กลยุทธ์การออกแบบที่กระตุ้นผลลัพธ์

การออกแบบพรอมต์คือกระบวนการสร้างพรอมต์หรือคำขอที่เป็นภาษาธรรมชาติ ซึ่งจะกระตุ้นให้โมเดลภาษาตอบกลับอย่างถูกต้องและมีคุณภาพสูง

หน้านี้จะแนะนำแนวคิด กลยุทธ์ และแนวทางปฏิบัติแนะนำเบื้องต้นเพื่อช่วยให้คุณเริ่มต้นออกแบบพรอมต์เพื่อใช้โมเดล AI ของ Gemini ให้เกิดประโยชน์สูงสุด

คู่มือการเขียนพรอมต์เฉพาะหัวข้อ

หากกำลังมองหากลยุทธ์พรอมต์ที่เฉพาะเจาะจงมากขึ้น ดูคำแนะนำการเขียนพรอมต์อื่นๆ ได้ที่

คุณดูพรอมต์ตัวอย่างอื่นๆ ได้ในแกลเลอรีพรอมต์ ซึ่งออกแบบมาเพื่อแสดงแนวคิดต่างๆ ที่แชร์ในคู่มือนี้แบบอินเทอร์แอกทีฟ

วิธีการที่ชัดเจนและเจาะจง

วิธีที่มีประสิทธิภาพและมีประสิทธิผลในการปรับแต่งลักษณะการทำงานของโมเดลคือการให้ วิธีการที่ชัดเจนและเฉพาะเจาะจง คำสั่งอาจอยู่ในรูปแบบคำถาม งานแบบทีละขั้นตอน หรือซับซ้อนถึงขั้นการวางแผนประสบการณ์และความคิดของผู้ใช้

อินพุต

อินพุตคือข้อความที่จำเป็นในพรอมต์ที่คุณต้องการให้โมเดลตอบ อินพุตอาจเป็นคำถามที่โมเดล ตอบ (อินพุตคำถาม) งานที่โมเดลดำเนินการ (อินพุตงาน) เอนทิตีที่ โมเดลดำเนินการ (อินพุตเอนทิตี) หรืออินพุตบางส่วนที่โมเดลทำให้สมบูรณ์หรือ ดำเนินการต่อ (อินพุตการเติมข้อความ)

ประเภทอินพุต พรอมต์ เอาต์พุตที่สร้างขึ้น
คำถาม 

    What's a good name for a flower shop that specializes in selling bouquets of
    dried flowers? Create a list of 5 options with just the names.
 

    Here are 10 names for a flower shop specializing in dried flowers:

    1. Everlasting Blooms
    2. Dried & Delightful
    3. The Petal Preserve
    4. Whispers of Wildflowers
    5. Forever Blooms
งาน 
    Give me a simple list of just the things that I must bring on a camping trip. The list should have 5 items.
 
    1. **Tent:** Your shelter from the elements.
    2. **Sleeping Bag:** Stay warm and comfortable.
    3. **Sleeping Pad:** Insulation and cushioning for a good night's sleep.
    4. **Headlamp or Flashlight:** Light for nighttime activities.
    5. **First Aid Kit:** Be prepared for minor injuries.
เอนทิตี 

    Classify the following items as [large, small]:
Elephant
Mouse
Snail
 

Here's the classification:

* **Elephant:** Large
* **Mouse:** Small
* **Snail:** Small

การป้อนข้อมูลบางส่วนให้เสร็จสมบูรณ์

โมเดลภาษาแบบ Generative ทำงานเหมือนเครื่องมือเติมข้อความอัตโนมัติขั้นสูง เมื่อคุณ ระบุเนื้อหาบางส่วน โมเดลจะระบุเนื้อหาส่วนที่เหลือหรือเนื้อหาที่ โมเดลคิดว่าเป็นเนื้อหาต่อเนื่องเป็นคำตอบได้ เมื่อทำเช่นนั้น หากคุณ รวมตัวอย่างหรือบริบทใดๆ โมเดลจะพิจารณาตัวอย่างหรือบริบทเหล่านั้น

ตัวอย่างต่อไปนี้แสดงพรอมต์ที่มีคำสั่งและอินพุตเอนทิตี

For the given order, return a JSON object that has the fields cheeseburger, hamburger, fries, or
drink, with the value being the quantity.

Order: A burger and a drink.
  
