Prompt Engineering GPT Assistants API using RAG

OpenAIプロンプトエンジニアリングのケーススタディ

問題ステートメント-1：アシスタントの作成

説明：

プロジェクトのこのセクションでは、研究論文からの抽象的な生成に焦点を当てたGPT-3.5ターボモデルを使用して、Openaiアシスタントの作成を示しています。アシスタントは、研究論文を読み、ユーザー定義の長さに基づいて要約を提供するように設計されています。ケーススタディには、研究論文のアップロード、アシスタントと対話して要約を取得し、ユーザー入力に従って抽象の長さとトーンを変更することが含まれます。

使用の手順：

1. スクリプトにENTER API-KEY実際のOpenai APIキーに交換します。
2. file_path変数をアップロードする研究論文のパスに設定します。
3. スクリプトを実行してアシスタントを作成し、研究論文をアップロードし、アシスタントと対話します。

問題ステートメント-2：ゼロショットプロンプト

説明：

このセクションでは、Openaiのチャット完了APIの使用を調べて、提供されたコンテキストに基づいて回答を生成します。事前定義されたコンテキストとユーザープロンプトを使用して、GPTとBERTの違いに関する質問にどのように答えることができるかを示しています。

使用の手順：

1. スクリプトの'API_KEY'を実際のOpenAI APIキーに置き換えます。
2. スクリプトを実行して、GPTとBERTの違いに関する事前定義された質問に対する回答を取得します。

問題ステートメント-2：ショット学習はほとんどありません

説明：

ケーススタディのこの部分では、OpenAIチャットCompletions APIを使用した少数のショット学習の適用を示しています。さまざまなモデルに関する情報を含む事前定義されたコンテキストに基づいて、LSTMとBERTの違いに関するユーザーの質問に答えます。

使用の手順：

1. スクリプトの'API_KEY'を実際のOpenAI APIキーに置き換えます。
2. スクリプトを実行して、LSTMとBERTの違いに関するユーザーの質問に対する回答を生成します。

前提条件：

• Openai APIキー
• 必要なライブラリを備えたPython環境（Openai）

注記：

• Openai APIを使用するために必要なアクセス許可があることを確認してください。
• スクリプトは、コードをガイドするための明確なコメントを提供します。
• 特定のユースケースに必要に応じてスクリプトをカスタマイズします。

この迅速なエンジニアリングのケーススタディを探索し、実験し、貢献してください！