Iterativ prompt-optimering för few-shot-promptar
Du arbetar för tillfället på ett projekt hos ditt innehållsproduktionsföretag. Projektets mål är att utveckla en textklassificeringsmodell som kan identifiera och kategorisera olika känslor i text – till exempel glädje, sorg och rädsla. I de fall där texten inte innehåller någon tydlig känsla ska modellen svara med "no explicit emotion."
Du har valt att använda den tillhandahållna few-shot-prompten. Du har dock lagt märke till att "Time flies like an arrow" felaktigt klassificeras som "surprise." Ditt mål är nu att förfina prompten så att modellen korrekt klassificerar just det här exemplet som "no explicit emotion."
Paketet OpenAI och funktionen get_response() har förinstallerats åt dig.
Den här övningen är en del av kursen
Prompt Engineering med OpenAI API
Övningsinstruktioner
- Förfina
prompten iterativt genom att justera exemplen, tills du får utdata no explicit emotion för exemplet"They sat and ate their meal".
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
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)