مهندس التلقين / مولد التلقين

نظام Custom GPT موجه بالتوثيق مصمم لصياغة وتحسين تلقينات الذكاء الاصطناعي.

رابط العرض التوضيحي • رابط جيت هب

نظرة عامة

• الدور: منشئ / مهندس تلقين
• التقنيات: Custom GPT, Diverse Prompt Formats, JSON
• النتيجة الرئيسية: تم تصميم محرك توليد تلقينات قابل للتوسعة وبدون تعليمات برمجية بنجاح.
• الملخص: يمثل هذا المشروع المرة الأولى التي أطبق فيها هندسة التلقين بشكل رسمي. إنه نظام معياري لإنشاء التلقينات، حيث تتم إدارة جميع العمليات من خلال ملفات تحتوي على الكثير من التنسيقات والقوالب والنماذج المختلفة من أجل الوضوح وقابلية التوسع.

المشكلة

• التحدي: غالبًا ما يكافح المستخدمون للحصول على أفضل النتائج الممكنة من نماذج الذكاء الاصطناعي بسبب التلقينات ضعيفة التنظيم. كان التحدي هو إنشاء نظام لأتمتة تحسين هذه التلقينات دون الحاجة إلى كود برمجي.
• الجمهور: أي شخص يستخدم الذكاء الاصطناعي ويريد تحسين جودة ودقة المخرجات.
• القيود: التأكد من أن نظام Custom GPT يمكنه قراءة جميع التقنيات بفعالية معتمداً بالكامل على التكوينات النصية وقوالب التنسيق بدلاً من الكود القابل للتنفيذ.

النهج والقرارات

• البنية: بنية تصريحية ومتعددة التنسيقات حيث يتم تخزين جميع التعليمات في ملفات مترابطة.
• القرارات الرئيسية: قررت تخطيط سير العمل باستخدام بنية مجلدات صارمة للحفاظ على تنظيم قاعدة معارف GPT.
• المقايضات: استبدال القوة الحسابية لتطبيق ويب تقليدي بإمكانية الوصول الفوري لنظام Custom GPT المدعوم بمكتبة ضخمة من التنسيقات.
• تدفق البيانات: يقدم المستخدم تلقينًا أساسيًا -> يشير GPT إلى القوالب والنماذج الهيكلية -> يُخرج GPT تلقينًا احترافيًا محسنًا.

النتائج الرئيسية والتأثير

• النتيجة: أداة فعالة للغاية تقوم باستمرار بترقية تعليمات المستخدم الأساسية إلى تنسيقات احترافية ومثبتة.
• التأثير: يوفر مخرجات محسنة بشكل كبير من خلال ضمان تطابق الإدخال تمامًا مع أفضل تنسيق هيكلي للمهمة.

نظرة تقنية متعمقة

• تفاصيل ملحوظة: قمت برعاية سياق غني لأفضل ممارسات الصناعة، ويضم الكثير من التنسيقات والنماذج مباشرة في قاعدة معارف GPT.
• التحقق: يعتمد على تنسيقات وتقنيات مثبتة علمياً وعملياً تم اختبارها لتحسين مخرجات الذكاء الاصطناعي.
• التحسينات: تم فصل السياق الخاص بالمجال عن الأوامر النشطة لتحسين استخدام نافذة السياق الخاصة بـ GPT.
• جودة الكود: الحفاظ على اتساق هيكلي صارم عبر جميع قوالب التنسيق لضمان قراءة GPT للتعليمات بشكل متوقع.
• الروابط: راجع مستودع GitHub لمعرفة بنية الملفات.

تأملات

• بشكل مختلف: بدلاً من إبقائه كمجرد GPT مستقل، قررت المضي قدمًا في هذه المفاهيم من خلال تنفيذ وكيل ذكاء اصطناعي فرعي في مشروعي oz: multiagent لأتمتة تحسين المخرجات مباشرة داخل تطبيقاتي.
• النجاحات: أثبتت بنجاح أنه يمكن بناء نظام منطقي قوي تمامًا من خلال التنسيقات التصريحية.
• الدروس: التنسيقات المهيكلة هي المفتاح المطلق لمخرجات LLM عالية الجودة ويمكن التنبؤ بها.

مساهماتي

• تصميم النظام: تصميم بنية معيارية موجهة بالتوثيق من أجل الوضوح.
• هندسة سير العمل: تحديد سير العمل، الأوامر، والقوالب.
• أفضل الممارسات: رعاية السياق، والتقنيات الخاصة بهندسة التلقين.
• التوثيق: كتابة وصيانة جميع ملفات توثيق المشروع.

بنية المشروع

يستخدم هذا المشروع بنية ملفات معيارية موجهة بالتوثيق. لا يوجد تنفيذ للتعليمات البرمجية؛ جميع العمليات توجد في ملفات markdown.

• تنظيم المكونات:
  • main_instruction.md: تكوين JSON المركزي وتعليمات النظام
  • context/context.md: السياق الخاص بالمجال وأفضل الممارسات
  • commands/commands.md: جميع الأوامر المتاحة وأتمتة سير العمل
  • profiles/: ملفات تعريف الوكلاء وسير العمل
  • templates/: قوالب التلقين والأمثلة

معاينة العرض التوضيحي

يمكنك عرض Custom GPT المباشر عبر مهندس التلقين / مولد التلقين. جميع الميزات متاحة للاستكشاف التفاعلي.

• عرض المنصة: ويب (OpenAI ChatGPT Custom GPT)
• الوظائف المعروضة:
  • اختيار المهام، التنسيقات، والتقنيات بشكل تفاعلي
  • إدارة سير العمل في الوقت الفعلي

ملاحظة حول الاستضافة:
يتوفر Custom GPT على OpenAI. شفرة المصدر والوثائق موجودة على GitHub؛ لا يوجد نظام بناء برمجي.