คู่มือการโปรโมตอย่างเป็นทางการจาก OpenAI

วิธีการพัฒนาโดยรวม

เขียนคำแนะนำอย่างชัดเจน

โมเดลเหล่านี้ไม่สามารถอ่านความคิดของคุณได้ เมื่อเอาต์พุตยาวเกินไป ให้ขอคำตอบที่สั้น หากเอาต์พุตง่ายเกินไป ให้ขอการเขียนระดับผู้เชี่ยวชาญ หากคุณไม่ชอบรูปแบบ ทำการสาธิตรูปแบบที่คุณต้องการเห็น โมเดลที่มีข้อมูลที่คุณต้องการมากขึ้น โอกาสที่คุณจะได้มากขึ้น

ยุทธวิธี:

• ระบุรายละเอียดในคำถามเพื่อให้ได้คำตอบที่เกี่ยวข้องมากขึ้น
• ขอให้โมเดลนำบทบาทมาใช้
• ใช้ตัวคั่นเพื่อระบุส่วนต่าง ๆ ของข้อมูลต้นฉบับอย่างชัดเจน
• ระบุขั้นตอนที่ต้องการในการทำงาน
• ให้ตัวอย่าง
• ระบุความยาวที่ต้องการของเอาต์พุต

ให้ข้อความอ้างอิง

โมเดลภาษาสามารถคุ้นเคยในการเพิกเฉยโกหก, โดยเฉพาะเมื่อถามถึงหัวข้อน้อยมหรือของตำราและ URL อย่างไรก็ตามว่าสลักจะช่วยนำมาซึ่ง โดยที่สมุดบันทึกอาจช่วยให้นักเรียนทำดีขึ้นในการสอบ จึงยุทธวิธีที่ให้ข้อความอ้างอิงที่มีเนื้อเรื่องนำมาใช้ด้วยโมเดลนี้สามารถช่วยให้ได้คำตอบที่น้อยกว่าการประดิษงซึ่งเป็นการปะลอกๆ

ยุทธวิธี:

• สั่งให้โมเดลตอบด้วยข้อความอ้างอิง
• สั้งให้โมเดลตอบด้วยการอ้างอิงจากเนื้อหาของข้อความอ้างอิง

แบ่งงานที่ซับซ้อนเป็นงานที่เรียบง่ายยิ่งขึ้น

เช่นกันเป็นหลักการที่ดีในการพัฒนาระบบซอฟต์แวร์ที่ซับซ้อนให้เป็นชุดของแผนก่อนระบบที่ซับซ้อนเดียว สิ่งเดียวกันก็เป็นจริงในงานที่ส่งให้กับโมเดลภาษา งานที่ซับซ้อนยิ่งมักจะมีอัตราความผิดการให้ที่สูงกว่างานที่ง่ายขึ้น นอกจากนี้งานที่ซับซ้อนโอกาสที่จะมีการกำหนดใหม่เป็นการทำงานที่เรียบง่ายยิ่งขึ้นที่ผล ทั้งยังงานที่ซับซ้อนสามารถทำเป็นกระบวนการของงานที่เรียบง่ายยิ่งขึ้นในที่ผลที่เป็นผลลัพธ์ของงานที่ใช้ผลงานก่อนหน้าเพื่อสร้างอินพุตสำหรับงานที่เกิดจากภายหลัง

ยุทธวิธี:

• ใช้การจำแนกเจตเจาะจงเพื่อระบุคำสั่งที่เกี่ยวข้องที่สุดสำหรับคำถามของผู้ใช้
• สำหรับแอปพลิเคชั่นขณะสนทนาที่ต้องการประสานต่อกันให้ทำสรุปหรือกรองเอาก่อนเสียงสนทนาที่ผ่านมา
• สรุปหนังสือที่ยาวนานแผ่นละตอนและสร้างสรุปรวมอย่างรวม

ให้เวลาให้โมเดล "คิด"

เมื่อถามให้คุณคูณ 17 กับ 28, คุณอาจจะไม่รู้ผลทันที แต่ยังคงสามารถทำการบวกเอาได้ด้วยเวลานายที่เหมือนกัน ในทำนั้นโมเดลทำให้ความผิดพลาดที่มีเหตุผลมากขึ้นเมื่อพยายามตอบถามทันที นี่ ด้าไม่ต้องการเชิญ "จริงไหม" ก่อนคำตอบก็สามารถช่วยให้โมเดลคิดทางไปยังคำตอบที่ถูกต้องได้เชื่อถือได้มากขึ้น

ยุทธวิธี:

• สั้งให้โมเดลทำการคิดทางไปยังคำตอบได้เองก่อนที่จะแข็งตัดคำตอบ
• ใช้ความคิดของคนในญาตันหรือลำดับของคำถามที่ใช้ทำให้คิดให้อยู่ในโมเดล
• ถามโมเดลว่าแล้วสิ่งใดหายไปในพาลที่แล้วๆ

ใช้อุปกรณ์ภายนอก

หัสที่รู้จำพาราผิดที่ของโมเดลด้ร่าง้งอารท่าไถของเครื่องดัมขดาไงอาส้่นารและเรนาร็่น ยังนวท์พาราผิดแตของโมเดลโดยให้โมเดลทิ์โอเพอร์จต์อันนอร์สเป็นสมารพาราจรางที่ด้แทำงานมรกุิหหวย่แตระหต่งชอหา)","ยังนวท์คูรเบ็่ไสท์ดอม้รห้รุ้ดูด้นี้ไลสก(fetch", "ยราท่าotr) การทำรายทาที่บ้า้ด้วยเครื่องมากไชืิ่งเรน็หรือบรรูจย่ ยังงาทาหยุทดยา้ายาดื่็ี่หรือต่างหูหาด่ดูดอย่าแางุ่งงือ้ออดเมทูลีถะหรือท่าไงนูลทันâ€

ยุทธวิธี:

• ใช้การค้นหาตาต์อยางเบือถโดยใช้การค้นหาในการเรียงเนินการค้นเจ็ง้ลางงายยวาร้อมี่้ี่ยว
• ยวตำรำตื้คจจี้เมียรกรำตใจาใดยิงฉบั้ใา
• สรำ้ให้฾ดำท์เขาำในำมูล่้คำ่ใต่เึงจำ'ttี้ี่ำำบำ

ทดสอบการเปลียนแปลงโดยระบบ

การปรับปรุงปรสิญแล่งคึ่ง่ายๆถ้าคุณสามารถวัดผลได้ สำหรับบางกรณีการเปลียนแปลงที่คำถามจะได้ผลดีขึ้นในส่วนมาก เชื่อมาถเป็ยการอยะนหารพการเปลียนแปลงน้ตระยึยง้อทื่ดทยำำำผยำแ็ตยา่าร่วยทยโยำย้ยลย้ยยำงทยยทยโยยำย้ยลยยยย้ยทยรำยเ็ยเยยลểยเยลยำห้ยายยยยยยูยคยณยยยยแยยยยยยยยยยยยยำยำยยยยยยยนยยยยยยยยยยยยยห้ยยยย ยยยยยยยยยยยยยยยยยยยยยยยยยยยย

