【入門】プロンプトの書き方のコツ / Tips for writing prompts

2024年7月27日開催の「【奈良】GCPUG in Nara #6【CODE for NARA共催】～　はじめての生成AI　～」の資料です.

Transcript

1. GCPUG in Nara #6 【入門】プロンプトの書き方のコツ 2024.7.27 GCPUG Nara Moonlight 明日香
2. 自己紹介 Facebook moonlight.aska Twitter @moonlight_aska Blog みらいテックラボ http://mirai-tec.hatenablog.com ➢ 名前：鶴田 彰 ➢ 職業：AI/IoT関連のお仕事 ➢ コミュニティ活動： GCPUG NARA Organizer CODE for YAMATOKORIYAMA
3. 今日お話しすること ・LLMって何? ・プロンプトの書き方 ・活用する上での注意点
4. LLMとは何か？ • LLMとは大規模言語モデル(Large Language Model) • 大量のデータとディープラーニング技術により構築された言語モデル • ChatGPTやGeminiなど, 人間みたいに賢く便利なAI LLM 膨大な量の テキストデータ 学習 出力 テキスト生成 など プロンプト 入力
5. LLMができること • 文章の作成・要約・校正・言い換え • 文章の分類 • 質問に対する回答・チャット • 情報の検索・抽出 • プログラムのコードチェック・バグチェック • 多言語翻訳 など
6. LLMがやっていること ① トークン化：プロンプトをトークンに分解しベクトル化 ② 文脈理解：プロンプト内の各トークン同士の関連性を計算 ③ エンコード：特徴量を抽出 ④ トークンのデコード：次のトークンを予測 ⑤ 次のトークンの確率を出力：プロンプトの次のトークンの確率を出力 プロンプトを受け取る 文章を生成 東京 50% 大阪 25% 奈良 20% 山 3% 紙 1% 日本の首都は LLMは、プロンプトに続くテキストを推測し応答を生成している 言語モデルのイメージ
7. ・LLMって何? ・プロンプトの書き方 ・活用する上での注意点
8. 基本的な書き方 ◼ お願い 〇〇ついて××してください 従来の検索システムへの入力 「生成AI 仕組み」
9. レベルを加える書き方(1) ◼ 文字数を指定する 〇〇を△△文字で説明してください
10. レベルを加える書き方(2) ◼ レベルを指定する 〇〇を××がわかるように説明してください
11. プロンプトの重要性 生成AIは, 命令（プロンプト）の出し方によって、出力されるコンテンツの 質が大きく異なるため、より適切なものを入力するスキルが求められる。 つまり、プロンプトを使いこなせないと、 意図したとおりの回答を得ることができない。
12. プロンプトの基本は「お願い」 ◼ 普通の文章でお願いする ◼ 詳しく説明する ・生成するテキストの内容のレベルを指定する 例)「やさしく」「小学生がわるように」「100文字で」など ・例を挙げて説明してもらう 例)「～について、例をあげて説明してください。」 ◼ 意見をもらう 例)「～についてどう思いますか?」 ◼ 命令する ・・・何を行うか明確な指示を出すこと 例)「～に対し、××しなさい」
13. 例：メールを作成する
14. 例：URLを指定して要約する 注) URLは確実に使えるわけではないです!
15. 例：コードを書く
16. 例：グラフを作成する
17. コツ1:プロンプトを補足する (途中省略)
18. コツ2:プロンプトの最初に指示を置く ◼ 指示とコンテキストを明確に分ける 分ける場合は, #や“などの区切り機構を使う 以下のテキストの要点を箇条書きでまとめてください。 (任意のテキスト) 以下のテキストの要点を箇条書きでまとめてください。 #テキスト：(任意のテキスト) ×悪いプロンプト例 〇良いプロンプト例
19. コツ3:目的の出力形式を明示する ◼ 目的の出力形式を例で提示する Google社の概要を説明してください。 Google社の概要を説明してください。 #出力：設立年、事業内容、会社本拠地住所、資本金 ×悪いプロンプト例 〇良いプロンプト例
20. コツ4:One-shot/Few-shot学習 ◼ プロンプトに例を追加する 英語からフランス語に翻訳してください。 sea otter => loutre de mer peppermint => menthe poivrée plush giraffe => girafe peluche cheese => タスクを記述 例文/見本あり プロンプトを記述 Zero-shot Learning ・・・ 例文がない場合 One-shot Learning ・・・ 例文/見本が１つだけの場合 Few-shot Learning ・・・ 例文/見本が複数の場合
21. コツ5:Chain-of-Thought (CoT) ◼ 複雑な問題を細かく分解して1つ1つ考えながら推論を進める方法
22. コツ6:キャラクタを設定する ◼ アシスタントに個性を持たせることができる
23. プロンプトエンジニアリング https://www.promptingguide.ai/jp 精度の高いアウトプットが得られるように, 質問文(プロンプト)を構築する技術 体系だった解説資料：DAIR.AIが公開している「Prompt Engineering Guide」が有名
24. 文例集：promptia https://prompt.quel.jp/
25. promptiaのサンプル 販促キャンペーンのアイデア出し
26. ・LLMって何? ・プロンプトの書き方 ・活用する上での注意点
27. 活用する上での注意点 ◼ AIは常に正しいとは限らない. もっともらしいウソ(=事実とは異なる内容)の出力が生成されることがある. ◼ 最新の情報には未対応である. ◼ 入力には個人情報や企業内の機密情報が含まれないようにする. 生成AIサービスによっては, 入力情報を学習データとして利用するものがある. ◼ 生成された画像などのコンテンツの著作権や学習データに類似していた際の著 作権侵害などが不透明である.
28. Thank You!!