프롬프타이머: 대형 모델 프롬프트 단어를 최적화하는 실험적인 라이브러리로, 프롬프트를 자동으로 최적화합니다.

일반 소개

프롬프타이마이저는 사용자가 AI 시스템의 단서 단어를 체계적으로 개선할 수 있도록 설계된 실험적인 단서 단어 최적화 라이브러리입니다. 프롬프타이마이저는 최적화 프로세스를 자동화함으로써 특정 작업의 단서 단어 성능을 개선할 수 있습니다. 사용자가 초기 단서 단어, 데이터 세트, 사용자 지정 평가자(선택 사항으로 사람의 피드백 포함)를 제공하기만 하면 Promptimizer가 최적화 루프를 실행하여 원래 단서 단어보다 성능이 뛰어난 최적화된 단서 단어를 생성합니다.

기능 목록

• 단서 단어 최적화: 특정 작업에서 AI 시스템의 성능을 향상시키기 위해 단서 단어를 자동으로 최적화합니다.
• 데이터 세트 지원: 사용자 친화적인 단서 단어 최적화를 위해 여러 데이터 세트 형식을 지원합니다.
• 사용자 지정 평가자: 사용자는 사용자 지정 평가자를 정의하여 단서 단어의 성능을 정량화할 수 있습니다.
• 휴먼 피드백: 큐워드 최적화를 더욱 개선하기 위해 휴먼 피드백이 지원됩니다.
• 빠른 시작 가이드: 사용자가 빠르게 시작할 수 있도록 자세한 빠른 시작 가이드가 제공됩니다.

도움말 사용

마운팅

1. 먼저 CLI 도구를 설치합니다:

   pip install -U promptim
   

2. 사용 중인 환경에서 유효한 LangSmith API 키가 있는지 확인하세요:

   export LANGSMITH_API_KEY=你的API_KEY
   export ANTHROPIC_API_KEY=你的API_KEY
   

작업 만들기

1. 최적화 작업을 만듭니다:

   promptim create task ./my-tweet-task \
   --name my-tweet-task \
   --prompt langchain-ai/tweet-generator-example-with-nothing:starter \
   --dataset https://smith.langchain.com/public/6ed521df-c0d8-42b7-a0db-48dd73a0c680/d \
   --description "Write informative tweets on any subject." \
   -y
   

   이 명령은 작업 구성 파일과 작업 코드가 포함된 디렉터리를 생성합니다.

평가자 정의하기

1. 생성된 작업 디렉터리를 task.py 파일에서 평가 로직 섹션을 찾습니다:

   score = len(str(predicted.content)) < 180
   

2. 평가 로직을 수정합니다(예: 레이블이 포함된 출력에 페널티를 부여):

   score = int("#" not in result)
   

기차

1. 트레이닝 명령을 실행하여 큐 워드 최적화를 시작합니다:

   promptim train --task ./my-tweet-task/config.json
   

   훈련이 완료되면 단말기는 최종적으로 최적화된 큐 단어를 출력합니다.

수동 태그 추가

1. 주석 대기열을 설정합니다:

   promptim train --task ./my-tweet-task/config.json --annotation-queue my_queue
   

2. LangSmith UI에 액세스하고 수동 라벨링을 위해 지정된 대기열로 이동합니다.