최고의 프롬프트 엔지니어링 기술의 최신 연간 편집

내 칼럼에 익숙하지 않은 분들을 위해, 나는 구체화 된 AI, AI 추론, AI의 첨단 기술 혁신, AI 교육, AI의 수비, AI 규정 및 AI에 대한 새로운 하드웨어 등을 포함하여 AI의 최신 발전을 전반적으로 탐구합니다. 절충주의 믹스입니다.

나는 일반적으로 라운드 로빈을 기반으로 AI 주제를 혼합 한 프롬프트 엔지니어링을 포함시키고 최신 혁신과 모범적 인 프롬프트 접근법을 선호하는 것을 목표로합니다. 저의 적용 범위는 프롬프트의 모범 사례를 광범위하게 탐구합니다. 나는 실용적인 연구에 의해 견고하게 뒷받침되는 신속한 엔지니어링 관행 만 식별하고 추천하는 것을 선호하며, 매일 생성 AI를 사용하여 활용하는 것을 선호합니다.

프롬프트 엔지니어링은 계속해서 중요한 가치를 지니고있는 노력의 분야입니다. 나는 프롬프트 엔지니어링이 다리가 길고 능숙하고 효과적으로 수행하기에 충분한 기술과 기술이 필요하다고 예측합니다. 이런 이유로 프롬프트 엔지니어링이 어디로 향하고 있는지, 최고의 새로운 기술을 독자의 관심에 가져옵니다.

최신 AI 고급, 발견 및 트렌드 AI 혁신에 대한 전반적인 전반적인 범위는 여기를 참조하십시오.

이 신속한 엔지니어링 컴파일 소개

컴파일에 뛰어 들기 전에 몇 가지 언급.

각 기술은 간단히 요약되며, 기술을 적극적으로 수행하는 방법을 설명하고 필요한 INS 및 아웃을 신중하게 설명하는 세부적인 커버리지에 편리한 링크가 제공됩니다. 그 예는 심층적 인 게시물에도 표시됩니다.

나는 2024 년 5 월에 비슷한 편집을 게시했다 (여기서는 링크 참조) 당시 약 50 개의 중요한 프롬프트 기술이 포함되어있다. 그 이후로 나는 최신 프롬프트 엔지니어링을 정기적으로 다루었습니다. 따라서 2024 년 후반과 현재까지 2025 년까지의 추가 프롬프트 엔지니어링 게시물을 포함 시켰습니다. 총 총은 82 개의 키스톤 프롬프트 기술에 달합니다. 내 다른 많은 게시물에 Ad Hoc 프롬프트 관행을 언급하고 여기저기서 팁과 통찰력을 제공하는 반면, 여기에 커버하는 것은 전체 칼럼이 그들의 효능에 전념했습니다.

제가 프레젠테이션과 대화에서 얻는 가장 빈번한 질문 중 하나는 누군가가 유능한 프롬프트 엔지니어가 될 수있는 방법입니다.

여기 내 추천이 있습니다.

내가 여기에 놓은 모든 신속한 엔지니어링 기술을 살펴보십시오. 제공된 온라인 링크를 사용하고 각 기술을 뒷받침하는 자세한 표시를 완전히 읽으십시오 (건너 뛰지 않고 유휴 안구가 없음). 선호하는 생성 AI 앱에서 기술을 광범위하게 사용해보십시오. 각 기술을 사용하는 방법을 실제로 알고 있음을 두 번 확인하십시오. 정직하십시오. 공정하고 정사각형입니다.

그 퀘스트가 완료되면, 나는 당신이 최고의 프롬프트 엔지니어가되기 위해 길을 가고 있다고 말할 것입니다. 후속 조치는 기술을 사용하여 연습하고 그들이 손끝에 있고 신속한 엔지니어링 정신 툴킷에 쉽게 포함되어 있다는 것을 완전히 편안하게 느끼는 것입니다.

추천 신속한 엔지니어링 기술

기술을 알파벳 순서로 나열했습니다.

각 기술의 이름 지정과 관련하여 표준화 된 산업 전반의 이름 지정 규칙이 없으므로 가장 자주 활용되는 이름이나 문구를 사용했습니다. 목표는 각 기술이 수반하는 내용의 올바른 야구장에 즉시 착륙 할 수 있도록 일반화 된 표시를 호출하는 것입니다.

여기 우리는 간다.

애드온 프롬프트

생성 AI에 연결하는 특수 애드온을 사용하여 프롬프트를 생산하거나 프롬프트를 조정하는 데 도움이 될 수 있습니다. 프롬프트를위한 ​​애드온의 특성과 사용에 대한 다양한 예와 자세한 표시는 여기 링크를 참조하십시오.

에이전트 AI 프롬프트

에이전트 AI는 뜨겁습니다. 아이디어는 당신이 생성 AI를 정교하게 사용하여 엔드 투 엔드 기준으로 작업을 수행한다는 것입니다. 인기있는 예는 여행 계획에 대해 조언 할뿐만 아니라 모든 비행 및 호텔 예약을 필요로하는 생성 AI를 사용하는 것입니다. 에이전트 AI의 출현은 또한 AI 에이전트에 적합하게 의존하기 위해 추가적인 신속한 엔지니어링 기술의 필요성을 가져 왔습니다. 에이전트 AI 프롬프트의 특성과 사용에 대한 다양한 예와 자세한 표시는 여기 링크에서 내 보도를 참조하십시오.

AI 환각 회피 프롬프트

생성 AI에 대한 가장 긴급한 문제 중 하나는 AI가 AI 환각으로 알려진 문제인 AI가 계산적으로 거짓을 계산할 수 있다는 것입니다. 이는 AI 환각으로 알려진 문제입니다 (캐치 프레이즈가 AI를 의인화하는 경향이 있기 때문에 캐치 프레이즈를 싫어하지만 불행히도 우리는 그에 붙잡 히는 것처럼 보입니다). AI 환각의 특성에 대한 다양한 예와 자세한 징후는 여기 링크, 여기 링크 및 링크의 광범위한 커버리지를 참조하십시오.

