PromptAlchemy DataDistillation
v0.1.1
Bild generiert über DALL-E 3
Willkommen zur ersten Anleitung zum Auffordern in meiner Prompt Alchemy-Reihe! Dies ist mein erster Versuch, einige meiner schnellen „Engineering“-Techniken, Tipps und Tricks zu teilen. Wenn Ihnen dieses Repo gefällt, denken Sie bitte darüber nach, ihm einen Stern zu geben oder es zu teilen, um einen Beitrag zu leisten. Sie können es auch in Ihrem Netzwerk teilen, um zu helfen Andere finden es! Ich bin mehr als glücklich, mehr zu teilen, wenn Leute interessiert sind.
Dieser Leitfaden soll Ihnen personalisiertere Interaktionen mit ChatGPT ermöglichen und dabei erfolgreiche Gespräche nutzen, die Sie zuvor damit geführt haben, um in den Einstellungen für „benutzerdefinierte Anweisungen“ in ChatGPT spezielle Eingabeaufforderungen zu erstellen. Ich nenne diese Daten „Destillation“ und nicht so etwas wie „Zusammenfassung“ oder „Optimierung“, denn hier geht es nicht darum, den gleichen Kontext oder die gleiche Struktur beizubehalten, sondern die Daten zu verdichten und in etwas umzuwandeln, das für diesen Anwendungsfall besser geeignet ist.
Beachten Sie, dass dies darauf abzielt, Ihre eigenen Daten für die Arbeit mit diesem Prozess mit GPT zu verwenden. Ziel ist es, eine personalisierte Ausgabe für den persönlichen Gebrauch zu erstellen. Wenn Sie GPT nicht mit einem solchen Datensatz und den darin enthaltenen Inhalten arbeiten lassen möchten, ist diese Technik wahrscheinlich nicht das Richtige für Sie. Die Anpassung dieses Frameworks zur Handhabung alternativer Nutzungen anderer Daten (die Ihnen gehören) muss von Ihnen selbst durchgeführt werden.
Ich hoffe, Sie finden diesen Leitfaden hilfreich!
| Diese Technik erfordert Zugriff auf das Plugin „Advanced Data Analysis“. |
|---|
| Diese Technik ist nur für die ChatGPT-Web-Benutzeroberfläche konzipiert. Dateien können (noch) nicht direkt über CLI an die GPT-Modelle übergeben werden. |
|---|
Diese Technik zielt darauf ab, persönliche Gesprächsdaten in etwas zu destillieren, das in die Einstellung „Benutzerdefinierte Anweisungen“ auf der ChatGPT-Schnittstelle passt. Es ist wahrscheinlich möglich, diese Methode auch für API-Aufrufe zu verwenden. Beachten Sie jedoch, dass Sie weiterhin Zugriff auf das Advanced Data Analysis-Plugin auf der ChatGPT-Schnittstelle benötigen, um diese Technik verwenden zu können. Für die Zwecke dieser Demonstration gehe ich davon aus, dass Sie das verwenden, was von der ChatGPT-Website exportiert wurde.
Dies wird keine einmalige Eingabeaufforderung sein. Betrachten Sie dies als eine Demonstration prompter „Anleitung“, die eher der CoT-Argumentation ähnelt, wenn auch etwas anders. Um die gewünschten Ergebnisse effektiv und effizient zu erzielen, ist es wichtig, dies in sinnvolle, umsetzbare Schritte zu unterteilen und zu verarbeiten. Wenn Sie erwarten, dass es alles auf einmal erledigt, wird es verwirrt und vergisst alle Details, die es enthalten und tun sollte.
Mithilfe dieser Schritt-für-Schritt-Liste können Sie Ihre persönlichen Daten erfassen und formatieren.
“Could you pretty-print or reformat the entire json file to a more human-readable format and allow me to download the reformatted file?” Speichern Sie diese Datei dort, wo Sie die ursprüngliche Konversationsdatei gespeichert haben. GPT hat es schwerer, den Umgang mit der JSON-Datei zu interpretieren und bleibt hängen, wenn sie nicht schön gedruckt ist. Wenn die Datei auf diese Weise neu formatiert wird, kann GPT die Datei und ihren Inhalt schnell und einfach beurteilen.Sie können dies auf zwei Arten angehen: Sie können zuerst die Ziele und Absichten dessen erklären, was Sie erreichen möchten, und GPT erlauben, die Analysephasen selbst zu generieren (was ich mit Querverweisen getan habe), oder Sie kann die Analyse in den unten aufgeführten Phasen gezielt anfordern. Denken Sie daran, dass mein Hintergrund in der Linguistik liegt, sodass ich überprüfen kann, welche Analysen es durchzuführen versucht, und anhand meines Wissens verfeinern kann, was es zu tun versucht, wenn es etwas Seltsames tut. Um Reibungsverluste und Verwirrung zu vermeiden, würde ich empfehlen, meine bereitgestellten Eingabeaufforderungen zu verwenden. Wenn Sie jedoch wie ich explorativ und neugierig sind, könnte es eine unterhaltsame Erfahrung sein, zu sehen, welche Ansätze darin vorgeschlagen werden.
