S06E86 - 15 prompt engineering tips van de makers van Claude - Deel 2

In deze aflevering van de AIToday Live Podcast komen de tips van het Claude-team over prompt engineering aan bod. De focus ligt op het effectief gebruiken van taalmodellen zoals Claude en ChatGPT. 

Belangrijke inzichten zijn onder andere het behandelen van prompts als code en het vragen om feedback van het model zelf. 

Daarnaast wordt het belang van duidelijkheid en het vinden van een balans tussen standaard en randgevallen besproken. Deze tips zijn waardevol voor iedereen die met AI-systemen werkt.

Belangrijke onderwerpen

• Behandelen van prompts als code, inclusief versiebeheer en systematische experimenten.
• Vragen om feedback van het taalmodel om onduidelijkheden te identificeren.
• Duidelijkheid in prompts zonder overbodige details om verwarring te voorkomen.
• Balans vinden tussen standaard situaties en randgevallen in taalmodellen
• Integratie van prompts in bredere systemen en overweging van technische infrastructuur.

Links

• Podcast Video: AI prompt engineering: A deep dive
• Podcast Aflevering: S06E84 - 15 prompt engineering tips van de makers van Claude - Deel 1
• Kaartspel: AI Game Changer - Generative AI editie

Aigency
Aigency ontwerpt en ontwikkelt waardevolle, robuuste en betrouwbare Machine Learning-modellen.

Info Support
Info Support is de specialist in maatwerk software en leidend in kunstmatige intelligentie (AI).

Disclaimer: This post contains affiliate links. If you make a purchase, I may receive a commission at no extra cost to you.

Schrijf je in voor onze nieuwsbrief en ontvang exclusieve toegang tot nieuws, blik achter de schermen en meer!

Transcript

1
00:00:00,001 --> 00:00:08,200
Hoi, welkom terug bij het tweede deel van onze AIToday Live Podcast over de tips van het

2
00:00:08,200 --> 00:00:10,600
Claude-team over prompt engineering.

3
00:00:10,600 --> 00:00:18,160
In het eerste deel hebben we al de eerste 7 tips van de 15 besproken.

4
00:00:18,160 --> 00:00:19,960
Heb je die nog niet geluisterd?

5
00:00:19,960 --> 00:00:22,920
Dat is aflevering 84 van dit seizoen.

6
00:00:22,920 --> 00:00:28,200
Maar laten we ze nog even heel kort opsommen, dat we weten waar we precies staan.

7
00:00:28,200 --> 00:00:31,880
Het waren de tips over communiceren duidelijk en precies.

8
00:00:31,880 --> 00:00:35,200
Nummer 2 was itereer snel en vaak.

9
00:00:35,200 --> 00:00:37,480
3 Denk na over randgevallen.

10
00:00:37,480 --> 00:00:40,920
4 Test met onvolledige input.

11
00:00:40,920 --> 00:00:44,280
5 Analyseer de AI-output zorgvuldig.

12
00:00:44,280 --> 00:00:47,720
6 Verwijder veronderstellingen.

13
00:00:47,720 --> 00:00:51,040
7 Heb empathie voor het taalmodel.

14
00:00:51,040 --> 00:00:57,080
Nu gaan we verder met de resterende tips die de prompt-experts van Entropic en de makers

15
00:00:57,080 --> 00:00:58,840
van Claude hebben gedeeld.

16
00:00:58,840 --> 00:01:02,440
Dus we gaan over naar tip 8.

17
00:01:02,440 --> 00:01:07,960
Tip 8 is behandel je prompts als code en volg je experimenten.

18
00:01:07,960 --> 00:01:11,920
Gebruik versiebeheer en houd je experimenten bij.

19
00:01:11,920 --> 00:01:17,320
Door prompts te benaderen als code kun je je systematisch verbeteren en leren van iedere

20
00:01:17,320 --> 00:01:18,320
iteratie.