Atom-of-thoughts (AoT) 프롬프트

이 기술은 유명한 사슬의 사슬 기술로 확장됩니다. 이렇게됩니다. 당신은 AI에게 단계적 추론을 수행하고 문제를 가장 원자력 단계로 나누어서 그렇게합니다. 아름다움은 이것이 올바른 단계를 파악하는 데있어 AI를 정직하게 유지하는 경향이있을뿐만 아니라 AI가 병렬 처리를 위해 설정되었다고 가정 할 때 AI는 단계의 실행을 병렬로 처리 할 수 ​​있다는 것입니다. Atom-of-Unf-Offort의 특성과 사용에 대한 다양한 예와 자세한 표시는 여기에서 링크에서 내 보도를 참조하십시오.

“리버스 저주”프롬프트를 이길

생성 AI는 연역적 논리의 반대 측면을 다루는 데 어려움이있는 것으로 알려져 있습니다. 따라서 소위 "리버스 저주"를 줄이거 나 극복 할 수있는 프롬프트 접근법에 익숙해야합니다. 리버스 저주 프롬프트를 치는 특성과 사용에 대한 다양한 예와 자세한 표시는 여기 링크에서 내 보도를 참조하십시오.

“발가락에있어”프롬프트

“발가락에있어”라는 문구는 응답을 생성 할 때 더 철저하게 생성 AI를 습격하는 데 사용될 수 있지만, 프롬프트 기술을 사용할 때 명심해야 할 경고와 한계가 있습니다. "To On Toes"프롬프트에 대한 다양한 예와 자세한 표시는 여기 링크에서 내 보도를 참조하십시오.

브로우 비트 프롬프트

일반적으로 제안 된 프롬프트 기술은 생성 AI를 눈에 띄거나 괴롭히는 프롬프트로 구성됩니다. 그러한 프롬프트를 사용하는 데 신중해야합니다. 브로우 비트 프롬프트에 대한 다양한 예와 자세한 징후는 여기 링크의 내 적용 범위를 참조하십시오.

프롬프트를위한 ​​카탈로그 또는 프레임 워크

프롬프트 지향적 프레임 워크 또는 카탈로그는 프롬프트를 제작하고 활용하는 초석 방법을 분류하고 제시하려고 시도합니다. 신속한 엔지니어링 프레임 워크 또는 카탈로그의 성격 및 사용에 대한 다양한 예와 자세한 표시는 여기 링크의 내 커버리지를 참조하십시오.

확실성과 불확실성 프롬프트

질문에 대한 답변을 제공 할 때 생성 AI가 확실성 또는 불확실성을 방출하기를 원한다는 프롬프트에서 명시 적으로 표시 할 수 있습니다. 생성 AI를 위해 유발할 때 확실성과 불확실성의 숨겨진 역할의 본질과 사용에 대한 다양한 예와 자세한 징후에 대해서는 여기 링크에서 내 보도를 참조하십시오.

연속적 인 생각 (CCOT) 프롬프트

여기저기서 흐르는 토큰을 다루는 대신, 우리는 방법을 고려한 체인 (COT) 프롬프트 방법을 가져 와서 그 선을 더 아래로 옮겼다 고 가정 해 봅시다. 이렇게됩니다. 구성 요소는 다른 구성 요소로부터 생각의 체인을받습니다. COT를 수신하는 구성 요소는이를 구성 요소가해야 할 일을하기위한 그리스도로 사용합니다. 구성 요소의 결과는 새로 고안된 또 다른 사슬의 사슬로 선을 따라 더 흐릅니다. 연속적으로 생각한 연쇄의 특성과 사용에 대한 다양한 예와 자세한 표시는 여기 링크에서 내 보도를 참조하십시오.

밀도 체인 (COD) 프롬프트

요약을 고안하는 날카로운 방법은 COD (Chain of Density)로 알려진 영리한 프롬프트 전략을 포함하며, 이는 특히 가장 훌륭하거나 최소한의 요약을 달성하기 위해 생성 AI를 강화하는 것을 목표로합니다. COD 또는 밀도 연쇄 프롬프트의 특성 및 사용에 대한 다양한 예와 자세한 표시는 여기 링크에서 내 보도를 참조하십시오.

피드백 체인 (COF) 프롬프트

COT (Chain of-Thought)의 변형은 생성 AI 환각의 정도를 감소시키는 것으로 보이는 COF (Cain-of-Peedback) 프롬프트 기술로 구성됩니다. 피드백 연쇄 프롬프트의 성격과 사용에 대한 다양한 예와 자세한 징후는 여기 링크에서 내 보도를 참조하십시오.

사슬의 사슬 (COT) 프롬프트

사슬의 사슬 (COT) 프롬프트는 가장 중요한 프롬프트 기술 중 하나로 예고되었습니다. 프롬프트를 입력하면 생성 AI에게 단계적으로 작동하도록 간단히 말하면 간이 침대를 호출합니다. COT (Chain of-Thought) 프롬프트의 본질과 사용에 대한 다양한 예와 자세한 표시는 여기 링크에서 내 보도를 참조하십시오.

고려 된 사슬의 분해 프롬프트

생성 AI가 생각한 세대를 수행 할 때 일련의 질문과 답변을 만들도록 지시하는 추가 지시를 통해 기존의 COT (CONT) 프롬프트를 보충 할 수 있습니다. 당신의 목표는 생성 AI를 으르거나 자극하여 일련의 하위 질문과 하위 응답을 생성하는 것입니다. 고려 된 분해를 활용하여 생각한 사슬의 본질과 사용에 대한 다양한 예와 자세한 징후는 여기 링크에서 내 보도를 참조하십시오.

체인 검사 (COV) 프롬프트

Cove 또는 Cove라고도하는 체인-검사 (일부는 COV라고도 함)는 일련의 검사 및 균형 또는 이중 점검에서 생성 AI 응답의 유효성을 높이려고 시도하는 고급 프롬프트 엔지니어링 기술입니다. COV의 성격과 사용에 대한 다양한 예와 자세한 징후에 대해서는 여기에서 링크에서 내 보도를 참조하십시오.

