ChatGPT: As 8 Técnicas de Estímulo que Precisas Aprender (Sem Mentiras!)

Você pode ou não ter ouvido falar sobre engenharia de prompt. Essencialmente, é 'comunicar efetivamente com uma IA para conseguir o que você quer'.

A maioria das pessoas não sabe como criar boas sugestões.

No entanto, é uma habilidade cada vez mais importante...
Porque "lixo entra = lixo sai".

Aqui estão as técnicas mais importantes que você precisa para promover 👇

Referir-me-ei a um modelo de linguagem como 'LM'.

Exemplos de modelos de linguagem são o ChatGPT da @OpenAI e o Claude da @AnthropicAI.

1. Persona/papel motivador

Atribuir um papel à IA.

Exemplo: "Você é um especialista em X. Você ajudou pessoas a fazer Y por 20 anos. Sua tarefa é fornecer o melhor conselho sobre X.
Responda ‘entendido’ se isso estiver claro."

Um complemento poderoso é o seguinte:

‘Deves sempre fazer perguntas antes de responderes para poderes entender melhor o que o questionador está procurando.’

Vou falar sobre por que isso é tão importante em um segundo.

2. CoT

CoT significa 'Cadeia de Pensamento'

É usado para instruir o LM a explicar o seu raciocínio.

Exemplo:

3. Zero-shot-CoT

Zero-shot refere-se a um modelo que faz previsões sem treinamento adicional dentro do prompt.

Em breve, vou falar sobre o "few-shot".

Deve-se considerar que geralmente o CoT > Zero-shot-CoT

Exemplo:

4. Poucas amostras (e poucas amostras-CoT)

Poucas vezes é quando o LM recebe alguns exemplos no prompt para que ele se adapte mais rapidamente a novos exemplos.

Exemplo:

5. Geração de conhecimento

Geração de conhecimento relacionado à pergunta, através do estímulo de um modelo de linguagem (LM).

Isto pode ser usado como um lembrete de conhecimento gerado (veja mais adiante).

Exemplo:

6. Conhecimento gerado

Agora que temos conhecimento, podemos alimentar essa informação em uma nova solicitação e fazer perguntas relacionadas ao conhecimento.

Uma questão desse tipo é chamada de questão 'aprimorada pelo conhecimento'.

7. Auto consistência

Esta técnica é usada para gerar múltiplos caminhos de raciocínio (cadeias de pensamento).

A resposta da maioria é considerada como resposta final.

Exemplo:

8. LtM

LtM significa 'Menor para Maior'

Esta técnica é um acompanhamento de CoT. Além disso, funciona ao dividir um problema em subproblemas e depois resolvê-los.

Exemplo: