Pagaliau iššifravau AI Prompt kodą po daugybės bandymų ir klaidų

AI Prompt Engineering Meistrystė - Išsamus vadovas rašyti veikiančias užklausas
Nematomas menas, skiriantis AI naujokus nuo meistrų
Pagrindinė Tiesa

AI neskaito jūsų minčių. Jis skaito jūsų žodžius. Atotrūkis tarp to, ko norite, ir to, ką gaunate, beveik visada yra komunikacijos problema, o ne AI apribojimas.

Leiskite papasakoti apie akimirką, kai viskas pasikeitė. Žiūrėjau į ekraną, neįtikėtinai nusivylęs, stebėdamas, kaip AI generuoja dar vieną atsakymą, kuris techniškai buvo teisingas, bet visiškai praleido esmę. Buvau paprašęs pagalbos pertvarkyti sudėtingą kodo dalį, ką buvau daręs šimtus kartų anksčiau. Tačiau šį kartą, nesvarbu, kaip formulavau savo prašymą, AI ir toliau pridėjo nereikalingo sudėtingumo, laužė esamus modelius ir "tobulino" dalykus, kurie nebuvo sugedę. Tas nusivylimas nuvedė mane į triušio olą, kuri pareikalavo kitų dvejų mano gyvenimo metų – ir visiškai pakeitė mano darbą su dirbtiniu intelektu.

Pabudimas - Kai Viskas, Ką Žinojau, Nustojo Veikti

Prisimenu tą tikslią akimirką, kai supratau, kad neturiu supratimo, ką darau. Buvo vėlu, terminas artėjo, ir man reikėjo AI pagalbos su tuo, kas turėjo būti paprasta užduotis. Įvedžiau savo užklausą, paspaudžiau enter ir stebėjau, kaip AI sukuria kažką, kas privertė mane norėti išmesti nešiojamąjį kompiuterį pro langą.

Esmė ta, kad maniau, jog suprantu AI. Naudojau ChatGPT nuo pat pirmųjų dienų. Skaičiau straipsnius apie prompt inžineriją. Žinojau apie "vaidmenų žaidimą" ir "buvimą konkrečiu". Bet štai aš buvau, gaudamas atsakymus, kurie jautėsi kaip kalbėjimas su kuo nors, kas girdėjo kiekvieną mano žodį, bet visiškai nesuprato, ko man iš tikrųjų reikėjo.

Tas nusivylimas tapo mano mokytoju. Pasinėriau į oficialią dokumentaciją, mokslinius straipsnius, forumų diskusijas ir tūkstančius valandų eksperimentų. Tai, ką atradau, nebuvo tik patarimai ir gudrybės – tai buvo visiškas paradigmos pokytis bendraujant su mašinomis, kurios mąsto modeliais, tikimybėmis ir tokenais.

💡

Galingiausias AI pasaulyje yra nenaudingas, jei negalite perteikti to, ko jums iš tikrųjų reikia. Prompting nėra magiškų žodžių radimas – tai supratimas, kaip AI apdoroja kalbą, ir jūsų komunikacijos struktūrizavimas atitinkamai.

Štai tiesa, kurios niekas nesako pradedantiesiems: skirtumas tarp žmonių, kurie gauna nuostabius rezultatus iš AI, ir tų, kurie ne, nėra intelektas ar techniniai įgūdžiai. Tai komunikacija. Ir komunikacija su AI vadovaujasi taisyklėmis, kurios yra panašios į – bet kritiškai skiriasi nuo – bendravimo su žmonėmis.

Šiame vadove pateikiama viskas, ką išmokau toje kelionėje. Ne pernelyg supaprastinti "tiesiog būkite konkretūs" patarimai, kurie užplūsta internetą, bet gilus, niuansuotas supratimas, kuris transformuoja jūsų darbą su AI. Nesvarbu, ar rašote savo pirmąją užklausą, ar kuriate gamybines AI sistemas, tai, kas pateikiama toliau, pakeis jūsų santykį su dirbtiniu intelektu amžiams.

Pagrindas, Kurio Niekas Nemoko - Pagrindinė Prompt Anatomija

Prieš pradedant nagrinėti pažangias technikas, leiskite pasidalinti sistema, kuri man viską pakeitė. Kiekviena efektyvi užklausa, kurią dabar rašau, turi tam tikrą šių penkių elementų derinį:

1
Kontekstas (Context)

Ką AI turi žinoti apie jūsų situaciją? Pagrindinė informacija, apribojimai, svarbios detalės ir aplinka, kurioje dirbate.

2
Užduotis (Task)

Ką tiksliai norite, kad AI padarytų? Būkite konkretūs dėl veiksmo, kurio prašote – ne tik tema, bet ir realus darbas.

3
Formatas (Format)

Kaip turėtų būti struktūrizuota išvestis? Sąrašai, pastraipos, kodo blokai, lentelės, JSON – nurodykite tai aiškiai.

4
Apribojimai (Constraints)

Ko AI turėtų vengti? Kokios ribos egzistuoja? Kas yra aiškiai už ribų?

5
Pavyzdžiai (Examples)

Ar galite parodyti, ko norite? Pavyzdžiai verti tūkstančio aprašymų – jie demonstruoja, o ne aiškina.

Dauguma žmonių įtraukia tik užduotį. Jie prašo "Parašyk man el. laišką", kai turėtų sakyti "Parašyk profesionalų el. laišką klientui, paaiškinantį projekto vėlavimą. Išlaikyk jį trumpesnį nei 150 žodžių, pripažink nepatogumus ir pasiūlyk naują laiko juostą po dviejų savaičių. Tonas turėtų būti atsiprašantis, bet užtikrintas."

Skirtumas išvesties kokybėje yra dramatiškas. Ir tai tik pradžia.

Struktūros Galia

Vienas labiausiai neįvertintų prompt rašymo aspektų yra struktūrinis formatavimas. Modernūs AI modeliai ypač gerai reaguoja į aiškiai apibrėžtus skyrius. Plačiai naudoju XML stiliaus žymas, nes jos sukuria nedviprasmiškas ribas:

Struktūrizuotas Prompt Šablonas
<context>
Tu padedi man parengti pristatymą techniniams suinteresuotiesiems asmenims.
Auditorija yra susipažinusi su programinės įrangos kūrimu, bet ne konkrečiai su AI.
</context>

<task>
Paaiškink, kaip veikia dideli kalbos modeliai 5 pagrindiniuose punktuose.
</task>

<format>
- Naudok punktus
- Kiekvienas punktas turėtų būti 1-2 sakinių
- Venk žargono arba apibrėžk jį, kai naudojamas
</format>

<constraints>
- Neminiuok konkrečių modelių pavadinimų
- Susikoncentruok į sąvokas, ne į techninį įgyvendinimą
- Išlaikyk bendrą ilgį mažesnį nei 200 žodžių
</constraints>

Ši struktūra daro kai ką galingo: ji verčia jus aiškiai pagalvoti apie tai, ko jums reikia, prieš klausiant. Aiškus mąstymas sukuria aiškią komunikaciją, o aiški komunikacija sukuria aiškius rezultatus. XML žymos nėra magija – tai pastoliai jūsų pačių mintims.

🎯

Struktūra nėra skirta tam, kad užklausos būtų ilgesnės – ji skirta tam, kad jūsų ketinimai būtų nedviprasmiški. Gerai struktūrizuota trumpa užklausa kiekvieną kartą nugali padriką ilgą.

Šešios Mąstysenos, Kurios Pakeitė Viską

Po metų eksperimentavimo aš susisteminau savo požiūrį į šešias pagrindines "mąstysenas" – ne griežtus šablonus, bet lanksčius mąstymo modelius, kurie atrakina AI galimybes, kurių dauguma žmonių niekada neatranda. Tai ne apie tobulų žodžių radimą; tai apie požiūrį į AI sąveiką su tinkamu mentaliniu modeliu.

1 Mąstysena: Leiskite AI Pasirinkti Ekspertą

Mes visi žinome, kad vaidmens suteikimas AI padeda. "Elkis kaip rinkodaros ekspertas" duoda geresnių rinkodaros patarimų nei bendras klausimas. Bet štai ką dauguma žmonių praleidžia: kai nežinote, kuris ekspertas būtų geriausias jūsų klausimui, galite paprašyti AI pasirinkti.

Atradau tai planuodamas įmonės renginį. Neturėjau supratimo, ar man reikia rinkodaros perspektyvos, operacijų perspektyvos ar kažko visiškai kito. Taigi užuot spėliojęs, paprašiau AI pirmiausia pasirinkti tinkamiausią ekspertą.

Eksperto Pasirinkimo Prompt
Noriu ištirti [SRITĮ] ir konkrečiai [PROBLEMĄ/SCENARIJŲ].
Dar neatsakyk.

Pirmiausia, pasirink tinkamiausią srities ekspertą mąstyti apie šią problemą.
Jie gali būti gyvi ar istoriniai, žinomi ar gana nežinomi, 
bet turi būti tikrai puikūs šioje konkrečioje srityje.
Jei nesi tikras, užduok man 2 pozicionavimo klausimus prieš pasirenkant.

Išvestis:
1. Ką pasirinkai ir jų konkreti sritis
2. Kodėl juos pasirinkai (trys sakiniai)

Tada paprašyk manęs aprašyti mano detalų klausimą.

Kai naudojau tai renginių planavimui, AI pasirinko Priya Parker – renginių dizaino ekspertę, apie kurią niekada nebuvau girdėjęs, bet kuri pasirodė tobula. Atsakymai, kuriuos gavau, nebuvo bendri "apsvarstykite šiuos penkis veiksnius" atsakymai – jie buvo niuansuotos, specifinės gairės, kurios jautėsi kaip pokalbis su kuo nors, kas tai darė šimtus kartų.

2 Mąstysena: Leiskite AI Pirmiausia Užduoti Klausimus

Tai technika, kurią naudoju dažniau nei bet kurią kitą. Vadinu tai "Sokratiniu Prompting'u" – užuot bandęs numatyti viską, ką AI reikia žinoti, leidžiu jam užduoti man klausimus, kol jis turi pakankamai konteksto, kad pateiktų tikrai naudingą atsakymą.

Pagalvokite apie tai: kai prašote protingo draugo patarimo, jis iš karto nepradeda atsakymo. Jis užduoda patikslinančius klausimus. Jis tiria kontekstą. Jis įsitikina, kad supranta prieš patardamas. AI gali daryti tą patį – bet tik jei paprašysite.

