Die fünf Prinzipien des Prompting
Teil des Prompt Engineering-Kurses
Du weißt bereits, was ein Prompt ist, was eine Vervollständigung ist und dass das Modell jedes Mal eine frische Antwort schreibt, statt etwas nachzuschlagen und aufzusagen. Damit stellt sich die naheliegende Frage: Wenn sich das Modell nur zu einer plausibel klingenden Antwort durchrät, wie bringst du es dazu, in Richtung dessen zu raten, was du wirklich willst?
Die Begriffe hast du jetzt: Ein Prompt geht hinein, eine Vervollständigung kommt zurück, und das Modell kommt dorthin, indem es Token für Token vorhersagt. Was dir noch fehlt, ist eine Methode. Du kannst hundert schlaue Formulierungen sammeln, aber Formulierungen nutzen sich ab, und jede Aufgabe ist ein wenig anders. ...
Möchtest du Prompt Engineering Die fünf Prinzipien des Prompting in einer echten Umgebung lernen?
Klick unten, hol dir eine Linux-Maschine mit fertigem Prompt Engineering und arbeite Die fünf Prinzipien des Prompting praktisch durch, mit einem KI-Tutor, der deinen Code kennt.
Lektion startenDie fünf Prinzipien des PromptingWas du lernen wirst
- Giving direction
- Specifying format
- Providing examples
- Evaluating quality
- Dividing labor
Lies diese Lektion in deiner Sprache
Alle Lektionen in diesem Kurs
11 Lektionen- 1Was ein Prompt ist20 Min.
- 2Wie große Sprachmodelle Text erzeugen30 Min.
- 3Die fünf Prinzipien des Prompting30 Min.
- 4Standardpraktiken für die Textgenerierung35 Min.
- 5Prompt Templates und Function Calling35 Min.
- 6Vector Databases und Retrieval-Augmented Generation40 Min.
- 7Autonome Agents: memory und tools40 Min.
- 8Wie Diffusion Models Bilder erzeugen30 Min.
- 9Standardpraktiken für die Bildgenerierung35 Min.
- 10Fortgeschrittene Bildtechniken: Inpainting, Outpainting und ControlNet35 Min.
- 11KI-gestützte Anwendungen bauen40 Min.