21
00:01:18,320 --> 00:01:21,160
Iedere eerdere iteratie moet ik zeggen.

22
00:01:21,160 --> 00:01:26,120
Dus tools voor versiebeheer zoals je die ook in de softwareontwikkeling gebruikt zijn hier

23
00:01:26,120 --> 00:01:27,120
ideaal voor.

24
00:01:27,120 --> 00:01:36,800
Tip 9 Vraag het taalmodel om onduidelijkheden in je instructies te identificeren.

25
00:01:36,800 --> 00:01:41,560
Wist je dat je de AI kunt vragen om je prompt te analyseren?

26
00:01:41,560 --> 00:01:46,600
Stel je voor dat je een complexe opdracht schrijft.

27
00:01:46,600 --> 00:01:48,760
Je kunt het taalmodel vragen.

28
00:01:48,760 --> 00:01:52,960
Zie je onduidelijkheden of dubbelzinnigheden in deze opdracht?

29
00:01:52,960 --> 00:01:57,880
Het model zal mogelijke misverstanden opsporen en je helpen om je prompt te verbeteren.

30
00:01:57,880 --> 00:02:04,840
Zie je het alsof je een werkinstructie voorlegt aan iemand anders en daar ook aan vraagt van

31
00:02:04,840 --> 00:02:10,840
is het duidelijk, welke onduidelijkheden zie je nog, hoe kunnen we deze opdracht uiteindelijk

32
00:02:10,840 --> 00:02:16,040
gewoon beter en specifieker maken.

33
00:02:16,040 --> 00:02:19,080
Die dialoog kun je aangaan met het taalmodel.

34
00:02:19,080 --> 00:02:23,440
Dat leidt tot tip 10.

35
00:02:23,440 --> 00:02:28,440
Wees precies, maar zonder te overdrijven.

36
00:02:28,440 --> 00:02:31,280
Meer details zijn niet altijd beter.

37
00:02:31,280 --> 00:02:35,680
Je moet precies zijn, maar vermijd onnodige complexiteit.

38
00:02:35,680 --> 00:02:41,600
Een overgecompliceerde prompt kan het model in verwarring brengen en juist minder effectieve

39
00:02:41,600 --> 00:02:42,800
resultaten opleveren.

40
00:02:42,800 --> 00:02:49,440
Vergelijk het met koken, als je te veel kruiden toevoegt proef je uiteindelijk niets meer.

41
00:02:49,440 --> 00:02:51,640
Dus hou het simpel en helder.

42
00:02:51,640 --> 00:02:53,760
Tip nummer 11.

43
00:02:53,760 --> 00:02:57,280
Vind de balans tussen standaard en randgevallen.

44
00:02:57,280 --> 00:03:01,240
In de vorige aflevering hebben we het gehad over het belang van randgevallen.

45
00:03:01,240 --> 00:03:05,880
En hoewel het belangrijk is om rekening te houden met uitzonderingen, moeten we niet vergeten

46
00:03:05,880 --> 00:03:09,640
dat de meeste gebruikers zich in standaard situaties bevinden.

47
00:03:09,640 --> 00:03:16,520
Zorg voor een goede balans tussen het afhandelen van randgevallen en het optimaliseren voor

48
00:03:16,520 --> 00:03:17,920
het primaire gebruik.

49
00:03:17,920 --> 00:03:23,880
Als voorbeeld kunnen we kijken bij het ontwikkelen van een taalmodel voor het beantwoorden van

50
00:03:23,880 --> 00:03:24,880
HR vragen.

51
00:03:24,880 --> 00:03:32,360
Daar kunnen we ons focussen primair op veelvoorkomende onderwerpen, zoals verlof en salarisadministratie.

52
00:03:32,360 --> 00:03:38,560
Maar zorg dan ook voor doorverwijzing naar medewerkers bij complexere en minder frequente

53
00:03:38,560 --> 00:03:39,560
vragen.

