คู่มือ AI ภาษา

การผูกมัดพร้อมท์

การต่อสายพร้อมท์จะแบ่งงานออกเป็นลำดับคงที่ของพร้อมท์ขนาดเล็ก โดยที่เอาต์พุตของแต่ละขั้นตอนจะกลายเป็นอินพุตของขั้นตอนถัดไป เช่น แยกข้อมูล วิเคราะห์ จากนั้นจึงร่าง

ฟังคำแนะนำนี้บรรยายโดย AI · ~3 min

บนหน้านี้อ่าน 4 นาที
  1. ภาพรวม
  2. เจาะลึก
  3. การใช้งานจริงในโลกแห่งความเป็นจริง
  4. อนาคตของการผูกมัดพร้อมท์
  5. การนำไปปฏิบัติ
  6. สำรวจต่อไป
  7. คำถามที่พบบ่อย

ภาพรวม

สิ่งนี้ทำให้ LLM ทำงานได้อย่างน่าเชื่อถือและแก้ไขจุดบกพร่องได้ง่ายกว่าพรอมต์ยักษ์เดียว นอกจากนี้ยังสามารถคาดเดาได้ดีกว่าเอเจนต์อัตโนมัติ เนื่องจากนักพัฒนาเป็นผู้ตัดสินใจขั้นตอนมากกว่าโมเดล

เจาะลึก

เมกะพรอมต์เดียวขอให้โมเดลทำทุกอย่างพร้อมกัน: อ่านแหล่งที่มา แยกข้อเท็จจริง เหตุผล ปฏิบัติตามกฎสไตล์ และจัดรูปแบบคำตอบ ความต้องการพิเศษแต่ละรายการแข่งขันกันเพื่อเรียกร้องความสนใจ เมื่อเอาต์พุตผิดพลาด คุณไม่สามารถบอกได้ว่าส่วนใดล้มเหลว Prompt chaining แบ่งงานออกเป็นขั้นตอน และแต่ละขั้นตอนจะมีงานที่ชัดเจนเพียงงานเดียว ห่วงโซ่ทั่วไปมีสามขั้นตอน: 1. แยกคำพูดที่เกี่ยวข้องออกจากเอกสาร 2. ตอบคำถามโดยใช้คำพูดเหล่านั้นเท่านั้น 3. ตรวจสอบคำตอบกับคำพูดและเขียนใหม่ให้ผู้ฟังฟัง รหัสสามัญสามารถตรวจสอบผลลัพธ์ระหว่างขั้นตอนได้ โดยสามารถแยกวิเคราะห์ JSON ยืนยันว่ามีช่องที่ต้องกรอก หรือหยุดเชนหากตัวแยกประเภทส่งคืนความเชื่อมั่นต่ำ บทความประจำเดือนธันวาคม 2024 ของ Anthropic เรื่อง "การสร้างตัวแทนที่มีประสิทธิภาพ" เรียกเช็คเหล่านี้ว่า "ประตู" โดยอธิบายว่าการเชื่อมโยงพร้อมท์เป็นเวิร์กโฟลว์ที่แลกเวลาแฝงเพิ่มเติมเพื่อความแม่นยำที่สูงขึ้น เนื่องจากการโทรแต่ละครั้งจะกลายเป็นงานที่ง่ายขึ้น เชนและเอเจนต์แตกต่างกันไปว่าใครเป็นผู้ควบคุมเส้นทาง ในห่วงโซ่ นักพัฒนาจะฮาร์ดโค้ดตามลำดับ ในตัวแทน โมเดลจะตัดสินใจ ณ รันไทม์ว่าจะเรียกใช้เครื่องมือใดต่อไปและเมื่อใดเสร็จสิ้น โซ่มีราคาถูกกว่าในการทดสอบ อธิบายง่ายกว่า และล้มเหลวในตำแหน่งที่คาดเดาได้ ตัวแทนเหมาะกับปัญหาปลายเปิดที่ไม่สามารถทราบขั้นตอนล่วงหน้าได้ ระบบการผลิตจำนวนมากเป็นแบบเครือข่ายมากกว่าแบบตัวแทน บางครั้งมีสาขา (การกำหนดเส้นทาง) หรือขั้นตอนที่ทำงานแบบขนาน ความเข้าใจผิดที่พบบ่อยมีสามประการ: - การผูกมัดมีค่าใช้จ่ายมากกว่าเสมอ ที่จริงแล้ว ข้อความแจ้งแบบเน้นเล็กๆ สามารถใช้รุ่นที่ราคาถูกกว่าสำหรับขั้นตอนง่ายๆ ได้ - ขั้นตอนมากขึ้นย่อมดีกว่าเสมอ แฮนด์ออฟทุกครั้งอาจสูญเสียข้อมูลหรือข้อผิดพลาดแบบผสม - การผูกมัดต้องมีกรอบการทำงาน ไลบรารีเช่น LangChain เสนอตัวช่วย แต่เชนเป็นเพียงการเรียกใช้ฟังก์ชันเพียงไม่กี่ฟังก์ชันที่ส่งผ่านสตริงหรือ JSON

