کتاب Prompt Engineering for LLMs: The Art and Science of Building Large Language Model–Based Applications (مهندسی پیام برای LLMها: هنر و علم ساختن برنامه‌های مبتنی بر مدل‌های بزرگ زبانی) یک راهنمای جامع برای افرادی است که می‌خواهند با مدل‌های زبانی بزرگ (LLM) کار کنند و برنامه‌های کاربردی مبتنی بر هوش مصنوعی بسازند.
کتاب Prompt Engineering for LLMs به شما کمک می‌کند تا درک عمیقی از LLMها پیدا کنید، با تکنیک‌های مهندسی پیام آشنا شوید و بتوانید پیام‌های موثر و کارآمدی را برای هدایت LLMها طراحی کنید.
در ادامه مقدمه‌ای از کتاب Prompt Engineering for LLMs را از زبان نویسنده شرح خواهیم داد.
مقدمه‌ای بر کتاب Prompt Engineering for LLMs:
از زمان معرفی GPT-2 توسط OpenAI در اوایل سال 2019، مدل‌های بزرگ زبانی (LLM) به سرعت دنیای ما را تغییر داده‌اند. در سال 2019، اگر به‌عنوان یک برنامه‌نویس، سوالی فنی داشتید، باید در اینترنت به دنبال پاسخ می‌گشتید. اغلب اوقات، پاسخی وجود نداشت و تنها گزینه باقی‌مانده، ارسال سوال در یک انجمن پرسش و پاسخ (Q&A) با امید کم‌رنگ به اینکه شاید کسی به شما پاسخ دهد، بود.
اما امروزه، به جای اینکه کار خود را متوقف کنید، می‌توانید مستقیماً از یک دستیار LLM بخواهید که در مورد کدی که روی آن کار می‌کنید، نظر بدهد. علاوه بر این، می‌توانید حتی در یک جلسه جفت‌کاری شرکت کنید که در آن دستیار، کد را بر اساس مشخصات شما می‌نویسد. این تنها در حوزه مهندسی نرم‌افزار است و تغییرات بنیادین مشابه در تقریباً هر زمینه‌ای که می‌توانید نام ببرید، در حال احساس شدن است.
دلیل این انقلاب این است که LLM واقعاً یک فناوری انقلابی است که دستیابی به آنچه قبلاً تنها از طریق تعامل انسانی امکان‌پذیر بود را در نرم‌افزار ممکن می‌سازد.
LLMها می‌توانند محتوا تولید کنند، به سوالات پاسخ دهند، داده‌های جدولی را از متن زبان طبیعی استخراج کنند، متن را خلاصه کنند، اسناد را طبقه‌بندی کنند، ترجمه کنند و (در اصل) تقریباً هر کاری که می‌توانید با متن انجام دهید را انجام دهند – به جز اینکه LLMها این کار را با سرعت بسیار بیشتری انجام می‌دهند و هرگز برای استراحت متوقف نمی‌شوند.
برای کارآفرینان، این فرصت‌های بی‌انتهایی را در هر زمینه‌ای که قابل تصور است، باز می‌کند. اما قبل از اینکه بتوانید از این فرصت‌ها استفاده کنید، باید آماده باشید. این کتاب به‌عنوان راهنمایی برای درک LLMها، تعامل با آن‌ها از طریق مهندسی پیام (Prompt engineering)، و ساختن برنامه‌هایی که برای کاربران، شرکت یا خودتان ارزش ایجاد می‌کنند، عمل می‌کند.
کتاب Prompt Engineering for LLMs برای چه کسانی است؟
این کتاب برای مهندسان کاربردی نوشته شده است. اگر محصولات نرم‌افزاری می‌سازید که مشتریان از آن‌ها استفاده می‌کنند، این کتاب برای شماست. اگر برنامه‌های داخلی یا گردش کارهای پردازش داده را می‌سازید، این کتاب نیز برای شماست.
دلیل اینکه ما اینقدر فراگیر هستیم این است که معتقدیم استفاده از LLMها به زودی همه جا حاضر خواهد شد. حتی اگر کار روزمره شما شامل مهندسی پیام یا طراحی گردش کار LLM نباشد، کدبیس شما پر از استفاده‌های LLM خواهد بود و برای انجام کار خود نیاز خواهید داشت که نحوه تعامل با آن‌ها را درک کنید.
اگرچه، زیرمجموعه‌ای از مهندسان کاربردی به عنوان توسعه‌دهندگان اختصاصی LLM عمل خواهند کرد – این‌ها مهندسان پیام (Prompt engineers) هستند.
وظیفه آن‌ها تبدیل مشکلات به بسته‌ای از اطلاعات است که LLM می‌تواند درک کند – که ما آن را پیام (Prompt) می‌نامیم – و سپس تبدیل تکمیل‌های LLM به نتایجی که برای کسانی که از برنامه استفاده می‌کنند، ارزش ایجاد می‌کند. اگر این نقش فعلی شماست – یا اگر می‌خواهید این نقش شما باشد – پس این کتاب به ویژه برای شماست.