점검표 프롬프트

체크리스트 프롬프트를 사용하는 경우 생성 AI에 AI가 해결하려는 질문이나 문제에 대한 체크리스트를 생성하도록 지시합니다. 그렇게하면 AI 가이 문제에 대한보다 체계적인 접근 방식을 수행하는 데 도움이됩니다. 보조 플러스는 파생 점검표를 통해 AI 검증을 통해 문제의 모든 질문이나 일부가 해결 프로세스 중에 AI에 의해 실제로 해결되거나 최소한 고려되었음을 알 수 있다는 것입니다. 체크리스트 프롬프트의 특성 및 사용에 대한 다양한 예와 자세한 표시는 링크의 내 적용 범위를 참조하십시오.

대화 프롬프트

불행히도 많은 사람들이 생성 AI를 사용할 때 채택하는 것처럼 보이는 근시한 일대일 사고 방식을 피하면서 프롬프트 할 때 유창하고 대화식하십시오. 대화 프롬프트의 성격과 사용에 대한 다양한 예와 자세한 표시는 여기 링크에서 내 보도를 참조하십시오.

대화 증폭 프롬프트 엔지니어링 (케이프)

고급 프롬프트 모드는 생성 AI와의 앞뒤 대화를 수행하여 신속한 의도를 완전히 규정하는 것입니다. 때로는 단 하나의 프롬프트보다 여러 프롬프트를 사용하는 것이 좋습니다. 케이프의 본질과 사용에 대한 다양한 예와 자세한 징후는 여기 링크에서 내 보도를 참조하십시오.

Truefakes에게 Deepfakes가 프롬프트합니다

의심 할 여지없이 DeepFakes에 대해 알고있는 반면, 다른 각도는 생성 AI를 통해 TrueFake, 즉 가짜 디지털 쌍둥이를 고안하고 싶어한다는 의미에서 "진실한"자신의 가짜 버전을 설정하는 것과 관련이 있습니다. 프롬프트를 통해 DeepFakes에서 TrueFakes로가는 특성과 사용에 대한 다양한 예와 자세한 표시는 여기 링크에서 내 보도를 참조하십시오.

방향 자극 프롬프트 (DSP) 및 힌트

프롬프트에서 미묘하거나 때로는 투명한 힌트를 사용하는 것은 공식적으로 방향 자극 프롬프트 (DSP)로 알려져 있으며 생성 AI 응답을 실질적으로 향상시킬 수 있습니다. 힌트 또는 방향성 자극의 특성과 사용에 대한 다양한 예와 자세한 징후에 대해서는 여기 링크에서 내 보도를 참조하십시오.

정보 탐지 및 제거 프롬프트

사회가 직면하고있는 정보의 양과 잘못된 정보의 양은 계속 성장하고 있으며 애도 할 수없는 것처럼 보입니다. 주목할만한 대처 수단은 생성 AI를 사용하여 변형 및 잘못된 정보를 감지하기 위해 선호하는 필터로 구성됩니다. 잘못된 정보와 불완전의 흐름을 감지하고 완화하기위한 프롬프트의 특성과 사용에 대한 다양한 예와 자세한 표시에 대해서는 여기 링크의 내 적용 범위를 참조하십시오.

두 배의 사슬의 추적 프롬프트

최신 생성 AI 및 LLM의 많은 부분에는 이제 자동으로 생각한 체인을 호출하는 내장 기능이 있습니다. 이것은 괜찮습니다. 그러나 프롬프트를 통해 직접 생각한 사슬을 불러 일으키는 데 익숙한 사람들에게는 새로운 딜레마가 존재합니다. 문제는 당신이 생각한 사슬을 요청하고 AI가 이미 자동으로 생각한 체인을 할 것이고, 두 배의 두 배가 작업을 할 수 있다는 것입니다. 두 배의 위로 사슬의 프롬프트의 성격과 사용에 대한 다양한 예와 자세한 징후는 여기를 참조하십시오.

에코 프롬프트

Echo Prompting은 이름이 말하는 것과 같습니다. AI에 입력 한 프롬프트 쿼리를 다시 한 번 에코로 알려줍니다. 적절하게 사용될 때, 이것은 AI가 생성 할 응답에서 눈에 띄고 긍정적 인 차이를 만듭니다. 쉬운 기술이며 상황이 보증 할 때 사용할 수 있습니다. Echo 프롬프트의 본질과 사용에 대한 다양한 예와 자세한 표시는 여기를 참조하십시오.

감정적으로기만적인 프롬프트

사용자는 고객 서비스 온라인 채팅 등을 실행하는 생성 AI를 사용할 때 자신의 프롬프트를 감정적으로 표현할 수 있다는 것을 알아 냈습니다. 나는 이전에 다룬 감정적으로 표현 된 프롬프트에 대해 깊이 들어가서 원하는 방향으로 AI를 속이거나 직접 지시하려는 사람들이 사용한 최신 트릭을 공개합니다. 정서적으로기만적인 프롬프트의 본질과 사용에 대한 다양한 예와 자세한 징후는 여기를 참조하십시오.

감정적으로 표현 된 프롬프트

생성 AI와 대화 할 때 프롬프트에서 감정적으로 표현 된 문구를 사용하는 것이 차이가 있습니까? 대답은 예입니다. 그리고 생성 AI가 감정적 표현의 사용에“반응”하는 이유에 대한 논리적이고 전적으로 계산적으로 건전한 이유가 있습니다. 감정적으로 표현 된 프롬프트의 본질과 사용에 대한 다양한 예와 자세한 표시는 여기 링크에서 내 보도를 참조하십시오.

최종 골 프롬프트

적극 권장되는 프롬프트 전략은 생성 AI에서 작업하는 동안 최종 목표가 무엇인지 식별하고 특정 관심의 특정 주제 또는 문제를 해결하거나 탐구하는 것을 목표로합니다. 최종 목표 계획에 대한 다양한 예와 자세한 징후는 여기 링크에서 내 보도를 참조하십시오.

에세이 압축 프롬프트

때로는 요약을받는 대신 에세이를 압축하려고합니다. 즉, 원래 소스와 동일한 단어가 포함되어 있지만 반드시 필요하지 않은 단어를 던지는 것을 의미합니다. 에세이 압축 프롬프트에 대한 다양한 예와 자세한 징후는 여기 링크의 내 커버리지를 참조하십시오.