{
  "cheeseburger": 0,
  "hamburger": 1,
  "fries": 0,
  "drink": 1
}

แม้ว่าโมเดลจะทําตามที่ได้รับแจ้ง แต่การเขียนคําสั่งเป็นภาษาง่ายๆ บางครั้งก็อาจเป็นเรื่องยากและต้องอาศัยการตีความของโมเดลเป็นอย่างมาก เช่น เมนูของร้านอาหารอาจมีหลายรายการ หากต้องการลดขนาดการตอบกลับ JSON คุณอาจต้องละเว้นสินค้าที่ไม่ได้สั่งซื้อ ใน กรณีนี้ คุณสามารถยกตัวอย่างและคำนำหน้าคำตอบ แล้วปล่อยให้ โมเดลทำให้เสร็จสมบูรณ์ได้

Valid fields are cheeseburger, hamburger, fries, and drink.
Order: Give me a cheeseburger and fries
Output:
```
{
  "cheeseburger": 1,
  "fries": 1
}
```
Order: I want two burgers, a drink, and fries.
Output:
  
```
{
  "hamburger": 2,
  "drink": 1,
  "fries": 1
}
```

โปรดสังเกตว่าระบบยกเว้น "ชีสเบอร์เกอร์" จากเอาต์พุตเนื่องจากไม่ได้เป็นส่วนหนึ่งของคำสั่งซื้อ

ข้อจำกัด

ระบุข้อจำกัดในการอ่านพรอมต์หรือสร้างคำตอบ คุณสามารถ บอกโมเดลถึงสิ่งที่ควรทำและไม่ควรทำได้ เช่น คุณสามารถระบุข้อจำกัด ในพรอมต์เกี่ยวกับความยาวของข้อมูลสรุปที่ต้องการได้ ดังนี้

Summarize this text in one sentence:
Text: A quantum computer exploits quantum mechanical phenomena to perform calculations exponentially
faster than any modern traditional computer. At very tiny scales, physical matter acts as both
particles and as waves, and quantum computing uses specialized hardware to leverage this behavior.
The operating principles of quantum devices is beyond the scope of classical physics. When deployed
at scale, quantum computers could be used in a wide variety of applications such as: in
cybersecurity to break existing encryption methods while helping researchers create new ones, in
meteorology to develop better weather forecasting etc. However, the current state of the art quantum
computers are still largely experimental and impractical.
    

      Exploiting quantum mechanical phenomena, quantum computers can perform calculations exponentially faster than traditional computers for potential applications like cybersecurity and meteorology, although they are currently largely experimental and impractical.

รูปแบบการตอบกลับ

คุณสามารถให้คำสั่งที่ระบุรูปแบบของการตอบกลับได้ เช่น คุณขอให้จัดรูปแบบคำตอบเป็นตาราง รายการหัวข้อย่อย การนำเสนอสั้นๆ คำหลัก ประโยค หรือย่อหน้าได้ คำสั่งของระบบต่อไปนี้จะบอกให้โมเดลตอบกลับด้วยภาษาที่เหมือนการสนทนามากขึ้น 

    All questions should be answered comprehensively with details, unless the user requests a concise response specifically.
  
    What is a smart way to make a business that sells DVD's in 2025?
  
Starting a business selling DVDs in 2025 presents significant challenges due to the overwhelming dominance of digital streaming and on-demand services; a "smart" approach would therefore require a highly specialized niche, a strong value proposition beyond just the disc, and likely a focus on community or collector markets rather than mainstream consumption.

Here's a breakdown of what a smart DVD business in 2025 would likely entail:

1. Extreme Niche Specialization: You cannot compete with streaming libraries. Your business must focus on what digital doesn't offer easily or at all. This could include:

    * Out-of-Print & Rare Titles: Sourcing films or TV shows that have never been released digitally or are currently unavailable on major streaming platforms.
    ....

จัดรูปแบบคำตอบด้วยกลยุทธ์การทำให้เสร็จ

กลยุทธ์การเติมข้อความยังช่วยจัดรูปแบบคำตอบได้ด้วย ตัวอย่างต่อไปนี้จะแจ้งให้โมเดลสร้างโครงร่างเรียงความ

Create an outline for an essay about hummingbirds.
  
Here is a possible outline for an essay about hummingbirds:

I. Introduction
A. Hook: Start with a captivating fact or description about hummingbirds (e.g., their speed, iridescent colors, or tiny size).
B. Background: Briefly introduce hummingbirds – where they are found (Americas), their reputation as unique birds.
C. Thesis Statement: State the main point of the essay, which could be about the remarkable adaptations, behaviors, and ecological importance of hummingbirds.

II. Appearance and Identification
.....

พรอมต์ไม่ได้ระบุรูปแบบสำหรับโครงร่างและโมเดลเลือกรูปแบบให้คุณ หากต้องการให้โมเดลแสดงโครงร่างในรูปแบบที่เฉพาะเจาะจง คุณสามารถเพิ่ม ข้อความที่แสดงถึงจุดเริ่มต้นของโครงร่างและปล่อยให้โมเดลเติมข้อความให้สมบูรณ์ตาม รูปแบบที่คุณเริ่มต้น

Create an outline for an essay about hummingbirds.
I. Introduction
   *
  
Okay, here is an outline for an essay about hummingbirds, starting from the introduction you provided:

I. Introduction
* Hook: Start with a captivating fact or description about hummingbirds (e.g., their speed, iridescent colors, or tiny size).
* Background: Briefly introduce hummingbirds – where they are found (Americas), their reputation as unique birds, and their general characteristics.
* Thesis Statement: State the main point of the essay, focusing on the remarkable adaptations, behaviors, and ecological significance that make hummingbirds extraordinary.
.....

