PromptAlchemy DataDistillation
v0.1.1
DALL-E 3을 통해 생성된 이미지
프롬프트 연금술 시리즈의 첫 번째 프롬프트 방법 가이드에 오신 것을 환영합니다! 이것은 즉각적인 "엔지니어링" 기술, 팁 및 요령 중 일부를 공유하려는 첫 번째 시도이므로 이 저장소가 마음에 들면 별표를 주거나 포크하여 기여하는 것을 고려해 보십시오. 네트워크 내에서 공유하여 도움을 줄 수도 있습니다. 다른 사람들도 그것을 발견했습니다! 관심이 있는 분들이 계시다면 기꺼이 더 많은 정보를 공유하겠습니다.
이 가이드를 사용하면 이전에 ChatGPT와의 성공적인 대화를 활용하여 ChatGPT의 "사용자 정의 지침" 설정 내에서 특수 프롬프트를 생성하여 ChatGPT와 더욱 개인화된 상호 작용을 할 수 있습니다. 저는 이 데이터를 "요약"이나 "최적화" 같은 것이 아닌 "증류"라고 부릅니다. 여기서 핵심은 동일한 컨텍스트나 구조를 유지하는 것이 아니라 데이터를 이 사용 사례에 더 적합한 것으로 압축하고 변환하는 것이기 때문입니다.
이는 GPT를 사용하여 이 프로세스를 통해 작업하기 위해 자신의 데이터를 사용하는 것을 목표로 한다는 점을 명심하세요. 개인적인 용도로 개인화된 출력물을 생산하려는 의도입니다. 이러한 데이터 세트 및 그 안에 있는 콘텐츠를 GPT에서 사용하는 것이 불편하다면 이 기술은 적합하지 않을 가능성이 높습니다. (귀하가 소유한) 다른 데이터의 대체 사용을 처리하기 위해 이 프레임워크를 적용하는 것은 스스로 수행해야 합니다.
이 가이드가 도움이 되길 바랍니다!
| 이 기술을 사용하려면 "고급 데이터 분석" 플러그인에 대한 액세스가 필요합니다. |
|---|
| 이 기술은 ChatGPT 웹 UI 전용으로 설계되었습니다. 아직은 CLI를 통해 GPT 모델에 파일을 직접 제공할 수 없습니다. |
|---|
이 기술은 개인 대화 데이터를 ChatGPT 인터페이스의 "사용자 정의 지침" 설정에 맞는 것으로 추출하는 것을 목표로 합니다. API 호출에도 이 방법을 활용할 수 있지만, 이 기술을 사용하려면 ChatGPT 인터페이스의 고급 데이터 분석 플러그인에 액세스해야 한다는 점을 명심하세요. 이 데모에서는 ChatGPT 웹사이트에서 내보낸 파일을 사용한다고 가정합니다.
이것은 단발성 메시지가 아닐 것입니다. 약간 다르지만 CoT 추론과 더 유사하게 신속한 "지침"을 보여주는 것으로 생각하십시오. 원하는 결과를 효과적이고 효율적으로 달성하려면 합리적이고 실행 가능한 단계로 이를 청킹하고 처리하는 것이 중요합니다. 모든 것을 한꺼번에 수행할 것으로 기대한다면 혼란스러워지고 포함하고 수행해야 했던 모든 세부 사항을 잊어버리게 될 것입니다.
이 단계별 목록에서 개인 데이터를 수집하고 형식을 지정할 수 있습니다.
