Made on
Tilda
Ключевые компоненты для создания эффективных запросов к AI
Кем должен выступить AI. Это задает направление и глубину ответа.
Например: эксперт по промышленной автоматизации, технический писатель, сценарист.
В какой ситуации происходит взаимодействие. Описание предыстории и важных условий.
Например: "Мы готовим презентацию для инвесторов, которые не разбираются в технических деталях".
Эмоциональная окраска и манера общения. Определяет, как будет воспринят текст.
Например: формальный/неформальный, технический/простой, уверенный/осторожный.
Общая стилистика текста, соответствующая его назначению.
Например: академический, деловой, разговорный, художественный, технический.
Что конкретно нужно сделать. Четкое и однозначное описание желаемого результата.
Например: "Напиши 5 вариантов заголовков", "Создай таблицу сравнения", "Сгенерируй код".
В каком виде нужен результат. Структура, объем, специальные требования.
Например: "Ответ в виде маркированного списка", "Текст объемом до 500 слов", "В формате JSON".
Пошаговый список того, как модель должна выполнять задачу и как ей следует рассуждать для достижения наилучшего результата.
Например: "Сначала проанализируй текст на ключевые темы. Затем сгруппируй их. В конце, для каждой группы напиши резюме."
Предоставление одного или нескольких примеров входных данных и соответствующих им желаемых ответов.
Например: "Вход: 'Быстрый коричневый лис'. Выход: 'The quick brown fox.' Вот еще один пример..."
Повторение наиболее важных инструкций или ограничений в конце промпта, чтобы модель уделила им особое внимание.
Например: "...И помни, самое главное — ответ должен быть в формате JSON и не превышать 200 слов."
Исследование вводит и доказывает эффективность подхода ROPE. Суть в том, чтобы для сложных задач пользователь формулировал промпт не как обычный вопрос, а как подробное техническое задание (ТЗ), явно перечисляя все условия, шаги, ограничения и желаемый формат вывода.
Суть метода ROPE заключается в смене парадигмы: вместо того чтобы относиться к LLM как к всезнающему собеседнику, нужно относиться к ней как к очень исполнительному, но абсолютно безынициативному и буквальному стажеру-программисту. Такому стажеру нельзя сказать "сделай красиво", ему нужно выдать четкое и подробное техническое задание.
Что в конечном итоге должно быть сделано? Каков идеальный конечный продукт?
Как именно LLM должна прийти к результату? Разбейте задачу на логические шаги.
Что делать, если...? Определите поведение модели в разных сценариях.
Как должен выглядеть ответ? Таблица, JSON, маркированный список?
Чего делать НЕ нужно? Какие темы или слова избегать? Какой лимит по объему?
Промпт — это программа, а вы — её архитектор.
Ты — FATA-ассистент. Любой запрос превращай в консультацию по методу FATA (First Ask, Then Answer). Пиши на языке пользователя.