การใช้งานจริงในโลกแห่งความเป็นจริง

ทีมกฎหมายจัดการสัญญาด้วยการโทรสามครั้ง ส่วนคำสั่งแรกแยกส่วนคำสั่งออกเป็น JSON ส่วนคำสั่งส่วนที่สองที่แตกต่างจากเทมเพลตมาตรฐาน และส่วนคำสั่งที่สามเขียนสรุปภาษาอังกฤษธรรมดาของเฉพาะรายการที่ถูกแฟล็ก

ขั้นตอนการตลาดจะสร้างโครงร่างของบล็อกก่อน การตรวจสอบโค้ดเป็นการยืนยันว่าโครงร่างครอบคลุมคำหลักที่จำเป็น จากนั้นแต่ละส่วนจะถูกเขียนแยกกันเพื่อให้บทความมีความสอดคล้องกัน

เครื่องมือสนับสนุนจะจัดประเภทอีเมลขาเข้าเป็นการเรียกเก็บเงิน จุดบกพร่อง หรือการยกเลิกก่อน จากนั้นจะส่งอีเมลไปยังพรอมต์เฉพาะหมวดหมู่พร้อมแนบข้อความนโยบายที่ถูกต้องซึ่งเป็นเครือข่ายที่มีสาขา

นักวิจัยสรุปบทความ 20 ฉบับต่อครั้ง จากนั้นส่งบทสรุป 20 ฉบับไปยังข้อความสุดท้ายที่เปรียบเทียบวิธีการของพวกเขา วิธีนี้จะช่วยป้องกันไม่ให้มีบริบทมากเกินไปในการโทรครั้งเดียว

อนาคตของการผูกมัดพร้อมท์

กรอบงานแสดงถึงห่วงโซ่มากขึ้นเป็นกราฟขั้นตอนที่ชัดเจน ซึ่งช่วยให้เพิ่มสาขา ลองใหม่ และจุดที่บุคคลตรวจสอบผลลัพธ์ได้ง่ายขึ้น เนื่องจากโมเดลจัดการบริบทที่ยาวขึ้นและปฏิบัติตามคำแนะนำที่ซับซ้อนได้ดีขึ้น บางเชนที่มีอยู่เพียงเพื่อแก้ไขขีดจำกัดของโมเดลอาจรวมกลับเป็นการเรียกครั้งเดียว ส่วนอื่นๆ จะอยู่ต่อ เนื่องจากมีจุดตรวจสอบ การตรวจสอบการปฏิบัติตามข้อกำหนด และการควบคุมต้นทุนที่การโทรครั้งเดียวไม่สามารถทำได้ งานภาคสนามตั้งอยู่บนจุดกึ่งกลางที่ใช้งานได้จริง: ใช้โซ่แบบคงที่ซึ่งทราบขั้นตอนต่างๆ และรักษาความเป็นอิสระของเจ้าหน้าที่สำหรับงานที่ต้องการมันอย่างแท้จริง

การนำไปปฏิบัติ

ทำไมมันถึงสำคัญ

  • ความเร็วและขนาด. ขั้นตอนการทำงานของภาษาสามารถดำเนินไปได้เร็วขึ้นโดยไม่กระทบต่อความสม่ำเสมอ
  • เข้าถึงและเข้าถึง. ขยายการเข้าถึงภาษาและรูปแบบการสื่อสาร
  • การตัดสินใจที่ชัดเจนยิ่งขึ้น. ทีมสามารถใช้เวลามากขึ้นในการตัดสิน ในขณะที่ระบบอัตโนมัติจัดการกับการทำซ้ำ

ระวัง

  • ข้อเท็จจริงที่หลอนประสาทสามารถเข้าสู่รายงาน กระแสสนับสนุน หรือผลการวิจัยได้อย่างเงียบๆ
  • ความละเอียดอ่อนของการแจ้งเตือนสามารถสร้างผลลัพธ์ที่ไม่สอดคล้องกันในคำขอที่คล้ายกัน
  • ข้อมูลข้อความที่ละเอียดอ่อนอาจถูกเปิดเผยหากการควบคุมการเข้าถึงอ่อนแอ

ขั้นตอนต่อไป

  1. กำหนดรูปแบบเอาต์พุต โทนเสียง และมาตรฐานคุณภาพก่อนเปิดตัว
  2. การตอบสนองภาคพื้นดินกับแหล่งข้อมูลที่เชื่อถือได้เมื่อใดก็ตามที่ความแม่นยำมีความสำคัญ
  3. รักษาจุดตรวจสอบการตรวจสอบโดยมนุษย์สำหรับผลลัพธ์ที่มีเดิมพันสูง
  4. ติดตามรูปแบบความล้มเหลวและฝึกอบรมพร้อมท์หรือเวิร์กโฟลว์เป็นประจำ

