Inżynieria promptów

Inżynieria promptów oznacza w prostych słowach zadawanie AI dobrych pytań. Prompt to Twój input z pytaniem lub prośbą.

Inżynieria promptów polega na wymyślaniu ukierunkowanych pytań i wskazówek, które pomagają modelom AI udzielać właściwych odpowiedzi podczas czatów. Dzięki lepszym promptom otrzymujesz lepsze wyniki.

Razem ze specyfikacjami wybranego modelu decyduje to o jakości odpowiedzi.

Elementy promptu (pytania)

Aby uzyskać lepsze wyniki, należy pamiętać o następujących punktach:

• Cel: czego dokładnie oczekujesz od modelu językowego?
• Rola: jaką rolę pełni model językowy? (np. „Analityk marketingowy”, „Doradca prawny”, „Kierownik projektu”)
• Kontekst: informacje tła dotyczące prośby (np. cele biznesowe, szczegóły projektu, informacje rynkowe)
• Styl: jaki styl chcesz zastosować? (np. formalny, przekonujący, zwięzły)
• Output: w jakim formacie chcesz otrzymać odpowiedź? (np. raport, e-mail, konspekt prezentacji, fragment kodu)

Cel

Dokładne określenie celu pytania jest kluczowe i nie można go pominąć.

Czego chcesz się dowiedzieć?

• Pytania faktograficzne są możliwe, ale miej świadomość ograniczeń (np. brak aktualnej wiedzy)
• Podobnie jak w Google, nie otrzymasz dokładnie tej samej odpowiedzi, gdy zadasz pytanie wielokrotnie
• Zaleta to funkcja „czatu”, która pozwala na zadawanie kolejnych pytań

Przykład promptu z wyraźnym celem:

Prompt z samym celem

Podaj opis najważniejszych wyzwań związanych z wdrożeniem nowej platformy AI w średniej wielkości firmie.

Wdrożenie nowej platformy AI w średniej wielkości firmie wiąże się z różnymi wyzwaniami. Oto kilka kluczowych wyzwań:

1. Opór przed zmianą: Pracownicy są przyzwyczajeni do istniejących procesów i systemów. Nowa platforma AI wymaga adaptacji i może wywołać opór, zwłaszcza jeśli wpływ na przepływy pracy nie jest jasny.
2. Jakość i dostępność danych: Platformy AI są silnie zależne od danych. Zbieranie, oczyszczanie i strukturyzacja danych dla nowej platformy może być skomplikowane i czasochłonne.
3. Integracja z istniejącymi systemami: Platforma AI często musi być zintegrowana z innymi aplikacjami biznesowymi (ERP, źródła danych, narzędzia BI). Może to powodować wyzwania techniczne.
4. Koszty: Oprócz kosztów licencji platformy, występują koszty wdrożenia, szkoleń, infrastruktury danych oraz ewentualnie specjalistycznego personelu.
5. Szkolenia i adopcja: Pracownicy muszą być przeszkoleni w obsłudze nowej platformy i interpretacji wyników. Bez dobrego szkolenia i ciągłego wsparcia poziom adopcji może pozostać niski.
6. Wybór odpowiedniej platformy i przypadków użycia: Istnieje wiele platform i technologii AI. Wybór platformy i zdefiniowanie odpowiednich przypadków użycia, które odpowiadają specyficznym potrzebom i celom strategicznym firmy, jest kluczowy.
7. Rozważania etyczne i zgodność z przepisami: W zależności od zastosowania platformy AI mogą pojawić się kwestie etyczne i wymagania zgodności (np. GDPR), które należy starannie rozważyć.
8. Zarządzanie projektem: Udane wdrożenie wymaga solidnego zarządzania projektem, jasnych celów i zaangażowania interesariuszy z różnych działów.

Dodanie roli i kontekstu

Dodanie roli i kontekstu zapewnia lepsze i bardziej specyficzne odpowiedzi.

Przykład tego samego pytania, ale z rolą i kontekstem:

Prompt z celem, rolą i kontekstem

Jako kierownik projektu odpowiedzialny za wdrożenie nowej platformy AI do analizy danych i optymalizacji procesów w firmie B2B zatrudniającej 150 pracowników, podaj opis najważniejszych wyzwań i możliwych strategii łagodzenia.