전문가 페르소나 프롬프트

편리한 프롬프트 기술은 생성 AI에게 주어진 도메인의 전문가 인 척하도록 지시하는 것입니다. 그런 다음 AI 답변 프롬프트가 마치 전문가 인 것처럼 보입니다. 이것은 AI가 수많은 전문가 인물 인 척하여 서로 토론하고 도전함으로써 더욱 향상 될 수 있습니다. 전문가 페르소나 프롬프트에 대한 다양한 예와 자세한 표시는 여기를 참조하십시오.

공정하게 생각하는 프롬프트

생성 된 AI가 AI에 조리 된 이미 예측 된 편견 이외의 방향으로 생성 된 AI가 생성되는 영리한 프롬프트를 사용할 수 있으며, 생성 된 응답에서 공정성이 더 크게 나타납니다. 공정하게 생각하는 프롬프트의 본질과 사용에 대한 다양한 예와 자세한 표시는 여기 링크에서 내 보도를 참조하십시오.

폴백 응답 프롬프트

빈도로 생성 AI를 사용했다면 때때로 AI가 신속하게 제기 된 질문에 대답 할 수 없거나 대답하지 않을 것이라고 말할 것입니다. AI가 제공하도록 조정 된 폴백 응답을 얻을 수 있습니다. 폴백 응답에 응답하는 현명한 방법이 있습니다. 폴백 응답 프롬프트에 대한 다양한 예와 자세한 징후는 여기 링크의 내 커버리지를 참조하십시오.

뒤집힌 상호 작용 프롬프트

스크립트를 뒤집을 수 있으며, 생성 AI가 질문을하는 대신 질문을하도록 생성 AI를 얻을 수 있습니다. 뒤집힌 상호 작용의 특성과 사용에 대한 다양한 예와 자세한 징후는 여기 링크의 내 적용 범위를 참조하십시오.

게임 화 프롬프트

게임 화는 프롬프트 기술을 향상시키는 데 도움이되고 매력적인 방법입니다. 당신이 초보자이거나 프롬프트를 작성하는 전문가이든, 게임 화는 특히 신속한 엔지니어링 기능을 향상시킬 수 있음이 밝혀졌습니다. 게임 화 프롬프트의 성격과 사용에 대한 다양한 예와 자세한 표시는 여기 링크에서 내 보도를 참조하십시오.

프롬프트를 자동으로 생성합니다

프롬프트를 직접 구성하는 대신 생성 AI에게 프롬프트를 만들도록 요청할 수 있습니다. 이를 위해서는 어떤 종류의 프롬프트가 최고의 AI 생성 프롬프트를 얻을 수 있는지 알아야합니다. 프롬프트 프롬프트 생성에 대한 다양한 입문 사례와 추가 상세한 표시는 여기 링크에서 내 보도를 참조하십시오.

프롬프트 생성 대 직접

신속한 생성기는 본질적으로 생성 AI를 사용하여 프롬프트를 생성하는 것입니다. 간단한 아이디어는 AI에게 어떤 측면에 대해 묻고 싶은지 또는 해결하고자하는 문제를 나타내는 것인지, 그에 따라 프롬프트가 생성된다는 것입니다. 프롬프트 생성기가 스스로 프롬프트를 작곡하는 것보다 낫습니까? 각 접근 방식이 가장 좋은 경우 비교합니다. 프롬프트 생성기와 직접 구성에 대한 다양한 예와 자세한 표시는 여기 링크의 내 커버리지를 참조하십시오.

해커 톤 프롬프트

새로운 프롬프트를 배우고 신속한 엔지니어링 통찰력을 행사하는 편리한 방법은 프롬프트에 참여하는 것을 수반합니다. 프롬프트는 코딩 대신 프롬프트를 사용하는 것을 제외하고는 프로그래밍 해커 톤과 유사합니다. Prompt-a-Thons에 대한 다양한 예와 자세한 표시는 여기 링크의 내 적용 범위를 참조하십시오.

하드 프롬프트 프롬프트

하드 프롬프트는 생성 AI에 특히 단단하거나 힘든 문제를 제시하는 프롬프트입니다. AI는 문제를 전혀 해결하지 못할 수도 있지만 적어도 그렇게하려고합니다. AI는 그렇게하려고하는 동안 많은 시간과 비용을 소비 할 수 있습니다. 더 나쁜 것은, 어려운 프롬프트로 제공된 질문이나 문제를 해결하려고 노력하는 동안, 소위 AI 환각이 발생하고 잘못된 결과를 제공 할 가능성이 있습니다. 어려운 프롬프트를 구성 할 때 트레이드 오프가 있습니다. 어려운 프롬프트 프롬프트에 대한 다양한 예와 자세한 표시는 여기 링크에서 내 보도를 참조하십시오.

불법적이거나 허용되지 않은 프롬프트

대부분의 생성 AI 앱의 라이센스 계약에 따르면 다양한 규정 된 방식으로 생성 AI를 사용할 수 있다고 알고 있습니까? 불법적 인 프롬프트로 간주되는 것의 특성 (즉, 사용하지 않아야 함)의 특성에 대한 다양한 예와 자세한 징후는 여기 링크에서 내 커버리지를 참조하십시오.

불완전한 프롬프트

불완전한 프롬프트는 영리하게 유용 할 수 있습니다. 불완전한 프롬프트의 본질과 사용에 대한 다양한 예와 자세한 징후는 여기 링크의 내 보도를 참조하십시오.

프롬프트 기술로 텍스트 가져 오기

신중한 기술이 필요하고 텍스트를 적절하게 가져오고 적절하게 주입 할 수있는 올바른 유형의 프롬프트가 필요한 생성 AI로 텍스트를 가져 오는 상황이 있습니다. 텍스트 프롬프트 가져 오기에 대한 다양한 예와 자세한 표시는 여기 링크의 내 적용 범위를 참조하십시오.

인터레이스 대화 프롬프트

인기있는 생성 AI 앱의 대부분은 각 대화가 뚜렷하고 AI와의 다른 대화와 분리되어야합니다. 최신 트렌드는 대화의 인터레이스를 허용하는 것이 수반되며 프롬프트를 구성하는 방법을 다시 생각해야합니다. 인터레이스 대화 프롬프트에 대한 다양한 예와 자세한 표시는 여기 링크의 내 커버리지를 참조하십시오.

