Iteratives Prompt-Engineering für Few-Shot-Prompts
Du arbeitest gerade an einem Projekt in deiner Firma, die Inhalte erstellt. Das Ziel des Projekts ist es, ein Modell zur Textklassifizierung zu entwickeln, das verschiedene Emotionen in Texten, wie zum Beispiel Freude, Traurigkeit und Angst, genau erkennen und einordnen kann. Wenn der Text keine erkennbaren Emotionen hat, solltest du versuchen, dass das Modell ohne klare Emotionen antwortet.
Du hast dich entschieden, das mitgelieferte Few-Shot- prompt-Modell zu nutzen. Du hast aber gemerkt, dass „Die Zeit vergeht wie im Flug“ fälschlicherweise als „Überraschung“ eingestuft wird. Dein Ziel ist es jetzt, das „ prompt “ zu verbessern, damit das Modell dieses spezielle Beispiel richtig als „keine explizite Emotion“ einstuft.
Das Paket „ OpenAI “ und die Funktion „ get_response() “ sind schon für dich vorinstalliert.
Diese Übung ist Teil des Kurses
Prompt-Engineering mit der OpenAI-API
Anleitung zur Übung
- Verbessere das Modell „
prompt“ immer wieder, indem du die Beispiele verfeinerst, damit das Beispiel „"They sat and ate their meal"“ keine expliziten Emotionen mehr zeigt.
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
client = OpenAI(api_key="")
# Refine the following prompt
prompt = """
Receiving a promotion at work made me feel on top of the world -> Happiness
The movie's ending left me with a heavy feeling in my chest -> Sadness
Walking alone in the dark alley sent shivers down my spine -> Fear
____
____
They sat and ate their meal ->
"""
response = get_response(prompt)
print(response)