Jako kierownik projektu wdrażający nową platformę AI do analizy danych i optymalizacji procesów w firmie B2B zatrudniającej 150 pracowników, widzę następujące kluczowe wyzwania i możliwe strategie łagodzenia:

1. Opór przed zmianą i adopcja przez użytkowników:
   • Wyzwanie: Pracownicy, zwłaszcza ci, których zadania są bezpośrednio dotknięte, mogą być niechętni do porzucenia znanych metod pracy i przyjęcia nowych, opartych na AI wglądów.
   • Łagodzenie: Włącz kluczowych użytkowników na wczesnym etapie. Jasno komunikuj korzyści (wydajność, lepsze decyzje, nowe wglądy). Zapewnij obszerne, oparte na rolach szkolenia i ciągłe wsparcie. Wyznacz „mistrzów AI” w działach.
2. Jakość danych, zarządzanie i migracja:
   • Wyzwanie: Skuteczność platformy AI zależy od wysokiej jakości, dobrze zarządzanych danych. Dane z istniejących systemów często są niespójne, niekompletne lub błędne.
   • Łagodzenie: Rozpocznij od gruntownego audytu danych, zdefiniuj ramy zarządzania danymi i przeprowadź oczyszczanie danych przed integracją/migracją. Określ jasne modele i przepływy danych. Przeprowadzaj testy i dokładnie weryfikuj dane.
3. Integracja z istniejącą infrastrukturą IT:
   • Wyzwanie: Połączenia z istniejącymi źródłami danych, ERP, CRM i innymi systemami muszą działać płynnie i bezpiecznie.
   • Łagodzenie: Wczesne zidentyfikowanie wszystkich potrzebnych integracji. Wybierz platformę AI z solidnymi możliwościami API lub standardowymi konektorami. Dokładnie testuj integracje.
4. Rozszerzanie zakresu i przekroczenie budżetu:
   • Wyzwanie: W trakcie projektu mogą pojawić się nowe wymagania dotyczące zastosowań AI, które rozszerzają zakres i zwiększają koszty.
   • Łagodzenie: Zdefiniuj jasny, ograniczony zakres z wyraźnymi przypadkami użycia (MVP – Minimum Viable Product) na pierwszą fazę. Stosuj rygorystyczny proces zarządzania zmianami. Utrzymuj realistyczny harmonogram i budżet z rezerwą.
5. Wybór odpowiedniej technologii i partnera wdrożeniowego:
   • Wyzwanie: Rynek AI jest złożony. Zły wybór technologii lub niedoświadczony partner może spowodować niepowodzenie projektu.
   • Łagodzenie: Przeprowadź dokładne badania odpowiednich technologii AI dla zdefiniowanych przypadków użycia. Wybierz partnera z udokumentowanym doświadczeniem w Twojej branży i z wybranymi technologiami. Poproś o referencje.
6. Brak wiedzy i umiejętności AI w organizacji:
   • Wyzwanie: Może brakować wewnętrznej ekspertyzy do efektywnego korzystania, utrzymania lub dalszego rozwoju platformy AI.
   • Łagodzenie: Inwestuj w szkolenia i edukację. Rozważ zatrudnienie specjalistów lub ścisłą współpracę z partnerem wdrożeniowym w celu transferu wiedzy. Twórz kulturę ciągłego uczenia się.
7. Rozważania etyczne i wyjaśnialność (Explainable AI):
   • Wyzwanie: Decyzje podejmowane lub wspierane przez AI muszą być przejrzyste i wyjaśnialne, zwłaszcza jeśli wpływają na klientów lub pracowników. Uprzedzenia w danych mogą prowadzić do niesprawiedliwych wyników.
   • Łagodzenie: Opracuj wytyczne etyczne dotyczące użycia AI. Wybieraj modele możliwe do interpretacji, jeśli to możliwe. Wdrażaj procesy wykrywania i łagodzenia uprzedzeń. Zapewnij nadzór ludzki nad krytycznymi decyzjami AI.