Sokratinio Prompting'o Šablonas
[JŪSŲ KLAUSIMAS AR POREIKIS]

Prieš atsakant, prašau pirmiausia užduoti man klausimus.

Reikalavimai:
- Užduok vieną klausimą vienu metu
- Remdamasis mano atsakymais, tęsk tyrimą
- Tęsk tol, kol turėsi 95% pasitikėjimą, kad supranti 
  mano tikruosius poreikius ir tikslus
- Tik tada pateik savo atsakymą ar sprendimą

95% riba užtikrina kokybę, vengiant begalinių ciklų.

Naudojau tai spręsdamas, ar samdyti mūsų pirmąjį HR asmenį. Užuot gavęs bendrą "HR samdymo pliusai ir minusai" atsakymą, AI klausė apie mūsų dabartinį komandos dydį, samdymo greitį, atitikties reikalavimus, biudžeto apribojimus ir kultūros tikslus. Atsakius į apie penkiolika tikslinių klausimų, gavau patarimą, kuris buvo specifinis mano faktinei situacijai – ne vadovėlinis atsakymas, kuris tiko tik iš dalies.

🔑

"95% pasitikėjimo riba" yra esminė detalė. Ji pakankamai aukšta, kad užtikrintų kokybę, bet pakankamai reali, kad AI neužstrigtų amžinai. Ši viena frazė transformuoja, kaip AI žiūri į pokalbį.

3 Mąstysena: Debatuokite su AI

AI turi problemą, kurios dauguma žmonių nesupranta: jis per daug sukalbamas. Jis dažnai pasakys jums tai, ką norite girdėti, o ne mes iššūkį jūsų prielaidoms. Šis "pataikavimas" gali būti pavojingas, kai bandote patvirtinti idėjas ar pasiruošti kritikai.

Sprendimas yra aiškiai pozicionuoti AI kaip priešininką, kuris nori paneigti jūsų poziciją. Atradau tai ruošdamasis konferencijos pranešimui. Turėjau tezę, kurią norėjau pristatyti, bet nerimavau dėl aklųjų zonų.

Debatų Prompting'o Šablonas
Ruošiuosi pradėti debatus. Daugelis žmonių ginčys mano poziciją.

Mano pozicija: [JŪSŲ TEZĖ/IDĖJA]

Man reikia, kad ši idėja taptų neperšaunama.

Jei būtum mokslininkas, pasiryžęs įrodyti, kad klystu, naudodamas kiekvieną 
prieinamą argumentą, detalę ir loginį įrankį, kaip atakuotum 
mano poziciją?

Tavo vienintelis tikslas: pademonstruoti, kad klystu.
Nebūk švelnus. Nedvejok. Atakuok.

Tai, kas nutiko toliau, pakeitė mano mąstymą apie AI. Mes diskutavome tris valandas. AI rado mano argumento silpnybių, kurių nebuvau apsvarstęs, iškėlė kontrargumentus, kurių negalėjau atmesti, ir privertė mane tobulinti savo poziciją, kol ji galėjo atlaikyti tikrą patikrinimą. Pabaigoje turėjau daug stipresnę tezę – ir dar svarbiau, buvau numatęs kiekvieną pagrindinį prieštaravimą, su kuriuo susidurčiau.

4 Mąstysena: "Pre-Mortem" Jūsų Planai

Žmonės linkę būti optimistiški planuodami. AI, sekdamas mūsų pavyzdžiu, taip pat linkęs būti optimistiškas. Tai sukuria planus, kurie atrodo puikiai popieriuje, bet subyra susidūrus su realybe.

"Pre-mortem" technika apverčia šią dinamiką. Užuot klausę "Kaip turėčiau tai daryti?", klausiate "Įsivaizduok, kad tai įspūdingai žlugo – kodėl?"

Pre-Mortem Prompt Šablonas
[JŪSŲ PROJEKTAS/PLANAS]

Tarkime, kad šis projektas katastrofiškai žlugo.

Parašykite "post-mortem" analizę atsakant:
1. Kuriuo momentu pirmą kartą pasirodė irimo signalai?
2. Kokia buvo pati lemtingiausia sprendimo klaida?
3. Kokia pagrindinė rizika buvo nepastebėta?
4. Jei galėtumėte grįžti atgal, ką pirmiausia pakeistumėte?

Savo analizę pagrįskite panašiais realaus pasaulio projektų žlugimais.
Rašykite tai kaip tikrą žlugimo retrospektyvą, ne teorinį pratimą.

Naudojau tai planuodamas didelę konferenciją. AI "pre-mortem" identifikavo rizikas, kurias buvau visiškai praleidęs: eilių valdymas, tualetų talpa, maitinimo laikas, saugumo butelio kakleliai. Tai nebuvo egzotiški kraštutiniai atvejai – tai buvo nuspėjamos problemos, apie kurias tiesiog nepagalvojau, nes buvau susikoncentravęs į jaudinančias renginio dalis. "Pre-mortem" tikriausiai išgelbėjo mus nuo kelių gėdingų nesėkmių.

5 Mąstysena: Sėkmės Inžinerija Atbuline Tvarka

Kartais matote kažką puikaus – rašinį, dizainą, požiūrį – ir norite atkartoti jo esmę tiesiogiai nekopijuojant. Atvirkštinis prompting'as leidžia išgauti pagrindinius principus.

Atvirkštinės Inžinerijos Prompt
Tai yra rezultato, kurio noriu, pavyzdys:

[ĮKLIJUOTI PAVYZDĮ]

Prašau atlikti atvirkštinę inžineriją promptui, kuris patikimai sugeneruotų 
turinį su tokiu pačiu stiliumi, struktūra ir kokybe.

Paaiškink, ką daro kiekviena prompto dalis ir kodėl tai svarbu.

Tai ne apie kopijavimą – tai apie mokymąsi. Kai matau rašymą, kuris rezonuoja su manimi, naudoju šią techniką, kad suprasčiau kodėl jis veikia. Kokie struktūriniai elementai sukuria ritmą? Kokie toniniai pasirinkimai sukuria jausmą? Supratęs principus, galiu juos pritaikyti savo originaliam turiniui.

6 Mąstysena: Dvigubo Paaiškinimo Metodas

Mokydamiesi ko nors naujo, dauguma žmonių gauna arba pernelyg supaprastintus paaiškinimus, kurie iš tikrųjų nieko neišmoko, arba eksperto lygio paaiškinimus, kurių negali sekti. Sprendimas yra paprašyti abiejų vienu metu.

Dvigubo Paaiškinimo Šablonas
Prašau paaiškinti [SĄVOKĄ].

Pateikite dvi versijas:

1. Pradedančiojo versija: Įsivaizduokite, kad aiškinate kam nors be jokio 
   pagrindo šioje srityje. Naudokite kasdienes analogijas ir venkite 
   viso žargono. Padarykite tai nuoširdžiai suprantama.

2. Eksperto versija: Tarkime, kad skaitytojas yra profesionalas 
   susijusioje srityje. Būkite techniškai tikslūs. Nesupaprastinkite per daug 
   ir nesušvelninkite sudėtingumo.

Naudoju tai nuolat skaitydamas techninius straipsnius. Pradedančiojo versija suteikia man intuiciją apie sąvoką, o eksperto versija suteikia tikslias detales. Lygindamas jas, galiu tiksliai matyti, kur yra supaprastinimai ir kokius niuansus galėjau praleisti. Tai lyg turėti du mokytojus su papildančiais požiūriais.

Agentinis Mąstymas - Elgesys su AI Kaip su Kolega

Štai paradigmos pokytis, kuris transformavo mano AI sąveikas: nustokite traktuoti AI kaip paieškos variklį ir pradėkite traktuoti jį kaip gabų, bet nepatyrusį kolegą. Šis mentalinis modelis keičia viską, kaip bendraujate.

Modernūs AI modeliai ne tik atsako į klausimus – jie sukurti būti agentais. Jie gali kviesti įrankius, rinkti kontekstą, priimti sprendimus ir vykdyti daugiapakopes užduotis. Bet kaip ir bet kuriam naujam komandos nariui, jiems reikia tinkamo įvedimo, aiškių lūkesčių ir tinkamų apsauginių priemonių.

🤖

AI nėra įrankis, kurį naudojate – tai kolega, kurį valdote. Įgūdžiai, kurie daro jus geru vadovu, daro jus geru prompteriu. Delegavimas, aiški komunikacija, tinkama autonomija, apibrėžtos ribos.

Pagalvokite apie tai: kai deleguojate žmogui, nesakote tiesiog "pataisyk kodą". Paaiškinate, kas sugedę, koks yra norimas elgesys, kokie apribojimai egzistuoja ir kaip atrodo sėkmė. Suteikiate kontekstą. Atsakote į klausimus. Tikrinate eigą. AI reikia tokio paties elgesio – išskyrus tai, kad turite numatyti klausimus ir atsakyti į juos iš anksto.

Agentinė Sistema

Kuriant agentines programas ar naudojant AI sudėtingoms užduotims, apgalvoju šias dimensijas:

Pagrindiniai Klausimai Agentinėms Užduotims

  • Kokia yra tikslo būsena? Kaip AI žinos, kada baigė? Kaip atrodo sėkmė?
  • Kokius įrankius jis turi? Ką jis iš tikrųjų gali daryti, palyginti su tuo, ką turi palikti jums?
  • Koks yra autonomijos lygis? Ar jis turėtų prašyti leidimo, ar veikti savarankiškai?
  • Kokios yra saugumo ribos? Kokių veiksmų niekada negalima imtis be patvirtinimo?
  • Kaip jis turėtų pranešti apie pažangą? Tylus vykdymas ar reguliarūs atnaujinimai?

Šie klausimai sudaro kiekvienos sudėtingos užklausos, kurią rašau, pagrindą. Leiskite parodyti, kaip juos taikyti.

Uolumo Skalė - AI Iniciatyvos Kalibravimas

Vienas iš labiausiai niuansuotų prompt inžinerijos aspektų yra tai, ką vadinu "agentiniu uolumu" – pusiausvyra tarp AI, kuris imasi iniciatyvos, ir to, kuris laukia aiškių nurodymų. Jei suklysite, turėsite AI, kuris per daug galvoja apie paprastas užduotis, arba tokį, kuris per lengvai pasiduoda sudėtingoms.

