Explore as melhores práticas e aprimore suas solicitações para obter melhores resultados
A engenharia de solicitações rapidamente se tornou parte de nossas vidas, graças ao ChatGPT e outros grandes modelos de linguagem. Embora não seja um campo completamente novo, atualmente está experimentando grande popularidade. Dito isso, acredito que agora é o momento perfeito para aprimorar suas habilidades e se tornar melhor na engenharia de solicitações.
Se você está se perguntando sobre o que é a engenharia de solicitações, vamos perguntar ao ChatGPT. De acordo com os dados do Google Trends, a engenharia de solicitações atingiu seu pico de interesse de pesquisa nos últimos meses. Os usuários que pesquisaram por engenharia de solicitações estavam interessados em tópicos de acompanhamento, como curso, aprendizado e salário. Há um aumento no número de consultas para cursos de engenharia de solicitações.
Independentemente de você estar utilizando a engenharia de solicitações para consultas diárias simples, encontrando inspirações para receitas ou planejando sua próxima viagem usando a interface web do usuário (por exemplo, UI do ChatGPT) ou se você está envolvido no desenvolvimento de aplicações que acessam grandes APIs de modelos de linguagem (por exemplo, API do ChatGPT), melhorar suas habilidades de escrita de solicitações aumentará significativamente a qualidade das respostas que você obtém.
A engenharia de solicitações desempenha um papel importante para obter o máximo dos grandes modelos de linguagem (LLMs). Quando as solicitações são bem escritas, as respostas se tornam mais precisas, relevantes e úteis. Aqui estão algumas diretrizes de bom senso ao escrever solicitações:
- Seja claro e específico: comunique claramente o que você espera do modelo e forneça instruções específicas.
- Inclua conteúdo essencial e estilo de saída desejado: inclua todas as informações necessárias e especifique o formato ou estilo que você deseja que a resposta esteja.
- Forneça exemplos sempre que possível: incluir exemplos pode ajudar o modelo a entender a estrutura de resposta desejada.
Existem também algumas considerações importantes a ter em mente:
- As respostas podem conter erros.
- As respostas para a mesma solicitação podem variar.
- O conhecimento dos modelos é baseado no momento em que os dados de treinamento foram coletados (por exemplo, a data de corte do conhecimento do ChatGPT é setembro de 2021).
Agora, vamos abordar cinco padrões de solicitação muito importantes que você pode seguir ao interagir com LLMs.
- Padrão de Refinamento de Perguntas: Usando o padrão de refinamento de perguntas, você pode solicitar ao ChatGPT para gerar perguntas de acompanhamento e usar as respostas para essas perguntas para responder com precisão à pergunta inicial. Usando este método, podemos obter insights sobre quais fatores o ChatGPT considera ao compor uma resposta. Também podemos fornecer contexto adicional além do que foi incluído na solicitação inicial.
- Padrão de Template: Podemos fornecer um template e instruir o ChatGPT a gerar uma resposta seguindo o template. Para demonstrar, fornecerei vários parágrafos da página da Wikipedia sobre grandes modelos de linguagem. Usando esses parágrafos, o ChatGPT gerará cinco perguntas/respostas seguindo o template. Usando o Markdown, você pode formatar o texto, como palavra por palavra.
- Prompting Zero-Shot: Como sabemos, os LLMs podem seguir instruções e são capazes de aprender padrões a partir da solicitação e seguir isso na resposta. Aqui está um exemplo de tarefa para aprendizado zero-shot, onde podemos ensinar como classificar classes que o modelo não encontrou antes.
- Prompting de Cadeia de Pensamento: Em vez de fornecer apenas a resposta final, especialmente para problemas de matemática, o prompting de cadeia de pensamento visa fazer explicações passo a passo. No exemplo a seguir, fiz uma pergunta capciosa ao ChatGPT e ele inicialmente cometeu um erro em sua resposta. No entanto, quando solicitei ao ChatGPT que fornecesse todo o seu raciocínio que levou à resposta, ele foi capaz de fornecer a solução correta.
Agora, vamos explorar como utilizar a API do ChatGPT para construir aplicações de dados.
- Resumir texto e extrair informações: Resumir informações pode ser uma técnica que economiza tempo, especialmente quando você precisa extrair pontos-chave ou detalhes específicos. Com a API do ChatGPT, podemos aproveitar suas capacidades para gerar resumos para grandes volumes de texto.
- Traduzir o texto: Como você pode imaginar, se podemos criar resumos, também podemos traduzir o texto para diferentes idiomas. Com base no exemplo anterior, agora solicitaremos que os resumos sejam gerados em inglês, italiano e alemão.
- Expandir o texto: A expansão envolve a utilização de um pedaço de texto menor e o aproveitamento das capacidades de um grande modelo de linguagem para gerar um pedaço de texto mais extenso. Por exemplo, se inserirmos uma avaliação de cliente, podemos produzir um e-mail de resposta detalhado e abordar as preocupações levantadas.
Agora, vamos explorar como utilizar a API do ChatGPT para construir aplicações de dados.
- Responder a um cliente: Podemos usar o ChatGPT para gerar uma resposta detalhada a um cliente com base em sua avaliação. Podemos fornecer diretrizes para o formato e conteúdo da resposta.
Em conclusão, neste artigo exploramos as melhores práticas de engenharia de solicitações usando tanto a interface web quanto a API. Discutimos vários padrões de solicitação eficazes, incluindo padrões de persona, refinamento de perguntas, templates, prompting zero-shot e de cadeia de pensamento. Além disso, mergulhamos na utilização da API do ChatGPT, gerando nossa chave secreta e explorando suas capacidades em resumo de texto, tradução e expansão.
Espero que este tutorial inspire você a usar grandes modelos de linguagem para impulsionar sua criatividade e produtividade. Tenho certeza de que pode ajudá-lo a gerar ideias, obter novos insights, resolver problemas complexos e aprimorar seu trabalho diário em muitos níveis. As possibilidades são vastas.
Se você gostou de ler artigos como este e deseja apoiar minha escrita, pode considerar se tornar um membro do Medium. Os membros do Medium têm acesso total a artigos de todos os escritores e, se você usar meu link de referência, estará apoiando diretamente minha escrita.
Se você já é um membro e está interessado em ler meus artigos, pode se inscrever para ser notificado ou me seguir no Medium. Deixe-me saber se você tem alguma pergunta ou sugestão.
Recursos adicionais que recomendo após este artigo:
Antes de escrever este artigo, concluí dois cursos online focados em dominar a engenharia de solicitações. O primeiro curso, “ChatGPT: Engenharia de Solicitações para Desenvolvedores”, fornecido pela DeepLearning.AI, é um ótimo recurso, especialmente se você é um desenvolvedor e trabalha com as APIs. O segundo curso, “Engenharia de Solicitações para ChatGPT”, oferecido pela Coursera, é realmente útil se você está escrevendo solicitações na interface web. A maioria dos aprendizados neste artigo veio desses dois recursos valiosos. Eu recomendo dar uma olhada se você estiver interessado.
Referências:
- Tendências do Google para Engenharia de Solicitações
- Conjunto de dados de avaliações do Disneyland
- Curso “ChatGPT: Engenharia de Solicitações para Desenvolvedores” fornecido pela DeepLearning.AI
- Curso “Engenharia de Solicitações para ChatGPT” oferecido pela Coursera