Proaktywne podejście do tych wyzwań zwiększa szanse na udane wdrożenie platformy AI, które rzeczywiście przyczyni się do realizacji celów biznesowych.

Techniki

Poniżej opisujemy kilka technik, które możesz wykorzystać przy bardziej zaawansowanych promptach.

Technika 1 – podawanie przykładów

Aby zapewnić, że model językowy stosuje styl, jaki chcesz, podaj jeden lub dwa przykłady.

Metoda ta nazywa się „one & few-shot prompting”

Technika 1 – podawanie przykładów

Napisz szkic e-maila do klientów o nadchodzącej planowanej aktualizacji systemu. Użyj naszej wewnętrznej polityki komunikacji z klientami (wstaw odpowiednie punkty z polityki). Jako przewodnik stylu użyj tego ostatniego newslettera, ale nie kopiuj żadnych informacji merytorycznych: (wstaw tekst newslettera)

Pełny prompt wygląda następująco:

Wewnętrzna polityka komunikacji z klientami:

• Zawsze bądź profesjonalny i uprzejmy.
• Informuj na czas o ważnych zmianach lub awariach.
• Podawaj jasne i zwięzłe informacje.
• Zapewnij rozwiązanie lub rekompensatę, jeśli to stosowne.

Użyj stylu tego newslettera, ale nie korzystaj z informacji w nim zawartych. Szanowny Kliencie,

Chcielibyśmy poinformować o nadchodzącej aktualizacji systemu, która może wpłynąć na nasze usługi.

Data i godzina aktualizacji: [data i godzina] Przewidywany czas przerwy: [czas trwania] Dotknięte usługi: [usługi]

W tym czasie nasze usługi mogą być tymczasowo niedostępne. Dołożymy wszelkich starań, aby ograniczyć niedogodności do minimum i jak najszybciej przywrócić działanie usług.

Technika 1 – odpowiedź

Poniżej znajduje się odpowiedź modelu językowego na rozbudowany prompt z przykładami

Szanowny Kliencie,

Chcielibyśmy poinformować o nadchodzącej aktualizacji systemu, która może wpłynąć na nasze usługi.

Data i godzina aktualizacji: [data i godzina] Przewidywany czas przerwy: [czas trwania] Dotknięte usługi: [usługi]

W tym czasie nasze usługi mogą być tymczasowo niedostępne. Dołożymy wszelkich starań, aby ograniczyć niedogodności do minimum i jak najszybciej przywrócić działanie usług.

Jeśli mają Państwo pytania, prosimy o kontakt.

Z poważaniem, [Twoje Imię] [Twoje Stanowisko] [Nazwa Firmy] [Dane kontaktowe]

Technika 2 – podawanie szablonu

Aby zapewnić, że model językowy użyje określonego formatu, podaj szablon i przykład. To sprawia, że model formatuje lub strukturyzuje odpowiedź w określony sposób. Możesz myśleć o bardzo różnych formatach przydatnych w różnych sytuacjach, takich jak:

• wyjście csv do importu do arkusza Excel lub narzędzia analizy danych
• wyjście json do integracji API lub plików konfiguracyjnych
• plan spotkania projektowego

Przykład promptu: Wygeneruj listę trzech potencjalnych kanałów marketingowych dla nowego produktu SaaS skierowanego do firm MŚP. Sformatuj odpowiedź w następujący sposób: Kanał: Grupa docelowa: Potencjalny ROI: Wymagane zasoby:

Na przykład: Kanał: LinkedIn Advertising Grupa docelowa: Konkretne stanowiska, branże, wielkość firmy Potencjalny ROI: Wysoki, jeśli dobrze targetowany Wymagane zasoby: Budżet reklamowy, tworzenie treści, zarządzanie kampanią

Metoda ta nazywa się „output templates”

Technika 2 – podawanie szablonu

Poniżej znajduje się odpowiedź modelu językowego na prompt z szablonem outputu

Kanał: Content Marketing (Blog & SEO) Grupa docelowa: Firmy aktywnie poszukujące rozwiązań swoich problemów, ruch organiczny Potencjalny ROI: Wysoki w długim terminie, buduje autorytet Wymagane zasoby: Copywriterzy, specjalista SEO, czas na badanie słów kluczowych i promocję treści