พรอมต์แบบ Zero-Shot กับ Few-Shot

คุณสามารถใส่ตัวอย่างในพรอมต์เพื่อแสดงให้โมเดลเห็นว่าการตอบที่ถูกต้อง มีลักษณะอย่างไร โมเดลจะพยายามระบุรูปแบบและความสัมพันธ์จาก ตัวอย่างและนำไปใช้เมื่อสร้างคำตอบ พรอมต์ที่มีตัวอย่าง 2-3 รายการเรียกว่าพรอมต์แบบ Few-Shot ส่วนพรอมต์ที่ไม่มีตัวอย่างเรียกว่าพรอมต์แบบ Zero-Shot มักใช้พรอมต์แบบ Few-Shot เพื่อควบคุมการจัดรูปแบบ การเรียบเรียง การกำหนดขอบเขต หรือรูปแบบทั่วไปของคำตอบของโมเดล ใช้ตัวอย่างที่เฉพาะเจาะจงและหลากหลายเพื่อช่วยให้โมเดลจำกัดขอบเขต และสร้างผลลัพธ์ที่แม่นยำยิ่งขึ้น

เราขอแนะนำให้ใส่ตัวอย่างแบบ Few-Shot ในพรอมต์เสมอ พรอมต์ที่ไม่มีตัวอย่างแบบ Few-Shot มีแนวโน้มที่จะมีประสิทธิภาพน้อยกว่า ในความเป็นจริง คุณสามารถนำ คำสั่งออกจากพรอมต์ได้หากตัวอย่างของคุณชัดเจนเพียงพอที่จะแสดง งานที่กำลังทำอยู่

พรอมต์แบบ Zero-Shot ต่อไปนี้ขอให้โมเดลเลือกคำอธิบายที่ดีที่สุด

Please choose the best explanation to the question:

Question: How is snow formed?
Explanation1: Snow is formed when water vapor in the air freezes into ice
crystals in the atmosphere, which can combine and grow into snowflakes as they
fall through the atmosphere and accumulate on the ground.
Explanation2: Water vapor freezes into ice crystals forming snow.
Answer:
  
Explanation1 is the better explanation because it provides more detail on the
process, including how ice crystals combine and grow into snowflakes as they
fall through the atmosphere.

หากกรณีการใช้งานของคุณกำหนดให้โมเดลต้องสร้างคำตอบที่กระชับ คุณสามารถใส่ ตัวอย่างในพรอมต์ที่ให้ความสำคัญกับคำตอบที่กระชับ

พรอมต์ต่อไปนี้แสดงตัวอย่าง 2 รายการที่แสดงความต้องการคำอธิบายที่สั้นกว่า ในการตอบกลับ คุณจะเห็นว่าตัวอย่างได้แนะนำโมเดลให้ เลือกคำอธิบายที่สั้นกว่า (Explanation2) แทนที่จะเป็นคำอธิบายที่ยาวกว่า (Explanation1) เหมือนที่เคยทำ

Below are some examples showing a question, explanation, and answer format:

Question: Why is the sky blue?
Explanation1: The sky appears blue because of Rayleigh scattering, which causes
shorter blue wavelengths of light to be scattered more easily than longer red
wavelengths, making the sky look blue.
Explanation2: Due to Rayleigh scattering effect.
Answer: Explanation2

Question: What is the cause of earthquakes?
Explanation1: Sudden release of energy in the Earth's crust.
Explanation2: Earthquakes happen when tectonic plates suddenly slip or break
apart, causing a release of energy that creates seismic waves that can shake the
ground and cause damage.
Answer: Explanation1

Now, Answer the following question given the example formats above:

Question: How is snow formed?
Explanation1: Snow is formed when water vapor in the air freezes into ice
crystals in the atmosphere, which can combine and grow into snowflakes as they
fall through the atmosphere and accumulate on the ground.
Explanation2: Water vapor freezes into ice crystals forming snow.
Answer:
  
Answer: Explanation2

จำนวนตัวอย่างที่เหมาะสม

โมเดลอย่าง Gemini มักจะตรวจจับรูปแบบได้โดยใช้ตัวอย่างเพียงไม่กี่รายการ แต่คุณอาจต้องทดลองกับจำนวนตัวอย่างที่จะระบุในพรอมต์เพื่อให้ได้ผลลัพธ์ที่ดีที่สุด ในขณะเดียวกัน หากคุณใส่ตัวอย่างมากเกินไป โมเดลอาจเริ่มฟิตมากเกินไป กับคำตอบของตัวอย่าง

รูปแบบเทียบกับรูปแบบต่อต้าน

การใช้ตัวอย่างเพื่อแสดงรูปแบบที่โมเดลควรทำตามมีประสิทธิภาพมากกว่าการใช้ตัวอย่างเพื่อแสดงรูปแบบที่ไม่ควรทำตาม

⛔ รูปแบบเชิงลบ:

Don't end haikus with a question:
Haiku are fun
A short and simple poem
Don't you enjoy them?

