পরবর্তী আপপরবর্তী গাইড
সিস্টেম প্রম্পট ব্যাখ্যা করা হয়েছে
ভাষা এআই
ভাষা এআই গাইড
প্রম্পট চেইনিং একটি টাস্ককে ছোট প্রম্পটগুলির একটি নির্দিষ্ট অনুক্রমের মধ্যে বিভক্ত করে, যেখানে প্রতিটি ধাপের আউটপুট পরবর্তী ধাপের ইনপুট হয়ে ওঠে: উদাহরণস্বরূপ নিষ্কাশন, তারপর বিশ্লেষণ, তারপর খসড়া।
এই নির্দেশিকা শুনুনএআই-বর্ণিত · ~3 min
এটি একটি বিশাল প্রম্পটের চেয়ে LLM-কে আরও নির্ভরযোগ্য এবং ডিবাগ করা সহজ করে তোলে। এটি একটি স্বায়ত্তশাসিত এজেন্টের চেয়েও বেশি অনুমানযোগ্য থাকে, কারণ বিকাশকারী মডেলের পরিবর্তে পদক্ষেপগুলি নির্ধারণ করে।
একটি একক মেগা-প্রম্পট মডেলটিকে একবারে সবকিছু করতে বলে: উত্সটি পড়ুন, তথ্য বের করুন, তাদের সম্পর্কে কারণ করুন, শৈলীর নিয়মগুলি অনুসরণ করুন এবং উত্তর ফর্ম্যাট করুন৷ প্রতিটি অতিরিক্ত চাহিদা মনোযোগের জন্য প্রতিযোগিতা করে। যখন আউটপুট ভুল, আপনি বলতে পারবেন না কোন অংশ ব্যর্থ হয়েছে। প্রম্পট চেইনিং কাজটিকে পর্যায়গুলিতে বিভক্ত করে এবং প্রতিটি পর্যায়ে একটি পরিষ্কার কাজ থাকে। একটি সাধারণ চেইনের তিনটি ধাপ রয়েছে: 1. একটি নথি থেকে প্রাসঙ্গিক উদ্ধৃতিগুলি বের করুন৷ 2. শুধুমাত্র সেই উদ্ধৃতিগুলি ব্যবহার করে একটি প্রশ্নের উত্তর দিন। 3. উদ্ধৃতিগুলির বিপরীতে উত্তরটি পরীক্ষা করুন এবং দর্শকদের জন্য এটি পুনরায় লিখুন। সাধারণ কোড ধাপগুলির মধ্যে আউটপুট পরীক্ষা করতে পারে। এটি JSON-কে পার্স করতে পারে, নিশ্চিত করতে পারে যে একটি প্রয়োজনীয় ক্ষেত্র বিদ্যমান আছে, অথবা যদি কোনো শ্রেণিবিন্যাসকারী কম আত্মবিশ্বাস প্রদান করে তাহলে চেইন বন্ধ করতে পারে। Anthropic এর ডিসেম্বর 2024 প্রবন্ধ "বিল্ডিং ইফেক্টিভ এজেন্ট" এই চেকগুলিকে "গেট" বলে। এটি প্রম্পট চেইনিংকে একটি ওয়ার্কফ্লো হিসাবে বর্ণনা করে যা উচ্চ নির্ভুলতার জন্য অতিরিক্ত লেটেন্সি ট্রেড করে, কারণ প্রতিটি কল একটি সহজ কাজ হয়ে ওঠে। চেইন এবং এজেন্টরা পথ কে নিয়ন্ত্রণ করে তা ভিন্ন। একটি চেইনে, বিকাশকারী ক্রমটিকে হার্ড-কোড করে। একটি এজেন্টে, মডেলটি রান টাইমে সিদ্ধান্ত নেয় যে কোন টুলটি পরবর্তীতে কল করবে এবং কখন এটি করা হবে। চেইন পরীক্ষা করা সস্তা, ব্যাখ্যা করা সহজ এবং অনুমানযোগ্য