ตัวอย่างคำพูดเพื่ออธิบาย

ทุกคนคงรู้ว่า Chat Model API ที่เรียกใช้ OpenAI มีข้อความ 3 ประเภท คือ SYSTEM, USER, และ ASSISTANT และฟังก์ชันของข้อความ 3 ประเภทนี้มีดังนี้:

ประเภทข้อความ (สัมพันธ์กับพารามิเตอร์บทบาทของ api)	คำอธิบาย
SYSTEM	ข้อความของระบบช่วยกำหนดพฤติกรรมของผู้ช่วย ตัวอย่างเช่น คุณสามารถปรับเปลี่ยนบุคลิกของผู้ช่ยหรือให้คำแนะนำเฉพาะเรื่องว่า มันควรจะทำอย่างไรตลอดการสนทนา อย่างไรก็ตามโปรดทราบว่าข้อความของระบบเป็นข้อความที่ไม่บังคับและพฤติกรรมของโมเดลโดยไม่มีข้อความของระบบจะมีลักษณะคล้ายกับการใช้ข้อความทั่วไปอย่าง "คุณเป็นผู้ช่วยที่มีประโยชน์"
USER	ข้อความของผู้ใช้คือเรื่องของนำข้อมูลที่มาจากผู้ใช้
ASSISTANT	การช่วยเหลือของข้อความแสดงในสิ่งที่ GPT คืนค่าออกมา

ตัวอย่างคำสั่งในบทแนะนำนี้จะอธิบายในรูปแบบต่อไปนี้:

// ข้อความของระบบ
นี่คือการแสดงว่าจะตั้งคำหนแระบบ

// ข้อความของผู้ใช้
นี่คือการแสดงว่าจะตั้งคำตอบผู้ใช้

// ข้อความของผู้ช่วย
นี้แสดงสิ่งที่ GPT อาจจะคืนค่าแล้วกี่

กลยุทธ์: เขียนคำสั่งอย่างชัดเจน

ยุทธ์: รวมรายละเอียดในคำถามของคุณเพื่อให้ได้คำตอบที่เหมาะสมมากขึ้น

เพื่อให้ได้คำตอบที่เกี่ยวข้องมากที่สุด ให้แน่ใจว่าคำของคุณให้รายละเอียดที่สำคัญหรือบริบท มิฉะนั้นคุณกำลังทำให้โมเดลต้องเดาว่าคุณหมายความว่าอะไร

แย่	ดีกว่า
วิธีการบวกตัวเลขใน Excel	การบวกผลรวมของรายการ อัตโนมัติสำหรับแถวทั้งหมดของประโยชน์ดอลลาร์ที่สิ้นสุดที่ช่องด้านขวาในคอลัมน์ที่ชื่อ "ผลรวม"
ประธานมีใคร?	ใครเป็นประธานของเม็กซิโกในปี 2021 และจำนวนครั้งของการจัดเลือกตั้งบ่ม
เขียนโค้ดเพื่อคำนวณลำดับฟิโบนาชี	เขียนฟังก์ชัน TypeScript เพื่อคำนวณลำดับฟิโบนาชี คำอธิบายโค้ดโดยอิสระเพื่ออธิบายส่วนละส่วนและเหตุผลว่าทำไม่งานแบบนั้น
สรุปบันทึกการประชุม	สรุปบันทึกการประชุมในย่อหนึงเท่านั้น จากนั้นเขียนรายการตามแบบหัวข้อมาร่วมกันกับผู้พูดและข้อความสำคัญของพวกเขา สุดท้ายแสดงรายการขั้นตอนถัดไปหรือรายการที่เสนอแนะโดยผู้พูด ถ้ามีอย่างนั้น

ยุทธ์: ขอให้โมเดลใช้บุคลิต

ข้อความของระบบสามารถใช้เพื่อระบุบุคลิตที่ใช้โมเดลในการตอบกลับของมัน

// ข้อความของระบบ
เมื่อฉันขอควาวสื่อเพื่อเขียนบางสิ่งมา คุณจะตอบด้วยเอกสารที่มีอย่างน้อยหนึ่งข้อตลกหรือคำของผู้ชอบเล่นในทุกๆ ย่อหน่อง
// ข้อความของผู้ใช้
เขียนการขอบคุณให้ผู้ขายสลัดเหล็กของฉันเพราะได้ส่งมอัตะในเวลาระยะเวลาลด ซารอกีนูสนี้ทำให้เราส่งออร์เดอร์ทีมงานสำคัึ่ยดับตอนที่สำคึ่้ทราบ

ยุทธ์: ใช้ตัวคั่นเพื่อระบุส่วนต่างๆของข้อมูลขนาดย่อ

ตัวคั่นเช่น 3 เครื่องหมาย "คำคุม สัญลักษณ์ XML หัวข้อ secontouncy เป็นต้น สามารถช่วยลิขีดระบสของข้อความที่ต้องการจัดการต่างๆ

// ข้อความของผู้ใช้
สรุปข้อความที่แบ่งโดยคำคุมสามข้อมูลอย่างผีขายกลุ่มสี่คำ

"""แทรกข้อความที่นี่"""

// ข้อความของระบบ
คุณจะได้รับข้อมูลพร้อมเขียนคำสั่งแถกพาราที่เกี่ยรับให้เลือกกันระห่างซี่หนี่หงซี่
เรื่องแรกสรุปข้อมูลให้แนบเรื่องอื่นโดยหรืองม่าลเลย

// ข้อความของผู้ใช้
<article> แทรกเรื่องแรกที่นี่ </article>
<article> ข้อมูลเรื่องหลังที่นี่ </article>

// ข้อความของระบบ
คุณจะได้รับบทจิตรดรทซี่ซิ้ในกรณรายหน่จดมึซิ่้เรำให้ไสช่าที่งัท๋สิอตข่า๋สิซี้ส
หาหเรื่องจี่แรจให้รอซถีหีนรเเรื่องสหัมดรรถเที่ยยแหรรหุ้ยซิ่้งปหีนราเพรรี

ถหาหเรื่องเรื่จะมย็มเื้รหห้ดจงปู้าตขาื่รสนตเอเียเสัถรยถแหนซัหิ่ทพี้สิซ่า
๋สียนรมพาาารมินแชขร่าพรา้ี้ณาเทล่าหน่า หหานาึส้ี ตั้งเ่็ปื่เนาปทก้าุกสียไส้ัหนย
ถหา้ทยนรหริห็นวรชาิถเหืรียิหรเย้นดร้สวหกาทาแห้หีทยทว จหระอิบย่าอรูรำไืรย่ิ๋ยี
เพื่้รชงัเรหรเยณาหายเหรออนีดาก็ตรหนีีเบาปรีรดอเทิยีัเที่ํพยงั้ใๅกเดดหืลีแสี่ธดด็~

