PROMPT engineering GPT-4.1 Частина 5 — Багатомовність і автоматизація.

Крок 23: Оптимізуйте для багатомовних завдань

Вкажіть мову відповіді та, за потреби, попросіть модель врахувати культурні особливості чи перекласти текст.

Приклад:

Запит:

Напиши привітання для українського свята Івана Купала англійською мовою, враховуючи традиції (наприклад, вогнища, вінки).
    

Відповідь:

Happy Ivan Kupala Day! Celebrate this Ukrainian holiday by lighting bonfires, weaving flower wreaths, and dancing under the stars, honoring ancient traditions of nature and love.

Пояснення: Вказівка мови (англійська) і контексту (традиції Купала) забезпечує точний і культурно релевантний результат.

Крок 24: Керуйте довгими діалогами

Для тривалих взаємодій нагадуйте моделі про попередній контекст або просіть узагальнити діалог.

Приклад:

Запит:

Ми обговорювали план статті про екологічний туризм. Раніше ти запропонував 3 ідеї: походи в Карпати, велотури Поліссям і еко-ферми. Підсумуй наші попередні ідеї та додай одну нову.
    

Відповідь:

Попередні ідеї: походи в Карпати, велотури Поліссям, відвідування еко-ферм. Нова ідея: каякінг річками Західної України з акцентом на збереження водних екосистем.

Пояснення: Нагадування про контекст і прохання підсумувати допомагають зберегти зв’язність у довгих діалогах.

Крок 25: Персоналізуйте відповіді

Попросіть модель адаптувати відповідь до конкретної аудиторії чи ваших особистих потреб.

Приклад:

Запит:

Я студент-психолог, цікавлюся MMPI. Поясни, що таке шкала PK, так, ніби я новачок, у 50 слів.
    

Відповідь:

Шкала PK у MMPI-2 вимірює симптоми посттравматичного стресового розладу (ПТСР), як-от тривога чи нав’язливі спогади. Високі бали можуть вказувати на травматичний досвід. Вона використовується для оцінки психологічного стану, але потрібна додаткова діагностика. Це допомагає психологам планувати терапію.

Пояснення: Вказівка аудиторії (студент-психолог, новачок) і обсягу (50 слів) робить відповідь простою та релевантною.

Крок 26: Синтезуйте інформацію з кількох джерел

Попросіть модель узагальнити чи порівняти інформацію, якщо ви надаєте кілька уривків або ідей.

Приклад:

Запит:

Ось ідеї для стартапу: 1) мобільний додаток для медитації, 2) платформа для обміну книгами, 3) сервіс доставки органічних продуктів. Порівняй їх за потенційною популярністю в Україні у вигляді списку.
    

Відповідь:

1. Додаток для медитації: Висока популярність через інтерес до ментального здоров’я.
2. Доставка органічних продуктів: Середня популярність, залежить від ціни та логістики.
3. Обмін книгами: Нижча популярність через конкуренцію з бібліотеками та електронними книгами.

Пояснення: Просити синтезувати дані допомагає отримати структуроване порівняння.

Крок 27: Автоматизуйте повторювані завдання

Створюйте запити, які дозволяють моделі виконувати рутинні дії, як-от форматування чи генерація шаблонів.

Приклад:

Запит:

Створи шаблон email-запрошення на вебінар про Python-програмування. Включи місце для назви, дати та посилання.
    

Відповідь:

Тема: Запрошення на вебінар “[Назва вебінару]”

Шановні колеги,
Запрошуємо на вебінар “[Назва вебінару]”, який відбудеться [дата] о [час]. Дізнайтесь про основи Python-програмування! Реєстрація: [посилання].
З повагою,
[Ваше ім’я]

Пояснення: Запити на шаблони економлять час для повторюваних завдань, як-от розсилки.