Sade anlatım
Modeller net talimat yazmakta iyidir; istem de bir talimat setidir. O halde görevi bir modele anlatır ve istem taslağını ondan istersiniz. Sonra o istemi çalıştırır, sonuçların nerede yetersiz kaldığını modele gösterir ve düzeltmesini istersiniz. Yazarlıktan editörlüğe geçersiniz.
Neden önemli
İstem kalitesi çoğu yapay zeka projesinde darboğazdır ve uzun, özenli istemler yazmayı sevenler azdır. Meta-prompting bir dakikada sağlam bir ilk taslak üretir ve yinelemeyi hızlandırır. Muhakeme ihtiyacını ortadan kaldırmaz: iyinin neye benzediğini birinin tanımlaması ve yeni istemin bunu sağlayıp sağlamadığını test etmesi gerekir.
Örnek
Bir ürün yöneticisinin müşteri görüşmelerini özetleyecek bir isteme ihtiyacı var. Modele hedefi, iki örnek görüşme dökümünü ve beğendiği bir özeti verip istem yazmasını istiyor. Taslak, onun belirtmeyi düşünmediği noktaları da kapsıyor; örneğin çelişen ifadelerin nasıl ele alınacağını. On dökümde test ediyor ve iki zayıf sonucu ikinci bir düzeltme için modele geri veriyor.
Bununla en çok karıştırılan kavram
Meta-prompting ve Prompt Engineering arasındaki fark
Meta-prompting, prompt engineering içindeki tekniklerden biridir: metni üretmenin ve iyileştirmenin bir yolu. Disiplinin geri kalanı yine geçerlidir: net görev tanımı, test vakaları, ölçüm ve gözden geçirme. İstemi model yazabilir; görevin neyi başarması gerektiğine sizin yerinize karar veremez.
Teknik katman
Yaygın biçimleri: kısa bir görev tanımını rol, adımlar, biçim ve yer tutucular içeren yapılandırılmış bir isteme genişleten istem üreteçleri; bir modelin çıktıları ölçütlere göre inceleyip düzeltme önerdiği eleştiri döngüleri; ve aday istemlerin üretildiği, bir test setinde puanlandığı ve birkaç tur boyunca seçildiği otomatik optimizasyon. DSPy gibi çatılar istemleri, bir ölçüte göre optimize edilecek parametreler olarak ele alır. Riskler: test örneklerine aşırı uyan istemler, iyileşmeden uzayan istemler ve gözden geçirilmeyen değişiklikler. Ayrı tutulan bir vaka seti bulundurun ve farkları bir insan okusun.