Του Μάθιου Έντγκαρ · Τελευταία ενημέρωση: 16 Αυγούστου 2023
Εάν δεν έχετε ήδη αρχίσει να παίζετε με το ChatGPT και άλλα εργαλεία δημιουργίας τεχνητής νοημοσύνης, θα πρέπει να το κάνετε. Καθώς ξεκινάτε να εργάζεστε με βασικές προτροπές, θα συνειδητοποιήσετε γρήγορα ότι μπορείτε να αξιοποιήσετε πολλά περισσότερα από τα εργαλεία δημιουργίας τεχνητής νοημοσύνης γράφοντας πιο προσεκτικά και λεπτομερή μηνύματα. Ακολουθούν ορισμένες συμβουλές και παραδείγματα προτροπών που θα σας βοηθήσουν να βελτιώσετε την εργασία σας με το ChatGPT, το Google Bard, την αναζήτηση συνομιλίας του Bing και άλλα εργαλεία δημιουργίας τεχνητής νοημοσύνης.
Συμβουλή #1: Σαφής, συγκεκριμένη και ξεκάθαρη
Οι προτροπές πρέπει να είναι σαφείς και συγκεκριμένες. Οτιδήποτε ασαφές στο μήνυμα προτροπής θα προκαλέσει το ChatGPT, το Bard ή άλλα LLM να δημιουργήσουν άσχετες ή παραπλανητικές απαντήσεις. Αυτό περιλαμβάνει την αποφυγή γραμματικών λαθών στα μηνύματα ή τη σύνταξη κακώς δομημένων προτάσεων.
Όλα αυτά είναι επειδή οι LLM εκπαιδεύονται να ανιχνεύουν μοτίβα στη γλώσσα και να χρησιμοποιούν αυτήν την εκπαίδευση για να προβλέψουν την επόμενη λέξη που θα δημιουργήσει με βάση το πλαίσιο των προηγούμενων λέξεων. Όσο πιο σαφής και συγκεκριμένη είναι η προτροπή σας, τόσο περισσότερο πλαίσιο έχει το LLM και μπορεί να κάνει ακριβέστερη πρόβλεψη για τον τρόπο δημιουργίας ενός αποτελέσματος. Ωστόσο, μια προτροπή που είναι διφορούμενη ή κακώς διατυπωμένη θα κάνει το LLM να παρεξηγήσει το πλαίσιο και να κάνει μια ανακριβή πρόβλεψη σχετικά με την απάντηση που θα δημιουργήσει.
Παράδειγμα: Κακή προτροπή
«Ελέγξτε τον παρακάτω κώδικα για προβλήματα. [paste HTML code here]”
Αυτή η προτροπή είναι διφορούμενη. Σε ποια θέματα πρέπει να δοθεί προτεραιότητα; Ελέγχετε εάν ο κώδικας είναι έγκυρος, εάν υπάρχουν τρόποι βελτίωσης της ταχύτητας, εάν δεν θα φορτωθεί σε ορισμένα προγράμματα περιήγησης, εάν τα bots μπορούν να ερμηνεύσουν τον κώδικα, εάν θα περάσει τις οδηγίες προσβασιμότητας ή κάτι άλλο; Όταν επικολλάτε κώδικα HTML, θα περιλαμβάνεται κώδικας CSS και JavaScript, οπότε πρέπει να το ελέγξει και το LLM; Θα λάβετε μια απάντηση σε αυτό το μήνυμα, αλλά πιθανότατα δεν θα είναι πολύ χρήσιμο.
Παράδειγμα: Καλή προτροπή
«Χρειάζομαι τη βοήθειά σας για την ανάλυση του κώδικα CSS μου για πιθανά σημεία συμφόρησης στην απόδοση. Ο κώδικας CSS επικολλάται παρακάτω. Αναζητήστε τρόπους με τους οποίους το CSS θα μπορούσε να γραφτεί για να παράγει την ίδια έξοδο αλλά με λιγότερο κώδικα. Ελέγξτε για διενέξεις CSS, τρόπους βελτίωσης της οργάνωσης και τρόπους αποφυγής παρακάμψεων στυλ. Δώστε μια λίστα που συνοψίζει τα συγκεκριμένα βήματα που πρέπει να ακολουθήσετε για τη βελτιστοποίηση του αρχείου CSS. Συμπεριλάβετε συγκεκριμένα παραδείγματα κώδικα που πρέπει να διορθώσει ένας προγραμματιστής διεπαφής. Δεν χρειάζεται να ξαναγράψετε όλο τον κώδικα. [paste CSS code here]”
Αυτή η προτροπή είναι πολύ συγκεκριμένη. Ζητάει από το LLM να εξετάσει τον κώδικα CSS για τρόπους βελτίωσης της απόδοσης και παρέχει συγκεκριμένα παραδείγματα πραγμάτων που πρέπει να αναλυθούν. Στη συνέχεια, ζητά δύο συγκεκριμένους τύπους εξόδου, μια λίστα με τα ζητήματα που πρέπει να αντιμετωπιστούν και παραδείγματα κώδικα που πρέπει να διορθωθούν. Η προτροπή σημειώνει επίσης ότι το κοινό που προορίζεται για την απόκριση που δημιουργείται θα είναι προγραμματιστής front-end. Όλα αυτά δίνουν στο LLM (ο Bard στο παρακάτω παράδειγμα) περισσότερο πλαίσιο που διευκολύνει το LLM να δημιουργήσει μια απάντηση.
