0%
Bruno Rodrigues

Como estruturar um bom prompt

Transcrição

Quando a gente está estruturando um prompt para fazer uma pergunta ou solicitar algo da inteligência artificial, a gente tem que sempre tentar pensar, eu gosto muito de pensar na inteligência artificial como colega de trabalho. Né? Mas é um colega de trabalho ali, um pouquinho diferente, que normalmente ele não vai te devolver perguntas, te fazer perguntas ali, te devolver a solicitação pedindo elaborações. Ele vai tentar executar. Com o melhor que ele tem, de com com com com as informações que ele tem ali, ele vai tentar fazer o melhor que ele conseguir. Então, em outras palavras, quanto mais informação a gente dá para inteligência artificial no prompt, melhor, quanto mais. Dados a gente der, né? Quanto mais informações a gente der sobre exatamente o que a gente precisa, como a gente quer esse resultado, quais cuidados, quais detalhes, melhora exatamente como a gente faria com um colega de trabalho. Mas com esse detalhe de que um colega de trabalho, ele vai coçar a cabeça ali, pensar e falar, mas espera aí, não entendi isso. Prefere isso de um jeito ou de outro? O modelo de linguagem normalmente não vai fazer isso, ele vai sair respondendo e a primeira vista, a gente pode olhar essa resposta e falar, Hum, não tem nada a ver com o que eu estava pensando. Por isso que a gente tem que falar exatamente, comunicar bem o que a gente está pensando para os modelos de linguagem, né? Isso é fundamental para fazer um bom uso dessas ferramentas. É aprender. É se acostumar a prover o algoritmo com tudo o que ele precisa para funcionar bem. Esse é um músculo? Está. É algo que se desenvolve, é algo que a gente vai pegando prática. E conforme a gente utiliza mais e mais essas ferramentas, a gente começa a entender algumas coisas ali que facilitam esse trabalho. A gente vai ver também por aí muitas recomendações e truques e prompts prontos. Prompts prontos sempre podem ajudar. Eles são. 111 lugar para a gente começar a trabalhar em determinadas tarefas. Mas o que vai determinar mesmo é nós conhecermos bem a tarefa que tem que ser executada ou a pergunta que a gente quer fazer para o modelo de linguagem e a agente expressar ela com naturalidade, com essencialmente qualquer estrutura, né? Contanto que a gente passe de fato todas as informações para o modelo de linguagem que ele precisa. Agora, se eu vou estruturar isso com vários parágrafos, com uma lista de itens. Isso, do jeito que eu falo, mesmo com erros de gramática, não vai mudar tanto assim o resultado. O que mais importa é o dar todas as informações para o modelo de linguagem que ele precisa para chegar no objetivo que eu quero. Então a gente vê, por exemplo. Quando a gente conversa, por exemplo, com os engenheiros que trabalham nas empresas que desenvolvem esses algoritmos, alguns deles dizem, Ah, eu tenho um cuidado enorme com gramática quando eu escrevo um prompt, quando eu me comunico com o modelo de linguagem. Né? Então eu mando tudo certinho, porque na minha experiência, isso influencia a qualidade da resposta dele, não o que vá causar erros gramaticais. Eles são bem treinados para não fazer isso, mas esse engenheiro particularmente sente. Que vai vir uma resposta ali um pouquinho mais correta. Já tem outros que dizem que não, que Ah, eu não. Eu saio escrevendo de qualquer jeito, não corrijo meus erros gramaticais e eu sinto que funciona tão bem quanto. Então. Construir um bom prompt. O que a gente chama às vezes de engenharia de prompt, às vezes é um pouquinho mais arte do que uma ciência exata, justamente porque os modelos não são determinísticos. E, ainda que fosse determinísticos, cada modelo é muito diferente um do outro. A cada treinamento de uma versão nova no modelo, muda toda a estrutura interna dele e ele vai passar a ter parâmetros ali um pouquinho diferentes. Então, ainda que. Fosse determinísticos essa mudança constante das versões dos modelos. Algumas atualizações que a gente nem vê, não é? Não muda necessariamente. O ChatGPT não vai do 4 para o 5, mas ele sofre alguns updates ali também muda a forma que os algoritmos reagem aos nossos comandos. É simples assim. E é complexo assim, porque conforme a gente vai se desenvolvendo nessa arte, né? Nessa, né, nessa coisa que é mais arte do que ciência, construir esses prompts, a gente começa a reparar que. É bem difícil quando a gente está falando especialmente de tarefas mais complexas, né? Pode parecer mais difícil do que é. Para mim, certamente pareceu, especialmente no começo. E até hoje, quando a gente quando estou construindo prompts mais complexos, também é, descreveu. O que eu quero com precisão? E durante esse trabalho de escrever o que eu quero com precisão, muitas vezes eu sou obrigado a me fazer perguntas que eu não tinha nem considerado enquanto eu estava pensando naquilo que eu quero, né? Então isso força a gente pensar também exatamente no que no que que nós estamos procurando. Antes de passar essa instrução ou enquanto a gente está ajustando ali. O nosso pedido para o modelo de linguagem. Agora um acelerador tão bom quanto vários outros por aí, a gente utilizar um formato de primeiro o que que eu quero exatamente, né? Qual que é o meu objetivo? Começar por aí. Depois, qual que é o formato que eu quero que ele responda? Alguns avisos que eu posso colocar depois, né? A se preocupa exatamente com isso aqui, tome cuidado para não é deixar a tal informação de fora e por fim, o contexto, tudo que eu puder dar de contexto, o que que tem em volta daquele pedido? Por exemplo, quero responder um e-mail para um cliente, então está aqui o e-mail do cliente. Objetivo é escrever essa resposta. Para mim, o formato é 111 e-mail de resposta, mas, por exemplo, com é um estilo de escrita. Qual que é o tamanho daquela resposta vai ser curto, qual que é, quão amigável quero ser naquela resposta, as informações ali todas para definir o formato final daquilo. Os avisos de, por exemplo, esse é o nosso principal cliente, então tome cuidado máximo para não dar a entender alguma coisa de errado aqui. E o contexto é o contexto, é tudo o que tem em volta, né? Quanto mais coisas, modelo de linguagem souber, melhor, porque empresa é essa. Que cliente é esse? Qual que é o serviço que a gente presta para ele ou o produto que ele está consumindo? Qual que é o contexto que cerca esse pedido? E essa conversa aqui, né? Tem e-mails para trás disso tudo isso a gente pode despejar no modelo. Quanto mais informação melhor para ele elaborar. Essa resposta pra gente?