Kanał: Google Ads (Search) Grupa docelowa: Firmy aktywnie wyszukujące konkretne słowa kluczowe związane z produktem SaaS Potencjalny ROI: Od średniego do wysokiego, zależnie od konkurencji i CPC Wymagane zasoby: Budżet reklamowy, badanie słów kluczowych, optymalizacja landing page, zarządzanie kampanią

Kanał: E-mail Marketing (Lead Nurturing) Grupa docelowa: Leady pozyskane przez stronę internetową, webinary lub inne kanały Potencjalny ROI: Wysoki, skuteczny w konwersji leadów na klientów Wymagane zasoby: Platforma do e-mail marketingu, treści do sekwencji maili, umiejętności segmentacji

Technika 3 – podawanie wskazówki

Aby zapewnić, że model językowy zacznie i napisze w określony sposób, podaj wskazówkę. Tutaj umieszczamy wskazówkę na końcu promptu.

Przykład promptu: Czy możesz podsumować dla mnie ten raport z badań rynkowych? (wklej odpowiednie sekcje raportu). Zacznij odpowiedź od: Najważniejsze wnioski z tego badania rynku to:

• WKLEJ TEKST RAPORTU

Metoda ta nazywa się „cues i hints” Ten przykład używa fikcyjnego raportu.

Technika 3 – podawanie wskazówki

Poniżej znajduje się odpowiedź modelu językowego na prompt ze wskazówką

Najważniejsze wnioski z tego badania rynku to:

• Popyt na oprogramowanie do zarządzania projektami w chmurze w sektorze MŚP wzrósł o 35% w ciągu ostatnich dwóch lat.
• Kluczowe czynniki decyzyjne dla firm MŚP to łatwość użycia, możliwości integracji z istniejącymi narzędziami oraz cena.
• Konkurent A ma 25% udziału w rynku, a Konkurent B 18%. Jest miejsce dla nowych graczy skupiających się na niszach lub oferujących lepsze doświadczenie użytkownika.
• Największe wyzwania dla firm MŚP przy wdrażaniu nowego oprogramowania to początkowa inwestycja i czas potrzebny na szkolenie pracowników.
• Przewiduje się, że rynek będzie rósł o 15% rocznie przez następne pięć lat.

Technika 4 – dzielenie treści instrukcji

Czasem prompt jest bardzo długi z powodu dodatkowej treści i model nie interpretuje dokładnie, czego chcesz. Widziałeś to prawdopodobnie w poprzednim przykładzie. Wtedy podziel treść, umieszczając potrójne cudzysłowy na początku i końcu tekstu, oddzielając ją od reszty promptu.

Przykład promptu: Czy możesz podsumować ten artykuł dla mnie? “”” (wklej tekst artykułu). “”” Zacznij odpowiedź od: Najważniejsze punkty z tego artykułu to:

Metoda ta nazywa się „content splitting” Ten przykład używa artykułu lub raportu z internetu jako materiału źródłowego. Możesz użyć np. notatki politycznej, raportu badawczego lub strony z informacjami publicznymi.

Technika 4 – dzielenie treści

Poniżej znajduje się odpowiedź modelu językowego na prompt z podzieloną treścią. Używamy potrójnych cudzysłowów lub gwiazdek, aby oddzielić kontekst pytania.

Najważniejsze punkty z tego źródła to:

• Raport opisuje, które grupy docelowe są dotknięte polityką.
• Źródło wymienia warunki wstępne dla starannego wdrożenia, takie jak prywatność, dostępność i jasna komunikacja.
• Analiza pokazuje, jakie ryzyka i zależności należy uwzględnić z wyprzedzeniem.
• Dokument zawiera rekomendacje, które można przekształcić w konkretne działania dla zespołów lub działów.
• Do podejmowania decyzji ważne jest wyraźne określenie założeń, niepewności i kolejnych kroków.

