Bỏ qua đến nội dung chính

Providing examples

📖 Nội dung bài học

Video này đang được xử lý. Vui lòng quay lại sau và tải lại trang.

Tóm tắt

Cung cấp ví dụ trong prompt là một trong những kỹ thuật prompt engineering hiệu quả nhất mà bạn sẽ sử dụng. Cách tiếp cận này, được gọi là "one-shot" hoặc "multi-shot" prompting, bao gồm việc đưa cho Claude các cặp đầu vào/đầu ra mẫu để định hướng phản hồi của nó.

Cách thức hoạt động của ví dụ

Hãy cùng xem một ví dụ về phân tích sắc thái (sentiment analysis). Giả sử bạn muốn Claude phân loại xem một đoạn tweet là tích cực hay tiêu cực:

Thách thức ở đây là sự mỉa mai (sarcasm). Một đoạn tweet như "Yeah, sure, that was the best movie I've seen since 'Plan 9 from Outer Space'" (Vâng, chắc chắn rồi, đó là bộ phim hay nhất tôi từng xem kể từ 'Plan 9 from Outer Space') thoạt nhìn có vẻ tích cực, nhưng thực tế nó lại mỉa mai và mang tính tiêu cực (Plan 9 nổi tiếng là một bộ phim tệ hại).

Thêm ví dụ vào Prompt của bạn

Để xử lý vấn đề này, bạn có thể thêm các ví dụ cho Claude thấy cách phản hồi chính xác:

Các yếu tố chính gồm:

  • Phần giới thiệu rõ ràng: "Here is a example input with an ideal response" (Đây là ví dụ đầu vào với phản hồi lý tưởng)
  • Thẻ XML (XML tags) để cấu trúc hóa: <sample_input> và <ideal_output>
  • Các ví dụ cụ thể minh họa hành vi mong muốn

Xử lý các trường hợp biên (Edge Cases)

Multi-shot prompting phát huy tác dụng mạnh mẽ nhất khi xử lý các trường hợp biên (edge cases). Đối với vấn đề mỉa mai, bạn có thể thêm:

Be especially careful with tweets that contain sarcasm.
For example:
<sample_input>
Oh yeah, I really needed a flight delay tonight! Excellent!
</sample_input>
<ideal_output>
Negative
</ideal_output>

Điều này cung cấp cho Claude một khuôn mẫu rõ ràng để nhận diện nội dung mỉa mai mà nếu không có ví dụ, nó có thể phân loại sai.

Định dạng đầu ra phức tạp

Ví dụ đặc biệt giá trị khi bạn cần Claude tạo ra đầu ra có cấu trúc như các đối tượng JSON hoặc các báo cáo chi tiết. Thay vì chỉ mô tả định dạng, bạn hãy cho thấy chính xác một đầu ra tốt trông như thế nào.

Tìm kiếm ví dụ tốt từ các bản đánh giá (Eval)

Khi chạy các bản đánh giá prompt (eval), hãy tìm kiếm những đầu ra có điểm số cao nhất trong báo cáo HTML:

Tìm các ví dụ đạt điểm 10 (hoặc mức điểm cao nhất bạn có) và sử dụng các cặp đầu vào/đầu ra đó làm ví dụ trong prompt của bạn. Điều này giúp Claude hiểu thế nào là "hoàn hảo" cho nhiệm vụ cụ thể của bạn.

Thêm ngữ cảnh vào ví dụ

Để có kết quả tốt hơn nữa, hãy giải thích tại sao một ví dụ lại là lý tưởng. Sau khi đưa ra đầu ra mẫu, hãy thêm một lời giải thích ngắn gọn:

</ideal_output>
This meal plan is well-structured, provides detailed information on food choices and quantities, and aligns with the athlete's goals and restrictions.

Điều này củng cố các phẩm chất cụ thể làm cho đầu ra đó trở nên giá trị.

Các thực hành tốt nhất (Best Practices)

  • Sử dụng thẻ XML (XML tags) để cấu trúc các ví dụ một cách rõ ràng.
  • Bắt đầu đơn giản với one-shot prompting, sau đó thêm nhiều ví dụ hơn nếu cần.
  • Tập trung vào các trường hợp biên (edge cases) mà Claude có thể gặp khó khăn.
  • Bao gồm lập luận về lý do tại sao các ví dụ đó là tốt khi có thể.
  • Kiểm thử lặp đi lặp lại - thêm ví dụ dựa trên kết quả đánh giá (eval).

Ví dụ có sức mạnh đặc biệt vì chúng "cho thấy" thay vì chỉ "nói". Thay vì cố gắng mô tả mọi sắc thái của những gì bạn muốn, bạn trực tiếp trình diễn nó. Điều này giúp prompt của bạn đáng tin cậy hơn và giúp Claude hiểu các yêu cầu phức tạp vốn khó có thể diễn đạt bằng lời.

🔁 Bài học liên quan

📚 Nguồn & ghi nhận

Bài học có hữu ích không?

Góp ý / Báo lỗiPhát hiện sai sót hoặc có ý tưởng cải thiện?