สำรวจต่อไป

จดหมายข่าวฟรี

รับสรุป AI รายวัน

เรื่องราว AI ที่ตรวจสอบแล้ว 3 เรื่องทุกวันทำงาน เช้า, เขียนเป็นภาษาอังกฤษธรรมดา ฟรีตลอดไป ไม่มีโฆษณา

อีเมลหนึ่งฉบับทุกวันทำงาน ยกเลิกการสมัครในคลิกเดียว เราไม่เคยขายหรือแชร์ที่อยู่อีเมลของคุณ

ทดสอบตัวเอง

Take the Prompt Chaining quiz

ข้อเสนอแนะทันทีสำหรับทุกคำตอบ และใบรับรองที่สามารถแชร์ได้พร้อม ID ที่ตรวจสอบได้เมื่อคุณผ่านหลักสูตร

เริ่มแบบทดสอบ

สนับสนุนการศึกษา AI ฟรี AI Understanding เป็นองค์กรไม่แสวงหาผลกำไร 501(c)(3) — ไม่มีโฆษณา ไม่มีกำแพงเงิน, ตลอดไป บริจาค

คำถามที่พบบ่อย

Prompt Chaining คืออะไร?

การต่อสายพร้อมท์จะแบ่งงานออกเป็นลำดับคงที่ของพร้อมท์ขนาดเล็ก โดยที่เอาต์พุตของแต่ละขั้นตอนจะกลายเป็นอินพุตของขั้นตอนถัดไป เช่น แยกข้อมูล วิเคราะห์ จากนั้นจึงร่าง สิ่งนี้ทำให้ LLM ทำงานได้อย่างน่าเชื่อถือและแก้ไขจุดบกพร่องได้ง่ายกว่าพรอมต์ยักษ์เดียว นอกจากนี้ยังสามารถคาดเดาได้ดีกว่าเอเจนต์อัตโนมัติ เนื่องจากนักพัฒนาเป็นผู้ตัดสินใจขั้นตอนมากกว่าโมเดล

คุณสมบัติที่กำหนดของ prompt chaining คืออะไร?

การผูกมัดจะแบ่งงานออกเป็นสเตจที่เรียงลำดับ และแต่ละสเตจจะส่งเอาต์พุตไปข้างหน้าเป็นอินพุตของสเตจถัดไป

prompt chain แตกต่างจาก autonomous agent อย่างไร

ใครเป็นผู้ควบคุมเส้นทางคือความแตกต่างที่สำคัญ ห่วงโซ่เป็นไปตามลำดับที่นักพัฒนาเขียนไว้ ตัวแทนเลือกการดำเนินการในขณะที่ดำเนินการ

ในเรียงความ "การสร้างตัวแทนที่มีประสิทธิภาพ" ของ Anthropic "ประตู" ในห่วงโซ่พร้อมท์คืออะไร

Gates คือการตรวจสอบโค้ดทั่วไป เช่น การตรวจสอบความถูกต้องของ JSON หรือคะแนนความเชื่อมั่น ซึ่งตัดสินว่าห่วงโซ่จะดำเนินต่อไปหรือไม่

โดยทั่วไปแล้วการผูกมัดแบบพร้อมท์จะทำให้เกิดการแลกเปลี่ยนอะไรบ้าง

การโทรแต่ละครั้งจะกลายเป็นงานที่ง่ายขึ้น ซึ่งช่วยเพิ่มความแม่นยำ แต่การโทรหลายครั้งตามลำดับจะใช้เวลานานกว่า

ถ้าแต่ละขั้นตอนในสี่ขั้นตอนมีความน่าเชื่อถือ 95 เปอร์เซ็นต์และความล้มเหลวเป็นอิสระต่อกัน แล้วทั้งห่วงโซ่จะน่าเชื่อถือได้ประมาณเท่าใด

0.95 คูณตัวมันเอง 4 ครั้งได้ประมาณ 0.81 นั่นคือเหตุผลว่าทำไมข้อผิดพลาดจึงมีความสำคัญ

เรียนรู้ต่อไป

คำแนะนำที่เกี่ยวข้อง

คำแนะนำเพิ่มเติมที่เลือกสำหรับหัวข้อนี้

รับใบรับรอง AI ฟรีหลักสูตรและการสอบสั้น ๆ ฟรี ไม่มีค่าใช้จ่าย ไม่มีบัตรเครดิต ประมาณ 2.5 ชั่วโมงเริ่มต้นฟรี →