For å forstå hva prompt engineering er og hvorfor vi trenger det, vil vi først gjennomgå noen viktige emner fra forrige seksjon:

1. En prompt eller forespørsel er teksten som gis til modellen for å starte en samtale eller be om et svar. Det fungerer som brukerens melding eller spørsmål som får modellen til å generere et tekstbasert svar;

2. Måten ChatGPT svarer på kan påvirkes av hvordan en forespørsel er formulert; hvis du omformulerer det samme spørsmålet med forskjellige ord, kan modellen generere varierende svar.

Basert på disse to emnene kan vi forstå hva prompt engineering er: det er prosessen med nøye utforming og strukturering av input-prompter eller forespørsler for å fremkalle ønskede svar fra modellen.

La oss se på eksemplene:

Dårlig prompt

Dette anses som "dårlig" av noen grunner:

1. Mangel på spesifisitet: Prompten er veldig bred og spesifiserer ikke hvilke forskere eller vitenskapsområder brukeren er interessert i. Den gir ikke klar veiledning til modellen om omfanget av svaret;

2. Uklare forventninger: Den indikerer ikke hva slags informasjon brukeren søker om forskere. Er de interessert i biografier, vitenskapelige bidrag, historisk kontekst, eller noe annet? Uten denne klarheten kan svaret ikke møte brukerens forventninger;

3. Åpen slutt: Prompten er åpen, noe som kan føre til et generisk eller generelt svar som kanskje ikke er spesielt informativt eller engasjerende.

La oss endre denne prompten for å få et mer spesifikt resultat.

God prompt

Den "gode" prompten er effektiv fordi den gir spesifisitet, kontekst og klar veiledning. Den spesifiserer emnet (innflytelsesrike forskere innen fysikk) og typen informasjon som ønskes (nøkkelfunn), noe som gjør det lettere for ChatGPT å generere et relevant og informativt svar som samsvarer med brukerens forventninger.