Prompty z samokonsystencją
Wyobraź sobie, że prowadzisz sklep z laptopami i telefonami komórkowymi. Zaczynasz dzień od 50 urządzeń w sklepie, z których 60% to telefony komórkowe. W ciągu dnia sklep odwiedzili trzej klienci – każdy z nich kupił jeden telefon komórkowy, a jeden z nich dodatkowo kupił laptopa. Do swojej oferty dodałeś też 10 laptopów i 5 telefonów komórkowych. Ile laptopów i telefonów komórkowych masz na koniec dnia? To zadanie jest zdefiniowane w zmiennej problem_to_solve, a do jego rozwiązania wykorzystasz prompt z samokonsystencją.
Pakiet OpenAI oraz funkcja get_response() są już wczytane.
Funkcja get_response() w tym ćwiczeniu używa parametru max_tokens, aby przyspieszyć działanie.
To ćwiczenie jest częścią kursu
Prompt Engineering z OpenAI API
Instrukcje do ćwiczenia
- Utwórz
self_consistency_instruction, która pozwoli modelowi rozwiązać problem z udziałem trzech ekspertów i połączyć wyniki za pomocą głosowania większościowego. - Utwórz końcowy
prompt, łączącself_consistency_instructionzproblem_to_solve.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
client = OpenAI(api_key="")
# Create the self_consistency instruction
self_consistency_instruction = ____
# Create the problem to solve
problem_to_solve = "If you own a store that sells laptops and mobile phones. You start your day with 50 devices in the store, out of which 60% are mobile phones. Throughout the day, three clients visited the store, each of them bought one mobile phone, and one of them bought additionally a laptop. Also, you added to your collection 10 laptops and 5 mobile phones. How many laptops and mobile phones do you have by the end of the day?"
# Create the final prompt
prompt = ____
response = get_response(prompt)
print(response)