איך עושים prompt engineering למשימה עסקית
הנדסת פרומפטים היא תכנון ההנחיה שאתם נותנים למודל ושיפורה לפי התשובות שמתקבלות. מתחילים בתוצאה הרצויה: מה צריך להיכתב, למי הוא מיועד ועל איזה מידע הוא יתבסס. לאחר מכן מגדירים את צורת התשובה ובודקים אם היא עומדת בדרישות. התיעוד של OpenAI בנושא ניסוח הנחיות מתאר שימוש בהוראות, בהקשר ובדוגמאות כדי לכוון את הפלט.
נניח שאתם צריכים לענות ללקוח ששאל על שירות. הבקשה ״כתבו תשובה מקצועית״ משאירה פתוחים את מטרת ההודעה, המידע שמותר למסור והפעולה הבאה. אפשר לנסח במקומה: ״נסחו תשובה ללקוח שהתעניין בשירות המתואר בהמשך. הסבירו מה השירות כולל, השתמשו רק בפרטים המצורפים וסיימו בשאלה על הצורך שלו. כתבו בעברית פשוטה ובפסקאות קצרות״.
לפני השליחה, קראו את ההנחיה כאילו העברתם משימה לעובד שטרם הכיר את העסק. בדקו אם הוא יכול להבין מה עליו למסור, מאיפה לקחת את העובדות ומה לעשות כשחסר פרט. אם התשובה אינה ברורה לכם, הוסיפו את ההחלטה החסרה להנחיה.
לתרגול במשימות נוספות אפשר להיעזר במאמר על שימושים עסקיים עם הנחיות מוכנות. בכל דוגמה החליפו את הקהל ואת חומרי המקור בפרטים שמתאימים לעבודה שלכם.
מה להכניס להנחיה: משימה, הקשר וגבולות
כתבו תחילה פועל שמגדיר את העבודה: סכמו, השוו, נסחו, מיינו או חלצו. לאחר מכן הסבירו בשביל מה אתם צריכים אותה. ״סכמו את הפגישה לעובדים שלא השתתפו בה״ מגדיר צורך שונה מ״חלצו מהפגישה משימות להמשך״, גם כשמצרפים לשתי הבקשות אותו תמלול. אם אתם מסכמים טקסט ארוך, כדאי לקרוא על סיכום ספר בעזרת בינה מלאכותית.
הוסיפו הקשר שמשפיע על התשובה: מי הקוראים, מה הם כבר יודעים, היכן התוכן יופיע ומה צריך לקרות בעקבותיו. הנחיות Anthropic לניסוח בקשות מדגישות הוראות מפורשות, אילוצי פלט והסבר על מטרת המשימה. אין צורך להעמיס תיאור ארוך של העסק כשמרביתו אינו קשור לבקשה.
| רכיב | מה לכתוב | דוגמה היפותטית |
|---|---|---|
| משימה | התוצר שאתם צריכים | נסחו הודעת המשך לפנייה |
| קהל והקשר | מי יקרא ובאיזה מצב | בעלת עסק שהתעניינה בהדרכה |
| חומר מקור | המידע שעליו מתבססים | תיאור ההדרכה והודעת הפונה |
| גבולות | מה דורש בירור | אל תציעו מועד שלא נמסר |
| פורמט | מבנה התשובה | פתיחה קצרה, הסבר ושאלת המשך |
הפרידו בין ההוראות לבין החומר לעיבוד באמצעות כותרות ברורות, למשל ״המשימה״ ו״הודעת הלקוח״. כך תוכלו גם לבדוק בקלות אם שכחתם לצרף מסמך או אם נתתם הוראות סותרות.
כשיש התנגשות בין דרישות, קבעו סדר עדיפויות. למשל: ״שמרו קודם על משמעות ההודעה ועל העובדות; קצרו רק במקום שבו אפשר לעשות זאת בלי למחוק מידע שנדרש לתשובה״.
איך מגדירים פורמט ומוסיפים דוגמה שימושית
הגדירו איך התוצאה צריכה להיראות במקום להסתפק בתיאור כמו ״מסודר״. בסיכום פגישה אפשר לבקש חלוקה להחלטות, משימות ושאלות פתוחות. להשוואת ספקים אפשר לבקש טבלה עם עמודות קבועות. מדריך ניסוח ההנחיות של Google ממליץ על בקשות מדויקות ועל מבנה ברור של התשובה.
נניח שאתם ממיינים פניות נכנסות. הגדירו מראש את הקטגוריות המותרות: ״התעניינות ברכישה״, ״תמיכה״ או ״לא ברור״. הוסיפו הוראה לבחור ״לא ברור״ כשהפנייה אינה מאפשרת החלטה, במקום לדרוש מהמודל לשייך כל הודעה בכוח לקטגוריה עסקית.
דוגמה יכולה להמחיש הבחנה שקשה להסביר במילים כלליות. במקרה ההיפותטי הזה, אפשר להראות שההודעה ״אפשר לקבל פרטים על השירות?״ שייכת להתעניינות ברכישה, ואילו ״ניסיתי להתחבר ולא הצלחתי״ שייכת לתמיכה. הוסיפו גם פנייה עמומה והראו כיצד אתם רוצים לסווג אותה.
בדוגמאות לכתיבה, הציגו נוסח שמשקף את הקול הרצוי. למשל: ״תודה שפניתם. כדי להתאים את ההדרכה, נשמח לדעת באילו משימות הצוות צריך עזרה״. הסבירו שהדוגמה נועדה להמחיש סגנון ומבנה, ושאין להעתיק ממנה הבטחות או פרטים למשימה החדשה.
אין חובה לצרף דוגמאות לכל בקשה. התחילו מהוראה ישירה והוסיפו דוגמה כשהתוצאה מחמיצה הבחנה מסוימת. ודאו שהדוגמה עצמה מצייתת לכללים שקבעתם, במיוחד בנושאי אורך, שפה והשלמת מידע חסר. אם גם דוגמאות לא מספיקות, אפשר לבדוק מתי כדאי לכוונן מודל לעסק.
תבנית להעתקה ודוגמה למענה ללקוח
התבנית הבאה היא הצעת עבודה שאפשר להתאים למשימות כתיבה, סיכום ומיון. מלאו את הסוגריים לפני השליחה ומחקו סעיפים שאין בהם צורך. אם עדיין לא ברור מה לכתוב בחלק מסוים, בררו את ההחלטה העסקית שמאחוריו.
המשימה: [תארו במדויק את התוצר הדרוש].
המטרה והקהל: [מי ישתמש בתוצאה ומה הוא צריך להבין או לעשות].
חומרי המקור: [הדביקו את המידע שעליו צריך להתבסס].
הכללים: השתמשו בפרטים שבחומרי המקור. אל תוסיפו התחייבויות או עובדות שלא נמסרו. אם חסר מידע הכרחי, ציינו מה חסר.
הסגנון והפורמט: [שפה, מבנה, אורך רצוי ורמת פירוט].
הבדיקה לפני המסירה: ודאו שהתשובה עונה למשימה ושכל פרט עובדתי נתמך בחומר המצורף.
נניח שעסק מציע הדרכה לצוותים וקיבל פנייה על התאמתה לעובדים מתחילים. בדוגמה ההיפותטית, אפשר לכתוב: ״נסחו תשובה למנהלת צוות ששאלה אם ההדרכה מתאימה לעובדים ללא ניסיון. לפי תיאור השירות המצורף, ההדרכה מתחילה בהיכרות בסיסית וממשיכה בתרגול. הסבירו זאת בשפה עניינית ובקשו לדעת מה הצוות רוצה לבצע לאחר ההדרכה. אל תוסיפו מחיר, מועד או הבטחה לתוצאות״.
לפני שתשתמשו בדוגמה, החליפו את תיאור השירות במידע המאושר שלכם. אם אין בו תשובה ברורה לגבי התאמה למתחילים, בקשו מהמודל להכין שאלת בירור פנימית לפני ניסוח ההודעה ללקוחה.
