt que temos. 56. 6.1 O futuro da engenharia de prompt: Olá, pessoal. Bem-vindo a este módulo. Portanto, se você acompanhou todos os módulos anteriores e praticou bem o que expliquei , parabenizo por aprender a melhor e perfeita engenharia rápida para obter algumas oportunidades como engenheiro rápido Então, até agora, aprendemos algumas habilidades, algumas técnicas, as técnicas rápidas e todos os tópicos relacionados à engenharia rápida. Agora veremos quais são as tendências futuras da engenharia rápida e quais são as diferentes oportunidades que você pode fazer como engenheiro rápido. OK. E também exploraremos neste modelo que é o GNAI Está bem? É uma área avançada na qual tudo bem. Se você está interessado neste GA, você pode buscar a habilidade imediata de engenharia. Como engenheiro rápido, você deve saber o que é o GAI. OK. Então, é bem fácil. OK. Mas você também precisa aprender algumas habilidades técnicas. Exploraremos todas essas coisas que estão por vir em alguns minutos. Está bem? Também exploraremos qual é sua função principal como engenheiro rápido na equipe da Geração AI. Está bem? Nesse caso, a maioria das empresas contratará, como engenheiro rápido, duas maneiras, ok? Como engenheiro rápido para habilidades específicas ou com habilidades em GNAI. Ok, espero que você entenda. Portanto, as empresas contratarão especialistas da Geração AI , nos quais a engenharia rápida faz parte da habilidade. Mas com a engenharia rápida, você precisa ter algumas habilidades extras, que são habilidades de codificação e outras habilidades técnicas, ok? Vamos mergulhar e mergulhar nesse modelo em detalhes. Vamos ver primeiro qual é o futuro da engenharia rápida. Então, como eu disse, a IA agora está se tornando mais avançada e se espalhará por todo o mundo no futuro próximo, certo? Então, quais são algumas tendências emergentes como engenheiro rápido, você deve saber. OK. Podemos ver que existem três tipos de modelos por aí. Como, vamos ver, com a engenharia rápida, você pode fazer. Então, multimodelos Quais são os modelos múltiplos que você pode ver aqui Os sistemas de IA estão indo além do texto para Os modelos múltiplos significam que se você usa o Gemini, na seção de bate-papo, você pode fazer upload de imagens, certo Você pode fazer upload de qualquer documento e, ao mesmo tempo, escrever um texto, até mesmo adicionar seus vs. So , todos chamados de modelos múltiplos Até mesmo o Char GPT tem até mesmo todos os modelos de linguagem seus próprios modelos múltiplos Como o sistema de IA receberá todas as informações de um usuário, como base de imagem baseada em texto, base voz ou baseada em documentos, todas essas coisas estão sob o modelo de linguagem multimodelo, certo, LLMs Então você pode ver agora qual é o papel dessa engenharia rápida? Portanto, a engenharia rápida envolverá em breve a criação de insumos para esses meios OK. Portanto, se você observar , o módulo de linguagem gerará uma saída com base na entrada Então, o que acontece aqui é que você tem que escrever, você tem que treinar IA. Então, é como escrever a entrada e, ao mesmo tempo, a aparência da saída com base na entrada. Portanto, você precisa treinar o modelo de IA com base em sua habilidade de redação rápida e também na produção. Ok, saída. Você tem que escrever os dois, certo? Os modelos múltiplos são muito importantes e, no futuro próximo, seus multimodelos precisarão de mais, seus multimodelos precisarão Portanto, também é uma tendência emergente agora e até mesmo no futuro. Então, qual é o próximo tipo de tendências emergentes que temos? Esses são modelos finos. Então, quais são os modelos de ajuste fino? Então, qual é a diferença entre multimodelo e ajuste fino Multimodel significa como ChagptGemni porque esse É treinado com muitos dados. Portanto, ele fornecerá saída para cada quociente, não uma específica, certo Você pode pedir qualquer coisa para ter GB. Vou gerar a resposta como aquela nuvem de dados perplexos. Mesmo se você pegar qualquer módulo de linguagem, certo, ele gerará uma resposta ou fornecerá saída para qualquer quotien que seja para todos os fins É chamado de modelos multimodelo. Mas quando se trata de modelos de ajuste fino, esses são específicos. Como engenharia rápida, aprenderemos . Nós já aprendemos. Modelos Fine Tune, o que fazemos. Portanto, existem algumas empresas. A empresa tem seus próprios dados, certo? Então, se a empresa quiser, por exemplo, se a empresa quiser integrar o EI em seu fluxo de trabalho para seus funcionários aumentem a melhorar a eficiência no trabalho, o que eles farão, eles usarão alguns modelos básicos que as empresas de IA fornecem. se você usar o Open EI, eles fornecerão o modelo BERT, modelo GPT três, no qual podemos ajustar nossos dados Ok, com nossos próprios dados. Se você considerar, por exemplo, se sim ou não, a empresa está procurando criar seu próprio quadro de bate-papo para os empregadores da empresa melhorem a eficiência ou orientem algo sobre treinamento para treinar também os funcionários. Isso é básico. Abra nossos requisitos, certo? Então, para isso, a IA tem seus próprios dados, ok, dados personalizados próprios. Então, com esses dados, eles tentarão um modelo básico, como você pode usar o modelo BERT GPT três Eles tentarão esse modelo básico com os dados que a empresa possui. Com esses modelos, chamamos os modelos de ajuste fino. Está bem? Isso é chamado de modelos de ajuste fino. É tudo uma questão de ajuste fino. Você pode ver aqui que as empresas estão testando modelos personalizados para um setor específico, exigindo instruções personalizadas para o sistema especializado Portanto, enquanto ajustam os modelos, eles não sabem como reagir eles não sabem como gerar saída com base na entrada. Para isso, o que faremos é treinar dados para IA escrevendo as instruções. Está bem? Como treinaremos o modelo de IA, basta escrever as instruções. Ok, como vai funcionar, por exemplo, se você acessar qualquer site, há algo como um chatbot no lado esquerdo, direito, inferior, no qual você pode clicar lá e fazer alguma pergunta sobre o negócio Ele vai dar a resposta, certo? Tudo gira em torno de uma IA que está fazendo no back-end, desse jeito. Então, por exemplo, esses modelos de ajuste fino são usados para consultas dos clientes engulam as consultas dos clientes 24 Então, o que eles experimentarão com seu próprio modelo de IA, todos os preços, todas as perguntas frequentes do modelo business to AI, no qual a IA aprenderá com nossos dados comerciais OK. Com isso, o que acontece quando o usuário faz uma pergunta? Ok, o seroton está pronto aqui. Está bem? Vamos pegar isso. O usuário está pronto. Quando o usuário faz uma pergunta, a IA verifica os próprios dados. Ok, os dados da empresa darão a resposta com base em dados por hora. OK. No momento do treinamento, usamos modelos de IA, como modelos de ajuste fino como BERT, GPT three Então, o que acontece aqui? Então, para gerar uma resposta. Ok, para gerar uma resposta, o que o modelo precisa solicitar? Essa solicitação precisa ser escrita pelos engenheiros da solicitação. Espero que você entenda. Portanto, para testar um modelo de IA, precisamos de alguns engenheiros rápidos que possam escrever a melhor solicitação para ajustar modelos simples e de baixo custo OK. Assim, você pode se aprofundar nisso pesquisando on-line no YouTube. Daremos a eles mais conhecimento sobre esses modelos de ajuste fino. OK. Espero que você entenda. Esses são os dois tipos de modelos diferentes que você verá que se resumem a fazer por exemplo, como Cha JBT Gemini Isso pode ser usar algumas empresas específicas para experimentar modelos de IA para melhorar a carreira de seus clientes ou qualquer outra coisa. Para aplicação específica. Então, por exemplo, você pode ver qualquer empresa específica, você pode ir lá em um futuro próximo. Cada empresa usará IA em seus fluxos de trabalho, fornecendo o quadro de bate-papo no qual a IA fornecerá as consultas dos clientes com base nos dados da empresa Ok, 24 por sete. OK. Esses são os modelos de ajuste fino. OK. E outra oportunidade, temos tendências emergentes, que é a integração com a automação. Então, como eu disse, criando painéis de bate-papo com IA. Ok, os fóruns de bate-papo com IA significam como o HAGBTH, darão a resposta para Mas quando comparados à integração com a automação, podemos criar um quadro de bate-papo, ok, que lida com todas as consultas dos usuários, mas podemos integrar com a automação Assim como temos o Zap, temos alguns make.com. Ok, eles têm algumas ferramentas, ferramentas de automação que podemos usar. Para automatizar a tarefa repetitiva. Ok, reservando o se, por exemplo, ****, eu tenha acessado um site, Ok, seja , vamos pegar o relator de saúde Então eu fui ao site. Outrora um site médico, existe um bot de bate-papo. Vou fazer minha pergunta, meu problema eu tenho. Por exemplo, eu tenho mais dor de estômago. Então, isso dará alguma resposta. Isso dará alguma sugestão. Ok, esse chatbot vai dar. OK. Vou aceitar a sugestão primeiro. Portanto, também sugerirá alguns comprimidos relacionados ao meu estômago. Ok, eu vou levar. Se isso não me ajudar, então vou marcar uma reunião com o médico. Somente no chatbot. O que aconteceu lá, o chatbot vai aparecer, ok? O chatbot mostrará algum sistema de agendamento, como quando você estiver disponível para se encontrar com outro médico, tudo será feito pela própria EI OK. Com o quadro de bate-papo, o usuário, simples, receberá a resposta de mim. Isso exigirá ferramentas de automação. Isso acionará as ferramentas de automação que conectamos por meio de ferramentas de automação como zaperm.com, nas quais a reunião é agendada automaticamente Você pode fazer qualquer coisa como o Zoom ou pode fazer um encontro do Google Ele cria automaticamente uma data, reunião criativa com uma data específica e específica para uma data específica. Ok, espero que você entenda. Este é um Zapier and make. Essa é uma integração com a automação, como ela ajuda. Então, onde a solicitação acontece aqui. Ao criar um fórum de bate-papo, se você estiver entrando no lado técnico, precisará escrever as instruções, ok? Eles veem o bate-papo , mas também a IA, certo? Então, para dizer à IA quando fazer, você precisa escrever o prompt. Assim, quando há uma engenharia rápida, é necessária. Está bem? Então, exigimos isso também. Portanto, há muitas oportunidades em que há IA O engenheiro rápido deve estar presente para experimentar um modelo específico de IA de forma eficaz. É por isso que a engenharia rápida é melhor e melhor carreira se você aprender agora da maneira perfeita e eficaz. Está bem? Então, podemos usar alguns, até mesmo você pode usar ferramentas loco Isso significa que, sem escrever uma única linha de código, com uma função dragon drop, tudo bem, você pode criar um jab boot para si mesmo Portanto, existem muitas ferramentas disponíveis on-line que você pode pesquisar e aprender sobre automação. Está bem? A automação é a melhor habilidade no futuro próximo para automatizar o trabalho repetitivo da empresa Ok, usando zaperm.com e criando um chatbod Então, espero que essas habilidades também sejam muito importantes. Como engenheiro rápido, você deve aprender. OK. Digamos outro. Vamos ver como se manter atualizado nesse campo. Como engenheira rápida, C, IA está mudando ano a ano, dia após dia, porque está aprendendo com nossos dados. Está bem? Vai avançar, certo? Portanto, como engenheiro rápido, você deve saber como o linguagem de modelo mais recente está funcionando. Ok, como existem ferramentas ou ferramentas inventadas no mercado atualmente, o que pode ajudar a se tornar o melhor engenheiro rápido. Você também precisa se conectar com outros engenheiros rápidos para aprender com suas técnicas partir de aprendizados como esse Para isso, o que você pode fazer é desperdiçar um é se manter adaptável. Adaptável significa que você pode experimentar os novos modelos e ferramentas Nunca defina seus limites para isso até este curso. Está bem? Portanto, minhas técnicas de alerta que expliquei anteriormente podem ter padrões de alerta mais avançados que eu não conheço. Está bem? Portanto, até mesmo as novas técnicas imediatas também podem surgir em um futuro próximo, certo? Para isso, como engenheiro rápido, você deve estar atualizado com esses padrões de alerta. Para o que você pode fazer, você pode se juntar diretamente à comunidade das empresas, empresas IA como Open AI, Google Gemini, certo, Cloud Eles têm alguma comunidade. Mesmo que você possa pesquisar on-line nas mídias sociais como Instagram, Twitter, Facebook, você pode participar de grupos comunitários como o Open AI, pesquisar e participar dessas comunidades. Está bem? É uma coisa simples, certo? Você pode ver aqui, seguir comunidades A, interagir com fóruns, trabalhos de pesquisa e atualizações de empresas como Open A, Google Deep Mind. É a melhor maneira de se atualizar com esse campo, engenharia rápida, ok? Então, outra coisa é manter a adaptabilidade. Experimente novas ferramentas, modelos com seus padrões de alerta para uma ferramenta específica, e tudo gira em torno de como você está interagindo com a IA, certo? Portanto, essa habilidade pode ser desenvolvida praticando apenas experimentando coisas novas Só então você pode se tornar o melhor engenheiro rápido. OK. Por último, esse é o terceiro ponto que é continuar aprendendo. Portanto, essa engenharia rápida não é um assunto específico definido, certo? Então, ele vai crescer. Está bem? Ela vai crescer. Por quê? A IA está crescendo, a engenharia rápida deve crescer. Não é um limite. A IA não é um assunto limite. A IA é sempre infinita. Então, assim, a engenharia rápida também crescerá dia a dia com novos modelos lançados no mercado com diferentes técnicas, padrões rápidos como esses, você tem que continuar aprendendo isso. Só então você pode se manter atualizado nesse campo. Espero que você entenda esse tópico. Vamos ver quais são algumas oportunidades imediatas de engenharia? 