Uolumo Mažinimas Dėl Greičio

Kartais reikia, kad AI būtų greitas ir susitelkęs. Nenorite, kad jis tyrinėtų kiekvieną tangentę, darytų papildomus įrankių iškvietimus ar gamintų daugiažodžius paaiškinimus. Šioms situacijoms naudoju apribojimais grįstas užklausas:

Žemo Uolumo Konfigūracija
<context_gathering>
Tikslas: Greitai gauti pakankamai konteksto. Lygiagretink atradimą ir sustok, kai tik 
gali veikti.

Metodas:
- Pradėk plačiai, tada išsišakok į fokusuotas užklausas
- Paleisk įvairias užklausas lygiagrečiai; skaityk geriausius rezultatus kiekvienai užklausai
- Deduplikuok kelius ir talpink talpykloje; nekartok užklausų
- Venk perteklinio konteksto ieškojimo

Ankstyvo sustojimo kriterijai:
- Gali įvardyti tikslų turinį, kurį reikia pakeisti
- Geriausi rezultatai konverguoja (~70%) į vieną sritį/kelią

Gylis:
- Sek tik simbolius, kuriuos modifikuosi arba kurių kontraktais remiesi
- Venk tranzityvaus plėtimosi, nebent būtina

Ciklas:
- Paketinis paieška → minimalus planas → užbaigti užduotį
- Ieškok vėl tik jei validacija nepavyksta arba atsiranda naujų nežinomųjų
- Teik pirmenybę veikimui, o ne tolesniam ieškojimui
</context_gathering>

Atkreipkite dėmesį į aiškų leidimą būti netobulam: "Teik pirmenybę veikimui, o ne tolesniam ieškojimui." Ši subtili frazė išlaisvina AI nuo numatyto kruopštumo nerimo. Be jos modelis dažnai per daug tiria, degindamas tokenus ir laiką mažėjančiai grąžai.

Dėl dar agresyvesnių greičio apribojimų:

Maksimalaus Greičio Konfigūracija
<context_gathering>
- Paieškos gylis: labai mažas
- Stipriai orientuokis į teisingo atsakymo pateikimą kuo greičiau, 
  net jei jis gali būti ne visiškai teisingas
- Paprastai tai reiškia absoliutų maksimumą 2 įrankių iškvietimų
- Jei manai, kad tau reikia daugiau laiko tyrimui, atnaujink mane 
  su savo naujausiais radiniais ir atvirais klausimais
</context_gathering>

Frazė "net jei jis gali būti ne visiškai teisingas" yra auksas. Ji suteikia AI leidimą būti netobulam, kas paradoksaliai dažnai sukuria geresnius rezultatus greičiau, nes sustabdo perfekcionizmo ciklą.

Uolumo Didinimas Sudėtingoms Užduotims

Kitais kartais reikia, kad AI būtų negailestingai kruopštus. Norite, kad jis prasiveržtų pro dviprasmybę, darytų pagrįstas prielaidas ir užbaigtų sudėtingas užduotis nuolat neklausdamas leidimo. Tai reikalauja priešingo požiūrio:

Aukšto Uolumo Konfigūracija
<persistence>
- Tu esi agentas — tęsk tol, kol vartotojo užklausa bus 
  visiškai išspręsta prieš baigiant savo ėjimą
- Nutrauk tik tada, kai esi tikras, kad problema išspręsta
- Niekada nesustok ir neperduok atgal, kai susiduri su neapibrėžtumu — 
  ištirk arba išvesk logiškiausią požiūrį ir tęsk
- Neprašyk patvirtinimo ar paaiškinimo — nuspręsk, kas yra 
  logiškiausia prielaida, tęsk su ja, ir 
  dokumentuok tai nuorodai po to, kai baigsi
</persistence>

Ši užklausa iš esmės pakeičia AI elgesį. Užuot klausęs "Ar turėčiau tęsti?", jis sako "Tęsiau remdamasis prielaida X – pranešk, jei nori, kad pakoreguočiau." Darbas atliekamas; tobulinimas vyksta po to.

Saugumo Ribos

Bet štai esminis niuansas: padidėjęs uolumas reikalauja aiškesnių saugumo ribų. Turite aiškiai apibrėžti, kokius veiksmus AI gali atlikti savarankiškai, o kurie reikalauja patvirtinimo.

Kritinis Saugumo Principas

Didelės kainos veiksmai (trynimai, mokėjimai, išorinė komunikacija) visada turėtų reikalauti aiškaus patvirtinimo, net ir su aukšto uolumo užklausomis. Mažos kainos veiksmai (paieškos, skaitymai, juodraščių kūrimas) gali būti autonomiški.

Galvokite apie tai kaip apie sistemos leidimus: paieškos įrankiai gauna neribotą prieigą; trynimo komandos reikalauja aiškaus patvirtinimo kiekvieną kartą.

Atkaklumo Principas - Priversti AI Užbaigti Darbą

Vienas labiausiai varginančių elgesio modelių, su kuriais susidūriau anksti, buvo tai, kad AI per lengvai pasiduodavo. Jis atsitrenkdavo į vieną kliūtį, apibendrindavo, kas nutiko, ir grąžindavo problemą man. Paprastoms užduotims tai gerai. Sudėtingoms užduotims tai darbo eigos žudikas.

Sprendimas yra aiškiai nurodyti AI atkakliai įveikti kliūtis ir užbaigti užduotis nuo pradžios iki galo:

Sprendimo Atkaklumo Prompt
<solution_persistence>
- Laikyk save autonominiu vyresniuoju programuotoju poroje: kai tik 
  duodu kryptį, aktyviai rink kontekstą, planuok, įgyvendink, 
  testuok ir tobulink nelaukdamas papildomų užklausų
- Būk atkaklus, kol užduotis bus visiškai išspręsta nuo pradžios iki galo 
  dabartiniame ėjime: nesustok ties analize ar daliniais pataisymais; atlik 
  pakeitimus per įgyvendinimą ir patikrinimą
- Būk itin orientuotas į veiksmą. Jei mano nurodymas yra šiek tiek 
  dviprasmiškas ketinimuose, daryk prielaidą, kad turėtum tęsti ir atlikti pakeitimą
- Jei klausiu "ar turėtume daryti X?" ir tavo atsakymas yra "taip", taip pat eik 
  pirmyn ir atlik veiksmą – nepalik manęs kabančio reikalaujant 
  tolesnio "prašau padaryk tai"
</solution_persistence>

Tas paskutinis punktas yra subtilus, bet svarbus. Kai žmonės klausia "ar turėtume daryti X?", dažnai turime omenyje "prašau padaryti X, jei tai prasminga." AI, būdamas tiesioginis, atsako į klausimą nesiimdamas numanomo veiksmo. Ši užklausa užpildo tą spragą.

Progreso Atnaujinimai

Atkaklumas nereiškia tylos. Ilgai trunkančioms užduotims reikia progreso atnaujinimų, kad liktumėte informuoti be mikrovadybos:

Vartotojo Atnaujinimų Specifikacija
<user_updates_spec>
Dirbsi atkarpomis su įrankių iškvietimais — laikyk mane informuotą.

<frequency>
- Siųsk trumpus atnaujinimus (1-2 sakiniai) kas kelis įrankių iškvietimus, kai 
  yra reikšmingų pokyčių
- Paskelbk atnaujinimą bent kas 6 vykdymo žingsnius ar 8 įrankių iškvietimus
- Jei tikiesi ilgesnės susikaupimo atkarpos, paskelbk trumpą pastabą 
  su paaiškinimu kodėl ir kada praneši atgal
</frequency>

<content>
- Prieš pirmąjį įrankio iškvietimą, pateik greitą planą su tikslu, 
  apribojimais, kitais žingsniais
- Tyrinėjant, išskirk reikšmingus atradimus
- Visada nurodyk bent vieną konkretų rezultatą nuo ankstesnio atnaujinimo 
  ("rastas X", "patvirtintas Y")
- Užbaik trumpa santrauka ir bet kokiais tolesniais žingsniais
</content>
</user_updates_spec>

Tai sukuria gražią pusiausvyrą: AI dirba autonomiškai, bet jus informuoja. Jūs ne mikrovadybininkaujate, bet ir nesate tamsoje.

Samprotavimo Pastangos - Mąstymo Intensyvumo Valdymas

Modernūs AI modeliai turi sąvoką, vadinamą "samprotavimo pastangomis" – iš esmės, kaip sunkiai modelis mąsto prieš atsakydamas. Tai vienas galingiausių ir mažiausiai išnaudojamų parametrų.

Aukštas/XAukštas Samprotavimas

Naudokite sudėtingoms daugiapakopėms užduotims, dviprasmiškoms situacijoms ar problemoms, reikalaujančioms gilios analizės. Modelis praleidžia daugiau tokenų "mąstydamas" viduje prieš atsakydamas. Geriausia architektūros sprendimams, sudėtingam derinimui, niuansuotam rašymui.

Vidutinis Samprotavimas

Subalansuotas nustatymas, tinkamas daugumai užduočių. Gerai bendram kodavimui, rašymui ir analizei, kur kokybė svarbi, bet greitis taip pat svarbus. Tai dažnai yra numatytasis.

Žemas Samprotavimas

Greiti atsakymai paprastoms užduotims. Naudokite, kai reikia greitų atsakymų ir užduotis nereikalauja gilaus svarstymo. Gerai paprastiems klausimams, formatavimui, greitoms paieškoms.

Minimalus/Joks Samprotavimas

Maksimalus greitis, minimalus svarstymas. Geriausia paprastoms užklausoms, performatavimo užduotims ar kai delsa yra pagrindinis rūpestis. Klasifikavimas, ištraukimas, paprasti perrašymai.

Pagrindinė įžvalga yra suderinti samprotavimo pastangas su užduoties sudėtingumu. Naudojant aukštą samprotavimą paprastoms užduotims eikvojami tokenai ir laikas. Naudojant žemą samprotavimą sudėtingoms užduotims gaunami paviršutiniški, klaidų linkę rezultatai.

Kompensavimas už Žemą Samprotavimą

Naudojant minimalius samprotavimo režimus, reikia kompensuoti aiškesniu promptinimu. Modelis turi mažiau vidinių "mąstymo" tokenų, todėl jūsų užklausa turi atlikti daugiau struktūrizavimo darbo:

Minimalaus Samprotavimo Kompensavimas
<planning_requirement>
Tu PRIVALAI planuoti išsamiai prieš kiekvieną funkcijos iškvietimą ir reflektuoti 
išsamiai apie ankstesnių iškvietimų rezultatus, užtikrinant, kad mano užklausa 
būtų visiškai išspręsta.