“Could you pretty-print or reformat the entire json file to a more human-readable format and allow me to download the reformatted file?” 요청하세요. 원본 대화 파일을 저장한 곳에 이 파일을 저장하세요. GPT는 json 파일을 처리하는 방법을 해석하는 데 더 어려움을 겪고, 파일이 제대로 인쇄되지 않으면 멈추게 됩니다. 이러한 방식으로 형식을 다시 지정하면 GPT에서 파일과 해당 콘텐츠를 빠르고 쉽게 평가할 수 있습니다.여기에는 두 가지 방법 중 하나로 접근할 수 있습니다. 먼저 달성하려는 목표와 의도를 설명하고 GPT가 분석 단계 자체를 생성하도록 허용할 수 있습니다(저는 상호 참조를 통해 수행했습니다). 아래에 제공되는 단계에서 구체적으로 분석을 요청할 수 있습니다. 내 배경이 언어학이라는 점을 명심하세요. 따라서 수행하려는 분석이 무엇인지 확인하고 이상한 일이 발생하면 내 지식을 바탕으로 수행하려는 작업을 개선할 수 있습니다. 마찰과 혼란을 줄이기 위해 제공된 프롬프트를 사용하는 것이 좋습니다. 하지만 저처럼 탐색적이고 호기심이 많은 사람이라면 이것이 제안하는 접근 방식을 보는 것이 재미있는 경험이 될 수 있습니다.
계속하기 전에 GPT가 수행하는 작업이 올바른지 확인하고 단계를 진행한다는 점을 이해하세요. 많은 사람들이 올바르게 지적하듯이, 시도할 때마다 결과와 결과가 동일할 것이라고 기대할 수는 없습니다. 이 프로세스 동안 유연성을 유지하고 가능한 한 많은 건설적인 피드백을 제공하십시오. 내가 제공한 프롬프트는 모델이 작업을 수행하도록 안내하지만 내가 명령 하지는 않습니다. 프롬프트를 사용하되 목표 달성을 위해 올바른 방향으로 안내하는 것은 귀하에게 달려 있음을 이해하십시오. 분석 프로세스를 명확한 단계로 전환하면 모델이 단계별로 대응할 수 있고 필요한 경우 명확화 및 피드백 기간을 조정할 수 있기 때문에 이는 말처럼 어렵지 않습니다. 대화가 너무 길어지면 마지막 단계를 상기시켜야 할 수도 있지만, "X를 기억하시나요?"에 대한 빠른 참조도 다시 한번 제공합니다. 의도된 목표로 주의를 돌립니다.
메시지를 표시할 내용과 방법을 고려하기 전에 먼저 의도를 개략적으로 설명하는 것이 좋습니다. 이제 그것에 대해 살펴보겠습니다. 다음은 우리가 하려는 작업과 수행 방법에 대한 높은 수준의 개요입니다.
단계:
이제 GPT에 대한 목표와 기대하는 바를 표현하는 프롬프트를 구성해 보겠습니다.
“우리가 작업하고 있는 이 데이터 세트는 사용자로서 축적된 개인적인 상호 작용 데이터입니다. 이 대화의 가장 중요한 목표는 이 데이터 세트를 사용하여 일련의 맞춤형 지침을 만들어 향후 상호 작용을 개인화하고 동시에 추가 지침을 단순화하는 것입니다."
GPT가 목표 달성을 위한 자체 지침을 생성하도록 하려면 다음을 추가하면 됩니다.
“이 목표를 달성하고 내 데이터를 분석하는 데 도움을 주실 수 있나요?”
이와 같은 확인 확인을 요청하면 AI가 프롬프트에 대한 이해를 확인하고 이 작업을 수행하는 방법을 설명하여 요청한 내용을 이해했음을 증명함으로써 응답할 수 있습니다. 이 작업은 일반적으로 따라하기 쉬운 목록과 같은 방식으로 발생합니다. 여기서는 분석 단계를 자체적으로 수행하므로 GPT에 분석 단계를 구성하라고 명시적으로 지시할 필요가 없습니다.
| 여기서 프롬프트에 추가되는 내용을 그대로 복제할 필요는 없지만 마지막 절은 의문절이어야 하며 구두점은 '?'로 끝나야 합니다. 동작이 복제되도록 합니다. |
|---|
사전 구축된 프로세스를 사용하려면 다음과 같이 복제할 수 있습니다. 원래 프롬프트에 다음을 추가합니다.
“이를 달성하기 위해 이를 단계별 프로세스로 나누어 보겠습니다. 우리는 이 방법을 다음과 같이 따를 수 있습니다:
- 기본 통계: 먼저 대화 수, 평균 메시지 길이, 상호 작용 빈도 등을 분석합니다.
