Методы составления промптов для языковых моделей (LLM)
В этом руководстве рассмотрены различные методы создания эффективных промптов (подсказок) для больших языковых моделей (LLM), таких как Gemini, GPT и других.
1. Нулевой выстрел (Zero-Shot Prompting)
Описание:
Промпт содержит только описание задачи без примеров. Модель должна выполнить задачу, опираясь на свои предварительные знания.
Пример:
Классифицируйте отзыв как положительный, нейтральный или отрицательный:
"Фильм был потрясающим, но конец разочаровал."
Когда использовать:
- Для простых задач, где модель может дать ответ без дополнительных примеров.
2. Одноразовый выстрел (One-Shot Prompting)
Описание:
Промпт содержит один пример выполнения задачи, чтобы модель поняла формат ответа.
Пример:
Переведите предложение с английского на русский:
Пример: "Hello" → "Привет"
Задание: "Good morning" →
Когда использовать:
- Когда нужно задать конкретный формат ответа.
3. Многоразовый выстрел (Few-Shot Prompting)
Описание:
Промпт содержит несколько примеров (обычно 3-5), чтобы модель лучше поняла задачу.
Пример:
Разберите заказ пиццы в JSON:
Пример 1: "Маленькая пицца с пепперони" → {"размер": "маленький", "ингредиенты": ["пепперони"]}
Пример 2: "Большая пицца с грибами и сыром" → {"размер": "большой", "ингредиенты": ["грибы", "сыр"]}
Задание: "Средняя пицца с ананасами и ветчиной" →
Когда использовать:
- Для сложных задач, где важно показать несколько вариантов ответа.
4. Системные подсказки (System Prompts)
Описание:
Определяют общий контекст задачи, задают правила поведения модели.
Пример:
Ты — помощник-аналитик. Отвечай кратко и по делу.
Когда использовать:
- Когда нужно задать роль модели или ограничить стиль ответа.
5. Ролевые подсказки (Role Prompts)
Описание:
Модели присваивается конкретная роль (например, эксперт, учитель, гид).
Пример:
Ты — историк. Расскажи кратко о Второй мировой войне.
Когда использовать:
- Для генерации ответов в определенном стиле.
6. Контекстные подсказки (Contextual Prompts)
Описание:
Добавляют дополнительную информацию, чтобы уточнить задачу.
Пример:
Контекст: Ты пишешь статью для блога о технологиях.
Задание: Напиши введение про искусственный интеллект.
Когда использовать:
- Когда нужно сузить тему или задать тон ответа.
7. Пошаговые подсказки (Step-Back Prompting)
Описание:
Модель сначала анализирует общий вопрос, а затем решает конкретную задачу.
Пример:
Шаг 1: Какие факторы влияют на цену акций?
Шаг 2: Как эти факторы объясняют падение акций Tesla в 2023 году?
Когда использовать:
- Для сложных задач, требующих многоэтапного рассуждения.
8. Цепочка мыслей (Chain of Thought, CoT)
Описание:
Модель пошагово объясняет свои рассуждения перед ответом.
Пример:
Задача: "У Маши 3 яблока, она отдала 2. Сколько у неё осталось?"
Ответ:
1. Было 3 яблока.
2. Отдала 2.
3. 3 - 2 = 1.
Ответ: 1.
Когда использовать:
- Для математических и логических задач.
9. Самосогласованность (Self-Consistency)
Описание:
Модель генерирует несколько вариантов ответа, затем выбирает наиболее частый.
Пример:
(Промпт отправляется 3 раза)
Вопрос: "Какая столица Австралии?"
Ответ 1: "Канберра"
Ответ 2: "Сидней"
Ответ 3: "Канберра"
Итоговый ответ: "Канберра".
Когда использовать:
- Для повышения точности в спорных вопросах.
10. Древо мыслей (Tree of Thoughts, ToT)
Описание:
Модель исследует несколько путей решения задачи, выбирая лучший.
Пример:
Задача: "Напиши план маркетинговой кампании для нового продукта."
Модель генерирует 3 варианта, затем выбирает оптимальный.
Когда использовать:
- Для творческих и многовариантных задач.
11. ReAct (Reason + Act)
Описание:
Модель рассуждает и взаимодействует с внешними API (например, поиск в Google).
Пример:
Действие: Найти в Google "курс доллара на сегодня".
Наблюдение: 1 USD = 90 RUB.
Ответ: Курс доллара — 90 рублей.
Когда использовать:
- Для задач, требующих актуальных данных.
12. Автоматическое проектирование промптов (APE)
Описание:
Модель сама генерирует и оптимизирует промпты.
Пример:
Задача: "Придумай промпт для генерации идей стартапов."
Модель предлагает:
"Назови 5 инновационных бизнес-идей в сфере AI."
Когда использовать:
- Для автоматизации создания промптов.
Итог
Выбор метода зависит от задачи:
- Простая задача → Zero-Shot / One-Shot.
- Сложная задача → Few-Shot / CoT / ToT.
- Творческая задача → Role Prompting / ToT.
- Точность важна → Self-Consistency / ReAct.
Экспериментируйте с разными подходами, чтобы найти оптимальный вариант! 🚀