Technika 5 – najpierw zadawaj dodatkowe pytania

Możesz dać instrukcję, aby najpierw zadać dodatkowe pytania, zanim zostanie wygenerowana odpowiedź. W ten sposób model pomaga doprecyzować i uszczegółowić Twoją prośbę.

Przykład promptu: „Chcę przygotować propozycję projektu rozwoju nowej aplikacji mobilnej do komunikacji wewnętrznej. Aplikacja ma zawierać funkcje aktualizacji wiadomości, książki adresowej i bezpośrednich wiadomości. Zanim napiszesz propozycję projektu, czy możesz zadać mi dodatkowe pytania, które pomogą ją ulepszyć?”

Metoda ta nazywa się „ask before answer prompting”

Technika 5 – najpierw pytaj o dodatkowe informacje

Poniżej znajduje się odpowiedź modelu językowego na prompt z prośbą o dodatkowe informacje

Oczywiście! Oto kilka pytań, które mogę zadać, aby ulepszyć propozycję projektu: Jaki jest główny cel aplikacji do komunikacji wewnętrznej? (np. zwiększenie zaangażowania, poprawa dystrybucji informacji, ułatwienie współpracy) Kto jest konkretną grupą docelową w firmie? (np. wszyscy pracownicy, konkretne działy, pracownicy terenowi) Czy istnieją systemy lub platformy, z którymi aplikacja musi się integrować? (np. intranet, system HR, Active Directory) Jaki jest przewidziany budżet i harmonogram rozwoju i wdrożenia? Czy są specyficzne wymagania dotyczące bezpieczeństwa lub zgodności? (np. GDPR, polityka retencji danych) Jakie kluczowe wskaźniki efektywności (KPI) będą używane do oceny sukcesu aplikacji? Czy są już pomysły na design lub branding aplikacji? Czy ma ona pasować do tożsamości organizacji? Czy jest preferowana platforma rozwoju (iOS, Android, cross-platform)?

Dzięki tym dodatkowym informacjom możemy lepiej określić zakres i wymagania, a tym samym przygotować silniejszą propozycję projektu.

Technika 6 – emocjonalny prompt

Możesz dać instrukcję, aby dostosować ton tekstu do emocji, które są podłożem, lub wywołać konkretną emocjonalną reakcję. Jest to przydatne w obsłudze klienta, komunikacji wewnętrznej lub marketingu.

Przykład promptu: „Muszę napisać e-mail do klienta niezadowolonego z niedawnej przerwy w świadczeniu usług. Klient napisał: „”” …. „”” (wklej tekst klienta). Chcę, aby e-mail był empatyczny, uznawał frustrację klienta i oferował konstruktywne rozwiązanie.”

Metoda ta nazywa się „emotional prompting” Ten przykład używa fikcyjnej skargi.

Pełny prompt brzmi:

Muszę napisać e-mail do klienta niezadowolonego z niedawnej przerwy w świadczeniu usług. Klient napisał: """Szanowni Państwo,

Jestem bardzo rozczarowany nieoczekiwaną przerwą w świadczeniu usług wczoraj po południu. Powodowała ona poważne zakłócenia w naszej działalności i straty produktywności. Polegamy na Państwa usługach i takie incydenty są nie do przyjęcia. Oczekuję jasnego wyjaśnienia i odpowiedniej rekompensaty."""

Chcę, aby e-mail był empatyczny, uznawał frustrację klienta i oferował konstruktywne rozwiązanie.

Technika 6 – emocjonalny prompt

Poniżej znajduje się odpowiedź, którą otrzymaliśmy od modelu językowego

Szanowny Panie/Pani [Nazwisko Klienta],

Dziękujemy za Państwa wiadomość i składamy szczere przeprosiny za przerwę w świadczeniu usług, której doświadczyli Państwo wczoraj po południu. Doskonale rozumiem Państwa frustrację oraz wpływ, jaki miało to na działalność firmy. Bardzo nam przykro, że nie spełniliśmy Państwa oczekiwań i naszych standardów obsługi.

