接下來我們利用OpenAI提供的訓練網站來練習,我會帶領大家邊訓練邊根據官網的解釋,來說明每個步驟。如果大家有興趣也可以從底下我提供的連結進入網站練習官方的範例是替寵物模擬器的寵物取名字,有興趣有可以看看官方範例喔!(此網站有限制token,因此生成回答可能不完全)
https://platform.openai.com/docs/quickstart
接下來,來設計我自己的提示吧!
決定一個主題,我的主題是尋找餐廳。
首先,先提問一個簡單的問題。必須要明確表達我們的訴求。我們的訴求就是找台灣的餐廳,將我們的提示提交,來看看他生成什麼補全。
接下來讓我們的指令更具體一點。將範圍限制在台灣北部區域。
可以看到我們在提示中增加一個形容,他就會生成不一樣的結果。這就是提示工程中的「編程」。
接下來再讓我們的指令變得更具體,也可以開始加一些例子。什麼樣的餐廳?可以吃火鍋的餐廳。
雖然餐廳都是火鍋店了,但這不是我們想要的結果。他並沒有告訴我們這些餐廳的地點,可能沒有捕捉到地區的部分,所以讓我們更明確的提示他範例。
規範他我們要的格式,讓他生成我們想要的答案。
這次他生成了我們要的火鍋餐廳,也告知我們地點了!
我們添加了回答格式的要求之後讓我們的溝通更有效了!
接下來來調整我們的模型。
我們上面練習的模型溫度為0,所以生成的內容幾乎都一樣。那麼什麼是溫度呢?
模型溫度(temperature)是用來控制隨機性的,介於0-2之間,溫度越接近0,模型生成的結果變得越確定、重複。
接下來我們將我們模型的溫度調至1,看看每次生成結果的變化吧!
[第一次提交]
[第二次提交]
[第三次提交]
看!溫度高於0的時候,一樣的提示,卻生成不同的結果。
降低溫度可以讓你的模型生成更準確的結果,但如果想要模型的回答變得更多變,可以試著提高溫度看看喔~
有沒有覺得上面的操作步驟很熟悉呢?
沒錯!這些都有用到我們前幾天和大家介紹的小撇步喔~(增加範例、格式限制)
還沒看過的人趕快去前三天的文章看看吧~
明天我們就會看到我們之前註冊的API要如何使用啦
一定要準時收看喔~