Exercise on prompting

Studiennotizen: Prompt Engineering zur Aufgabenverbesserung

• Ziel der Übung: Verbesserung eines bestehenden Prompts, um eine spezifische Ausgabe zu erzielen (z. B. Extraktion von Themen aus einem Text in einem JSON-Array).
• Aufgabe: Ein Textabschnitt (Scholarly Article Passage) als Input nehmen und alle darin enthaltenen Themen in einem JSON-Array von Strings ausgeben.
• Evaluierung:
• Nutzen Sie den Evaluierungsbericht (z. B. output. html), um zu verstehen, warum die Ausgabe schlecht bewertet wurde.
• Ein häufiges Problem ist, wenn das Modell das gewünschte Format (z. B. JSON-Array) nicht korrekt liefert.

Wichtige Prompt-Engineering-Techniken zur Verbesserung der Ausgabe:

• **1. Einfachheit und Direktheit (Simplicity and Directness):**
• Seien Sie präzise und direkt in der Anweisung.
• Definieren Sie exakt, was Sie erwarten (z. B. "Extract key topics... into a JSON array of strings").
• Ergebnis: Führt oft zu einer sofortigen und signifikanten Verbesserung der Genauigkeit.
• **2. Strukturierung mit XML-Tags:**
• Verwenden Sie XML-Tags, um den Input (den Text) klar von den Anweisungen zu trennen.
• Beispiel: <text> [Hier kommt der Text] </text>
• Dies schafft eine klarere Verbindung zwischen der Anweisung und den bereitgestellten Daten.
• **3. Schritt-für-Schritt-Anweisungen (Step-by-Step Instructions):**
• Geben Sie dem Modell eine klare Abfolge von Schritten vor, die es befolgen soll.
• Beispiel:
• Den bereitgestellten Text sorgfältig untersuchen.
• Jedes erwähnte Thema identifizieren.
• Jedes Thema einem JSON-Array hinzufügen.
• Schließlich das JSON-Array als Antwort liefern.
• Erweiterte Techniken:
• One-Shot- oder Multi-Shot-Prompting (Bereitstellung von Beispielen im Prompt).

Takeaways

• Sei präzise und direkt in der Anweisung, um die gewünschte Ausgabe (z. B. JSON-Format) zu erzielen.
• Nutze XML-Tags, um den Input (Text) klar von den Anweisungen zu trennen.
• Definiere eine klare Schritt-für-Schritt-Abfolge, die das Modell befolgen muss.
• Erweiterte Techniken umfassen One-Shot- oder Multi-Shot-Prompting, bei denen Beispiele bereitgestellt werden.