Przerwa została spowodowana przez [krótkie, jasne wyjaśnienie przyczyny, np. nieprzewidziana awaria techniczna w naszym centrum danych]. Natychmiast podjęliśmy działania, a nasi technicy pracowali intensywnie, aby jak najszybciej przywrócić usługę. Od [godzina] usługa jest w pełni dostępna.

Traktujemy ten incydent bardzo poważnie i już prowadzimy analizę przyczyn, aby zapobiec podobnym sytuacjom w przyszłości.

Aby częściowo zrekompensować niedogodności, chętnie zaoferujemy Państwu [konkretna propozycja, np. rabat na następne faktury / darmową aktualizację na miesiąc / kredyt serwisowy]. Jeden z naszych menedżerów kont skontaktuje się z Państwem w ciągu 24 godzin, aby omówić to osobiście i odpowiedzieć na wszelkie pytania.

Jeszcze raz przepraszamy za niedogodności. Cenimy Państwa współpracę i dążymy do zapewnienia niezawodnej obsługi, której Państwo oczekują.

Z poważaniem,

[Twoje Imię/Nazwa Firmy]

Technika 7 – prośba o wiele wersji

Prośisz o wiele wersji odpowiedzi, aby mieć wybór. Na przykład chcesz, aby model pomógł wygenerować różne slogany marketingowe dla nowego produktu. Istnieje wiele różnych podejść, więc chcesz mieć kilka opcji. Można to skutecznie połączyć z ustawieniem konkretnej roli dla modelu i promptem systemowym, który dalej ukierunkowuje model.

Więcej o rolach możesz przeczytać w odpowiednim artykule. Ten przykład z wieloma wersjami znajduje się na końcu artykułu. Tutaj nie jest powtórzony w całości.

Technika 8 – łączenie z promptem systemowym

Prompt systemowy pozwala dać modelowi AI instrukcje. To polecenie, które możesz przekazać modelowi, aby określić zadanie lub zachowanie modelu. Możesz w nim określić, jakiego rodzaju output oczekujesz od modelu AI. To sposób na sterowanie modelem i zapobieganie nieistotnym lub niepożądanym odpowiedziom.

Kilka przykładów prostych i ogólnych promptów systemowych:

„Chcę, abyś był przyjaznym i pomocnym asystentem.”

„Zawsze zachowuj profesjonalizm i szacunek w swoim języku.”

„Skup się na udzielaniu konkretnych, zwięzłych odpowiedzi bez zbędnych szczegółów.”

Prompt systemowy ustawia ton i oczekiwania dla konkretnej rozmowy lub zadania, które chcesz wykonać z modelem AI.

Możesz też wymyślić bardziej zaawansowane prompty systemowe dla konkretnych zadań, takich jak podsumowanie tekstu: „Dokładnie przeanalizuj podany tekst i podaj zwięzłe, ale informacyjne podsumowanie najważniejszych punktów. Zidentyfikuj główną myśl i kluczowe szczegóły.”

Prompty systemowe nie mają takiego samego wpływu na wynik w każdym modelu AI. W chatGPT działają bardzo silnie, w Claude także, w innych modelach wpływ promptu systemowego jest mniejszy. Warto więc wypróbować i zobaczyć, który model najlepiej działa na Twoim inputcie.

Możesz ustawić ogólny prompt systemowy w preferencjach, ale najlepiej wymyślać takie prompty systemowe dla każdego zadania, które chcesz zautomatyzować. Nazywamy to rolami.

Więcej o rolach możesz przeczytać w odpowiednim artykule.

Adnotowanie fragmentu tekstu

Zaznacz tekst w zamkniętej wiadomości czatu i wybierz Adnotuj. Wpisz w oknie pytanie lub instrukcję zmiany, np. „Uprość tylko to zdanie” i wybierz Zapisz. Możesz adnotować wiele fragmentów. Następnie wyślij; dodatkowy prompt w polu wprowadzania nie jest konieczny, ale możesz go dodać. Fragment pozostaje przy komentarzu, nawet jeśli przełączysz się do innego okna. Możesz usunąć adnotację przed wysłaniem. Na urządzeniu mobilnym przytrzymaj tekst, aby go zaznaczyć.