57. 6.2.1 Oportunidades de engenharia rápida: Bem-vindos de volta aos palestrantes. Quais são algumas oportunidades rápidas de engenharia disponíveis no mercado? Como eu disse, há uma demanda por engenheiros rápidos no futuro e agora. No momento, está aumentando um pouco a demanda por engenheiros rápidos. Então, no início ou antes de dois a três meses, vi que há um aumento nos empregos imediatos de engenharia, certo. Então, no campo do marketing educacional, ok, eu vi que são necessários muitos trabalhos imediatos de engenharia nessas três plataformas, como educação, marketing, entretenimento, direito para histórias, escrita assim, mas sem limitação. Mas, em um futuro próximo, a IA se espalhará por todo o mundo. Isso significa que a IA é usada por todos os setores porque é um sistema rápido e confiável no qual podemos fazer as coisas com muita rapidez Está bem? Então, podemos fazer qualquer coisa que seja muito automática para isso. Então, a maior parte da educação, se você considerar qualquer setor que seja educação, saúde, marketing, eles precisam do conteúdo o mais rápido possível para melhorar seus serviços, ok? Assim. Portanto, há uma demanda crescente por engenheiros rápidos em todos os setores, certo? Então você pode ver, como eu disse, que existem aplicações de engenharia rápida nas quais veremos educação, saúde e marketing em todos os setores. Ok, no prompt em que a IA é usada, eles precisam ser engenheiros rápidos. A empresa precisa de um engenheiro rápido para gerenciar o LLM, para obter o conteúdo, melhor conteúdo da IA Para isso, é necessário um engenheiro rápido. Onde os AIs LLMs são usados, é necessário um engenheiro rápido Espero que você entenda essa parte. Em todos os setores, o EIS fará parte de seu sistema na qual os engenheiros rápidos também se destacam. Está bem? Então, ao aprender essa habilidade, ela pode fornecer uma habilidade preparada para o futuro. Vamos ver, essas são as aplicações que vimos. Há uma demanda crescente por engenheiros rápidos na indústria do Reino Unido. Além disso, existem outras indústrias que desejam contratar engenheiros rápidos. É tudo uma questão de encontrar empregos on-line, tudo isso. Veremos mais tarde. Vamos ver quais são as crescentes demandas. OK. Então, a melhor dica é que, se você aprender a engenharia rápida, na verdade, se você está agora, você escreve a solicitação para qualquer cenário e tem a capacidade de obter o melhor resultado da IA. Então, para se destacar da concorrência de engenheiros rápidos, você precisa ser tão específico quanto específico, certo? Então, por exemplo, se eu sou uma indústria de marketing, estou procurando um engenheiro rápido, vou entrar no mercado. Vou ver os melhores engenheiros rápidos em todo o mundo. O que acontece aqui se o engenheiro de solicitações puder escrever as instruções para cada setor Mas há uma pessoa que tem conhecimento específico sobre marketing ao escrever apenas as instruções de marketing Vou contratar essa pessoa como uma indústria de marketing. Vou contratar aquela pessoa que tenha experiência em escrever os bailes apenas para fins de marketing Em vez de ser o engenheiro rápido, que pode escrever os bailes de formatura para qualquer coisa É por isso que estou recomendando você. Se você está bem escrito, se você tem a capacidade de escrever qualquer solicitação para qualquer cenário de maneira eficaz, o que você precisa fazer sempre obter experiência em uma área específica. Você pode ir para fins educacionais, você pode ir apenas para a área de saúde, você pode ir para o marketing, fazer o marketing. Por exemplo, se você estuda marketing, aprenda os fundamentos. Depois disso, existem tantos tipos de marketing que existem marketing digital, marketing offline, marketing na Internet. Há tantas coisas. Portanto, tente escrever as melhores instruções para o propósito específico, como gerar uma cópia impressa gerando criação de conteúdo, marketing por e-mail, e-mail frio Assim, eles têm algum tópico específico no marketing. Portanto, tente criar a solicitação, escreva as instruções para um setor específico que você possa obter experiência nessa área Ok, como qualquer setor contratará um engenheiro rápido, eles verão, ok, essa pessoa tem, por exemplo, se o setor de marketing precisa de um engenheiro rápido, em vez de ir até o engenheiro rápido que pode escrever a solicitação para qualquer coisa, em vez de escolher aquela pessoa, então esse setor de marketing contratará aquela pessoa que tem o conhecimento específico sobre como escrever as instruções de marketing Espero que você entenda esse ponto. Portanto, funcionará em qualquer lugar. Se você estiver procurando fornecer um serviço de freelancer procurando fornecer um serviço de freelancer ou se quiser conseguir o emprego, maneira específica, você pode ir, podemos crescer e você pode obter o máximo de experiência possível Eu entendo. Espero que você entenda esse tópico porque, onde a IA é usada, você tem uma oportunidade imediata de engenharia. O principal problema é que você precisa desenvolver conhecimentos específicos em uma área específica na qual possa crescer e causar o melhor impacto nesse mercado. Estes são alguns exemplos que usei das indústrias que tenho. Até você pode começar a programar, se tiver conhecimento de codificação sobre isso Até você pode ir para outras indústrias. Há muito mais que você pode pesquisar on-line. 58. 6.2.2 Oportunidades de carreira na engenharia de prompt: A seguir, veja, quais são as oportunidades de carreira em engenharia rápida? Como eu disse, como engenheiro rápido, eu o coloquei em muitas funções como engenheiro rápido. Eu listei alguns deles, que são comuns na era do EIS. Portanto, não há outras funções, mas como engenheiro rápido, isso exigirá a maior parte do trabalho como engenheiro rápido aqui. Você pode se tornar um engenheiro rápido que está escrevendo o prompt para qualquer área ou setor específico, como eu disse antes de alguns segundos, certo? Portanto, este é um engenheiro de emergência. Outra função profissional é designer de IA conversacional, ou seja, instrutor de IA Então, o que é, na verdade, designer de IA conversacional e um treinador de IA Como eu disse, isso é um ajuste fino. Ajuste fino. No qual testaremos um modelo de IA com base em nossos dados personalizados. Dados personalizados significam treinar dados de IA para aplicações específicas. Por exemplo, se você deseja criar um chatbot como o hA GPT, para resolução matemática, resolução matemática total Quando o usuário solicita uma cotação matemática, eu gerarei automaticamente a solução para ela, como o AGP two. Mas, de maneira específica, nesses casos, você criará designer de IA conversacional Isso significa que você precisa escrever o prompt e, em seguida, escrever a resposta. Pois essa solicitação significa que, se você escrever a solicitação, a IA aprenderá com o problema. Essa é uma solicitação, e você também deve fornecer uma resposta para essa solicitação, como a resposta deve ser exibida para esse tipo de solicitação. Aqui você está treinando a IA com ambas as opções conversacionais. designer de IA conversacional significa que você precisa escrever a solicitação e também fornecer a resposta para a solicitação na qual você treinará a IA, chamada de instrutor de IA ou tutor de IA Mas, como designer de IA conversacional, como eu disse, esse treinador de IA é a conversa que os designers de ar sentem falta de criar um chatboard como um GPT em um domínio Você precisa ter as duas habilidades que são muitas e importantes. Isso é inglês avançado, segundo é a especialização específica em qualquer assunto. Como eu disse, você está treinando o modelo de IA na área específica. Então você tem o bom conhecimento. Você tem alguma experiência nesse conhecimento específico. Você está treinando a IA para fornecer a solução precisa. Para isso, você tem a experiência nesse assunto específico. Você pode criar uma solicitação e uma resposta para isso com sua experiência nesse conhecimento específico. O que é inglês avançado? Qualquer chatboard que você pegar, eles serão gerados em inglês Ele será gerado em todos os outros idiomas regionais, exceto no idioma global, o que isso significa inglês. A IA é treinada em inglês. Por exemplo, se você não é bom em escrever em inglês, vamos ver que a IA aprenderá apenas dessa forma, o que significa que você comete muitos erros. Se seu inglês não for bom, a IA aprenderá esses erros. Em última análise, ele gerará a saída com erros nessa saída por causa de alguns erros gramaticais, formação de frases, tudo isso porque você tende dados de maneira errada em formações de frases erradas com erros gramaticais, Além disso, as empresas que dirigem a agência ou outras empresas que testam um modelo de IA contratam engenheiros prontos verão essas duas coisas ter experiência em assuntos específicos e redação avançada em inglês. Para o idioma regional, eles também veem, por exemplo, se você é espanhol, se o chatbot está treinando no idioma espanhol, eles verão a habilidade avançada específica no idioma espanhol, tanto escrita quanto falada Com conhecimento específico. Está bem? idioma e o conhecimento específico são importantes para se tornar instrutor de IA ou designer de IA conversacional Ok, para criar bots de bate-papo como o Hagibt para um específico. Ok. Espero que você entenda que este é um treinador de IA Portanto, essa é uma oportunidade de carreira como engenheiro rápido. Veja, este é um engenheiro rápido significa que você escreverá o prompt. Você escreverá o prompt. Em um modelo já treinado. Por exemplo, o encarregado já está treinado, com muitas solicitações e respostas dos próprios engenheiros de prontidão da empresa Como engenheiro rápido, você escreverá a melhor solicitação para os modelos de IA para obter a melhor saída, chamada de engenheiro rápido. No designer de IA conversacional, IA, instrutor de IA ou tutor de IA, você escreverá o módulo de IA de solicitação e resposta, como módulo de IA de solicitação e resposta, como HagiBTF, o específico ou até mesmo para outro momento su Depende dos requisitos. Ok, exigência do cliente. Ok. Espero que você entenda essas duas coisas. Desenvolvedor de chatbots de IA. Então, tudo se resume apenas a isso. Mas, como eu disse, existe uma automação, integração de automação. Aqui, desenvolvedor do chat board, o que acontece aqui. Então você vai usar, existem duas maneiras de criar um chatbot. Está bem? Até você pode pegar qualquer estrutura, lang chain, tudo bem. Caso contrário, você pode usar algumas ferramentas não codificadas nas quais você precisa arrastar e soltar, conectar os pontos Oh, crie um fluxo de conversação. Há duas maneiras. Mesmo que você possa usar suas habilidades de codificação, você precisa aprender um pouco técnico Mas se você não tem uma habilidade de codificação, pode optar por uma segunda via não usar ferramentas de código nas quais você precise arrastar e soltar, conectar, criar um fluxo de conversação e integrar o sistema de IA a ele sem escrever uma única linha de Portanto, existem muitas ferramentas no mercado. Você pode encontrá-lo, aprender e criar um desenvolvedor de AI Chartboo Você pode se tornar um desenvolvedor com a habilidade de engenharia imediata. Ok, espero que você entenda. Então, a segunda é que é especialista em conteúdo de IA. Portanto, qualquer modelo de linguagem que você possa usar com o JIT Cloud, eles podem gerar a melhor saída para o conteúdo de qualquer criação de conteúdo Mas o que acontece aqui? Então, o conteúdo tem , mas há algo que não é envolvente, certo? Então, como humano, você precisa editar esse conteúdo, conteúdo de IA. Ok, você precisa, por exemplo, ver que o Google é um mecanismo de busca, certo? Portanto, existem algumas políticas. Portanto, você não pode classificar o conteúdo protegido por direitos autorais ou de IA no topo das páginas de pesquisa Para isso, o que você precisa fazer é ignorar a passagem das ferramentas, ignorar as ferramentas para que seu conteúdo não seja gerado Para isso, o que você precisa fazer como especialista em conteúdo de IA escrever o prompt para gerar o conteúdo para um conteúdo específico , revisá-lo e torná-lo como escrito por mulheres Tudo bem para ignorar as ferramentas de detecção de conteúdo de IA. Só então você pode escrever o melhor artigo para classificado nas principais páginas de pesquisa do Google. Ok, espero que você entenda. Como especialista em conteúdo, você precisa gerar o conteúdo. Você precisa revisá-lo e criar esse conteúdo escrito por humanos Depois, você pode se tornar especialista em conteúdo de IA. Está bem? Isso é tudo sobre especialista em conteúdo de IA. Esse é o nosso principal, que é o avanço, ou seja, o consultor Gen AI O que é consultor Gen AI? Gen AI significa modelos generativos de IA. Exemplos são HGPTGemni. Todos eles estão sob esse GEI. Ok, a geração AI significa criar um quadro de bate-papo específico ou um aplicativo específico para as empresas ou para casos de uso específicos, certo, sozinho. Portanto, o GEI tem mais conjuntos de habilidades, precisa de mais habilidades para se tornar um consultor de GI Então, vamos explorar tudo sobre GI em alguns minutos. Então, vamos ver aqui. Então, tudo bem, temos algumas funções profissionais que aprendemos aqui. Então, o que o engenheiro rápido pode fazer. 