Prompt engineering

Prompt Engineering: Schlüsselkonzepte

• Definition: Prompt Engineering ist der Prozess der Verbesserung von Prompts, um zuverlässigere und qualitativ hochwertigere Ausgaben von KI-Modellen zu erzielen.
• Arbeitsablauf:
• Initialer Prompt (oft eine einfache, naive Version).
• Evaluierung des Prompts → Schlechte Bewertung.
• Anwendung von Prompt Engineering Techniken (Schritt für Schritt).
• Wiederholte Evaluierung → Verbesserung der Leistung.
• Ziel des Moduls: Erstellung eines Prompts, der einen Tages-Mahlzeitenplan für einen Athleten generiert.
• Benötigte Eingaben (Input Spec): Der Prompt muss folgende Parameter verarbeiten:
• Größe (z. B. in CM)
• Gewicht (z. B. in kg)
• Ziel des Athleten
• Ernährungsbeschränkungen
• Prompt Evaluator:
• Eine Klasse, die die Datensatzgenerierung und die Modellbewertung bündelt.
• Unterstützt Concurrency (parallele API-Aufrufe) zur Beschleunigung des Evaluierungsprozesses.
• Evaluierungsprozess:
• Initial Prompt: Ein einfacher, unstrukturierter Prompt führt zu einem sehr schlechten Bewertungsergebnis.
• Extra Criteria: Ein Argument, das während der Modellbewertung zusätzliche Kriterien vorgibt (z. B. Forderung nach täglicher Kalorienbilanz oder Makronährstoffverteilung).
• Ergebnis: Die Ergebnisse und die Begründungen der Bewertung werden in einer output. html-Datei gespeichert.

Takeaways

• Prompt Engineering ist der Prozess der Verbesserung von Prompts, um zuverlässigere und qualitativ hochwertigere KI-Ausgaben zu erzielen.
• Der Arbeitsablauf ist iterativ: Initialer Prompt → Evaluierung → Anwendung von Techniken → Wiederholte Evaluierung zur Leistungssteigerung.
• Ein effektiver Prompt muss spezifische Eingaben verarbeiten, wie Größe, Gewicht, Ziel des Athleten und Ernährungsbeschränkungen.
• Die Qualität der Ergebnisse verbessert sich durch das Hinzufügen zusätzlicher Kriterien während der Modellbewertung (z. B. Forderung nach Makronährstoffverteilung).