Prompt Templates and Function Calling
بخشی از دوره Prompt Engineering
در درس چهارم یک پرامپت را با دست مرتب کردید: جداکننده‌ها، نقش‌ها و یکی دو مثال نمونه. این کار برای یک پرامپت جواب می‌دهد. اما وقتی لازم باشد همان پرامپت روی صدها ورودی مختلف اجرا شود، یا وقتی بخواهید مدل از دنیای متنِ خودش بیرون بیاید و کاری واقعی انجام دهد، به دو ابزار تازه نیاز دارید. این درس هر دو را پوشش می‌دهد.
کپی کردن یک پرامپت و هر بار عوض کردن یک کلمه در آن، دقیقا همان راهی است که خطاها از آن رخنه می‌کنند. متن را در یک نسخه درست می‌کنید و پنج نسخه دیگر را از یاد می‌برید. جوابش قالب پرامپت است: یک پرامپت قابل استفاده مجدد با جاهای خالی نام‌دار که همان لحظه ارسال، از داده پرشان می‌کنید. ...
می‌خواهی Prompt Engineering Prompt Templates and Function Calling را در یک محیط واقعی یاد بگیری؟
روی دکمه زیر بزن تا یک ماشین لینوکس با Prompt Engineering آماده دریافت کنی و Prompt Templates and Function Calling را به‌صورت عملی با یک مربی هوشمند که کدت را می‌شناسد تمرین کنی.
شروع این درسPrompt Templates and Function Callingچه چیزهایی یاد می‌گیری
- Prompt templates with variables
- Separating template from data
- Function calling and tool schemas
- Reading a tool call and returning a result
این درس را به زبان خودت بخوان
همهٔ درس‌های این دوره
11 درس- 1پرامپت (prompt) چیست20 دقیقه
- 2مدل‌های زبانی بزرگ چطور متن تولید می‌کنند30 دقیقه
- 3پنج اصل prompting30 دقیقه
- 4روش‌های استاندارد برای تولید متن35 دقیقه
- 5Prompt Templates and Function Calling35 دقیقه
- 6Vector Databases و Retrieval-Augmented Generation40 دقیقه
- 7Autonomous Agents: حافظه (memory) و ابزارها (tools)40 دقیقه
- 8مدل‌های diffusion چطور تصویر تولید می‌کنند30 دقیقه
- 9شیوه‌های استاندارد برای تولید تصویر35 دقیقه
- 10تکنیک‌های پیشرفته تصویر: inpainting، outpainting و ControlNet35 دقیقه
- 11ساخت اپلیکیشن‌های مبتنی بر AI40 دقیقه
دوره‌های دیگر را ببین
