PROMPT engineering ChatGPT-4.1 Частина 2 — Ланцюжкове мислення та ролі.

Крок 8: Використовуйте ланцюжкове мислення (Chain-of-Thought)

Попросіть модель розв’язувати завдання покроково, щоб отримати більш точні та логічні відповіді, особливо для складних питань.

Приклад:

Запит:

Скільки коштуватиме купити 3 книги, якщо одна книга коштує 120 грн, але є знижка 10% при покупці від 3 книг? Поясни кожен крок.
    

Відповідь:

1. Ціна однієї книги — 120 грн.

2. Для 3 книг повна ціна: 3 × 120 = 360 грн.

3. Знижка 10% від 360 грн: 360 × 0.10 = 36 грн.

4. Ціна зі знижкою: 360 — 36 = 324 грн.

Відповідь: 324 грн.

Пояснення: Просити модель пояснити кожен крок допомагає уникнути помилок і робить відповідь прозорою.

Крок 9: Визначайте роль моделі

Дайте моделі конкретну роль (наприклад, учитель, програміст, психолог), щоб відповіді відповідали потрібному стилю чи експертизі.

Приклад:

Запит:

Ти — досвідчений учитель математики. Поясни, що таке квадратне рівняння, для учня 8 класу, використовуючи простий приклад.
    

Відповідь:

Квадратне рівняння — це рівняння, де є змінна в квадраті, наприклад, x². Виглядає воно так: ax² + bx + c = 0. Приклад: x² — 5x + 6 = 0. Щоб розв’язати, ми шукаємо числа, які при підстановці роблять рівняння правильним. Для цього рівняння відповіді — x = 2 і x = 3, бо (2)² — 5(2) + 6 = 4 — 10 + 6 = 0 і так само для 3.

Пояснення: Вказівка ролі («учитель») і аудиторії («учень 8 класу») робить відповідь доступною та відповідною.

Крок 10: Обробляйте великі контексти

Якщо потрібно проаналізувати великий текст, вкажіть, що саме модель має зробити (наприклад, підсумувати, знайти факти).

Приклад:

Запит:

Ось уривок статті про сонячну енергію (500 слів): [тут уявний текст]. Підсумуй основні ідеї в 3 реченнях.
    

Відповідь:

Сонячна енергія є відновлюваним джерелом, яке зменшує залежність від викопного палива. Технології сонячних панелей стають доступнішими, але потребують інвестицій у зберігання енергії. Використання сонячної енергії сприяє екологічній стабільності.

Пояснення: Чітка інструкція («підсумуй у 3 реченнях») допомагає моделі зосередитися на ключових аспектах навіть при великому обсязі даних.

Крок 11: Просіть модель оцінити власну відповідь

Запитайте, наскільки модель впевнена у своїй відповіді або як можна її покращити, щоб отримати якісніший результат.

Приклад:

Запит:

Назви 3 причини популярності Python. Потім оціни свою відповідь: чи є щось, що ти могла б додати?
    

Відповідь:

1. Простий синтаксис, який легко вчити.
2. Багато бібліотек для науки даних і веб-розробки.
3. Велика спільнота, що підтримує новачків.

Оцінка: Відповідь охоплює ключові аспекти, але можна додати, що Python підходить для автоматизації завдань, наприклад, створення скриптів для рутинної роботи.

Пояснення: Самооцінка моделі допомагає виявити прогалини та отримати додаткові ідеї.

Крок 12: Тестуйте кілька варіантів запиту

Експериментуйте з різними формулюваннями, щоб знайти найефективніший запит для вашого завдання.

Приклад:

Запит 1: «Опиши користь медитації.»

Відповідь: Загальний опис про зниження стресу.

Запит 2: «Назви 3 конкретні переваги щоденної медитації для ментального здоров’я, спираючись на наукові дані.»

Відповідь:

1. Зниження рівня кортизолу, що зменшує стрес (дослідження 2013 року).
2. Покращення концентрації через розвиток нейронних зв’язків (журнал Neuroscience, 2018).
3. Зменшення симптомів депресії (дослідження JAMA, 2014).

Пояснення: Більш конкретний запит дає деталізовану та обґрунтовану відповідь.