- 콘텐츠 분석: 관심 주제, 자주 사용되는 문구, 감정 등을 이해하기 위해 이 상호 작용 데이터의 메시지 내용을 조사합니다.
- 상호 작용 패턴: 묻는 질문 유형, 제공된 피드백, 형식 및 상호 작용 타이밍 등 어시스턴트와 상호 작용하는 방식을 살펴보겠습니다.
- 맞춤형 지침 개발: 위의 통찰력을 바탕으로 향후 상호 작용을 간소화하는 데 사용할 수 있는 맞춤형 지침을 작성합니다.
지시 사항을 이해하셨나요?”
이는 GPT가 유리하게 평가하는 측정항목입니다. 그것이 우리에게 중요하지 않거나 관련 없는 것처럼 보일 수도 있지만, 우리는 우리가 해석할 수 있도록 이러한 지침을 구성하는 것이 아니라 AI가 해석할 수 있도록 구성하고 있다는 점을 기억하십시오.
이 프롬프트가 전송된 후 일련의 응답, 시행 및 오류를 통해 단계별 프로세스를 진행하기 시작합니다. 각 지침 단계 앞에는 특정 단계의 목표를 달성하기 위한 단계의 하위 프로세스가 이어질 가능성이 높습니다. 특정 슈퍼 단계의 하위 단계를 완료하는 데 필요한 응답의 양은 다양하지만 “let's proceed!” 외에는 거의 또는 전혀 간섭 없이 올바른 결과에 도달해야 합니다. .
이러한 작업을 수행하는 데 사용된 성공적인 단계를 교차 확인하고 확인하기 위해 아래에 제공했습니다. 걱정하지 마십시오. 이 기술을 사용하는 모든 사람이 이러한 멋진 분석과 작동 방식을 모두 알 것이라고 기대하지는 않습니다. 이것을 참조하여 무엇이 효과가 있고 무엇을 찾아야 하는지 알 수 있습니다. AI가 사용자가 모르거나 이해하지 못하는 작업을 수행하고 싶다고 제안하면 아래 단계를 따르라고 지시하세요. 개요를 사용하여 하위 단계를 함께 일치시켜 올바른 방향으로 진행되는지 확인할 수도 있습니다. 이는 모델을 안내하기 위한 개요라는 점을 기억하세요. 나는 이것을 모델에게 프롬프트 그대로 보내는 것을 권장하지 않습니다.
GPT는 신이 아닙니다. 계속 진행하고 프로세스를 따르려면 한두 번 상기시켜야 할 수도 있습니다. 한두 단계를 건너뛰고 싶을 수도 있습니다. 위의 모든 분석 결과에 따라 모델이 응답하도록 성공적으로 유도하고 해당 작업을 볼 수 있으면 이제 최종 단계로 넘어갈 시간입니다. 오랫동안 물러나지 마십시오. 시간이 초과되면 GPT는 비활성으로 인해 획득한 모든 데이터를 잊어버립니다. 대화를 통해 다시 살펴보도록 요청할 수도 있지만 대화 길이에 따라 신뢰할 수 없는 것으로 판명될 수 있습니다.
분석 결과가 나왔고, 제대로 안내했다면 지금까지의 결과는 모두 출력됐어야 했다. 이전에 제공된 결과와 증류된 지침을 교차 확인하여 기억, 검색 및 검증에 이를 활용할 수 있습니다. 이 데이터는 고급 데이터 분석을 사용하여 수집되었으므로 돌아가서 이러한 결과가 어떻게 계산되었는지 관찰할 수 있습니다. 개요를 따랐다면 숫자는 모두 합법적인 분석 기술을 통해 프로그래밍 방식으로 계산되었어야 합니다. 즉, 숫자는 정확하고 사소하지 않을 가능성이 높습니다. GPT는 데이터의 주요 부분과 평가도 요약할 수 있기 때문에 수치가 아닌 것은 모두 데이터 분석 기준을 요약한 직접적인 결과입니다. 이는 우리가 원하는 최종 결과를 추출하고 숫자가 일치하지 않는 경우(발생하는 경우) 이전에 제공한 주요 데이터 포인트를 상기시키고 참조하기 때문에 중요합니다(또는 오류 수정으로 직접 복사). . 준비가 되면 모델을 중요한 목표에 참조하고, 우리가 획득한 결과를 사용하여 우리가 원하는 것에 대한 명확하고 명시적인 지침을 GPT에 제공할 때입니다(GPT가 그렇게 했다면 상황별 참조를 위해 핫 로드되어야 함). 시간 초과가 아님).