59. 6.2.3 Como encontrar empregos e sites de freelancers para engenharia rápida: Então, onde podemos encontrar esses empregos ou todas essas coisas. Assim, você pode se tornar um freelancer ou obter oportunidades de emprego Está bem? Muitas empresas terceirizam a criação imediata para projetos específicos Aprendemos todas essas coisas. Então, por exemplo, freelancers e oportunidades de emprego Então eu vou mostrar. Então, basta acessar a Internet e ver alguns sites de freelancers Pesquisa direta no Google. Ele mostrará alguns sites de freelancers diretamente para você. CNC the fiber freelancer, guru.com, PeoplePerHour, Upwork top tell B Então, há muitos, certo. Então eu recomendo que você demita, freelancers guru.com, Toptal, Upwork people per hour Então, essas são as melhores . Essas empresas estão fazendo o melhor mercado no momento. Então, eu recomendo que você se concentre no LinkedIn. Este é o principal no momento, e os cinco freelancers, você pode fazer com os sites de freelancers Mas para trabalhar como freelancer, fazer consultoria e encontrar empregos, você pode usar o e encontrar empregos, você pode usar o LinkedIn Isso é suficiente para você, porque o LinkedIn agora nosso RH e empresas estão contratando qualquer candidato por meio do LinkedIn apenas porque o LinkedIn tem ótimos recursos, como publicar sua experiência e o link do seu portfólio, todas essas Está bem? Então você pode ir ao YouTube, aprender a otimização do perfil do LinkedIn, e você pode ir até a fibra ver os shows que estão por aí, Assim, você pode ir e ver os shows ou quais são os shows que o cliente está Você pode configurar a engenharia imediata, certo? Você pode ir até a febre. um perfil de engenheiro rápido, mas escolha uma área específica, como engenheiro rápido de marketing pois será o padrão da concorrência. Que você pode obter os projetos muito rapidamente. OK. Assim. Trabalhando como freelancer. Basta acessar o YouTube e aprender como criar o melhor perfil em cada um desses sites de freelancers, que é freelancer five orgo.com, Upwork e LinkIn A. É a melhor plataforma para se conectar a empresas e clientes para você Está bem? Você pode encontrar oportunidades de emprego e oportunidades de emprego Está bem? Como eu disse, essa engenharia rápida não é limitada. Se você aprender, se mantiver o interesse e o foco, essa habilidade pode abrir sua mente. Está bem? Essa habilidade mudará sua maneira de pensar. Isso criará mais oportunidades não apenas como freelancer e emprego, você pode se tornar um empreendedor, criando algum aplicativo para uma área específica ou construindo resolvendo um problema específico que as mulheres estão enfrentando no momento O mercado está procurando por uma solução específica que você possa resolver por meio da IA. Assim, você pode criar algumas ferramentas poderosas de IA, aplicativos, aplicativos web, aplicativos Android e aplicativos IOS como esses usando engenharia imediata e IA generativa Portanto, além do generativo que você pode usar, como eu disse, existem ferramentas de baixo código nas quais você pode criar seus próprios aplicativos sem escrever uma única linha de código Ok, você precisa ter uma ideia simples de aplicativo. Use a engenharia rápida de IA, treine a IA com sua habilidade de redação rápida , o que você precisa fazer, o que você precisa resolver quando precisa resolver dessa forma. Escreva suas instruções, obtenha a chave da API em open A. Até você pode usar gem dot hattex AI Existem muitos modelos, mas use o A aberto como playground, eles têm uma boa plataforma para transformar nosso modelo específico, conforme discutimos anteriormente no modelo cinco, certo? Assim, você pode obter o código diretamente da integração em seu aplicativo. Basta ter uma boa documentação das ferramentas locais que temos no momento. Assim, você pode conferir isso nos melhores aplicativos de ferramentas on-line para criar aplicativos sem codificação. Você receberá a lista disso. Você escolherá de acordo com suas necessidades, preços, todas essas coisas, aprenderá e criará suas próprias ferramentas e aplicativos poderosos de IA e os lançará. A maneira como você terá as oportunidades. Assim como a AI IDA funcionará no mercado, você terá mais oportunidades, assim como os investidores se aproximarão de você e de qualquer fundação Há mais oportunidades se IDA trabalhar no mercado, então você pode ir daqui a zero para fazer assim Então você tem que encontrar o problema agora neste mundo. Portanto, o mundo precisa de solucionadores de problemas. Eu posso resolver o problema. Agora, a IA está mais avançada e pode resolver problemas. Mas o que temos atraso em encontrar o problema é um problema Encontre o problema primeiro, depois você pode usar a IA para resolver o problema. Simples. Concentre-se em encontrar o problema no mercado. Depois disso, você pode resolvê-lo facilmente pela IA com suas habilidades de redação rápida. Espero que você entenda. Você também pode se tornar um empreendedor. Até você pode se tornar um criador de conteúdo usando suas habilidades de redação rápida para obter as ideias da IA, e você pode fazer um vídeo e colocar no YouTube, todas essas coisas. Há muitas oportunidades, certo, se você aprender a IA a usá-la de maneira eficaz. Isso é engenharia rápida. Então, qual é a dica que escrevi aqui, Construindo um portfólio? Eu esqueci isso Portanto, antes de abordar qualquer empresa cliente como freelancer ou se você estiver procurando fazer algum trabalho em uma empresa específica, crie seu portfólio de solicitações, pois você precisa mostrar seu trabalho, o que você precisa mostrar seu trabalho, o Se você já trabalha com empresas, pode criar um portfólio com seus projetos anteriores como criar instruções para uma empresa específica para casos de uso específicos uso específicos Está bem? Se você não tem nenhuma experiência anterior, você pode colocar no portfólio que testou com suas habilidades, como seus exemplos de projetos que você realizou, ok, sozinho, e você pode colocá-lo em um portfólio para mostrar sua capacidade de redação rápida, capacidade, ok, de trabalhar com diferentes LLMs que podem lhe dar vantagem competitiva, Isso vai destacar a multidão. Como engenheiro rápido, você terá mais preferências do que os outros por não terem um potifol Então, por favor, faça um portfólio. Mesmo que você escreva o menor aviso, mantenha-o nesse portfólio OK. Portanto, ele o ajudará a interagir com o cliente ou a procurar oportunidades de emprego. Espero que você entenda. Isso é tudo sobre oportunidades de carreira, engenharia rápida e algumas dicas e como podemos resolver isso dessa forma. Então você pode dizer: Ok, eu perdi algo para você. Eu tenho um engenheiro rápido ou você pode se tornar um treinador de AA. Tudo isso, você pode encontrar sites de freelancers como o Fiber, todas essas coisas Mas, para fins de treinamento de AA, há algo que as empresas estão procurando: instrutores e tutores de IA Então, para isso, sugiro que você vá para o outlier. Portanto, esta empresa está procurando redatores ou treinadores de IA nos quais você tenha alguma habilidade avançada de redação e conhecimento de assuntos específicos Então, como você pode dizer, treine modelos de IA e matemática. Portanto, para treinar modelos de IA e matemática, você deve ter experiência em matemática. OK. E em qual idioma eles vão treinar o modelo de IA, aquele idioma que você deve conhecer e esse idioma, você tem o avanço. Está bem? Se eles querem treinar modelos de IA e matemática em inglês, você precisa de inglês avançado, como esse. Se eles desejam treinar o modelo de IA em outro idioma, você precisa desse idioma específico de maneira avançada. Ok, mais adiante. Então, a Outlet é a melhor empresa. Eles querem contratar treinadores de IA e seu salário será o mais alto por hora necessária Ok, dez horas, $10 por hora, $30. OK. Com base em nossa exigência, a exigência deles, ok? Há um caso atípico. Existem outras empresas que estão procurando treinadores de IA. Você pode simplesmente ir. A melhor maneira é acessar o Link iTin. OK. Você pode acessar Link it in. Você pode pesquisar empregos diretamente. OK. Então, por isso eu também tenho, vou mostrar em outra ocasião. Então, só para trabalhar no treinamento de IA do Google. Se você continuar com isso, verá que há mais plataformas contratando treinamentos de IA, treinadores de Você pode ver que o outlier é a primeira opção e o RWS a segunda, Pere AI estão procurando mais plataformas Eles estão procurando mais plataformas para contratar treinadores de IA Então, em que eu tenho inglês avançado ou idioma avançado eles estão procurando treinar modelos de IA e conhecimentos específicos que você pode facilmente contratar pelas plataformas para treinar modelos de IA. Até você pode ver que há um alto salário de 13.252, 27,5 $0 Isso pode aumentar com seu conhecimento e experiência. Portanto, há uma oportunidade de engenheiros experientes se você tiver algum conhecimento avançado de redação em inglês e conhecimentos específicos. OK. Espero que você entenda. Então você pode ir ao LinkedIn, pesquisá-lo. Você obterá a maioria dos trabalhos de treinamento em IA. E até você pode criar um perfil de desenvolvedor do AicaTBD, um perfil especialista em conteúdo IP e pesquisar isso, consultor da GNA, Está bem? Espero que você entenda isso. Bem, há muito a dizer mais, mas isso pode ser aprendido do seu lado. Ok, basta encontrá-lo online. Isso aumentará sua habilidade de pesquisa. Está bem? Basta ir e aprender a habilidade de pesquisa Então, minha dica sincera é: eu aprendo essa engenharia rápida apenas pesquisando, ninguém me orienta na época do surgimento da IA Em 2023, aprendi a usar o Tage Bit. Depois disso, eu entro nessa engenharia rápida. Portanto, é tudo uma questão de capacidade de pesquisa. Se você pesquisar alguma coisa on-line , não há limitação para você. Está bem? Se alguma recessão ou alguma empresa o demitir, não há limitação que você possa fazer com nada se tiver capacidade de pesquisa on-line Portanto, pesquise sozinho, pesquise seus requisitos on-line em vez de perguntar a outras pessoas. Por favor, pesquise. Aí a Internet tem mais dados que podem te ajudar a dar mais algumas peças, você pode usar, ok? Assim, você pode encontrar esse tipo de emprego, todas essas coisas online. Então, nosso próximo tópico é como se preparar para essa oportunidade. 60. 6.2.4 Como se preparar para oportunidades futuras como engenheiro de prontidão: Então, nosso próximo tópico é como se preparar para essas oportunidades. Como eu disse, o primeiro passo é manter-se atualizado com novos LLMs e ferramentas Portanto, temos que atualizá-lo com novos LLMs, ferramentas e padrões de escrita rápida, todas essas coisas Depois disso, desenvolva uma especialização. Como eu disse, você tem que se tornar um bom em setores específicos, como saúde, marketing, educação, etc. Assim, você pode ser contratado rapidamente em comparação com outros engenheiros que podem redigir a solicitação para qualquer setor. Ok, certo? Se você desenvolver uma experiência específica no setor ao escrever instruções, você conseguirá superar esse setor específico Tão rápido quando comparado a outros engenheiros rápidos. A segunda etapa é desenvolver uma especialização em casos de uso ou setor específicos Isso é marketing de saúde. Essa é a sua escolha. E o terceiro é muito, muito importante. Crie uma rede em comunidades de IA para encontrar projetos e colaborações. Então, a ótima maneira de construir uma rede é usando o Linkedin Portanto, o LinkedIn tem mais de 1 bilhão de usuários em todo o mundo. Isso significa que eles têm empresas. O Lincnn tem todas as empresas de EI ou empresas de marketing, todas elas vêm RHs, toda a equipe de recrutamento, tudo Veja se você constrói seu perfil com habilidades de EI, como engenharia rápida , GNI, todas as habilidades, se você inserir Lincan com seus projetos com seu site Potipl e sua experiência, você pode, se for capaz de mostrar sua experiência na forma de vídeo, áudio ou documento, qualquer coisa no LinkedIn, continuamente, certo, você sua experiência na forma de vídeo, áudio ou documento, qualquer coisa no LinkedIn, continuamente, certo, construirá uma rede, Uma rede forte na qual as empresas também construirão uma rede com vocês, RHs, muitos empreendedores, alunos de IA, eles poderão segui-lo Eles podem fazer uma conexão com você, na qual você terá mais oportunidades de trabalhar com os clientes, trabalhar com as empresas e até mesmo vender seus próprios cursos. Eles têm mais oportunidades se você tiver uma comunidade, se for sua própria comunidade. Ok, há mais oportunidades se você criar uma rede em comunidades de IA ou em Lincarn Você pode encontrar a maioria dos projetos, certo? Assim, a empresa entrará em contato com você para trabalhar com eles. Isso acontecerá somente no LinkedIn. Está bem? Como eu já experimentei, funciona para mim. Vai funcionar para mim. A maioria das empresas virá até mim para trabalhar lá ou fazer a engenharia imediata para criar um chatboard para seus casos de uso Então, para isso, você precisa aprender essa rede de construção com comitês de IA, você pode usar qualquer EI aberta, eles têm sua própria comunidade Você pode entrar lá ou acessar o LinkedIn é a melhor opção para você Então, só para aprender a habilidade e obter a experiência em área específica e colocar todos os seus aprendizados e projetos, coloque isso em um link no LinkedIn Crie o melhor perfil de otimização. Quando qualquer empresa ou cliente pesquisar no LinkedIn, você obterá a primeira classificação ou será um amigo do cliente Então, eles entrarão em contato diretamente com você. OK. Então, para isso, você tem que mostrar sua experiência, ok? Compartilhe seus aprendizados no próprio Lingreen por meio de um vídeo de postagem Ok, espero que você entenda esses pontos. Então, isso é tudo sobre como se preparar para essas oportunidades. Espero que você entenda isso 61. 