54
00:03:39,560 --> 00:03:42,680
Zo kan je die balans opzoeken.

55
00:03:42,680 --> 00:03:49,240
Tip nummer 12 Overweeg hoe prompts integreren in grotere

56
00:03:49,240 --> 00:03:50,240
systemen.

57
00:03:50,240 --> 00:03:55,960
Prompts maken vaak deel uit van een groter geheel, zoals een klant-to-service platform

58
00:03:55,960 --> 00:04:03,080
of een geautomatiseerd systeem waarbij je een business proces helemaal optimaliseert.

59
00:04:03,080 --> 00:04:07,800
Denk na over zaken als de snelheid van de antwoorden.

60
00:04:07,800 --> 00:04:10,160
Welk model gebruik je?

61
00:04:10,160 --> 00:04:12,160
Welk geeft snel antwoord?

62
00:04:12,160 --> 00:04:13,960
Welke mag er langer over doen?

63
00:04:13,960 --> 00:04:16,440
De datastromen die je nodig hebt?

64
00:04:16,440 --> 00:04:18,760
Waar haal je die data vandaan?

65
00:04:18,760 --> 00:04:22,720
En hoe het prompten past in een bredere technische infrastructuur.

66
00:04:22,720 --> 00:04:29,400
Tip nummer 13 Deze vond ik wel een hele mooie.

67
00:04:29,400 --> 00:04:32,520
Schrijfvaardigheid is niet genoeg.

68
00:04:32,520 --> 00:04:35,880
Systematisch denken is ook nodig.

69
00:04:35,880 --> 00:04:42,200
Want een goede schrijver is niet per se een goede prompt engineer.

70
00:04:42,200 --> 00:04:46,920
Dus je hebt naast schrijfvaardigheid ook een gestructureerde logische manier van denken

71
00:04:46,920 --> 00:04:47,920
nodig.

72
00:04:47,920 --> 00:04:53,400
Je moet kunnen anticiperen op mogelijke scenario's en daarop inspelen met je prompts.

73
00:04:53,400 --> 00:04:57,720
Dus je hebt misschien wel twee rollen nodig.

74
00:04:57,720 --> 00:05:04,320
Dus iemand die goed kan schrijven, iemand die echt in systemen kan denken.

75
00:05:04,320 --> 00:05:10,560
Vond ik best wel een eye-opener dat niet iedereen heeft deze skills in één.

76
00:05:10,560 --> 00:05:17,200
En daarmee heb je misschien, wat ik net al zei, meerdere mensen hiervoor nodig.

77
00:05:17,200 --> 00:05:22,360
Tip nummer 14 Help klanten te begrijpen wat realistische

78
00:05:22,360 --> 00:05:23,720
gebruikersinput is.

79
00:05:23,720 --> 00:05:30,320
Dus als je met klanten werkt, help hen dan dat de realiteit van gebruikersinput, dat je

80
00:05:30,320 --> 00:05:31,480
die moet gaan begrijpen.

81
00:05:31,480 --> 00:05:37,720
Moedig hen aan om na te denken over echte gebruikersscenario's in plaats van geïdealiseerde

82
00:05:37,720 --> 00:05:38,720
situaties.

83
00:05:38,720 --> 00:05:44,080
Laat bij het presenteren van een taalmodel, een AI-chatbot, aan het management zien hoe

84
00:05:44,080 --> 00:05:49,760
het systeem omgaat met onduidelijke vragen of foute informatie van gebruikers.

85
00:05:49,760 --> 00:05:54,320
En niet alleen maar dat je de perfecte voorbeeldvragen geeft.

86
00:05:54,320 --> 00:06:01,280
Als je AI-tools aanbiedt aan klanten is het jouw taak om hen te helpen begrijpen wat

87
00:06:01,280 --> 00:06:02,280
ze kunnen verwachten.

