Оперативное манипулирование — это основной способ, с помощью которого вы, как разработчик приложений, можете повлиять на результаты генеративных моделей ИИ. Например, при использовании LLM вы можете создавать подсказки, влияющие на тон, формат, продолжительность и другие характеристики ответов моделей.
Genkit разработан с учетом того, что подсказки — это код . Вы пишете и поддерживаете свои запросы в исходных файлах, отслеживаете их изменения с помощью той же системы контроля версий, которую вы используете для своего кода, и развертываете их вместе с кодом, который вызывает ваши генеративные модели ИИ.
Большинство разработчиков обнаружат, что включенная библиотека Dotprompt отвечает их потребностям в работе с подсказками в Genkit. Однако альтернативные подходы также поддерживаются за счет непосредственной работы с подсказками.
Определение подсказок
Вспомогательные функции генерации Genkit принимают строковые запросы, и вы можете вызывать модели таким образом для простых случаев использования.
ai.Generate(context.Background(), model, ai.WithTextPrompt("You are a helpful AI assistant named Walt."))
В большинстве случаев вам потребуется включить в приглашение некоторые введенные пользователем данные. Вы можете определить функцию для их рендеринга следующим образом:
func helloPrompt(name string) *ai.Part {
prompt := fmt.Sprintf("You are a helpful AI assistant named Walt. Say hello to %s.", name)
return ai.NewTextPart(prompt)
}
response, err := ai.GenerateText(context.Background(), model,
ai.WithMessages(ai.NewUserMessage(helloPrompt("Fred"))))
Однако одним из недостатков определения подсказок в коде является то, что тестирование требует их выполнения как части потока. Чтобы ускорить итерацию, Genkit предоставляет возможность определять ваши подсказки и запускать их в пользовательском интерфейсе разработчика.
Используйте функцию DefinePrompt , чтобы зарегистрировать ваши запросы в Genkit.
type HelloPromptInput struct {
UserName string
}
helloPrompt := ai.DefinePrompt(
"prompts",
"helloPrompt",
nil, // Additional model config
jsonschema.Reflect(&HelloPromptInput{}),
func(ctx context.Context, input any) (*ai.GenerateRequest, error) {
params, ok := input.(HelloPromptInput)
if !ok {
return nil, errors.New("input doesn't satisfy schema")
}
prompt := fmt.Sprintf(
"You are a helpful AI assistant named Walt. Say hello to %s.",
params.UserName)
return &ai.GenerateRequest{Messages: []*ai.Message{
{Content: []*ai.Part{ai.NewTextPart(prompt)}},
}}, nil
},
)
Действие подсказки определяет функцию, возвращающую GenerateRequest , которую можно использовать с любой моделью. При желании вы также можете определить схему ввода для приглашения, аналогичную схеме ввода для потока. В подсказках также можно определить любые общие параметры конфигурации модели, такие как температура или количество выходных токенов.
Вы можете преобразовать это приглашение в запрос модели с помощью предоставленной вспомогательной функции. Укажите входные переменные, ожидаемые в командной строке, и модель для вызова.
request, err := helloPrompt.Render(context.Background(), HelloPromptInput{UserName: "Fred"})
if err != nil {
return err
}
response, err := model.Generate(context.Background(), request, nil)
В пользовательском интерфейсе разработчика Genkit вы можете запустить любое приглашение, определенное вами таким образом. Это позволяет вам экспериментировать с отдельными подсказками за пределами потоков, в которых они могут использоваться.
Подсказка
Genkit включает библиотеку Dotprompt , которая добавляет подсказкам дополнительную функциональность.
- Загрузка подсказок из исходных файлов
.prompt - Шаблоны на основе рулей
- Поддержка многоходовых шаблонов подсказок и мультимедийного контента.
- Краткие определения схемы ввода и вывода.
- Свободное использование с
generate()