استراتژی های طراحی سریع

این صفحه شما را با چند استراتژی کلی طراحی سریع آشنا می کند که می توانید هنگام طراحی درخواست ها از آنها استفاده کنید.

مدل‌های زبان بزرگ (LLM) بر روی حجم وسیعی از داده‌های متنی برای یادگیری الگوها و روابط بین زبان آموزش داده می‌شوند. وقتی مقداری متن (اعلان) داده می‌شود، مدل‌های زبان می‌توانند پیش‌بینی کنند چه چیزی احتمالاً در آینده خواهد آمد، مانند یک ابزار تکمیل خودکار پیچیده.

• دستورالعمل های واضح و مشخص بدهید
• شامل چند نمونه شات
• اطلاعات متنی را اضافه کنید
• اضافه کردن پیشوندها
• اجازه دهید مدل ورودی جزئی را کامل کند

دستورالعمل های واضح و مشخص بدهید

ارائه دستورالعمل های مدل در مورد آنچه که باید انجام شود، یک راه موثر و کارآمد برای سفارشی کردن رفتار مدل است. اطمینان حاصل کنید که دستورالعمل هایی که می دهید واضح و مشخص هستند. دستورالعمل ها می توانند به سادگی فهرستی از دستورالعمل های گام به گام یا به پیچیدگی ترسیم تجربه و طرز فکر کاربر باشند.

تعیین تکلیف برای انجام

وظیفه ای را که می خواهید مدل انجام دهد را با جزئیات شرح دهید. این کار می تواند به سادگی یک لیست گام به گام از دستورالعمل ها یا به پیچیدگی ترسیم تجربه و طرز فکر کاربر باشد. اعلان زیر به مدل می گوید که یک بلوک از متن را خلاصه کند:

Summarize this text:
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.
  

    Quantum computers leverage the wave-particle duality of matter at tiny scales to perform
    calculations exponentially faster than traditional computers. They harness quantum phenomena,
    which are beyond the scope of classical physics, to achieve this speed advantage. While
    promising for applications like cybersecurity, weather forecasting, and beyond, current
    quantum computers are still experimental and not yet practical for widespread use.
  

هر گونه محدودیت را مشخص کنید

هرگونه محدودیتی را برای خواندن اعلان یا ایجاد پاسخ مشخص کنید. می توانید به مدل بگویید که چه کاری انجام دهد و چه کاری انجام ندهد. از مثال قبلی، خلاصه‌سازی کوتاه‌تر از متن اصلی است، اما شاید بخواهید خلاصه‌تر باشد. در این حالت، می‌توانید محدودیتی را در اعلان تعیین کنید که می‌خواهید خلاصه چقدر باشد:

Summarize this text in two sentences:
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.
    

      Quantum computers harness the wave-particle duality of matter at the quantum level to perform
      computations exponentially faster than traditional computers. While these machines hold
      immense potential for fields like cybersecurity and weather forecasting, they are currently
      in their early stages of development and not yet practical for widespread use.
    

فرمت پاسخ را تعریف کنید

همچنین می توانید دستورالعمل هایی ارائه دهید که فرمت پاسخ را مشخص می کند. به عنوان مثال، می‌توانید درخواست کنید که پاسخ به صورت جدول، فهرست گلوله‌ای، زیربنای آسانسور، کلمات کلیدی، جمله یا پاراگراف قالب‌بندی شود. پیام سیستم زیر به مدل دستور می دهد تا در پاسخگویی خود گفتگوی بیشتری داشته باشد:

    All questions should be answered comprehensively with details, unless the user requests a
    concise response specifically. Respond in the same language as the query.
  

    What is a smart way to create a lemonade business?
  

Launching a Successful Lemonade Stand: A Smart Approach
Creating a lemonade business, whether a simple stand or a larger operation, requires strategic thinking. Here's a breakdown of how to approach it smartly:

1. Define Your Business:
Scope: Are you aiming for a small, seasonal lemonade stand, a food truck, a delivery service, or something else entirely?
Target Audience: Who are you selling to? Families, office workers, tourists?
Unique Selling Proposition: What sets your lemonade apart? Special flavors, organic ingredients, a unique recipe?

Pricing: Research competitor prices and determine a profitable pricing structure.
Location: Consider foot traffic, accessibility, and regulations for your chosen location.
.....
  