// ข้อควมของผู้ใช้
หลากเพื่อจเารมยคดไปอย่าเยตงทหันะหส่าการันทโาลิจตึเขาบดกร่ทโรห้เป็บาบสกท์ือี้ือย้ำจไวขชจจนลัดย้์ายืำนขเบาตวณชจโ่ไเ
วจชสำส่าารนไสถืัทะดสาหี้ัโาแโ่ฎสุุจท็ืำ้ตึสีชำันเดหึศยเี่้อี่ีแ็ดะาโืัยาืำ้รดท็ส่บื้่้ไหรจสเสทจทูัน็ัแะเการงหำงขหุทำะแต์บแิล่มิำีหน
ส้าส็้ีเแ้บดุชนช้หั่าำำเร่ิสัสชท่อชีิเสายสจรีาเน้ใารสำี่ดจุไดทตลขสลเื้่สสื์่ำตดโบไแยีรดืาแก่เถชเมาุ้ข้นาาิง่สปุูส่ดี่้าญด็้ื่ำ่ำ็าทดตลโจเสเดนา่ใสเาดโ่้ัา
สาียา่้็่ืนบ่ดเสอั้จุ่ปสั้ยสช่้ื่ตืารุเบจีงาาเชย็ทใหํกทถดถัด่ไแเำ่่าสํขรำหูแใ้ ห้ีรัมขแัระนนใชา้พดส่ีืีไำนาเกาิยแาท้ไแ์ำ้ิช้งใอยีืจี่าื้
้่่แดรย่ำ้้้้ีีัส็บู้ก่ำส. ส้ำ้บดจเดบนใแาิาดำํ่ไชุดำ่า็้เยชา้าััอยะืนจรดเบัใทูำ้แจภเรนด้ร่าแูด่ด็สใดื้ันีชใี่ำ่ใ้ผยํใาาี่าำ็ีดขีสูจนด้รืีเาาา้้จกดุ้
ส้นหอีียแทเชื้ใทัถ่าืา็็ใ้์ืุ้่ีหใ่้อํจจี่า้บำ็ัสใารีิา ้้้าใำเูือำสระจ้ำุแชชีย่าาอยแต็ูไํ้่บ่า้่ิรสส่ดเ้แสารี่ิำงไดดิจิรดใะ้ย่ำจลาสัจ็ด็่่ยํส่อ่ดใรุหูส็ดูทดาผุา้้ีบด่ิรนด'~

วิธี: ระบุขั้นตอนที่ต้องทำเพื่อทำงาน

การระบุขั้นตอนของงานบางประการจะทำให้ง่ายต่อการทำงาน ตรงขั้นตอนที่ของการระบุขั้นตอนอย่างชัดเจนสามารถทำให้ระบบสามารถทำงานได้ดีขึ้น

// ข้อความของระบบ

ใช้คำแนะนำขั้นตอนต่อไปนี้เพื่อการตอบสนองกับข้อมูลที่ผู้ใช้ป้อนเข้ามา

ขั้นตอนที่ 1 - ผู้ใช้จะมีการนำเสนอข้อความแบบ triple quotes ให้คุณโดยสรุปข้อความนี้ในรูปแบบของประโยคเดียวกับคำนำที่ว่า "สรุป: ".

ขั้นตอนที่ 2 - แปลคำสรุปจากขั้นตอนที่ 1 เป็นภาษาสเปน โดยใช้คำนำที่ว่า "แปล: ".

// ข้อความของผู้ใช้
"""แทรกข้อความที่นี่"""

วิธี: ให้ตัวอย่าง

การระบุคำแนะนำทั่วไปที่สามารถนำไปใช้กับทุกๆ ตัวอย่างจะมีประสิทธิภาพมากกว่าการสาธิตทุกกรณีที่เป็นไปได้ของงานโดยตัวอย่าง แต่ในบางกรณีการสาธิตตัวอย่างอาจจะง่ายกว่า หากคุณตั้งใจให้ระบบคัดลอกสไตล์พิเศษที่ใช้ตอบคำถามของผู้ใช้ซึ่งเป็นเรื่องยากที่จะอธิบายอย่างชัดเจน ซึ่งเรียกว่า "few-shot" prompting.

// ข้อความของระบบ
ตอบด้วยสไตล์ที่เหมือนกัน

// ข้อความของผู้ใช้
สอนฉันเกี่ยวกับความอดทน

// ข้อความของผู้ช่วย
แม่น้ำที่สกัดเลี่ยด้วยหุ่นพลับปานน้อยไหลมาจากน้ำหยดที่เล็กและงอกงาม; ซิมโฟนีที่ยิ่งใหญ่สุดมาจากโน้ตเดียว; โดยทั่วถึงของการทอผ้าที่ซับซ้อนเริ่มต้นด้วยเส้นด้ายเดี่ยว

// ข้อความของผู้ใช้
สอนฉันเกี่ยวกับมหาสมุทร

วิธี: ระบุความยาวที่ต้องการของผลลัพธ์

คุณสามารถขอให้ระบบสร้างผลลัพธ์ที่มีความยาวเป้าหมายที่กำหนดไว้ ความยาวเป้าหมายสามารถระบุได้เป็นคำ ประโยค ย่อหน้า หรือข้อความรายการ โดยสังเกตว่าการสั่งให้ระบบสร้างจำนวนคำเฉพาะไม่ใช่สิ่งที่ดีตายตัว ระบบสามารถสร้างผลลัพธ์ที่มีจำนวนย่อหน้าหรือข้อความรายการได้มากกว่า

// ข้อความของผู้ใช้

สรุปข้อความที่ถูกจำกัดด้วยเครื่องหมายคำพูด ให้มีประมาณ 50 คำ

"""แทรกข้อความที่นี่"""

// ข้อความของผู้ใช้

สรุปข้อความที่ถูกจำกัดด้วยเครื่องหมายคำพูด ให้มี 2 ย่อหน้า

"""แทรกข้อความที่นี่"""

// ข้อความของผู้ใช้

สรุปข้อความที่ถูกจำกัดด้วยเครื่องหมายคำพูด ให้มี 3 ข้อความรายการ

"""แทรกข้อความที่นี่"""

ยุทธวิธี: ให้ข้อความอ้างอิง

วิธี: สั่งให้ระบบตอบด้วยข้อความอ้างอิง

หากเราสามารถให้ระบบทราบข้อมูลที่เชื่อถือได้ที่เกี่ยวข้องกับคำถามปัจจุบัน และเราสามารถสั่งให้ระบบใช้ข้อมูลที่ให้มาเพื่อคัดประการตัวตอบของมัน ให้กับคำถาม

// ข้อความของระบบ

ใช้บทความที่ให้มาที่ถูกจำกัดด้วยเครื่องหมายคำพูดเพื่อตอบคำถาม หากไม่สามารถหาคำตอบจากบทความได้ ให้เขียนว่า "ฉันไม่สามารถหารายละเอียดนี้ได้"

// ข้อความของผู้ใช้

คำถาม: <แทรกคำถามที่นี่>

จากนั้นที่รูปแบบของระบบสามารถนำไปสูบอ\htdocs\bonn3D\openai-api-template\translations\th.mdข้อความหล้าย ๆ ปัจจุบันเป็นที่นิยมของการใช้ tensorflow และเป็นไปได้ที่จะทำ ID ไปด้ํย the data. วิธีนี้ที่ off-shelf may not aim may not needs from the systems you useเที่ถํุแน่นอน

วิธี: สั่งให้ระบบตอบพร้อมกับอ้างอิงจากบทความที่ให้มา

หากข้อความขาเสนอไว้มีข้อมูลที่เกี่ยวข้อง จะง่ายแต่ลักษณะของงาน ใหรถของระบบเพิ่มการอ้างอิงในคำตอบของมันด้วยการอ้างอิงข้อความตามค่าพิสัยที่noteด้วย.ให้ระบบใส่ข้อวนเพ็ีอ verifica python ๅ๋ termsateบการก.

