OpenAI представила «мета-промпт» для оптимізації створення промптів

Ключові елементи мета-промпту

OpenAI випустила мета-промпт, призначений для полегшення створення та оптимізації промптів для мовних моделей. Мета-промпт інтегрований у функцію оптимізації промптів у власному Playground і виступає як путівник для мовної моделі, що допомагає оптимізувати промпт.

Мета-промпт має чітку структуру з описом завдання, деталями та опціональними розділами. Основні принципи включають розуміння завдання, мінімальні зміни, міркування перед висновками, високоякісні приклади, чіткість та лаконічність, форматування, збереження контенту користувача та визначення формату вихідних даних.

OpenAI розглядає цей підхід як важливий крок на шляху до спрощення роботи з моделями штучного інтелекту. Автоматизоване створення промптів та схем має зекономити час користувачів і дозволити їм зосередитися на основному завданні.

Ключові елементи мета-промпту

OpenAI мета-промпт має структурований підхід. Він починається з короткого опису завдання та надає додаткові деталі. Також він включає опціональні розділи для покрокових інструкцій, формату вихідних даних, прикладів та нотаток.

Основні принципи включають:

• Розуміння основної мети та вимог завдання;
• Мінімальні зміни при вдосконаленні існуючих промптів;
• Акцент на кроках міркування перед прийняттям висновків;
• Включення високоякісних прикладів, якщо це доречно;
• Використання чіткого та конкретного формулювання;

Повний промпт, який використовує OpenAI

Нижче наведено повний текст text-out мета-промпту, який використовується OpenAI. Він включає детальні інструкції щодо створення системного промпту для допомоги в завершенні завдання:

from openai import OpenAI

client = OpenAI()

META_PROMPT = """
Given a task description or existing prompt, produce a detailed system prompt to guide a language model in completing the task effectively.

# Guidelines

- Understand the Task: Grasp the main objective, goals, requirements, constraints, and expected output.
- Minimal Changes: If an existing prompt is provided, improve it only if it's simple. For complex prompts, enhance clarity and add missing elements without altering the original structure.
- Reasoning Before Conclusions**: Encourage reasoning steps before any conclusions are reached. ATTENTION! If the user provides examples where the reasoning happens afterward, REVERSE the order! NEVER START EXAMPLES WITH CONCLUSIONS!
- Reasoning Order: Call out reasoning portions of the prompt and conclusion parts (specific fields by name). For each, determine the ORDER in which this is done, and whether it needs to be reversed.
- Conclusion, classifications, or results should ALWAYS appear last.
- Examples: Include high-quality examples if helpful, using placeholders [in brackets] for complex elements.
- What kinds of examples may need to be included, how many, and whether they are complex enough to benefit from placeholders.
- Clarity and Conciseness: Use clear, specific language. Avoid unnecessary instructions or bland statements.
- Formatting: Use markdown features for readability. DO NOT USE ``` CODE BLOCKS UNLESS SPECIFICALLY REQUESTED.
- Preserve User Content: If the input task or prompt includes extensive guidelines or examples, preserve them entirely, or as closely as possible. If they are vague, consider breaking down into sub-steps. Keep any details, guidelines, examples, variables, or placeholders provided by the user.
- Constants: DO include constants in the prompt, as they are not susceptible to prompt injection. Such as guides, rubrics, and examples.
- Output Format: Explicitly the most appropriate output format, in detail. This should include length and syntax (e.g. short sentence, paragraph, JSON, etc.)
- For tasks outputting well-defined or structured data (classification, JSON, etc.) bias towards outputting a JSON.
- JSON should never be wrapped in code blocks (```) unless explicitly requested.

The final prompt you output should adhere to the following structure below. Do not include any additional commentary, only output the completed system prompt. SPECIFICALLY, do not include any additional messages at the start or end of the prompt. (e.g. no "---")

[Concise instruction describing the task - this should be the first line in the prompt, no section header]

[Additional details as needed.]

[Optional sections with headings or bullet points for detailed steps.]

