Проєктування запитів (Prompt engineering)

Проєктування запитів означає, простими словами, ставити правильні питання ШІ. Промпт — це ваш вхід із вашим питанням або проханням.

Проєктування запитів полягає у формулюванні цілеспрямованих питань і вказівок, щоб допомогти моделям ШІ давати правильні відповіді під час чатів. Кращі промпти дають кращі результати.

Разом із характеристиками обраної моделі це визначає якість відповіді.

Елементи промпту (питання)

Щоб отримати кращі результати, слід врахувати такі моменти:

• Мета: що саме ви хочете від мовної моделі?
• Роль: яку роль має мовна модель? (Наприклад, «Маркетинговий аналітик», «Юридичний консультант», «Менеджер проєкту»)
• Контекст: фонова інформація про запит (Наприклад, цілі компанії, деталі проєкту, інформація про ринок)
• Стиль: який стиль ви хочете використовувати? (Наприклад, офіційний, переконливий, лаконічний)
• Вихідний формат: у якому форматі ви хочете отримати відповідь? (Наприклад, звіт, електронний лист, план презентації, фрагмент коду)

Мета

Точне формулювання мети вашого питання є суттєвим і не може бути пропущене.

Що ви хочете дізнатися?

• Можна ставити фактичні питання, але будьте свідомі обмежень (наприклад, відсутність актуальних знань)
• Як і в Google, ви не отримаєте точно таку саму відповідь, якщо поставите питання кілька разів
• Перевага — функція «чат», що дозволяє ставити уточнюючі питання

Приклад промпту з чіткою метою:

Промпт лише з метою

Опишіть основні виклики впровадження нової AI-платформи в середній компанії.

Впровадження нової AI-платформи в середній компанії пов’язане з кількома викликами. Основні з них:

1. Опір змінам: Співробітники звикли до існуючих процесів і систем. Нова AI-платформа вимагає адаптації і може викликати опір, особливо якщо вплив на робочі процеси не є очевидним.
2. Якість і доступність даних: AI-платформи сильно залежать від даних. Збір, очищення та структурування даних для нової платформи може бути складним і трудомістким.
3. Інтеграція з існуючими системами: AI-платформу часто потрібно інтегрувати з іншими корпоративними додатками (ERP, джерела даних, BI-інструменти). Це може створювати технічні виклики.
4. Витрати: Окрім ліцензійних платежів за платформу, існують витрати на впровадження, навчання, інфраструктуру даних і, можливо, спеціалізований персонал.
5. Навчання та прийняття: Співробітників потрібно навчити користуватися новою платформою та інтерпретувати її результати. Без належного навчання та постійної підтримки рівень прийняття може залишатися низьким.
6. Вибір правильної платформи та кейсів використання: Існує багато AI-платформ і технологій. Вибір платформи та визначення релевантних кейсів, що відповідають конкретним потребам і стратегічним цілям компанії, є критичним.
7. Етичні міркування та відповідність вимогам: Залежно від застосування AI-платформи можуть виникати етичні питання та вимоги відповідності (наприклад, GDPR), які потрібно ретельно враховувати.
8. Управління проєктом: Успішне впровадження вимагає ґрунтовного управління проєктом, чітких цілей і залучення зацікавлених сторін з різних відділів.

Додавання ролі та контексту

Додавання ролі та контексту забезпечує кращі та більш конкретні відповіді.

Приклад того самого питання, але з роллю та контекстом:

Промпт з метою, роллю та контекстом

Як менеджер проєкту, відповідальний за впровадження нової AI-платформи для аналізу даних і оптимізації процесів у B2B-сервісній компанії з 150 співробітниками, опишіть основні виклики та можливі стратегії їх пом’якшення.

