37
4
Đây là phần hướng dẫn giới thiệu. Bắt đầu có nghĩa là bạn đã biết hầu hết nội dung, nhưng biết nó không có nghĩa là nắm vững nó. " ” có thể được đọc thuộc lòng một cách sâu sắc nên bản thân cuốn sổ này chỉ được khuyên dùng như một “mẹo” giúp bạn ôn lại các điểm kiến thức. Bạn cần nhấp vào khóa học (bao gồm Jupyter Notebook), sau đó đọc mã, thực thi mã và sửa đổi từng dòng mã để nắm vững nó tốt hơn.
Để tránh ảo giác trong mô hình: Yêu cầu mô hình trước tiên tìm kiếm thông tin liên quan, sau đó trả lời các câu hỏi dựa trên thông tin liên quan. (Tuy nhiên, khó tránh khỏi ảo giác trong mô hình, đó cũng là hướng nỗ lực hiện nay trong lĩnh vực nghiên cứu mô hình).
Quá trình viết Lời nhắc được lặp đi lặp lại.
Các bước cơ bản: viết Nhắc, kiểm tra, phân tích lý do, viết lại (làm rõ ý), kiểm tra lại... cho đến khi hài lòng.
Trong ví dụ, chúng tôi đã thử nghiệm tóm tắt bản sao tiếp thị, sử dụng 50 từ, 3 câu, 280 ký tự, thêm người dùng mục tiêu, thêm thông số sản phẩm, thêm yêu cầu định dạng đầu ra, v.v. LLM hoạt động tốt, nhưng điều đáng chú ý là họ sẽ không nghiêm ngặt tuân theo giới hạn từ này và có thể dài hơn một chút.
Nếu bạn có một trang web thương mại điện tử với số lượng lớn đánh giá của người dùng, bạn có thể sử dụng khả năng "tóm tắt" để đơn giản hóa khối lượng công việc của mình.
LLM không chỉ hỗ trợ “tóm tắt” mà còn “trích xuất thông tin”.
Trong ví dụ này, chúng tôi đã thử nghiệm giới hạn số lượng từ, giới hạn chủ đề, tập trung vào giá cả, thay thế tóm tắt bằng trích đoạn và sử dụng vòng lặp for để áp dụng nội dung khác nhau với cùng một mẫu lời nhắc nhằm đạt được xử lý hàng loạt.
Ngoài ra trong đánh giá của người dùng, nếu muốn xem có bao nhiêu phản hồi tích cực và bao nhiêu phản hồi tiêu cực, bạn cần sử dụng khả năng "lý luận LLM".
Trong ví dụ, LLM có thể suy ra tình cảm (tình cảm) của người dùng, xác định các loại cảm xúc (chẳng hạn như: vui vẻ, hài lòng, biết ơn, ấn tượng, nội dung), trích xuất thông tin về thương hiệu và sản phẩm và xuất ra ở định dạng JSON, đồng thời thực hiện nhiều tác vụ cùng một lúc. thời gian (trích xuất sản phẩm nhận xét của người dùng và suy ra cảm xúc của người dùng), suy luận chủ đề, thiết kế chương trình nhắc nhở dựa trên chủ đề được suy luận, v.v.
Các ứng dụng chuyển đổi ngôn ngữ này sang ngôn ngữ khác có thể được gọi là ứng dụng chuyển đổi.
Các ví dụ bao gồm dịch một đoạn văn bản sang ngôn ngữ khác, xác định đoạn văn bản đó sử dụng ngôn ngữ nào, dịch sang hai hoặc nhiều ngôn ngữ cùng một lúc, chỉ định giọng điệu trang trọng hoặc không chính thức, chỉ định tình huống sử dụng ngôn ngữ, chẳng hạn như email trong các tình huống kinh doanh, ngoài việc dịch Ngôn ngữ tự nhiên còn có thể dịch từ json sang ngôn ngữ lập trình như html và yêu cầu LLM giúp bạn sửa lỗi ngữ pháp.
