تعرف على Prompt Poet: الأداة التي استحوذت عليها Google والتي أحدثت ثورة في هندسة LLM

في عصر الذكاء الاصطناعي، الهندسة السريعة إن هندسة اللغة الكبيرة هي مهارة جديدة مهمة لتسخير الإمكانات الكاملة لنماذج اللغة الكبيرة. هذا هو فن صياغة المدخلات المعقدة لاستخراج مخرجات ذات صلة ومفيدة من نماذج الذكاء الاصطناعي مثل ChatGPT. في حين تم تصميم العديد من نماذج اللغة الكبيرة لتكون صديقة للمستخدمين غير الفنيين، وتستجيب بشكل جيد للمطالبات المحادثة ذات الصوت الطبيعي، فإن تقنيات هندسة المطالبة المتقدمة تقدم مستوى قويًا آخر من التحكم. هذه التقنيات مفيدة للمستخدمين الفرديين، وهي ضرورية للغاية للمطورين الذين يسعون إلى بناء تطبيقات متطورة مدعومة بالذكاء الاصطناعي.

مُغيِّر اللعبة: الشاعر النشيط

Prompt Poet هي أداة رائدة تم تطويرها بواسطة شخصية.اي، وهي عبارة عن منصة ومساحة عمل للذكاء الاصطناعي للمحادثة الشخصية، والتي كانت تم الاستحواذ عليها مؤخرًا بواسطة Googleمن المحتمل أن يوفر Prompt Poet نظرة على الاتجاه المستقبلي لإدارة سياق المطالبة عبر مشاريع الذكاء الاصطناعي الخاصة بشركة Google، مثل Gemini.

يقدم Prompt Poet العديد من المزايا الرئيسية، ويبرز من بين الأطر الأخرى مثل Langchain في بساطته وتركيزه:

• نهج الكود المنخفض:يُبسِّط التصميم الفوري للمستخدمين الفنيين وغير الفنيين، على عكس الأطر الأكثر كثافة في التعليمات البرمجية.
• مرونة القالب:يستخدم YAML وJinja2 لدعم هياكل المطالبة المعقدة.
• إدارة السياق:يدمج البيانات الخارجية بسلاسة، مما يوفر عملية إنشاء سريعة أكثر ديناميكية وثراءً بالبيانات.
• كفاءة:يقلل الوقت المستغرق في هندسة عمليات التلاعب بالسلاسل، مما يسمح للمستخدمين بالتركيز على صياغة نص موجه مثالي.

تسلط هذه المقالة الضوء على المفهوم الحاسم للسياق في هندسة المطالبات، وتحديدًا مكونات التعليمات والبيانات. سنستكشف كيف يمكن لبرنامج Prompt Poet تبسيط إنشاء المطالبات الديناميكية الغنية بالبيانات، مما يعزز فعالية تطبيقات LLM الخاصة بك.

أهمية السياق: التعليمات والبيانات

غالبًا ما يتضمن تخصيص تطبيق LLM إعطائه تعليمات مفصلة حول كيفية التصرف. قد يعني هذا تحديد نوع الشخصية، أو موقف معين، أو حتى محاكاة شخصية تاريخية. على سبيل المثال:

غالبًا ما يعني تخصيص تطبيق LLM، مثل برنامج المحادثة الآلي، إعطائه تعليمات محددة حول كيفية التصرف. قد يعني هذا وصف نوع معين من أنواع الشخصية أو الموقف أو الدور، أو حتى شخصية تاريخية أو خيالية معينة. على سبيل المثال، عند طلب المساعدة في معضلة أخلاقية، يمكنك أن تطلب من النموذج الإجابة بأسلوب شخص معين، وهو ما سيؤثر بشكل كبير على نوع الإجابة التي تحصل عليها. جرب أشكالًا مختلفة من الموجه التالي لمعرفة مدى أهمية التفاصيل (مثل الأشخاص الذين تختارهم):

Simulate a panel discussion with the philosophers Aristotle, Karl Marx, and Peter Singer. Each should provide individual advice, comment on each other's responses, and conclude. Suppose they are very hungry.
The question: The pizza place gave us an extra pie, should I tell them or should we keep it?

التفاصيل مهمة. وتتضمن الهندسة السريعة الفعّالة أيضًا إنشاء سياق بيانات محدد ومخصص. وهذا يعني تزويد النموذج بالحقائق ذات الصلة، مثل بيانات المستخدم الشخصية، أو المعلومات في الوقت الفعلي أو المعرفة المتخصصة، والتي لن يتمكن من الوصول إليها بخلاف ذلك. يسمح هذا النهج للذكاء الاصطناعي بإنتاج مخرجات أكثر صلة بالموقف المحدد للمستخدم مما قد يكون ممكنًا لنموذج عام غير مستنير.

إدارة البيانات بكفاءة باستخدام القوالب الفورية

يمكن تحميل البيانات يدويًا، فقط عن طريق كتابتها في ChatGPT. إذا طلبت النصيحة حول كيفية تثبيت بعض البرامج، فيجب عليك إخبارها بأجهزتك. إذا طلبت المساعدة في صياغة السيرة الذاتية المثالية، فيجب عليك إخبارها بمهاراتك وتاريخ عملك أولاً. ومع ذلك، في حين أن هذا مناسب للاستخدام الشخصي، إلا أنه لا يصلح للتطوير. حتى للاستخدام الشخصي، قد يكون إدخال البيانات يدويًا لكل تفاعل أمرًا مرهقًا وعرضة للخطأ.