Як менеджер проєкту з впровадження нової AI-платформи для аналізу даних і оптимізації процесів у B2B-сервісній компанії з 150 співробітниками, я бачу такі основні виклики та можливі стратегії їх пом’якшення:

1. Опір змінам і прийняття користувачами:
   • Виклик: Співробітники, особливо ті, чиї завдання безпосередньо впливаються, можуть бути неохочими відмовлятися від звичних методів роботи та приймати нові AI-інсайти.
   • Пом’якшення: Залучайте ключових користувачів на ранніх етапах. Чітко комунікуйте переваги (ефективність, кращі рішення, нові інсайти). Забезпечте комплексне навчання за ролями та постійну підтримку. Призначте «AI-чемпіонів» у відділах.
2. Якість даних, управління та міграція:
   • Виклик: Ефективність AI-платформи залежить від якісних, добре керованих даних. Дані з існуючих систем часто є непослідовними, неповними або некоректними.
   • Пом’якшення: Почніть з ретельного аудиту даних, визначте рамки управління даними та проведіть очищення перед інтеграцією/міграцією. Визначте чіткі моделі та потоки даних. Проведіть тестування та ретельну валідацію даних.
3. Інтеграція з існуючою ІТ-інфраструктурою:
   • Виклик: Зв’язки з існуючими джерелами даних, ERP, CRM та іншими корпоративними системами мають працювати безперебійно та безпечно.
   • Пом’якшення: Раннє виявлення всіх необхідних інтеграцій. Оберіть AI-платформу з надійними API або стандартними конекторами. Ретельно тестуйте інтеграції.
4. Розширення обсягу робіт і перевищення бюджету:
   • Виклик: Під час проєкту можуть з’являтися нові побажання щодо AI-застосувань, що розширюють обсяг і збільшують витрати.
   • Пом’якшення: Визначте чіткий, обмежений обсяг із конкретними кейсами (MVP — мінімально життєздатний продукт) для першої фази. Використовуйте суворий процес управління змінами. Дотримуйтеся реалістичного плану проєкту та бюджету з резервом.
5. Вибір правильної технології та партнера з впровадження:
   • Виклик: Ринок AI складний. Неправильний вибір технології або недосвідчений партнер можуть призвести до провалу проєкту.
   • Пом’якшення: Ретельно дослідіть відповідні AI-технології для визначених кейсів. Оберіть партнера з підтвердженим досвідом у вашій галузі та з обраними технологіями. Запитуйте рекомендації.
6. Недостатність знань і навичок з AI в організації:
   • Виклик: Можливо, недостатньо внутрішньої експертизи для ефективного використання, підтримки або розвитку AI-платформи.
   • Пом’якшення: Інвестуйте в навчання та підвищення кваліфікації. Розгляньте найм спеціалістів або тісну співпрацю з партнером для передачі знань. Створюйте культуру безперервного навчання.
7. Етичні міркування та пояснюваність (Explainable AI):
   • Виклик: Рішення, прийняті або підтримані AI, мають бути прозорими і пояснюваними, особливо якщо вони впливають на клієнтів або співробітників. Упередженість у даних може призвести до несправедливих результатів.
   • Пом’якшення: Встановіть етичні принципи використання AI. Обирайте моделі, які можна інтерпретувати. Впровадьте процеси виявлення та пом’якшення упередженості. Забезпечте людський контроль над критичними AI-рішеннями.

Проактивне вирішення цих викликів підвищує шанси на успішне впровадження AI-платформи, що дійсно сприятиме досягненню бізнес-цілей.

Техніки

Нижче описано кілька технік, які ви можете використовувати для більш просунутих промптів.

Техніка 1 — надання прикладів

Щоб мовна модель використовувала той самий стиль, який ви хочете, надайте один або два приклади.

Цей метод називається «one & few-shot prompting»

Техніка 1 — надання прикладів

Напишіть чернетку електронного листа клієнтам про майбутнє планове оновлення системи. Використовуйте нашу внутрішню політику комунікації з клієнтами (включіть релевантні пункти з політики). Для стилю використовуйте цю недавню розсилку, але не копіюйте зміст: (вставте текст розсилки)

Повний промпт виглядає так:

Внутрішня політика комунікації з клієнтами:

• Завжди будьте професійними та ввічливими.
• Своєчасно інформуйте про важливі зміни або збої.
• Надавайте чітку та лаконічну інформацію.
• Забезпечуйте рішення або компенсацію, якщо це доречно.

Для стилю використовуйте цю розсилку, але не копіюйте інформацію з неї. Шановний клієнте,

Ми хочемо повідомити вас про майбутнє оновлення системи, яке може вплинути на наші послуги.