خلاصه

• به مدل‌ها دستورالعمل‌هایی بدهید که چه کاری انجام دهند.
• دستورالعمل ها را واضح و مشخص کنید.
• هر گونه محدودیت یا الزامات قالب بندی را برای خروجی مشخص کنید.

شامل چند نمونه شات

می‌توانید نمونه‌هایی را در اعلان اضافه کنید که به مدل نشان می‌دهد که درست کردن آن چگونه است. مدل سعی می کند الگوها و روابط را از مثال ها شناسایی کند و آنها را هنگام ایجاد پاسخ به کار می برد. دستورهایی که حاوی چند مثال هستند، اعلان‌های چند شات نامیده می‌شوند، در حالی که درخواست‌هایی که هیچ مثالی ارائه نمی‌کنند ، درخواست‌های صفر شات نامیده می‌شوند. اعلان‌های چند شات اغلب برای تنظیم قالب‌بندی، عبارت‌بندی، محدوده‌بندی یا الگوی کلی پاسخ‌های مدل استفاده می‌شوند. از مثال‌های خاص و متنوع برای کمک به مدل برای محدود کردن تمرکز و ایجاد نتایج دقیق‌تر استفاده کنید.

توصیه می‌کنیم همیشه نمونه‌های چندتایی را در پیام‌های خود بگنجانید. درخواست‌های بدون مثال‌های چندشاخه‌ای احتمالاً کمتر مؤثر هستند. در واقع، اگر مثال‌های شما در نشان دادن کار در دست به اندازه کافی واضح باشند، می‌توانید دستورالعمل‌ها را از دستور خود حذف کنید.

اعلان‌های صفر شات در مقابل چند شات

دستور زیر صفر شات از مدل می خواهد بهترین توضیح را انتخاب کند.

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:
  

Explanation 1 is the best explanation.
  

اگر مورد استفاده شما به مدل نیاز دارد تا پاسخ‌های مختصر تولید کند، می‌توانید نمونه‌هایی را در اعلان اضافه کنید که به پاسخ‌های مختصر اولویت می‌دهند.

اعلان زیر دو مثال را ارائه می دهد که اولویت را به توضیحات کوتاه نشان می دهد. در پاسخ، می بینید که مثال ها مدل را به سمت انتخاب توضیح کوتاه تر (Explanation2) در مقابل توضیح طولانی تر (Explanation1) هدایت می کند.

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

Question: Why is 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
  

تعداد بهینه مثال را بیابید

می‌توانید تعداد نمونه‌هایی را آزمایش کنید تا در اعلان برای مطلوب‌ترین نتایج ارائه کنید. مدل‌هایی مانند Gemini اغلب می‌توانند با استفاده از چند مثال الگوها را انتخاب کنند، اگرچه ممکن است لازم باشد تعداد نمونه‌هایی که منجر به نتایج دلخواه می‌شوند را آزمایش کنید. در عین حال، اگر مثال های زیادی را وارد کنید، ممکن است مدل شروع به بیش از حد پاسخگویی به نمونه ها کند.

از مثال ها برای نشان دادن الگوها به جای آنتی الگوها استفاده کنید

استفاده از مثال‌ها برای نشان دادن الگوی الگوی پیروی به مدل مؤثرتر از استفاده از مثال‌هایی برای نشان دادن الگوی ضدالگوی مدل است.

⛔ الگوی منفی :

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

✅ الگوی مثبت :

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

از قالب بندی ثابت در بین مثال ها استفاده کنید

مطمئن شوید که ساختار و قالب‌بندی نمونه‌های چند عکس یکسان است تا از پاسخ‌هایی با فرمت‌های نامطلوب جلوگیری شود. یکی از اهداف اولیه افزودن نمونه های چند شات در فرمان ها، نشان دادن قالب پاسخ به مدل است. بنابراین، اطمینان از یک قالب ثابت در همه نمونه‌ها، به ویژه توجه به برچسب‌های XML، فضاهای سفید، خطوط جدید و تقسیم‌کننده‌های نمونه ضروری است.

