Providing examples

Studiennotizen: Prompt Engineering mit Beispielen

• Kernkonzept: Die Bereitstellung von Beispielen innerhalb des Prompts ist eine der effektivsten Prompt-Engineering-Techniken.
• Terminologie:
• One-Shot Prompting: Es wird nur ein einziges Beispiel (Input und idealer Output) bereitgestellt.
• Multi-Shot Prompting: Es werden mehrere Beispiele bereitgestellt.
• Zweck der Beispiele:
• Randfall-Behandlung (Corner Cases): Hilft dem Modell, schwierige oder ambivalente Fälle (z. B. Sarkasmus) korrekt zu interpretieren.
• Formatsteuerung: Leitet das Modell bei der Generierung komplexer Output-Strukturen (z. B. JSON).
• Implementierung und Struktur:
• XML-Tags: Inputs und Outputs sollten idealerweise in XML-Tags eingeschlossen werden, um die Struktur und den Zweck für das Modell klar zu definieren.
• Kontextualisierung: Bei Randfällen sollte dem Modell explizit Kontext gegeben werden (z. B. "Sei besonders vorsichtig bei sarkastischen Tweets").
• Erweiterte Strategie (Optional):
• Begründung des Outputs: Es ist sehr hilfreich, die Begründung für den idealen Output (aus dem Evaluierungsbericht) in den Prompt aufzunehmen. Dies verstärkt die Vorstellung des Modells, warum ein Output als ideal gilt und welche Kriterien erfüllt sein müssen.
• Fazit: Die Verwendung von One-Shot oder Multi-Shot Prompting ist essenziell, um die Handhabung von Randfällen zu gewährleisten und komplexe Formatvorgaben zu erzwingen.

Takeaways

• Die Bereitstellung von Beispielen (One-Shot oder Multi-Shot) ist eine der effektivsten Prompt-Engineering-Techniken.
• Beispiele dienen der Randfall-Behandlung (z. B. Sarkasmus) und der Steuerung komplexer Output-Formate (z. B. JSON).
• Inputs und Outputs sollten idealerweise in XML-Tags eingeschlossen werden, um die Struktur klar zu definieren.
• Die Aufnahme der Begründung für den idealen Output verstärkt die Vorstellung des Modells über die notwendigen Kriterien.