킥 스타트 프롬프트

프롬프트 할 때 현명한 움직임은 스키드에 기름칠하거나 킥 스타트 프롬프트라고도하는 펌프를 프라이밍하는 것입니다. 여기에는 초기 프롬프트를 수행하여 해결하려는 주제 나 문제의 모든 주제 나 문제의 홈에 생성 된 프롬프트를 수행하는 것입니다. 킥 스타트 프롬프트의 특성에 대한 다양한 예와 자세한 표시는 여기 링크의 내 커버리지를 참조하십시오.

지식 증류 프롬프트

AI를 데이터 훈련하려면 AI를 데이터로 전송하거나 본질적으로 데이터를 전송하거나 해당 소스 AI에서 대상 AI로 "지식"을 전송하는 데 도움이되는 다른 AI를 사용할 수 있습니다. 이것은 지식 증류라고합니다. 수많은 소속이 관련되어 있습니다. 지식 증류의 특성에 대한 다양한 예와 자세한 징후는 여기 링크에서 내 보도를 참조하십시오.

큰 개념 모델 (LCM) 프롬프트

어떤 사람들은 말과 토큰에만 초점을 맞추기보다는“개념”의 사용을 수용하는 것과 같이 생성 AI의 기존의 기초가 바뀌어야한다고 믿는다. 이 새로운 접근법은 LCM (Large Concept Model)을 사용합니다. 우리는 여전히 LCM이 브레이크 아웃 히트 또는 바보가 될지 여부의 초기에 있습니다. LCM에 대해 아는 것은 그러한 접근 방식을 제기 할 때 통찰력을 줄 수 있습니다. LCM의 특성에 대한 다양한 예와 자세한 표시는 여기 링크의 내 커버리지를 참조하십시오.

가장 가장 큰 프롬프트

LTM (Lest-Most-Most Prompting)은 생성 AI를 먼저 가장 어려운 부분으로 작동시키고 더 어려운 부분으로 진행하도록 안내하는 기술입니다 (대체 접근법은 가장 유명하거나 MTL 프롬프트입니다). LTM 및 MTL 프롬프트의 특성에 대한 다양한 예와 자세한 표시는 여기 링크에서 내 보도를 참조하십시오.

고려한 논리 (로트) 프롬프트

논리의 논리는 생성 AI에게 고도로 논리적 인 방식으로 질문이나 문제를 해결하고 가능한 한 논리적 추론에 의존하도록 지시하는 것과 관련이 있습니다. 그렇게 할 때, (1) 논리 추출, (2) 제안을 사용하여 솔루션을 도출하고 (3) 일반 언어로 설명을 생성하는 세 가지 중요한 요소가 있습니다. 고려 된 논리의 특성에 대한 다양한 예와 자세한 표시는 여기 링크에서 내 보도를 참조하십시오.

프롬프트의 매크로

스프레드 시트에서 매크로를 사용하는 것과 유사하게 생성 AI에서 작업하는 동안 프롬프트에서 매크로를 사용할 수 있습니다. 프롬프트 매크로의 특성과 사용에 대한 다양한 예와 자세한 표시는 여기 링크의 내 적용 범위를 참조하십시오.

메가 메가 페르소나 프롬프트

Mega-Personas Prompting은 이제 Mega Mega Personas 프롬프트로 더 확장되었습니다. Mega-Personas는 전통적으로 수천 명의 인물에 있었지만 Mega-Mega는 수백만 또는 수십억의 인물을 부여합니다. 메가 메가 페르소나 프롬프트의 본질과 사용에 대한 다양한 예와 자세한 징후에 대해서는 여기 링크에서 내 보도를 참조하십시오.

Mega-Personas 프롬프트

Mega-Personas는 멀티 페어 르나 프롬프트의 향상으로 구성됩니다. 당신은 생성 AI에게 아마도 수천 개의 척하는 페르소나를 척도 할 것을 요청합니다. Mega-Personas 프롬프트의 본질과 사용에 대한 다양한 예와 자세한 표시는 여기 링크에서 내 보도를 참조하십시오.

메타 프롬프트

메타 홍보는 프롬프트 및 프롬프트의 성격에 대한 지침이나 표시를 제공하는 특별한 종류의 프롬프트입니다. 가장 간단한 용도로 메타 프롬프트는 고급 프롬프트 기술의 INS에 익숙하지 않은 경우 특히 편리합니다. AI는 당신을 위해 무거운 리프팅을 쉽게 수행하고 원래 프롬프트를 향상시키는 주목할만한 문구를 추가 할 수 있습니다. 메타 프롬프트의 특성과 사용에 대한 다양한 예와 자세한 표시는 여기 링크의 내 적용 범위를 참조하십시오.

멀티 페인즈 프롬프트

멀티 페인즈 프롬프트를 통해 생성 AI가 하나 이상의 페르소나를 시뮬레이션 할 수 있습니다. 멀티 페인즈 프롬프트의 성격과 사용에 대한 다양한 예와 자세한 표시는 여기 링크에서 내 보도를 참조하십시오.

근처의 메모리 프롬프트

우리가 생성 AI 및 LLM을 위해 근처에 가까운 메모리로 향하고 있다는 추측이 진행되고 있습니다. 아이디어는 AI와 대화하면서 LLM이 얼마나 많은 시간에“알고 있는가”의 기존 제한이 아니라 필요한만큼의 메모리에 액세스 할 수 있다는 것입니다. 현재의 프롬프트는 우세한 메모리 제한을 알고 있어야하며, 근처에 가까운 메모리를 얻는 경우, 귀하의 프롬프트는 그에 따라 조정해야합니다. 근거리 메모리 프롬프트의 성격과 사용에 대한 다양한 예와 자세한 징후에 대해서는 여기 링크의 내 보도를 참조하십시오.

