Aprendizagem pessoal com IA
e orientação prática
讯飞绘镜

Promptimizer: uma biblioteca experimental para otimizar palavras de prompt de modelos grandes, otimizando automaticamente o Prompt

Introdução geral

O Promptimizer é uma biblioteca experimental de otimização de palavras-chave projetada para ajudar os usuários a melhorar sistematicamente as palavras-chave de seus sistemas de IA. Ao automatizar o processo de otimização, o Promptimizer pode melhorar o desempenho das palavras-chave em tarefas específicas. Os usuários simplesmente fornecem uma palavra-chave inicial, um conjunto de dados e um avaliador personalizado (com feedback humano opcional), e o Promptimizer executa um loop de otimização que gera uma palavra-chave otimizada projetada para superar a palavra-chave original.

Promptimizer:优化大模型提示词的实验性库,自动优化 Prompt-1


 

Lista de funções

  • Otimização de palavras-chave: otimização automatizada de palavras-chave para melhorar o desempenho do sistema de IA em tarefas específicas.
  • Suporte a conjuntos de dados: suporta vários formatos de conjuntos de dados para otimização de palavras-chave de fácil utilização.
  • Avaliadores personalizados: os usuários podem definir avaliadores personalizados para quantificar o desempenho das palavras-chave.
  • Feedback humano: o feedback humano é suportado para melhorar ainda mais a otimização da palavra-chave.
  • Guia de início rápido: um guia de início rápido detalhado é fornecido para ajudar os usuários a começar rapidamente.

 

Usando a Ajuda

montagem

  1. Primeiro, instale a ferramenta CLI:
    pip install -U promptim
    
  2. Certifique-se de que você tenha uma chave de API LangSmith válida em seu ambiente:
    export LANGSMITH_API_KEY=你的API_KEY
    export ANTHROPIC_API_KEY=你的API_KEY
    

Criação de tarefas

  1. Crie uma tarefa de otimização:
    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
    

    Esse comando gerará um diretório que contém o arquivo de configuração da tarefa e o código da tarefa.

Definição do avaliador

  1. Abra o diretório da tarefa gerada no diretório task.py para localizar a seção de lógica de avaliação:
    score = len(str(predicted.content)) < 180
    
  2. Modificar a lógica de avaliação, por exemplo, penalizar os resultados que contêm rótulos:
    score = int("#" not in result)
    

trem

  1. Execute o comando de treinamento para começar a otimizar a palavra-chave:
    promptim train --task ./my-tweet-task/config.json
    

    Quando o treinamento é concluído, o terminal emite a palavra-chave final otimizada.

Adicionar tags manuais

  1. Configure a fila de anotações:
    promptim train --task ./my-tweet-task/config.json --annotation-queue my_queue
    
  2. Acesse a interface do usuário do LangSmith e navegue até a fila designada para etiquetagem manual.
Não pode ser reproduzido sem permissão:Chefe do Círculo de Compartilhamento de IA " Promptimizer: uma biblioteca experimental para otimizar palavras de prompt de modelos grandes, otimizando automaticamente o Prompt
pt_BRPortuguês do Brasil