Providing examples

Prompt Engineering: Beispiel-Prompting (Few-Shot Prompting)

• Kernkonzept: Die Technik, Beispiele direkt in den Prompt einzufügen, um das gewünschte Verhalten des Modells zu steuern.
• Terminologie:
• One-Shot Prompting: Es wird nur ein einziges Beispiel bereitgestellt.
• Multi-Shot Prompting: Es werden mehrere Beispiele bereitgestellt.
• **Anwendungsfälle (Wann nutzen? ):**
• Randfälle (Corner Cases): Um das Modell auf schwierige Szenarien (z. B. Sarkasmus) vorzubereiten.
• Komplexe Formate: Um das Modell bei der Generierung spezifischer Strukturen (z. B. JSON) zu führen.
• Prompt-Evaluierung: Um die Qualität der Modellantworten zu verbessern und zu steuern.
• Struktur der Beispiele:
• Die Struktur muss klar definiert sein: Eingabe (Input) → Ideale Ausgabe (Ideal Output).
• Strukturierung: Verwenden Sie XML-Tags, um die Eingaben und Ausgaben klar voneinander zu trennen und die Struktur zu verbessern.
• Erweiterter Tipp (Optional):
• Es ist oft sehr hilfreich, die Begründung für die ideale Ausgabe hinzuzufügen. Dies hilft dem Modell, nicht nur das Ergebnis, sondern auch die Logik hinter dem Ergebnis zu verstehen.

Takeaways

• Few-Shot Prompting steuert das Modell, indem Beispiele direkt in den Prompt eingefügt werden.
• Die Varianten sind One-Shot Prompting (ein Beispiel) und Multi-Shot Prompting (mehrere Beispiele).
• Es wird genutzt, um das Modell für komplexe Formate (z. B. JSON) oder Randfälle (z. B. Sarkasmus) vorzubereiten.
• Die Struktur muss klar definiert sein: Eingabe → Ideale Ausgabe.
• Die Verwendung von XML-Tags trennt Eingaben und Ausgaben und die Hinzufügung der Begründung verbessert die Logik des Modells.