Συμβουλή #2: Χρησιμοποιήστε παραδείγματα και επιδείξεις
Είναι επίσης χρήσιμο να χρησιμοποιείτε παραδείγματα ή επιδείξεις στην προτροπή, ειδικά όταν ζητάτε από το LLM να ολοκληρώσει μια συγκεκριμένη εργασία. Αυτό σχετίζεται με το να είναι σαφές και συγκεκριμένο, επειδή τα παραδείγματα μπορούν να βοηθήσουν το μοντέλο να κατανοήσει το πλαίσιο και να προσδιορίσει πιο αποτελεσματικά ποια απόκριση πρέπει να δημιουργηθεί.
Επίσης, τα δεδομένα εκπαίδευσης στα οποία βασίζονται οι ChatGPT, Bard και άλλοι περιέχουν ένα ευρύ φάσμα στυλ γραφής, χρήση γλώσσας και δομή εξόδου. Παρέχοντας παραδείγματα, δείχνετε το μοντέλο προς τον τύπο στυλ, γλώσσας και δομής που επιθυμείτε.
Παράδειγμα: Κακή προτροπή
„Εδώ είναι οι διευθύνσεις URL και οι κεφαλίδες για πέντε σελίδες στον ιστότοπό μου. Γράψτε ετικέτες τίτλου για αυτές τις σελίδες που θα στοχεύουν σχετικές λέξεις-κλειδιά και θα προσελκύουν τους χρήστες να κάνουν κλικ σε αυτήν τη σελίδα από μια λίστα αποτελεσμάτων αναζήτησης. [paste list of URLs and the page’s H1 tag]”
Αυτή η προτροπή είναι σαφής και συγκεκριμένη και θα δημιουργήσει μια αξιοπρεπή απάντηση. Ωστόσο, υπάρχουν πολλά διαφορετικά στυλ και προσεγγίσεις για τη σύνταξη ετικετών τίτλων. Αυτά τα στυλ και οι προσεγγίσεις αλλάζουν με βάση τον κλάδο. Επίσης, μια επωνυμία μπορεί να έχει μια χαρακτηριστική φωνή που πρέπει να αντικατοπτρίζεται στην ετικέτα τίτλου. Σε ορισμένες περιπτώσεις, οι ετικέτες τίτλου είναι πιο επαγγελματικές και σε άλλες πιο περιστασιακές. Ορισμένοι τίτλοι λειτουργούν καλύτερα ως ερωτήσεις και άλλοι ως γρήγορες δηλώσεις. Υπάρχουν επίσης διαφορετικοί χαρακτήρες που μπορείτε να χρησιμοποιήσετε ως διαχωριστικό. Λαμβάνοντας υπόψη όλα αυτά, μπορεί να είναι χρήσιμο να παρέχετε ένα παράδειγμα για το ποιοι τύποι ετικετών τίτλου λειτουργούν ήδη για τον ιστότοπό σας.
Παράδειγμα: Καλή προτροπή
„Εδώ είναι οι διευθύνσεις URL και οι κεφαλίδες για τρεις σελίδες στον ιστότοπό μου. Μια καλή ετικέτα τίτλου στον ιστότοπό μου είναι [insert two to three adjectives to describe the better title tags]. Ένα παράδειγμα της καλύτερης ετικέτας τίτλου μας θα ήταν: [paste good title tag] Έχοντας υπόψη αυτά τα παραδείγματα, γράψτε ετικέτες τίτλου για αυτές τις σελίδες που θα στοχεύουν σχετικές λέξεις-κλειδιά και θα προσελκύουν τους χρήστες να κάνουν κλικ σε αυτήν τη σελίδα από μια λίστα αποτελεσμάτων αναζήτησης. [paste list of URLs and the page’s H1 tag]”
Προσθέτοντας μια περίληψη του τι κάνει μια ετικέτα τίτλου καλύτερη για τον συγκεκριμένο ιστότοπό σας μαζί με ένα παράδειγμα καλής ετικέτας τίτλου (ή πολλά παραδείγματα, αν προτιμάτε), το LLM θα έχει ευκολότερο χρόνο να γράψει ετικέτες τίτλου που είναι κατάλληλες για τον ιστότοπό σας.