Дата і час оновлення: [дата і час] Очікувана тривалість перерви: [тривалість] Залучені послуги: [послуги]

Під час цього періоду наші послуги можуть бути тимчасово недоступні. Ми докладаємо зусиль, щоб мінімізувати незручності та якнайшвидше відновити роботу.

Техніка 1 — відповідь

Нижче наведено відповідь мовної моделі на розширений промпт з прикладами

Шановний клієнте,

Ми хочемо повідомити вас про майбутнє оновлення системи, яке може вплинути на наші послуги.

Дата і час оновлення: [дата і час] Очікувана тривалість перерви: [тривалість] Залучені послуги: [послуги]

Під час цього періоду наші послуги можуть бути тимчасово недоступні. Ми докладаємо зусиль, щоб мінімізувати незручності та якнайшвидше відновити роботу.

Якщо у вас є питання, будь ласка, звертайтеся до нас.

З повагою, [Ваше ім’я] [Ваша посада] [Назва компанії] [Контактна інформація]

Техніка 2 — надання шаблону

Щоб мовна модель використовувала певний формат, надайте шаблон і приклад. Це змушує модель формувати або структурувати відповідь певним чином. Ви можете використовувати різні формати, корисні в таких ситуаціях, як:

• CSV-вивід для імпорту в Excel або інструмент аналізу даних
• JSON-вивід для API-інтеграцій або конфігураційних файлів
• План зустрічі для проектного засідання

Приклад промпту: Згенеруйте список із трьох потенційних маркетингових каналів для нового SaaS-продукту, орієнтованого на МСБ. Форматуйте відповідь так: Канал: Цільова аудиторія: Потенційний ROI: Необхідні ресурси:

Наприклад: Канал: LinkedIn Advertising Цільова аудиторія: Конкретні посади, галузі, розмір компанії Потенційний ROI: Високий, за умови правильного таргетингу Необхідні ресурси: Бюджет на рекламу, створення контенту, управління кампанією

Цей метод називається «output templates»

Техніка 2 — надання шаблону

Нижче наведено відповідь мовної моделі на промпт із шаблоном виводу

Канал: Контент-маркетинг (Блог і SEO) Цільова аудиторія: Компанії, які активно шукають рішення своїх проблем, органічний трафік Потенційний ROI: Високий у довгостроковій перспективі, формує авторитет Необхідні ресурси: Копірайтери, SEO-фахівець, час на дослідження ключових слів і просування контенту

Канал: Google Ads (Пошук) Цільова аудиторія: Компанії, які активно шукають конкретні ключові слова, пов’язані з SaaS-продуктом Потенційний ROI: Від середнього до високого, залежно від конкуренції та CPC Необхідні ресурси: Рекламний бюджет, дослідження ключових слів, оптимізація цільових сторінок, управління кампанією

Канал: Email-маркетинг (Lead Nurturing) Цільова аудиторія: Ліди, зібрані через сайт, вебінари або інші канали Потенційний ROI: Високий, ефективний для конверсії лідів у клієнтів Необхідні ресурси: Платформа email-маркетингу, контент для email-послідовностей, навички сегментації

Техніка 3 — надання підказки

Щоб змусити мовну модель почати і писати певним чином, надайте підказку. Тут підказка пишеться в кінці промпту.

Приклад промпту: Чи можете ви підсумувати для мене цей звіт з маркетингових досліджень? (вставте релевантні розділи звіту). Почніть відповідь з: Основні висновки цього маркетингового дослідження такі:

• ВСТАВТЕ ТЕКСТ ЗВІТУ

Цей метод називається «cues and hints» Цей приклад використовує вигаданий звіт.

Техніка 3 — надання підказки

Нижче наведено відповідь мовної моделі на промпт із підказкою

Основні висновки цього маркетингового дослідження такі:

• Попит на хмарне програмне забезпечення для управління проєктами серед МСБ зріс на 35% за останні два роки.
• Головні фактори прийняття рішень для МСБ — зручність використання, можливості інтеграції з існуючими інструментами та ціноутворення.
• Конкурент А має 25% ринку, за ним Конкурент Б із 18%. Є простір для нових гравців, які орієнтуються на конкретні ніші або пропонують кращий користувацький досвід.
• Найбільші виклики для МСБ при впровадженні нового ПЗ — початкові інвестиції та час на навчання співробітників.
• Очікується, що ринок зростатиме на 15% щорічно протягом наступних п’яти років.

