Estrutura de engenharia de prompt mestre – Aproveite o poder dos LLMs

O mundo não tem falta de LLMs, dadas as escolhas que temos; francamente, esses modelos foram comoditizados enquanto falamos, e estão acelerando, por exemplo, consulte meu último artigo OpenAI GPT4o, Meta Llama 3.1B, Google Gemini 1.5 pro. Aplicativos como ChatGPT e Perplexity alimentados por LLMs se tornarão ferramentas cotidianas semelhantes ao MS Word e Excel.

Portanto, o que mais importa para um profissional que trabalha é como derivamos valor desses modelos e como você faz esses aplicativos funcionarem para você da melhor forma possível. Isso se torna uma técnica essencial que todo profissional de TI precisa dominar → engenharia rápida.

O que faz um bom prompt?

Para aproveitar o poder dos grandes modelos de linguagem (LLMs) de forma eficaz, um bom prompt deve ser claro, específico e bem estruturado. Aqui estão os principais elementos que fazem um bom prompt

Clareza e Especificidade
- Instruções claras: O prompt deve fornecer instruções inequívocas para evitar interpretações múltiplas.
- Detalhes específicos: Inclua informações detalhadas sobre o contexto, resultado desejado, formato, estilo e duração.

Contexto e antecedentes
- Contexto Relevante: Forneça informações básicas suficientes para ajudar o modelo a entender o cenário.
- Especificação de público: Adapte o prompt ao público-alvo para garantir que o resultado seja relevante.

Formato de saída desejado
- Exemplos: Use exemplos para ilustrar o formato de saída esperado.
- Formato Estruturado: Defina claramente a estrutura da resposta, como marcadores, listas ou parágrafos.

Refinamento Iterativo
- Mecanismo de Feedback: Permitir melhorias iterativas com base nas respostas do modelo.
- Experimentação: Teste diferentes variações de prompts para identificar os mais eficazes.

Evitando Ambiguidade
- Linguagem precisa: Minimize o uso de descrições vagas ou “fofas”.
- Instruções explícitas:Declare claramente o que fazer e o que não fazer.

Como as estruturas tornam os prompts eficazes

O prompt Engineering framework fornece uma estrutura para ajudar você a construir um prompt mais eficaz. Mais de 40 prompt engineering frameworks foram desenvolvidos nos últimos dois anos, o que é bem trabalhoso de acompanhar. Fundamentalmente, avaliar um prompt engineering framework envolve avaliar sua eficácia, usabilidade, capacidades de melhoria iterativas, métricas de desempenho, suporte da comunidade e adaptabilidade.

Recomendo as cinco estruturas a seguir com base na facilidade de uso, desempenho de saída, caso de uso e pronta reutilização.

Estrutura CRISP

Contexto: fornece um histórico detalhado, ajudando o modelo a entender o cenário.
Solicitação: especifica a tarefa claramente, garantindo que o modelo saiba o que fazer.
Insight: Adiciona informações adicionais, melhorando a compreensão do modelo.
Estilo: define o tom e a maneira da resposta, tornando-a adequada ao público-alvo.
Parâmetros: define limites para a resposta, como comprimento e formato, garantindo que a saída atenda a requisitos específicos.

Estrutura ERA

Expectativa: Descreve o resultado desejado, fornecendo metas claras para o modelo.
Papel: Especifica o papel do modelo, orientando seu comportamento.
Ação: Descreve a tarefa específica, garantindo que o modelo saiba qual ação tomar.

Estrutura RTF

Solicitar: Define claramente a solicitação do usuário.
Tarefa: Especifica a tarefa a ser executada.
Formatar: Descreve o formato desejado da resposta, garantindo clareza e estrutura.

Estrutura da Cadeia de Pensamento (CoT)

Raciocínio passo a passo: Incentiva o modelo a pensar no problema passo a passo, melhorando a qualidade de tarefas de raciocínio complexas.
Processo Iterativo: Permite refinamento e feedback, melhorando o desempenho do modelo ao longo do tempo.

Estrutura LangGPT

LangGPT é uma estrutura de engenharia de prompt inspirada em linguagens de programação estruturadas e reutilizáveis que tornam o prompt de PNL mais estruturado e reutilizável.

Baseado em modelo: Usa modelos, variáveis e comandos para criar prompts estruturados, facilitando a geração de saídas de alta qualidade.
Estrutura de camada dupla: Permite prompts reutilizáveis e modulares, aumentando a eficiência e a consistência.
Suporte à comunidade: Fornece modelos e recursos compartilhados, promovendo colaboração e melhoria contínua.

O módulo básico inclui os seguintes elementos:

Foi criado por uma comunidade sediada na China e demonstrou melhor desempenho na orientação de LLMs para a execução de tarefas em comparação com outras estruturas de engenharia rápidas

Os prós e contras de cada estrutura com um cenário

Cada framework tem seus pontos fortes e fracos, e a escolha depende da complexidade da tarefa, do seu objetivo e da familiaridade do usuário com o framework. Aqui está um exemplo que destaca os prós e contras desses frameworks

Gere um plano de SEO para otimizar um site de produto SaaS:

Você pode encontrar a saída desses prompts com base no ChatGPT aqui.

Os casos de uso ideais para cada estrutura.

O caso de uso também desempenha um papel importante na estrutura de escolha. Aqui está uma tabela que categoriza vários campos e indica a estrutura de engenharia de prompt mais adequada para cada categoria com base em seus pontos fortes e características.

A Conclusão

A evolução das estruturas de engenharia de prompt reflete o rápido avanço dos modelos de linguagem de IA e suas aplicações. Inicialmente, a engenharia de prompt focava em abordagens simples baseadas em instruções, mas desde então se desenvolveu em estruturas mais sofisticadas para maximizar o potencial de IA.

CRISP: Melhor para tarefas que exigem contexto detalhado e respostas abrangentes, como redação, finanças, marketing e jurídico.
Berço: Oferece uma abordagem passo a passo, aumentando a clareza de processos complexos.
ERA: Fornece uma saída simples e direta, adequada para tarefas rápidas e diretas.
Texto para leitura: Eficaz para resultados concisos e estruturados, o que o torna adequado para conteúdo de mídia social.
LangGPT: Altamente estruturado e personalizável, o que o torna ideal para tarefas de design, SEO e codificação que exigem consistência e reutilização.

Dito isso, apesar dessa tendência à automação, a expertise humana continua sendo crucial para adaptar aplicações de IA para setores específicos e garantir conformidade e segurança.

Bônus: aqui está o prompt que usei para criar o título deste artigo usando CRISP, então sugiro que você comece a usar esta estrutura agora.

Contexto: você é um escritor de tecnologia e especialista em SEO, trabalhando em um artigo para dar uma visão especializada sobre a estrutura de engenharia de prompts.

Solicitar: Estruture o título do artigo para ser o mais otimizado para SEO. Use o Google Keyword Planner, Ahrefs e SEMrush para identificar as cinco principais palavras-chave.

Entendimento: O artigo é direcionado a profissionais de TI que tenham algum nível de conhecimento em engenharia de prompt. Ele é usado para uma publicação no LinkedIn e um boletim informativo.

Estilo: Envolvente.

Parâmetros: O título deve ser curto, cativante e gerar uma chamada para ação.

Inscrever-se

para nossa newsletter, pois publicaremos mais dicas práticas e instruções para otimizar seu trabalho diário.