Standardpraktiken für die Textgenerierung
Teil des Prompt Engineering-Kurses
Lektion zwei und drei haben dir ein Gefühl dafür gegeben, wie das Modell Text tatsächlich Token für Token erzeugt, und dazu die fünf Prinzipien, mit denen du es lenkst. Diese Lektion macht aus diesem Verständnis ein paar feste Gewohnheiten, die die Textgenerierung zuverlässig genug machen, um darauf aufzubauen.
Wenn dein Prompt sowohl eine Anweisung als auch einen Textblock enthält, auf den sie sich bezieht, muss das Modell selbst herausfinden, wo das eine endet und das andere anfängt. Hängst du beides einfach aneinander, kann es einen Teil deiner Daten für eine neue Anweisung halten oder deine Anweisung in genau den Text hineinziehen, den es zusammenfassen soll. ...
Möchtest du Prompt Engineering Standardpraktiken für die Textgenerierung in einer echten Umgebung lernen?
Klick unten, hol dir eine Linux-Maschine mit fertigem Prompt Engineering und arbeite Standardpraktiken für die Textgenerierung praktisch durch, mit einem KI-Tutor, der deinen Code kennt.
Lektion startenStandardpraktiken für die TextgenerierungWas du lernen wirst
- Prompt formatting and delimiters
- System, user, and assistant roles
- Few-shot prompting
- Parsing structured output like JSON
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.