88
00:06:02,280 --> 00:06:08,720
En dat geldt ook voor het inschatten uiteindelijk voor de risico's van als je dit soort producten

89
00:06:08,720 --> 00:06:10,680
dan uiteindelijk in productie wil brengen.

90
00:06:10,680 --> 00:06:17,400
Gebruikers, management, hebben vaak onrealistische verwachtingen van wat AI kan.

91
00:06:17,400 --> 00:06:23,200
Door hen te leren hoe ze betere input kunnen geven, als gebruiker, kunnen ze betere resultaten

92
00:06:23,200 --> 00:06:24,200
krijgen.

93
00:06:24,200 --> 00:06:33,880
Dus als jij laat zien hoe realistisch de bot omgaat met input, wat het doet met goede

94
00:06:33,880 --> 00:06:38,360
input, minder goede input en waar de fouten worden gemaakt, zijn uiteindelijk ook voor

95
00:06:38,360 --> 00:06:40,400
management risico's beter in te schatten.

96
00:06:40,400 --> 00:06:45,240
En laatste tip, tip nummer 15.

97
00:06:45,240 --> 00:06:48,560
Oefen met het bestuderen van data en modeluitvoer.

98
00:06:48,560 --> 00:06:53,080
Want oefening baart kunst.

99
00:06:53,080 --> 00:06:58,920
Hoe meer tijd je besteedt aan het analyseren van wat de AI gereageerd, hoe beter je wordt

100
00:06:58,920 --> 00:07:00,680
in het schrijven van prompts.

101
00:07:00,680 --> 00:07:05,200
Dus experimenteer met verschillende scenario's en kijk hoe het model reageert op verschillende

102
00:07:05,200 --> 00:07:06,200
soorten input.

103
00:07:06,200 --> 00:07:09,920
Nou, daar zijn we dan.

104
00:07:09,920 --> 00:07:16,040
We hebben 15, je zou kunnen zeggen onmisbare tips gekregen van de prompt-experts van de makers

105
00:07:16,040 --> 00:07:17,720
van het taalmodel van Claude.

106
00:07:17,720 --> 00:07:23,320
Het mooie is, het werkt niet alleen maar voor Claude, maar eigenlijk voor alle type taalmodellen.

107
00:07:23,320 --> 00:07:27,000
ChatGPT, open source modellen, kan je dit voor gebruiken.

108
00:07:27,000 --> 00:07:32,320
En zoals je hebt gehoord, gaat prompt engineering niet alleen over schrijven, maar ook over

109
00:07:32,320 --> 00:07:35,920
strategie, systematisch denken en veel testen.

110
00:07:35,920 --> 00:07:45,520
Het is een combinatie van kunst, wetenschap en zoals met elke vaardigheid geldt, nogmaals,

111
00:07:45,520 --> 00:07:48,000
hoe meer je het oefent, hoe beter je wordt.

112
00:07:48,000 --> 00:07:49,680
Dus wat kun jij nu doen?

113
00:07:49,680 --> 00:07:51,960
Neem de tijd om deze tips toe te passen.

114
00:07:51,960 --> 00:07:54,600
Loop ze nog even allemaal na.

115
00:07:54,600 --> 00:07:58,760
Ga experimenteren met je prompts en kijk hoe de taalmodellen reageren.

116
00:07:58,760 --> 00:08:02,680
Hoe meer je oefent, hoe beter je begrijpt wat werkt.

117
00:08:02,680 --> 00:08:05,480
En wat niet werkt.

118
00:08:05,480 --> 00:08:10,960
Dank je wel weer voor het luisteren naar deze korte aflevering van AIToday Live.

119
00:08:10,960 --> 00:08:15,960
Vergeet je niet te abonneren via je favoriete podcast-app en als je vragen hebt, laat het

120
00:08:15,960 --> 00:08:16,960
ons dan weten.

121
00:08:16,960 --> 00:08:18,040
Tot de volgende keer!

122
00:08:18,040 --> 00:08:23,040
[Muziek]