Συμβουλή #3: Χρησιμοποιήστε συνομιλίες πολλαπλών στροφών
Συνήθως εργαζόμαστε με υπολογιστές σε μια αλληλεπίδραση μίας στροφής. Εισάγουμε ένα αίτημα και λαμβάνουμε απάντηση. Σκεφτείτε μια παραδοσιακή μηχανή αναζήτησης: εισάγετε το ερώτημά σας και λαμβάνετε μια λίστα αποτελεσμάτων. Εάν θέλετε ένα διαφορετικό σύνολο αποτελεσμάτων, εισάγετε ένα διαφορετικό ερώτημα για να λάβετε διαφορετικά αποτελέσματα. Ως επί το πλείστον, το δεύτερο ερώτημα είναι ανεξάρτητο από το πρώτο ερώτημα. η μηχανή αναζήτησης δεν διατηρεί ιστορικό μεταξύ των εισαγόμενων ερωτημάτων (η Google εξατομικεύει τα αποτελέσματα αναζήτησης σε κάποιο βαθμό, αλλά τα ερωτήματα αναζήτησης είναι σε μεγάλο βαθμό αλληλεπιδράσεις μίας στροφής).
Με τα νεότερα LLMs, μπορούμε να προχωρήσουμε πέρα από τις αλληλεπιδράσεις μιας στροφής. Αυτό σημαίνει ότι η προτροπή σας μπορεί να μετατραπεί σε συνομιλία με το μοντέλο. Αυτό είναι χρήσιμο όταν χρειάζεται να αναλύσετε σύνθετα ερωτήματα σε διαδοχικά βήματα. Μπορεί επίσης να βοηθήσει το LLM να κατανοήσει καλύτερα την πρόθεση και το πλαίσιο σας, επειδή μπορείτε να δημιουργήσετε αυτό το πλαίσιο μέσω μιας συνομιλίας.
Παράδειγμα προτροπής: Ανάλυση κώδικα
Υπάρχουν πολλά παραδείγματα συνομιλιών πολλαπλών στροφών. Μία από τις πιο χρήσιμες συνομιλίες πολλαπλών στροφών για τεχνικό SEO είναι η χρήση αυτού του τύπου αλληλεπίδρασης για την κατανόηση και την ανάλυση του κώδικα ενός ιστότοπου. Για παράδειγμα, σε αυτήν την ανταλλαγή, ζήτησα από το AI του Bing να με βοηθήσει να αναλύσω το αρχείο .htaccess ενός ιστότοπου. Μετά την επικόλληση του κώδικα από το αρχείο, μπόρεσα να κάνω στον Bing αρκετές επακόλουθες ερωτήσεις.
Για οποιαδήποτε συνομιλία πολλών στροφών, θέλετε να ξεκινήσετε την προτροπή κάνοντας μια γενική ερώτηση. Ο στόχος είναι να ενημερώσετε το LLM ότι ξεκινάτε τη συζήτηση. Αυτό θέτει μια προτροπή συνομιλίας πολλαπλών στροφών εκτός από τις προτροπές που βασίζονται σε εργασίες, όπως τα παραδείγματα που παρέχονται νωρίτερα σε αυτό το έγγραφο.
Τελικές σκέψεις
Το να μάθετε πώς να αλληλεπιδράτε με το ChatGPT ή άλλα μοντέλα γλώσσας είναι σαν να μαθαίνετε άλλα νέα εργαλεία. Με τον καιρό, την υπομονή και την εξάσκηση, οι προτροπές σας θα γίνονται καλύτερες και οι απαντήσεις που λαμβάνετε θα βελτιώνονται. Καθώς αυτά βελτιώνονται, θα αρχίσετε να βλέπετε νέους τρόπους για να ενσωματώσετε το ChatGPT στην εργασία και την έρευνά σας. Εάν χρειάζεστε βοήθεια για τη χρήση αυτών των εργαλείων ως μέρος της εργασίας σας στο SEO ή για την εύρεση των καλύτερων προτροπών, επικοινωνήστε μαζί μου.
