prompt_generator
1.0.0
Metaprompt yang disiapkan antropik ini menggunakan beberapa teknik teknik yang cepat, termasuk:
Dekomposisi Tugas: Seluruh proses pembuatan cepat dipecah menjadi beberapa langkah, termasuk mendefinisikan variabel input, struktur instruksi perencanaan, dan menulis instruksi khusus. Ini membantu menghasilkan permintaan yang lebih terstruktur dan komprehensif.
Pembelajaran beberapa-shot: Beberapa contoh instruksi tugas terperinci disediakan, memungkinkan AI untuk belajar dengan meniru cara membangun instruksi berkualitas tinggi.
Bermain peran: AI diminta untuk memainkan peran dalam menulis instruksi untuk "asisten AI yang bersemangat tetapi tidak berpengalaman," yang membantu AI lebih memahami tujuan dan konteks tugas.
Instruksi Eksplisit: Instruksi yang sangat spesifik dan jelas diberikan, seperti menggunakan tag XML tertentu dan cara menangani variabel, mengurangi ambiguitas.
Berpikir dengan lantang: Dalam beberapa contoh, AI diharuskan menggunakan atau memberi tag untuk menunjukkan proses berpikirnya, yang membantu menghasilkan hasil yang lebih transparan dan dapat dijelaskan.
Panduan Penanganan Kesalahan: Contoh dan panduan untuk menangani situasi kesalahan disediakan, seperti cara menangani kesalahan panggilan fungsi.
Penggunaan Variabel: Format {$ variable} digunakan untuk mewakili variabel input, dan penjelasan diberikan tentang cara menggunakan variabel ini dengan benar dalam prompt.
Output terstruktur: Penggunaan tag XML spesifik untuk mengatur output diperlukan, seperti tag, yang membantu menghasilkan respons terstruktur.
Kendala dan Batasan: Beberapa batasan secara eksplisit dinyatakan, seperti tidak memodifikasi atau memperluas fungsi yang disediakan, dan tidak menggunakan fungsi yang tidak disediakan.
Meta-promptting: Seluruh dokumen itu sendiri adalah meta-prompt, yang digunakan untuk memandu cara menghasilkan petunjuk lain, menunjukkan strategi rekayasa cepat tingkat tinggi.
Gabungan penggunaan teknik -teknik ini menghasilkan petunjuk yang dihasilkan yang lebih terstruktur, eksplisit, dan efektif, mampu memandu AI yang lebih baik untuk menyelesaikan berbagai tugas kompleks.
