プロンプト エンジニアリングとは、LLM から最高の出力を得るために適切な質問をする技術です。これにより、書式なし言語のプロンプトのみを使用して、LLM と直接やり取りできます。
以前は、機械学習モデルを操作するには、通常、データセット、統計、モデリング手法に関する深い知識が必要でした。現在、LLM は英語だけでなく、他の言語でも「プログラム」が可能です。
優れたプロンプト エンジニアになるためには、コーディングの経験は必要ありません。しかし、創造性と粘り強さは、ジャーニーに大きなメリットをもたらします。以下に、有益なプロンプト テクニックについて紹介します。
メッセージ機能のベスト プラクティス
最も重要なコンテンツや情報を明確に伝えます。
プロンプトを構造化する: まず、ロールを定義し、コンテキスト/入力データを提供してから、指示を提供します。
モデルに焦点を絞り、より正確な結果を生成するため、さまざまなサンプルを使用します。
制約を使用して、モデルの出力の範囲を制限する。これにより、指示が間違って事実に反するのを防ぐことができます。
複雑なタスクを複数の簡単なプロンプトに分割します。
モデルを生成する前に、独自のレスポンスを評価または確認するようモデルに指示します。（「回答は 3 文に制限してください」、「この評価は 1 ～ 10 の範囲で簡潔に評価してください」、「こちらは正しいと思いますか」）
おそらく最も重要なことです。
クリエイティブに。創造性やオープン志向を持つほど、良い結果が得られます。LLM とプロンプト エンジニアリングはまだ初期段階にあり、日々進化しています。
プロンプトの種類
ダイレクト プロンプト（ゼロショット）
ダイレクト プロンプト（ゼロショットとも呼ばれます）は、最もシンプルなプロンプトです。モデルに例を示すのではなく、命令のみを提供します。下の 2 番目の例に示すように、命令を質問として提示したり、モデルに「ロール」を指定したりすることもできます。
以下が提供されます。
- 手順
- なんらかのコンテキスト
アイデア創出:
Prompt: Can you give me a list of ideas for blog posts for tourists visiting
New York City for the first time?
ロール プロンプト:
Prompt: You are a mighty and powerful prompt-generating robot. You need to
understand my goals and objectives and then design a prompt. The prompt should
include all the relevant information context and data that was provided to you.
You must continue asking questions until you are confident that you can produce
the best prompt for the best outcome. Your final prompt must be optimized for
chat interactions. Start by asking me to describe my goal, then continue with
follow-up questions to design the best prompt.
データの編成:
Prompt: Create a four-column spreadsheet of 10 highly-rated science fiction
movies, year of release, average audience rating, and top 3 keywords from
audience reviews.
Make sure to cite the source of the audience rating.
メッセージでアピールする（ワンショット、少量、マルチショット）
ワンショットのプロンプトには、模倣する対象を示す明確でわかりやすいサンプルが 1 つ表示されます。
1 つの例を使ったアイデアの生成:
Prompt:
Come up with a list of ideas for blog posts for tourists visiting
New York City for the first time.
1. Fuggedaboutit! Where to Stay in New York City On Your First Visit
少数のショットやマルチショットのプロンプトは、モデルに求める例をさらに示します。パターン レプリケーションが必要な複雑なタスクや、記述しにくい特定の方法で出力を構造化する必要がある場合には、ゼロショットよりも適しています。
いくつかのショットの感情分類:
Prompt:
Great product, 10/10: Positive
Didn't work very well: Negative
Super helpful, worth it: Positive
It doesn't work!:
このプロンプトが実行されると、モデルの処理は、例に示すように「正常に動作しない」に分類します。
マルチショット絵文字レスポンスの予測:
Prompt: Predict up to 5 emojis as a response to a text chat message. The output
should only include emojis.
input: The new visual design is blowing my mind 🤯
output: ➕,💘, ❤🔥
input: Well that looks great regardless
output: ❤️,🪄
input: Unfortunately this won't work
output: 💔,😔
input: sounds good, I'll look into that
output: 🙏,👍
input: 10hr cut of jeff goldblum laughing URL
output: 😂,💀,⚰️
input: Woo! Launch time!
同じプロセスを使用しますが、プロンプトが複雑なため、エミュレートするサンプルが増えています。
一連の考え
思考の流れ（CoT）は、LLM が理由を説明することを奨励します。これと数ショットのプロンプトを組み合わせることで、レスポンスの前に推論を必要とする複雑なタスクでより良い結果が得られます。
Prompt:
The odd numbers in this group add up to an even number: 4, 8, 9, 15, 12, 2, 1.
A: Adding all the odd numbers (9, 15, 1) gives 25. The answer is False.
The odd numbers in this group add up to an even number: 15, 32, 5, 13, 82, 7, 1.
A:
ゼロショット CoT
前述のゼロショット プロンプトを思い出してください。このアプローチでは、ゼロショット プロンプトに従って「ステップバイステップ」という命令を追加します。LLM により、命令から一連のチェーンを生成できます。通常はより正確な結果が得られます。これは、LLM に単語の問題などに対する正解を生成するのに最適なアプローチです。
Prompt:
I went to the market and bought 10 apples. I gave 2 apples to the neighbor and
2 to the repairman. I then went and bought 5 more apples and ate 1. How many
apples was I left with?
Let's think step by step.
プロンプトの反復処理
プロンプトを何度か（場合によっては何十回）も書き直す方法を学習できます。以下のヒントをご覧ください。
注: これらのモデルは、モデルの改善に伴って、時間の経過とともに有用または必要でなくなる可能性があります。
キーワード、フレーズ、アイデアを繰り返す
目的の出力形式（CSV、JSON など）を指定します。
重要なポイントや指示を強調するために、すべて大文字を使用する。また、誇張表現や誇張表現を試すこともできます。例: 「解釈が過度に不可能でないはず。どの単語もわかりやすくする必要があります。」
類義語や別の言い回しを使用します（例: 「要約」ではなく、入力テキストに「tldr」を追加してみる）。別の単語やフレーズに置き換わり、どちらが効果的か、どちらが悪かったかを記録しましょう。
サンドイッチ手法の長いメッセージを試す: 同じステートメントをさまざまな場所に追加します。
インスピレーションを引き出すプロンプト ライブラリを使用するまず、Prompt Hero とプロンプト ギャラリーの 2 つから始めることをおすすめします。