Промт инжиниринг

О книге

Автор книги - . Произведение относится к жанрам инновации в бизнесе, программирование, зарубежная компьютерная литература. Оно опубликовано в 2025 году. Книге не присвоен международный стандартный книжный номер.

Аннотация

Экономь свое время с помощью новых навыков ИИ для ChatGPT и других языковых моделей.

В книге представлено описание работы больших языковых моделей нейросетей, таких как ChatGPT, много шаблонов для программирования больших языковых моделей с помощью обычных слов.

Программируйте языковые нейросети с помощью русского языка для повышения эффективности работы и экономии времени для решения разнообразных рабочих и бытовых задач.

Читать онлайн Катерина Калинюк - Промт инжиниринг


Предисловие

Вам предстоит знакомство с тем, как работает один из самых мощных инструментов цифрового века – большие языковые модели, такие как ChatGPT. Они умеют многое: от структурированной генерации текста до симуляции ролей, анализа и вывода. Однако, как и любой сложный инструмент, большие языковые модели особенно эффективны в умелых руках.

Эта книга – приглашение не просто к эксперименту, а к сотрудничеству. Вы узнаете, как правильно задавать вопросы, как использовать шаблоны (паттерны) взаимодействия и как формировать запросы так, чтобы получать точные и полезные ответы. Знание этих паттернов поможет вам не только решать повседневные задачи, но и открывать новые способы применения ИИ – в работе, обучении и творчестве.

Пусть это пособие станет для вас навигацией в мире, где текст – код взаимодействия, а каждый запрос – программа. Мой труд был задуман, чтобы помочь. Остальное – в ваших руках.

Глава 1.

Что такое большие языковые модели и как они работают

В этой главе мы не будем углубляться в технические детали, но расскажем достаточно, чтобы вы могли эффективно использовать языковые модели в своей работе. Особенно важно это при создании запросов, или, как их принято называть, промптов.

Что делает языковая модель?

Основное, что делает большая языковая модель, – получает ваш текстовый ввод и пытается предсказать следующее слово. Затем она добавляет это слово к исходному тексту и предсказывает следующее. И так – шаг за шагом – пока не сочтёт, что ответ завершён.

Можно представить это как постепенное формирование предложения: слово за словом, словно капля чернил за каплей вырисовывает фразу.

На практике всё гораздо сложнее, но суть именно такая: модель анализирует контекст и предсказывает наиболее вероятное следующее слово. Последнее слово в цепочке обычно означает «стоп», даже если визуально это не всегда заметно.

Пример работы

Допустим, мы вводим:

В лесу родилась…

Если вы знакомы с популярной новогодней песней, то логичное продолжение: ёлочка, в лесу она росла.

Модель сначала предскажет слово ёлочка, затем – следующее, и так далее, пока не сочтёт, что завершила предложение.

Другой пример:

Осенью в парке лежат…

Модель, скорее всего, продолжит: жёлтые листья, шуршащие под ногами.

Это не потому, что она знает поэзию или литературу. Она просто «помнит», какие фразы чаще всего следовали за такими строками в данных, на которых её обучали.


Рекомендации для вас