Новое руководство OpenAI по промптингу: фокус на результатах, а не на пошаговых сценариях

OpenAI выпустила новую структуру промптинга, которая бросает вызов традиционной одержимости методом «цепочки рассуждений» (chain-of-thought), призывая пользователей отдавать приоритет результатам, а не жестким инструкциям. Этот сдвиг знаменует переход к более интуитивным взаимодействиям, основанным на рассуждениях, где модели предоставляется автономия, а не строгий сценарий.

Четыре составляющих эффективного промптинга

Вместо предоставления сложного руководства по параметрам API или запутанных схем, OpenAI упрощает архитектуру промптинга, выделяя четыре необязательных компонента: Цель (Goal), Контекст (Context), Формат вывода (Output Format) и Границы (Boundaries). Важно отметить, что ни один из них не является обязательным. Для простых запросов короткий промпт часто дает лучшие результаты, чем избыточно сложный набор инструкций.

Основная философия этого руководства заключается в принципе «начинай с малого». OpenAI предлагает пользователям начинать с желаемого результата, а не с последовательности детализированных шагов. Описывая конечную цель, а не процесс, вы позволяете таким моделям, как GPT-4o, самостоятельно искать, сравнивать информацию и корректировать свой подход. Подробные описания процесса следует использовать только в тех случаях, когда конкретная методология так же важна, как и конечный результат.

Ограничения вместо сценариев

Главный вывод для разработчиков и продвинутых пользователей заключается в том, что ограничения эффективнее пошаговых сценариев. Вместо того чтобы пытаться микроменеджерить каждое действие ИИ, OpenAI рекомендует внедрять одно или два «жестких правила» для предотвращения нежелательного поведения. Примеры включают такие директивы, как «Не изменяйте утвержденные цифры бюджета» или «Подготовьте это как черновик; не отправляйте его».

Этот подход «меньше значит больше» распространяется и на управление контекстом. В руководстве советуют прикреплять только те файлы (например, PDF, таблицы или изображения), которые действительно повлияют на ответ. Для ответственной профессиональной работы OpenAI предлагает использовать цикл «самопроверки», когда вы явно просите модель проверить собственный результат на наличие определенных ошибок — например, убедиться, что у каждого пункта плана назначен ответственный и указан срок выполнения.

Разграничение Chat и «Work», а также расширение возможностей Codex

OpenAI также формализует различие между «Chat» и «Work». Если Chat предназначен для быстрых запросов и перефразирования, то «Work» относится к трудоемким задачам, которые используют данные из нескольких источников (таких как Gmail, Slack или GitHub) для создания объемных результатов. Хотя задачи Work потребляют больше кредитов, они предназначены для автоматизации сложных, повторяющихся рабочих процессов.

Для разработчиков, использующих Codex, руководство представляет продвинутые возможности управления (steering) и песочницы (sandboxing). Теперь пользователи могут использовать команду "Steer" для перенаправления текущего выполнения или "Queue" для постановки следующей инструкции в очередь. Для управления сложными проектами программирования OpenAI представила специальные слэш-команды:

  • /plan: Анализирует код и предлагает подход перед выполнением.
  • /goal: Устанавливает высокоуровневую цель, которую модель отслеживает на протяжении нескольких шагов.
  • /review: Позволяет проводить аудит безопасности и логики локально или с интеграцией в GitHub.

Ключевые выводы

  • Приоритет результатам: Начинайте с желаемого результата; определяйте процесс только в том случае, если конкретные шаги критически важны для задачи.
  • Используйте ограничения, а не сценарии: Используйте жесткие границы для предотвращения ошибок, вместо того чтобы пытаться прописать каждое отдельное действие модели.
  • Используйте специализированные команды: Применяйте слэш-команды Codex, такие как /plan и /goal, для управления сложными многоэтапными техническими процессами.