Pular para o conteúdo principal

Técnicas de Prompt Engineering

** Técnicas para Engenharia de Prompt**

As técnicas a seguir ajudam a melhorar a precisão e relevância das respostas geradas por modelos de linguagem.

Zero-shot

  • Definição: o modelo responde sem exemplos prévios relacionados.

  • Uso: útil para tarefas amplas e generalistas.

  • Exemplo:

    • Prompt: "explique o que é um banco de dados relacional."
    • Resposta esperada: o modelo responde com base no conhecimento geral, sem exemplos fornecidos.

Few-shot

  • Definição: inclui exemplos curtos no prompt para orientar a resposta.

  • Uso: melhora a precisão ao fornecer contexto específico.

  • Exemplo:

    • Prompt: "escreva uma função em Python que calcule a média de uma lista de números. Exemplo de entrada: [10, 20, 30]. Exemplo de saída: 20."
    • Resposta esperada: o modelo segue o padrão dos exemplos fornecidos para gerar a resposta.

Chain-of-Thoughts (CoT)

  • Definição: o modelo é guiado a pensar passo a passo, explicando o raciocínio.

  • Uso: útil para tarefas que requerem explicação detalhada e lógica.

  • Exemplo:

    • Prompt: "explique passo a passo como implementar autenticação JWT em uma aplicação Flask."
    • Resposta esperada: o modelo detalha cada etapa do processo, como instalação de bibliotecas, configuração de rotas, geração de tokens, etc.

Sua técnica aqui

  • Definição: técnica personalizada que você pode criar para atender a uma necessidade específica.

  • Exemplo: Role-based Prompting (Criação de prompts baseados em papéis ou perspectivas).

    • Prompt: "Você é um guia turístico virtual. Descreva a Torre Eiffel para um grupo de turistas, incluindo sua história e curiosidades."
    • Resposta esperada: O modelo responde assumindo o papel de um guia turístico, fornecendo uma descrição mais envolvente e relevante.

Casos de Uso da Engenharia de Prompt

Assistentes virtuais

  • Criação de prompts para guiar assistentes virtuais a fornecer respostas úteis e contextuais.

Geração de conteúdo

  • Uso de prompts para gerar artigos, resumos ou descrições de produtos.

Automação de tarefas

  • Criação de prompts para automatizar tarefas repetitivas, como geração de relatórios ou análise de dados.

Outras boas práticas de Prompt

1. Histórico da conversa

É fundamental ter em mente que o histórico de sua conversa pode impactar nas respostas que você recebe durante uma sessão de chat. Por exemplo, se você está fazendo perguntas sobre uma aplicação Java e depois muda repentinamente para perguntar sobre aplicações Python, as respostas que você recebe podem precisar ser mais úteis e precisas.

  • Se quiser mudar o assunto da conversa, é melhor começar um novo chat em vez de simplesmente limpar o histórico da conversa. Limpar o histórico da conversa remove as mensagens da página, mas iniciar um novo chat redefine o histórico da conversa e pode resultar em melhores respostas.

  • Se quiser mudar de assunto, clique em um novo chat para começar do zero.

2. Converse

Converse por fases. Faça perguntas, aguarde a resposta e, dependendo disso, peça mais detalhes. Confira:

  • Como implemento isso?
  • Traga mais informações sobre isso.
  • Mude isso para aquilo.
  • Pegue essa classe e faça isso.

Incrementando Prompts com a StackSpot AI

Knowledge Source

Criar um Knowledge Source é muito importante, pois ajuda a fornecer contexto para o StackSpot AI. Se você já criou uma e está fazendo perguntas que não produzem os resultados desejados, verifique se seu Knowledge Source tem informações e contexto suficientes.

Algumas boas práticas:

1. Ao criar um Knowledge Source, é melhor incluir apenas as informações que você precisa e separá-las por assunto. A StackSpot AI seleciona e classifica documentos com base em sua relevância para o seu tópico, portanto, se você tiver muitas informações não relacionadas em uma única fonte, pode não obter resultados precisos.

2. Em vez de agrupar diferentes trechos de código, frameworks e linguagens de programação em um único Knowledge Source, é melhor criar fontes separadas para cada contexto. Isso permite que a StackSpot AI encontre documentos mais relevantes e detalhados para cada assunto, resultando em uma variedade maior de documentos de alta qualidade.

3. Confira alguns exemplos:

  • Knowledge Source com trechos de integração Kafka.
  • Knowledge Source com melhores práticas para programação funcional.

4. Considere organizar os Knowledge Sources para melhorar os resultados da pesquisa..

5. Você pode adicionar Knowledge Sources específicos ao contexto do seu Workspace.

Aprenda Mais

Esta página foi útil?