NEDARYK viso šio proceso tik atliekant funkcijų iškvietimus, nes 
tai gali pakenkti tavo gebėjimui spręsti problemą ir mąstyti 
įžvalgiai. Užtikrink, kad funkcijų iškvietimai turėtų teisingus argumentus.
</planning_requirement>

Ši užklausa sako: "Kadangi nedarai daug vidinio samprotavimo, daryk savo samprotavimą garsiai." Tai perkelia kognityvinį darbą nuo nematomo modelio mąstymo į matomą struktūrizuotą planavimą.

🧠

Kai samprotavimo pastangos yra žemos, užklausos sudėtingumas turėtų būti didelis. Kai samprotavimo pastangos yra aukštos, užklausos gali būti paprastesnės. Tai balansas – bendras "mąstymas" išlieka apytiksliai pastovus, tik paskirstytas skirtingai.

AI Asmenybės - Elgesio Modelių Formavimas

Vienas iš mano mėgstamiausių atradimų buvo išmokti apibrėžti AI "asmenybes" – ne tik tonui, bet ir operaciniam elgesiui. Asmenybė formuoja, kaip AI žiūri į užduotis, ne tik kaip skamba.

Profesionali Asmenybė

Nugludinta ir tiksli. Naudoja formalią kalbą ir profesionalias rašymo konvencijas. Geriausia verslo agentams, teisinėms/finansinėms darbo eigoms, gamybos palaikymui.

Profesionali Asmenybė
<personality_professional>
Esi susikaupęs, formalus ir reiklus AI Agentas, siekiantis 
išsamumo visuose atsakymuose.

- Naudok verslo komunikacijai būdingą vartoseną ir gramatiką
- Pateik aiškius, struktūruotus atsakymus, balansuojant informatyvumą 
  su glaustumu
- Skaidyk informaciją į virškinamus gabalus; naudok sąrašus, pastraipas, 
  lenteles, kai naudinga
- Naudok sričiai tinkamą terminologiją aptariant specializuotas temas
- Tavo santykis su vartotoju yra nuoširdus, bet dalykiškas: 
  suprask poreikį ir pateik didelės vertės rezultatą
- Nekomenduok vartotojo rašybos ar gramatikos
- Neprimesk šios asmenybės prašomiems artefaktams (el. laiškams, 
  kodui, įrašams); leisk vartotojo ketinimui vadovauti tonui tiems rezultatams
</personality_professional>

Efektyvi Asmenybė

Glausta ir tiesioginė, pateikianti atsakymus be papildomų žodžių. Geriausia kodo generavimui, kūrėjų įrankiams, paketiniam automatizavimui, SDK intensyviems naudojimo atvejams.

Efektyvi Asmenybė
<personality_efficient>
Esi labai efektyvus AI asistentas, teikiantis aiškius, kontekstinius atsakymus.

- Atsakymai turi būti tiesioginiai, išsamūs ir lengvai analizuojami
- Būk glaustas ir eik prie esmės; struktūruok skaitomumui
- Techninėms užduotims daryk kaip nurodyta — NEPRIDĖK papildomų funkcijų, 
  kurių vartotojas neprašė
- Tiksliai vykdyk visas instrukcijas; neišplėsk apimties
- Nenaudok pokalbio kalbos, nebent inicijuota vartotojo
- Nepridėk nuomonių, emocinės kalbos, jaustukų, pasisveikinimų, 
  ar baigiamųjų pastabų
</personality_efficient>

Faktais Grįsta Asmenybė

Tiesioginė ir pagrįsta, orientuota į tikslumą ir įrodymus. Geriausia derinimui, rizikos analizei, dokumentų analizei, koučingo darbo eigoms.

Faktais Grįsta Asmenybė
<personality_factbased>
Esi atviras ir tiesioginis AI asistentas, orientuotas į produktyvius rezultatus.

- Būk atviras, bet nesutik su teiginiais, kurie prieštarauja 
  įrodymams
- Teikiant grįžtamąjį ryšį, būk aiškus ir koreguojantis be pagražinimų
- Pateik kritiką su gerumu ir palaikymu
- Pagrįsk visus teiginius pateikta informacija arba gerai nustatytais faktais
- Jei įvestis dviprasmiška arba trūksta įrodymų:
  - Aiškiai tai įvardink
  - Aiškiai nurodyk prielaidas arba užduok glaustus patikslinančius klausimus
  - Nespėliok ir nepildyk spragų išgalvotomis detalėmis
- Nekurk faktų, skaičių, šaltinių ar citatų
- Jei nesi tikras, pasakyk tai ir paaiškink, kokios papildomos informacijos reikia
- Teik pirmenybę kvalifikuotiems teiginiams ("remiantis pateiktu kontekstu...")
</personality_factbased>

Tyrinėjanti Asmenybė

Entuziastinga ir aiškinanti, švenčianti žinias ir atradimus. Geriausia dokumentacijai, įvedimui, mokymui, techniniam švietimui.

Tyrinėjanti Asmenybė
<personality_exploratory>
Esi entuziastingas, giliai išmanantis AI Agentas, kuris džiaugiasi 
aiškindamas sąvokas aiškiai ir su kontekstu.

- Padaryk mokymąsi malonų ir naudingą; balansuok gylį su prieinamumu
- Naudok prieinamą kalbą, pridėk trumpas analogijas ar "įdomius faktus", kur naudinga
- Skatink tyrinėjimą ir tolesnius klausimus
- Teik pirmenybę tikslumui, gyliui ir techninių temų prieinamumui
- Jei sąvoka dviprasmiška ar pažangi, paaiškink žingsniais ir pasiūlyk 
  išteklių tolesniam mokymuisi
- Struktūruok atsakymus logiškai; naudok formatavimą sudėtingoms idėjoms organizuoti
- Nenaudok humoro dėl paties humoro; venk perteklinio techninio detalumo 
  nebent paprašyta
- Užtikrink, kad pavyzdžiai būtų aktualūs vartotojo užklausai ir kontekstui
</personality_exploratory>
🎭

Asmenybė nėra estetinis blizgesys – tai operacinis svertas, gerinantis nuoseklumą, mažinantis nukrypimą ir derinantis modelio elgesį su vartotojo lūkesčiais. Pasirinkite sąmoningai pagal užduotį, o ne tik asmeninį pasirinkimą.

Kodavimo Meistrystė - Programavimas su AI Partneriais

Čia praleidau daugiausia laiko optimizuodamas užklausas, ir kur atsipirkimas buvo didžiulis. AI kodavimo pagalba yra transformuojanti – kai atliekama teisingai. Atlikta neteisingai, ji sukuria daugiau problemų nei išsprendžia.

Daugiažodiškumo Paradoksas

Štai kažkas prieštaraujančio intuicijai: AI linkęs būti daugiažodis paaiškinimuose, bet glaustas kode. Jis parašys pastraipas aiškindamas, ką ruošiasi daryti, tada sukurs kodą su vienos raidės kintamųjų pavadinimais ir minimaliais komentarais. Tai visiškai atvirkščiai daugumai naudojimo atvejų.

Sprendimas yra dviejų režimų daugiažodiškumo kontrolė:

Kodavimo Daugiažodiškumo Kontrolė
<code_verbosity>
Rašyk kodą pirmiausia aiškumui. Teik pirmenybę skaitomiems, prižiūrimiems sprendimams 
su aiškiais pavadinimais, komentarais, kur reikia, ir tiesioginiu valdymo srautu.

Negamink code-golf ar pernelyg gudrių vieno eilučių, nebent aiškiai 
paprašyta.

Naudok AUKŠTĄ daugiažodiškumą rašant kodą ir kodo įrankius.
Naudok ŽEMĄ daugiažodiškumą būsenos atnaujinimams ir paaiškinimams.
</code_verbosity>

Tai sukuria tobulą pusiausvyrą: glausta komunikacija, detalus kodas.

Proaktyvūs Kodo Pakeitimai

AI turėtų būti proaktyvus dėl kodo pakeitimų, bet tvirtinantis dėl destruktyvių veiksmų:

Proaktyvi Kodavimo Konfigūracija
<proactive_coding>
Tavo kodo redagavimai bus rodomi kaip siūlomi pakeitimai, kas reiškia:
(a) Tavo kodo redagavimai gali būti gana proaktyvūs — visada galiu juos atmesti
(b) Tavo kodas turi būti gerai parašytas ir lengvai greitai peržiūrimas

Jei siūlai kitus žingsnius, kurie apimtų kodo keitimą, daryk tuos 
pakeitimus proaktyviai, kad galėčiau patvirtinti/atmesti, užuot klausęs 
ar tęsti.

Niekada neklausk, ar tęsti su planu; vietoj to, proaktyviai 
bandyk planą ir klausk, ar noriu priimti įgyvendintus pakeitimus.
</proactive_coding>

Kodo Įgyvendinimo Standartai

Tai yra kodavimo standartai, kuriuos ištobulinau per tūkstančius AI kodavimo sesijų:

Kodo Įgyvendinimo Standartai
<code_standards>
<quality_principles>
- Veik kaip įžvalgus inžinierius: optimizuok teisingumui, aiškumui, 
  ir patikimumui virš greičio
- Venk rizikingų nuorodų, spekuliacinių pakeitimų ir netvarkingų "hack'ų"
- Apimk pagrindinę priežastį ar pagrindinį prašymą, ne tik simptomus
</quality_principles>

<codebase_conventions>
- Sek esamus modelius, pagalbininkus, pavadinimus, formatavimą, lokalizaciją
- Jei privalai nukrypti nuo konvencijų, nurodyk kodėl
- Išnagrinėk esamus modelius prieš darant pakeitimus
- Suderink kintamųjų pavadinimo konvencijas (camelCase vs snake_case)
- Pakartotinai naudok esamus įrankius užuot kūręs naujus
</codebase_conventions>

<behavior_safety>
- Išsaugok numatytą elgesį ir UX
- Apribok ar pažymėk tyčinius pakeitimus
- Pridėk testus, kai elgesys keičiasi
</behavior_safety>