জায়গায় ব্যর্থ। এজেন্ট ওপেন-এন্ডেড সমস্যাগুলির জন্য যেখানে পদক্ষেপগুলি আগে থেকে জানা যায় না। অনেক উৎপাদন ব্যবস্থা এজেন্টের পরিবর্তে চেইন, কখনও কখনও শাখা (রাউটিং) বা ধাপগুলি যা সমান্তরালে চলে। তিনটি ভুল ধারণা প্রচলিত: - চেইনিং সবসময় বেশি খরচ করে। আসলে, ছোট ফোকাসড প্রম্পটগুলি সহজ পদক্ষেপের জন্য সস্তা মডেলগুলি ব্যবহার করতে পারে। - আরো পদক্ষেপ সবসময় ভাল. প্রতিটি হ্যান্ডঅফ তথ্য বা যৌগিক ত্রুটি হারাতে পারে। - চেইনিং একটি কাঠামো প্রয়োজন. LangChain-এর মতো লাইব্রেরিগুলি সাহায্যকারী অফার করে, কিন্তু একটি চেইন হল কয়েকটি ফাংশন কল পাসিং স্ট্রিং বা JSON।
একটি আইনি দল তিনটি কলে চুক্তি পরিচালনা করে। প্রথমটি JSON-এ ক্লজগুলি বের করে, দ্বিতীয়টি ফ্ল্যাগ ক্লজগুলি যা একটি স্ট্যান্ডার্ড টেমপ্লেট থেকে আলাদা, এবং তৃতীয়টি শুধুমাত্র পতাকাযুক্ত আইটেমগুলির একটি সরল-ইংরেজি সারাংশ লেখে।
একটি বিপণন কর্মপ্রবাহ প্রথমে একটি ব্লগ রূপরেখা তৈরি করে। একটি কোড চেক নিশ্চিত করে যে রূপরেখাটি প্রয়োজনীয় কীওয়ার্ডগুলিকে কভার করে, এবং তারপর প্রতিটি বিভাগ একটি পৃথক কলে লেখা হয় যাতে দীর্ঘ নিবন্ধগুলি সুসংগত থাকে।
একটি সমর্থন টুল প্রথমে একটি ইনকামিং ইমেলকে বিলিং, বাগ বা বাতিলকরণ হিসাবে শ্রেণীবদ্ধ করে। তারপর এটি একটি বিভাগ-নির্দিষ্ট প্রম্পটে সঠিক নীতি পাঠ্য সংযুক্ত সহ ইমেলটি পাঠায়, যা একটি শাখা সহ একটি চেইন।
একজন গবেষক একবারে 20টি গবেষণাপত্রের সারসংক্ষেপ করেন, তারপর 20টি সারসংক্ষেপ একটি চূড়ান্ত প্রম্পটে পাস করেন যা তাদের পদ্ধতির তুলনা করে। এটি যেকোন একক কলকে প্রেক্ষাপটে ওভারলোড হওয়া থেকে রাখে।
ফ্রেমওয়ার্কগুলি ক্রমবর্ধমানভাবে ধাপগুলির সুস্পষ্ট গ্রাফ হিসাবে চেইনগুলিকে উপস্থাপন করে। এটি শাখা, পুনরায় চেষ্টা এবং পয়েন্ট যোগ করা সহজ করে তোলে যেখানে একজন ব্যক্তি আউটপুট পর্যালোচনা করে। যেহেতু মডেলগুলি দীর্ঘ প্রসঙ্গগুলি পরিচালনা করে এবং জটিল নির্দেশাবলী আরও ভালভাবে অনুসরণ করে, কিছু চেইন যেগুলি শুধুমাত্র মডেলের সীমার আশেপাশে কাজ করার জন্য বিদ্যমান সেগুলি আবার একক কলে একত্রিত হতে পারে। অন্যরা থাকবে, কারণ তারা পরিদর্শন পয়েন্ট, কমপ্লায়েন্স চেক এবং খরচ নিয়ন্ত্রণ অফার করে যা একটি কল করতে পারে না। ক্ষেত্রটি একটি ব্যবহারিক মাঝামাঝি স্থলে স্থির হচ্ছে: যেখানে পদক্ষেপগুলি জানা আছে সেখানে নির্দিষ্ট চেইন ব্যবহার করুন এবং সত্যিকারের প্রয়োজনের কাজগুলির জন্য এজেন্টের স্বায়ত্তশাসন সংরক্ষণ করুন৷