6.2.5 Noções básicas de ajuste fino e RAG: Voltem para esse palestrante, pessoal. Neste palestrante, veremos que é ajuste fino e Está bem? Então, como vimos anteriormente, aprenda algumas técnicas de engenharia rápida, padrões, todas essas coisas. Está bem? Também já vimos algumas oportunidades imediatas de engenharia nesta era A. Então, agora o que é esse ajuste fino e Rag. Portanto, também são algumas aplicações da engenharia rápida. Então, na verdade, o que é um ajuste fino e um Rag. Então, em engenharia rápida, escreveremos os proms dos modelos de linguagem para obter o melhor resultado Mas, em um ajuste fino, estamos treinando o modelo de IA. Está bem? Estamos treinando o modelo de IA com nossos próprios dados. Faria alguma tarefa específica em particular. Está bem? Então, vamos ver em detalhes. Então, nesta palestra, vamos ver algumas noções básicas de ajuste fino e Rag, algumas diferenças entre ajuste fino e Rg algumas diferenças entre ajuste fino Então, vamos explorar alguns exemplos. Então, vamos começar com o primeiro. Isso é o que é ajuste fino. Então, como discutimos anteriormente, o ajuste fino significa treinar um modelo de IA pré-treinado em um conjunto de dados específico para especializá-lo em uma tarefa específica Então, modelo de IA pré-treinado. Então, qual é o significado do modelo de IA pré-treinado? Portanto, esse modelo nada mais é do que um modelo de linguagem, treinado por uma grande quantidade de conjuntos de dados. Você pode pegar qualquer modelo. Então, por exemplo, antes de um char GPT, um GPT 404, 3.5, ele tem algum modelo básico que é Isso é chamado de modelo pretran. OK. Depois disso, passa para 3,5, 44o. Isso. Então, depois de treinar por dados em tempo real, ele vai para diferentes versões de modelos como esses. Então, aqui, o modelo preten significa que ele já foi treinado por uma grande quantidade de conjuntos de dados, mas no nível fundamental, no nível no Portanto, neste modelo pré-turno A, o ajuste fino significa que precisamos treinar o ajuste fino, envolve treinamento de um modelo A pré-treinado em um conjunto de dados específico para especializá-lo em uma tarefa específica Então, temos que treinar o modelo de IA com nossos próprios dados. Para resolver apenas uma tarefa específica, não para todos os fins, como o GPT ou outros modelos de linguagem, que resolverão todos os problemas Em vez disso, temos que ajustar um modelo básico para realizar apenas uma tarefa específica. Por exemplo, eu tenho GPT somente para marketing. Então, isso é simples. OK. Então, como funciona. Vamos ver aqui um exemplo. Vamos ver qual é o trabalho. Vamos ver como isso funciona. Comece com o modelo básico. Então você pode pegar qualquer modelo. Por exemplo, pegamos o GPT três aqui. Portanto, esse é um modelo básico, modelo de IA pré-treinado. Está bem? Então, depois disso, temos que fornecer dados específicos do domínio ou da tarefa. Por exemplo, transcrições médicas, documentos legais ou qualquer coisa relacionada à sua tarefa Está bem? Então, temos que treinar. Temos que fornecer esses dados específicos de tarefas específicas do domínio dados específicos de tarefas específicas para o modelo GPT três, ok? Em que esse modelo de IA aprenderá esses dados. Vai se tornar um documento legal, um assistente útil como esse. Está bem? Portanto, o modelo GPT Three tem apenas o conhecimento sobre esses tópicos Isso são transcrições médicas, apenas documentos legais. Eles não têm conhecimento sobre nada. Está bem? Esse é um dado específico. Em seguida, experimente o modelo para melhorar seu desempenho nessa tarefa. Então, como podemos treinar o modelo. Está bem? Treinar o modelo significa que precisamos escrever o prompt. Portanto, o modelo GPT Three já tem o conhecimento sobre nossa tarefa de domínio específica, como transcrições médicas Já tem alguma resposta, certo? Agora, o que está atrasado? O que é atraso significa perguntas ou solicitações que a IA pode aprender. Ok, que eu posso aprender a buscar a saída Para mostrar a saída relacionada ao prompt aqui. Então, para aprender isso, precisamos escrever o prompt. Como engenheiro rápido, esse é o seu trabalho. É por isso que o ajuste fino também é uma aplicação de engenharia rápida. Portanto, podemos ver que anteriormente discutimos algumas técnicas de alerta como essa, mas aqui escrever uma pergunta simples é chamada de solicitação ou escrever alguma pergunta necessária ou relevante nos documentos ajudará o modelo a corresponder à saída. Para corresponder à saída, com base em nossa solicitação. OK. Espero que você entenda em qual modelo dI pode aprender a melhor forma de combinar a saída com o prompt, e isso melhorará automaticamente seu desempenho. OK. Isso é tudo uma questão de ajuste fino aqui. Vamos ver qual é a relação com a engenharia rápida. Como eu disse, como engenheiro rápido, você precisa escrever bailes de formatura simples Isso se chama fazer uma pergunta simples ao modelo de IA na qual o modelo de DI pode respondê-la no conhecimento dos documentos que usamos para uma tarefa específica ou específica ao testar o modelo de IA. OK. Espero que você entenda. Você pode ver o exemplo aqui. Portanto, para o modelo geral, você pode usar qualquer modelo de linguagem, como o charge Bet. Então, para um propósito resumido, você escreverá como este prompt aqui Resuma esta notícia para um adolescente. Mas quando comparado ao modelo de ajuste fino, o modelo de ajuste fino significa, como eu disse, ajuste fino significa treinar um modelo para realizar apenas uma tarefa específica. Aqui, quando comparado a esse prompt, aqui o objetivo é o modelo já esteja ajustado para criar um resumo para Vou apenas escrever aqui o prompt que está resumido. Ok, em vez de escrever este artigo de notícias para um adolescente, para um modelo do Fine Tune A, vou apenas escrever um resumo. Por que esse modelo fino já foi treinado, resuma os artigos para adolescentes Está bem? Isso já foi treinado para gerar respostas para adolescentes. Então, qual é o artigo de notícias? O que é o artigo de notícias? O artigo de notícias é treinado. Está bem? Espero que você entenda. Portanto, se você ver aqui, forneça dados específicos do domínio ou da tarefa. Então, aqui, eu pego as informações do artigo de notícias. Tudo sobre um artigo de notícias é inseri-lo no modelo básico de IA, no qual ele criará resumos para adolescentes de um determinado artigo de notícias Vou apenas escrever o resumo do baile. É criado automaticamente um resumo para adolescentes. Espero que você entenda. Isso é tudo sobre modelos de ajuste fino. O ajuste fino nada mais é do que treinar modelo de IA com nossos próprios dados para realizar uma tarefa específica. É a maioria dos casos de uso e veremos que diferentes setores estão procurando ajustar seus próprios modelos de EI, nos quais possam ser usados em seus fluxos e melhorar sua eficiência entre os empregadores e fluxos de trabalho como Ok, cada setor tem seus próprios dados. Então, usando essa técnica, técnica de ajuste fino, eles podem facilmente testar seu próprio modelo de EI com seus próprios dados. 62. 6.2.6 O que é geração aumentada de recuperação (RAG): Então, qual é a segunda técnica que temos, qual é a idade? Rag significa geração aumentada de recuperação. Então, o que é uma geração aumentada de recuperação? Recuperação significa recuperar os dados de outras fontes. Então, por exemplo, você pode ver a definição desse pano. Rag não é nada, mas Rag combina um sistema de recuperação. Sistema de recuperação significa pegar as informações de outras fontes, fontes externas, como banco de dados, mecanismo de pesquisa, ok, sites on-line como esses Ele combina a geração aumentada de recuperação. Recuperação significa obter as informações de fontes externas. Ok. geração aumentada significa que é um modelo gerador no qual ele gera uma resposta, base ou sob nossa solicitação obtendo as informações dos dados de recuperação Esses dados de recuperação são obtidos de diferentes fontes de diferentes fontes de mecanismos de on-line ou de mecanismos de pesquisa, como esse, ou de qualquer documento que forneceremos para esse modelo de IA Está bem? Então, vamos ver em detalhes. Então, o que é um pano? Sistema de recuperação de compensação Rag, exemplo, banco de dados ou mecanismo de pesquisa com um modelo generativo para fornecer informações precisas e atualizadas Então, espero que você entenda essa definição. Então, combina RAG, certo? Sistema de recuperação significa obter informações de outras fontes, fontes externas, como todos os sites, fóruns, mídias sociais, etc Serão necessárias algumas fontes diferentes relevantes para nossa solicitação. Ele gerará a resposta usando o modelo generativo de IA, você pode ver aqui Esses dois se combinam para fornecer informações precisas e atualizadas. O melhor exemplo é que você pode ver o perplexity.ai. Então, vamos entrar na perplexidade. É simples, Rag. Para Rag, é o melhor exemplo aqui. Então você pode responder qualquer pergunta aqui. Vamos levar aqui. Então, o que está acontecendo aqui é eu fiz uma pergunta que é rápida. Esse modelo de IA, perplexi dot I , está recuperando as informações dessas diferentes fontes como essa ou ligando para alguns sites, sites online, Ele recuperará os dados desses sites e gerará a resposta para mim. Está bem? Portanto, esse processo será realizado pelo sistema de recuperação, e a geração da resposta usará o modelo generativo de IA Portanto, esses dois se combinam para fornecer informações precisas e atualizadas , chamadas de RAG. Então, com isso. Assim, você pode obter os dados em tempo real, certo. Com isso, podemos obter dados em tempo real e informações precisas atualizadas. Quando comparados a outros modelos de linguagem, eles só produzem resultados com base em seus próprios dados. Mas aqui, ele obterá os dados de fontes externas. Essa é a melhor parte aqui. Ele coletará dados em tempo real de diferentes fontes, como APIs externas, documentos de conhecimento externos, PDFs cães que temos e que podemos usar para treinar o modelo de IA Ok, espero que você entenda isso claramente. Então, vamos ver como isso funciona. Então, como eu disse, o sistema de detrival busca os documentos relevantes com base em uma consulta, para que possam ser documentos relevantes, mecanismo de pesquisa, banco de dados, qualquer coisa que os dados de uma fonte externa O modelo generativo usa as informações de recuperação para gerar uma resposta, pois já descrevemos o PerplexIE funcionando assim. Como isso funciona. Então, qual é a relação com a engenharia rápida ? Isso é simples. Como vemos na redação , a solicitação também está sob o direito de engenharia de solicitações. Então, qual é a série que está acontecendo? Os prompts orientam o processo de recuperação e o processo de geração Ok. Então, por exemplo, se você acessar o perplex.ai, poderá ver que isso também está aqui, certo? Então, eu pedi um aviso rápido, simples aqui. Então, só então será necessário o processo de recuperação. Isso é chamado de recuperação. Ok. Então, ele pegará os dados de fontes externas. Até você pode adicionar um PDF aqui a partir daqui, certo? Vou pegar automaticamente os dados de fontes externas, como sites on-line aqui. Ok. Depois disso, o módulo generativo A está gerando a resposta de acordo com esses dados de recuperação e o prompt Ok. Portanto, tudo se resume acontecer quando fornecemos apenas instruções. É por isso que escrever as instruções também é uma aplicação da engenharia rápida Isso é Rag, certo. É por isso que a engenharia rápida é sempre útil em qualquer técnica ou modelo de linguagem que você esteja usando. Há apenas duas coisas em qualquer modelo de linguagem que são prontidão e resposta. A resposta é gerada quando somente o prompt é gravado. A arte da escrita rápida é chamada de engenheiro rápido. É por isso que a engenharia rápida é habilidade mais poderosa se você aprender a usá-la, que você possa criar algum impacto usando os modelos de linguagem do mercado. Ok. Espero que você entenda. É por isso que a engenharia rápida está relacionada a esse pano. Ok, então podemos ver alguns exemplos de fluxo de trabalho aqui. Solicitação de recuperação, pesquise as pesquisas mais recentes sobre mudanças climáticas Pesquisar significa que temos uma IA orientadora para pesquisar as pesquisas mais recentes sobre mudanças climáticas Portanto, ele verificará o mecanismo de pesquisa ou outro site on-line e recuperará os dados do site on-line ou fontes externas para gerar uma resposta Há um prompt de recuperação. Quando se trata de solicitação de geração, resuma os documentos de recuperação em três frases O que temos a dizer por meio da IA pesquisar as pesquisas mais recentes. Então, ele pesquisará alguns documentos mais recentes ou qualquer coisa. Ok. Esse é um prompt de recuperação Isso acabou. Mas, a seguir, isso é o Generation Prompt. Então, o que dirá resume a pesquisa recuperada sobre mudanças climáticas em três frases como Portanto, ele combinará o sistema de recuperação e o processo de geração Esses dois se combinam para formar um aplicativo Rag ou essa técnica. Está bem? Espero que você entenda isso claramente. Vamos ver alguma diferença entre essas duas técnicas. Está bem? Isso é ajuste fino e arrasto. 