✅ รูปแบบเชิงบวก:

Always end haikus with an assertion:
Haiku are fun
A short and simple poem
A joy to write

ใช้รูปแบบที่สม่ำเสมอ

ตรวจสอบว่าโครงสร้างและการจัดรูปแบบของตัวอย่างแบบ Few-Shot เหมือนกันเพื่อหลีกเลี่ยงการตอบกลับที่มีรูปแบบไม่พึงประสงค์ วัตถุประสงค์หลักอย่างหนึ่งของการเพิ่มตัวอย่างแบบ Few-Shot ในพรอมต์คือการแสดงรูปแบบการตอบกลับให้โมเดลเห็น ดังนั้น คุณจึงต้องตรวจสอบว่าตัวอย่างทั้งหมดมีรูปแบบที่สอดคล้องกัน โดยเฉพาะ การใส่ใจกับแท็ก XML, ช่องว่าง, บรรทัดใหม่ และตัวแยกตัวอย่าง

เพิ่มบริบท

คุณสามารถใส่คำสั่งและข้อมูลในพรอมต์ที่โมเดลจำเป็นต้องใช้ เพื่อแก้ปัญหา แทนที่จะคิดว่าโมเดลมีข้อมูลที่จำเป็นทั้งหมด ข้อมูลตามบริบทนี้ช่วยให้โมเดลเข้าใจข้อจำกัดและรายละเอียดของสิ่งที่คุณขอให้โมเดลทำ

ตัวอย่างต่อไปนี้จะขอให้โมเดลให้คำแนะนำในการแก้ปัญหาสำหรับเราเตอร์

What should I do to fix my disconnected wifi? The light on my Google
Wifi router is yellow and blinking slowly.
  
  A yellow blinking light on your Google Wifi router usually indicates a problem
  with the internet connection. Here are some steps to troubleshoot and fix the
  issue:
  1. Restart your router and modem:
    - Unplug your modem from the power outlet and wait for 30 seconds.
    - Plug your modem back in and wait for it to fully boot up.
    - Unplug your Google Wifi router and wait for 30 seconds.
    - Plug your Google Wifi router back in and wait for it to fully boot up.
.....

คำตอบดูเหมือนข้อมูลการแก้ปัญหาทั่วไปที่ไม่ได้เจาะจง ไปที่ตัวเราเตอร์หรือสถานะของไฟแสดงสถานะ LED

หากต้องการปรับแต่งคำตอบสำหรับเราเตอร์ที่เฉพาะเจาะจง คุณสามารถเพิ่มคำแนะนำในการแก้ปัญหาของเราเตอร์ลงในพรอมต์เป็นบริบทเพื่อให้ AI อ้างอิงเมื่อให้คำตอบ

Answer the question using the text below. Respond with only the text provided.
Question: What should I do to fix my disconnected wifi? The light on my Google Wifi router is yellow and blinking slowly.

Text:
Color: Slowly pulsing yellow
What it means: There is a network error.
What to do:
Check that the Ethernet cable is connected to both your router and your modem and both devices are turned on. You might need to unplug and plug in each device again.

Color: Fast blinking yellow
What it means: You are holding down the reset button and are factory resetting this device.
What to do:
If you keep holding down the reset button, after about 12 seconds, the light will turn solid yellow. Once it is solid yellow, let go of the factory reset button.

Color: Solid yellow
What it means: Router is factory resetting.
What to do:
This can take up to 10 minutes. When it's done, the device will reset itself and start pulsing white, letting you know it's ready for setup.

Color: Solid red
What it means: Something is wrong.
What to do:
Critical failure. Factory reset the router. If the light stays red, contact Wifi customer support.
  
Check that the Ethernet cable is connected to both your router and your modem and both devices are turned on. You might need to unplug and plug in each device again.

เพิ่มคำนำหน้า

คำนำหน้าคือคำหรือวลีที่คุณเพิ่มลงในเนื้อหาพรอมต์ซึ่งใช้ได้หลายวัตถุประสงค์ ขึ้นอยู่กับตำแหน่งที่คุณวางคำนำหน้า

  • คำนำหน้าอินพุต: การเพิ่มคำนำหน้าลงในสัญญาณอินพุตทำให้ส่วนของอินพุตที่ส่งไปยังโมเดลมีความหมายเชิงความหมาย เช่น คำนำหน้า "English:" และ "French:" จะระบุ 2 ภาษาที่แตกต่างกัน
  • คำนำหน้าเอาต์พุต: แม้ว่าโมเดลจะเป็นผู้สร้างเอาต์พุต แต่คุณก็สามารถ เพิ่มคำนำหน้าสำหรับเอาต์พุตในพรอมต์ได้ คำนำหน้าเอาต์พุตจะให้ข้อมูลแก่โมเดลเกี่ยวกับสิ่งที่คาดหวังเป็นคำตอบ ตัวอย่างเช่น คำนำหน้าเอาต์พุต "JSON:" จะส่งสัญญาณไปยังโมเดลว่าเอาต์พุตควรอยู่ในรูปแบบ JSON
  • ตัวอย่างคำนำหน้า: ในพรอมต์แบบ Few-Shot การเพิ่มคำนำหน้าลงในตัวอย่างจะให้ป้ายกำกับที่โมเดลใช้ได้เมื่อสร้างเอาต์พุต ซึ่งจะช่วยให้แยกวิเคราะห์เนื้อหาเอาต์พุตได้ง่ายขึ้น

