Systemanweisungen verwenden, um das Verhalten eines Modells zu steuern

Systemanweisungen sind wie eine „Präambel“, die Sie hinzufügen, bevor das Modell weiteren Anweisungen des Endnutzers ausgesetzt wird. Sie können das Verhalten des Modells basierend auf Ihren spezifischen Anforderungen und Anwendungsfällen steuern.

Einführung in Systemanweisungen

Wenn Sie eine Systemanweisung festlegen, erhält das Modell zusätzlichen Kontext, um die Aufgabe besser zu verstehen, individuellere Antworten zu geben und bestimmte Richtlinien während der gesamten Nutzerinteraktion mit dem Modell einzuhalten. Sie können das Verhalten auf Produktebene in den Systemanweisungen angeben, getrennt von Eingabeaufforderungen der Endnutzer. Sie können beispielsweise die Rolle oder Identität, Kontextinformationen und Formatierungsanweisungen einfügen.

Sie können Systemanweisungen auf viele Arten verwenden, darunter:

  • Identität oder Rolle definieren (z. B. für einen Chatbot)
  • Ausgabeformat definieren (Markdown, YAML usw.)
  • Ausgabestil und ton definieren (z. B. Ausführlichkeit, Formalität und Ziellesegrad)
  • Ziele oder Regeln für die Aufgabe definieren (z. B. die Rückgabe eines Code-Snippets ohne weitere Erläuterungen)
  • Zusätzlichen Kontext für den Prompt angeben (z. B. Wissensgrenzwert)

Wenn eine Systemanweisung festgelegt ist, gilt sie für die gesamte Anfrage. Sie ist über mehrere Nutzer und Modellversionen effektiv, wenn sie im Prompt enthalten ist. Obwohl die Systemanweisungen vom Inhalt der Eingabeaufforderung getrennt sind, sind sie weiterhin Teil Ihrer Gesamtaufforderungen und unterliegen daher den Standardrichtlinien zur Datennutzung.

Codebeispiele

Beispiele für Aufforderungen

Hier sind einige Beispiele für System-Prompts, die das erwartete Verhalten des Modells definieren.

Codegenerierung

  • System: Sie sind ein Programmierexperte, der sich auf das Rendering von Code für Frontend-Schnittstellen spezialisiert hat. Wenn ich die Komponente einer Website beschreibe, die ich erstellen möchte, geben Sie den dazu erforderlichen HTML- und CSS-Code zurück. Geben Sie keine Erläuterung für diesen Code an. Bieten Sie außerdem einige Vorschläge für das UI-Design an.
  • Nutzer:Erstellen Sie einen Kasten in der Mitte der Seite, der eine rotierende Auswahl von Bildern mit jeweils einem Untertitel enthält. Das Bild in der Mitte der Seite sollte einen Schatten haben, sodass es sich abhebt. Es sollte auch auf eine andere Seite der Website verweisen. Lassen Sie die URL leer, damit ich sie ausfüllen kann.

Generierung formatierter Daten

  • System: Sie sind ein Assistent für das Kochen zu Hause. Sie erhalten eine Liste mit Zutaten und antworten mit einer Liste von Rezepten, in denen diese Zutaten verwendet werden. Rezepte, für die keine zusätzlichen Zutaten benötigt werden, sollten immer vor Rezepten aufgelistet werden, die das tun.

    Die Antwort muss ein JSON-Objekt mit drei Rezepten sein. Ein Rezeptobjekt hat folgendes Schema:

    • name: Der Name des Rezepts.
    • usedIngredients: Zutaten im Rezept, die in der Liste bereitgestellt wurden
    • otherIngredients: Zutaten im Rezept, die nicht in der Liste aufgeführt wurden (wird ausgelassen, wenn keine weiteren Zutaten erforderlich sind)
    • description: Eine kurze Beschreibung des Rezepts, die positiv formuliert ist, wie eine Werbung.

  • Nutzer:

    • 0,5 kg gefrorener Brokkoli
    • 0,5 l Schlagsahne
    • 0,5 kg Käse

Musik-Chatbot

  • System: Sie antworten als Musikhistoriker, stellen Ihr umfassendes Wissen über verschiedene Musikgenres unter Beweis und geben relevante Beispiele. Ihr Ton sollte fröhlich und begeistert sein und die Freude an der Musik verbreiten. Wenn sich eine Frage nicht mit Musik bezieht, sollte die Antwort so lauten: „Das liegt außerhalb meines Wissens.“
  • Nutzer: Wenn ein Mensch in den 60er-Jahren geboren wurde, was war das beliebteste Musikgenre, das gespielt wurde? Listen Sie fünf Songs in Stichpunkten auf.

Weitere Optionen zur Steuerung der Inhaltsgenerierung

  • Informationen zum Prompt-Entwurf, damit Sie das Modell beeinflussen können, eine Ausgabe zu generieren, die auf Ihre Anforderungen zugeschnitten ist
  • Konfigurieren Sie Modellparameter, um zu steuern, wie das Modell eine Antwort generiert. Dazu gehören die Parameter „max. Ausgabetokens“, „Temperatur“, „TopK“ und „TopP“.
  • Mithilfe der Sicherheitseinstellungen können Sie die Wahrscheinlichkeit anpassen, dass Sie Antworten erhalten, die als schädlich eingestuft werden können, einschließlich Hassrede und sexuell expliziter Inhalte.
  • Übergeben Sie zusammen mit der Aufforderung ein Antwortschema, um ein bestimmtes Ausgabeschema anzugeben. Diese Funktion wird am häufigsten beim Generieren einer JSON-Ausgabe verwendet, kann aber auch für Klassifizierungsaufgaben genutzt werden, z. B. wenn das Modell bestimmte Labels oder Tags verwenden soll.