カスタムGPTを開発する際に、プロンプトエンジニアリングのベストプラクティスを活用することは非常に重要です。このガイドラインでは、カスタムGPTの信頼性と正確性を高めるための手引きを提供します。
指示の改善
複雑な指示をシンプルにする
-
複数のステップを含む指示は、シンプルで管理しやすいステップに分解しましょう。これにより、モデルが正確に指示に従いやすくなります。
-
信頼性を高めるために、デリミタで区切られた「トリガー/指示ペア」を使用しましょう。これは以下のような形式になります：
トリガー: ユーザーが情報を送信する 指示: 情報をテーマ別に分析する トリガー: テーマが分析された 指示: 分析されたテーマを活用し、提案する内容を要点形式でまとめる
明確な構造化
-
第2レベルの指示は、別々のステップに分解しましょう。これにより、実行がスムーズになります。
-
指示セットとfew-shot例の間にデリミタを使用しましょう。これにより、明確性が向上します。
詳細への注意を促す
-
「時間をかけて」「深呼吸をして」「作業を確認する」などのフレーズを取り入れましょう。これにより、モデルが徹底的に作業を行うようになります。
-
指示の重要な部分を強調するために「強化言語」を使用しましょう。これにより、見落としを防げます。
否定的な指示を避ける
- 指示を肯定的に表現しましょう。これにより、順守性が高まり、混乱を避けられます。
細分化されたステップ
- 特に1つのステップ内に複数のアクションがある場合は、ステップを可能な限り細分化しましょう。
一貫性と明確性
-
Few-shot promptingを使用して、用語と期待値を明示的に定義しましょう（例：許容される変更と許容されない変更）。これにより、評価の一貫性が向上します。
-
出力のばらつきを減らすために、few-shot例で関連する分類を明確にしましょう。
ツールとアクションへの特別な注意
ナレッジファイルの活用
-
ファイル名を含む、ナレッジファイルの使用に関する明示的な指示を提供しましょう。
-
モデルにファイル全体をゆっくりと分析するよう指示し、包括的な活用を確保しましょう。
ナレッジ抽出のためのプロンプトの具体性
-
特に日付や財務データなどの重要な情報を抽出する際は、プロンプトに具体性を追加しましょう。「Few-shot prompting」を通じて具体的な例を提供しましょう。
-
特定のデータを取得する際には、モデルに徹底的に作業を確認し、時間をかけるよう促しましょう。
良い出力の例
- ナレッジとカスタムアクションに関して、良い出力がどのようなものかの例を提供しましょう。
アクションの参照
-
明確にするために、常にアクションを名前とドメインで参照しましょう。
-
必要に応じてAPIコールを含む「few-shot prompting」の例を提供し、正しいアクションが呼び出されるようにしましょう。
-
正しいアクションが呼び出されるように、異なるアクションステップにデリミタを使用しましょう。
明示的なツール使用の指示
- 指示全体を通して、Browse、Knowledge、Custom Actionsなどのツールを使用するための明示的な指示を提供しましょう。
以上のガイドラインに従うことで、カスタムGPTのパフォーマンスを最適化し、信頼性と正確性の高い出力を確保することができます。カスタムGPTの開発には工夫が必要ですが、このガイドラインを参考にしながら取り組むことで、効果的なプロンプトエンジニアリングを実践できるでしょう。
GPTsリファクタリングプロンプト(実験中)
下記のガイドラインに従って，下記のGPTsのプロンプトをリファクタリング，整形，添削．修正，改修して
# GPTs プロンプト
{}
# カスタムGPTプロンプトエンジニアリングのためのガイドライン
## 指示の改善
### 複雑な指示をシンプルにする
- 複数ステップの指示をシンプルで管理しやすいステップに分解する
- 信頼性のために、デリミタで区切られた「トリガー/指示ペア」を使用する
```
トリガー: ユーザーが情報を送信する
指示: 情報をテーマ別に分析する
トリガー: テーマが分析された
指示: 分析されたテーマを活用し、提案する内容を要点形式でまとめる
```
### 明確な構造化
- 第2レベルの指示は、別々のステップに分解する
- 指示セットとfew-shot例の間にデリミタを使用する
### 詳細への注意を促す
- 「時間をかけて」「深呼吸をして」「作業を確認する」などのフレーズを取り入れる
- 指示の重要な部分を強調するために「強化言語」を使用する
### 否定的な指示を避ける
- 指示を肯定的に表現し、順守性を高め、混乱を避ける
### 細分化されたステップ
- 特に1つのステップ内に複数のアクションがある場合は、ステップを可能な限り細分化する
### 一貫性と明確性
- few-shot promptingを使用して、用語と期待値を明示的に定義する（例：許容される変更と許容されない変更）
- 出力のばらつきを減らすために、few-shot例で関連する分類を明確にする
## ツールとアクションへの特別な注意
### ナレッジファイルの活用
- ファイル名を含む、ナレッジファイルの使用に関する明示的な指示を提供する
- モデルにファイル全体をゆっくりと分析するよう指示し、包括的な活用を確保する
### ナレッジ抽出のためのプロンプトの具体性
- 特に日付や財務データなどの重要な情報については、プロンプトに具体性を追加する
- 「few-shot prompting」を通じて具体的な例を提供する
- 特定のデータを取得する際には、モデルに徹底的に作業を確認し、時間をかけるよう促す
### 良い出力の例
- ナレッジとカスタムアクションに関して、良い出力がどのようなものかの例を提供する
### アクションの参照
- 明確にするために、常にアクションを名前とドメインで参照する
- 必要に応じてAPIコールを含む「few-shot prompting」の例を提供し、正しいアクションが呼び出されるようにする
- 正しいアクションが呼び出されるように、異なるアクションステップにデリミタを使用する
### 明示的なツール使用の指示
- 指示全体を通して、Browse、Knowledge、Custom Actionsなどのツールを使用するための明示的な指示を提供する
これらのガイドラインに従うことで、カスタムGPTのパフォーマンスを最適化し、信頼性と正確性の高い出力を確保することができます。
参考サイト
コメント