メインコンテンツまでスキップ

😃 基礎

プロンプトエンジニアリングの導入と基本的なテクニック

📄️ 🟢 テクニックを組み合わせる

ここまでに見て来たように、プロンプトにはさまざまな形式や複雑さのものがあることが分かりました。そしてそれらは、コンテキストや、指示、複数の入出力例 (Few-shot) を含めることができます。

📄️ 🟢 プロンプトの形式化

ここまで、複数のタイプのプロンプトとそれらを組み合わせる方法を学習してきました。このページでは、さまざまな種類のプロンプトを説明するための用語について解説します。プロンプトエンジニアリング周辺の議論を形式化する種々のアプローチ(@white2023prompt)がありますが、この分野は常に変化しているため、まずは学習を開始するのに十分な情報を提供します。

📄️ 🟢 チャットボットの基本

プロンプトが役立つ最も一般的な方法の 1 つは、ChatGPT など、一般に公開されている多数のチャットボットと対話する場合です。 ChatGPT は GPT-3 とは異なることに注意してください。主な違いは、チャットボットが会話履歴を記憶できることです。 GPT-3 と同じように、質問に答えたり、要約や分析を書いたり、テキストやコードを書いたりすることもできます。とても期待が持てそうですが、自分のプロンプトを具体的に理解して初めてチャットボットの真価が発揮されます。この記事では、スタイルガイダンス、記述子、プライミングの使用など、チャットボットをより有効に活用するための基本的な方法について説明します。

📄️ 🟢 LLM 設定

LLMの出力は、モデルの様々な側面、例えばどの程度「ランダム」であるかなどを制御する構成ハイパーパラメータによって影響を受けることがあります。これらのハイパーパラメータを調整することで、より創造的で多様で興味深い出力を生成できます。このセクションでは、2 つの重要な構成ハイパーパラメータについて説明し、LLM の出力にどのように影響するかについて説明します。

📄️ 🟢 旅を始めよう

ここまで、プロンプトエンジニアリングの基本を学んだので、自分でプロンプトエンジニアリングを始める準備ができました。このコースの残りの部分では、追加の技術やリソースが提供されますが、PE を学ぶ最良の方法は自分自身のプロンプトで実験を始めることです。このページでは、任意のプロンプトエンジニアリングの問題を解決する方法を紹介します。