"멍청한"프롬프트를 극복합니다

간결하거나 간결한 문구를 사용하는시기를 알면 (불공평하게“멍청한”프롬프트로 표시됨) 더 많은 장황하거나 유창한 문구를 사용하는 것보다 신속한 엔지니어링에 정통한 사람은 자신의 기술에 있어야하는 기술입니다. 프롬프트의 바보를 피하는 성격과 사용에 대한 다양한 예와 자세한 표시에 대해서는 여기 링크에서 내 보도를 참조하십시오.

지속적인 맥락 및 사용자 정의 지침 프롬프트

지속적으로 컨텍스트를 쉽게 설정하고 생성 AI가 중요하다고 생각되는 것에 대한 헤드 업을 보장하고, 종종 사용자 정의 지침을 통해 설정 될 수 있습니다. 지속적인 컨텍스트 및 사용자 정의 지침의 특성과 사용에 대한 다양한 예와 자세한 표시는 여기 링크의 내 적용 범위를 참조하십시오.

표절 프롬프트

당신의 프롬프트는 디자인 또는 사건으로 표절 된 컨텐츠를 포함하는 응답을 생성하기 위해 스토크 생성 AI를 만들 수 있습니다. 표절로 인한 책임에 대해 갈망 할 수 있으므로 매우주의하십시오. 표절을 자극 할 수있는 프롬프트의 특성과 사용을 다양한 예와 자세한 표시를 보려면 여기 링크와 여기의 링크를 참조하십시오.

공손한 프롬프트

Generative AI에 대한 연구의 놀라운 통찰력은 제발 사용을 위해 프롬프트가 AI를 저어 더 나은 결과를 생성 할 수 있다는 것입니다. 홍보하는 동안 공손함을 사용하십시오. 공손한 프롬프트에 대한 다양한 예와 자세한 징후는 여기 링크에서 내 보도를 참조하십시오.

선제 적 탐지 프롬프트

연구에 따르면 종종 생성 AI에 AI 환각을 생성하는 데 얽히지 않도록 시도하고 피하도록 시도 할 수 있으며, 특히 AI가 일반적으로 준수 할 것입니다. 따라서, 당신의 프롬프트에서 명시 적으로 그렇게 말함으로써 AI 구성을 생성하지 않도록 AI에 명시 적으로주의를 기울여야합니다. 이것은 선제 적 탐지 프롬프트라고합니다. 선제 적 탐지 프롬프트에 대한 다양한 예와 자세한 징후는 여기 링크의 내 커버리지를 참조하십시오.

프라이버시 보호 프롬프트

생성 AI에 프롬프트를 입력 할 때 일반적으로 입력 한 데이터 나 정보가 개인 또는 기밀로 유지 될 것이라고 보장하지 않습니까? 다양한 예와의 본질과 사용에 대한 자세한 징후 프라이버시 또는 기밀성을 제공 할 수있는 프롬프트는 여기 링크에서 내 보도를 참조하십시오.

신속한 개발 수명주기 (PDLC)

프로그래밍 또는 소프트웨어 엔지니어링이 시스템 개발 수명주기 (SDLC)를 갖는 방식과 유사하게 프롬프트 엔지니어링에 대해서도 마찬가지입니다. 일반적으로 PDLC (Prompt Development Life Cycle)라고 불리우며 시장에는 많은 변형이 있습니다. PDLC에 포함 된 내용과 프롬프트 기술을 향상시킬 수있는 방법을 아는 것은 필수입니다. PDLC의 특성과 사용에 대한 다양한 예와 자세한 표시는 여기 링크의 내 적용 범위를 참조하십시오.

신속한 방패 및 스포트라이트 프롬프트

신속한 방패 및 스포트라이트 프롬프트의 출현으로 인해 생성 AI가 필터와 일반적인 보호를 넘어 설기하려는 다양한 해킹 노력으로 인해 발생했습니다. 다음은 알아야 할 사항에 대한 유용한 요약입니다. 프롬프트 방패의 특성과 스포트라이트 프롬프트에 대한 다양한 예와 자세한 표시는 여기 링크의 내 커버리지를 참조하십시오.

프롬프트-코드 프롬프트

생성 AI에 기존의 프로그래밍 코드를 생성하고 본질적으로 프로그램을 작성하는 프롬프트를 입력 할 수 있습니다. 프로그래밍 코드를 생성하기위한 프롬프트의 특성과 사용에 대한 다양한 예와 자세한 표시는 여기 링크의 내 적용 범위를 참조하십시오.

목적 프롬프트

내부적으로 구속 된 목적이없는 AI 시스템은 아마도 인간이 목적없이 방황하는 유사한 방식으로 방황하는 것입니다. 우리는 AI 시스템이 항상 체계화 된 목적을 갖도록해야합니다. 그런 다음 AI는 조치를 취하거나 소집 할 수있는 능력을 수행 할 때 목적을 언급 할 수 있습니다. 목적 프롬프트의 본질과 사용에 대한 다양한 예와 자세한 표시는 여기 링크에서 내 보도를 참조하십시오.

추론 모델 프롬프트

생성 AI 및 LLM의 최신 반복에서 가장 큰 변화 중 하나는 AI 제조업체가 AI의 내부 메커니즘에 직접 추론 (COT) 추론 조항을 포함하도록 선택했다는 것입니다. 이것은 기념비적 인 변화이며 세심한주의를 기울일 가치가 있습니다. 프롬프트의 본질은 AI가 자동으로 단계적 추론을 수행한다는 것을 반영해야합니다. 추론 모델 프롬프트의 성격과 사용에 대한 다양한 예와 자세한 징후에 대해서는 여기 링크의 내 보도를 참조하십시오.

리페어 및 반응 프롬프트

특정 프롬프트를 표현하는 방법을 잘 모르면 "있는 그대로"입력하고 AI에 리프레이즈 및 응답을하도록 지시 할 수 있습니다. 이를 통해 프롬프트를 직접 해석하는 대신 먼저 입력 된 프롬프트를 다시 제출 해야하는 프롬프트가 향상 된 다음이 더 나은 프롬프트에 응답해야합니다. 리페어 및 응답 프롬프트의 특성과 사용에 대한 다양한 예와 자세한 표시는 여기 링크에서 내 보도를 참조하십시오.