63. 6.2.7 Ajuste fino vs RAG: Então, vamos ver alguma diferença entre essas duas técnicas. Está bem? Isso é ajuste fino e Rag. Então, vamos ver se abordaremos alguns aspectos, como propósito, dependência de dados, uso imediato e atualizações em tempo real Então, como eu disse, ajuste fino significa apenas treinar o modelo de IA para uma tarefa específica. Está bem? Ou seja, especialize o modelo para uma tarefa específica RAG significa integrar conhecimento externo. Conhecimento externo talvez seja um banco de dados ou outros documentos externos que fornecemos ao banco de dados dessa forma. Integraremos algum conhecimento externo a esse modelo de IA para recuperar as informações desse conhecimento externo e gerar uma resposta precisa e atualizada, certo? Então é uma tarefa específica, ok? O ajuste fino é um modelo fixo no qual ele gerará apenas a resposta que treinou, não as informações atuais ou atualizadas. Isso tem a ver com propósito. Qual é a dependência de dados? Então, como vemos, a curva fina significa que é fixa. Está bem? Ele gerará a resposta com base nesses dados de tendência e somente no prompt. Ele nunca pesquisará fontes externas nem fornecerá informações atualizadas. OK. Então, enquanto treinamos o modelo de IA, tudo bem, temos que exigir DRSs com classificação Q, certo? Portanto, temos um modelo de IA de alimentação na forma de conjuntos de dados apenas nos quais exigimos alguns conjuntos de dados classificados Mas quando comparados ao RAG, não estamos fornecendo dados com os conjuntos de dados, mas estamos fornecendo algumas APIs de pesquisa, ok, documentos legais e outros documentos ou estamos fornecendo O banco de dados já tem alguns dados, ou algo assim. Então, podemos experimentar a AML muito rapidamente usando o Rag Por quê? Porque ele recuperará o sistema. Ele recuperará os dados do banco de dados já existente por meio de APIs de pesquisa, qualquer fonte on-line diferente Mas, no ajuste fino, temos que fornecer todos os dados para gerar resultados. Esse é o principal problema aqui. Mas essas duas técnicas têm sua própria singularidade, propósitos e aplicações OK. Vamos ver um pouco de uso imediato. Então, como eu disse, em um ajuste fino, temos que escrever instruções simples, como perguntas, apenas para obter a resposta do modelo fingido de IA Isso é simples. OK. Mas em Ag, Rag para que possamos escrever qualquer prompt em qualquer formato Assim, você pode escrever qualquer pergunta relacionada à sua consulta. Portanto, ele pesquisará diretamente on-line. Ele gerará a resposta de qualquer fonte. Está bem? De acordo com o prompt. Isso não é fixo. Você pode fazer qualquer pergunta a este modelo, este aplicativo, ao aplicativo Rag Nele usará alguns aplicativos de pesquisa de banco de dados externos para gerar a resposta, com informações corretas, atualizadas e precisas. Mas, nos casos de ajuste fino, você precisa obter as informações do modelo de IA no qual ela é treinada apenas. Isso nunca sairá do tópico de dados de tendências. Nunca sairá da tendência de dados, desse jeito. É por isso que os prompts simplificam, mas, na maioria das vezes, aumentam a flexibilidade dos Portanto, não podemos escrever nenhum tipo de solicitação em nenhuma tarefa específica ou em qualquer tarefa. Não há limitação no Rag, certo. Então, quando comparado ao ajuste fino, ele é especificado, é dinâmico. Então, tudo se resume ao uso imediato, às atualizações em tempo real. Então, como eu disse, o ajuste fino é um modelo I específico, ou seja, fixo. Não há informações atualizadas e atuais, todas essas coisas. Portanto, ele só gerará a resposta com base nos dados. OK. Portanto, não há a capacidade atual de informações para gerar a resposta atualizada. É por isso que é conhecimento estático. Mas no Rag, é uma informação dinâmica e atualizada, como dissemos, então ela recuperará as informações de provedores de dados em tempo real, como acontece com um mecanismo de pesquisa, qualquer Google ou qualquer site on-line, qualquer YouTube Ok, vou pegar as informações de confirmação atualizadas. Isso gerará uma resposta com base em nossa solicitação. É por isso que o Ag é para a maioria dos casos de uso, mas a descoberta é específica. OK. Então, como discutimos anteriormente, um ponto de perplexidade I, que é baseado em Rag, no qual ele recuperará os dados de diferentes fontes e gerará uma resposta Portanto, é tudo uma questão de ajustar o Rag. Então, vamos ver um exemplo aqui ou um exemplo de ajuste fino significa, por exemplo, ajuste fino significa treinar AML para um conjunto de dados específico Como no domínio, eu aceitei contratos legais. Se eu fizer uma pergunta ao modelo generativo I, algum modelo geral como Cha GPT ou qualquer Gemini, escreverei isso como resumir este contrato em inglês simples Ok, então ele resumirá esse contrato para o modelo geral Mas se eu escrever um baile de formatura para ajustar o modelo, vou apenas escrever um resumo Por que significa que o modelo de ajuste fino já foi treinado por contratos legais para resumir o contrato em inglês simples para um cliente Espero que você entenda. OK. Então, o que está acontecendo aqui com o modelo geral, escreverei toda a solicitação, toda a minha exigência. Resuma este contrato em inglês simples para um cliente, para realizar uma tarefa específica no modelo geral Mas quando comparado ao finetune, ele já está treinado para realizar essa tarefa específica Mas eu tenho que dar o comando para continuar, como resumir Por mais importante que o modelo de ajuste fino já esteja treinado pelo documento ou domínio de contratos legais para fazer ou resumir o contrato em inglês simples apenas fornecerei o comando para ajustar modelo I para resumi-lo, mas Isso é simples. Isso é tudo sobre o ajuste fino do modelo de IA. Qual é o exemplo do rag aqui, já que usamos anteriormente o perplexi.ai, no qual podemos obter informações atualizadas como esta Neste domínio, vou abordar a pesquisa médica. Escreverei instruções , como recuperar artigos recentes sobre tratamentos de Alzheimer e resumir Então, como eu disse, RAG significa sistema de recuperação É a combinação da combinação do sistema de recuperação e do processo de geração chamada Rag Você pode vê-la recuperando os artigos recentes sobre tratamentos para a doença de Alzheimer Então, ele vem sob o sistema de recuperação, no qual obtém os dados do conhecimento externo, como documentos, mecanismos de pesquisa, sites on-line, YouTube, mídias sociais, Ok, ele pegará esses dados de acordo com esse prompt, que é um sistema de recuperação Está bem? E outro sistema que é um sistema generativo no qual resumirá as Ok, espero que você entenda isso muito claramente. Essa é a diferença entre ajuste fino e Rg. Então, qual é o resumo aqui. Então, como eu disse, os meios de ajuste fino para treinar eu modelo para casos de uso específicos nos quais precisamos alguma habilidade simples de escrever instruções, instruções simples. Isso é fazer uma pergunta relacionada ao documento ou tarefa específica que você treinou no modelo I. Prove seu desempenho, desse jeito. A próxima coisa é que o Rag combina dois sistemas que são sistema de recuperação e sistema de geração Na qual, na recuperação, ele obterá os dados de diferentes fontes externas Talvez possa ser banco de dados, sites on-line de mecanismos de pesquisa ou documentos que fornecemos, assim. Ele pegará as informações de fontes externas e gerará a saída para nossos requisitos dessa forma. Está bem? Isso é preciso e atualizado. Portanto, essas duas técnicas são submetidas à engenharia imediata. Por que também estamos usando o prompt nessas duas técnicas, certo? Para aprimorar o desempenho da IA. No ajuste fino, estamos escrevendo o prompt para aprender a busca e gerar a saída relevante para o prompt Portanto, a redação rápida é escrita por um engenheiro rápido. É por isso que o ajuste fino também faz parte da engenharia rápida. Portanto, é uma técnica diferente, mas o prompt também é escrito apenas por engenheiros de alerta, assim como é uma pergunta simples que solicita que você documente ou ajuste o modelo de IA. Portanto, não há habilidades de redação técnica necessárias. Mas isso é tudo uma questão de engenharia rápida relacionada ao ajuste fino. OK. O RAG também possui alguma habilidade de redação rápida, na qual pode ajudar o modelo de IA a recuperar as informações de maneira clara e eficaz para gerar a saída Portanto, se você usar qualquer modelo, a saída dependerá apenas do prompt. É por isso que o engenheiro de avisos entra em cena para escrever as melhores instruções ou qualquer tipo de modelo Pode ser um modelo generativo. Pode ser um modelo bem ajustado. Pode ser um aplicativo RAG como esse. É por isso que a engenharia rápida é sempre melhor habilidade se você aprender a usar esses modelos de linguagem de IA. Então, é assim que eu posso fazer maravilhas neste mercado, nesta era do EIS Então, isso é tudo sobre ajuste fino e arrasto. Espero que você entenda isso bem. Então, isso é uma coisa básica que eu expliquei para você, então você pode se aprofundar se quiser aprender isso como uma das melhores técnicas para diferentes casos de uso, certo? Assim, você pode aprender com outras fontes on-line. OK. Então, para implementar isso de forma prática, você precisa ter algum conhecimento técnico, como ter uma codificação, Python, Ok, você precisa ter algum generativo que seja o aprendizado de máquina Você precisa conhecer alguns algoritmos de aprendizado de máquina como esses. Portanto, não há necessidade de aprender algoritmos, mas eles têm algumas habilidades técnicas específicas que você precisa adquirir para implementar isso na prática. Isso é ajuste fino e trapo. Assim, você pode obter ajuda de diferentes modelos de linguagem, como ha Gebre Você pode usar para fins de codificação, você pode usar a nuvem. Isso ajudará a gerar a melhor saída na forma de código quando comparado a outros modelos de linguagem. Então, tudo gira em torno do ajuste fino e do rack. Ok, espero que você entenda. Então, vamos ver nossa última sessão que é uma visão geral da IA generativa, e vamos nos aprofundar nisso agora. Vamos fazer isso. 64. 