Bevor wir fortfahren, sollten Sie sich darüber im Klaren sein, dass GPT wahrscheinlich versuchen wird, mit Ihnen zu überprüfen, ob das, was es tut, richtig ist, und die einzelnen Schritte durchgehen wird. Wie viele Leute zu Recht betonen, kann man nicht erwarten, dass die Ergebnisse bei jedem Versuch identisch sind. Bleiben Sie während dieses Prozesses flexibel und geben Sie so viel konstruktives Feedback wie möglich. Meine bereitgestellten Eingabeaufforderungen leiten das Modell bei der Ausführung der Aufgabe an, ich befehle es nicht. Nutzen Sie die Aufforderungen, aber seien Sie sich darüber im Klaren, dass es an Ihnen liegt, das Ganze in die richtige Richtung zu lenken, um das Ziel zu erreichen. Das ist gar nicht so schwierig, wie es sich anhört, denn die Umwandlung des Analyseprozesses in klare Schritte ermöglicht es dem Modell, Schritt für Schritt und Reaktion für Reaktion zu reagieren, sodass bei Bedarf Zeiträume der Klärung und des Feedbacks angepasst werden können. Möglicherweise müssen Sie ihn an den letzten Schritt erinnern, wenn sich das Gespräch über einen längeren Zeitraum erstreckt. Aber auch hier ist ein kurzer Hinweis auf „Erinnern Sie sich an X?“ erforderlich. lenkt seine Aufmerksamkeit auf das beabsichtigte Ziel.
Es ist eine gute Idee, zunächst Ihre Absichten zu skizzieren, bevor Sie überlegen, was und wie Sie dazu auffordern möchten. Lassen Sie uns das jetzt durchgehen. Nachfolgend finden Sie einen allgemeinen Überblick darüber, was wir zu tun versuchen und wie wir es tun.
Schritte:
Lassen Sie uns nun die Eingabeaufforderung konstruieren, um GPT unser Ziel mitzuteilen und darzulegen, was wir davon erwarten:
„Bei diesem Datensatz, mit dem wir arbeiten, handelt es sich um meine gesammelten persönlichen Interaktionsdaten als Benutzer. Mein übergeordnetes Ziel für dieses Gespräch ist es, mithilfe dieses Datensatzes eine Reihe benutzerdefinierter Anweisungen zu erstellen, um zukünftige Interaktionen zu personalisieren und gleichzeitig weitere Anweisungen zu vereinfachen.“
Wenn Sie möchten, dass GPT seine eigenen Anweisungen zum Erreichen des Ziels generiert, hängen Sie einfach Folgendes an:
„Könnten Sie mir dabei helfen und meine Daten analysieren?“
Wenn Sie um eine solche Bestätigungsprüfung bitten, kann die KI reagieren, indem sie sowohl überprüft, ob sie Ihre Aufforderung verstanden hat, als auch beweist, dass sie verstanden hat, was Sie gefragt haben, indem sie erklärt, wie sie diese Aufgabe ausführen würde, was normalerweise in einer leicht verständlichen Listenform geschieht. Sie müssen GPT nicht explizit anweisen, die Analyseschritte zu erstellen, da es dies hier selbst erledigt.
| Der Zusatz zur Eingabeaufforderung muss hier nicht wörtlich wiederholt werden, aber der Schlusssatz MUSS ein Fragesatz sein und seine Interpunktion MUSS mit einem „?“ enden. damit das Verhalten reproduziert wird. |
|---|
Wenn Sie den vorgefertigten Prozess verwenden möchten, können Sie ihn wie folgt replizieren. Hängen Sie dies an die ursprüngliche Eingabeaufforderung an:
„Um dies zu erreichen, unterteilen wir dies in einen Schritt-für-Schritt-Prozess. Wir können dieser Methode wie folgt folgen:
- Grundlegende Statistiken: Wir beginnen mit der Analyse der Anzahl der Gespräche, der durchschnittlichen Nachrichtenlänge, der Häufigkeit von Interaktionen usw.