프롬프트를 다시 읽습니다

오늘날의 인기있는 생성 AI 앱의 대부분은 입력 된 프롬프트에서 단일 패스를하는 경향이 있습니다. 두 번째 패스를 실행하면 문제에 대한 자세한 검사를 수행하는 데 도움이됩니다. 질문에 대해 놓치거나 잘못 계산 된 모든 것을 청소합니다. 다시 읽기 프롬프트 기술을 사용하여 두 번째 패스를 호출 할 수 있습니다. 재판 프롬프트의 특성과 사용에 대한 다양한 예와 자세한 표시는 여기 링크에서 내 보도를 참조하십시오.

응답 시간 속도 업 프롬프트

Several clever approaches can be used to speed up the response time to your prompts. The wording of your prompt makes a significant difference in the amount of processing time that will be consumed by the AI when generating a response. These techniques aim to reduce latency or delays in getting generated responses, thus essentially speeding up your response time. For various examples and further detailed indications about the nature and use of response time speed-up prompting, see my coverage at the link here.

Retrieval-Augmented Generation (RAG) Prompting

Retrieval-augmented generation (RAG) is hot and continues to gain steam. You provide external text that gets imported and, via in-context modeling, augments the data training of generative AI. For various examples and further detailed indications about the nature and use of retrieval-augmented generation (RAG), see my coverage at the link here.

Self-Ask Prompting

Self-ask prompting consists of you telling generative AI to solve problems by pursuing an internal question-and-answer divide-and-conquer approach that is to be made visible to you during the solving process. The AI is performing a stepwise self-ask that is an added-value version of chain-of-thought (CoT). For various examples and further detailed indications about the nature and use of self-ask prompting, see my coverage at the link here.

Self-Reflection Prompting

You can enter a prompt into generative AI that tells the AI to essentially be (in a manner of speaking) self-reflective by having the AI double-check whatever generative result it has pending or that it has recently produced. For various examples and further detailed indications about the nature and use of AI self-reflection and AI self-improvement for prompting purposes, see my coverage at the link here.

Sensitivities Prompting

Research shows that there are three keystone sensitivities about generative AI that you need to be aware of when composing your prompts. The sensitivity has to do with the scale or size of the underlying AI model, the aspect of whether topics-based data training of the AI has occurred, and whether you opt to use an example in your prompt (a so-called one-shot). For various examples and further detailed indications about the nature and use of AI sensitivities prompting, see my coverage at the link here.

Show-Me Versus Tell-Me Prompting

Show-me consists of devising a prompt that demonstrates to the generative AI an indication of what you want (show it), while tell-me entails devising a prompt that gives explicit instructions delineating what you want to have done (tell it). For various examples and further detailed indications about the nature and use of the show-me versus tell-me prompting strategy, see my coverage at the link here.

Sinister Prompting

People are using sinister prompts to get generative AI to do foul things, such as scams and the like. I don't want you to do this, but I also think it is valuable for you to know what sinister prompts do and how they work, alerting you to avoid them and not inadvertently fall into the trap of one. For various examples and further detailed indications about the nature and use of sinister prompting, see my coverage at the link here.

Skeleton-of-Thought (SoT) Prompting

Via a prompt akin to Chain-of-Thought (CoT), you tell the generative AI to first produce an outline or skeleton for whatever topic or question you have at center stage, employing a skeleton-of-thought (SoT) method to do so. For various examples and further detailed indications about the nature and use of the skeleton-of-thought approach for prompt engineering, see my coverage at the link here.

Small Language Model (SLM) Prompting

If you've not heard about small language models (SLMs), that's perfectly understandable since they are still not quite up to par. There are a wide variety of experimental SLMs, and some are very handy while others are clunky and less appealing. You need to adjust your prompting approach when using SLMs versus conventional LLMs. For various examples and further detailed indications about the nature and use of prompting for SLMs, see my coverage at the link here.

Star Trek Trekkie Lingo Prompting

An unusual discovery by researchers showcased that using Star Trek Trekkie lingo in your prompts can improve generative AI results. Downsides exist and can undercut your efforts by inadvertent misuse or overuse of this technique. For various examples and further detailed indications about Trekkie prompting, see my coverage at the link here.

Step-Around Prompting Technique

At times, the prompts that you seek to use in generative AI are blocked by the numerous filters that the AI maker has put in place. You can use the step-around prompting technique to get around those blockages. For various examples and further detailed indications about step-around prompting, see my coverage at the link here.

“Take A Deep Breath” Prompting

The prompting phrase of “Take a deep breath” has become lore in prompt engineering, but it turns out that there are limitations and circumstances under which this wording fruitfully works. For various examples and further detailed indications about the nature and use of the take a deep breath prompting, see my coverage at the link here.

Target-Your-Response (TAYOR) Prompting

Target-your-response (TAYOR) is a prompt engineering technique that entails telling generative AI the desired look and feel of to-be-generated responses. For various examples and further detailed indications about the nature and use of TAYOR or target-your-response prompting, see my coverage at the link here.

Temperature Settings Prompting

The temperature setting for generative AI determines how varied the responses by generative AI will be. You can either have the AI produce relatively straightforward and somewhat predictable responses (that's via the use of a low temperature), or you can heat things up and use high temperatures to prod AI toward producing seemingly more creative and less predictable responses. Some AI allows you to modify the temperature settings on your own via prompts. For various examples and further detailed indications about the nature and use of temperature settings, see my coverage at the link here.

Thinking Time Prompting

The latest iterations of generative AI and LLMs now have logical reasoning built directly into the AI architecture, which has led to new options about how much so-called thinking time you want the AI to undertake when responding to a prompt. This processing time will determine the depth and likely aptness of the response. Various prompting avenues arise when specifying the thinking time aspects. For various examples and further detailed indications about the nature and use of thinking time prompting, see my coverage at the link here.

Tree-of-Thoughts (ToT) Prompting

Tree-of-thoughts (ToT) is an advanced prompting technique that involves telling generative AI to pursue multiple avenues or threads of a problem (so-called “thoughts”) and figure out which path will likely lead to the best answer. For various examples and further detailed indications about the nature and use of ToT or tree-of-thoughts prompting, see my coverage at the link here.

