Miten Duolingo rakensi maailman #1 säilytystuotteen H/t @TheProductfolks

.@athamzafarooq siitä, miksi kontekstisuunnittelu on nyt kriittisempää kuin prompt-engineering. Useimmat tekoälyprojektipäälliköt keskittyvät promptien suunnitteluun – parempien ohjeiden kirjoittamiseen parempien tulosten saamiseksi. Mutta se toimii vain geneerisiin vastauksiin. Heti kun tarvitset personointia, prompt-suunnittelu hajoaa. Harkitse rahoitusagenttia. Yksi käyttäjä haluaa konservatiivisia S&P 500 -sijoituksia. Toinen haluaa korkean riskin kryptokauppoja. Miten sama LLM antaa molemmille käyttäjille olennaisia neuvoja? Kontekstitekniikka ratkaisee tämän kerrostamalla useita tietolähteitä: järjestelmäkehotuksia, käyttäjäkehotuksia, pitkäaikaista muistia menneistä vuorovaikutuksista sekä RAG:sta poimittua olennaista dataa. "Prompt engineering on se, mitä kerrot LLM:lle. Kontekstitekniikka on tapa, jolla suunnittelet LLM:si ohjeet. Siinä on kontekstitekniikan tuntemuksen kauneus, koska se saa koko ekosysteemin tanssimaan." Hienosäätö toimii eri tavalla—se on tehtävän sopeutumista. Koulutat LLM:ää tuhansilla esimerkeillä erikoistuaksesi siihen tiettyihin tuloksiin, kuten Python-koodin tuottamiseen tai lääketeollisuuden sanaston ymmärtämiseen. Opetus: Kontekstisuunnittelu on nyt tärkeämpää kuin prompt-suunnittelu, koska nykyaikaiset tekoälytuotteet vaativat personointia laajassa mittakaavassa. Sinun täytyy orkestroida muisti, haku ja kehotteet samanaikaisesti, jotta saat jokaiselle käyttäjälle relevantteja vastauksia.

Elämän suuri huijauskoodi: Lopeta neuvottelut ihmisten kanssa, jotka ovat jo näyttäneet, keitä he ovat. Ensivaikutelma ei aina ole oikea. Mutta kuviot ovat. Kun joku näyttää sinulle hahmonsa toistuvasti, usko häntä. Lopeta mahdollisuuksien antaminen ihmisille, jotka todistavat, etteivät he ansaitse niitä.