Sluta skriva om uppmaningar: mallar, personas och få-shot-exempel

Alla som använder en språkmodell regelbundet har samma arkeologiska problem: någonstans i en chatthistorik finns prompten som producerade exakt den utdata du ville ha, för tre veckor sedan, och du kan inte hitta den. Så du skriver om en uppskattning, får något nära och justerar - varje gång, för samma återkommande uppgift. Fixningen är inte ett bättre minne. Det är att behandla en prompt som fungerar som en artefakt du behåller.

Separera det som förändras från det som inte gör det

Titta på en prompt du kör varje vecka så hittar du två delar. Det finns en stabil del - rollen, begränsningarna, utdataformatet, de saker du vill undvika - och en variabel del, som vanligtvis är ett dokument och två eller tre detaljer. Att skriva om den stabila delen varje gång är varifrån driften kommer: varje omskrivning är något annorlunda, och du vet aldrig om utdatan ändrades för att din inmatning ändrades eller för att du omformulerade en instruktion utan att mena det.

Skriv det en gång med platshållare istället. De snabb mallar tar en mall med {{placeholder}} markörer och en lista över key = value par och fyller i dem. Lagra mallen, ange värdena, klistra in resultatet. Den stabila delen är nu byte-identisk för varje körning, vilket gör dina utdataskillnader meningsfulla – och, som en sidofördel, håller leverantörens prompt-cachning fungerande, eftersom cachning beror på ett oförändrat prefix.

Vissa platshållare är värda att ha även när du tror att du inte behöver dem: publiken, utdatalängden, formatet och tonen. Det är precis de parametrarna du korrigerar i ett uppföljningsmeddelande, och en uppföljning kostar en hel extra rundresa av hela samtalet.

Personblocket

Stalldelen brukar öppnas med en beskrivning av vem modellen ska vara. Skrivet slentrianmässigt slutar detta som tre vaga meningar som gör mindre än vad folk antar. Skrivet medvetet är det den del av prompten som har högst hävstång, eftersom den ställer in standardinställningar för allt du inte anger senare.

Vad som faktiskt hjälper: en specifik roll snarare än en smickrande ("en teknisk redaktör som klipper 30 % av varje utkast" slår "en skrivande expert i världsklass"), publiken och deras nivå, ett explicit utdataformat och - mest underskattat - en kort lista över saker att inte göra. Negativa begränsningar är oglamorösa och de fungerar: "ingen inledning, ingen sammanfattning i slutet, inga punktlistor längre än fem poster" tar bort de tre vanligaste störningarna på en rad.

De Generator av AI persona prompt sätter ihop det blocket från några få fält, så resultatet har samma struktur varje gång snarare än beroende på vad du råkade tänka på. Behåll det sammansatta blocket i dina anteckningar och återanvänd det som rubrik för varje mall som delar en publik.

Exempel slår adjektiv

När uppgiften är en transformation med en specifik stil – att skriva om supportsvar, extrahera fält, klassificera biljetter, konvertera anteckningar till ett husformat – blir instruktionerna snabbt. Du kan skriva tre stycken om den ton du vill ha och få utdata som är nästan rätt på ett sätt som du inte riktigt kan formulera. Två bearbetade exempel fixar det direkt, eftersom modellen kan se kartläggningen istället för att sluta sig till den från beskrivningen.

Formatering är viktigare här än vad folk förväntar sig. Exempel behöver konsekventa avgränsare, konsekventa etiketter och samma fältordning varje gång, eller så lägger modellen uppmärksamhet på att utarbeta konventionen istället för innehållet. De få skotts snabbbyggare genererar en tom mall med numrerade input/output block så strukturen är fixerad innan du börjar fylla i den — vilket är just den disciplin som handskrivna exempel saknar av den tredje.

Tre praktiska regler. Använd två till fem exempel; utöver det betalar du tokens för minskande avkastning. Inkludera ett kantfall - ett tomt fält, en tvetydig ingång, något som borde ge svaret "Jag vet inte" - eftersom exempel definierar gränserna lika mycket som mitten. Och gör exemplen verkliga: uppfunna sådana tenderar att vara snyggare än dina faktiska data, och modellen lär sig städningen.

När ingången är större än fönstret

En mall överlever kontakt med ett långt dokument endast om dokumentet passar. När den inte gör det är delning svaret, och delning bra är en fråga om bitgränser: en bit som slutar mitt i meningen tvingar modellen att gissa, och en bit som slutar mitt på rekordet producerar en partiell extraktion som den med säkerhet kommer att rapportera som komplett.

De snabb splitter delar upp text i sekventiella bitar under en teckengräns du anger, bryter mot vettiga gränser och numrerar delarna, så att var och en kan gå ut med samma instruktionsblock bifogat. Två saker gör resultaten dramatiskt bättre: ange summan i varje dels instruktion ("del 3 av 7, sammanfatta inte förrän den sista delen"), och håll instruktionen identisk över bitar istället för att redigera den allt eftersom.

Mina din egen historia

Den bästa källan till mallar är de uppmaningar du redan skrivit som fungerade. Chattranskriptioner som kopieras från ett webbgränssnitt är en enda röra – sammanflätade roller, UI-artefakter, tidsstämplar, kopieringsknappar som återges som herrelös text – och det är därför ingen går tillbaka genom dem.

De AI-chattloggtolkare rensar en inklistrad ChatGPT- eller Claude-utskrift till en snygg användare/assistent-dialog som du faktiskt kan läsa och söka. En gång i veckan kör du de sessioner som producerade något du använde, dra ut de uppmaningar som fungerade och förvandla dem till mallar. Det är en vana på femton minuter som förvärras snabbare än någon form av snabba tekniska råd.

Behandla uppmaningar som kod

Tre metoder som folk kommer fram till så småningom och bör ta till sig i början:

• Version dem. Håll uppmaningar i filer, i förvaret, bredvid koden som skickar dem. En uppmaning på en wikisida är en uppmaning som ingen kan skilja på.
• Behåll fasta testingångar. Tre eller fyra representativa dokument kör du igen när du ändrar uppmaningen eller modellen. Utan dem är "den nya versionen verkar bättre" oförfalsbar - och varje modelluppgradering är en tyst beteendeförändring.
• Anteckna vilken modell det skrevs mot. En uppmaning som är anpassad till en modells egenheter kan bete sig annorlunda på nästa, och att veta vad den byggdes för talar om för dig var du ska leta när utgången ändras.

Inget av detta kräver en plattform. En mapp med textfiler, en mall med platshållare och en vana att spara de som fungerade kommer att överträffa en ostrukturerad chatthistorik på obestämd tid. Varje verktyg som nämns här körs lokalt i din webbläsare, så de uppmaningar och transkriptioner du organiserar – som rutinmässigt innehåller klientmaterial och interna detaljer – stannar kvar på din maskin.