Técnicas Básicas de Prompt Engineering
Técnicas Básicas de Prompt Engineering
Técnicas Básicas de Prompt Engineering
engineering
Zero-shot, One-shot, Few-shot prompting:
Las técnicas Zero-shot, One-shot y Few-shot son tecnicas utilizadas en todos los
modelos de Inteligencia Artificial: no están limitadas a los modelos de generación de
texto.
Chain-of-Thought Prompting
(Incitación a la cadena de pensamientos)
La cadena de pensamiento, porque el modelo si es débil se vuelve bueno cuando se
especifica la cadena de pensamiento, si tengo una estructura Question and Answer,
muchos modelos de IA no pueden responder lógica matemática asociada a un
problema de la vida cotidiana, es complejo para ellos, por esto hay que especificar una
cadena de pensamiento,
El Chain-of-Thought es un método que permite mejorar las habilidades de
razonamiento de los modelos de lenguaje. El concepto de esta técnica, se basa en
permitirle a los modelos descomponer un problema de varios pasos en pasos
intermedios y así resolver problemas que no se podrían resolver con métodos de
prompts estándar.
Crea una tabla con el top de software y librerías para el uso de AI.
Incluye las siguientes columnas:
Nombre, Descripción, categoría, link, si es open sources o no.
Menciona los conocimientos básicos que debo tener para trabajar en ciencia de
datos.
Usa un mapa mental con la estructura de [Tema, sub tema y sub sub tema] usando
Markdown.
Menciona los conocimientos básicos que debo tener para trabajar en ciencia de
datos.
Usa la estructura [Que, Por qué y cómo]
Menciona los conocimientos básicos que debo tener para trabajar en ciencia de
datos.
Usa el formato Outline.
Menciona los conocimientos básicos que debo tener para trabajar en ciencia de
datos.
Usa el formato Json con listas en los niveles inferiores.
Markdown
https://www.markdownguide.org/basic-syntax/
https://mermaid.live
Json editor
https://jsoncrack.com/editor
https://jsonviewer.stack.hu/
Existen varios visores de formato Json.
Este proceso de refinamiento continuo permite que las respuestas generadas sean
cada vez más precisas, relevantes y satisfactorias según nuestras necesidades, y se
logra a través de la retroalimentación constante y el ajuste incremental. Esta técnica
puede ser útil en diferentes casos:
Se le va dando indicaciones (iterando), agregando nuevas ordenes para que Chat GPT
vaya mejorando la estructura de sus respuestas, esto con el fin de obtener mejores
resultados, al final le dices que te muestre todo completo y si no sale completo le dices
que continue con la respuesta.