Программирование баз данных на Oracle, техническая документация, литература, статьи и публикации



| Термин | Что означает | Пример |
|---|---|---|
| Промт | Текстовый запрос, который подаётся модели. | «Составь план урока по теме «Электромагнетизм» для 10‑летних детей» |
| Контекст | Информация, которую вы передаёте модели до основного вопроса (например, предыстория, ограничения). | «Ты — опытный учитель математики. …» |
| Токен | Минимальная единица, которую «ует модель (часто слово или часть слова). | «промт» → 2 токена |
| Температура | Параметр, регулирующий «креативность» вывода: 0 – детерминированно, 1 – более свободно. | temperature=0.2 |
| Топ‑p (nucleus sampling) | Выбирает токены из «ядра» самых вероятных, суммарная вероятность = p. | top_p=0.9 |
| Система‑сообщение | Инструкция для модели о её роли/поведении (в чат‑моделях). | «Ты — помощник‑репетитор, объясняющий сложные темы простыми словами» |
Важно: каждый из этих терминов влияет на то, как модель «понимает» ваш запрос.
Шаблон:
Ты — [роль].
[Задача].
[Ограничения].
[Пример].
Ты — опытный преподаватель биологии.
Объясни процесс фотосинтеза, используя простые аналогии.
Ответ должен быть не более 150 слов, в виде списка из 5 пунктов.
Пример: 1) Свет — как лампа в комнате...
Почему? Чем точнее формулировка, тем меньше «потери» токенов на догадки модели.
| Формат | Как описать в промте | Пример |
|---|---|---|
| Список | «Сделай список из N пунктов» | «Список из 7 советов» |
| Таблица | «Представь данные в виде таблицы с колонками A, B, C» | «Таблица: ФИО, Возраст, Должность» |
| Код | «Выведи код на Python, который …» | «Функция, считающая факториал» |
| Текст‑параграф | «Напиши короткое описание в 2‑3 предложениях» | «Кратко опиши преимущества» |
Если задача зависит от предшествующей информации, включайте её в начало:
Контекст: Вы готовите презентацию о климатических изменениях для конференции в 2025 году.
Задача: Сгенерируй 5 слайдов с заголовками и коротким описанием.
| Ошибка | Почему возникает | Как исправить |
|---|---|---|
| Слишком общий запрос | Модель пытается «угадать» детали. | Добавьте конкретику, ограничения, примеры. |
| Отсутствие роле | Модель может отвечать в нежелательном стиле. | Укажите роль («Ты — наставник», «Ты — маркетолог»). |
| Неуказанный формат | Вы получаете свободный текст, а нужен список/таблица. | Чётко опишите требуемый формат. |
| Слишком длинный запрос | Токен‑лимит может быть превышен, часть контекста отрежется. | Сократите контекст, используйте ссылки/сокращения. |
| Противоречивые ограничения | Модель «запутывается» и генерирует непредсказуемый ответ. | Проверьте, чтобы ограничения не конфликтовали (например, «не более 50 слов» и «подробный пример»). |
| Отсутствие примера | Модель не понимает, какой именно стиль вам нужен. | Добавьте короткий образец вывода. |
Плохой промт:
Сделай план проекта.
Хороший промт:
Ты — менеджер проектов в IT‑компании.
Составь план разработки мобильного приложения за 3 месяца.
Включи 5 основных этапов, каждый из которых описан в 2‑3 предложениях, и укажи ключевые метрики успеха для каждого этапа.
Ответ представь в виде таблицы с колонками: Этап, Описание, Метрика.
Плохой промт:
Объясни квантовую запутанность.
Хороший промт:
Ты — популяризатор науки.
Объясни квантовую запутанность так, чтобы её понял 12‑летний школьник, используя аналогию из повседневной жизни.
Ответ должен быть в виде 4 пунктов, каждый пункт — один короткий абзац (не более 30 слов).
| Инструмент | Как использовать | Пример |
|---|---|---|
| Prompt‑templates (шаблоны) | Сохраняйте частоиспользуемые структуры в текстовом файле или в менеджере шаблонов. | {{role}}: {{task}}. {{constraints}}. |
| Few‑shot prompting | Добавляйте 1‑2 примера правильного вывода, чтобы «показать» модель желаемый стиль. | Пример 1: … Ответ: … |
| Chain‑of‑thought | Попросите модель «продумать» решение шаг за шагом перед окончательным ответом. | Сначала перечисли все шаги, затем дай итоговый результат. |
| Temperature‑tuning | Для креативных задач ставьте 0.7‑0.9, для фактических — 0‑0.2. | temperature=0.3 |
| Токен‑калькулятор | Считайте количество токенов (≈ 4‑5 символов на токен) чтобы не превысить лимит. | 150 слов ≈ 200 токенов |
Совет: ведите журнал промтов (Google Docs, Notion), где фиксируете каждый вариант и результат. Это ускорит будущие эксперименты.
Сформулируйте промт, который попросит модель создать рекламный слоган для нового экологичного продукта «EcoBottle». Требования:
Напишите промт, в котором модель должна сгенерировать план занятия по теме «Алгоритмы сортировки» для студентов‑первокурсников. Требования:
Создайте промт, который попросит модель объяснить разницу между «supervised learning» и «unsupervised learning» на русском языке, используя таблицу и пример кода на Python для каждого типа. Требования:
Сформулируйте промт, который генерирует 5 вопросов‑тестов по теме «Основы дифференциальных уравнений» с вариантами ответов (A‑D) и указанием правильного.. Требования:
Напишите промт, где модель должна составить меню на один день для вегетарианца, учитывая калорийность 2000 ккал и баланс белков, жиров и углеводов. Требования:
Готово! Теперь вы знаете, как превратить обычный запрос в точный, управляемый и эффективный промт. Применяйте полученные правила, экспериментируйте и фиксируйте лучшие шаблоны — и ваша работа с нейросетями станет быстрее, а результаты — более предсказуемыми. Удачной практики!