Məzmuna keç
TokIQ
Əsaslar

ChatGPT, Claude və Gemini üçün prompt: nə köçür, nə yox

Promptlar ChatGPT, Claude və Gemini-də eyni işləyir? Prinsiplərin əksəriyyəti köçür. Nəyin fərqləndiyi və promptu modellər üzrə təxminsiz necə sınamaq olar.

TokIQ Editorial5 dəq oxu
Bu məqalədə
  1. Modellər arasında nə köçür?
  2. Nə fərqlənməyə meyllidir?
  3. Promptu modellər üzrə necə sınamalı?
  4. Bütün modellər üçün tək prompt, yoxsa hər biri üçün ayrı?
  5. Vendor prompt bələdçiləri ən çox harada kömək edir?

Prompt engineering-in əksəriyyəti ChatGPT, Claude və Gemini arasında köçür: aydın tapşırıqlar, real kontekst, açıq çıxış formatları, yaxşı nümunələr və mənbələrə əsaslanma hər əsas modeldə kömək edir. Fərqlənən şeylər defolt üslub, hər modelin təlimatlara nə qədər hərfi əməl etməsi, formatlaşdırmanı və çox uzun girişləri necə idarə etməsi və promptun ətrafındakı API imkanlarıdır. Etibarlı yanaşma promptları prinsiplərdən yazmaq, sonra buraxdığın konkret modeldə sınamaqdır.

Bu yazı qəsdən "X modeli Y-də daha yaxşıdır" kimi iddialardan uzaq durur. Belə iddialar həftələr ərzində köhnəlir. Faydalı bilik promptun hansı hissələrinin daşına bildiyi və olmadıqda bunu tez necə öyrənməkdir.

Əsas nəticələr

  • Prinsiplər köçür. Dəqiq ifadə, uzunluq tənzimləməsi və formatlaşdırma xüsusiyyətləri çox vaxt köçmür.
  • Hər vendor öz prompt bələdçisini dərc edir. Modelin üçün olanı oxu.
  • Kiçik test dəsti istənilən müqayisə yazısından, o cümlədən bu yazıdan üstündür.
  • Modeli dəyişəndə və ya eyni vendor modelini yeniləyəndə promptları yenidən tənzimləməyə hazır ol.

Modellər arasında nə köçür?

İfadədən çox məlumata aid olan demək olar ki, hər şey.

Konkret tapşırıqlar və kontekst. Nəticənin kim üçün olduğunu, niyə lazım olduğunu və yaxşı nəticənin necə göründüyünü dedikdə hər model daha yaxşı işləyir. Heç bir model auditoriyanı təxmin edə bilməz.

Açıq çıxış formatı. "Bu sütunlarla cədvəl qaytar" və ya "bu açarlarla JSON" hər yerdə işləyir. Üç vendor da API səviyyəsində structured output imkanları verir, bunları LLM-lərdən etibarlı JSON almaq yazısında əhatə edirik.

Nümunələr. Few-shot nümunələri hamısında üslub və format üçün kömək edir və hər yerdə eyni yan təsirlərə yol açır (uzunluğun və ifadənin köçürülməsi, etiket qərəzi). Bax: zero-shot və few-shot prompting.

Datanı ayırmaq. Təlimatları yapışdırılmış materialdan teqlər, başlıqlar və ya dırnaqlarla ayırmaq hər modeldə qarışıqlığı azaldır.

Grounding. "Yalnız bu mənbələrə əsasən cavab ver, istinad et, cavab yoxdursa bunu de" modeldən asılı olmayaraq əsaslandırılmış prompting-in özəyidir.

Təhlükəsizlik hədləri. Prompt injection hər modelə təsir edir. Heç birini yalnız prompt sözləri ilə təhlükəsiz etmək olmaz.

Bunları düzgün etməklə prompt yazsan, o, istənilən cari frontier modeldə kifayət qədər yaxşı işləyəcək. Adətən eyni deyil, amma kifayət qədər yaxşı.

Nə fərqlənməyə meyllidir?

Defolt təfərrüat və üslub

Eyni açıq sorğunu üç köməkçiyə versən, fərqli uzunluq, fərqli miqdarda markdown və xəbərdarlıq əlavə etməyə fərqli meyl alacaqsan. Bir modeldə "təxminən düzgün uzunluq" üçün tənzimlənmiş prompt başqa modeldə nəzərəçarpacaq dərəcədə uzun və ya qısa cavablar verə bilər. Çarə defoltlara güvənməyi dayandırmaqdır: uzunluğu ("150 sözdən az"), strukturu ("başlıqsız, iki abzas") və tonu açıq yaz.

