Læs på engelsk

Del via


Oversigt over prompter

I denne artikel forklares prompter og prompt engineering som nøglebegreber, der kan hjælpe dig med at oprette effektive generative AI-funktioner, der kan anvendes på tværs af Power Platform.

En prompt er en naturlig sproginstruktion, der fortæller en stor sporgmodel (LLM), at der skal udføres en opgave. Processen er også kendt som instruktionsindstilling. Modellen følger prompten for at bestemme strukturen og indholdet af den tekst, den skal generere. Prompt engineering er processen med at skabe og forfine den prompt, der bruges af modellen.

AI Builder giver en brugeroplevelse til opbygning af prompter, der giver opretterne mulighed for at oprette, teste og gemme prompter, der kan genbruges.

Vigtigt

Forudsætninger

  • Du har en grundlæggende forståelse af, hvordan du skriver prompts. Download AI Builder-promptvejledningen for at få mere at vide.
  • Dit miljø er en liste over tilgængelige områder.
  • Du har en Power Apps- eller Power Automate-licens.
  • En Microsoft Dataverse-database installeres i miljøet.
  • Du har et AI Builder-tilføjelsesprogrammet.

Hvad et spørgsmål er, og hvordan du bruger det

Tænk på en prompt som et spørgsmål som en opgave eller et mål, du giver til den store sprogmodel (LLM). Med promptgenerator kan du bygge, teste og gemme de brugerdefinerede prompts. Du kan også bruge inputvariabler og Dataverse-data til at levere dynamiske kontekstdata under kørsel. Du kan dele disse spørgsmål med andre og bruge dem i Power Automate, Power Apps eller Copilot Studio. Du kan f.eks. oprette en prompt om at udvælge handlingselementer fra dine virksomhedsmails og bruge dem i et Power Automate-flow til at oprette en automatisering af e-mailbehandling.

Prompt-generator giver skabere mulighed for at udarbejde brugerdefinerede spørgsmål, der imødekommer deres virksomhedsbehov ved hjælp af et almindeligt sprog. Disse spørgsmål kan bruges til en lang række opgaver eller forretningsscenarier, f.eks. opsummering af indhold, kategorisering af data, udpakning af objekter, oversættelse af sprog, vurdering af synspunkt eller svar på en meddelelse.

Prompts kan integreres med flow for at opbygge intelligent automatisering af praktiske opgaver. Skabere kan også udvikle avancerede generative AI-funktioner til deres programmer ved at beskrive dem som naturlige sprog-prompts. De kan også bruge disse prompter til at udvide en copilothandling og emner og dermed strømline den daglige virksomhedsdrift og øge effektiviteten.

Menneskelig overvågning

Menneskelig overvågning er et vigtigt trin, når du arbejder med indhold, der er genereret ud fra en GPT-model. Store sprogmodeller som GPT er oplært ud fra enorme mængder af data. AI-genereret indhold kan indeholde fejl og misforståelser. En bruger skal gennemse den, før du offentliggør den online, sender den til en kunde eller bruger den til at informere om en virksomhedsbeslutning. Menneskeligt overblik hjælper dig med at identificere potentielle fejl og skævheder. Det sikrer også, at indholdet er relevant for den tilsigtede brugssag og stemmer overens med virksomhedens værdier.

Menneskelig gennemgang kan også hjælpe med at identificere eventuelle problemer i selve GPT-modellen. Hvis modellen f.eks. genererer indhold, der ikke er relevant for den tilsigtede use case, skal du muligvis justere prompten.

Ansvarlig kunstig intelligens

Vi forpligter os til at oprette et ansvarligt AI efter design. Vores arbejde styres af et sæt grundlæggende principper: retfærdighed, stabilitet og sikkerhed, beskyttelse af personlige oplysninger og sikkerhed, lige vilkår, fleksibilitet og ansvar. Vi implementerer disse principper i hele virksomheden og udvikler og implementerer AI, der har en generel positiv indvirkning. Vi har en omfattende tilgangsvinkel, der kombinerer ny forskning, fremragende ingeniørarbejde og ansvarlig styring. Foruden OpenAI's førende undersøgelser af AI-justering finder vi frem til en ramme for sikker installation af vores egne AI-teknologier, der skal hjælpe med at vejlede branchen mod mere ansvarlige udfald.

Få mere at vide om gennemsigtighed i Azure OpenAI Service