- Inhaltsanalyse: Wir werden uns mit dem Inhalt der Nachrichten in diesen Interaktionsdaten befassen, um interessante Themen, häufig verwendete Phrasen, Stimmungen und mehr zu verstehen.
- Interaktionsmuster: Wir untersuchen, wie Sie mit dem Assistenten interagieren, z. B. die Art der von Ihnen gestellten Fragen, das bereitgestellte Feedback, die Formate und den Zeitpunkt der Interaktionen.
- Entwicklung benutzerdefinierter Anweisungen: Basierend auf den oben genannten Erkenntnissen formulieren wir benutzerdefinierte Anweisungen, die zur Optimierung zukünftiger Interaktionen verwendet werden können.
Verstehen Sie die Anweisungen?“
Dies sind Kennzahlen, die GPT offenbar positiv bewertet. Auch wenn es für uns unbedeutend oder irrelevant erscheinen mag, denken Sie daran, dass wir diese Anweisungen nicht für die Interpretation durch uns erstellen, sondern für die Interpretation durch die KI .
Nachdem diese Aufforderung gesendet wurde, beginnt der Schritt-für-Schritt-Prozess mit einer Reihe von Antworten, Versuchen und Fehlern. Es ist wahrscheinlich, dass jedem Anweisungsschritt ein Unterprozess von Schritten vorangeht, um das Ziel des spezifischen Schritts zu erreichen. Die Anzahl der Antworten, die erforderlich sind, um die Unterschritte eines bestimmten Superschritts abzuschließen, variiert, aber es sollten die richtigen Ergebnisse erzielt werden, ohne dass es zu Störungen kommt, außer “let's proceed!” .
Um die erfolgreichen Schritte, die meine Iteration zur Erledigung dieser Aufgaben verwendet hat, zu überprüfen und zu verifizieren, habe ich sie unten bereitgestellt. Keine Sorge, ich erwarte nicht, dass jeder, der diese Technik verwendet, all diese ausgefallenen Analysen kennt und weiß, wie sie funktionieren sollen. Sie können dies als Referenz verwenden, um zu erfahren, was funktioniert und worauf Sie achten müssen. Wenn die KI vorschlägt, etwas zu tun, was Sie nicht wissen oder nicht verstehen, sagen Sie ihr, dass sie die folgenden Schritte ausführen soll. Sie können die Gliederung auch verwenden, um die Unterschritte aufeinander abzustimmen und sicherzustellen, dass alles auf dem richtigen Weg ist. Denken Sie daran, dass dies ein Leitfaden zur Anleitung des Modells ist. Ich würde nicht empfehlen, dies wörtlich als Aufforderung an das Modell zu senden.
Denken Sie daran, dass GPT nicht gut ist. Möglicherweise müssen Sie es dennoch ein- oder zweimal daran erinnern, um den Überblick zu behalten und den Prozess zu verfolgen. Möglicherweise möchten Sie ein oder zwei Schritte überspringen. Sobald Sie das Modell erfolgreich dazu gebracht haben, mit allen oben genannten Analyseergebnissen zu reagieren, und Sie seine Arbeit sehen können, ist es Zeit für die letzte Phase. Treten Sie nicht lange zurück; Bei einer Zeitüberschreitung vergisst GPT alle aufgrund der Inaktivität erfassten Daten. Sie könnten versuchen, es aufzufordern, das Gespräch noch einmal durchzusehen, aber abhängig von der Länge des Gesprächs wird sich dies wahrscheinlich als unzuverlässig erweisen.
Die Ergebnisse der Analyse wurden erfasst und hätten bei richtiger Führung alle bisherigen Ergebnisse liefern sollen. Sie können dies zur Erinnerung, zum Abrufen und zur Überprüfung nutzen, indem Sie die destillierten Anweisungen mit den zuvor bereitgestellten Ergebnissen vergleichen. Da diese Daten mithilfe der erweiterten Datenanalyse erfasst wurden, können Sie zurückgehen und beobachten, wie diese Ergebnisse berechnet wurden. Die Zahlen sollten alle programmgesteuert mithilfe legitimer Analysetechniken berechnet worden sein, wenn Sie sich an die Gliederung gehalten haben, was bedeutet, dass sie höchstwahrscheinlich genau und nicht trivial sind. GPT ist auch in der Lage, wichtige Teile und Bewertungen von Daten zusammenzufassen, sodass alles, was kein numerischer Wert ist, ein direktes Ergebnis der Zusammenfassung der Datenanalysekriterien ist. Dies ist wichtig, denn wenn die gewünschten Endergebnisse ermittelt werden und die Zahlen nicht übereinstimmen (was passiert), erinnern Sie sich daran und verweisen Sie auf die zuvor bereitgestellten Schlüsseldatenpunkte (oder kopieren Sie sie alternativ direkt als Fehlerkorrektur). . Sobald Sie bereit sind, ist es an der Zeit, das Modell auf das übergeordnete Ziel zu verweisen und GPT die klaren, expliziten Anweisungen für das zu geben, was wir wollen, indem wir die Ergebnisse verwenden, die wir erhalten haben (die GPT in diesem Fall als kontextbezogene Referenz im laufenden Betrieb geladen haben sollte). kein Timeout).