Nhận mã Python có thể đánh dấu sự khác biệt của văn bản:
Trung tâm cá nhân
Điều phát hành
từ bỏ
từ IPython.display nhập hiển thị, Markdown, Latex, HTML, JSON từ redlines nhập Redlines diff = Redlines(text,response) display(Markdown(diff.output_markdown))
LLM giỏi viết một văn bản ngắn dài hơn, thêm một số sửa đổi và kết hợp một số phong cách ngôn ngữ cụ thể.
Trong ví dụ, LLM đóng vai trò là trợ lý trả lời email. Yêu cầu LLM viết thư trả lời cho email của khách hàng, yêu cầu LLM sử dụng các chi tiết trong thư của khách hàng (để khiến khách hàng cảm thấy chân thực hơn) và điều chỉnh giá trị nhiệt độ để thư trả lời bớt cứng nhắc hơn.
Vui lòng không sử dụng nó cho các công việc vô trách nhiệm như viết thư rác.
Thông báo được gửi tới API OpenAI chứa ba vai trò: hệ thống, người dùng và trợ lý. Hệ thống đặt ra phong cách chung, các hạn chế và thông tin khác, người dùng đại diện cho con người và trợ lý đại diện cho LLM.
def get_completion(prompt, model="gpt-3.5-turbo"): messages = [{"role": "user", "content": prompt}] response = openai.ChatCompletion.create( model=model, messages=messages, temperature=0, # đây là mức độ ngẫu nhiên của đầu ra của mô hình) return response.choices[0].message["content"] def get_completion_from_messages(messages, model="gpt-3.5-turbo", temperature=0): response = openai.ChatCompletion.create( model=model, messages=messages, temperature=temperature, # đây là mức độ ngẫu nhiên của đầu ra của mô hình) # print(str(response.choices[0].message)) return response.choices[0].message["content"] messages = [ {'role':'system', 'content':'Bạn là một trợ lý nói như Shakespeare.'}, {'role':'user', 'content':'kể cho tôi một câu chuyện cười'}, {'role':'assistant', 'content':'Tại sao con gà lại băng qua đường'}, {'role':'user', 'content':'Tôi không biết'} ] response = get_completion_from_messages(messages, temperature=1) print(response)
Ví dụ hiển thị GUI tương tác:
def collect_messages(_): prompt = inp.value_input inp.value = '' context.append({'role':'user', 'content':f"{prompt}"}) response = get_completion_from_messages(context) context.append({'role':'assistant', 'content':f"{response}"}) panels.append( pn.Row('User:', pn.pane.Markdown(prompt, width=600))) panels.append( pn.Row('Assistant:', pn.pane.Markdown(response, width=600, style={'background-color': '#F6F6F6'}))) return pn.Column(*panels) import panel as pn # GUI pn.extension() panels = [] # collect display context = [ {'role':'system', 'content':""" Bạn là OrderBot, một dịch vụ tự động thu thập đơn hàng cho một nhà hàng pizza. \ Đầu tiên, bạn chào khách hàng, sau đó thu thập đơn hàng, \ rồi hỏi xem đó là đơn hàng đến lấy hay giao hàng. \ Bạn đợi để thu thập toàn bộ đơn hàng, sau đó tóm tắt và kiểm tra \ lần cuối xem khách hàng có muốn thêm bất kỳ thứ gì khác không. \ Nếu đó là đơn hàng giao hàng, bạn yêu cầu địa chỉ. \ Cuối cùng, bạn thu thập thanh toán.\ Đảm bảo làm rõ tất cả các tùy chọn, phần bổ sung và kích cỡ để \ nhận dạng duy nhất mục từ menu.\ Bạn trả lời theo phong cách ngắn gọn, rất thân thiện khi trò chuyện. \ Thực đơn bao gồm \ pizza pepperoni 12,95, 10,00, 7,00 \ pizza phô mai 10,95, 9,25, 6,50 \ pizza cà tím 11,95, 9,75, 6,75 \ khoai tây chiên 4,50, 3,50 \ salad Hy Lạp 7,25 \ Lớp phủ: \ phô mai thêm 2,00, \ nấm 1,50 \ xúc xích 3,00 \ thịt xông khói Canada 3,50 \ sốt AI 1,50 \ ớt chuông 1,00 \ Đồ uống: \ coke 3,00, 2,00, 1,00 \ sprite 3,00, 2,00, 1,00 \ nước đóng chai 5,00 \ """} ] # tích lũy tin nhắn inp = pn.widgets.TextInput(value="Xin chào", placeholder='Nhập văn bản tại đây…') button_conversation = pn.widgets.Button(name="Chat!") interactive_conversation = pn.bind(collect_messages, button_conversation) dashboard = pn.Column(inp, pn.Row(button_conversation), pn.panel(interactive_conversation, loading_indicator=True, height=300), ) dashboard
Điều cần lưu ý ở đây là vì bối cảnh mang tính toàn cầu nên mỗi tin nhắn sẽ mang các tin nhắn lịch sử trước đó và được gửi đến máy chủ.