ในตัวอย่างต่อไปนี้ "ข้อความ:" คือคำนำหน้าอินพุต และ "คำตอบคือ:" คือ คำนำหน้าเอาต์พุต

Classify the text as one of the following categories.
- large
- small
Text: Rhino
The answer is: large
Text: Mouse
The answer is: small
Text: Snail
The answer is: small
Text: Elephant
The answer is:
  
The answer is: large

แบ่งพรอมต์ออกเป็นคอมโพเนนต์

สำหรับกรณีการใช้งานที่ต้องใช้พรอมต์ที่ซับซ้อน คุณสามารถช่วยให้โมเดลจัดการความซับซ้อนนี้ได้โดยการแบ่งสิ่งต่างๆ ออกเป็นคอมโพเนนต์ที่ง่ายขึ้น

  1. แยกย่อยคำสั่ง: แทนที่จะมีคำสั่งหลายรายการในพรอมต์เดียว ให้สร้างพรอมต์ 1 รายการต่อคำสั่ง คุณเลือกได้ว่าจะประมวลผลพรอมต์ใดตามข้อมูลที่ผู้ใช้ป้อน

  2. พรอมต์แบบลูกโซ่: สำหรับงานที่ซับซ้อนซึ่งเกี่ยวข้องกับหลายขั้นตอนตามลำดับ ให้แต่ละขั้นตอนเป็นพรอมต์และเชื่อมโยงพรอมต์เข้าด้วยกันตามลำดับ ในเชนของพรอมต์แบบลำดับนี้ เอาต์พุตของพรอมต์หนึ่งในลำดับจะกลายเป็นอินพุตของพรอมต์ถัดไป เอาต์พุตของพรอมต์สุดท้ายในลำดับ คือเอาต์พุตสุดท้าย

  3. การรวมคำตอบ: การรวมคือเมื่อคุณต้องการทำงานแบบขนานที่แตกต่างกันในส่วนต่างๆ ของข้อมูล และรวมผลลัพธ์เพื่อสร้างเอาต์พุตสุดท้าย เช่น คุณสามารถบอกโมเดลให้ดำเนินการอย่างหนึ่งกับข้อมูลส่วนแรก ดำเนินการอีกอย่างกับข้อมูลส่วนที่เหลือ และรวบรวมผลลัพธ์

ทดสอบพารามิเตอร์ของโมเดล

การเรียกแต่ละครั้งที่คุณส่งไปยังโมเดลจะมีค่าพารามิเตอร์ที่ควบคุมวิธีที่โมเดลสร้างการตอบกลับ โมเดลสามารถสร้างผลลัพธ์ที่แตกต่างกันสำหรับ ค่าพารามิเตอร์ที่แตกต่างกัน ทดสอบด้วยค่าพารามิเตอร์ที่แตกต่างกันเพื่อให้ได้ค่าที่ดีที่สุดสำหรับงาน พารามิเตอร์ที่ใช้ได้สำหรับ โมเดลต่างๆ อาจแตกต่างกัน พารามิเตอร์ที่พบบ่อยที่สุดมีดังนี้

  1. โทเค็นเอาต์พุตสูงสุด: ระบุจำนวนโทเค็นสูงสุดที่สร้างได้ในการตอบกลับ โทเค็นมีความยาวประมาณ 4 อักขระ โทเค็น 100 รายการจะสอดคล้องกับคำประมาณ 60-80 คำ

  2. อุณหภูมิ: อุณหภูมิจะควบคุมระดับความสุ่มในการเลือกโทเค็น อุณหภูมิใช้สำหรับการสุ่มตัวอย่างระหว่างการสร้างคำตอบ ซึ่งจะเกิดขึ้นเมื่อใช้ topP และ topK อุณหภูมิต่ำเหมาะสำหรับพรอมต์ที่ต้องการคำตอบที่กำหนดไว้มากกว่าหรือคำตอบแบบปลายเปิดน้อยกว่า ส่วนอุณหภูมิสูงอาจทำให้ได้ผลลัพธ์ที่หลากหลายหรือสร้างสรรค์มากขึ้น อุณหภูมิ 0 จะเป็นแบบดีเทอร์มินิสติก ซึ่งหมายความว่าระบบจะเลือกคำตอบที่มีความน่าจะเป็นสูงสุดเสมอ

