Методы промпт-инженерии или как помочь ИИ помочь тебе. Часть 1.

Начнем с базы, первых двух методов, уловить разницу которых не всегда просто.

1. Direct Prompting (прямой запрос).

Не знаю почему это выделяют как отдельный подход, ну да ладно. Здесь никакой магии. Пишем LLM-ке конкретно, без намеков, хождений по кругу и ожиданий, что она прочитает твои мысли.

Пример:
Напиши эссе на тему «Влияние технологий на образование», используя три основных аргумента.

Ждали больше? А это всё. Какие три аргумента, это уже пусть LLM сама достает из своих нейроновых недр, а мы сказали конкретно что это эссе, дали тему, и ограничили тремя аргументами.

2. Zero-shot (без примеров)

Zero-shot prompting полагается на способность модели самостоятельно интерпретировать задачу без предоставления контекста, примеров или явных инструкций. Пользователь задаёт только общий запрос, ожидая, что модель поймёт задачу сама. Или не ожидая.

Пример:
«ИИ в образовании».

Как видите ни примеров, ни инструкций. Даем модели свободу творчества. Она может выдать и эссе, и не эссе. В общем, что угодно.

Давайте подведем итоги через ключевые отличия:

Ясность инструкции:
• Direct prompting: даёт чёткое указание, что сделать (перечислить, написать, объяснить).
• Zero-shot prompting: минимальная конкретика, оставляя интерпретацию модели.

Ожидание результата:
• Direct prompting: результат прогнозируем (следует указаниям).
• Zero-shot prompting: модель может ответить непредсказуемо.

Роль пользователя:
• Direct prompting: пользователь управляет процессом.
• Zero-shot prompting: пользователь передаёт инициативу модели.