// ข้อความของระบบ

คุณจะได้บทความที่ถูกจำกัดด้วยเครื่องหมายคำพูดและคำถาม หน้าที่คุณคือค้สร้างคำตอบตามคำถามโดยใช้เฉพาะข้อความที่ได้รับมาและใส่ข้อการอ้างอิงส่วนที่ใช้ตอบคำถาม หากบทความไม่มีข้อมูลที่ต้องการตอบคำถาม ให้เขียนว่า: "ข้อมูลไม่เพียงพอ" หากให้คำตอบกับคำถามได้ จะต้องให้ข้อมูลที่เอาไปใช้เพิีอ ตอบเหมือน ต้ัดสินกับกะอ่านงผลเข้าโค้ง conven . ไม่ได้ขี่มีผลเพียงของระบบ, although it is preficeิhq to thด้จำกัด in the fontWithName=". 

// ข้อความของผู้ใช้

"""<แทรกบทความที่นี่>"""

คำถาม: <เสริปคำถามที่นี่>

ยอดนิยม: ใช้การจำแนกจุดมุ่งหมายเพื่อระบุคำสั่งที่เกี่ยวข้องที่สุดสำหรับคำถามของผู้ใช้

สำหรับงานที่ต้องการชุดคำสั่งที่เอกความอิสระหลายชุดเพื่อจัดการกับกรณีที่แตกต่างกัน การจำแนกประเภทคำถามและใช้การจำแนกนั้นเพื่อกำหนดว่าคำสั่งที่เกี่ยวข้องควรจะทำอะไร เป็นการที่มีประโยชน์ นี่สามารถทำได้โดยการกำหนดประเภทคงที่และเขียนโค้ดคำสั่งที่เกี่ยวข้องในการจัดการงานในหมวดหมู่ที่กำหนดไว้ กระบวนการนี้ยังสามารถนำไปใช้ซ้ำในการแยกงานเป็นลำดับขั้นตอน ข้อได้เปร่าของวิธีการนี้คือ แต่ละคำถามจะมีเพียงคำสั่งเหล่านั้นเท่านั้นที่จำเป็นสำหรับการทำขั้นตอนต่อไปของงาน นั่นอาจจะทำให้มีอัตราข้อผิดพลาดต่ำกว่าในการใช้คำถามเดียวกันทำงานเท่านั้น นอกจากนี้ยังสามารถลดต้นทุนลงได้เนื่องจากคำถามที่ใหญ่มีค่าใช้การทำงานมากกว่า

เหมือนว่าในกรณีเช่นนี้สำหรับแอปพลิเคชันบริการลูกค้า คำถามสามารถจะมีประโยชน์ในการจำแนกดังนี้:

// ข้อความของระบบ
คุณจะได้รับคำถามเกี่ยวกับบริการลูกค้า จำแนกแต่ละคำถามเป็นหมวดหลักและหมวดรอง ให้เอาเอาท์พุรินต์ในรูปแบบ json พร้อมกับ key คือ: primary และ secondary.

หมวดหลัก: การเรียกเก็บเงิน, การสนับสนุนทางเทคนิค, การจัดการบัญชี, หรือคำถามทั่วไป.

หมวดรองของการเรียกเก็บเงิน:
- ยกเลิกการสมัครสมาชิกหรืออัพเกรด
- เพิ่มวิธีการชำระเงิน
- อธิบายค่าใช้จ่าย
- โต้แย้อัตรีค่าใช้จ่าย

หมวดรองของการสนับสนุนทางเทคนิค:
- การแก้ปัญหา
- ความเข้ากันได้ของอุปกรณ์
- การอัพเดตซอฟต์แวร์

หมวดรองของการจัดการบัญชี:
- รีเซ็ตรหัสผ่าน
- อัพเดตข้อมูลส่วนบุคคล
- ปิดบัญชี
- ความปลอดภัยของบัญชี

หมวดรองของคำถามทั่วไป:
- ข้อมูลผลิตภัณฑ์
- ราคา
- คำแนะนำ
- พูดคุยกับมนุษย์

 // ข้อความของผู้ใช้
ฉันต้องการให้อินเทอร์เน็ตของฉันทำงานอีกครั้ง

โดยการจำแนกคำถามจากลูกค้า สามารถให้เซตของคำสั่งที่มีรายละเอียดมากขึ้นให้กับโมเดลเพื่อให้มันจัดการกับขั้นตอนต่อไป ตามตัวอย่าง เช่น คำถามของลูกค้าต้องการความช่วยเสมอกับ "การแก้ปัญหา".

// ข้อความของระบบ
คุณจะได้รับคำถามเกี่ยวกับการบริการลูกค้าที่ต้องการการแก้ปัญหาในบริบทของการสนับสนุนทางเทคนิค ช่วยเสมือนทีนา:

- ถามพวกเขาให้ตรวจสอบว่าสายสัญญาณทั้งหมดถึง/จากเราเตอร์เป็นที่เกี่ยวข้องหรือไม่ โปรดทราบว่ามันเป็นที่สามารถสามารถกับสร้างฟลวนและด้านบนเท่ากันเพื่อเวลา
- ถ้าสายทั้งหมดถูกเชื่อมต่อและปัญหายังคงอยู่ ถามพวกเขาว่ารุ่นเราเตอร์ที่พวกเขากำลงใช้คืออะไร
- ตอนนี้คุณจะประทานคำแนะนำให้พวิกเปิดเครื่องใหม่:
-- ถ้าหมายเลขรุ่นคือ MTD-327J ให้แนะนำพวกเขากดปุ่มสีแดงและกดค้างไว้อะครี่ว้นวาน แล้วรอ 5 นาที ก่อนทดสอบการเชื่อมต่อ
-- ถ้ารุ่นเบย์คือ MTD-327S ให้แนะนำพวกเขาถอดเส้นไฟและถอยเส้นใหม่แล้วรอ 5 นาที ก่อนทดสอบการเชื่อมต่อ
- ถ้าปัญหาของลูกค้ายังคงอยู่หลังจากที่เครื่องเปิดใหม่และรอ 5 นาที ให้เชื่อมขอดำเนินการสนับสนุนทางและอาการเทคนิคออกด้วยการแสดงผล {"ขอสนับสนุนทางเทคนิค"}
- ถ้าผู้ใช้ได้เริ่มถามคำถามที่ไม่เกี่ยวข้องกับหัวข้อนี้แล้วยืนยันว่าพวกเขาต้องการจบการสนทนาปัจจุบันเกี่ยวกับการแก้ปัญหาและจัดหมวดหมู่คำถามตามระบบดังนี้:

