Новий посібник OpenAI з промптингу: фокусуйтеся на результатах, а не на покрокових сценаріях

OpenAI представила нову структуру промптингу, яка кидає виклик традиційній одержимості методом «ланцюжка думок» (chain-of-thought), закликаючи користувачів надавати пріоритет результатам, а не жорстким інструкціям. Цей зсув сигналізує про перехід до більш інтуїтивних взаємодій, орієнтованих на міркування, де моделі надається автономія замість суворого сценарію.

Чотири складові ефективного промптингу

Замість того, щоб надавати складний посібник з параметрів API або деталізовані схеми, OpenAI спрощує архітектуру промптингу до чотирьох необов'язкових компонентів: Мета (Goal), Контекст (Context), Формат виводу (Output Format) та Межі (Boundaries). Важливо, що жоден із них не є обов'язковим. Для простих запитів короткий промпт часто дає кращі результати, ніж надмірно складний набір інструкцій.

Основна філософія цього посібника полягає в тому, щоб «починати з малого». OpenAI пропонує користувачам спочатку вказувати бажаний результат, а не послідовність дрібних кроків. Описуючи кінцеву мету, а не процес, ви дозволяєте таким моделям, як GPT-4o, самостійно шукати, порівнювати інформацію та коригувати свій підхід. Детальні описи процесів слід використовувати лише тоді, коли конкретна методологія є такою ж важливою, як і кінцевий результат.

Обмеження замість сценаріїв

Головний висновок для розробників та досвідчених користувачів полягає в тому, що обмеження є ефективнішими за покрокові сценарії. Замість того, щоб намагатися мікроменеджерити кожен крок ШІ, OpenAI рекомендує впроваджувати одне або два «жорсткі правила» для запобігання небажаній поведінці. Прикладами можуть бути такі вказівки, як «Залиште затверджені цифри бюджету без змін» або «Підготуйте це як чернетку; не надсилайте».

Цей підхід «менше — це більше» поширюється і на управління контекстом. Посібник радить додавати лише ті файли (наприклад, PDF, електронні таблиці або зображення), які дійсно впливатимуть на відповідь. Для відповідальної професійної роботи OpenAI пропонує використовувати цикл «самоперевірки», коли ви прямо просите модель перевірити власний результат на наявність конкретних помилок — наприклад, переконатися, що кожному пункту плану призначено відповідального та встановлено термін виконання.

Розмежування Chat та "Work" і вдосконалення Codex

OpenAI також формалізує різницю між «Chat» та «Work». Якщо Chat призначений для швидких запитів і перефразування, то «Work» стосується складних завдань, які використовують дані з кількох джерел (таких як Gmail, Slack або GitHub) для створення масштабних результатів. Хоча завдання Work споживають більше кредитів, вони розроблені для автоматизації складних, повторюваних робочих процесів.

Для розробників, які використовують Codex, посібник представляє складні можливості керування (steering) та пісочниці (sandboxing). Тепер користувачі можуть використовувати команду "Steer", щоб перенаправити поточний запуск, або "Queue", щоб поставити наступну інструкцію в чергу. Для управління складними проєктами з програмування OpenAI представила спеціальні слеш-команди:

  • /plan: Аналізує код і пропонує підхід перед виконанням.
  • /goal: Встановлює високорівневу ціль, яку модель відстежує протягом кількох кроків.
  • /review: Дозволяє проводити аудит безпеки та логіки локально або через інтеграцію з GitHub.

Основні висновки

  • Пріоритет результатам: Починайте з бажаного результату; визначайте процес лише тоді, коли конкретні кроки є критично важливими для завдання.
  • Використовуйте обмеження, а не сценарії: Використовуйте жорсткі межі для запобігання помилкам, замість того, щоб намагатися прописати кожен окремий крок моделі.
  • Використовуйте спеціалізовані команди: Використовуйте слеш-команди Codex, такі як /plan та /goal, для управління складними багатоетапними технічними робочими процесами.