Vidste du, at du kan skrive LLM-prompter, som om de var programmer? Du kan stort set bruge hvilket som helst sprog, du har lyst til, eller finde på et (pseudo-kode), så længe det giver mening. Mønstergenkendelseskapaciteterne på en sprogmodel vil bestemme, hvad du prøver at dirigere, og den vil udføre (en variation) af, hvad du har bedt den om at gøre. Det vil ikke være helt det samme hver gang (og det kan være en funktion). Du kan prøve det her i SkyDeck.ai (tilmeld dig) og eksperimentere med at bruge forskellige LLM'er for at se, hvordan resultaterne adskiller sig. At anvende denne teknik i dit eget brug af AI kan tilføje endnu en multiplikator til din produktivitet.

Programmatisk poesi

For eksempel kunne du spørge en LLM:

Eller du kunne programmere det til at skrive tre typer digte på tre sprog om tre emner. Det vil give dig de fleste kombinationer. Her er hvordan du gør det.

Først definerer jeg de typer digte, der skal produceres. Jeg forestiller mig et variabelnavn til dette kaldet "poem_type" og præsenterer typerne i et Json-format:

Jeg gør noget lignende for digt emner og sprog:

Så beskriver du logikken for, hvad der skal gøres med disse data, idet du henviser til dem på en logisk måde. Jeg kopierede stilen af mustache logik-fri skabeloner for at skabe tre niveauer af indlejrede løkker. Hvis dette var et program, ville vi forvente, at der blev produceret 3 x 3 x 3 = 9 forskellige digte. Men en LLM vil gøre så mange, som den ønsker, og dit output kan blive afbrudt på grund af begrænsninger i kontekstvinduet.

Klip og indsæt alt dette i SkyDecks GenStudio arbejdsområde og vælg en LLM som OpenAI GPT-4 eller Anthropic Claude2, så får du et resultat som dette:

‍