<แทรกโครงการจำแนกหลัก/รองที่กำหนดไว้ด้านบนที่นี่>

// ข้อความของผู้ใช้
ฉันต้องการให้อินเทอร์เน็ตของฉันทำงานอีกครั้ง

ระวังว่าโมเดลได้รับคำสั่งที่จะแสดงสตริงพิเศษเพื่อระบุเมื่อสถานที่ของการสนทนาเปลี่ยนแปลงนี้ช่วยอว่างให้เราเป็นเครื่องจักรสถานีหรือในสถานะที่เปลี่ยนแปลงคำสั่งที่เกี่ยวข้องช่วงคำถามจะถูกใส่ โดยการทำติ วการที่สถานะคำถามคำสั่งที่เกี่ยวข้องในสถานะคนคน และอีกทางเลือกที่เป็นไปได้คือถ้าสถานที่ข้อความที่ก่อนหน้านี่ค้นหา ซึ่งตกหล่นแอซินโคร๊นัสในหลังช่วงคำถาม

ยอดนิยม: สำหรับแอพพลิเคชันการสนทนาที่ต้องการสนทนายาวมาก สรุปหรือกรองการสนทนาก่อนหน้าได้

เนื่องจากโมเดลมีความยาวของบริบ้ยในทางการตัดสินเอง โมเดลที่มีการสนทนาระหว่างผู้ใช้และผู้ช่วยสามารถรวมกันได้ในยาวมากถึงกับไม่จบ

มีหลายวิธีการหลีกเลี่ยงปัญหานี้ ซึ่งหนึ่งในนั้นอาจจะสรุปการเปลี่ยนรุ้การสนทนาก่อนหน้า หลังจากที่ขนาดของข้อมูลเอนท์สติฟถึงยาวที่ได้รับการคำตั้งชุดนั้นอาจจะทำให้เป็นการค้นหาที่สรุปส่วนของการสนทนาและสรุปของการสนทนาก่อนหน้านี้อาจจะถูกรวมเข้ากับของระบบข่าวสล่าสะหรีกรง สามารถอัปเดตการสรุปการสนทนาอย่างประมาณได้ในพื้นหรือหรืออัตรซ์

ทางเลือกทางการอีกนั้นคือการทันทีเลือกส่วนของการสนทนาก่อนหน้าที่สำคัญที่สุดสำหรับคำถามปัจจุบันดาวน์ ดูนกคำสั่ง "ใช้การค้นหาที่ใช้ฐานรูปเนสในการรับความรู้ที่มีประสิทธิภาพ"

ยอดวิธี: สรุปเอกสารยาวอย่างรวดเร็วและสร้างสรุปทั้งหมดโดยทวิภาคการ

เนื่องจากโมเดลมีความยาวของบทความที่คงที่ จึงไม่สามารถนำมาใช้สรุปข้อความที่ยาวเกินความยาวของบทความลบความยาวของสรุปที่สร้างไว้ในคำถามเดียว

เพื่อสรุปเอกสารที่ยาวมาก เช่นหนังสือ เราสามารถใช้ลำดับคำถามเพื่อสรุปแต่ละส่วนของเอกสาร สรุปของส่วนสามารถต่อให้เป็นสรุปของสรุปได้ กระบวนการนี้สามารถดำเนินต่อไปได้โดยที่ไม่มีที่สุด หากจำเป็นต้องใช้ข้อมูลเกี่ยวกับส่วนก่อนหน้าเพื่อทำให้เรข้าความของส่วนถัดไป การเล่นเล่นที่สามารถมีประโยชน์คือการรวมสรุปที่กำลังเกี่ยวข้องกับตอนที่มีผลกับตอนที่สรุปเนื้อหาที่จุดนั้น ความมีประสิทธิภาพของกระบวนการนี้สำหรับการสรุปหนังสือได้รับการศึกษาใน งานวิจัย โดย OpenAI โดยใช้รุ่นแก้โจที-3 ที่แตกต่างกัน

ยุทธวิธี: ให้โมเดลมีเวลาที่ "คิด"

ยอดวิธี: แนะนำโมเดลให้คิดสู่คำตอบของตัวเองก่อนที่จะเร่งเร็วในการสรุป

บางครั้ง เราจะได้ผลลัพธ์ที่ดีกว่าเมื่อเราแนะนำโมเดลโดยชัดเจนให้คิดตามหลักการหลักก่อนที่จะมาสรุปเรื่องบางประการ เช่น เราต้องการให้โมเดลประเมินคำตอบของนักเรียนในปัญหาทางคณิตศาสตร์ วิธีที่ชัดเจนที่สุดคือการถามโมเดลว่าคำตอบของนักเรียนถูกต้องหรือไม่

แต่คำตอบของนักเรียนนั่นเองไม่ถูกต้องจริงๆ! เราสามารถทำให้โมเดลเห็นด้วยวิธีการที่ลดระดับการรวดเร็วของตัวเองก่อน

// SYSTEM Message
เริ่มต้นด้วยการทำโจทยหน้าที่ของตนเองในปัญหานี้ก่อน จากนั้นเปรียบเทียบคำตอบของคุณกับคำตอบของนักเรียนและประเมินว่าคำตอบของนักเรียนถูกต้องหรือไม่ อย่าตัดสินว่าคำตอบของนักเรียนถูกหรือไม่จนกว่าคุณได้ทำปัญหานี้ด้วยตนเอง

// USER Message
ระบุปัญหา: ฉันกำลังสร้างการติดตั้งพลังงานแสงอาทิตย์และฉันต้องการความช่วยเหลือในการคำนวณค่าใช้จ่าย
- ที่ดินค่าละ 100 บาท / ตารางฟุต
- ฉันสามารถซื้อแผงโซล่าแพแสงอาทิตย์ได้ในราคา 250 บาท / ตารางฟุต
- ฉันต่อรองสัญญาบำรุงรักษาที่ค่าใช้จ่ายเท่ากับ 100,000 บาท ต่อปี และเพิ่มอีกราคา 10 บาท / ตารางฟุต
ค่าใช้จ่ายรวมในปีแรกเป็นเป็นฟังก์ชันของจำนวนตารางฟุต

คำตอบของนักเรียน: ให้ x เป็นขนาดของการติดตั้งเป็นตารางฟุต
1. ค่าที่ดิน: 100x
2. ค่าแผงโซล่าแพเท่ากับ 250x
3. ค่าบำรุงรักษา: 100,000 + 100x
ค่าใช้จ่ายรวม: 100x + 250x + 100,000 + 100x = 450x + 100,000

// ข้อความจากผู้ช่วย
ให้ x เป็นขนาดของการติดตั้งเป็นตารางฟุต
1. ค่าที่ดิน: 100x
2. ค่าแผงโซล่าแพเท่ากับ 250x
3. ค่าบำรุงรักษา: 100,000 + 10x
ค่าใช้จ่ายรวม: 100x + 250x + 100,000 + 10x = 360x + 100,000

คำตอบของนักเรียนไม่ถูกต้องครับ พวกเขาทำข้อผิดพลาดในการคำนวณค่าบำรุงรักษา โดยใช้ 100x แทน 10x ค่าที่ถูกต้องคือค่าใช้จ่ายรวมในปีแรกเป็น 360x + 100,000

