۱مقدمه
مدلهای زبانی بزرگ میتوانند در نوشتن کد، مستندسازی، تولید دادههای آزمایشی و بازبینی کد کمک کنند. اما خروجی آنها بهشدت به نحوهٔ طرح درخواست وابسته است.
۲بررسی موضوع
اصول پایهٔ یک پرامپت خوب: تعیین نقش و زمینه، توضیح دقیق هدف، ارائهٔ نمونهٔ ورودی و خروجی مورد انتظار، و مشخص کردن قالب پاسخ. درخواست مبهم، پاسخ کلی و کمارزش میگیرد.
برای کارهای پیچیده، تقسیم مسئله به گامهای کوچک و درخواست توضیح گامبهگام، کیفیت نتیجه را بالا میبرد. همچنین ساخت کتابخانهای از پرامپتهای آزمودهشده برای کارهای تکراری تیم، زمان زیادی صرفهجویی میکند.
۳جمعبندی
هشدار مهم: خروجی مدل باید همیشه بازبینی و آزموده شود، زیرا ممکن است با اطمینان اشتباه کند. همچنین کد یا دادهٔ محرمانهٔ سازمان نباید بدون ارزیابی امنیتی به سرویسهای عمومی فرستاده شود.
منابع
همفکران فناوری شریفاین مقاله خلاصهای از منابع رسمی ذکرشده است که تیم همفکران فناوری شریف برای مدیران و تیمهای مالی تهیه کرده است.
میخواهید این راهکارها را در سازمانتان ببینید؟درخواست دموی رایگان
همفکران فناوری شریف