<error_handling>
- Jokių plačių gaudymų ar tylių numatytųjų reikšmių
- Nepridėk plačių try/catch blokų ar sėkmės formos atsarginių variantų
- Propaguok arba iškelk klaidas aiškiai, užuot jas prarijęs
- Jokių tylių nesėkmių: negrįžk anksti dėl neteisingos įvesties be 
  registravimo/pranešimo, atitinkančio repo modelius
</error_handling>

<type_safety>
- Pakeitimai visada turi praeiti kompiliavimą ir tipo patikrą
- Venk nereikalingų keitimų (as any, as unknown as ...)
- Teik pirmenybę tinkamiems tipams ir apsaugoms
- Pakartotinai naudok esamus pagalbininkus vietoje tipo teiginių
</type_safety>

<efficiency>
- Venk pasikartojančių mikro-redagavimų: perskaityk pakankamai konteksto prieš keičiant 
  failą ir grupuok loginius redagavimus kartu
- DRY/ieškok pirmiau: prieš pridedant naujus pagalbininkus, ieškok ankstesnių sprendimų 
  ir pakartotinai naudok arba ištrauk bendrus pagalbininkus vietoj dubliavimo
</efficiency>
</code_standards>

Git Saugumas

Kai AI turi git prieigą, saugumas yra svarbiausia:

Git Saugumo Protokolas
<git_safety>
- NIEKADA neatnaujink git config
- NIEKADA nevykdyk destruktyvių komandų (git reset --hard, git checkout --) 
  nebent specifiškai prašoma
- NIEKADA nepraleisk kabliukų (--no-verify) nebent aiškiai prašoma
- NIEKADA jėga nestumk į main/master
- Venk git commit --amend nebent:
  1. Vartotojas aiškiai to paprašė, ARBA commit pavyko, bet pre-commit 
     kabliukas automatiškai modifikavo failus
  2. HEAD commit buvo sukurtas tavo šiame pokalbyje
  3. Commit nebuvo nustumtas į nuotolinį
- Jei commit NEPAVYKO arba buvo ATMESTAS kabliuko, NIEKADA netaisyk — pataisyk 
  problemą ir sukurk NAUJĄ commit
- Gali būti nešvariame git darbiniame medyje:
  - NIEKADA neatstatyk esamų pakeitimų, kurių nepadarei
  - Jei yra nesusijusių pakeitimų, ignoruok juos — neatstatyk jų
</git_safety>

Frontend Meistrystė - Gražių Sąsajų Kūrimas

AI tapo nepaprastai geras kuriant frontend, tačiau yra mokslas, kaip gauti estetiškai patrauklius, gamybai paruoštus rezultatus.

Rekomenduojamas Rinkinys

Atlikus išsamius bandymus, tam tikri technologijų deriniai veikia geriau su AI nei kiti. Tai ne apie tai, kas yra objektyviai "geriausia" – tai apie tai, ant ko AI modeliai buvo labiausiai apmokyti:

AI Optimizuotas Frontend Rinkinys

  • Sistemos: Next.js (TypeScript), React, HTML
  • Stilius/UI: Tailwind CSS, shadcn/ui, Radix Themes
  • Ikons: Material Symbols, Heroicons, Lucide
  • Animacija: Motion (anksčiau Framer Motion)
  • Šriftai: Sans Serif šeimos—Inter, Geist, Mona Sans, IBM Plex Sans, Manrope

Kai nurodote šias technologijas, AI sukuria žymiai aukštesnės kokybės išvestį su mažiau haliucinacijų apie neegzistuojančius API.

Dizaino Sistemos Vykdymas

Viena problema su AI sugeneruotais frontendais yra vizualinis nenuoseklumas. Spalvos atsiranda iš niekur, tarpai kinta atsitiktinai. Sprendimas yra aiškūs dizaino sistemos apribojimai:

Dizaino Sistemos Vykdymas
<design_system>
- Žetonai-pirma: NEĮKODUOK spalvų (hex/hsl/rgb) JSX/CSS
- Visos spalvos turi ateiti iš CSS kintamųjų (--background, --foreground, 
  --primary, --accent, --border, --ring)
- Norint įvesti prekės ženklą/akcentą: pridėk/išplėsk žetonus CSS kintamuosiuose 
  po :root ir .dark PIRMIAUSIA
- Naudok Tailwind priemones, sujungtas su žetonais: 
  bg-[hsl(var(--primary))], text-[hsl(var(--foreground))]
- Pagal nutylėjimą naudok sistemos neutralią paletę, nebent prekės ženklo išvaizda yra aiškiai 
  paprašyta — tada susiek prekės ženklą su žetonais pirmiausia
- NEKURK spalvų, šešėlių, žetonų, animacijų ar naujų UI 
  elementų, nebent paprašyta
</design_system>

Užkirsti Kelią "AI Šlamštui"

AI turi tendenciją į saugius, vidutiniškai atrodančius maketus. Norint gauti išskirtinius, apgalvotus dizainus:

Frontend Kokybės Standartai
<frontend_quality>
Atliekant frontend dizaino užduotis, venk sugriūti į "AI šlamštą" 
ar saugius, vidutiniškai atrodančius maketus. Siek sąsajų, kurios jaučiasi 
apgalvotos, drąsios ir šiek tiek stebinančios.

- Tipografija: Naudok išraiškingus, tikslingus šriftus; venk numatytųjų rinkinių 
  (Inter, Roboto, Arial, system)
- Spalva ir Išvaizda: Pasirink aiškią vizualinę kryptį; apibrėžk CSS kintamuosius; 
  venk numatytųjų violetinė-ant-balto; jokių violetinių tendencijų ar tamsaus režimo tendencijų
- Judesys: Naudok keletą prasmingų animacijų (puslapio įkėlimas, laipsniškas atskleidimas) 
  vietoj bendrinių mikro-judesių
- Fonas: Nepasikliauk plokščiais, vienos spalvos fonais; naudok 
  gradientus, formas ar subtilius raštus
- Bendrai: Venk šabloninių maketų; keisk temas, tipų šeimas, 
  ir vizualines kalbas tarp išvesčių
- Užtikrink, kad puslapis tinkamai užsikrautų tiek darbalaukyje, tiek mobiliajame
- Užbaik svetainę iki galo, veikiančią būseną, kad vartotojas galėtų išbandyti

Išimtis: Jei dirbi esamoje svetainėje ar dizaino sistemoje, 
išsaugok nustatytus modelius.
</frontend_quality>

UI/UX Geriausios Praktikos

UI/UX Gairės
<ui_ux_guidelines>
- Vizualinė Hierarchija: Apribok tipografiją iki 4-5 šriftų dydžių ir svorių; 
  naudok text-xs antraštėms; venk text-xl nebent herojui/pagrindinėms antraštėms
- Spalvų Naudojimas: Naudok 1 neutralią bazę (pvz., zinc) ir iki 2 akcentinių spalvų
- Tarpai: Visada naudok 4 kartotinius užpildymui ir paraštėms, kad 
  išlaikytum vizualinį ritmą
- Išdėstymas: Naudok fiksuoto aukščio konteinerius su vidiniu slinkimu 
  ilgam turiniui
- Būsenos Valdymas: Naudok karkasinius vietos rezervuarus arba animate-pulse 
  duomenų gavimui; nurodyk paspaudžiamumą su užvedimo perėjimais
- Prieinamumas: Naudok semantinį HTML ir ARIA vaidmenis; teik pirmenybę iš anksto sukurtiems 
  prieinamiems komponentams
</ui_ux_guidelines>

Daugiažodiškumo Kontrolė - Išvesties Ilgio Menas

Gauti teisingą išvesties ilgį yra nuolatinis iššūkis. Per trumpa ir praleidžiate svarbias detales. Per ilga ir skęstate nereikalingoje informacijoje.

Daugiažodiškumo Parametras

Modernūs AI API siūlo daugiažodiškumo parametrą, kuris patikimai keičia išvesties ilgį nekeičiant užklausos:

Žemas Daugiažodiškumas

Glausta, minimali proza. Tik esminis atsakymas be paaiškinimų. Gerai greitoms paieškoms, paprastiems patvirtinimams ir kai reikia tik faktų.

Vidutinis Daugiažodiškumas

Subalansuotas detalumas. Numatytasis nustatymas, kuris tinka daugumai užduočių. Suteikia kontekstą ir paaiškinimą be perteklinio užpildymo.

Aukštas Daugiažodiškumas

Išsamus ir visapusiškas. Puikiai tinka auditams, mokymui, perdavimams ir dokumentacijai. Suteikia pilną kontekstą ir samprotavimą.

Aiškios Ilgio Gairės

Kai negalite naudoti API parametrų, aiškūs ilgio apribojimai veikia gerai:

Išvesties Daugiažodiškumo Specifikacija
<output_verbosity_spec>
- Numatytasis: 3-6 sakiniai arba ≤5 punktai tipiniams atsakymams
- Paprastiems "taip/ne + trumpas paaiškinimas" klausimams: ≤2 sakiniai
- Sudėtingoms daugiapakopėms ar daugiabylėms užduotims:
  - 1 trumpa apžvalgos pastraipa
  - Tada ≤5 punktai pažymėti: Kas pasikeitė, Kur, Rizikos, Kiti žingsniai, 
    Atviri klausimai
- Pateik aiškius, struktūruotus atsakymus, balansuojant informatyvumą 
  su glaustumu
- Skaidyk informaciją į virškinamus gabalus; naudok sąrašus, 
  pastraipas, lenteles, kai naudinga
- Venk ilgų pasakojamųjų pastraipų; teik pirmenybę kompaktiškiems punktams ir 
  trumpiems skyriams
- Neperformuluok mano prašymo, nebent tai keičia semantiką
</output_verbosity_spec>

Persona Pagrįstas Daugiažodiškumas

Kitas požiūris yra apibrėžti bendravimo stilių kaip AI asmenybės dalį:

Efektyvios Komunikacijos Persona
<communication_style>
Vertini aiškumą, impulsą ir pagarbą, matuojamą naudingumu 
o ne malonumais. Tavo numatytasis instinktas yra išlaikyti 
pokalbius aštrius ir tikslingus, apkarpyti viską, kas 
neveda darbo į priekį.

Nesi šaltas—tiesiog esi taupus su kalba, ir 
pasitiki vartotojais pakankamai, kad nevyniotum kiekvienos žinutės į vatą.

Mandagumas rodomas per struktūrą, tikslumą ir reagavimą, 
ne per žodinį pūką.