  3. topK: พารามิเตอร์ topK จะเปลี่ยนวิธีที่โมเดลเลือกโทเค็นสำหรับ เอาต์พุต topK เท่ากับ 1 หมายความว่าโทเค็นที่เลือกมีแนวโน้มที่จะเป็นโทเค็นที่น่าจะเป็นมากที่สุดในบรรดาโทเค็นทั้งหมดในคำศัพท์ของโมเดล (หรือที่เรียกว่าการถอดรหัสแบบ Greedy) ส่วน topK เท่ากับ 3 หมายความว่าระบบจะเลือกโทเค็นถัดไปจากโทเค็นที่น่าจะเป็นมากที่สุด 3 รายการโดยใช้พารามิเตอร์อุณหภูมิ สำหรับแต่ละขั้นตอนการเลือกโทเค็น ระบบจะสุ่มตัวอย่างโทเค็นที่มีความน่าจะเป็นสูงสุด topK จากนั้นระบบจะกรองโทเค็นเพิ่มเติมตาม topP โดยเลือกโทเค็นสุดท้ายโดยใช้ การสุ่มตัวอย่างอุณหภูมิ

  4. topP: พารามิเตอร์ topP จะเปลี่ยนวิธีที่โมเดลเลือกโทเค็นสำหรับ เอาต์พุต ระบบจะเลือกโทเค็นจากโทเค็นที่มีความเป็นไปได้มากที่สุดไปจนถึงน้อยที่สุดจนกว่าผลรวมของ ความน่าจะเป็นจะเท่ากับค่า topP เช่น หากโทเค็น A, B, และ C มีความน่าจะเป็น 0.3, 0.2 และ 0.1 และค่า topP คือ 0.5 โมเดลจะเลือก A หรือ B เป็นโทเค็นถัดไปโดยใช้ อุณหภูมิและยกเว้น C เป็นตัวเลือก ค่า topP เริ่มต้นคือ 0.95

  5. stop_sequences: ตั้งค่าลำดับการหยุดเพื่อ บอกโมเดลให้หยุดสร้างเนื้อหา ลำดับการหยุดอาจเป็นลำดับอักขระใดก็ได้ พยายามหลีกเลี่ยงการใช้อักขระที่อาจปรากฏในเนื้อหาที่สร้างขึ้น

กลยุทธ์การปรับพรอมต์เพื่อถามซ้ำ

บางครั้งการออกแบบพรอมต์อาจต้องมีการทำซ้ำ 2-3 ครั้งก่อน คุณจึงจะได้รับคำตอบที่ต้องการอย่างสม่ำเสมอ ส่วนนี้จะให้ คำแนะนำเกี่ยวกับสิ่งที่คุณลองทำได้เมื่อทำซ้ำพรอมต์

  1. ใช้การเรียบเรียงที่แตกต่างกัน: การใช้คำหรือการเรียบเรียงที่แตกต่างกันในพรอมต์ มักจะทำให้โมเดลตอบกลับแตกต่างกัน แม้ว่าทั้งหมดจะมีความหมายเหมือนกัน ก็ตาม หากไม่ได้รับผลลัพธ์ที่คาดไว้จากพรอมต์ ให้ลอง เรียบเรียงใหม่

    Version 1:
How do I bake a pie?

Version 2:
Suggest a recipe for a pie.

Version 3:
What's a good pie recipe?

  2. เปลี่ยนไปใช้ชิ้นงานที่คล้ายกัน: หากคุณไม่สามารถทำให้โมเดลทำตาม คำสั่งสำหรับชิ้นงานได้ ให้ลองสั่งให้โมเดลทำตามคำสั่งสำหรับชิ้นงานที่คล้ายกัน ซึ่งให้ผลลัพธ์เดียวกัน

    พรอมต์นี้จะบอกให้โมเดลจัดหมวดหมู่หนังสือโดยใช้หมวดหมู่ที่กำหนดไว้ล่วงหน้า

    Which category does The Odyssey belong to:
thriller
sci-fi
mythology
biography
  
        The Odyssey belongs to the category of **mythology**. 

    Here's why:

    * **Mythology:** The Odyssey tells the story of Odysseus, a hero from Greek mythology, and his
    journey home after the Trojan War. It features gods, monsters, and supernatural events common to
    Greek mythology.
.....

    คำตอบถูกต้อง แต่โมเดลไม่ได้อยู่ในขอบเขตของตัวเลือก นอกจากนี้ คุณยังต้องการจำลองการตอบกลับด้วยตัวเลือกใดตัวเลือกหนึ่งแทนที่จะเป็นประโยคเต็ม ในกรณีนี้ คุณสามารถเรียบเรียงคำสั่งใหม่เป็น คำถามแบบหลายตัวเลือกและขอให้โมเดลเลือกตัวเลือกได้

    Multiple choice problem: Which of the following options describes the book The Odyssey?
Options:
    


      

    • thriller
      • 

    • sci-fi
      • 

    • mythology
      • 

    • biography

    The correct answer is mythology.