Техніка 4 — розділення контенту та інструкцій

Іноді промпт дуже довгий через додатковий контент, і мовна модель не зовсім розуміє, що ви хочете. Це ви могли помітити в попередньому прикладі. Тоді розділіть контент трьома лапками на початку і в кінці тексту від решти промпту.

Приклад промпту: Чи можете ви підсумувати цю статтю для мене? “”” (вставте текст статті). “”” Почніть відповідь з: Основні моменти цієї статті:

Цей метод називається «content splitting» Цей приклад використовує статтю або звіт з інтернету як джерело. Ви можете використати, наприклад, політичну записку, дослідницький звіт або публічну інформаційну сторінку.

Техніка 4 — розділення контенту

Нижче наведено відповідь мовної моделі на промпт із розділеним контентом. Ми використовуємо три лапки або три зірочки, щоб відокремити контекст питання.

Основні моменти цього джерела:

• Звіт описує, які цільові групи зачіпає політика.
• Джерело називає умови для ретельного виконання, такі як конфіденційність, доступність і чітка комунікація.
• Аналіз показує, які ризики та залежності потрібно враховувати заздалегідь.
• Документ містить рекомендації, які можна перекласти у конкретні дії для команд або відділів.
• Для прийняття рішень важливо чітко визначити припущення, невизначеності та подальші кроки.

Техніка 5 — спочатку запитати додаткову інформацію

Ви можете дати інструкції спочатку поставити уточнюючі питання, перш ніж генерувати відповідь. Це допомагає мовній моделі уточнити ваш запит і зробити його більш конкретним.

Приклад промпту: «Я хочу підготувати проєктну пропозицію для розробки нової мобільної аплікації для внутрішньої комунікації. Аплікація має містити функції новинних оновлень, довідника співробітників і прямого обміну повідомленнями. Перед тим, як написати пропозицію, чи можете ви поставити мені додаткові питання, щоб покращити пропозицію?»

Цей метод називається «ask before answer prompting»

Техніка 5 — спочатку запитати додаткову інформацію

Нижче наведено відповідь мовної моделі на промпт із проханням поставити додаткові питання

Звичайно! Ось кілька питань, які я можу поставити, щоб покращити проєктну пропозицію: Яка основна мета аплікації для внутрішньої комунікації? (Наприклад, підвищення залученості, покращення поширення інформації, сприяння співпраці) Хто є конкретною цільовою аудиторією в компанії? (Наприклад, усі співробітники, конкретні відділи, польові працівники) Чи є існуючі системи або платформи, з якими аплікація має інтегруватися? (Наприклад, інтранет, HR-система, Active Directory) Який запланований бюджет і бажані терміни розробки та впровадження? Чи є специфічні вимоги до безпеки або відповідності? (Наприклад, GDPR, політика зберігання даних) Які ключові показники ефективності (KPI) будуть використовуватися для оцінки успіху аплікації? Чи є ідеї щодо дизайну або брендингу аплікації? Чи має вона відповідати ідентичності організації? Чи є переваги щодо платформи розробки (iOS, Android, кросплатформна)?

З цією додатковою інформацією ми зможемо краще визначити обсяг і вимоги та підготувати сильнішу проєктну пропозицію.

Техніка 6 — емоційний промпт

Ви можете дати інструкції адаптувати тон тексту до емоцій, що лежать в основі, або викликати певну емоційну реакцію. Це корисно для обслуговування клієнтів, внутрішньої комунікації або маркетингу.

Приклад промпту: «Мені потрібно написати електронний лист клієнту, який незадоволений недавнім перебоєм у сервісі. Клієнт написав таке: """ …. """ (вставте текст клієнта). Я хочу, щоб лист був емпатичним, визнавав розчарування клієнта і пропонував конструктивне рішення.»

Цей метод називається «emotional prompting» Цей приклад використовує вигадану скаргу.

Повний промпт виглядає так:

Мені потрібно написати електронний лист клієнту, який незадоволений недавнім перебоєм у сервісі. Клієнт написав таке: """Шановні пані та панове,

Я дуже розчарований несподіваним перебоєм у сервісі вчора вдень. Це серйозно порушило нашу роботу і призвело до втрати продуктивності. Ми покладаємося на ваші послуги, і такі інциденти неприпустимі. Очікую чітких пояснень і відповідної компенсації."""