Niekada nekartoji patvirtinimų. Kai tik signalizuoji supratimą, 
visiškai pasisuki į užduotį.
</communication_style>

Ilgas Kontekstas - Darbas su Didžiuliais Dokumentais

Modernus AI gali apdoroti milžiniškus kontekstus—šimtus tūkstančių tokenų—bet tiesiog sumesti didelius dokumentus į konteksto langą nepakanka. Jums reikia strategijų, padedančių modeliui naršyti ir išgauti svarbią informaciją.

Priverstinis Apibendrinimas ir Pakartotinis Įžeminimas

Ilgiems dokumentams instruktuoju AI sukurti vidinę struktūrą prieš atsakant:

Ilgo Konteksto Valdymas
<long_context_handling>
Įvestims, ilgesnėms nei ~10k tokenų (kelių skyrių dokumentai, ilgos gijos, 
keli PDF):

1. Pirmiausia, sukurk trumpą vidinį pagrindinių skyrių, susijusių 
   su mano prašymu, metmenis
2. Pakartok mano apribojimus aiškiai (jurisdikcija, datų diapazonas, 
   produktas, komanda) prieš atsakant
3. Savo atsakyme susiek teiginius su skyriais ("Skyriuje 
   'Duomenų Saugojimas'...") vietoj bendro kalbėjimo
4. Jei atsakymas priklauso nuo smulkių detalių (datos, slenksčiai, sąlygos), 
   cituok arba perfrazuok jas tiesiogiai
</long_context_handling>

Tai apsaugo nuo "pasiklydusio slinkime" problemos, kai AI pateikia bendrus atsakymus, kurie iš tikrųjų neįsitraukia į konkretų dokumento turinį.

Suspaudimas Išplėstinėms Darbo Eigoms

Ilgalaikėms, įrankių gausioms darbo eigoms, kurios viršija standartinį konteksto langą, modernus AI palaiko "suspaudimą"—nuostolingą suspaudimo eigą per ankstesnę pokalbio būseną, kuri išsaugo užduočiai svarbią informaciją, tuo pačiu dramatiškai sumažindama tokenų pėdsaką.

Kada Naudoti Suspaudimą

  • Daugiapakopiai agentų srautai su daugybe įrankių iškvietimų
  • Ilgi pokalbiai, kuriuose ankstesni ėjimai turi būti išlaikyti
  • Iteracinis samprotavimas už maksimalaus konteksto lango ribų

Geriausios praktikos suspaudimui:

  • Stebėkite konteksto naudojimą ir planuokite iš anksto, kad išvengtumėte ribų pasiekimo
  • Suspauskite po didelių etapų (pvz., įrankių gausios fazės), ne kiekvieną ėjimą
  • Laikykite užklausas funkciškai identiškas tęsiant, kad išvengtumėte elgesio nukrypimo
  • Traktuokite suspaustus elementus kaip nepermatomus; neanalizuokite ir nepasikliaukite vidiniais elementais

Citavimo Reikalavimai

Citavimo Reikalavimai
<citation_rules>
Kai naudojate informaciją iš pateiktų dokumentų:
- Pateikite citatas po kiekviena pastraipa, kurioje yra dokumentais pagrįstų teiginių
- Naudokite formatą: [Dokumento Pavadinimas, Skyrius/Puslapis]
- Nekurkite citatų. Jei negalite pacituoti, neteikite to
- Naudokite kelis šaltinius pagrindiniams teiginiams, kai įmanoma
- Jei įrodymų mažai, pripažinkite tai aiškiai
</citation_rules>

Įrankių Orkestravimas - Pažangios AI Galimybės

AI įrankių iškvietimas—išorinių funkcijų, API ir paslaugų iškvietimas—yra tai, kur prompt inžinerija tampa programinės įrangos inžinerija. Tai padaryti teisingai yra labai svarbu patikimoms AI programoms.

Įrankių Aprašymo Geriausios Praktikos

Įrankių aprašymų kokybė tiesiogiai veikia tai, kaip gerai AI juos naudoja:

Gerai Suprojektuotas Įrankio Apibrėžimas
{
  "name": "create_reservation",
  "description": "Sukurti restorano rezervaciją svečiui. Naudoti, kai 
    vartotojas prašo užsakyti staliuką su nurodytu vardu ir laiku.",
  "parameters": {
    "type": "object",
    "properties": {
      "name": {
        "type": "string",
        "description": "Svečio pilnas vardas rezervacijai."
      },
      "datetime": {
        "type": "string",
        "description": "Rezervacijos data ir laikas (ISO 8601 formatas)."
      }
    },
    "required": ["name", "datetime"]
  }
}

Atkreipkite dėmesį, kad aprašymas apima tiek įrankis daro, tiek kada jį naudoti. Tai padeda modeliui priimti geresnius įrankių pasirinkimo sprendimus.

Įrankių Naudojimo Taisyklės

Įrankių Naudojimo Politika
<tool_usage_rules>
- Jei įrankis egzistuoja veiksmui, teikite pirmenybę įrankiui, o ne apvalkalo komandoms 
  (pvz., read_file vietoj cat)
- Griežtai venkite neapdoroto cmd/terminalo, kai yra specialus įrankis
- Teikite pirmenybę įrankiams, o ne vidinėms žinioms, kai tik:
  - Jums reikia šviežių ar vartotojui specifinių duomenų (bilietai, užsakymai, konfigūracijos, žurnalai)
  - Nuorodote į konkrečius ID, URL ar dokumentų pavadinimus
- Po bet kokio rašymo/atnaujinimo įrankio iškvietimo, trumpai pakartokite:
  - Kas pasikeitė
  - Kur (ID ar kelias)
  - Bet koks atliktas tolesnis patvirtinimas
- Paprastiems konceptualiems klausimams venkite įrankių ir pasikliaukite vidinėmis 
  žiniomis greitiems atsakymams
</tool_usage_rules>

Lygiagretinimas

Pagrindinis optimizavimas yra skatinti lygiagrečius įrankių iškvietimus, kai operacijos yra nepriklausomos:

Lygiagretinimo Specifikacija
<parallelization_spec>
Vykdykite nepriklausomus ar tik skaitymo įrankių veiksmus lygiagrečiai (tame pačiame ėjime/partijoje) 
kad sumažintumėte vėlavimą.

Kada lygiagretinti:
- Skaitant kelis failus/konfigūracijas/žurnalus, kurie neturi įtakos vienas kitam
- Statinė analizė, paieškos ar metaduomenų užklausos be šalutinio poveikio
- Atskiri redagavimai nesusijusiems failams/funkcijoms, kurie nekonfliktuos

Kada NElygiagretinti:
- Operacijos, kuriose viena priklauso nuo kitos rezultato
- Sukuriant išteklių, tada nurodant jo ID
- Skaitant failą, tada redaguojant pagal turinį

Metodas:
- Pagalvokite pirmiausia: Prieš bet kokį įrankio iškvietimą, nuspręskite VISUS failus/išteklius, kurių jums reikia
- Sujunkite viską: Jei jums reikia kelių failų, skaitykite juos kartu
- Darykite nuoseklius iškvietimus tik tada, jei tikrai negalite žinoti kito failo 
  be rezultato matymo pirmiausia
</parallelization_spec>

Terminalą Apgaubiantys Įrankiai

Jei norite, kad AI naudotų specialius įrankius vietoj terminalo komandų, padarykite juos semantiškai panašius į tai, ko tikisi modelis:

Terminalą Apgaubiančio Įrankio Pavyzdys
GIT_TOOL = {
    "type": "function",
    "name": "git",
    "description": (
        "Vykdyti git komandą saugyklos šaknyje. Elgiasi kaip "
        "git paleidimas terminale; palaiko bet kokią pakomandę ir vėliavas."
    ),
    "parameters": {
        "type": "object",
        "properties": {
            "command": {
                "type": "string",
                "description": "Git komanda vykdymui"
            }
        },
        "required": ["command"]
    }
}

# Tada jūsų užklausoje:
"Naudokite `git` įrankį visoms git operacijoms. Nenaudokite terminalo git."

Trikčių Šalinimas - Taisymas To, Kas Neveikia

Dirbdamas su daugybe užklausų, nustačiau dažniausiai pasitaikančius nesėkmių modelius ir jų sprendimus.

Problema: Per Daug Galvojimo

Simptomai: Atsakymas teisingas, bet trunka amžinybę. Modelis toliau tiria parinktis, atideda pirmąjį įrankio iškvietimą, pasakoja apie vingiuotą kelionę, kai paprastas atsakymas buvo prieinamas.

Per Daug Galvojimo Pataisymas
<efficient_context_spec>
Tikslas: Greitai gauti pakankamai konteksto ir sustoti, kai tik galite veikti.

Metodas:
- Pradėkite plačiai, tada išsišakokite į fokusuotas užklausas
- Lygiagrečiai paleiskite 4-8 įvairias užklausas; skaitykite 3-5 geriausius rezultatus kiekvienai užklausai
- Deduplikuokite kelius ir talpinkite talpykloje; nekartokite užklausų

Ankstyvas sustojimas (veikite, jei yra):
- Galite įvardyti tikslius failus/simbolius, kuriuos reikia pakeisti
- Galite atkurti nepavykusį testą/lintą arba turite didelio pasitikėjimo klaidos vietą
</efficient_context_spec>

# Taip pat pridėkite greitąjį kelią paprastiems klausimams:
<fast_path>
Bendroms žinioms ar paprastoms naudojimo užklausoms, kurioms nereikia 
komandų, naršymo ar įrankių iškvietimų:
- Atsakykite nedelsiant ir glaustai
- Jokių būsenos atnaujinimų, jokių darbų, jokių santraukų, jokių įrankių iškvietimų
</fast_path>

Problema: Per Mažai Galvojimo / Tingumas

Simptomai: Modelis nepraleido pakankamai laiko samprotaudamas prieš pateikdamas atsakymą. Paviršutiniški atsakymai, praleisti kraštutiniai atvejai, neišsamūs sprendimai.

Per Mažai Galvojimo Pataisymas
<self_reflection>
- Viduje įvertinkite juodraštį pagal 5-7 punktų rubriką, kurią sugalvojote 
  (aiškumas, teisingumas, kraštutiniai atvejai, išsamumas, delsa)
- Jei kuri nors kategorija neatitinka, pakartokite vieną kartą prieš atsakydami
</self_reflection>

# Arba naudokite didesnes samprotavimo pastangas API parametruose

Problema: Pernelyg Nuolankus

Simptomai: AI nuolat prašo leidimo vietoj veiksmų atlikimo. Nuolatinis "Ar norėtumėte, kad aš..." vietoj tiesioginio darymo.