Wie Sie bereits bemerkt haben, haben wir keine detaillierten, klaren Anweisungen darüber gegeben, was genau diese benutzerdefinierten Anweisungen sind und wie wir sie aufbauen und destillieren möchten. Dies war beabsichtigt, um die Aufmerksamkeit von GPT nicht zu überfordern und/oder in die Irre zu leiten. Bisher haben wir den Informationskontext , mit dem GPT arbeiten kann, auf einen überschaubaren Satz von Teilen verfeinert. Anstatt den Kontext des Fensters durch die Zusammenfassung der Daten zu verdichten, extrahieren wir die relevantesten Teile der Daten, die für eine KI von Bedeutung sind. Nachdem wir diese Details extrahiert haben, können wir sie als Kontext verwenden, um unseren destillierten Befehlssatz zu erstellen.
„Denken Sie jetzt an unser übergeordnetes Ziel für dieses Gespräch. Das Ziel bei der Erstellung dieser benutzerdefinierten Anweisungen besteht darin, dass die KI schnell versteht, welche Art von Benutzer ich bin, und auf der Grundlage der gesamten Interaktionsdaten, die wir bisher analysiert haben, einen personalisierten benutzerdefinierten Befehlssatz erstellen kann. Bei dieser KI handelt es sich konkret um Sie auf dieser Plattform. Es sind zwei Kartons vorhanden. Sie lauten wie folgt:
- Was soll ChatGPT über Sie wissen, um bessere Antworten zu geben?
- Wie soll ChatGPT reagieren?
Beide Felder haben eine Zeichenbeschränkung von 1500. Die Herausforderung besteht darin, dass ich möchte, dass zukünftige Interaktionen mit GPT genaue Informationen über unsere früheren Interaktionen und darüber erhalten, wie ich diese Plattform genutzt habe. Jetzt stehen Ihnen sowohl statistische Ergebnisse als auch meine Rohdaten für die Konversation zur Verfügung, mit denen Sie arbeiten können. Ich möchte möglichst genaue und gut abgestimmte Anweisungen, die alles, was ich bisher mit Ihnen gemacht habe, effektiv und effizient zusammenfassen. Ich möchte auch klarstellen, dass die besten Ergebnisse für mich als Mensch nicht interpretierbar sein müssen. Wenn man es am besten als scheinbar unsinniges Durcheinander von Wörtern oder ähnlichen Daten zusammenfassen kann, ist das in Ordnung, solange es die beste und genaueste Möglichkeit ist, so viele Informationen und Absichten wie möglich zu verdichten, damit der Assistent sie interpretieren kann. Funktioniert das für Sie?“
Diese Eingabeaufforderung sollte alles sein, was Sie benötigen, damit die gewünschten Ergebnisse erzielt werden. Auf dieser Grundlage sollten Sie eine detaillierte analytische Zusammenfassung der Schlüsselkomponenten Ihrer Daten erhalten. Vergleichen Sie die numerischen Werte zur Überprüfung mit früheren Ergebnissen und verfeinern Sie sie nach Bedarf, indem Sie darum bitten, alle relevanten Informationen anzuhängen, die Ihrer Meinung nach übersehen wurden. In meinem Fall war ein zweistufiger Antwortprozess vorgesehen; eine für jede Anweisungsbox.
