שליטה ב-LLM Prompting: מדריך למפתחים
תגובות AI גרועות אינן אשמת המודל. הן אשמת הפרומפט.
Prompting הוא מיומנות. משפרים אותה באמצעות שימוש בטכניקות ספציפיות. השתמשו בשיטות הללו כדי לקבל קוד טוב יותר ותשובות חכמות יותר.
ספקו הקשר ספציפי הפסיקו לשאול שאלות גנריות.
- רע: "איך אני מאמת אימיילים?"
- טוב: "אני בונה Node.js Express API. הראה לי איך לאמת אימיילים באמצעות חבילת email-validator. כלול טיפול בשגיאות עם קוד סטטוס 400."
הקצו דמות (Persona) אמרו ל-AI מי הוא צריך להיות.
- במקום: "כתוב פונקציה למזהים ייחודיים."
- נסו: "אתה מהנדס backend בכיר. כתוב פונקציית Python למזהים ייחודיים גלובלית (globally unique IDs) שניתנים למיון לפי timestamp. הסבר את ההחלטות שלך."
השתמשו בשרשרת מחשבה (Chain of Thought) למשימות קשות, בקשו מה-AI לחשוב צעד אחר צעד. זה מאלץ את המודל להציג את הלוגיקה שלו.
- בקשו: "העבר אותי דרך תהליך החשיבה שלך: 1. זהה צווארי בקבוק. 2. רשום טכניקות. 3. המלץ על פתרון. 4. כתוב את הקוד."
ספקו דוגמאות הראו ל-AI את התבנית שאתם רוצים. זה נקרא few-shot prompting. ספקו דוגמת "לפני" ו"אחרי" כדי שה-AI ילמד את הסגנון שלכם.
הגדירו אילוצים מחמירים אילוצו את ה-AI להיות מדויק. רשמו את הדרישות שלכם בבירור:
- גרסת שפה
- סיבוכיות זמן
- סיבוכיות מקום
- ללא ספריות חיצוניות
פרקו משימות אל תבקשו הכל בבת אחת. השתמשו בגישה של צעד אחר צעד:
- שלב 1: צרו גרסה בסיסית.
- שלב 2: הוסיפו טיפול בשגיאות.
- שלב 3: אופטימיזציה של ביצועים.
- שלב 4: הוסיפו טיפוסים (types).
בקשו חלופות בקשו שתי דרכים שונות לפתרון בעיה. זה עוזר לכם להבין את הטרייד-אופים (trade-offs). בקשו יתרונות וחסרונות לכל שיטה.
בקשו פורמטים ספציפיים אמרו ל-AI איך לארגן את הפלט. אתם יכולים לבקש סקירת קוד (code review) מובנית עם כותרות ספציפיות כמו Issues, Fixes, ו-Performance Impact.
טעויות שיש להימנע מהן:
- להיות קצר מדי.
- לבקש דברים לא קשורים בפרומפט אחד.
- לשכוח לספק אילוצים.
- לקבל את התשובה הראשונה מבלי לבדוק אותה.
שליטה בשלבים הללו תעזור לכם לעבוד מהר יותר. השיטות הללו עובדות ב-ChatGPT, Claude, וב-GitHub Copilot.
אילו טיפים ל-prompting אתם משתמשים בהם? ספרו לי בתגובות.
קהילת למידה אופציונלית: https://t.me/GyaanSetuAi