לניסוח ראשוני אפשר להיעזר גם במחולל הפרומפטים. עברו על ההנחיה שנוצרה ואשרו בעצמכם את ההקשר, המקורות והגבולות.
איך מטפלים במידע חסר ובתשובות שנשמעות בטוחות מדי
הנחיה ברורה אינה מבטיחה שכל עובדה בתשובה תהיה נכונה. במדריך Anthropic לצמצום מידע שגוי מומלץ לאפשר למודל להודות בחוסר ודאות, להגביל אותו למסמכים שסופקו ולבקש ציטוטים ומקורות לכל טענה. גם לאחר מכן צריך להשוות את התשובה למקור.
נניח שאתם מכינים מענה על תנאי שירות מתוך מסמך עסקי. בקשו: ״לכל תשובה ציינו את הסעיף התומך בה. אם הנושא אינו מופיע במסמך, כתבו שהמסמך אינו מספק תשובה והעבירו את הנושא לבירור״. אל תסתפקו במספר הסעיף שהמודל כתב; פתחו אותו ובדקו שהוא אכן אומר את מה שיוחס לו.
כשהמשימה כוללת מחירים, מועדים או מדיניות, צרפו מקור מאושר ועדכני. אם צירפתם כמה גרסאות, כתבו איזו מהן קובעת. כשאין לכם מקור מתאים, הגדירו את התוצר כרשימת שאלות לבירור או כטיוטה עם מקומות להשלמה.
בדקו גם את ההבדל בין טענה עובדתית לבין הצעה. משפט כמו ״אפשר להציע שיחת התאמה״ הוא רעיון לתהליך; משפט כמו ״העסק מציע שיחת התאמה״ מתאר שירות שצריך לאמת. הורו למודל להפריד בין המלצות שלו לבין המידע שנמסר לו. כדי שהמודל לא יסכים איתכם סתם, כדאי ללמוד לבדוק חנופה בעצות עסקיות.
אם אתם צריכים לענות שוב ושוב מתוך מאגר מסמכים, אפשר לבחון את התהליך המתואר במאמר על חיבור בינה מלאכותית למסמכי העסק. גם שם הגדירו מה עושים כשלא נמצא מקור שעונה לשאלה.
טעויות שכדאי לתקן לפני שמאריכים את הפרומפט
עברו תחילה על סתירות. בקשה לתשובה קצרה מאוד שמכילה את מלוא הפרטים דורשת החלטה מה חיוני ומה אפשר להשמיט. בקשה לסגנון רשמי ולשפה שיחתית צריכה דוגמה שמראה איזה שילוב אתם רוצים. החליפו תארים עמומים בהנחיות שאפשר לבדוק.
בדקו גם אם ערבבתם כמה משימות עם תנאי הצלחה שונים. נניח שאתם רוצים לחלץ עובדות ממסמך ואז לנסח עמוד שירות. אפשר לבקש תחילה רשימת עובדות עם מקורות, לאשר אותה ורק לאחר מכן להעביר אותה לשלב הכתיבה. כך תוכלו לזהות באיזה שלב נכנס פרט שאינו מבוסס. אם הרשימה מנוהלת בגיליון, כדאי לקרוא על אקסל ai: נוסחאות וניתוח נתונים עם Copilot.
אל תוסיפו אוטומטית את המשפט ״חשבו צעד אחר צעד״ לכל הנחיה. התיעוד של OpenAI למודלי הסקה ממליץ על הנחיות פשוטות וישירות, ומציין שבקשות כאלה אינן נחוצות למודלים האלה ועלולות לעיתים לפגוע בביצועים. בקשו הסבר שימושי לתוצאה, כגון ההנחות שעליהן התבססה או המקורות שתומכים בה.
הימנעו גם מהוספת תפקיד מנופח בלי דרישות ממשיות. ״פעלו כמומחי שירות״ אינו מגדיר אילו תשובות מותר למסור. כתבו מה צריך להיכלל בתשובה, מתי נדרש בירור ואילו התחייבויות אסור להוסיף. תפקיד וכללים קבועים מגדירים בהנחיית מערכת שמכוונת את העוזר.
