While these tips apply broadly to all Claude models, you can find prompting tips specific to extended thinking models here.
Antes da engenharia de prompts
Este guia assume que você tem:- Uma definição clara dos critérios de sucesso para seu caso de uso
- Algumas maneiras de testar empiricamente contra esses critérios
- Um primeiro rascunho de prompt que você quer melhorar
Gerador de prompts
Não tem um primeiro rascunho de prompt? Experimente o gerador de prompts no Console Claude!
Quando fazer engenharia de prompts
Este guia foca em critérios de sucesso que são controláveis através da engenharia de prompts. Nem todo critério de sucesso ou avaliação com falha é melhor resolvido pela engenharia de prompts. Por exemplo, latência e custo podem às vezes ser mais facilmente melhorados selecionando um modelo diferente.Prompting vs. ajuste fino
Prompting vs. ajuste fino
A engenharia de prompts é muito mais rápida que outros métodos de controle de comportamento do modelo, como ajuste fino, e pode frequentemente produzir saltos de desempenho em muito menos tempo. Aqui estão algumas razões para considerar engenharia de prompts em vez de ajuste fino:
- Eficiência de recursos: O ajuste fino requer GPUs de alta qualidade e grande memória, enquanto a engenharia de prompts precisa apenas de entrada de texto, tornando-a muito mais amigável aos recursos.
- Custo-efetividade: Para serviços de IA baseados em nuvem, o ajuste fino incorre em custos significativos. A engenharia de prompts usa o modelo base, que é tipicamente mais barato.
- Manutenção de atualizações do modelo: Quando provedores atualizam modelos, versões com ajuste fino podem precisar de retreinamento. Prompts geralmente funcionam entre versões sem mudanças.
- Economia de tempo: O ajuste fino pode levar horas ou até dias. Em contraste, a engenharia de prompts fornece resultados quase instantâneos, permitindo resolução rápida de problemas.
- Necessidades mínimas de dados: O ajuste fino precisa de dados rotulados substanciais e específicos da tarefa, que podem ser escassos ou caros. A engenharia de prompts funciona com aprendizado few-shot ou até zero-shot.
- Flexibilidade e iteração rápida: Experimente rapidamente várias abordagens, ajuste prompts e veja resultados imediatos. Esta experimentação rápida é difícil com ajuste fino.
- Adaptação de domínio: Adapte facilmente modelos a novos domínios fornecendo contexto específico do domínio em prompts, sem retreinamento.
- Melhorias de compreensão: A engenharia de prompts é muito mais eficaz que o ajuste fino em ajudar modelos a entender e utilizar melhor conteúdo externo como documentos recuperados
- Preserva conhecimento geral: O ajuste fino arrisca esquecimento catastrófico, onde o modelo perde conhecimento geral. A engenharia de prompts mantém as capacidades amplas do modelo.
- Transparência: Prompts são legíveis por humanos, mostrando exatamente que informação o modelo recebe. Esta transparência ajuda na compreensão e depuração.
Como fazer engenharia de prompts
As páginas de engenharia de prompts nesta seção foram organizadas das técnicas mais amplamente eficazes para técnicas mais especializadas. Ao solucionar problemas de desempenho, sugerimos que você tente essas técnicas em ordem, embora o impacto real de cada técnica dependa do seu caso de uso.- Gerador de prompts
- Seja claro e direto
- Use exemplos (multishot)
- Deixe Claude pensar (cadeia de pensamento)
- Use tags XML
- Dê um papel ao Claude (prompts de sistema)
- Pré-preencha a resposta do Claude
- Encadeie prompts complexos
- Dicas de contexto longo