خلاصه

• گنجاندن نمونه‌های پاسخ سریع در اعلان به مدل کمک می‌کند یاد بگیرد که چگونه پاسخ دهد.
• به جای نمونه هایی از الگوهایی که باید از آنها اجتناب کنید، نمونه هایی از الگوهایی را که باید دنبال شوند، ارائه دهید.
• با تعداد دستورهایی که باید شامل شوند آزمایش کنید. بسته به مدل، نمونه های بسیار کمی در تغییر رفتار مدل بی اثر هستند. مثال های زیاد باعث می شود مدل بیش از حد مناسب شود.
• از قالب بندی ثابت در بین مثال ها استفاده کنید

اطلاعات متنی را اضافه کنید

می‌توانید دستورالعمل‌ها و اطلاعاتی را که مدل برای حل یک مشکل به آن نیاز دارد، به‌جای اینکه فرض کنید مدل تمام اطلاعات مورد نیاز را دارد، وارد کنید. این اطلاعات زمینه ای به مدل کمک می کند تا محدودیت ها و جزئیات کاری را که از آن می خواهید انجام دهد را درک کند.

مثال زیر از مدل می خواهد که راهنمایی عیب یابی یک روتر را ارائه دهد:

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.
.....
  

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.
  

خلاصه

• اطلاعات (زمینه) را در اعلان قرار دهید که می خواهید مدل هنگام ایجاد پاسخ از آن استفاده کند.
• دستورالعمل های مدل را در مورد نحوه استفاده از اطلاعات متنی ارائه دهید.

اضافه کردن پیشوندها

پیشوند کلمه یا عبارتی است که شما به محتوای درخواستی اضافه می‌کنید و بسته به جایی که پیشوند را در آن قرار می‌دهید، می‌تواند اهداف مختلفی داشته باشد:

• پیشوند ورودی: افزودن یک پیشوند به سیگنال های ورودی، قسمت های معنادار معنایی ورودی به مدل را نشان می دهد. به عنوان مثال، پیشوندهای "English:" و "French:" دو زبان مختلف را مشخص می کنند.
• پیشوند خروجی: حتی اگر خروجی توسط مدل تولید می شود، می توانید یک پیشوند برای خروجی در اعلان اضافه کنید. پیشوند خروجی اطلاعات مدل را در مورد آنچه به عنوان پاسخ مورد انتظار است می دهد. به عنوان مثال، پیشوند خروجی "JSON:" به مدل سیگنال می دهد که خروجی باید با فرمت JSON باشد.
• پیشوند مثال: در اعلان‌های چند شات، افزودن پیشوندها به نمونه‌ها برچسب‌هایی را ارائه می‌کند که مدل می‌تواند هنگام تولید خروجی از آنها استفاده کند، که تجزیه محتوای خروجی را آسان‌تر می‌کند.

در مثال زیر، «Text:» پیشوند ورودی و «جواب است:» پیشوند خروجی است.

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
  

اجازه دهید مدل ورودی جزئی را کامل کند

مدل‌های زبان مولد مانند یک ابزار تکمیل خودکار پیشرفته عمل می‌کنند. وقتی محتوای جزئی ارائه می‌کنید، مدل می‌تواند بقیه محتوا یا آنچه را که فکر می‌کند ادامه آن محتوا است به عنوان پاسخ ارائه کند. هنگام انجام این کار، اگر مثال یا زمینه‌ای را وارد کنید، مدل می‌تواند آن مثال‌ها یا زمینه را در نظر بگیرد.

مثال زیر یک دستور با یک دستورالعمل و یک ورودی موجودیت ارائه می دهد:

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.
  

```
{
  "hamburger": 1,
  "drink": 1
}
```
  

در حالی که مدل طبق خواسته عمل کرد، نوشتن دستورالعمل ها به زبان طبیعی گاهی اوقات می تواند چالش برانگیز باشد و چیزهای زیادی را به تفسیر مدل واگذار می کند. به عنوان مثال، منوی رستوران ممکن است حاوی موارد زیادی باشد. برای کاهش اندازه پاسخ JSON، احتمالاً می خواهید مواردی را که سفارش داده نشده اند حذف کنید. در این مورد، می توانید یک مثال و یک پیشوند پاسخ بدهید و اجازه دهید مدل آن را کامل کند:

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
}
```
  

توجه کنید که چگونه "چیزبرگر" از خروجی حذف شد زیرا بخشی از سفارش نبود.

از مدل بخواهید پاسخ خود را قالب بندی کند

استراتژی تکمیل همچنین می تواند به فرمت پاسخ کمک کند. مثال زیر مدل را وادار می کند تا یک طرح کلی مقاله ایجاد کند:

Create an outline for an essay about hummingbirds.
  

  Hummingbirds: A Symphony of Speed and Color
    I. Introduction
    A. Hummingbirds are fascinating creatures known for their dazzling colors, lightning-fast flight, and unique feeding habits.
    B. Brief overview of the diversity of hummingbird species and their geographic distribution.
    C. Thesis statement: Hummingbirds are an embodiment of resilience, adaptation, and the wonders of the natural world.
.....
  

درخواست فرمت طرح کلی را مشخص نکرد و مدل قالبی را برای شما انتخاب کرد. برای اینکه مدل یک طرح کلی را در قالب خاصی برگرداند، می‌توانید متنی را اضافه کنید که نشان‌دهنده شروع طرح کلی است و اجازه دهید مدل آن را بر اساس الگویی که شما شروع کرده‌اید تکمیل کند.

Create an outline for an essay about hummingbirds.
I. Introduction
   *
  

  Hummingbirds: Jewels of the Air
    **I. Introduction**
       * **Hook:** Begin with a captivating image or anecdote about hummingbirds, emphasizing their vibrant colors, rapid flight, and unique feeding habits.
       * **Background:** Briefly introduce hummingbirds as the smallest birds in the world and their fascinating adaptations for a nectar-rich diet.
       * **Thesis:** State the main argument or focus of the essay. Examples: 
            * **The incredible adaptations of hummingbirds enable them to thrive in diverse ecosystems.**
            * **Hummingbirds play a crucial role in pollination and biodiversity.**
            * **The beauty and grace of hummingbirds make them captivating subjects for both scientific study and artistic appreciation.**
  

خلاصه

• اگر یک ورودی جزئی به مدل بدهید، مدل آن ورودی را بر اساس هر نمونه یا زمینه موجود در اعلان تکمیل می کند.
• ممکن است گاهی اوقات انجام یک ورودی از مدل ساده تر از توصیف کار به زبان طبیعی باشد.
• افزودن یک پاسخ جزئی به یک اعلان می تواند مدل را به پیروی از یک الگو یا قالب دلخواه راهنمایی کند.

دستورات را به اجزای ساده تقسیم کنید

برای موارد استفاده که به دستورات پیچیده نیاز دارند، می‌توانید با تقسیم کردن موارد به اجزای ساده‌تر به مدل کمک کنید تا این پیچیدگی را مدیریت کند.

دستورالعمل ها را بشکنید

به جای اینکه دستورات زیادی در یک دستور داشته باشید، در هر دستور یک دستور ایجاد کنید. شما می توانید بر اساس ورودی کاربر انتخاب کنید که کدام اعلان پردازش شود.

درخواست های زنجیره ای

پاسخ های جمعی

تجمیع زمانی است که می خواهید کارهای موازی مختلفی را روی بخش های مختلف داده انجام دهید و نتایج را برای تولید خروجی نهایی جمع آوری کنید. به عنوان مثال، می توانید به مدل بگویید که یک عملیات را روی قسمت اول داده انجام دهد، عملیات دیگری را روی بقیه داده ها انجام دهد و نتایج را جمع آوری کند.

خلاصه

• دستورالعمل های پیچیده را به یک دستور برای هر دستورالعمل تقسیم کنید و بر اساس ورودی کاربر تصمیم بگیرید که کدام دستور را اعمال کنید.
• چندین مرحله متوالی را به اعلان‌های جداگانه تقسیم کنید و آن‌ها را زنجیره‌ای کنید تا خروجی اعلان قبلی به ورودی اعلان زیر تبدیل شود.
• وظایف موازی را تجزیه کنید و پاسخ ها را برای تولید خروجی نهایی جمع آوری کنید.

با مقادیر پارامترهای مختلف آزمایش کنید