6.3.1 Visão geral da GenAI: Então, vamos ver o que é a IA generativa. Então, veremos nesta palestra algumas noções básicas do GeneI. Como funciona o GI? E exploraremos algumas aplicações do mundo real e quais são as tendências ou o futuro do GEI E qual é o seu papel de engenheiro rápido no GNI, e veremos algumas reflexões finais OK. Portanto, este é nosso último professor desses códigos, e é muito importante depois de aprender a habilidade de engenharia imediata Então, vamos ver o primeiro que é básico do GeneI. Então GNI significa simples, ou seja, um modelo múltiplo como o GPTGemini ou vem sob o GAI Então você pode ver aqui a definição básica. IA generativa se refere a modelos que criam novos conteúdos, textos, imagens, códigos, músicas, com base em entradas ou Se você usa alguma ferramenta de geração de imagens como Leonardo, no meio da jornada, ou pode usar ferramentas de geração de vídeo, como Sra ou outra invido dot IVO, elas têm algumas ferramentas Eles gerarão uma imagem com base em nossas instruções de entrada, certo? Assim, todas as ferramentas são chamadas de GNAIeven hago, também chamada de GII, como ela gerará a saída, a saída de texto, o conteúdo e as ideias, tudo com base no prompt Então, tudo isso é chamado de modelos generativos de IA. Todos os modelos, como Charge B, Gemini Cloud, que eles chamam, estão sob a Geração AI Ok, você pode ver aqui. Portanto, ao contrário da IA tradicional, que se concentra no reconhecimento ou na previsão, geração AI se concentra na criação. Aqui está o ponto mais importante. Então você pode ver, por exemplo, existem alguns sistemas de EI nos EUA ou algo em que estamos construindo alguns carros EI, ok, e bicicletas EI ou algo parecido, nas quais eles reconhecerão informações, reconhecerão alguns escaneamentos ou rotas, todos os dados, certo? Se você ver carros com IA, certo, carros Tesla, eles não têm o motorista. A IA é automática para operar esse carro Como a IA reconhecerá toda a estrada e todos os parâmetros que ela tem, por exemplo, como amarrar o carro. Ok, quando parar, onde parar, em que velocidade o carro deve ir. Ele reconhecerá, certo? Então, isso chamará isso de IA tradicional. OK. Mas o que é um GEI Você pode ver gerando você. No próprio nome, existe um meio de gerar IA que se concentra na criação. A criação, qualquer coisa que possa ser criação de conteúdo, criação de imagem, criação de vídeo, tudo isso é o EI, que cria algo, o Bass e os bailes de formatura em horário aberto chamados GEI Mas há um EI tradicional que prevê ou se concentra no reconhecimento ou na previsão exemplo, como eu disse, qualquer carro GI, desculpe, carro de IA, que reconheça todos os cenários do mundo real em que eu sou o carro deveria virar à direita assim. Alguns exemplos. Isso se enquadra na IA tradicional. Mas o GI se concentra na criação apenas como criação de conteúdo, imagem, vídeo, etc. Requisito básico e de horário de funcionamento. O melhor exemplo é pegar qualquer modelo de linguagem como HGPTGemini ou ferramentas de geração de imagem como Leonardo I, geração vídeo Eles serão incluídos nos aplicativos do GEI, foco na criação. OK. Espero que você entenda a definição básica de GeneI. Então, quais são os exemplos que você pode ver HGP gerando ensaios, respostas, arte de criação de média geração, co-piloto ajudando desenvolvedores a escrever código Então, algumas de nossas ferramentas de criação de vídeo que estão disponíveis agora são OR similares à Open EI. Mas existem alguns princípios básicos do GeneI. Então, vamos ver a segunda : como funciona o GeneI? Portanto, é simples, certo, você pode ver que ele usa modelos de aprendizado de máquina em grande escala treinados em vastos conjuntos de dados para prever e gerar conteúdo Sente um exemplo. Se você descobrir se sabe como o HajBti funciona, como o Jajbit é desenvolvido e treinado com muitos dados, tudo bem, tudo Então, tudo se resume a pegar algum modelo, modelo básico. Ok, eles não têm nenhum conhecimento sobre nada, então você tentará esse modelo com seus dados com grandes conjuntos de dados, uma grande quantidade de conjuntos de dados Ok, para prever e gerar conteúdo, imagens , vídeos, tudo com base em nossos requisitos, certo? Então, esses são todos os modelos que virão do GI. É simples como Ha GPT, Gemini. Como eles funcionam, eles são os mesmos que os Geni trabalham. Está bem? Todos eles vêm sob o GEI, apenas HGPGemion todos os outros modelos que estamos usando Simples. Existe um trabalho de Geni. Você pode ver que os principais modelos em Geni são GPD four Cloud baseados em texto, tabela Dali baseada em imagens. DiFicient é uma divisão totalmente aberta de EI, Multimodel Assim, já vimos em nossas palestras anteriores. Gen significa que os modelos estão funcionando agora ou são treinados por grandes quantidades de dados para gerar um conteúdo ou resolver uma consulta do usuário para gerar ideias, imagens e vídeos como esses. É assim que funciona. Isso é tudo sobre GenI Então, veremos algumas aplicações do mundo real. Como eu disse, o EI é usado em todos os lugares. O engenheiro rápido também era necessário em todos os lugares. Por quê? Onde está o EI, o EI é apenas o GEI Ok, espero que você entenda. Estamos usando IA. Por exemplo, se você fizer LLM, qualquer LLM como HGPTGemni. Ok, as empresas, por exemplo, aceitarão que algumas empresas de educação estejam usando o Open EI HGPT Está bem? O HGP também está sob o Ok, onde há um soldado, preciso haver um engenheiro rápido. Ok, espero que você entenda. Ou veja se é necessário um engenheiro rápido para obter o melhor resultado da IA. Ao mesmo tempo, o engenheiro também precisou criar aplicativos generativos de IA como JGBT. Espero que você entenda Ok, o que significa um verdadeiro engenheiro rápido? Se o engenheiro de alerta sabe como escrever as instruções para obter o melhor resultado da IA , ele também sabe como treinar o modelo de IA, como treinar o modelo de IA ou os padrões de alerta Ok, espero que você entenda. Então, onde e onde os aplicativos EI Gen são os aplicativos EI Gen são usados em todos os setores que eles usarão, se você estiver usando o HagipGemni como LLMs, estará usando apenas o GI, não Ok, espero que você entenda. Estas são algumas aplicações do mundo real, educação, negócios, áreas criativas, saúde, tudo o que vem sob esses aplicativos GEI Essa é a coisa mais importante, um lembrete ético. Portanto, embora o GNI seja poderoso , deve ser responsabilidade do usuário evitar a geração de desinformação ou Então, como eu disse, a IA não é 100% precisa. Portanto, ele pode cometer erros. Isso fornecerá imprecisões na saída, certo? Então, com erros e muitos dados errados, desinformação, todas essas coisas Portanto, não podemos confiar cegamente nessa saída de IA. Para isso, precisamos conhecer o conhecimento específico sobre o qual estamos buscando obter os resultados da IA. Você tem que saber sobre isso. Para isso, para facilitar as empresas ou qualquer coisa, elas contratarão apenas aquela pessoa que tenha a habilidade de redação rápida e que tenha o conhecimento específico. Está bem? Se eu gerar a saída, o engenheiro de prompt deverá ser capaz de corrigir a saída. Então, somente a empresa os contratará. Ok, para isso, recomendo novamente que você aprenda a engenharia rápida, mas em casos de uso específicos em uma área específica, você pode estudar ou escolher apenas o marketing , no qual possa analisar facilmente o resultado Ok, como dissemos nas aulas anteriores, engenharia rápida não é nada , não é apenas escrever as instruções, mas elas têm várias etapas Ok, analisando a saída. Ok, refinando a otimização. Então, tudo isso acontece quando você conhece as informações quando tem o conhecimento sobre aquela tarefa específica a ser resolvida pela IA. Quando a saída vem da IA, você precisa analisar a saída, seja ela certa ou errada. Depois, você pode ir para a próxima etapa de otimização, refinamento, todas essas coisas Se você não sabe disso, não vale a pena se tornar um engenheiro rápido. É por isso que recomendo que você desenvolva conhecimentos em áreas específicas, como somente negócios , somente educação, escrevendo instruções específicas nas quais você possa analisar o resultado facilmente Você pode otimizá-lo e defini-lo em todas as etapas imediatas de engenharia. Veremos mais tarde, em alguns minutos, qual é a função as responsabilidades de engenheiro rápido no GNAI ou em outra área específica Então, para esse lembrete ético, como eu disse, vou cometer erros Para isso, a responsabilidade imediata do motor é analisar a saída ou refiná-la para otimizar a saída para obter uma resposta precisa da IA Está bem? Para isso, você precisa ter o conhecimento específico sobre o uso da IA para resolvê-lo. Ok, espero que você entenda. Então, qual é o futuro do GEI? Como eu disse, agora, no mundo futuro, todos os setores e em todos os aspectos, o EIS assumirá o controle. Está bem? Portanto, mais aplicativos de GI já estão no mercado no momento. Portanto, mesmo que haja mais aplicações de GEI aumentarão nas próximas décadas e anos Está bem? Então, quais são as aplicações específicas do GNI Você pode ver um pouco mais de IA personalizada, respostas e resultados personalizados com base nos perfis de usuário, aumento nos recursos multimodais, combinando perfeitamente texto, combinando perfeitamente texto, Você pode ver que o melhor exemplo é o JGB no momento, Gemini Cloud, eles têm Podemos inserir o documento de imagem, texto, voz diretamente no próprio chat. Tudo isso se enquadra nas capacidades multimodais. Eles também têm outros. Portanto, há alguns populares Gemini JGBT Então, democratização. O que é uma democratização? Assim, as ferramentas estão se tornando mais acessíveis para indivíduos e pequenas empresas. Assim, como a IA se tornará parte de nossa vida diária , todos usarão a IA. OK. Então, há muitas pessoas, certo? Há muitas pessoas. Eles têm algum conhecimento específico. Para eles, podemos desenvolver aplicativos GeneI para casos de uso específicos para enfermeiras, ok, para médicos, separe o GEI Portanto, há mais oportunidades de criar aplicativos GenA, isso é um futuro, certo? Isso é tudo sobre alguns pontos relacionados ao gene futuro. Então, vamos falar sobre qual é o papel do engenheiro rápido no GEI 65. 6.3.2 Papel do engenheiro de prompt na GenAI: Certos, vamos ver qual é o papel do engenheiro rápido NGINei Então, como eu disse anteriormente, para criar alguns aplicativos generativos de IA, a engenharia rápida assume um papel crucial Por quê? Por isso, temos que experimentar um modelo de IA com a habilidade de escrever prontamente e responder. OK. Então, só então podemos treinar facilmente o modelo de IA de maneira eficaz. Está bem? Para isso, temos que escrever os bailes de formatura e as respostas para treinar EI, como fazemos com o Cha GPT e outros modelos, certo e as respostas para treinar EI, como fazemos com o Cha GPT e outros modelos, Então, como já discutimos sobre modelos de ajuste fino, tudo bem, criar um treinador de IA conversacional como esse está sob o GNI, sob o GNI Portanto, existem várias etapas. Existem algumas funções e responsabilidades. Como engenheiros rápidos, temos que trabalhar no GEI em equipe OK. Então, vamos ver. Nesta palestra, exploraremos quais são as principais responsabilidades de um engenheiro rápido, as aplicações da engenharia rápida no GII, as habilidades necessárias para engenheiros rápidos, os desafios e as considerações éticas, os desafios e as considerações éticas impacto dos engenheiros rápidos no sucesso do Então, vamos começar nossa primeira, que é a principal responsabilidade do engenheiro rápido. Portanto, nas responsabilidades, temos que manter esses cinco pontos em mente para nos tornarmos engenheiros profissionais de prontidão. Portanto, temos que escrever os prompts específicos para casos de uso específicos que você pode ver aqui, criando prompts eficazes que discutimos anteriormente nos palestrantes anteriores várias Está bem? Você tem que escrever o melhor padrão de solicitação ou solicitação para nossa exigência, ok? De forma eficaz, ok? Isso se torna o primeiro passo. E a segunda etapa é testar e refinar. Como eu disse, testar significa que você precisa configurar um prompt no shell Esse dI gerará uma saída. Você precisa analisar a saída, se a saída está correta ou não. A saída é a saída gerada parece ter algum erro ou não. A saída corresponde aos meus requisitos ou não, desse jeito. Você tem que testá-lo. Você precisa analisar a saída. E você pode analisá-lo quando tiver o conhecimento sobre esse resultado. Quando você tem o conhecimento sobre a tarefa para a qual está escrevendo a solicitação eu recomendei que você desenvolvesse habilidades de redação rápida em uma área específica, como educação de marketing, de sua escolha, certo? Então, depois de analisar a saída, você refinará o prompt aqui O que você vai testar. Depois disso, você escreverá o segundo prompt analisando a saída anterior para não cometer erros. OK. Você refinará o prompt Solicitação anterior, escrevendo segunda solicitação detalhada mais avançada. Espero que você entenda. Então, como já discutimos como fazer o teste, quais são os bailes de refinamento em detalhes em nossa palestra anterior Espero que você entenda. Portanto, a segunda etapa é testar e refinar o prompt Banalizando a saída anterior, escreveremos o prompt novamente mantendo alguns erros no ponto anterior para evitar isso na segunda Então, vamos refinar o prompt novamente. Reescreveremos o prompt anterior de maneira eficaz para evitar os erros anteriores na saída Está bem? A terceira etapa é a otimização específica do modelo. O terceiro é crucial para nós. Otimização. O que é otimização real é que a otimização tem várias etapas. Então, analisando a combinação do LLM perfeito para realizar tarefas específicas Ok, isso entra nessa otimização. Otimização significa manter seus requisitos lado e analisar a saída gerada pela IA para comparar seus requisitos e a saída da EI. Se a saída gerada pela IA corresponder aos seus requisitos , a otimização específica do modelo será concluída. Então, sua saída é otimizada. Ok, aqui, a saída não é otimizada, mas seu prompt está otimizado. OK. Você retornará o prompt de forma que a saída seja otimizada. Portanto, sua saída não é otimizada aqui. Seu prompt é otimizável para gerar a saída específica, que atenda às suas necessidades Espero que você entenda. Portanto, você precisa comparar seus requisitos e a saída As, esteja ela atendendo aos seus requisitos ou não, para otimizar nossos prompts. Espero que você entenda essa etapa, e a quarta é explorar técnicas de estímulo Portanto, técnica significa que já aprendemos as técnicas especializadas de engenharia rápida anteriormente, ou seja, o modelo número cinco, no qual aprendemos como entender os diferentes LLMs, capacidades, prós e contras, como escrever a solicitação para todos os outros LLMs de acordo com nossa exigência de qual LLM é a melhor opção para resolver essa Portanto, ele estará sujeito às