Təlimatlara nə qədər hərfi əməl olunması

Modellər hərfi təlimatdan kənarda nə qədər nəticə çıxardıqlarına görə fərqlənir. Bəziləri məhz istənilənin edilməsinə meyllidir, digərləri sənin nəyi nəzərdə tutduğunu düşündüklərini edib əlavələr qatır. Vendorlar bunu versiyalar arasında da dəyişir. Məsələn, OpenAI bəzi yeni modellər üçün təlimatında qeyd edib ki, onlar təlimatlara sələflərindən daha hərfi əməl edir, ona görə modelin niyyəti tamamlamasına arxalanan promptları açıq etmək lazım gəldi.

Daşına bilən vərdiş: əhatə dairəsini açıq yaz. Bütün e-poçtun yenidən yazılmasını yox, yalnız redaktə olunmuş abzası istəyirsənsə, bunu de. Modelin fərq etdiyi başqa şeyləri də düzəltməsini istəyirsənsə, onu da de.

Promptda formatlaşdırma qaydaları

Anthropic-in sənədləri Claude üçün promptları strukturlaşdırmaq üçün XML üslublu teqləri (<document>, <instructions>, <example>) tövsiyə edir və Claude onlara çox yaxşı reaksiya verir. OpenAI və Google-ın bələdçiləri markdown başlıqlarını, XML teqlərini və digər delimiter-ləri etibarlı variantlar kimi göstərir. Praktikada XML üslublu teqlər bütün əsas modellərdə işləyir və blokun harada bitdiyi barədə birmənalıdır, bu da hər yerdə tək üslub istəyirsənsə, məntiqli defolt edir.

System prompt-un idarə olunması

Üç API də bu və ya digər formada system və ya developer təlimatlarını dəstəkləyir, amma adlandırmada, bir neçə təlimat mənbəsinin necə prioritetləşdirilməsində və israrlı istifadəçiyə qarşı system prompt-un nə qədər çəkiyə malik olmasında fərqlənir. Məhsulun system prompt-un təzyiq altında dayanmasından asılıdırsa, bu davranışı xüsusi sına: mövzudan kənar sorğular, promptu çıxarmağa cəhdlər, istifadəçinin qadağan olunmuş əməliyyatda israr etməsi. Bu barədə fon məlumatı: system prompt necə yazılır.

Uzun kontekstdə davranış

Kontekst pəncərəsinin ölçüləri fərqlənir və tez-tez dəyişir, ona görə rəqəm sadalamırıq. Maksimumdan daha vacibi modelin uzun giriş daxilindəki məlumatdan nə qədər yaxşı istifadə etməsidir. "Lost in the Middle" (Liu et al., 2023) kimi tədqiqatlar göstərdi ki, modellər uzun kontekstin əvvəlində və sonundakı məlumatdan ortadakından daha yaxşı istifadə edir. Vendorlar burada bir qədər fərqli məsləhət verir: Anthropic uzun sənədləri yuxarıya, sualı sona qoymağı təklif edir, OpenAI isə uzun kontekstli promptlar üçün əsas təlimatları materialdan həm əvvələ, həm sonra yerləşdirməyi təklif edib. Uzun sənədli promptu modellər arasında köçürəndə təlimatların yerləşdirilməsi ilk sınanmalı şeylərdən biridir.

Reasoning imkanları

Hər vendor cavabdan əvvəl əsaslandıran modellər və ya rejimlər təklif edir, onlar müxtəlif API parametrləri ilə idarə olunur (effort səviyyələri, thinking büdcələri). Bu rejimlər üçün prompt məsləhəti vendorlar arasında oxşardır: məqsədi və məhdudiyyətləri təsvir et, əsaslandırmanı addım-addım ssenarilə yazma. Standart modellərə kömək edən açıq "addım-addım düşün" təlimatları reasoning rejimlərində çox vaxt az şey əlavə edir.

Tool calling formatları

Function və tool calling hər yerdə eyni ideyaya əsaslanır (alətləri ad, təsvir və JSON Schema parametrləri ilə təsvir edirsən, model struktur çağırış qaytarır), amma sorğu və cavab formatları fərqlənir. Model Context Protocol kimi kitabxanalar və protokollar infrastruktur fərqlərini azaldır. Alət təsvirlərinin keyfiyyəti tam köçür.

Promptu modellər üzrə necə sınamalı?

