Kas yra prompt inžinerija?

Question

Accepted Answer

**Prompt inžinerija** yra efektyvių **prompt'ų** (instrukcijų/įvesties) kūrimo praktika, skirta gauti gerą rezultatą iš AI modelių, ypač didelių kalbos modelių (LLM). Kadangi LLM atsako į natūralios kalbos prompt'us, tai, kaip suformuluosite prompt'ą, žymiai paveikia išvesties kokybę.

## Kas yra prompt inžinerija

```text
PROMPT ENGINEERING → designing the input (PROMPT) you give an LLM to get the desired output:
  → LLMs respond to instructions in natural language → the prompt shapes the response
  → better prompts → better, more relevant, accurate results
  → no coding needed → you communicate with the model through well-crafted text
→ a key skill for effectively using LLMs
```

## Pagrindiniai metodai

```text
✓ BE CLEAR and SPECIFIC → state exactly what you want (vague prompts → vague results)
✓ Give CONTEXT → background info the model needs to respond well
✓ Specify FORMAT → ask for the output format you want (list, JSON, steps, length)
✓ Provide EXAMPLES (few-shot) → show examples of the desired input/output → guides the model
✓ Assign a ROLE → 'You are an expert...' → frames the response
✓ Break down COMPLEX tasks → step by step; 'think step by step' (chain of thought)
✓ ITERATE → refine the prompt based on results
```

## Kodėl tai svarbu

```text
→ the SAME model gives very different results based on the prompt → prompting is the
  main lever for output quality
→ effective prompting → get accurate, relevant, well-formatted, useful responses
→ increasingly valuable as LLMs are used everywhere (a practical, in-demand skill)
```

## Kodėl tai svarbu

Suprasti prompt inžineriją yra vertinga, vis labiau aktuali žinios, nes **prompt'ai yra pagrindinis būdas gauti gerą rezultatą iš LLM**, kurie naudojami visur, todėl tai yra praktinis, labai paklausus įgūdis.

Prompt inžinerija — efektyvių prompt'ų kūrimas, skirtas gauti gerą rezultatą iš LLM — yra svarbi, nes LLM atsako į natūralios kalbos prompt'us, ir **tai, kaip suformuluosite prompt'ą, žymiai paveikia išvesties kokybę**.

Suprasti, kas yra prompt inžinerija (tikslo nustatymas — suprojektuoti įvestį, kurią duosite LLM, norėdami gauti norimą rezultatą, kai geresni prompt'ai duoda geresnius rezultatus, nereikalaujant kodavimo), paaiškina šį pagrindinį įgūdį, kaip efektyviai naudoti LLM.

Suprasti **pagrindinius metodus** — būti aiškiam ir konkretam (neaiškūs prompt'ai duoda neaiškius rezultatus), pateikti kontekstą, nurodyti norimą formatą, pateikti pavyzdžius (nedaug-shot prompt'ų), priskirti vaidmenį, suskaidyti sudėtingas užduotis (grandinė-minčių, žingsnio po žingsnio mąstant), ir iteruoti — suteikia praktinį įrankių rinkinį efektyviam prompt'ų daryti.

Suprasti **kodėl tai svarbu** — kad tas pats modelis duoda labai skirtingus rezultatus, atsižvelgiant į prompt'ą (taigi prompt'ų darymas yra pagrindinis sverto taškas išvesties kokybei), kad efektyvūs prompt'ai duoda tikslūs, relevantiški, gerai suformatuoti atsakymai, ir kad tai vis labiau verte, kai LLM naudojami visur — paaiškina prompt inžinerijos svarbą ir praktinę vertę.

Kadangi LLM vis labiau integruojami į neskaitytus įrankius ir darbo srautus, gebėjimas juos naudoti efektyviai yra vis vertingesnė, labai paklausus praktinė įgūdžiai (kūrėjams ir daugeliui kitų).

Kadangi prompt'ai yra pagrindinis būdas gauti gerą rezultatą iš LLM (tas pats modelis duoda labai skirtingus rezultatus, priklausomai nuo prompt'o), LLM naudojami plačiai, ir efektyvūs prompt'ai (aiškumas, kontekstas, formatas, pavyzdžiai, vaidmenys, žingsnio po žingsnio) yra praktinis įgūdis, supratimas apie prompt inžineriją yra vertinga, vis labiau aktuali žinios — pagrindinė praktinė įgūdžiai efektyviai naudoti LLM (pagrindinis sverto taškas išvesties kokybei), vis labiau paklausus, nes LLM tampa pavasariniais, ir svarbi praktinė žinios visiems, kurie dirba su modernia AI.