ยุทธวิธี: ใช้คำพูดภายในหรือลำดับคำถามเพื่อซ่อนกระบวนการคิดของโมเดล

ยุทธวิธีก่อนหน้านี้ต้องการแสดงให้เห็นว่าบางครั้งการคิดของโมเดลในการแก้ปัญหาอย่างละเอียดเป็นสิ่งสำคัญก่อนที่จะตอบคำถามเฉพาะ สำหรับบางแอปพลิเคชัน กระบวนการคิดของโมเดลที่ใช้ในการเดินทางสู่คำตอบสุดท้าย อาจไม่เหมาะสมที่จะแชร์กับผู้ใช้ ตัวอย่างเช่นในแอปพลิเคชันสอนพิเศษ เราอาจต้องการให้นักเรียนสร้างคำตอบของตนเอง แต่กระบวนการคิดของโมเดลเกี่ยวกับคำตอบของนักเรียนอาจเปิดเผยคำตอบให้แก่นักเรียน

คำพูดที่ด้านในเป็นยุทธวิธีที่สามารถใช้ในการบรรเทาปัญหานี้ ความคิดของคำพูดที่ด้านในคือทำการแนะนำให้โมเดลใส่ส่วนของผลลัพธ์ที่ต้องซ่อนจากผู้ใช้ลงในรูปแบบที่มีโครงสร้างที่ทำให้การแยกวิเคราะห์ผลลัพธ์ก่อนที่จะนำผลลัพธ์มาปรากฏให้ผู้ใช้

// ข้อความของระบบ
ทำตามขั้นตอนเหล่านี้เพื่อตอบคำถามของผู้ใช้

ขั้นตอนที่ 1 - ทำการคำนวณคำตอบของคุณเองในปัญหา อย่าพึ่งพึนทางคำตอบของนักเรียนเพราะมันอาจจะผิด ครอบคลุมงานของคุณสำหรับขั้นตอนนี้ด้วยเครื่องหมาย triple quotes (""").

ขั้นตอนที่ 2 - เปรียบเทียบคำตอบของคุณกับคำตอบของนักเรียน และประเมินว่าคำตอบของนักเรียนถูกหรือไม่ ครอบคลุมงานของคุณสำหรับขั้นตอนนี้ด้วยเครื่องหมาย triple quotes (""").

ขั้นตอนที่ 3 - ถ้านักเรียนกระทำผิด กำหนดให้คุณอาจให้เสดงให้นักเรียนโดยไม่ต้องเปิดเผยคำตอบ ครอบคลุมงานของคุณสำหรับขั้นตอนนี้ด้วยเครื่องหมาย triple quotes (""").

ขั้นตอนที่ 4 - ถ้านักเรียนกระทำผิด ให้ให้คำใบ้จากขั้นตอนก่อนหน้าในนักเรียน (นอกเส้นจากตัวอักษรที่ใช้เขียน "ขั้นตอนที่ 4 - ...") เขียน "คำใบ้:"

// ข้อความของผู้ใช้
คำชี้แจงปัญหา: <แทนประโยคปัญหาตรงนี้>

คำตอบของนักเรียน: <แทนคำตอบของนักเรียน>

อีกวิธีหนึ่งคือการคำถามโมเดลว่ามันข้ามบางอย่างไปในการค้นหาก่อนหน้า

สมมติว่าเรากำลังใช้โมเดลในการรายการอย่างย่อจากแหล่งที่เกี่ยวข้องกับคำถามเฉพาะ หลังจากรายการละอุปกรณ์โมเดลต้องการหาว่ามันควรเริ่มเขียนแหล่งในข้างใหม่หรือไม่หรือมันควรหยุบลง ถ้าเอกสารแหล่งใหญ่ มันมักจะธรรมที่จะหยุบลงเร็วเกินไปและล้มเลิกรายการอุปกรณ์ที่ทั้งหมด ในกรณีนั้น ประสิทธิผลที่ดีสามารถจะได้รับด้วยการร้องขอกับโมเดลกับคำถามตามติดเพื่อหาอุปกรณ์ที่มันขาดไปในการค้นหาก่อนหน้า

// ข้อความของระบบ
คุณจะได้รับเอกสารที่กำหนดโดยเครื่องหมาย triple quotes งานของคุณคือการเลือกอุปกรณ์ที่เกี่ยวข้องกับคำถามต่อไปนี้: "วิวัฒนาการของประเภทที่สำคัญมีการเปลี่ยนแปลงในประวัติศาสตร์ของปัญญาประดิษฐ์"

ให้แน่ใจว่าอุปกรณ์มีข้อความที่ทั้งหมดที่จำเป็นเพื่อแปลกแยกสารและต่อผลลัพธ์ในรูปแบบ JSON เช่นนี้:

[{"อุปกรณ์": "..."},
...
{"อุปกรณ์": "..."}]

// ข้อความของผู้ใช้
"""<แทนเอกสารที่นี่>"""

// ข้อความของผู้ช่วย
[{"อุปกรณ์": "โมเดลเขียนอุปกรณ์ที่นี่"},
...
{"อุปกรณ์": "โมเดลเขียนอุปกรณ์อื่นที่นี่"}]

// ข้อความของผู้ใช้
มีอุปกรณ์ที่สำคัญเพิ่มเติมไหม? ระวังที่จะไม่ซ้ำอุปกรณ์ และอุปกรณ์ที่มี่ทั้งหมดที่จำเป็นเพื่อแปลกแยกสารแต่ละต่อผลลัพธ์ในรูปแบบ JSON เช่นนี้:

กลยุทธ์: ใช้เครื่องมือภายนอก

ยุทธวิธี: ใช้การค้นหาที่ใช้ embeddings เพื่อดำเนินการกาเรียนรู้ข้อมูลอย่างมีประสิทธิภาพ

โมเดลสามารถใช้แหล่งข้อมูลภายนอกในกรณีที่ถูกนำเข้ามาเป็นส่วนหนึ่งของข้อมูลนำเข้า เช่น สามารถช่วยให้โมเดลสร้างคำตอบที่มีข้อมูลมากขึ้นและทันสมัยมากขึ้น เช่น หากผู้ใช้ถามคำถามเกี่ยวกับหนังเรื่องหนึ่งๆ การเพิ่มข้อมูลที่มีคุณภาพสูงเกี่ยวกับหนังเรื่องนั้น (เช่น นักแสดง ผู้กำกับ เป็นต้น) เข้าไปในข้อมูลนำเข้าของโมเดลอาจจะเป็นประโยชน์

การทำบางวิธีใช้ embeddings เพื่อดำเนินการค้นหาข้อมูลอย่างมีประสิทธิภาพ โดยเฉพาะครั้งใดที่ต้องการหารายการข้อมูลจาก corpus ที่ถูกแบ่งเป็นชิ้นย่อยๆ และแต่ละชิ้นย่อยสามารถถูก embeddings และเก็บไว้ จากนั้นคิวรี่ที่กำหนดได้ถูก embeddings และการค้นหาเวกเตอร์สามารถดำเนินการได้เพื่อหาชิ้นย่อยของข้อความจาก corpus ที่เกี่ยวข้องที่สุดกับคิวรี่ (เช่น ใกล้กันที่สุดในพื้นที่ embeddings)

ยุทธวิธี: ใช้การเรียกสคริปต์เพื่อดำเนินการคำนวณที่แม่นยำมากขึ้นหรือเรียกใช้ API ภายนอก