LLMها بسیار قابل‌دسترسی هستند – شما با آن‌ها به زبان طبیعی صحبت می‌کنید. بنابراین، برای این کتاب، انتظار نمی‌رود که همه چیز را در مورد یادگیری ماشین بدانید.
اما شما باید درک خوبی از اصول اولیه مهندسی داشته باشید – باید بدانید که چگونه برنامه‌نویسی کنید و چگونه از یک API استفاده کنید. پیش‌نیاز دیگر برای کتاب Prompt Engineering for LLMs توانایی همدلی است، زیرا برخلاف هر فناوری قبلی، شما باید درک کنید که چگونه LLMها “فکر می‌کنند” تا بتوانید آن‌ها را برای تولید محتوایی که نیاز دارید، هدایت کنید. این کتاب به شما نشان می‌دهد که چگونه.
چه چیزی یاد خواهید گرفت؟
هدف کتاب Prompt Engineering for LLMs تجهیز شما با تمام تئوری‌ها، تکنیک‌ها، نکات و ترفندهایی است که برای تسلط بر مهندسی پیام و ساختن برنامه‌های LLM موفق نیاز دارید.
در قسمت اول کتاب Prompt Engineering for LLMs، درک پایه ای از LLMها، عملکرد داخلی آن‌ها و عملکرد آن‌ها به عنوان موتورهای تکمیل متن را منتقل می‌کنیم. ما گسترش LLMها به نقش جدید آن‌ها به عنوان موتورهای چت را پوشش می‌دهیم و رویکردی سطح بالا به توسعه برنامه‌های LLM ارائه می‌دهیم.
در قسمت دوم کتاب Prompt Engineering for LLMs، تکنیک‌های اصلی برای مهندسی پیام را معرفی می‌کنیم – چگونه اطلاعات زمینه را منبع کنیم، اهمیت آن را برای کار در دست انجام رتبه‌بندی کنیم، پیام را بسته‌بندی کنیم (بدون اضافه بار کردن آن)، و همه چیز را در یک الگو سازماندهی کنیم که منجر به تکمیل‌های باکیفیت می‌شود که پاسخ مورد نیاز شما را برمی‌انگیزد.
در قسمت سوم کتاب Prompt Engineering for LLMs، به تکنیک‌های پیشرفته‌تر می‌پردازیم. ما حلقه‌ها، خطوط لوله و گردش کارهای استنتاج LLM را برای ایجاد آژانس مکالمه و گردش کارهای هدایت‌شده توسط LLM مونتاژ می‌کنیم و سپس تکنیک‌های ارزیابی LLM را توضیح می‌دهیم.
در سراسر کتاب Prompt Engineering for LLMs، یک اصل را برجسته می‌کنیم که بر همه اصول دیگر حاکم است:
در هسته خود، LLMها فقط موتورهای تکمیل متن هستند که متنی را که در طول آموزش خود می‌بینند تقلید می‌کنند.
اگر این عبارت را عمیقاً پردازش کنید، به همان نتیجه‌هایی خواهید رسید که در سراسر این کتاب به اشتراک می‌گذاریم: وقتی می‌خواهید یک LLM به شیوه خاصی رفتار کند، باید پیام را طوری شکل دهید که شبیه الگوهای دیده شده در داده‌های آموزشی باشد – از زبان واضح استفاده کنید، به الگوهای موجود تکیه کنید به جای ایجاد الگوهای جدید، و LLM را در محتوای اضافی غرق نکنید.
هنگامی که بر مهندسی پیام تسلط پیدا کردید، می‌توانید با ایجاد آژانس مکالمه و گردش کار – الگوهای غالب برای برنامه‌های LLM – بر این مهارت‌ها بسازید.
سرفصل‌های کتاب Prompt Engineering for LLMs:
- Copyright
- Table of Contents
- Preface
- Part I. Foundations
- Chapter 1. Introduction to Prompt Engineering
- Chapter 2. Understanding LLMs
- Chapter 3. Moving to Chat
- Chapter 4. Designing LLM Applications
- Part II. Core Techniques
- Chapter 5. Prompt Content
- Chapter 6. Assembling the Prompt
- Chapter 7. Taming the Model
- Part III. An Expert of the Craft
- Chapter 8. Conversational Agency
- Chapter 9. LLM Workflows
- Chapter 10. Evaluating LLM Applications
- Chapter 11. Looking Ahead
- Index
- About the Authors
- Colophon
جهت دانلود کتاب Prompt Engineering for LLMs می‌توانید پس از پرداخت، دریافت کنید.
دیدگاهها
هیچ دیدگاهی برای این محصول نوشته نشده است.