PROMPT engineering GPT-4.1 Частина 4 — Код і спеціалізовані домени.

Крок 18: Створюйте запити для генерації коду

Чітко описуйте задачу програмування, вказуйте мову, бажаний результат і контекст (наприклад, бібліотеки чи обмеження).

Приклад:

Запит:

Напиши Python-код для створення списку чисел від 1 до 10, потім обчисли їхню суму. Використовуй цикл for і виведи результат.
    

Відповідь:

numbers = []
for i in range(1, 11):
    numbers.append(i)
total = sum(numbers)
print(f"Сума чисел: {total}")
    

Пояснення: Вказівка мови (Python), методу (цикл for) і результату (сума) забезпечує чіткий і правильний код.

Крок 19: Просіть виправити помилки

Якщо модель дає неправильну відповідь або код не працює, попросіть її знайти та виправити помилку.

Приклад:

Запит 1:

Напиши Python-код, щоб знайти середнє значення списку [1, 2, 3, 4].
    

Відповідь (з помилкою):

numbers = [1, 2, 3, 4]
average = sum(numbers) / 0
print(average)
    

Запит 2: «Цей код видає помилку. Знайди проблему та виправ її.»

Відповідь:

numbers = [1, 2, 3, 4]
average = sum(numbers) / len(numbers)  # Виправлено: ділення на кількість елементів, а не на 0
print(average)
    

Пояснення: Показ помилки та запит на виправлення допомагає отримати робочий результат.

Крок 20: Адаптуйте запити для специфічних доменів

Для професійних завдань указуйте домен (наприклад, психологія, медицина) і потрібний рівень деталізації.

Приклад:

Запит:

Я досліджую психологічний тест MMPI. Опиши, як шкала депресії (D) інтерпретується в MMPI-2, у 100 слів для студентів-психологів.
    

Відповідь:

Шкала депресії (D) у MMPI-2 оцінює симптоми депресивного стану, такі як смуток, апатія, низька енергія та песимізм. Високі бали (T > 65) вказують на можливу депресію, включаючи фізичні скарги, як-от порушення сну чи апетиту. Низькі бали можуть свідчити про емоційну стабільність. Інтерпретація залежить від контексту: високі показники не завжди означають клінічну депресію, але потребують додаткової оцінки. Важливо враховувати профіль інших шкал (наприклад, Pt або Hy), щоб уникнути хибних висновків. Шкала D корисна для діагностики та планування терапії.

Пояснення: Вказівка домену (MMPI, психологія) і аудиторії (студенти) робить відповідь точною та релевантною.

Крок 21: Просіть модель структурувати дані

Для аналітичних завдань попросіть модель організувати інформацію в таблиці, списки чи JSON.

Приклад:

Запит:

Назви 3 популярні бібліотеки Python для аналізу даних і коротко опиши їх. Оформіть як таблицю.
    

Відповідь:

Пояснення: Вказівка формату (таблиця) допомагає отримати структуровану та зручну відповідь.

Крок 22: Використовуйте запити для дебагінгу

Попросіть модель проаналізувати код і знайти потенційні проблеми навіть без явних помилок.

Приклад:

Запит:

Ось Python-код:
numbers = [1, 2, 3]
for i in numbers:
    print(numbers)
Проаналізуй його та запропонуй покращення.
    

Відповідь:

Проблема: Код викличе помилку IndexError, бо `i` — це значення елементів списку (1, 2, 3), а не індекси (0, 1, 2). Покращення:

numbers = [1, 2, 3]
for i in range(len(numbers)):
    print(numbers)
    

Або ще простіше:

numbers = [1, 2, 3]
for num in numbers:
    print(num)
    

Пояснення: Запит на аналіз допомагає виявити логічні помилки та оптимізувати код.