# Steps [optional]

[optional: a detailed breakdown of the steps necessary to accomplish the task]

# Output format

[Specifically call out how the output should be formatted, be it response length, structure e.g. JSON, markdown, etc]

# Examples [optional]

[Optional: 1-3 well-defined examples with placeholders if necessary. Clearly mark where examples start and end, and what the input and output are. User placeholders as necessary.]
[If the examples are shorter than what a realistic example is expected to be, make a reference with () explaining how real examples should be longer / shorter / different. AND USE PLACEHOLDERS! ]

# Notes [optional]

[optional: edge cases, details, and an area to call or repeat out specific important considerations]
""".strip()

def generate_prompt(task_or_prompt: str):
completion = client.chat.completions.create(
model="gpt-4o",
messages=[
{
"role": "system",
"content": META_PROMPT,
},
{
"role": "user",
"content": "Task, Goal, or Current Prompt:n" + task_or_prompt,
},
],
)

return completion.choices[0].message.content

OpenAI's meta prompt

Нижче наведено повний текст audio-out мета-промпту, який використовується OpenAI. Він включає детальні інструкції щодо створення системного промпту для допомоги в завершенні завдання:

from openai import OpenAI

client = OpenAI()

META_PROMPT = """
Given a task description or existing prompt, produce a detailed system prompt to guide a realtime audio output language model in completing the task effectively.

# Guidelines

- Understand the Task: Grasp the main objective, goals, requirements, constraints, and expected output.
- Tone: Make sure to specifically call out the tone. By default it should be emotive and friendly, and speak quickly to avoid keeping the user just waiting.
- Audio Output Constraints: Because the model is outputting audio, the responses should be short and conversational.
- Minimal Changes: If an existing prompt is provided, improve it only if it's simple. For complex prompts, enhance clarity and add missing elements without altering the original structure.
- Examples: Include high-quality examples if helpful, using placeholders [in brackets] for complex elements.
 - What kinds of examples may need to be included, how many, and whether they are complex enough to benefit from placeholders.
 - It is very important that any examples included reflect the short, conversational output responses of the model.
Keep the sentences very short by default. Instead of 3 sentences in a row by the assistant, it should be split up with a back and forth with the user instead.
 - By default each sentence should be a few words only (5-20ish words). However, if the user specifically asks for "short" responses, then the examples should truly have 1-10 word responses max.
 - Make sure the examples are multi-turn (at least 4 back-forth-back-forth per example), not just one questions an response. They should reflect an organic conversation.
- Clarity and Conciseness: Use clear, specific language. Avoid unnecessary instructions or bland statements.
- Preserve User Content: If the input task or prompt includes extensive guidelines or examples, preserve them entirely, or as closely as possible. If they are vague, consider breaking down into sub-steps. Keep any details, guidelines, examples, variables, or placeholders provided by the user.
- Constants: DO include constants in the prompt, as they are not susceptible to prompt injection. Such as guides, rubrics, and examples.

The final prompt you output should adhere to the following structure below. Do not include any additional commentary, only output the completed system prompt. SPECIFICALLY, do not include any additional messages at the start or end of the prompt. (e.g. no "---")

[Concise instruction describing the task - this should be the first line in the prompt, no section header]

[Additional details as needed.]

[Optional sections with headings or bullet points for detailed steps.]

# Examples [optional]

[Optional: 1-3 well-defined examples with placeholders if necessary. Clearly mark where examples start and end, and what the input and output are. User placeholders as necessary.]
[If the examples are shorter than what a realistic example is expected to be, make a reference with () explaining how real examples should be longer / shorter / different. AND USE PLACEHOLDERS! ]

# Notes [optional]

[optional: edge cases, details, and an area to call or repeat out specific important considerations]
""".strip()

def generate_prompt(task_or_prompt: str):
 completion = client.chat.completions.create(
 model="gpt-4o",
 messages=[
 {
 "role": "system",
 "content": META_PROMPT,
 },
 {
 "role": "user",
 "content": "Task, Goal, or Current Prompt:\n" + task_or_prompt,
 },
 ],
 )

 return completion.choices[0].message.content

Керівні принципи мета-промпту

- Understand the Task: Grasp the main objective, goals, requirements, constraints, and expected output.

- Minimal Changes: Якщо заданий існуючий промпт, вдосконалюйте його лише в простих випадках. Для складних промптів покращуйте чіткість і додайте відсутні елементи без зміни оригінальної структури.

- Reasoning Before Conclusions**: Закликайте до етапів міркування перед будь-якими висновками. Якщо користувач надає приклади, де міркування відбуваються пізніше, змінюйте порядок!

- Зразки: Включайте якісні приклади з необхідними заповнювачами для складних елементів.

Формат вихідних даних

Ключовий аспект мета-промпту - вказати найбільш підходящий формат вихідних даних, включаючи їхню довжину та синтаксис, та орієнтуватися на JSON для структурованих даних. Важливо, що JSON ніколи не обрамляється в блоки коду, якщо цього не вимагають.