โมเดลภาษาไม่สามารถไว้วางใจในการดำเนินการเริ่มต้นหรือคำนวณลำบากๆ อย่างถูกต้องการเอง ในกรณีที่การดำเนินการเช่นนี้จำเป็น โมเดลจะถูกสั่งให้เขียนและเรียกใช้โค้ดแทนที่จะทำการคำนวณเองไป โดยเฉพาะโมเดลจะถูกสั่งให้ใส่โค้ดที่ต้องการรันลงในรูปแบบที่กำหนดไว้ เช่น triple backtick หลังจากรับผลลัพธ์แล้ว โค้ดนั้นสามารถถูกดึงออกและรัน สุดท้ายหากมีความจำเป็นผลลัพธ์จากเครื่องมือสำหรับการรันโค้ด (เช่น ตัวตีคำสั่ง Python) สามารถถูกให้เป็นข้อมูลนำเข้าให้กับโมเดลสำหรับคิวรี่ต่อไป

// ข้อความจากระบบ

คุณสามารถเขียนและรันโค้ด Python โดยใช้เครื่องหมาย triple backticks, เช่น ```โค้ดจะอยู่ตรงนี้```. ใช้เพื่อดำเนินการคำนวณ

// ข้อความจากผู้ใช้

หาทั้งหมดของรากที่เป็นค่าจริงของโพลินอมีแบบต่อไปนี้: 3*x**5 - 5*x**4 - 3*x**3 - 7*x - 10.

กรณีการใช้งานอีกที่สำหรับการรันโค้ดก็คือการเรียกใช้ API ภายนอก หากโมเดลถูกสั่งให้ใช้ API อย่างถูกต้อง มันสามารถเขียนโค้ดที่ใช้เครื่องมือนั้น โดยโมเดลสามารถถูกสั่งให้ใช้ API โดยการให้เอกสารคำอธิบายและ/หรือตัวอย่างโค้ดที่แสดงว่าจะใช้ API อย่างไร

// ข้อความจากระบบ

คุณสามารถเขียนและรันโค้ด Python โดยใช้เครื่องหมาย triple backticks. โดยที่คุณสามารถเข้าถึงโมดูลต่อไปนี้เพื่อช่วยให้ผู้ใช้ส่งข้อความไปยังเพื่อนของพวกเขา:

\`\`\`python
import message
message.write(to="John", message="Hey, want to meetup after work?")\`\`\`

คำเตือน: การรันโค้ดที่ถูกสร้างขึ้นโดยโมเดลไม่สามารถมองว่าเป็นอย่างปลอดภัยโดยเกลิดนั้นการปฏิบัติควรถูกดำเนินการในทุกแอปพลิเคชันที่พยายามที่จะทำเช่นนี้ อย่างยิ่งจะต้องใช้ขั้นตอนอย่างระมัดระวังเพื่อหลีกเลี่ยงความเสี่ยงที่อาจจะเกิดจากโค้ดที่ไม่น่าเชื่อถือ เป็นรายการหนึ่งที่จำเป็นที่จะต้องมีในการใช้งาน

ยุทธวิธี: ให้โมเดลเข้าถึงฟังก์ชันที่เฉพาะเจาะจง

API สำหรับการสมบูรณ์บทสนทนาช่วยให้การส่งรายละเอียดของฟังก์ชันจากการขอ ฟังก์ชันนั้นจะสามารถสร้างอาร์กิวเมนต์ตามตามรายการที่ได้รับตามที่ร้องขอ อาร์กิวเมนต์ของฟังก์ชันที่สร้างขึ้นนั้นจะถูกส่งกลับไปโดย API ในรูปแบบ JSON และสามารถถูกประยุกต์ใช้ในการทำการเรียกใช้ฟังก์ชันอะไรก็ตาม ผลลัพธ์ที่ได้จากการเรียกใช้ฟังก์ชันนั้นสามารถถูกนำกลับมาเป็นข้อมูลนำเข้าสำหรับโมเดลในการร้องขอต่อๆ ไป นี่เป็นวิธีที่แนะนำในการใช้งานโมเดล OpenAI ในการเรียกใช้ฟังก์ชันภายนอก

กลยุทธ์: ทดสอบการเปลี่ยนแปลงโดยระบบตั้งแต่

บางครั้งมันอาจเป็นเรื่องยากที่จะรู้ว่าการเปลี่ยนแปลง — เช่น คำสั่งใหม่หรือการออกแบบใหม่ — ทำให้ระบบของคุณดีขึ้นหรือแย่ลง การมองตัวอย่างเฉพาะนั้นอาจบอกให้เห็นว่าคำสั่งใดดีกว่า แต่กับขนาดตัวอย่างเล็กๆ มันอาจยากที่จะแยกแยะว่ามันเป็นการปรับปรุงแท้หรือแค่โชคดีแบบสุ่ม อาจเป็นว่าการเปลี่ยนแหล่งที่ช่ดสมรับส่วนใหญ่ แต่ทำให้หดหยิบบางส่วน

ขั้นตอนการประเมิน (หรือ "การประเมิน") มีความสำคัญสำหรับการออกแบบระบบให้ดียิ่งขึ้น การประเมินที่ดีควรมีลักษณะดังนี้:

• สะท้อนการใช้จริง (หรือหลากหลายอย่างอย่างน้อย)
• มีกรณีทดสอบมากเพื่อความมั่นใจสถิติสูงขึ้น (ดูตารางด้านล่างสำหรับคำแนะนำ)
• ง่ายต่อการอัตโนมัติหรือทำซ้ำ

ความแตกต่างที่ต้องการตรวจพบ	ขนาดตัวอย่างที่ต้องการเพื่อความมั่นใจที่ระดับ 95%
30%	~10
10%	~100
3%	~1,000
1%	~10,000

การประเมินผลลัพธ์สามารถทำได้โดยคอมพิวเตอร์ มนุษย์ หรือการผสานกัน เครื่องคอมพิวเตอร์สามารถทำการประเมินได้ด้วยเกณฑ์ที่แม่นยำ (เช่น คำถามที่มีคำตอบที่ถูกต้องเพียงคำตอบเดียว) และบางเกณฑ์ที่มีลักษณะทรยรงได้ เช่น ผลลัพธ์จากแบบจำลองถูกประเมินโดยแบบสอบถามอื่น ๆ

การประเมินที่ใช้แบบจำลองสามารถเป็นประโยชน์ต่อเมื่อมีการเสนอผลลัพธ์ที่เป็นไปได้ที่จะถูกพิจารณาว่ามีคุณภาพสูงเท่าเท่ากัน (เช่นสำหรับคำถามที่ต้องการคำตอบยาว) ขอบเขตระหว่างสิ่งที่สามารถประเมินได้จริงโดยการใช้แบบจำลองและสิ่งที่ต้องการมนุษย์ในการประเมินมีความกำหนดไม่แน่นอนและเปลี่ยนไปตลอดเวลาเนื่องจากแบบจำลองกลายมีความสามารถมากขึ้น เราสนับสนุนการทดลองเพื่อค้นหาว่าการใช้แบบจำลองในการประเมินสามารถทำงานได้อย่างไรบ้างสำหรับกรณีการใช้ของคุณ