Ban đầu tôi đã xuất bản bài viết này tại https://volnet.hashnode.dev/gpt-prompt-dev-deeplearningai. Tôi nói rằng nó đã được xuất bản, tức là tôi viết nó cho vui, thậm chí tôi còn đăng ký blog vì tò mò. Tôi thấy Nhiều tài khoản công khai về việc cắt tỏi tây đã bị lấy đi một cách lặng lẽ Nghĩ mà xem, vì có người cần nên tôi cũng có thể đăng nó lên blog yêu thích mãi mãi của mình ~.
Vui lòng ghi rõ nguồn khi in lại: https://www.cnblogs.com/volnet/p/gpt-prompt-dev-deeplearningai.html.
Cuối cùng, bài viết về [Ghi chú] Học Kỹ thuật Word nhanh chóng với Ng Enda và Isa Fulford (Khóa học giới thiệu dành cho nhà phát triển cấp dưới) kết thúc tại đây. Nếu bạn muốn biết thêm về [Ghi chú] Học Kỹ thuật từ nhanh chóng với Ng Enda và Isa Fulford (Junior). Khóa học dành cho nhà phát triển cấp độ) Đối với nội dung "Khóa học giới thiệu dành cho nhà phát triển", vui lòng tìm kiếm các bài viết của CFSDN hoặc tiếp tục duyệt các bài viết liên quan. Tôi hy vọng bạn sẽ ủng hộ blog của tôi trong tương lai! .
37
4
0
Giả sử bạn có một nhà kho nhận đơn đặt hàng trong ngày. Các đơn hàng này có thể là lấy hàng hoặc thêm hàng vào kho. Vào cuối ngày, bạn có một danh sách các mặt hàng vẫn còn trong kho. Vì lao động rất khan hiếm nên có thể xảy ra trường hợp hệ thống bán vé của kho không nhận được đơn hàng vào cùng ngày nhận đơn hàng.
Một số tài nguyên tốt để học các hoạt động/kỹ thuật/lập trình âm thanh là gì? Câu trả lời hay nhất Nếu bạn thích viết hiệu ứng âm thanh thì hai trang web này rất hay: Diễn đàn nhà phát triển Music DSP KVR Về âm thanh - Có gì để học các thao tác âm thanh/
Chương trình của tôi viết sai struct vector v; thay vì vector v; nhưng trình biên dịch dường như không quan tâm: http://codepad.org/TCPb8p2u Tại sao nó hoạt động? Có nên sử dụng hay không sử dụng struct tồn tại
Tôi đã tạo một lớp Cài đặt tự động truy xuất hoặc in các giá trị cài đặt trên JTextField được liên kết. Hàm liên kết của tôi trông như thế này: public void bindToInput(final String s
Ví dụ sau được biên dịch, nhưng kết quả đầu ra là lạ: #include #include struct A { int a; bool c };
Làm cách nào để mở dự án Flutter hiện có do Android Studio sản xuất trên Mac-Os và xuất phiên bản ipa của ứng dụng? Điều này có thể được thực hiện bằng phiên bản Mac-Os của Android Studio hay tôi phải sử dụng X-Co
Tôi là một lập trình viên xuất sắc, rất giỏi!