Die Schlüsselkomponente, um dies erfolgreich und effektiv zu machen, ist nun der zweite Absatz in der letzten Aufforderung. Dies unterscheidet eine Zusammenfassungstechnik von dieser Destillationstechnik. Bei der Zusammenfassung besteht die Absicht darin, eine relative Erzählung und Struktur des gesamten Quellenmaterials beizubehalten. Idealerweise sollte eine Zusammenfassung eine komprimierte Version desselben Inhalts sein. Hier ist unser Ziel etwas anders. Wir wollten die wichtigsten Teile der Daten, die einer KI helfen würden, besser auf zukünftige Interaktionen vorbereitet zu sein, mit so wenigen kontextbezogenen Erklärungen wie möglich zusammenfassen und gleichzeitig sich wiederholende Fragen oder Phrasen minimieren (z. B. “provide the output in a 5th-grade reading level” ) in 1500 Zeichen. Der Trick besteht darin, GPT so zu nutzen, dass es diese wertvollen Erkenntnisse selbst liefert, unabhängig davon, ob wir verstehen können, was es bedeutet oder warum es für uns relevant ist. Sie müssen GPT darauf hinweisen, dieses Verhalten zuzulassen und der KI-Interpretierbarkeit Vorrang vor der menschlichen Interpretierbarkeit einzuräumen. Daher kann dies als eine Form des „Destillierens“ der Daten angesehen werden, da wir das Ergebnis in etwas umwandeln, das anders strukturiert und verwendet wird als sein Ausgangsmaterial, aber ohne das Ausgangsmaterial selbst nicht erstellt werden kann.
Herzlichen Glückwunsch, Sie haben gerade die Datendestillation durchgeführt! Genießen Sie viel einfachere und reibungslosere Gespräche mit Ihrem Assistenten, mit viel weniger Reibung und viel weniger sich wiederholenden Anweisungen.
Das Ergebnis für die erste Anweisung können Sie unten sehen. Dies war nicht die letzte Anweisung; Ich habe dies weiter verfeinert und andere persönliche Optimierungsprogramme angehängt, sodass ich dies gerne weitergeben kann, da dies die unmittelbare Antwort war. Ein paar Werte wurden geschwärzt, aber das ergibt ein falsches Bild vom Ergebnis. Anhand dieser Daten können Sie bereits erkennen, wie ich diese Plattform nutze und was die KI für sich selbst als relevant erachtet. Beachten Sie, wie lang meine Gespräche sind. Erkennen Sie, dass es bei qualitativ hochwertiger Eingabeaufforderung nicht unbedingt darum geht, alles in eine einmalige Eingabeaufforderung umzuwandeln, sondern vielmehr darum, qualitativ hochwertige Eingabeaufforderungen anzuleiten , um aussagekräftige und interessante Ergebnisse zu erzielen. Sehen Sie, wie es im Vergleich zu Ihrem Ergebnis abschneidet!
„Der Benutzer hat an [wertvollen] Gesprächen mit einer durchschnittlichen Länge von etwa 47 Nachrichten teilgenommen. Der Benutzer stellt durchschnittlich 1,21 Fragen pro Nachricht. Die Interaktionen des Benutzers sind größtenteils positiv, mit gelegentlich konstruktivem Feedback und Fehlermeldungen. Der Benutzer fragt häufig „Was“, „ Fragen vom Typ „Wie“, „Machen“ und „Ist“ und bevorzugt detaillierte und umfassende Antworten Diskussionen, Linguistik, Datenoperationen, persönliche Interaktionen und Skripterstellung.
Dieser Leitfaden dient als umfassende Ressource für alle, die ihre Interaktionen mit ChatGPT durch Datendestillation verbessern möchten. Indem Sie die beschriebenen Schritte befolgen, personalisieren Sie nicht nur Ihr Erlebnis, sondern nehmen auch an einem unterhaltsamen, interaktiven Experiment teil, um einen KI-Assistenten an Ihre individuellen Bedürfnisse anzupassen, ohne das Modell zu verfeinern.
Denken Sie daran, dass dieser Prozess iterativ und sequenziell ist und je nach den spezifischen Antworten des Assistenten möglicherweise einige Versuche und Irrtümer erfordert. Das Ergebnis – ein intuitiverer und reaktionsschnellerer Gesprächsagent – ist jedoch die Mühe wert. Ganz gleich, ob Sie ein Anfänger sind, der neugierig auf die Potenziale von KI ist, oder ein Experte, der seine Eingabeaufforderungsfunktionen steigern möchte, dieser Leitfaden bietet einen flexiblen, explorativen Ansatz, um loszulegen. Für diejenigen, die tiefer in die Materie eintauchen möchten, steht nun die Tür zu fortgeschrittener Datenanalyse und Sprachtheorie offen und die Möglichkeiten sind endlos.
Als nächste Technik werde ich einen hilfreichen Ansatz für eine einfache, umsetzbare Bildaufforderung mit DALL-E 3 aufschreiben.
Ich werde mein Bestes tun, um alle Fragen zu beantworten und anderen zu helfen, wenn ich kann. Teilen Sie mir gerne Ihre Meinung mit! Ich freue mich über jedes Feedback!