Bir günortanı alan və hansı modelin "daha yaxşı" olması barədə həftələrlə mübahisəyə qənaət edən üsul:

  1. Tapşırıq üçün 20-50 real giriş topla. Çətinlərini də daxil et: qeyri-müəyyən sorğular, çatışmayan məlumat, çox uzun girişlər, mövzudan kənar mesaj.
  2. Hər biri üçün yaxşı nəticənin necə göründüyünü yaz, ya da heç olmasa onun ödəməli olduğu qaydaları (format düzgündür, mənbəyə istinad edir, 100 sözdən azdır, cavabsız suallar üçün "tapılmadı" deyir).
  3. Eyni promptu hər namizəd modeldə işlət. Temperature-u sabitlə və ya hər girişi bir neçə dəfə işlət, çünki nəticələr işlətmələr arasında dəyişir.
  4. Qaydalarına qarşı qiymətləndir, mümkün olduqda kodla (format yoxlamaları, uzunluq, tələb olunan sətirlər), qalanını oxumaqla.
  5. Ortalamalara yox, uğursuzluqlara bax. Bir model ortalama ilə bir az pis ola bilər, amma səliqəli uğursuz olur, digəri ortalama ilə yaxşı ola bilər, amma ara-sıra fakt uydurur. Real məhsul üçün ikincisi çox vaxt daha pisdir.
  6. Lazım olsa promptu hər modelə görə tənzimlə, sonra hamısını yenidən işlət.

Test dəstini saxla. Vendor yeni versiya buraxanda keçməzdən əvvəl yenidən işlət.

Bütün modellər üçün tək prompt, yoxsa hər biri üçün ayrı?

Şəxsi iş axını üçün yaxşı yazılmış tək prompt adətən kifayətdir, çünki çıxışı özün oxuyursansa, kiçik fərqlər əhəmiyyət kəsb etmir.

Məhsul üçün ən azı formatlaşdırma və uzunluq təlimatlarının hər model üçün variantlarını planlaşdır, əsas məzmunu (tapşırıq, kontekst, qaydalar, nümunələr) isə ortaq saxla. Promptları test nəticələri ilə yanaşı versiya nəzarətində saxla ki, "bu sətir niyə var?" sualının cavabı olsun.

Vendor prompt bələdçiləri ən çox harada kömək edir?

Hər əsas vendor öz modelləri üçün prompt engineering sənədləri saxlayır: OpenAI-ın prompt engineering bələdçisi, Claude üçün Anthropic-in prompt engineering sənədləri və Gemini üçün Google-ın prompt design strategiyaları. Onlar pulsuz, kifayət qədər aktual saxlanılır və içəridən yazılıb. Tənzimləməzdən əvvəl hədəf modelin üçün olanı oxu, çünki o, heç bir ümumi yazının, o cümlədən bunun izləyə bilmədiyi imkanlar və üstünlüklər barədə məlumat verəcək.

Gündəlik bir neçə köməkçidən istifadə edirsənsə, praktik məsləhət daha qısadır: layihəni heç görməmiş ağıllı həmkara məntiqli gələcək promptlar yaz və hər modelin xüsusiyyətlərinin fərziyyələrdə yox, testlərdə üzə çıxmasına imkan ver. Fundamentals mövzusu daşına bilən özəyi əhatə edir, daha yaxşı ChatGPT promptları necə yazılır isə üçündə də işləyən siyahı verir.

Tez-tez verilən suallar

Eyni promptlar ChatGPT, Claude və Gemini-də işləyir?

Əsaslar işləyir: aydın tapşırıq, kontekst, format və nümunələr hamısında kömək edir. Nəticələr yenə də ton, uzunluq, formatlaşdırma və kənar hallarda davranış baxımından fərqlənir, ona görə vacib promptları real istifadə edəcəyin modeldə sınamaq lazımdır.

Prompt engineering üçün ən yaxşı AI modeli hansıdır?

Daimi cavab yoxdur, çünki reytinqlər hər buraxılışla dəyişir. Öz tapşırığın üçün öz test hallarında ən yaxşı nəticə verən modeli seç və modellər yenilənəndə yenidən yoxla.

Promptlarda XML teqləri, yoxsa markdown istifadə etməliyəm?

Hər ikisi əsas modellərdə işləyir. Anthropic-in sənədləri Claude üçün xüsusilə XML üslublu teqləri tövsiyə edir və onlar hər modeldə təlimatları datadan ayırmağın aydın yoludur. Sərhədləri birmənalı edən hansıdırsa, onu istifadə et.

Eyni prompt fərqli modellərdə niyə fərqli cavablar verir?

Modellər təlim datasına, instruction tuning-ə və defolt üslubuna görə fərqlənir. Başqa cür konfiqurasiya olunmayıbsa, həm də təsadüfi seçmə aparırlar, ona görə hətta eyni model də işlətmələr arasında dəyişə bilər.

  • #ChatGPT
  • #Claude
  • #Gemini
  • #model müqayisəsi
  • #prompt daşınması

İndi məşq et

TokIQ prompt engineering-i qısa quizlərə çevirir, hər cavabın izahı ilə.

TezlikləApp StoreYüklə:Google Play

Daha yaxşı prompt yaz, gündə bir neçə sualla.

Real prompting qərarları üzrə qısa quizlər, hər cavab üçün izah. iPhone və Android-də pulsuz başla.

TezlikləApp StoreYüklə:Google Play