Zagadnienia dotyczące monitów copilot

Ukończone

Jakość odpowiedzi z copilots nie tylko zależy od używanego modelu językowego, ale od typów monitów zapewnianych przez użytkowników. Monity to sposoby, w jaki informujemy aplikację o tym, co chcemy zrobić. Najbardziej przydatne uzupełnienia można uzyskać, jawnie określając odpowiedni rodzaj odpowiedzi. W tym przykładzie podsumuj kluczowe zagadnienia dotyczące wdrażania rozwiązania Copilot opisanego w tym dokumencie dla kierownictwa firmy. Sformatuj podsumowanie jako nie więcej niż sześć punktów z profesjonalnym tonem. Możesz uzyskać lepsze wyniki po przesłaniu przejrzystych, konkretnych monitów.

Zrzut ekranu przedstawiający zagadnienia dotyczące poprawy odpowiedzi copilot, która odpowiada numerowanej liście poniżej.

Rozważ następujące sposoby ulepszania odpowiedzi zapewniane przez copilot:

  1. Zacznij od określonego celu dla tego, co chcesz zrobić copilot
  2. Podaj źródło, aby uziemić odpowiedź w określonym zakresie informacji
  3. Dodawanie kontekstu w celu zmaksymalizowania odpowiedniości i istotności odpowiedzi
  4. Ustawianie jasnych oczekiwań dotyczących odpowiedzi
  5. Iterowanie na podstawie poprzednich monitów i odpowiedzi w celu uściślenia wyniku

W większości przypadków copilot nie wysyła tylko monitu jako do modelu językowego. Zazwyczaj monit jest rozszerzony o następujące elementy:

  • Komunikat systemowy, który ustawia warunki i ograniczenia dotyczące zachowania modelu językowego. Na przykład "Jesteś pomocnym asystentem, który reaguje w radosny, przyjazny sposób". Te komunikaty systemowe określają ograniczenia i style odpowiedzi modelu.
  • Historia konwersacji dla bieżącej sesji, w tym wcześniejsze monity i odpowiedzi. Historia umożliwia iteracyjne uściślenie odpowiedzi przy zachowaniu kontekstu konwersacji.
  • Bieżący monit — potencjalnie zoptymalizowany przez copilot, aby odpowiednio zmienić jego kolejność dla modelu lub dodać więcej danych uziemienia w celu określenia zakresu odpowiedzi.

Termin inżynierii monitu opisuje proces poprawy monitu. Zarówno deweloperzy, którzy projektują aplikacje, jak i konsumenci, którzy korzystają z tych aplikacji, mogą poprawić jakość odpowiedzi z generowania sztucznej inteligencji, biorąc pod uwagę monity inżynieryjne.