ใน Prompt Engineering สิ่งหนึ่งที่ที่ไม่ควรมองข้าม คือ การระบุรูปแบบโครงสร้างของผลลัพท์ที่เราต้องการ เช่น Plain Text, CSV, JSON, HTML เหตุผลข้อแรกก็คือ มันช่วยให้ผลลัพท์ที่ได้ ถูกจัดให้อยู่ในรูปแบบที่เราคาดหวัง สามารถนำไปใช้งานต่อไปทันที
ตามปกติ ในระบบงานไอที Output จากระบบหนึ่งไปเป็น Input ของอีกระบบนึง ต่อไปเรื่อย ๆ เป็นเครือข่ายซับซ้อน ขึ้นกับแต่ละองค์กร ซึ่งแต่ละระบบก็จะคาดหวัง Input รูปแบบโครงสร้างข้อมูลที่แตกต่างกันไป เมื่อเราระบุรูปแบบโครงสร้างข้อมูลที่ต้องการ ใน Prompt ให้ LLM อย่างชัดเจนตั้งแต่ต้น ทำให้เราแน่ใจว่าสามารถบูรณาการระบบงานต่าง ๆ ได้อย่างไร้รอยต่อ
เทคนิค 2 ระบุรูปแบบโครงสร้างข้อมูลผลลัพท์
เหตุผลอีกข้อ ในการระบุรูปแบบโครงสร้างข้อมูลที่ต้องการ ใน Prompt คือ ความยืดหยุ่น และใช้งานง่าย รูปแบบโครงสร้างที่แตกต่างกัน ถูกออกแบบมาตอบโจทย์ความต้องการที่แตกต่างกันไป ตัวอย่าง เช่น
- Plain Text เป็นรูปแบบที่เรียบง่าย ตรงตัว เหมาะกับการอ่านสำหรับผู้ใช้ทั่วไป
- Paragraph ย่อหน้า
- Bullet Points เป็นข้อ ๆ
- CSV จะมีการจัดข้อมูลเป็นรูปแบบตาราง แบ่งเป็น Row และ Column มักถูกใช้ในสเปรดชีต (Spreadsheet) เช่น Excel
- HTML สามารถนำไปใส่บนเว็บไซต์ให้คนเข้ามาดูได้จากทั่วโลก
- JSON เป็นมาตรฐานในการแลกเปลี่ยนข้อมูลระหว่างระบบ
ด้วยการระบุรูปแบบที่ต้องการ ใน Prompt เราสามารถปรับโครงสร้างผลลัพท์ให้เหมาะกับความคาดหวังของคน/ระบบที่จะนำข้อมูลนี้ไปใช้ต่อ นี่เป็นการส่งมอบข้อมูลสารสนเทศที่ง่ายในการประมวลผล ง่ายในการวิเคราะห์ และง่ายในการบูรณการกับแอพพลิเคชั่นอื่น ๆ เป็นการยกระดับประสิทธิภาพของระบบงานโดยรวม
ตัวอย่างผลลัพท์
และยังมี Format อื่น ๆ อีกหลายแบบ ที่ไม่ได้กล่างถึง AsciiDoc / CSV / Elasticsearch / HTML / JavaScript / JSON / LaTeX / LDJSON / LTSV / Markdown / MediaWiki / NumPy / Excel / Pandas / Python / reStructuredText / SQLite / TOML / TSV / YAML / Etc.
เรามาเริ่มกันเลยดีกว่า
Credit
- https://www.deeplearning.ai/short-courses/chatgpt-prompt-engineering-for-developers/
- https://platform.openai.com/docs/guides/completion/prompt-design
- https://platform.openai.com/docs/api-reference/completions/create
