المعلم المطالب هو واجهة هندسية تفاعلية وتعليمية لـ LLMS التي تعلم المستخدمين كيفية صياغة ✍ ، والصقل؟ ، والتحسين؟ مطالبات لتحقيق الاستجابات الأكثر فعالية واستهداف من LLMS.
مساحات المعلم @ @ uggingface
تعد Metaprompts التالية حاليًا جزءًا من المعلم المطالب.
؟ اسم | توضيح | ✏ مثال موجه | مثال على التفسير السريع |
---|---|---|---|
توسيع مع التفاصيل | يوسع مطالبة لتضمين المزيد من التعليمات والسياق التفصيلية. | أخبرني عن الكلاب. | هذه المطالبة غامضة للغاية وتفتقر إلى السياق ، مما يجعله مثاليًا للتوسع لتوجيه LLM بشكل أكثر فعالية. |
تطبيق ردود الفعل | يحسن مطالبة بناءً على ردود فعل محددة المقدمة. | صف عملية التمثيل الضوئي. | قد تشير التعليقات إلى جعل المطالبة أكثر سهولة للجماهير الأصغر سناً أو أكثر تفصيلًا للاستخدام الأكاديمي. |
ببساطة تكثيف موجه | يتكثف موجهًا لجعله أكثر إيجازًا مع الحفاظ على طلبه الأساسي. | اكتب نكتة مضحكة تجعل الناس يضحكون حول شيء مضحك للغاية. يجب أن يكون فرحان. | يمكن تكثيف هذه المطالبة عن طريق إزالة المعلومات الزائدة عن الحاجة. |
ببساطة تحسين المطالبة | يحسن موجه لتعزيز الوضوح والفعالية. | قل لي كيف أطبخ الأرز. | يمكن تحسين هذه المطالبة من خلال تحديد نوع المطبخ أو طريقة الطهي. |
إنشاء قائمة مهام متسلسلة | هياكل موجه لتوجيه LLM من خلال سلسلة من المهام المتسلسلة. | خطط لحفلة عيد ميلاد. | يمكن تنظيم هذه المطالبة لتحديد الخطوات مثل اختيار موضوع وإعداد قائمة الضيوف وتنظيم الأنشطة. |
استخلص الاستجابة الإبداعية | يحول موجهًا لإلهام الإبداع واستنباط الاستجابات الخيالية. | اكتب قصة عن هريرة ضائعة. | يمكن مراجعة المطالبة لتشجيع القصص الوصفية أو العاطفية. |
تشمل السيناريو الافتراضي | تخصيص موجه لتضمين سيناريو افتراضي محدد لاستكشاف مفصل. | خطر الذكاء العام الاصطناعي | يمكن تصميم هذه المطالبة لاستكشاف سيناريوهات افتراضية محددة لتوفير العمق والسياق. |
التركيز على الأخلاق | تعيد صياغة موجه للتركيز على الاعتبارات الأخلاقية أو المعضلات الأخلاقية. | الهندسة الوراثية في البشر. | يمكن إعادة صياغة هذه المطالبة للتركيز على الاعتبارات الأخلاقية أو المعضلات الأخلاقية المعنية. |
إضافة دور المطالبة | يضيف دورًا إلى المطالبة لتحسين الاستجابة. | اكتب أغنية قصيرة. | من خلال إضافة دور خبير ، يمكننا تحسين جودة الأغنية التي تم إنشاؤها. |
أضف المحددات من أجل الوضوح | يضيف محددات واضحة إلى موجه لفصل وتنظيم أقسام أو تعليمات مختلفة ، وتعزيز قابلية القراءة والهيكل. | لخص هذا النص {text} بنقاط الرصاص. كن موجزًا | يمكن أن تستفيد هذه المطالبة من المحددات الواضحة لفصل التعليمات أو الأقسام ، مما يجعل من السهل على LLM متابعة والاستجابة بشكل منهجي. |
دمج سلسلة من التفكير التفكير | يتضمن سلسلة من التفكير الفكر لتوجيه LLM من خلال تسلسل منطقي للأفكار لحل المشكلات المعقدة. | كيف يمكننا تقليل الازدحام المروري في المناطق الحضرية؟ | يمكن أن تستفيد هذه المطالبة من سلسلة من التفكير الفكر لتحسين المشكلة إلى أجزاء يمكن التحكم فيها واستكشاف حلول مختلفة بشكل منهجي. |
صقل فوري شامل | يدمج العديد من التقنيات لتحسين وتوسيع وتكييف مطالبات LLMs ، وضمان الوضوح والخصوصية والمشاركة المصممة خصيصًا للغرض المقصود. | اكتب تاريخًا موجزًا للذكاء الاصطناعي | يمكن تحسين هذه المطالبة من خلال تحديد جوانب مثل عمق التفاصيل ، ومجالات التركيز ، والهيكل المطلوب. |
تثبيت Rye
Rye هي أداة شاملة مصممة لمطوري Python. إنه يبسط سير العمل الخاص بك عن طريق إدارة تثبيتات Python وتبعياتها. ما عليك سوى تثبيت الجاودار ، ويعتني بالباقي.
.env
في مجلد prompt_teacher
وأضف المتغيرات التالية: OPENAI_API_KEY=... # Token for the OpenAI API
ANTHROPIC_API_KEY=... # Token for the Anthropic API
استنساخ المستودع ، على سبيل المثال:
git clone https://github.com/pwenker/prompt_teacher.git
انتقل إلى الدليل:
cd prompt_teacher
والتنفيذ:
rye sync
هذا يخلق بيئة افتراضية في .venv
ويزامن ريزو.
لمزيد من التفاصيل ، تفضل بزيارة: الأساسيات - الجاودار
ملحوظة
إذا اخترت تثبيت prompt_teacher
بدون rye
فما عليك سوى حذف rye run
للأوامر التالية.
قم بتشغيل التطبيق باستخدام:
rye run python src/prompt_teacher/app.py
أخيرًا ، افتح متصفحك وقم بزيارة http: // localhost: 7860 لبدء المطالبة!