Введение

Когда мы говорим о вводе и выводе большой языковой модели (LLM), текстовый промпт (иногда сопровождаемый другими модальностями, например изображениями) — это входные данные, которые модель использует для предсказания конкретного результата. Вам не нужно быть дата-сайентистом или инженером по машинному обучению — написать промпт может каждый. Однако создание максимально эффективного промпта может оказаться непростой задачей. На эффективность влияют многие аспекты: используемая модель, данные, на которых она обучалась, конфигурация модели, ваш выбор слов, стиль и тон, структура и контекст — всё это имеет значение. Поэтому промпт-инжиниринг — это итеративный процесс. Неадекватные промпты могут привести к двусмысленным и неточным ответам и помешать модели выдать осмысленный результат.

Когда вы общаетесь с чат-ботом Gemini [1], вы, по сути, пишете промпты, однако данное руководство сфокусировано на написании промптов для модели Gemini в рамках Vertex AI или через API. Прямое обращение к модели дает вам доступ к настройкам конфигурации, таким как температура и другие параметры.

В этом руководстве промпт-инжиниринг рассматривается подробно. Мы изучим различные техники промптинга, которые помогут вам начать работу, и поделимся советами и лучшими практиками, чтобы вы стали экспертом в этой области. Мы также обсудим некоторые проблемы, с которыми вы можете столкнуться в процессе создания промптов.