وهنا يأتي دور قوالب التوجيه. يستخدم Prompt Poet لغة YAML وJinja2 لإنشاء توجيهات مرنة وديناميكية، مما يعزز تفاعلات LLM بشكل كبير.

مثال: مخطط يومي

لتوضيح قوة Prompt Poet، دعنا نعمل من خلال مثال بسيط: مساعد تخطيط يومي سيذكر المستخدم بالأحداث القادمة ويوفر معلومات سياقية للمساعدة في الاستعداد ليومه، استنادًا إلى بيانات في الوقت الفعلي.

على سبيل المثال، قد ترغب في الحصول على إخراج مثل هذا:

Good morning! It looks like you have virtual meetings in the morning and an afternoon hike planned. Don't forget water and sunscreen for your hike since it's sunny outside.Here are your schedule and current conditions for today:- **09:00 AM:** Virtual meeting with the marketing team- **11:00 AM:** One-on-one with the project manager- **07:00 PM:** Afternoon hike at Discovery Park with friendsIt's currently 65°F and sunny. Expect good conditions for your hike. Be aware of a bridge closure on I-90, which might cause delays.

وللقيام بذلك، سنحتاج إلى توفير قطعتين مختلفتين على الأقل من السياق للنموذج، 1) تعليمات مخصصة حول المهمة، و2) البيانات المطلوبة لتحديد السياق الفعلي لتفاعل المستخدم.

يمنحنا برنامج Prompt Poet بعض الأدوات القوية للتعامل مع هذا السياق. سنبدأ بإنشاء نموذج لإبقاء الشكل العام للتعليمات، وملئه بمعلومات محددة بيانات في الوقت الذي نريد فيه تشغيل الاستعلام. بالنسبة للمثال أعلاه، يمكننا استخدام كود Python التالي لإنشاء `raw_template` و`template_data` لملئه، وهما مكونان لكائن `Prompt` في Prompt Poet.

raw_template="""- name: system instructions  role: system  content: |    You are a helpful daily planning assistant. Use the following information about the user's schedule and conditions in their area to provide a detailed summary of the day. Remind them of upcoming events and bring any warnings or unusual conditions to their attention, including weather, traffic, or air quality warnings. Ask if they have any follow-up questions.- name: realtime data  role: system  content: |       Weather in {{ user_city }}, {{ user_country }}:    - Temperature: {{ user_temperature }}°C    - Description: {{ user_description }}    Traffic in {{ user_city }}:    - Status: {{ traffic_status }}    Air Quality in {{ user_city }}:    - AQI: {{ aqi }}    - Main Pollutant: {{ main_pollutant }}    Upcoming Events:    {% for event in events %}    - {{ event.start }}: {{ event.summary }}    {% endfor %}"""

يستخدم الكود أدناه فئة `Prompt` من Prompt Poet لتعبئة البيانات من مصادر بيانات متعددة في قالب لتشكيل موجه واحد متماسك. يتيح لنا هذا استدعاء مساعد تخطيط يومي لتوفير استجابات شخصية واعية بالسياق. من خلال جلب بيانات الطقس وتحديثات المرور ومعلومات مؤشر جودة الهواء وأحداث التقويم، يمكن للنموذج تقديم ملخصات وتذكيرات مفصلة، ​​مما يعزز تجربة المستخدم.

يمكنك استنساخ وتجربة العمل الكامل مثال على الكود، والتي تنفذ أيضًا التعلم من خلال عدد قليل من اللقطات، تقنية هندسية قوية تتضمن تقديم النماذج مع مجموعة صغيرة من أمثلة التدريب.

# User datauser_weather_info=get_weather_info(user_city)traffic_info=get_traffic_info(user_city)aqi_info=get_aqi_info(user_city)events_info=get_events_info(calendar_events)template_data={    "user_city": user_city,    "user_country": user_country,    "user_temperature": user_weather_info["temperature"],    "user_description": user_weather_info["description"],    "traffic_status": traffic_info,    "aqi": aqi_info["aqi"],    "main_pollutant": aqi_info["main_pollutant"],    "events": events_info}# Create the prompt using Prompt Poetprompt=Prompt(    raw_template=raw_template_yaml,    template_data=template_data)# Get response from OpenAImodel_response=openai.ChatCompletion.create(  model="gpt-4",  messages=prompt.messages)

خاتمة

إن إتقان أساسيات هندسة المطالبات، وخاصة أدوار التعليمات والبيانات، أمر بالغ الأهمية لتعظيم إمكانات ماجستير القانون. ويبرز برنامج Prompt Poet كأداة قوية في هذا المجال، حيث يقدم نهجًا مبسطًا لإنشاء مطالبات ديناميكية غنية بالبيانات.

يجعل نظام القوالب المرن منخفض التكلفة من Prompt Poet تصميم المطالبات سهلاً وفعّالاً. من خلال دمج مصادر البيانات الخارجية التي لن تكون متاحة لتدريب LLM، يمكن لقوالب المطالبات المليئة بالبيانات أن تضمن بشكل أفضل دقة استجابات الذكاء الاصطناعي وارتباطها بالمستخدم.

من خلال استخدام أدوات مثل Prompt Poet، يمكنك الارتقاء بمهاراتك في هندسة الاستجابة السريعة وتطوير تطبيقات الذكاء الاصطناعي المبتكرة التي تلبي احتياجات المستخدمين المتنوعة بدقة. ومع استمرار تطور الذكاء الاصطناعي، سيكون من الضروري أن تظل بارعًا في أحدث تقنيات هندسة الاستجابة السريعة.