técnicas de solicitação. Aprendemos todos os padrões e técnicas de alerta, ferramentas que temos para escrever as melhores instruções para nós Ok, você também explorará isso. Explorando não apenas a exploração, temos algumas ferramentas de solicitação como o Open AI Playground , nas quais você escreverá a solicitação Você obterá a melhor solicitação como essa Também vimos os três métodos diferentes usar LLMs para escrever prompts eficazes Uma técnica será incluída nesta etapa, na qual você escreverá o prompt e testará em todos os outros LLMs Ok, e você escolherá melhor LLM analisando a saída, que atende às suas necessidades Depois de atender às suas necessidades, você optará por esse LLM específico para se aprofundar cada vez mais Está bem? Então isso é simples. Espero que você entenda essas etapas. E o último é o relatório de documentação. Então você tem que documentar tudo, como você obtém a saída, como você escreveu o prompt. Ok, como você escolheu o LLM específico para resolver essa tarefa específica E como você analisa a saída, quais ferramentas são usadas, quais técnicas de alerta são usadas para automatizá-la, certo Como você escreve a solicitação, qual é a sua capacidade de escrever a solicitação. Em tudo, você precisa documentar sozinho para mostrar à sua equipe e contratar funcionários equipe do GEI ou de outros contratados ou líderes que você tem quando está trabalhando em um trabalho específico, ok? E relatórios. Você precisa relatar suas solicitações e respostas, todas essas coisas, ao membro da sua equipe ou qualquer oficial que esteja dirigindo sua equipe Tudo isso tem a ver com as co-responsabilidades de um engenheiro rápido. Portanto, é bem diferente trabalhar para criar um aplicativo generativo Isso é algo diferente em que você escreverá os bailes e a resposta ao mesmo tempo Ok, você escreverá os diferentes padrões de prompt usando diferentes técnicas de padrão de prompt. OK. Mas quando comparado a outro tipo de trabalho, né, já estou usando o LLM para obter a saída do EI Nesse sentido, essas etapas mudarão. As etapas permanecerão as mesmas, mas a funcionalidade abaixo das etapas mudará. Espero que você entenda. Então, por exemplo, se você trabalha como engenheiro rápido na equipe do GeneI, GeneI significa que você está criando um aplicativo GeneI como o hA EPT para casos de uso específicos, geração de imagens ou casos de uso específicos geração de imagens ou Como engenheiro rápido, sua função é escrever o aviso e a resposta como um treinador de IA Está bem? Em que você verá que a funcionalidade, as funções e a responsabilidade serão diferentes de acordo com as etapas, ok? Mas se você estiver trabalhando como engenheiro rápido em um setor específico, como educacional, ou setor de usuários finais, como educação marketing, você escreverá o baile para obter o melhor resultado da EI Ok, em que sua funcionalidade, funções e responsabilidades mudarão nessas etapas. Ok, espero que você entenda. Então, aqui, engenheiro rápido em um setor específico, como educacional ou qualquer outra coisa, você escreverá os bailes de formatura para o LLM, como o HGPT ou qualquer outro LLM, ou obterá o melhor resultado do EI, que atenda às em um setor específico, como educacional ou qualquer outra coisa, você escreverá os bailes de formatura para o LLM, como o HGPT ou qualquer outro LLM, ou obterá o melhor resultado do EI, que atenda às suas necessidades. Então, você fará todo o passo a passo, como aprendemos anteriormente. Está bem? Se você trabalha como engenheiro rápido em empresas de EI que estão desenvolvendo fóruns de bate-papo, suas funções e responsabilidades mudam, nas quais você deve escrever a mensagem e a resposta ao modelo de EI de tendência. Ok, espero que você entenda essa diferença entre isso. Então, uma vez que você aprenda isso, você saberá sobre isso. Está bem? Essas são as cinco etapas mais importantes. Bem, se você está trabalhando como engenheiro rápido, você tem que fazer. OK. 66. 6.3.3 Aplicações de engenharia de prompt GenAI: As aplicações de engenharia rápida e GEI, se você estiver criando GNI para qualquer setor, como suporte ao cliente, educação, assistência médica, automação, a aplicação de engenharia rápida permanece a Ok, espero que você entenda. Então, escreva instruções e respostas para isso. Quando você trabalha como engenheiro rápido no GEI, isso é o lado do desenvolvimento OK. Então, quais são as habilidades necessárias para engenheiros rápidos? Então, estou falando sobre as habilidades de engenharia rápida. Então, até agora, o que aprendemos é suficiente para você se tornar um engenheiro rápido, aprendemos como escrever os proms eficazes, como analisar a saída. Ok, como usar LLMs para escrever os proms eficazes para nossos requisitos e como analisar ou como escolher o melhor LLM para resolver a OK. Mas quais são essas habilidades necessárias para o engenheiro de solicitações Essa é uma parte técnica, certo, ler os bailes de formatura nela Mas depois não apenas das partes técnicas, temos algumas outras habilidades básicas de que precisamos. Tornar-se um engenheiro avançado ou profissional rápido, como entender os modelos da GenI que já conhecemos, ou seja, compreender as diferentes capacidades de LLMs como o HAGBT que já aprendemos Os modelos GenA significam que os LGBT são assim, habilidade linguística. Isso é importante aqui. Como eu disse, habilidades linguísticas significam capacidade de escrever instruções claras, concisas e inequívocas Isso significa bailes de formatura claros. Ok, em um idioma específico, se você é bom em inglês, pode escrever instruções claras e concisas que eu possa entender facilmente sua intenção e solicitar OK. Portanto, as habilidades linguísticas são muito importantes É muito importante. É uma habilidade necessária quando você trabalha na equipe da Geração EI. Por quê? Então, você vai treinar um modelo de IA em um idioma específico. Se você não sabe como fazer isso, nunca fará o treinamento de IA que dará errado. Essas empresas também contratam aquela pessoa que tem inglês avançado ou outro idioma exigido para treinar o modelo de IA. Assim, eles guardarão o exame para você, exame avançado de inglês para você, que inclui escrever, pensar, falar , ouvir, todas as habilidades necessárias para fazer DOIS exames FEL como esse Eu gosto disso. Resolução de problemas. É muito importante. Como eu disse, então A está aqui. Isso o ajudará a fazer qualquer coisa. Mas o principal problema é que o mundo precisa de solucionadores de problemas. Então você tem que encontrar o problema. Tome A como ajuda para resolver o problema, simples. Então, para isso, você precisa da habilidade de resolução de problemas. Como engenheiro rápido, você deve saber. Só então você pode se tornar um valioso membro da equipe em fulano. Então, com essa habilidade de resolução de problemas, você também pode se tornar um empreendedor desenvolvendo as ferramentas de solução para esse problema, aplicativos como esses. Portanto, a resolução de problemas é muito importante se você deseja obter experiência em codificação como engenheiro rápido Assim, você pode pensar de forma analítica ou depurar e otimizar solicitações para OK. A adaptabilidade é muito importante porque se manter atualizado com ferramentas e técnicas de IA em evolução Se você conhece alguns padrões de formatura, agora os modelos de linguagem funcionam muito bem A IA está se tornando mais avançada. OK. Os padrões do baile também se tornam mais avançados , nos quais também precisamos nos atualizar com esses padrões Portanto, se você não é adaptável para aprender coisas novas, crie novos padrões de formatura nesse campo, então você não pode escrever os melhores padrões de baile para os modelos Para isso, você pode se conectar aos fóruns, fóruns empresas, seguir suas contas de mídia social. OK. Link no Instagram, Facebook, YouTube, fóruns da empresa, como open A forum, AH Germany, assim. OK. E até você pode fazer cursos em plataformas on-line, aprimorar habilidades de engenharia imediata, mais recentes como essas. Para se atualizar com isso. Simples. E como eu disse, experiência de domínio, ok? Personalização de solicitações para setores ou casos de uso específicos. Como eu disse, isso é muito importante. Se você é engenheiro rápido, precisa desenvolver uma experiência específica em uma área específica, então somente você pode se tornar um engenheiro rápido perfeito ou engenheiro rápido profissional. Sem isso, você não pode se tornar engenheiro imediato, pois nada é apenas escrever os prompts para algo, mas inclui analisar a saída e refinar o Ok, combinando o LLM para nossa tarefa específica, entenda as diferentes capacidades Ok, usando LLMs para realizar a tarefa em um nível potencial como esse Portanto, se você tiver o conhecimento específico, você o otimizará. Você analisará a saída sem erros como esses. Ok, é por isso que escrever as instruções para setor específico é muito importante Essa habilidade é necessária para os engenheiros rápidos. Espero que você entenda essas habilidades importantes. Isso não é uma parte técnica, mas é necessária como engenheiro rápido. Então, quais são alguns dos impactos dos engenheiros rápidos no sucesso da IA? Então, veja, por exemplo, se você é um engenheiro rápido trabalhando na equipe de Gena, então o Gena não tem apenas a parte de engenheiro rápido, mas tem alguma outra parte técnica escrever código usando estruturas de código Python, armazenamento em nuvem Ok, isso é Amazon, Azure, Open EI, APIs Eles estão usando para criar alguns aplicativos Gen AI. Mas, como engenheiro rápido, você desempenha um papel crucial. Por quê? Porque você está treinando o modelo de IA. As outras pessoas que estão trabalhando para escrever um código para criar um aplicativo escreverão o código por uma vez. Ok, espero que você esteja entendendo esse ponto. Eles escreverão um código, ok. Eles usarão estruturas para criar alguns aplicativos, mas a verdade acontece aqui, engenheiro rápido Eu, você está treinando o modelo de IA, certo? Você está treinando um modelo. A IA gerará a resposta com base nos dados treinados. Como o é treinado em quais padrões, em qual idioma, que forma ele é treinado na base disso, ele gerará a resposta. Como engenheiro rápido, você desempenha um papel importante nisso. Por que você está trabalhando como treinador de IA na equipe Geni. Ok, ou seja, as fileiras são de responsabilidade da equipe de engenharia genética imediata, certo? Então, se você não é bom em escrever as instruções, qual é o valor de outras pessoas fazerem na equipe Geni, como escrever o código ou criar a interface do usuário, tudo OK. A principal parte crucial é o engenheiro rápido. É por isso que você precisa ter uma grande capacidade de escrever as melhores instruções em inglês avançado ou em outro idioma obrigatório Eles querem treinar o modelo I. Ok, você pode ver alguns pontos aqui, aumentar a produtividade e precisão dos aplicativos GNI Portanto, o engenheiro rápido, um engenheiro rápido qualificado, pode aumentar a produtividade e precisão das aplicações do GeneI Como eu disse, até mesmo outras pessoas da equipe GNI podem escrever o código Mas a precisão e a produtividade do módulo de IA dependem da sua parte. Como engenheiro rápido, isso dependerá do seu lado. Por quê? O objetivo principal do generativo cria algo com base na entrada do usuário Entrada significa saída rápida significa resposta que você tentará usar a IA. É por isso que a precisão e a produtividade dependem do seu lado como engenheiro rápido. Como engenheiro rápido, você economizará recursos de tempo reduzindo os ciclos de tentativa e erro. A terceira é permitir que empresas e indivíduos desbloqueiem todo o potencial das ferramentas da Geração AI. Então, como engenheiro rápido, se você experimentar o módulo I com os melhores padrões e respostas rápidas, para que o usuário final ou as empresas que você está usando o aplicativo GNI possam liberar todo o potencial do GNEITols que você desenvolveu Ou aquela equipe da empresa que desenvolveu o GNI. Espero que você entenda que esse ponto pode liberar todo o potencial das ferramentas de GI. Se você for um engenheiro rápido qualificado, experimente um modelo de IA nos dados produtivos e precisos. Então, o usuário final, qualquer empresa ou indivíduo que esteja usando sua ferramenta desenvolvida por IA, poderá liberar todo o potencial da IA e obter os dados mais precisos. Por quê? Como engenheiro rápido, você define o modelo de IA com dados precisos e com inglês avançado ou outro idioma que eles estejam procurando. Espero que você entenda esses pontos com muita clareza. Ok, isso é tudo sobre o papel do engenheiro rápido no sucesso da IA. 67. 