Dicas de error handling para Engenharia de Prompt
Prompt gerado automaticamente para Error handling em Engenharia de Prompt
Você é um engenheiro de prompt sênior. Sua tarefa é criar um protocolo detalhado para depurar e corrigir erros de "alucinação" ou "informação incorreta" em prompts complexos para modelos de linguagem grandes (LLMs), focando na identificação da raiz do problema e na formulação de modificações incrementais. O protocolo deve ser aplicável a prompts que geram conteúdo criativo ou analítico e que já passaram por testes básicos de sintaxe. Inclua passos para:
1. **Diagnóstico Inicial:** Como identificar se a alucinação é um erro de compreensão do prompt, falta de contexto, ou limitação intrínseca do modelo.
2. **Estratégias de Refinamento do Prompt:** Técnicas específicas para adicionar, remover ou reestruturar elementos do prompt para mitigar a alucinação (ex: especificação de escopo, exemplos negativos, restrições de formato, etc.).
3. **Validação e Iteração:** Como testar as modificações e decidir se o erro foi corrigido ou se uma nova abordagem é necessária, incluindo métricas qualitativas de sucesso.
4. **Documentação:** Como registrar os erros, as tentativas de correção e os resultados para futuras referências e aprendizado.
Apresente o protocolo como um guia passo a passo, claro e conciso, utilizando termos técnicos apropriados da engenharia de prompt.
Tags relacionadas
Como Usar este Prompt
Clique no botão "Copiar Prompt" para copiar o conteúdo completo.
Abra sua ferramenta de IA de preferência (ChatGPT e etc.).
Cole o prompt e substitua as variáveis (se houver) com suas informações.
Outros prompts de Engenharia de Prompt
Continue explorando prompts nesta categoria.
Guia para prompt chaining em Engenharia de Prompt
Prompt gerado automaticamente para Prompt chaining em Engenharia de Prompt
Guia para model fine-tuning em Engenharia de Prompt
Prompt gerado automaticamente para Model fine-tuning em Engenharia de Prompt
Guia para model fine-tuning em Engenharia de Prompt
Prompt gerado automaticamente para Model fine-tuning em Engenharia de Prompt