앞서 알아차리셨겠지만, 우리는 이러한 맞춤형 지침이 정확히 무엇인지, 우리가 원하는 구성 및 정제 방법에 대한 상세하고 명확한 지침을 제공하지 않았습니다. 이는 GPT의 주의를 압도하거나 잘못된 방향으로 유도하지 않기 위한 의도적인 조치였습니다. 지금까지 우리가 해왔던 일은 GPT가 작업할 수 있는 정보의 맥락을 관리 가능한 부분 집합으로 세분화하는 것이었습니다. 데이터를 요약하여 창의 컨텍스트를 압축하는 대신 AI에 중요한 데이터 중 가장 관련성이 높은 부분을 추출합니다. 이제 이러한 세부 정보를 추출했으므로 이를 컨텍스트로 사용하여 정제된 명령어 세트를 만들 수 있습니다.
“이제 이 대화의 가장 중요한 목표를 기억하세요. 이러한 사용자 지정 지침을 만드는 목적은 AI가 내가 어떤 사용자인지 빠르게 이해하고, 지금까지 분석한 전체 상호 작용 데이터를 기반으로 개인화된 사용자 지정 지침 세트를 만드는 것입니다. 문제의 AI는 특히 이 플랫폼에 있는 당신입니다. 두 개의 상자가 있습니다. 그것들은 다음과 같습니다:
- 더 나은 응답을 제공하기 위해 ChatGPT가 귀하에 대해 무엇을 알고 싶습니까?
- ChatGPT가 어떻게 응답하길 바라나요?
두 상자 모두 글자수 제한이 1500자입니다. 문제는 앞으로 GPT와의 상호작용을 통해 이전 상호작용과 제가 이 플랫폼을 어떻게 사용해왔는지에 대한 정확한 정보를 알기를 원한다는 것입니다. 이제 통계 결과와 원시 대화 데이터를 모두 사용할 수 있습니다. 나는 지금까지 내가 여러분과 함께 한 모든 일을 효과적이고 효율적으로 가장 잘 압축할 수 있는 가장 정확하고 잘 조정된 지침을 원합니다. 나는 또한 최고의 결과가 인간으로서 나에게 해석될 필요가 없다는 점을 분명히 하고 싶습니다. 겉보기에 무의미해 보이는 단어 또는 기타 일부 데이터의 뒤죽박죽으로 가장 잘 요약되는 경우 보조자가 해석할 수 있도록 가능한 한 많은 정보와 의도를 압축하는 가장 정확하고 최선의 방법이라면 괜찮습니다. 이것이 당신에게 효과가 있을까요?”
이 프롬프트는 원하는 결과를 제공하는 데 필요한 모든 것이어야 합니다. 이를 통해 데이터의 주요 구성 요소에 대한 자세한 분석 요약을 제공해야 합니다. 확인을 위해 숫자 값을 이전 결과와 교차 확인하고 필요에 따라 수정하여 누락되었다고 생각되는 관련 정보를 추가하도록 요청합니다. 제 경우에는 2단계 응답 프로세스를 제공했습니다. 각 지침 상자마다 하나씩.