6.3.4 Impacto dos engenheiros de prompt no sucesso da GenAI: Observado após analisar os requisitos da empresa como Gen AI e requisitos de engenharia rápida. Portanto, a empresa agora está procurando a pessoa que tenha todas as habilidades de RNB Por exemplo, vá e pesquise vagas no GNAI. Então, antes disso, veremos trabalhos imediatos de engenharia, engenheiros rápidos, acessaremos Google e apenas daremos gorjetas para trabalhos de engenheiro imediato. Então, vamos vê-la diretamente. Você pode vinculá-lo diretamente. Ok. Vocês veem o contrato de engenheiro da AAWSPMPT com ela. Então, vamos pegar isso. Se você ver aqui, esta é uma restrição de trabalho aqui sobre a AWS e o Prompt Engineer Veja isso aqui. Estamos procurando um engenheiro rápido inovador altamente qualificado e desenvolvedor da AWS com experiência em resolver problemas reais usando uma solução eficaz de redação imediata e Bs fechada. Portanto, você precisa ter algum conhecimento sobre o AWS MongoDB. Há uma técnica que é Python e JavaScript. Então, responsabilidades principais, engenharia rápida, criação de instruções eficazes, tudo bem. Mas tudo isso sabemos que aprendemos no curso. Mas você não conhece a AWS, ok? Essas são todas essas coisas. Está bem? Não sabemos nada sobre isso. Isso está sob o GEI. Está bem? Portanto, esta é uma parte rápida e divertida Está bem? É uma pequena parte. Mas a empresa está contratando não só para o engenheiro rápido, mas para a pessoa qualificada que tem algum conhecimento técnico sobre nuvem, certo? Então, linguagem de programação que o Python JavaScript, alguns frameworks como Langhin Mango B Mango B alguns frameworks como Langhin Mango B Mango B não é framework. Então, gerenciamento de banco de dados, todas essas coisas. Se você já tem formação em engenharia de software ou programação, para poder aprender essa engenharia rápida, pode usar essa habilidade para entrar nas empresas do GEI para trabalhar como engenheiro rápido e especialista em GeneI Portanto, a maioria das empresas está procurando quem tenha a engenharia imediata e, além de alguma parte técnica, como scripts de programas em Python ou JavaScript. Ok, qualquer sonda tensora Pi tarch que esteja instalada em qualquer estrutura Uma cadeia de Lang, ou ML, que são modelos de aprendizado de máquina, todos aqueles que procuram engenheiros rápidos Portanto, algumas empresas contratarão apenas engenheiros específicos, como educacionais. Eles não precisam de nenhum aplicativo específico. Por exemplo, se você escolher uma empresa educacional ou uma universidade, por que elas estão procurando a IA para gerar conteúdo educacional para seus alunos. Nesse caso, eles usarão o EI, mas contratarão um engenheiro rápido que poderá redigir o aviso de acordo com seus requisitos específicos para obter o conteúdo educacional do EI. Não é necessário ter algumas linguagens de codificação. Eles precisam ter alguma habilidade de escrita rápida que seja suficiente para eles. Mas quando se trata de desenvolvimento, desenvolvendo alguns aplicativos da Geração AA, você precisa ter todas as habilidades necessárias, como engenharia rápida, habilidades como engenharia rápida, codificação como Python , Pitot, bibliotecas Ok, como se você pudesse usar o Hugging Face Transformer, algumas estruturas, Database Cloud, você precisa ter um bom conhecimento e uma aplicação prática sobre essa habilidade sobre isso. Só então pode se esconder como especialista em GEI em tal e tal empresa Então, isso tem tudo a ver com os requisitos das empresas. Eles estão procurando os diferentes engenheiros de prontidão. Como eu disse anteriormente, temos três tipos de engenheiros rápidos como apenas escrever o prompt para o LLM para obter o resultado específico com base nos requisitos do cliente ou da empresa segundo tipo é um designer de IA conversacional ou treinador de IA, no qual você treinará modelos de IA de acordo com modelos de IA seu conhecimento específico do assunto e experiência linguística que se torna instrutor de IA ou tutor E a terceira é criar um aplicativo GNA no qual você treinará o modelo de IA com suas habilidades de escrita rápida e, com alguma linguagem de codificação como Python, você criará alguns aplicativos da GE usando engenharia imediata, codificação, como usar Python ou JavaScript, ok, aplicativo GNA no qual você treinará o modelo de IA com suas habilidades de escrita rápida e, com alguma linguagem de codificação como Python, você criará alguns aplicativos da GE usando engenharia imediata, codificação, como usar Python ou JavaScript, ok, nuvem de banco de dados. Só então você pode se tornar esses três tipos de trabalhos disponíveis para engenheiros imediatos no momento. Então você pode escolher qualquer um deles, criar um perfil em cima desse trabalho específico e pronto. Você pode encontrar as empresas clientes que eles estão procurando. É tudo sobre isso. Está bem? Então você pode ver que este é um motor rápido procurando madeira. Ok, isso é tudo sobre trabalhos rápidos de engenheiro. Se você está procurando empregos rápidos de engenheiro nos EUA, pode acessar diretamente o Google. Isso mostrará alguns empregos. Ok. Você pode ver PT, remotamente, um engenheiro rápido e uma avaliação. Por exemplo, se você ler aqui, verá algumas de que precisa e não precisa de experiência para se inscrever, pois oferecemos treinamento, e muitas pessoas acham o trabalho bastante envolvente e repetível Você precisa ser fluente em inglês, detalhista ou mais itens Assim, você pode ver os requisitos de trabalho os benefícios de qualificação em cada empresa que está procurando engenheiros rápidos. Então você pode ver aqui. Certo, eles têm qualificações, benefícios, responsabilidades Assim, você pode conferir com base nos requisitos e responsabilidades. Você pode criar seu perfil e aprender isso. Simples Portanto, você pode ver aqui uma qualificação imediata de engenheiro deve ser uma experiência comprovada trabalhando com LLMs, modelos baseados em GPT, função de nuvem do Azure, estrutura e fluxo tensor, Pytorch Tudo isso está sob o RNB e outras coisas. Eles estão procurando um site em desenvolvimento. É por isso que eles estão solicitando codificação da estrutura do Azure Está bem? A empresa Prompt Engineer Hona está procurando, vamos ver. O mesmo acontece com a contratação de um engenheiro rápido para desenvolver e otimizar solicitações para modelos de linguagem Então você pode ver aqui. É para o primeiro. Eles estão procurando um engenheiro rápido que possa escrever os prompts de otimização imediata para obter o melhor resultado da IA É um tipo de categoria de trabalho, conforme aprendemos, e isso está no lado em desenvolvimento. Ok, no qual você usará toda a sua linguagem de codificação e engenharia rápida, como dissemos anteriormente, como dissemos que é o Prompt Engineering EngineI É um lado em desenvolvimento. Agora, é do lado do usuário final, no qual você escreverá as instruções para obter a melhor saída sobre IA nesse lado do desenvolvimento, no qual usará a habilidade de engenharia imediata para treinar o modelo de IA com codificação ou criar um aplicativo GNI para específicos. Esses dois tipos. Outro tipo é um treinador. Você pode encontrar uma empresa mais antiga na qual você experimentará o modelo IA com um conhecimento específico. Você tem conhecimento assunto e habilidade linguística como se você precisasse saber inglês avançado ou idioma específico que eles desejam Portanto, esses três tipos de engenheiros ou categorias imediatas estão disponíveis no mercado no momento. Então, por favor, certifique-se escolher uma categoria de trabalho. Portanto, mesmo que você os três tipos de categorias, três tipos de categorias de trabalho, se você aprender o inglês avançado, você interagirá com a IA e treinará a IA com o bem. Está bem? Então, o que você precisa aprender é que, para os dois primeiros tipos de categorias, como engenheiro rápido de EI e treinador de IA, você está pronto para Você pode continuar com isso quando tiver o conhecimento específico e a habilidade avançada de redação. Você pode fazer isso ao mesmo tempo nessas duas categorias de trabalho. Se você quer entrar no lado do desenvolvimento em G, precisa aprender algumas habilidades extras, como habilidades de codificação em Python , estruturas como tensor flow Pytorch, closed side , Ok. Esse é o lado da nuvem para banco de dados, gerenciamento de banco de dados como esse. Está bem? Você precisa aprender todo o lado técnico para se tornar um GN EI. Então, isso é tudo sobre como encontrar. Portanto, mesmo que você vá diretamente ao LinkedIn e crie um perfil com base em suas necessidades, ou seja, você esteja segmentando a categoria de trabalho específica, aprenda as habilidades necessárias e mostre suas habilidades, ajude apenas postando vídeos e artigos no LinkedIn, construa sua conexão, então você está Está bem? Você desbloqueará mais oportunidades neste AI Ea. Você pode aprender isso, até mesmo criar seu próprio aplicativo. Não há limitação para você porque você já aprendeu a usar a IA no nível potencial. Então, agora, é bom ir. Há mais oportunidades se você usar a IA muito bem. Então, eu simplesmente lhe contei um nível básico de como encontrar emprego. Portanto, lembre-se de uma coisa sempre antes de aprender qualquer habilidade, tudo bem, antes de aprender qualquer habilidade, vá. E veja os requisitos reais das empresas que elas estão procurando nos candidatos que contratam. Ok, por exemplo, pretendo usar engenharia rápida como agenda Então, vou pesquisar aqui no Google, e vou dizer que vou pesquisar empregos imediatos de engenharia nos EUA ou qualquer outra coisa. Ok, trabalhos rápidos de engenharia. Então eu virei aqui e verei as qualificações e os requisitos que estão procurando no candidato Ok. Então, o que eu vou fazer é pegar isso, ok. O. Mesmo que você possa obter ajuda com um modelo de linguagem gibt ou AA para aprender isso Mas eu recomendo que você copie todos esses requisitos de qualificação de qualquer requisito de trabalho. Ok. A maioria dos que procuram engenheiros rápidos tem as mesmas qualificações ou requisitos semelhantes no desenvolvimento do SADA Então, o que você tinha que fazer antes de aprender qualquer habilidade, pesquise on-line. Só empregos. Essa habilidade específica que você está procurando aprender. Empregos e veja os requisitos da empresa. Siga esses requisitos e aprenda somente os tópicos relacionados. Ok. Portanto, não pergunte ao YouTube no YouTube quais são as habilidades necessárias para se tornar um engenheiro rápido. Então, eles dirão até onde sabem. Mas então, qual é o propósito de aprender a habilidade? Seja para criar alguma solução ou para fazer um trabalho, para fins profissionais, para uma mudança de carreira desse jeito. O objetivo final é ganhar dinheiro. Ok. Para isso, o que precisamos fazer é aprender a habilidade de acordo com os requisitos. Ok, de acordo com a exigência da empresa. Então, em vez de aprender tudo, concentre-se no que a empresa está perguntando, quais são os requisitos da empresa. Aprenda apenas esses tópicos, apenas aprenda que esses são requisitos nos quais você pode se concentrar, exige que você possa criar um portfólio com base neles, e você está pronto para iniciar o processo de entrevista, todas essas coisas. Você será contratado com facilidade e rapidez. Então, espero que você entenda minhas dicas e truques, todas essas coisas. Assim, você pode encontrar o YouTube on-line, como encontrar um emprego, como automatizar o LinkedIn e como criar um portfólio, todas Então você pode encontrá-lo online. 68. Considerações finais: Portanto, compreender as capacidades e limitações da GenI ajudará você a aprimorar todo o seu potencial em seu trabalho como engenheiro rápido Então, quando você estiver trabalhando no Geni, depois de criar um aplicativo Gena, você aprenderá os recursos e limitações Por quê? Como engenheiro rápido, você treina o aplicativo Geni Então você sabe facilmente qual é a capacidade do Geni que você desenvolveu, certo? E você também saberá sobre as limitações que seu Geni tem Por que você treina o modelo II. Automaticamente, você conhece as capacidades e limitações de um determinado Geni que se desenvolve E você saberá como usar esse GeneI que é desenvolvido por você mesmo, que é desenvolvido pelos membros da sua equipe em potencial. Ok, potencial total Você saberá como usar esse aplicativo Geni em todo o potencial Por que você já sabe porque, como engenheiro rápido, você experimenta esse aplicativo GNI Você conhece as capacidades, as limitações e sabe como usar todo o potencial. Isso é tudo sobre o GenEis e o papel do engenheiro rápido. Espero que você entenda toda essa parte deste curso com facilidade e, se achar que isso o torna valioso para você, possa ajudá-lo a conseguir o melhor emprego no mercado de IIS, e é um campo muito interessante e em crescimento. Portanto, em cada etapa, você aprenderá coisas novas usando a habilidade de engenharia imediata. Então, espero que você entenda as habilidades do GEI e quais são alguns dos GEIs avançados Então, tudo gira em torno desse curso e do curso de engenharia rápida. Até isso, nosso curso está encerrado. Então, agora, se você seguiu todos os palestrantes e praticou todos os padrões rápidos com minhas técnicas, todas essas coisas, então vou parabenizá-lo agora, engenheiro rápido. Sim, eu tenho. Então, a partir de agora, experimente você mesmo com exemplos diferentes, use o Kass, crie um portfólio e construa novas conexões , crie um ótimo perfil no inkern em outros sites de financiamento e desbloqueie mais oportunidades nessas outros sites de financiamento e desbloqueie mais A próxima era. Espero que você esteja bem e faça algo grande no mercado em um futuro próximo. Então tchau, pessoal, obrigado por participar deste curso. OK. E nos conectaremos com outro curso em breve. Obrigado, tchau tchau.