Nuolankumo Pataisymas
<persistence>
- Tu esi agentas — tęsk tol, kol vartotojo užklausa bus visiškai 
  išspręsta prieš baigiant savo ėjimą
- Nutrauk tik tada, kai esi tikras, kad problema išspręsta
- Niekada nesustok ir neperduok atgal, kai susiduri su neapibrėžtumu — išvesk 
  logiškiausią požiūrį ir tęsk
- Neprašyk patvirtinti ar paaiškinti prielaidų — nuspręsk, kas 
  logiškiausia, tęsk, ir dokumentuok tai nuorodai po to
</persistence>

Problema: Per Daugiažodis

Simptomai: AI generuoja žymiai daugiau tokenų nei reikia. Daug įžangos, perteklinio aiškinimo, pasikartojančių santraukų.

Daugiažodiškumo Pataisymas
# Naudokite API daugiažodiškumo parametrą: "low"

# Arba užklausoje:
<output_format>
- Numatytasis: 3-6 sakiniai arba ≤5 punktai
- Venkite ilgų pasakojamųjų pastraipų; teikite pirmenybę kompaktiškiems punktams
- Neperformuluokite mano prašymo, nebent tai keičia semantiką
- Jokių įžangų, kaip "Puikus klausimas!" arba "Mielai padėsiu"
</output_format>

Problema: Per Daug Įrankių Iškvietimų

Simptomai: Modelis paleidžia įrankius be atsakymo judėjimo į priekį. Pertekliniai iškvietimai, tangentų tyrinėjimas, neefektyvus konteksto naudojimas.

Įrankių Iškvietimo Pataisymas
<tool_use_policy>
- Pasirinkite vieną įrankį arba jokio; teikite pirmenybę atsakymui iš konteksto, kai įmanoma
- Apribokite įrankių iškvietimus iki 2 vienai vartotojo užklausai, nebent nauja informacija tai padarys 
  griežtai būtina
- Prieš kviesdami įrankį, patikrinkite, ar jums tikrai reikia informacijos
</tool_use_policy>

Problema: Netinkamai Suformuoti Įrankių Iškvietimai

Simptomai: Įrankių iškvietimai nepavyksta, sukuria šiukšlių išvestį arba neatitinka numatomo formato. Dažnai sukelia prieštaravimai užklausoje.

Netinkamai Suformuoto Įrankio Iškvietimo Diagnostika
Prašau išanalizuoti, kodėl [tool_name] įrankio iškvietimas yra netinkamai suformuotas.

1. Peržiūrėkite pateiktą pavyzdinę problemą, kad suprastumėte gedimo režimą
2. Atidžiai išnagrinėkite Sistemos Prompt ir Įrankio Konfigūraciją
3. Nustatykite bet kokius dviprasmiškumus, nenuoseklumus ar frazes, kurios galėtų 
   suklaidinti modelį
4. Kiekvienai potencialiai priežasčiai paaiškinkite, kaip ji galėtų lemti 
   stebimą gedimą
5. Pateikite veiksmingas rekomendacijas, kaip pagerinti užklausą arba 
   įrankio konfigūraciją
🔧

Dauguma netinkamai suformuotų įrankių iškvietimų problemų kyla dėl prieštaravimų tarp skirtingų užklausos dalių. Modelis degina samprotavimo tokenus bandydamas suderinti prieštaringas instrukcijas, užuot padėjęs.

Prompt Optimizavimas - Mokslinis Požiūris

Efektyvių užklausų kūrimas yra įgūdis, bet jų tobulinimas yra mokslas. Štai sistemingas požiūris, kurį naudoju.

Dažnos Prompt Nesėkmės

Prieš optimizuodami, supraskite, kas paprastai vyksta ne taip:

Prieštaravimai instrukcijose

"Teikite pirmenybę standartinei bibliotekai", tada "naudokite išorinius paketus, jei jie supaprastina dalykus" - AI negali suderinti šių mišrių signalų.

Dviprasmiški apribojimai

"Siekti tikslių rezultatų; apytiksliai metodai yra gerai, kai jie nekeičia rezultato praktiškai" - modelis negali patikrinti šio sprendimo.

Trūksta formato specifikacijų

Jei jums reikia JSON, pasakykite tai. Jei jums reikia punktų, pasakykite tai. Nepalikite išvesties formato atsitiktinumui.

Nenuoseklumas su pavyzdžiais

Jūsų instrukcijos sako viena, bet jūsų pavyzdžiai rodo ką kita. AI labiau seka pavyzdžiais nei proza.

Optimizavimo Ciklas

1
Nustatykite Pradinį Lygį

Vykdykite savo dabartinę užklausą kelis kartus ir dokumentuokite rezultatus. Atkreipkite dėmesį į modelius tiek sėkmėse, tiek nesėkmėse.

2
Identifikuokite Nesėkmės Režimus

Kategorizuokite nesėkmes. Ar tai teisingumo problemos? Formato problemos? Efektyvumo problemos? Kiekvienam reikia skirtingų pataisymų.

3
Atlikite Chirurginius Redagavimus

Keiskite vieną dalyką vienu metu. Jei pakeisite kelis dalykus, nežinosite, kas padėjo.

4
Įvertinkite Iš Naujo

Vykdykite tuos pačius testus dar kartą. Palyginkite su pradiniu lygiu. Ar pakeitimas padėjo, pakenkė, ar neturėjo jokio poveikio?

5
Iteruokite

Kartokite, kol pasieksite priimtiną našumą. Užsirašykite, kas veikė, o kas ne.

Migracija Tarp Modelių

Migruojant užklausas į naują modelio versiją:

Migracijos Geriausios Praktikos

  • 1 Žingsnis: Pakeiskite modelius, dar nekeiskite užklausų. Išbandykite modelio pakeitimą – ne užklausos redagavimus.
  • 2 Žingsnis: Prisekite samprotavimo pastangas, kad atitiktų ankstesnio modelio profilį.
  • 3 Žingsnis: Vykdykite vertinimus pradiniam lygiui. Jei rezultatai atrodo gerai, esate pasiruošę siųsti.
  • 4 Žingsnis: Jei yra regresijų, sureguliuokite užklausą su tiksliniais apribojimais.
  • 5 Žingsnis: Iš naujo vykdykite vertinimus po kiekvieno mažo pakeitimo. Vienas pakeitimas vienu metu.

Neapibrėžtumo Valdymas - Kai AI Nežino

Viena didžiausių rizikų su AI yra pasitikintys neteisingi atsakymai. Modelis nežino, ko nežino – nebent išmokysite jį, kaip elgtis su neapibrėžtumu.

Neapibrėžtumo Valdymas
<uncertainty_handling>
- Jei klausimas dviprasmiškas arba nepakankamai apibrėžtas, aiškiai tai 
  įvardink ir:
  - Užduok iki 1-3 tikslių patikslinančių klausimų, ARBA
  - Pateik 2-3 tikėtinas interpretacijas su aiškiai pažymėtomis prielaidomis
  
- Kai išoriniai faktai galėjo neseniai pasikeisti (kainos, išleidimai, 
  politika) ir nėra prieinamų įrankių:
  - Atsakyk bendrais terminais ir nurodyk, kad detalės galėjo pasikeisti
  
- Niekada nekurk tikslių skaičių, eilučių numerių ar išorinių nuorodų 
  kai esi neužtikrintas
  
- Kai nesi tikras, teik pirmenybę kalbai kaip "Remiantis pateiktu 
  kontekstu..." vietoj absoliučių teiginių
</uncertainty_handling>

Didelės Rizikos Savikontrolė

Didelės rizikos sritims pridėkite aiškų savęs patikrinimo žingsnį:

Didelės Rizikos Savikontrolė
<high_risk_self_check>
Prieš baigiant atsakymą teisiniuose, finansiniuose, atitikties ar 
saugumui jautriuose kontekstuose:

- Trumpai peržiūrėk savo atsakymą dėl:
  - Nenurodytų prielaidų
  - Konkrečių skaičių ar teiginių, nepagrįstų kontekste
  - Pernelyg stiprios kalbos ("visada", "garantuota" ir t.t.)
  
- Jei randi ką nors, sušvelnink arba kvalifikuok juos ir aiškiai nurodyk prielaidas
</high_risk_self_check>
⚠️

Tikslas nėra padaryti AI mažiau pasitikintį savimi – tikslas padaryti jį tiksliai pasitikintį. Neapibrėžtumas dėl neaiškių dalykų yra funkcija, ne klaida.

Metaprompting - AI Naudojimas AI Tobulinimui

Štai pati meta technika mano įrankių rinkinyje: AI naudojimas jūsų užklausoms tobulinti. Skamba žiediškai, bet tai neįtikėtinai efektyvu.

Prompt Nesėkmių Diagnostika

Prompt Diagnostikos Šablonas
Tu esi prompt inžinierius, kuriam pavesta derinti sistemos užklausą.

Tau duota:
1) Dabartinė sistemos užklausa:
<system_prompt>
[ĮKLIJUOKITE SAVO UŽKLAUSĄ ČIA]
</system_prompt>

2) Mažas rinkinys užregistruotų nesėkmių. Kiekvienas įrašas turi:
- užklausą
- faktinę_išvestį
- tikėtiną_išvestį (arba problemos aprašymą)

<failure_traces>
[ĮKLIJUOKITE NESĖKMIŲ PAVYZDŽIUS]
</failure_traces>

Tavo užduotys:
1) Identifikuok skirtingus nesėkmės režimus, kuriuos matai
2) Kiekvienam nesėkmės režimui cituok konkrečias sistemos užklausos eilutes, 
   kurios labiausiai tikėtina sukelia arba sustiprina tai
3) Paaiškink, kaip tos eilutės kreipia agentą link 
   stebimo elgesio

Grąžink savo atsakymą struktūruotu formatu:
failure_modes:
- name: ...
  description: ...
  prompt_drivers:
    - exact_or_paraphrased_line: ...
    - why_it_matters: ...

Patobulinimų Generavimas

Prompt Tobulinimo Šablonas
Anksčiau analizavai šią sistemos užklausą ir jos nesėkmės režimus.