  3. เปลี่ยนลำดับเนื้อหาของพรอมต์: บางครั้งลำดับของเนื้อหาในพรอมต์ อาจส่งผลต่อคำตอบ ลองเปลี่ยนลำดับเนื้อหาแล้วดู ว่าส่งผลต่อคำตอบอย่างไร

    Version 1:
[examples]
[context]
[input]

Version 2:
[input]
[examples]
[context]

Version 3:
[examples]
[input]
[context]

คำตอบสำรอง

การตอบกลับสำรองคือการตอบกลับที่โมเดลส่งคืนเมื่อพรอมต์ หรือการตอบกลับทริกเกอร์ตัวกรองความปลอดภัย ตัวอย่างคำตอบสำรองคือ "ฉันช่วยคุณเรื่องนี้ไม่ได้เพราะเป็นเพียงโมเดลภาษา"

หากโมเดลตอบกลับด้วยคำตอบสำรอง ให้ลองเพิ่มอุณหภูมิ

สิ่งที่ควรหลีกเลี่ยง

  • หลีกเลี่ยงการพึ่งพาโมเดลในการสร้างข้อมูลที่เป็นข้อเท็จจริง
  • โปรดใช้อย่างระมัดระวังกับโจทย์คณิตศาสตร์และตรรกะ

Gemini 3

โมเดล Gemini 3 ออกแบบมาเพื่อการให้เหตุผลขั้นสูงและการปฏิบัติตามคำสั่ง โมเดลจะตอบสนองต่อพรอมต์ที่ตรงไปตรงมา มีโครงสร้างที่ดี และกำหนดงานและข้อจำกัดอย่างชัดเจนได้ดีที่สุด เราขอแนะนำให้ใช้แนวทางปฏิบัติต่อไปนี้เพื่อให้ได้ผลลัพธ์ที่ดีที่สุดด้วย Gemini 3

หลักการสำคัญของการแจ้ง

  • มีความแม่นยำและตรงไปตรงมา: ระบุเป้าหมายอย่างชัดเจนและกระชับ หลีกเลี่ยง ภาษาที่ไม่จำเป็นหรือโน้มน้าวมากเกินไป
  • ใช้โครงสร้างที่สอดคล้องกัน: ใช้ตัวคั่นที่ชัดเจนเพื่อแยกส่วนต่างๆ ของพรอมต์ แท็กรูปแบบ XML (เช่น <context>, <task>) หรือ ส่วนหัวมาร์กดาวน์ เลือกรูปแบบใดรูปแบบหนึ่งและใช้รูปแบบนั้นอย่างสม่ำเสมอ ภายในพรอมต์เดียว
  • กำหนดพารามิเตอร์: อธิบายคำหรือพารามิเตอร์ที่ไม่ชัดเจนอย่างชัดเจน
  • ควบคุมความละเอียดของเอาต์พุต: โดยค่าเริ่มต้น Gemini 3 จะให้คำตอบที่ตรงไปตรงมาและมีประสิทธิภาพ หากต้องการคำตอบที่เป็นการสนทนาหรือมีรายละเอียดมากขึ้น คุณต้องขออย่างชัดเจนในคำสั่ง
  • จัดการอินพุตหลายรูปแบบอย่างสอดคล้องกัน: เมื่อใช้ข้อความ รูปภาพ เสียง หรือวิดีโอ ให้ถือว่าอินพุตเหล่านี้เป็นอินพุตระดับเดียวกัน ตรวจสอบว่าวิธีการของคุณอ้างอิงถึงแต่ละรูปแบบอย่างชัดเจน ตามที่จำเป็น
  • จัดลำดับความสำคัญของคำสั่งที่สำคัญ: วางข้อจำกัดด้านพฤติกรรมที่จำเป็น คำจำกัดความของบทบาท (ลักษณะตัวตน) และข้อกำหนดรูปแบบเอาต์พุตใน คำสั่งของระบบหรือที่จุดเริ่มต้นของพรอมต์ของผู้ใช้
  • โครงสร้างสำหรับบริบทขนาดยาว: เมื่อระบุบริบทจำนวนมาก (เช่น เอกสาร โค้ด) ให้ระบุบริบททั้งหมดก่อน วางคำสั่งหรือคำถามที่เฉพาะเจาะจงไว้ที่ท้ายพรอมต์
  • บริบทของข้อความที่ตรึง: หลังจากข้อมูลจำนวนมาก ให้ใช้วลีเปลี่ยนผ่านที่ชัดเจน เพื่อเชื่อมโยงบริบทกับคำค้นหา เช่น "จากข้อมูลข้างต้น..."

การปรับปรุงการให้เหตุผลและการวางแผน

คุณสามารถใช้ประโยชน์จากความสามารถในการคิดขั้นสูงของ Gemini 3 เพื่อปรับปรุง คุณภาพคำตอบสำหรับงานที่ซับซ้อนได้โดยการแจ้งให้วางแผนหรือ วิจารณ์ตัวเองก่อนที่จะให้คำตอบสุดท้าย

ตัวอย่าง - การวางแผนอย่างชัดเจน

Before providing the final answer, please:
1. Parse the stated goal into distinct sub-tasks.
2. Check if the input information is complete.
3. Create a structured outline to achieve the goal.

ตัวอย่าง - การวิจารณ์ตนเอง:

Before returning your final response, review your generated output against the user's original constraints.
1. Did I answer the user's *intent*, not just their literal words?
2. Is the tone authentic to the requested persona?