이제 이 작업을 성공적이고 효과적으로 만드는 핵심 구성 요소는 마지막 프롬프트의 두 번째 단락입니다. 이것이 요약 기술과 이 증류 기술을 구별하는 것입니다. 요약할 때 의도는 전체 소스 자료의 상대적인 서술과 구조를 유지하는 것입니다. 이상적으로 요약은 동일한 내용을 요약한 버전이어야 합니다. 여기서 우리의 목표는 약간 다릅니다. 우리는 반복적인 질문이나 문구를 최소화하면서 AI가 상황에 맞는 설명을 최대한 적게 사용하여 미래의 상호 작용에 더 잘 준비하는 데 도움이 되는 데이터의 가장 중요한 부분을 원했습니다(예: “provide the output in a 5th-grade reading level” ). 1500자로. 비결은 GPT가 의미하는 바가 무엇인지, 왜 관련이 있는지 이해하는 능력에 관계없이 귀중한 통찰력 자체를 제공함으로써 GPT를 활용하는 것입니다. 이 동작을 허용하고 인간 해석 가능성보다 AI 해석 가능성을 우선시하도록 GPT에 강조해야 합니다. 따라서 이는 데이터를 "증류"하는 형태로 볼 수 있습니다. 결과를 소스 자료와 다르게 구조화되고 사용되지만 소스 자료 자체 없이는 생성될 수 없는 것으로 변환하기 때문입니다.
축하합니다. 방금 데이터 증류를 수행했습니다! 마찰이 적고 반복적인 지시가 훨씬 적어서 어시스턴트와 훨씬 더 쉽고 원활하게 대화할 수 있습니다.
아래에서 첫 번째 명령의 결과를 볼 수 있습니다. 이것은 마지막 지시가 아니었습니다. 저는 이것을 더욱 개선하고 다른 개인 최적화 도구를 추가했습니다. 이것이 즉각적인 반응이었기 때문에 공유하는 것이 편합니다. 몇 가지 값이 수정되었지만 이는 결과를 보여줍니다. 이 데이터를 보면 내가 이 플랫폼을 어떻게 사용하는지, AI가 무엇을 생각하는지 알 수 있습니다. 내 대화가 얼마나 긴지 확인하십시오. 품질 프롬프트는 반드시 모든 것을 단발성 프롬프트로 바꾸는 것이 아니라 중요하고 흥미로운 결과를 달성하기 위한 품질 프롬프트 지침이라는 점을 인식하세요. 결과와 어떻게 비교되는지 확인해 보세요!
"사용자는 평균 약 47개의 메시지로 [가치] 대화에 참여했습니다. 사용자는 메시지당 평균 1.21개의 질문을 제기합니다. 사용자의 상호 작용은 대부분 긍정적이며 가끔 건설적인 피드백과 오류 보고가 있습니다. 사용자는 자주 '무엇', ' How', 'Do', 'Is' 유형의 질문을 선호하며 사용자의 평균 질문 길이는 [값] 단어 정도이며, 이는 사용자의 상호 작용 주제에 개발, AI 토론, 언어학, 데이터 운영, 개인적인 상호 작용 및 스크립팅."
이 가이드는 데이터 증류를 통해 ChatGPT와의 상호 작용을 향상시키는 데 관심이 있는 모든 사람을 위한 포괄적인 리소스 역할을 합니다. 설명된 단계를 수행하면 경험을 개인화할 수 있을 뿐만 아니라 모델을 미세 조정하지 않고도 AI 도우미를 개인 요구에 맞게 조정하는 재미있는 대화형 실험에 참여할 수 있습니다.
이 프로세스는 반복적이고 순차적이며 어시스턴트가 제공하는 특정 응답을 기반으로 일부 시행착오가 필요할 수 있다는 점을 기억하십시오. 그러나 보다 직관적이고 반응이 빠른 대화형 에이전트라는 결과는 그만한 가치가 있습니다. AI의 잠재력에 대해 궁금한 초보자이든 프롬프트 기능을 강화하려는 전문가이든 이 가이드는 유연하고 탐구적인 접근 방식을 제공합니다. 더 깊이 탐구하려는 사람들에게는 이제 고급 데이터 분석 및 언어 이론의 문이 열려 있으며 가능성은 무궁무진합니다.
다음 기술에서는 DALL-E 3를 사용하여 쉽고 실행 가능한 이미지 프롬프트를 위한 유용한 접근 방식을 작성하겠습니다.
나는 가능한 한 모든 질문에 답변하고 다른 사람들을 돕기 위해 최선을 다할 것입니다. 당신의 생각을 알려주세요! 모든 피드백에 감사드립니다!