אם התשובה החמיצה דרישה אחת, נסחו תיקון ממוקד: ״הסירו את ההבטחה למועד וחזרו על הניסוח תוך שמירה על יתר הפרטים״. לאחר התיקון בדקו שהתוכן שכבר היה נכון נשמר.
איך בודקים שיפור ושומרים הנחיות לעבודה חוזרת
הגדירו מראש מה תיחשב תשובה טובה. במענה ללקוח אפשר לבדוק אם השאלה נענתה, אם העובדות נכונות ואם אין התחייבות שלא אושרה. בסיכום פגישה אפשר לבדוק אם המשימות נשמרו ואם לא הומצאו אחראים. הנחיות ההערכה של OpenAI ממליצות להגדיר מטרת בדיקה, לאסוף מקרי בדיקה ולהשוות תוצאות לפי מדדים שמתאימים למשימה.
- בחרו משימה שחוזרת בעסק ואספו דוגמאות שמותר להשתמש בהן.
- כללו מקרה רגיל, מקרה עמום ומקרה שחסר בו מידע.
- הריצו את ההנחיה ושמרו את התשובות לצד חומרי המקור.
- בדקו כל תשובה לפי אותם תנאים ותעדו מה דרש תיקון.
- שנו רכיב ממוקד בהנחיה והשוו שוב על אותם מקרים.
לצורך התחלה, אפשר להשתמש בסימון פשוט: ״מוכן לשימוש״, ״דורש עריכה״ או ״כולל טעות עובדתית״. זו שיטת עבודה מוצעת, ללא הבטחה לרמת דיוק מסוימת. כתבו ליד כל סימון את הבעיה עצמה, כדי שתוכלו לתקן את ההנחיה בלי לנחש מדוע התוצאה נפסלה.
בתהליכי תוכן לאתר, AI Click הוא שירות קידום האתרים האורגני של ברנדיני, הסוכנות שמפעילה את המגזין, ומשלב מחקר, תוכן ובקרה אנושית. אם בוחנים שירות כזה, הגדירו מראש אילו מקורות נדרשים ומי מאשר עובדות ונוסח לפני פרסום.
שמרו את ההנחיה שאושרה עם תיאור המשימה, חומרי המקור הדרושים והדוגמאות ששימשו לבדיקה. לאחר החלפת מודל או שינוי במסמכי העסק, חזרו למקרי הבדיקה. עדכנו את הנוסח השמור רק לאחר שבדקתם כיצד השינוי השפיע על התשובות. אם הכלי שלכם שומר העדפות, כדאי לקרוא על שמירה ומחיקה של העדפות עסקיות.
שאלות נפוצות
האם צריך לדעת לתכנת כדי ללמוד הנדסת פרומפטים?
אפשר להתחיל בניסוח הנחיות בשפה רגילה, בלי קוד. התמקדו בהגדרת המשימה, חומרי המקור ודרך בדיקת התשובה.
האם עדיף לכתוב פרומפט בעברית או באנגלית?
כשאתם צריכים תוצר בעברית, התחילו בהנחיה בעברית וציינו את השפה והסגנון הרצויים. אם התוצאה אינה מספקת, השוו ניסוחים על אותה משימה ובדקו את איכות התוצר בעברית.
כמה ארוך צריך להיות פרומפט?
התאימו את האורך למידע הדרוש לביצוע המשימה. התחילו בבקשה ישירה, הוסיפו הקשר ואילוצים רלוונטיים, וצרפו דוגמה אם צריך להמחיש הבחנה או סגנון.
האם אותו פרומפט יעבוד בכל מודל?
השתמשו בו כנקודת התחלה ובדקו אותו מחדש בכל מודל. התיעוד הרשמי כולל המלצות שונות למודלים ולמשימות, ולכן אין להניח שהתוצאות יהיו זהות.
איך מונעים מהמודל להמציא פרטים?
צרפו מקורות, בקשו להסתמך עליהם בלבד והגדירו מה לעשות כשחסר מידע. ההנחיות האלה אינן מבטיחות היעדר טעויות, ולכן בדקו את הטענות מול המקורות לפני שימוש.