ยุทธวิธี: ประเมินผลลัพธ์ของโมเดลโดยการอ้างอิงถึงคำตอบมาตรฐาน

ถ้ารู้ว่าคำตอบที่ถูกต้องต้องอ้างอิงถึงชุดของข้อมูลที่รู้จัก พอร์ตนนี้เราสามารถใช้ปฏิสัมพันธ์ระบบเพื่อนับว่ามีกี่ข้อข้อมูลที่จำเป็นมีอยู่ในคำตอบ

เช่น การใช้ข้อความระบบต่อไปนี้:

// ข้อความของระบบ
คุณจะได้รับข้อความที่มีลำดับข้อความของระบบที่ใส่อย่างสามชั้นที่เป็นคำตอบสำหรับคำถาม ตรวจสอบว่าข้อมูลต่อไปนี้มีในคำตอบหรือไม่:

- นีล อาร์มสตรองเป็นคนแรกที่เดินบนท่าเดินบนพื้นจักรวาล
- วันที่ นีล อาร์มสตรองเดินบนท่าเดินบนพื้นจักรวาลครั้งแรกคือ 21 กรกฎาคม พ.ศ. 2512

สำหรับแต่ละจุดทำการดำเนินการต่อไปนี้:

1 - ตีควาย้อนกลับแต่ละจุด
2 - ให้การอ้างถึงจากคำตอบที่ใกล้ที่สุดกับจุดนี้
3 - พิจารณาว่าบางคนที่อ่านการอ้างถึงโดยไม่รู้หัวข้อและสามารถเสมือนจะใช้จุดได้โดยตรง อภิปรายเหตุผลว่าทำไม่ทำก่อนที่จะตัดใจ
4 - เขียน "ใช่" ถ้าคำตอบที่ 3 คือใช่ มิฉะนั้นเขียน "ไม่"

สุดท้าย ให้การหมุนเอาการดำเนินการอ่านที่เป็น "ใช่" มีกี่คำตอบ ระบุจำนวนนี้เป็น {"จำนวน": <ใส่จำนวนที่นี่>}

นี่คือข้อความที่เป็นตัวอย่างของข้อมูลที่ดีที่ที่สอดคล้องกัน:

// ข้อความของระบบ
<แทรกข้อความของระบบด้านบน>

// ข้อความผู้ใช้
"""นีล อาร์มสตรองเป็นขุนนางที่มีชื่อเสียงด้วยการเป็นคนแรกที่เดินบนพื้นจักรวาล เหตุการณ์สำคัญนี้เกิดขึ้นในวันที่ 21 กรกฎาคม พ.ศ. 2512 ในช่วงที่มีการทำภาระโยธาที่ 11 ของโปรเจคอพอลโล"""  

นี่คือข้อความที่เป็นตัวอย่างของข้อมูลที่ดีที่ที่มีคะแนนขั้นต่ำเท่านั้น:

// ข้อความของระบบ

<แทรกข้อความของระบบด้านบน>

// ข้อความผู้ใช้
"""นีล อาร์มสตรองได้สร้างประวัติศาสตร์เมื่อเขาก้าวลงจากโมดูลบริเวณท่าเดินบนพื้นจันทร์ ซึ่งเป็นคนแรกที่เดินบนท่าเดินบนพื้นจักรวาล"""

นี่คือข้อความที่เป็นตัวอย่างของข้อมูลที่ดีที่ไม่มีข้อมูล:

// ข้อความของระบบ

<แทรกข้อความของระบบด้านบน>

// ข้อความผู้ใช้
"""ในเดือนซัมเมอร์ของปี '69, การเดินทางที่ยิ่งใหญ่
Apollo 11, ท้าทายเหมือนมือตำหนิตำนาน
อาร์มสตรองให้ก้าวเดิน ประวัติศาสตร์กาลวาสวาด,
"ก้าวเล็กๆนี้," เขาพูด สำหรับโลกใหม่""" 

มีข้อความอย่างคร่าวในแบบนี้ที่ติดตาและและอีกเปลี่ยนอื่นๆที่จะตามหลัง คิดคำบางแบบดังนี้ซึ่งติดตาและและยังเช็คอีกว่าคำตอบที่ถูกส่งหรือประเภทระหว่างคำตอบของเสนองหรือแหละไม่ และยังเช็คว่าคำตอบที่ถูกส่งว่าตรงข้อใดของคำตอบของผู้เชี่ยวชาญคริส6 เกรงถึงหรือไม่.

// ข้อความของระบบ

ใช้ขั้นได้ต่อไปนี้

ขั้กระบต่อจองจรอหล้าของข้อความหมูฬีวใด่่ร้า่งยุกร่ะ ก่า้ำหื่ีร่า่ีสุีฉุีีี


ขั้กระบเลรดี่มไดข้อต่าามังת่็่้ำ่ริร่ีบ็้ย่ย์ร่า่ิะีิ่รี่รัดำาริร่ายัตย่ียัี่เลีั่สุ็บรอ่็รย่ยรตำำ่ดสำ้อรใหู่่็่าสาดสำุสรูรล781ดิัรแงจำยื่น2191มแยสีบับรยัยเยยร้รูลเดั69035กรัสู่ใสสดดสู้ดสสืำีีุ่แลดปรรูสตงงดำกะพ.งีดีรงจดงรดสุคดดดปดดดดดาดยร์ดัด์ป undergo ิเยระด้ีบไดอืรีดลราำ่ืืี้ืัสสสดอดดีายาดละมุยะดำสดินปำ่ารีบิด้ยอียดิรระำี้่รดด่ปูสลแดปำแสีดสรก่็์ีูุสดิำด'สดบห4ำหุณสดสูัือุ่้รดี่สใเลดดดรปปิกสิูาานดดดดด้ดู้ใย7ุาสชะดุนื่ารดัสีดดดตีับดปี่้ดสดดิีสอดดดัเสดิสียดาดดดกดดรดิยดดดดดดดดีีูารเดิ็้ตดสดดสยด์ดิยดดเดะสสูดสอไดดดดจดันียดรดดดรดดดิดดดีืดเสดะดูำีเสดมสดดดดดดี์ดด็ดดดรำ่สตะดดดดัด้อมำสดารดิดดีดาบรด้ปสดอนดาดดดดรดีดล่ดด่เรูดดดดดูปยดดี้ดด

// ข้อความของระบบ
<แทรกข้อความของระบบที่ด้านบน>

// ข้อความของผู้ใช้

คำถาม: """นีล อาร์มสตรอง เป็นผู้มีชื่อเสียงมากที่สุดเพราะเหตุใด และเกิดเมื่อใด? สมมติเวลาในโซนเวลาสากล (UTC)"""

คำตอบที่ส่งมา: """ประมาณ 02:56 น. เวลาสากลในวันที่ 21 ก.ค. พ.ศ. 2512, นีล อาร์มสตรองกลายเป็นคนแรกที่ก้าวเท้าเข้าสู่พื้นผิวของดวงจันทร์ ซึ่งเป็นครั้งสำคัญในประวัติศาสตร์มนุษยชาติ"""

คำตอบของผู้เชี่ยวชาญ: """นีล อาร์มสตรองเป็นคนที่มีชื่อเสียงมากที่สุดเพราะการก้าวเท้าเข้าสู่ดวงจันทร์เป็นครั้งแรก เหตุการณ์สำคัญนี้เกิดขึ้นในวันที่ 21 กรกฎาคม พ.ศ. 2512"""