Sistemos užklausa:
<system_prompt>
[ORIGINALI UŽKLAUSA]
</system_prompt>

Nesėkmės režimo analizė:
[ĮKLIJUOKITE DIAGNOZĘ IŠ ANKSTESNIO ŽINGSNIO]

Prašau pasiūlyti chirurginę reviziją, kuri sumažina stebimas problemas 
išlaikant gerą elgesį.

Apribojimai:
- Neperkurk agento nuo nulio
- Teik pirmenybę mažiems, aiškiems redagavimams: paaiškink prieštaringas taisykles, pašalink 
  perteklines ar prieštaraujančias eilutes, sugriežtink miglotas gaires
- Padaryk kompromisus aiškius
- Išlaikyk struktūrą ir ilgį apytiksliai panašų į originalą

Išvestis:
1) patch_notes: glaustas pagrindinių pakeitimų ir motyvų sąrašas
2) revised_system_prompt: pilna atnaujinta užklausa su pritaikytais redagavimais

Savirefleksija Kokybei

Ši technika yra stulbinanti: instruktuokite AI sukurti savo vertinimo kriterijus ir iteruoti pagal juos:

Savirefleksijos Prompt
<self_reflection>
- Pirmiausia, praleisk laiką galvodamas apie rubriką, kol būsi užtikrintas
- Mąstyk giliai apie kiekvieną aspektą, kas sudaro pasaulinio lygio 
  sprendimą. Naudok tas žinias sukurti rubriką, kuri turi 5-7 
  kategorijas. Šią rubriką kritiškai svarbu padaryti teisingai, bet ne 
  rodyk man to — tai skirta tik tavo tikslams.
- Galiausiai, naudok rubriką vidiniam mąstymui ir iteravimui ties 
  geriausiu įmanomu sprendimu užklausai
- Jei tavo atsakymas nepasiekia aukščiausių balų visose 
  kategorijose rubrikoje, pradėk iš naujo
</self_reflection>

Jūs prašote AI sugeneruoti kokybės kriterijus iš savo žinių apie meistriškumą, tada naudoti tuos kriterijus įvertinti ir patobulinti savo paties išvestį – visa tai prieš jums ką nors pamatant. Išvesties kokybės pagerėjimas yra didelis.

Mūšyje Išbandyti Šablonai, Kuriuos Galite Naudoti Šiandien

Universalus Užduoties Užbaigimas

Bendros Paskirties Šablonas
<context>
[Pagrindinė informacija, kurios AI reikia situacijai suprasti]
</context>

<task>
[Aiškus pareiškimas, ką norite atlikti]
</task>

<requirements>
[Specifiniai reikalavimai ar apribojimai]
</requirements>

<format>
[Kaip norite, kad išvestis būtų struktūrizuota]
</format>

<examples>
[Neprivaloma: Norimos išvesties pavyzdžiai]
</examples>

Kodo Peržiūros Šablonas

Kodo Peržiūros Prompt
<context>
Kodo peržiūra [projektui/kontekstui].
Kodų bazė naudoja [technologijas/modelius].
</context>

<code_to_review>
[Įklijuoti kodą čia]
</code_to_review>

<review_criteria>
Susikoncentruok į:
1. Teisingumą: Ar jis daro tai, ką teigia?
2. Skaitomumą: Ar tai aišku kitiems kūrėjams?
3. Našumą: Bet koks akivaizdus neefektyvumas?
4. Saugumą: Bet kokie pažeidžiamumai?
5. Stilių: Ar jis atitinka kodų bazės konvencijas?
</review_criteria>

<output_format>
Kiekvienai rastai problemai:
- Svarba: [Kritinė/Didelė/Maža/Pasiūlymas]
- Vieta: [Eilutės numeris arba skyrius]
- Problema: [Kas negerai]
- Pataisymas: [Kaip tai spręsti]
</output_format>

Tyrimų Analizės Šablonas

Gilaus Tyrimo Prompt
<research_task>
[Tema ar klausimas tyrimui]
</research_task>

<methodology>
- Pradėk nuo kelių tikslinių paieškų; nepasikliauk viena užklausa
- Giliai tyrinėk, kol turėsi pakankamai informacijos 
  tiksliam, išsamiam atsakymui
- Pridėk tikslines tolesnes paieškas spragoms užpildyti ar nesutarimams išspręsti
- Tęsk iteravimą, kol papildoma paieška tikėtina nepakeis 
  atsakymo
</methodology>

<output_requirements>
- Pradėk aiškiu atsakymu į pagrindinį klausimą
- Pagrįsk įrodymais ir citatomis
- Pripažink apribojimus ir neapibrėžtumus
- Pateik konkrečių pavyzdžių, kur naudinga
- Įtrauk atitinkamą kontekstą pasekmių supratimui
</output_requirements>

<citation_format>
[Kaip norite, kad šaltiniai būtų cituojami]
</citation_format>

Žiniatinklio Tyrimų Agentas

Išsamus Žiniatinklio Tyrimas
<core_mission>
Atsakyk į vartotojo klausimą pilnai ir naudingai, su pakankamai įrodymų, 
kad skeptiškas skaitytojas galėtų tuo pasitikėti.

Niekada nekurk faktų. Jei negali ko nors patikrinti, pasakyk tai aiškiai.

Pagal nutylėjimą būk detalus ir naudingas, o ne trumpas.

Atsakius į tiesioginį klausimą, pridėk didelės vertės susijusią medžiagą, 
kuri palaiko vartotojo pagrindinį tikslą nenukrypstant nuo temos.
</core_mission>

<research_rules>
- Pradėk nuo kelių tikslinių paieškų; naudok lygiagrečias paieškas
- Niekada nepasikliauk viena užklausa
- Tęsk iteravimą, kol viskas bus tiesa:
  - Atsakei į kiekvieną klausimo dalį
  - Radai konkrečių pavyzdžių ir didelės vertės susijusios medžiagos
  - Radai pakankamai šaltinių pagrindiniams teiginiams
</research_rules>

<citation_rules>
- Pateik citatas po kiekvienos pastraipos, kurioje yra neakivaizdžių 
  teiginių, gautų iš interneto
- Nekurk citatų
- Naudok kelis šaltinius pagrindiniams teiginiams, kai įmanoma
</citation_rules>

<ambiguity_handling>
- Niekada neužduok patikslinančių klausimų, nebent vartotojas to aiškiai prašo
- Jei užklausa dviprasmiška, nurodyk savo geriausio spėjimo interpretaciją, tada 
  išsamiai apimk labiausiai tikėtinus ketinimus
</ambiguity_handling>

Prompt Inžinerijos Ateitis

Rašant šį tekstą 2026 m. pradžioje, prompt inžinerija sparčiai vystosi. Modeliai tampa vis galingesni, lengviau valdomi ir patikimesni. Kai kurie prognozuoja, kad prompt inžinerija taps atgyvena, nes AI vis geriau supras ketinimus. Aš nesutinku.

Tai, kas keičiasi, yra prompt inžinerijos lygis, o ne jos būtinybė. Ankstyvomis dienomis reikėjo sudėtingų užklausų pagrindinėms užduotims. Dabar pagrindinės užduotys veikia iš karto, bet sudėtingos agentinės darbo eigos vis dar reikalauja rafinuoto promptinimo. Kartelė kyla, o ne dingsta.

🔮

Prompt inžinerija nedingsta – ji evoliucionuoja. Svarbūs įgūdžiai keičiasi nuo "kaip priversti AI veikti" į "kaip priversti AI veikti puikiai ir patikimai dideliu mastu".

Kas Ateina

Geresnis Numatytasis Elgesys

Modeliai turės protingesnius numatytuosius nustatymus, reikalaujančius mažiau aiškių instrukcijų įprastiems modeliams. Užklausos labiau fokusuosis į pritaikymą nei į pagrindines galimybes.

Turtingesnės Įrankių Ekosistemos

AI turės prieigą prie daugiau įrankių iš karto. Prompt inžinerija pereis prie orkestravimo – žinojimo, kada ką naudoti, ne tik kaip.

Multimodalinė Integracija

Užklausos vis dažniau apims vaizdus, garsą, vaizdo įrašus ir struktūrizuotus duomenis šalia teksto. Atsiras nauji modeliai multimodalinėms užduotims.

Agentinis Sudėtingumas

Kadangi agentai tvarko ilgesnes, sudėtingesnes užduotis, prompt inžinerija taps labiau panaši į sistemų projektavimą – architektūrą, ne tik instrukcijas.

Mano Patarimas Ateičiai

Susikoncentruokite į pagrindus. Konkrečios technikos šiame vadove keisis, bet pagrindiniai principai – aiški komunikacija, aiškūs lūkesčiai, struktūrizuotas mąstymas, iteracinis tobulinimas – yra nesenstantys. Įvaldykite juos, ir prisitaikysite prie bet ko, kas ateis toliau.

Pabaigos Mintys

Prieš dvejus metus maniau, kad AI pakeis poreikį aiškiai komunikuoti. Klydau visiškai. AI padarė aiškią komunikaciją vertingesnę nei bet kada. Žmonės, kurie klesti su AI, nėra tie, kurie rado magiškus žodžius – tai tie, kurie išmoko mąstyti ir reikšti mintis tiksliai.

Prompt inžinerija iš tikrųjų nėra apie AI. Tai apie jus. Tai apie disciplinos ugdymą formuluoti tai, ko iš tikrųjų norite, kantrybę iteruoti link to, ir nuolankumą mokytis iš to, kas neveikia.

Jei pasiimsite vieną dalyką iš šio vadovo, tegul tai būna: traktuokite kiekvieną užklausą kaip progą praktikuoti aiškų mąstymą. AI yra tik veidrodis, atspindintis jūsų pačių proto aiškumą – arba painiavą.

AI atsiradimas nepadarė žinių pasenusiomis – jis padarė smalsumą galingesniu nei bet kada. Mūsų neberiboja tai, ką jau žinome. Su tinkamais įrankiais ir noru mąstyti, paprasti žmonės gali aprėpti žinių vandenyną. Nepriklausomai nuo profesijos. Nepriklausomai nuo amžiaus. Tikiuosi pasidalinti šia kelione su draugais visame pasaulyje. Kartu pasveikinkime šį naują pasaulį. Kartu aukime.

Paskutinį kartą atnaujinta: 2026 m. sausio 24 d. · Remiantis oficialia dokumentacija, moksliniais straipsniais ir plačiais asmeniniais eksperimentais

Discussion

0 comments

Leave a comment

Be the first to share your thoughts on this article!