Trust Layers For Prompting

Additional components outside of generative AI are being set up to do pre-processing of prompts and post-processing of generated responses, ostensibly doing so to increase a sense of trust about what the AI is doing. For various examples and further detailed indications about the nature and use of trust layers for aiding prompting, see my coverage at the link here.

Vagueness Prompting

The use of purposefully vague prompts can be advantageous for spurring open-ended responses that might land on something new or especially interesting. For various examples and further detailed indications about the nature and use of vagueness while prompting, see my coverage at the link here.

Making A Checklist Of The Prompting Techniques

I mentioned earlier that you might consider trying out the prompt engineering techniques that I've listed, especially ones that you don't already know.

To help you with that fruitful exercise, here's my suggestion. Create a spreadsheet that contains the checklist shown below of the listed prompting techniques. Make a column that you can mark as to whether you are familiar with the specific technique, do so by using a score ranging from 0 to 5, wherein 0 is that you don't know it at all, while the highest score of 5 is that you know it like the back of your hand. Be straightforward and don't give a fake score. Put your real score. This list is solely for your own benefit.

Make another column that has a score showing what you want to become in that technique. For example, suppose that right now, you start as a self-rated 1 on a particular technique and want to end up at a self-rated 4. Finally, include an additional column that will contain a target date of when you hope to attain the heightened score.

You can now use that spreadsheet as your career planning guide for prompt engineering purposes. Keep it updated as you proceed along in your adventure as a prompt engineer who wants to do the best that you can.

Whether you undertake that treasured challenge or not, here's the list with numbers shown as an easy reference (the numbering doesn't represent priority or ranking; they are just a handy reference number), and the list is still in the same alphabetical order as shown above.

Here's the numbered list:

1. Add-On Prompting
2. Agentic AI Prompting
3. AI Hallucination Avoidance Prompting
4. Atom-of-Thoughts (AoT) Prompting
5. Beat the “Reverse Curse” Prompting
6. “Be On Your Toes” Prompting
7. Browbeating Prompts
8. Catalogs Or Frameworks For Prompting
9. Certainty And Uncertainty Prompting
10. Chain-of-Continuous-Thought (CCoT) Prompting
11. Chain-of-Density (CoD) Prompting
12. Chain-of-Feedback (CoF) Prompting
13. Chain-of-Thought (CoT) Prompting
14. Chain-of-Thought Factored Decomposition Prompting
15. Chain-of-Verification (CoV) Prompting
16. Checklist Prompting
17. Conversational Prompting
18. Conversational-Amplified Prompt Engineering (CAPE)
19. DeepFakes To TrueFakes Prompting
20. Directional Stimulus Prompting (DSP) And Hints
21. Disinformation Detection And Removal Prompting
22. Doubling-Up Chain-of-Thought Prompting
23. Echo Prompting
24. Emotionally Deceptive Prompting
25. Emotionally Expressed Prompting
26. End-Goal Prompting
27. Essay-Compression Prompting
28. Expert Personas Prompting
29. Fair-Thinking Prompting
30. Fallback Response Prompting
31. Flipped Interaction Prompting
32. Gamification Prompting
33. Generating Prompts Automatically
34. Generating Prompts Versus By-Hand
35. Hackathons Prompt-A-Thon
36. Hard Prompts Prompting
37. Illicit Or Disallowed Prompting
38. Imperfect Prompting
39. Importing Text As Prompting Skill
40. Interlaced Conversations Prompting
41. Kickstart Prompting
42. Knowledge Distillation Prompting
43. Large Concept Model (LCM) Prompting
44. Least-to-Most Prompting
45. Logic-of-Thought (LoT) Prompting
46. Macros In Prompts
47. Mega-Mega Personas Prompting
48. Mega-Personas Prompting
49. Meta-Prompts
50. Multi-Persona Prompting
51. Near-Infinite Memory Prompting
52. Overcoming “Dumbing Down” Prompting
53. Persistent Context And Custom Instructions Prompting
54. Plagiarism Prompting
55. Politeness Prompting
56. Preemptive Detection Prompting
57. Privacy Protection Prompting
58. Prompt Development Life Cycle (PDLC)
59. Prompt Shields and Spotlight Prompting
60. Prompt-To-Code Prompting
61. Purpose Prompting
62. Reasoning Model Prompting
63. Rephrase-and-Respond prompting
64. Re-Read Prompting
65. Response Time Speed-up Prompting
66. Retrieval-Augmented Generation (RAG) Prompting
67. Self-Ask Prompting
68. Self-Reflection Prompting
69. Sensitivities Prompting
70. Show-Me Versus Tell-Me Prompting
71. Sinister Prompting
72. Skeleton-of-Thought (SoT) Prompting
73. Small Language Model (SLM) Prompting
74. Star Trek Trekkie Lingo Prompting
75. Step-Around Prompting Technique
76. “Take A Deep Breath” Prompting
77. Target-Your-Response (TAYOR) Prompting
78. Temperature Settings Prompting
79. Thinking Time Prompting
80. Tree-of-Thoughts (ToT) Prompting
81. Trust Layers For Prompting
82. Vagueness Prompting

I realize this might seem like a daunting list.

I can hear the trolls commenting that this is way too much and that there is no possible way for someone to spend the time and energy needed to learn them all. We each have our daily jobs to deal with and work-life balances that need to be balanced.

Yes, I get that.

My suggestion is that you prioritize the ones that seem to best fit your likely needs as a prompt engineer and focus on those as your mainstay priority. The others you can get around to trying out in your spare time (well, if you ever can squeeze out any spare time).

Prompt Engineering And Ongoing Learning

Lifelong learning.

That's what everyone is talking about these days. We are told time and again that we need to be lifelong learners. I wholeheartedly agree. This comes up here because the latest and greatest in prompt engineering is constantly changing. There are new ideas brewing. New AI research efforts are pending. It is a glorious time to be using generative AI.

I will keep covering prompt engineering and bringing you the newest prompts.

Keep your eyes and ears open, and I'll do my best to make sure you can be a lifelong learner, authentically and profitably.

위 내용은 최고의 프롬프트 엔지니어링 기술의 최신 연간 편집의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!