ফ্রি নিউজলেটার
প্রতি সপ্তাহের কাজের দিন সকালে তিনটি যাচাইকৃত এআই স্টোরি, সহজ ইংরেজিতে লেখা। চিরকালের জন্য ফ্রি, কোনো বিজ্ঞাপন নেই।
প্রতি সপ্তাহের কাজের দিনে একটি ইমেল। এক ক্লিকেই আনসাবস্ক্রাইব করুন। আমরা কখনোই আপনার ঠিকানা বিক্রি বা শেয়ার করি না।
নিজেকে পরীক্ষা করুন
প্রতিটি উত্তরের তাৎক্ষণিক ফিডব্যাক, এবং কোর্স পাস করার পর যাচাইযোগ্য আইডি সহ একটি শেয়ারযোগ্য সার্টিফিকেট।
ফ্রি এআই শিক্ষাকে সমর্থন করুন। AI Understanding একটি 501(c)(3) অলাভজনক প্রতিষ্ঠান — কোনো বিজ্ঞাপন নেই, কোনো পেওয়াল নেই, কখনোই না। একটি দান করুন
প্রম্পট চেইনিং একটি টাস্ককে ছোট প্রম্পটগুলির একটি নির্দিষ্ট অনুক্রমের মধ্যে বিভক্ত করে, যেখানে প্রতিটি ধাপের আউটপুট পরবর্তী ধাপের ইনপুট হয়ে ওঠে: উদাহরণস্বরূপ নিষ্কাশন, তারপর বিশ্লেষণ, তারপর খসড়া। এটি একটি বিশাল প্রম্পটের চেয়ে LLM-কে আরও নির্ভরযোগ্য এবং ডিবাগ করা সহজ করে তোলে। এটি একটি স্বায়ত্তশাসিত এজেন্টের চেয়েও বেশি অনুমানযোগ্য থাকে, কারণ বিকাশকারী মডেলের পরিবর্তে পদক্ষেপগুলি নির্ধারণ করে।
চেইনিং একটি টাস্ককে অর্ডারকৃত পর্যায়ে বিভক্ত করে এবং প্রতিটি পর্যায় তার আউটপুটকে পরবর্তী পর্যায়ের ইনপুট হিসাবে এগিয়ে দেয়।
কে পথ নিয়ন্ত্রণ করে তা হল মূল পার্থক্য। একটি চেইন বিকাশকারীর লেখা একটি ক্রম অনুসরণ করে। এটি চালানোর সময় একটি এজেন্ট তার কর্ম চয়ন করে।
গেটস হল সাধারন কোডের চেক, যেমন JSON যাচাই করা বা কনফিডেন্স স্কোর, যা চেইনটি চলতে থাকবে কিনা তা নির্ধারণ করে।
প্রতিটি কল একটি সহজ কাজ হয়ে ওঠে, যা নির্ভুলতা উন্নত করে, কিন্তু ক্রমানুসারে বেশ কয়েকটি কল চালাতে বেশি সময় লাগে।
0.95 কে নিজেই চার বার গুণ করলে প্রায় 0.81 হয়। এ কারণেই ত্রুটি যৌগ এবং গেটস গুরুত্বপূর্ণ।
শিখতে থাকুন
এই বিষয়ের জন্য বাছাই করা আরও গাইড
পরবর্তী আপপরবর্তী গাইড
সিস্টেম প্রম্পট ব্যাখ্যা করা হয়েছে
ভাষা এআই