هر تماسی که به یک مدل ارسال می‌کنید شامل مقادیر پارامتری است که نحوه تولید پاسخ مدل را کنترل می‌کند. مدل می تواند نتایج متفاوتی را برای مقادیر پارامترهای مختلف ایجاد کند. برای بدست آوردن بهترین مقادیر برای کار، مقادیر پارامترهای مختلف را آزمایش کنید. پارامترهای موجود برای مدل های مختلف ممکن است متفاوت باشد. رایج ترین پارامترها به شرح زیر است:

• حداکثر توکن های خروجی
• دما
• Top-K
• Top-P

حداکثر توکن های خروجی

مقدار کمتری را برای پاسخ‌های کوتاه‌تر و مقدار بالاتر را برای پاسخ‌های طولانی‌تر مشخص کنید.

دما

برای بیشتر موارد استفاده، سعی کنید با دمای 0.2 شروع کنید. اگر مدل پاسخی بسیار عمومی، خیلی کوتاه ارائه می‌دهد، یا مدل پاسخ بازگشتی می‌دهد، دما را افزایش دهید.

Top-K

برای هر مرحله انتخاب توکن، توکن‌های top-K با بیشترین احتمال نمونه‌برداری می‌شوند. سپس توکن‌ها بر اساس top-P فیلتر می‌شوند و نشانه نهایی با استفاده از نمونه‌گیری دما انتخاب می‌شود.

مقدار کمتری را برای پاسخ های تصادفی کمتر و مقدار بالاتر را برای پاسخ های تصادفی بیشتر مشخص کنید. پیش فرض top-K 40 است.

Top-P

مقدار کمتری را برای پاسخ های تصادفی کمتر و مقدار بالاتر را برای پاسخ های تصادفی بیشتر مشخص کنید. top-P پیش فرض 0.95 است.

استراتژی های تکرار سریع

طراحی سریع یک فرآیند تکراری است که اغلب قبل از اینکه پاسخ دلخواه را به طور مداوم دریافت کنید، به چند تکرار نیاز دارد. این بخش راهنمایی هایی را در مورد برخی از چیزهایی که می توانید هنگام تکرار در درخواست های خود امتحان کنید، ارائه می دهد.

از عبارت های مختلف استفاده کنید

استفاده از کلمات یا عبارات مختلف در درخواست‌های شما اغلب پاسخ‌های متفاوتی را از مدل به همراه می‌آورد، حتی اگر همه آنها به یک معنا باشند. اگر نتایج مورد انتظار را از درخواست خود دریافت نمی کنید، سعی کنید آن را دوباره بیان کنید.

Version 1:
How do I bake a pie?

Version 2:
Suggest a recipe for a pie.

Version 3:
What's a good pie recipe?
  

به یک کار مشابه تغییر دهید

اگر نمی‌توانید مدل را مجبور کنید که دستورالعمل‌های شما را برای یک کار دنبال کند، سعی کنید دستورالعمل‌هایی را برای یک کار مشابه که به همان نتیجه می‌رسد، به آن بدهید.

این اعلان به مدل می گوید که کتاب را با استفاده از دسته های از پیش تعریف شده دسته بندی کند.

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.
.....
  

پاسخ درست است، اما مدل در محدوده گزینه ها باقی نماند. شما همچنین می خواهید مدل سازی کنید تا فقط با یکی از گزینه ها به جای یک جمله کامل پاسخ دهید. در این حالت، می‌توانید دستورالعمل‌ها را به‌عنوان یک سؤال چند گزینه‌ای بازنویسی کنید و از مدل بخواهید گزینه‌ای را انتخاب کند.

Multiple choice problem: Which of the following options describes the book The Odyssey?
Options:
- thriller
- sci-fi
- mythology
- biography
  

The correct answer is **mythology**. 
  

ترتیب محتوای سریع را تغییر دهید

ترتیب محتوا در اعلان گاهی اوقات می تواند بر پاسخ تأثیر بگذارد. سعی کنید ترتیب محتوا را تغییر دهید و ببینید که چگونه بر پاسخ تاثیر می گذارد.

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

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

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

پاسخ های بازگشتی

پاسخ بازگشتی پاسخی است که توسط مدل زمانی که درخواست یا پاسخ یک فیلتر ایمنی را راه‌اندازی می‌کند، برگردانده می‌شود. نمونه ای از پاسخ برگشتی این است که "من نمی توانم در این مورد کمک کنم، زیرا من فقط یک مدل زبان هستم."

اگر مدل با پاسخ برگشتی پاسخ داد، سعی کنید دما را افزایش دهید.

چیزهایی که باید اجتناب کرد

• از تکیه بر مدل ها برای تولید اطلاعات واقعی خودداری کنید.
• با دقت در مسائل ریاضی و منطقی استفاده کنید.

مراحل بعدی

• اکنون که درک عمیق‌تری از طراحی سریع دارید، سعی کنید درخواست‌های خود را با استفاده از Google AI Studio بنویسید.
• برای آشنایی با درخواست چندوجهی، به درخواست با فایل های رسانه ای مراجعه کنید.