ตัวอย่างการใช้พรอมต์ที่มีโครงสร้าง

การใช้แท็กหรือมาร์กดาวน์จะช่วยให้โมเดลแยกความแตกต่างระหว่างคำสั่ง บริบท และงานได้

ตัวอย่าง XML:

<role>
You are a helpful assistant.
</role>

<constraints>
1. Be objective.
2. Cite sources.
</constraints>

<context>
[Insert User Input Here - The model knows this is data, not instructions]
</context>

<task>
[Insert the specific user request here]
</task>

ตัวอย่างมาร์กดาวน์:

# Identity
You are a senior solution architect.

# Constraints
- No external libraries allowed.
- Python 3.11+ syntax only.

# Output format
Return a single code block.

ตัวอย่างเทมเพลตที่รวมแนวทางปฏิบัติแนะนำ

เทมเพลตนี้รวบรวมหลักการสำคัญในการพรอมต์ด้วย Gemini 3 อย่าลืม ทำซ้ำและแก้ไขสำหรับ Use Case เฉพาะของคุณเสมอ

คำสั่งของระบบ:

<role>
You are Gemini 3, a specialized assistant for [Insert Domain, e.g., Data Science].
You are precise, analytical, and persistent.
</role>

<instructions>
1. **Plan**: Analyze the task and create a step-by-step plan.
2. **Execute**: Carry out the plan.
3. **Validate**: Review your output against the user's task.
4. **Format**: Present the final answer in the requested structure.
</instructions>

<constraints>
- Verbosity: [Specify Low/Medium/High]
- Tone: [Specify Formal/Casual/Technical]
</constraints>

<output_format>
Structure your response as follows:
1. **Executive Summary**: [Short overview]
2. **Detailed Response**: [The main content]
</output_format>

พรอมต์ของผู้ใช้:

<context>
[Insert relevant documents, code snippets, or background info here]
</context>

<task>
[Insert specific user request here]
</task>

<final_instruction>
Remember to think step-by-step before answering.
</final_instruction>

โมเดล Generative AI เบื้องหลัง

ส่วนนี้มีจุดมุ่งหมายเพื่อตอบคำถามที่ว่า คำตอบของโมเดล Generative มีความสุ่มหรือไม่ หรือเป็นแบบดีเทอร์มินิสติก

คำตอบสั้นๆ คือ ได้ทั้ง 2 อย่าง เมื่อคุณป้อนพรอมต์โมเดล Generative ระบบจะสร้างคำตอบที่เป็นข้อความ ใน 2 ขั้นตอน ในระยะแรก โมเดล Generative จะประมวลผลพรอมต์อินพุตและสร้างการกระจายความน่าจะเป็นเหนือโทเค็น (คำ) ที่เป็นไปได้ซึ่งน่าจะเกิดขึ้นถัดไป ตัวอย่างเช่น หากคุณป้อนพรอมต์ ด้วยข้อความที่ป้อน "สุนัขกระโดดข้าม ... " โมเดล Generative จะ สร้างอาร์เรย์ของคำถัดไปที่เป็นไปได้

[("fence", 0.77), ("ledge", 0.12), ("blanket", 0.03), ...]

กระบวนการนี้เป็นแบบดีเทอร์มินิสติก ซึ่งโมเดล Generative จะสร้างการกระจายเดียวกันนี้ทุกครั้งที่ป้อนข้อความพรอมต์เดียวกัน

ในระยะที่ 2 โมเดล Generative จะแปลงการกระจายเหล่านี้เป็น คำตอบที่เป็นข้อความจริงผ่านกลยุทธ์การถอดรหัสอย่างใดอย่างหนึ่ง กลยุทธ์การถอดรหัสอย่างง่ายอาจเลือกโทเค็นที่มีแนวโน้มมากที่สุดในทุกขั้นตอนเวลา กระบวนการนี้จะกำหนดได้เสมอ อย่างไรก็ตาม คุณสามารถเลือกที่จะ สร้างคำตอบโดยสุ่มตัวอย่างตามการกระจายที่โมเดลส่งคืนมาแทนได้ กระบวนการนี้จะเป็นแบบสุ่ม ควบคุมระดับความสุ่มที่อนุญาตในกระบวนการถอดรหัสนี้โดยการตั้งค่าอุณหภูมิ อุณหภูมิ 0 หมายความว่าระบบจะเลือกเฉพาะโทเค็นที่มีแนวโน้มมากที่สุด และไม่มี การสุ่ม ในทางกลับกัน อุณหภูมิสูงจะเพิ่มระดับความสุ่มสูง ลงในโทเค็นที่โมเดลเลือก ซึ่งจะทำให้โมเดลตอบกลับได้ไม่คาดคิดและน่าประหลาดใจมากขึ้น สำหรับ Gemini 3 ขอแนะนำว่าอย่าเปลี่ยนอุณหภูมิเริ่มต้นที่ 1.0 เพื่อหลีกเลี่ยงผลลัพธ์ที่ไม่คาดคิด

ขั้นตอนถัดไป