Я хочу, щоб лист був емпатичним, визнавав розчарування клієнта і пропонував конструктивне рішення.

Техніка 6 — емоційний промпт

Нижче наведено відповідь, яку ми отримали від мовної моделі

Шановний [Ім’я клієнта],

Щиро дякуємо за ваше повідомлення і приносимо вибачення за перебій у сервісі, який ви зазнали вчора вдень. Я повністю розумію ваше розчарування та вплив, який це мало на вашу роботу. Нам дуже шкода, що ми не відповідали вашим очікуванням і нашим стандартам обслуговування.

Перебій був спричинений [коротке, чітке пояснення причини, наприклад, непередбачена технічна несправність у нашому дата-центрі]. Ми одразу вжили заходів, і наші техніки працювали над відновленням сервісу якнайшвидше. Сервіс з [час] знову повністю працює.

Ми дуже серйозно ставимося до цього інциденту і вже проводимо оцінку причин, щоб запобігти повторенню в майбутньому.

Щоб частково компенсувати незручності, ми радо пропонуємо вам [конкретну пропозицію, наприклад, знижку на наступний рахунок / безкоштовне оновлення на місяць / сервісний кредит]. Один із наших менеджерів зв’яжеться з вами протягом 24 годин, щоб обговорити це особисто і відповісти на будь-які додаткові питання.

Ще раз вибачте за незручності. Ми цінуємо вашу лояльність і прагнемо надалі надавати надійний сервіс, якого ви очікуєте.

З повагою,

[Ваше ім’я/Назва компанії]

Техніка 7 — запит кількох версій

Ви просите кілька варіантів відповіді, щоб мати вибір. Наприклад, ви хочете, щоб модель допомогла згенерувати різні маркетингові слогани для нового продукту. Існує багато різних підходів, тому ви хочете кілька опцій. Це можна ефективно поєднати з встановленням конкретної ролі для моделі та системним промптом для подальшого керування моделлю.

Більше про ролі можна прочитати в відповідній статті. Приклад із кількома версіями наведено в кінці статті. Тут він не повторюється повністю.

Техніка 8 — комбінація з системним промптом

За допомогою системного промпту ви можете давати завдання моделі ШІ. Це інструкція, яку ви передаєте моделі, щоб конкретно сформувати завдання або поведінку моделі. Ви можете вказати, який тип виводу очікуєте від моделі. Це спосіб керувати моделлю і запобігати отриманню нерелевантних або небажаних відповідей.

Приклади простих і загальних системних промптів:

«Я хочу, щоб ти був дружнім і корисним асистентом.»

«Завжди залишайся професійним і ввічливим у мові.»

«Зосередься на наданні конкретних, лаконічних відповідей без зайвих деталей.»

Системний промпт задає тон і очікування для конкретної розмови або завдання, яке ви хочете виконати з моделлю ШІ.

Ви також можете придумати більш складні системні промпти для конкретних завдань, наприклад, для підсумовування тексту: «Ретельно проаналізуй наданий текст і дай короткий, але інформативний підсумок основних пунктів. Визнач ключове повідомлення та головні деталі.»

Системні промпти не мають однакового впливу на всі моделі ШІ. У chatGPT вони дуже ефективні, у Claude також, а в інших моделях вплив системного промпту менший. Варто спробувати і подивитися, яка модель найкраще працює з вашим вхідним запитом.

Ви можете встановити загальний системний промпт у налаштуваннях, але найкраще створювати системні промпти для кожного завдання, яке хочете автоматизувати. Це називається ролями.

Більше про ролі можна прочитати в відповідній статті.

Анотування уривка

Виділіть текст у завершеному повідомленні чату і виберіть Анотувати. Напишіть у вікні питання або інструкцію щодо зміни, наприклад «Зробіть цю фразу простішою», і натисніть Зберегти. Ви можете анотувати кілька уривків. Потім надішліть повідомлення; додатковий промпт у полі введення не потрібен, але можна додати. Уривок з коментарем зберігається, навіть якщо ви переключитесь на інше вікно. Ви можете видалити анотацію перед відправленням. На мобільному пристрої утримуйте текст, щоб виділити.